Towards Trustworthy and Cost-Efficient Data Integration: From Naïve RAG to Agentic RAG

기업 데이터 통합에서 LLM의 환각과 비용 문제를 RAG → GraphRAG → Agentic RAG 진화로 해결하려는 비전 논문이다.

이 논문은 한마디로 LLM으로 데이터 통합(스키마 매칭, 엔티티 매칭 등)을 할 때 발생하는 환각과 비용 문제를 RAG(검색 증강 생성) 기반 접근으로 해결하는 방법을 제시한 비전 논문다. 단순 RAG에서 출발해 지식 그래프를 결합한 GraphRAG/KG-RAG를 거쳐, 최종적으로 자율 멀티 에이전트가 적응적으로 검색·추론하는 Agentic RAG로 나아가는 로드맵을 그린다. 핵심은 LLM의 내부 지식에만 의존하지 말고 외부 지식으로 grounding해서 신뢰성과 비용 효율성을 동시에 잡자는 것이다.

핵심 요약

• LLM 기반 데이터 통합의 3대 문제(환각, 라벨 의존성, 비용)를 지식 grounding 부재로 진단했다.
• Naïve RAG → GraphRAG/KG-RAG → Agentic RAG로 이어지는 진화 경로를 정리했다.
• Agentic RAG에서 Planner, Retriever, Reasoner, Decision, Evaluator 5개 에이전트가 협력하는 구조를 제안했다.
• 메모리-검색 지식 충돌, 배치 검색 노이즈, 에이전트 초기화 등 핵심 연구 과제를 식별했다.
• 신뢰성(증거 기반 추론), 비용 효율성, 자율성을 동시에 평가하는 새 벤치마크가 필요함을 강조했다.

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.