소속팀: Developer팀 작성자: 유수영
맞는 문장을 찾았어도, 조건을 놓치면 답은 달라집니다.
문서 분할은 질문에 필요한 근거의 경계를 정하는 작업입니다. 제목·표·예외·출처를 함께 남겨야 사용자가 답변을 확인할 수 있습니다. Databricks에서 준비하는 AI Ready Data도 이 연결에서 출발합니다.
1. 검색은 성공했는데 답변이 아쉬운 이유 💬
“신청은 언제까지 해야 하나요?” 검색 결과에는 ‘접수일 다음 날부터 30일 이내’라는 문장이 나왔습니다. 그런데 바로 다음 문단에 추가 확인 대상의 예외가 있다면 어떨까요?
AI가 첫 문장만 읽으면 모두에게 같은 기한을 안내할 수 있습니다. 원문에 없는 말을 지어내지 않아도 답이 불완전해지는 셈입니다. 이때는 검색 점수와 함께 어디서 문맥이 끊겼는지 살펴봐야 합니다.
반대로 장 전체를 가져오면 다른 대상의 조건까지 섞일 수 있습니다. 프로젝트의 분할 설계에서 고민할 지점도 여기에 있습니다. 질문에는 집중하되, 답을 바꾸는 조건은 함께 읽을 수 있어야 합니다.
그림 1. 문서를 검색 근거로 정리하는 AI 생성 일러스트입니다. 실제 Databricks 화면은 아닙니다.
문서를 검색 단위로 나누는 작업을 흔히 청킹이라고 부릅니다. 이 글에서는 ‘문서 분할’, 나뉜 결과는 ‘문서 조각’으로 표현하겠습니다. 기존 프로젝트의 구조 보존 설계를 바탕으로, 사용자에게 필요한 근거가 어떻게 남는지 살펴봅니다.
본문의 업무 문장과 수치는 가상 예시입니다. Python 코드는 표준 라이브러리로 실행하며, 앞선 예제의 변수를 뒤에서 재사용합니다. SQL은 설명용 데이터만 조회합니다. 실제 서비스의 검색 성능을 측정한 결과는 아닙니다.
2. 글자 수를 정하기 전에, 문서가 어떻게 읽혔는지 봅니다 📄
사람은 글자 크기와 여백을 보고 제목을 알아봅니다. 분할기는 앞 단계에서 변환한 문서 표현을 읽습니다. 화면에서는 제목이어도 변환 결과가 일반 문장이면 경계로 쓰기 어렵습니다.

그림 2. 조건과 출처를 유지한 문서 조각이 AI Ready Data를 구성합니다. 기존 개념도와 draw.io 원본을 유지했습니다.
현재 사례는 표준화 본문의 1~3단계 제목을 경계로 사용합니다. Markdown에서는 #, ##, ###에 해당합니다. 코드 영역의 표식은 제목과 구분하며, 굵은 글씨나 ‘제1조’를 모두 제목으로 추론하지는 않습니다.
결과가 이상할 때 글자 수부터 바꾸면 원인을 놓칠 수 있습니다. 제목이 빠졌는지, 표가 문장으로 풀렸는지 먼저 확인합니다. 입력에서 사라진 예외를 뒤의 분할 단계가 복원해 주지는 못합니다.
| 먼저 볼 부분 | 놓쳤을 때 생기는 문제 | 검토 방법 |
|---|---|---|
| 상위·하위 제목 | 다른 대상의 문장이 한데 묶임 | 원본과 제목 경로 대조 |
| 표의 머리글 | 숫자가 무엇을 뜻하는지 모름 | 행·열 제목과 단위 확인 |
| 표 아래 주석 | 적용 제외 조건을 빠뜨림 | 주석과 대상 행 연결 확인 |
| 문서 개정 | 이전 기준을 현재 답변에 사용 | 원문과 조각의 개정 대조 |
3. 검색용 조각과 계층 보존용 조각은 목적이 다릅니다 🧭
벡터 검색에는 질문과 가까운 근거를 찾기 좋은 크기가 필요합니다. 문서 계층을 활용할 때는 어떤 장과 절에 속하는지가 중요합니다. 하나의 분할 결과로 두 목적을 모두 해결하려 하기보다 역할을 나눕니다.
| 구분 | 검색용 조각 | 계층 보존용 조각 |
|---|---|---|
| 목적 | 질문과 관련된 근거 찾기 | 제목과 소속 관계 유지 |
| 주요 경계 | 1~3단계 제목, 표, 본문 길이 | 1~3단계 제목 |
| 본문 길이 | 이 사례에서는 최대 1,000자 | 같은 최대 길이를 적용하지 않음 |
| 표 처리 | 표 경계를 고려하고 긴 내용은 재분할 | 제목으로 묶인 문맥 안에 유지 |
| 후속 활용 | 임베딩 입력 구성과 검색 | 관계 구성과 필요한 문맥 선택 |
💡 1,000자는 프로젝트의 정책값입니다. Databricks의 공통 제한이나 모든 문서의 최적값은 아닙니다. 본문에 제목을 붙인 최종 길이와 모델의 토큰 한도도 별도로 확인해야 합니다.

그림 3. 같은 원문 개정에서 두 결과를 만들고, 데이터 검사 뒤에 질문 기반 검토를 진행합니다.
이 흐름에서 먼저 고정할 것은 분할에 사용하는 원문과 개정입니다. 공백이나 줄바꿈을 바꾸면 출처 위치도 달라집니다. 조각을 만든 뒤에는 본문·순서·위치를 확인하고, 실제 질문으로 필요한 조건이 남았는지 봅니다.
오류 없이 조각을 만들었다면 처리는 성공한 것입니다. 하지만 예외까지 검색되는지는 다른 확인이 필요합니다. 업무 담당자가 필요한 근거를 짚고, 엔지니어가 그 근거가 담긴 조각을 추적합니다.
4. 본문 옆에 ‘어디서 온 내용인지’를 남깁니다 🔎
“신청은 30일 이내”라는 문장만 있으면 무엇을 기준으로 센 기한인지 모호합니다. 문서 개정, 제목 경로, 원문 위치를 함께 남기면 사용자가 근거를 되짚을 수 있습니다. 아래는 그 목적을 보여 주는 간단한 결과 형태입니다.
|
{ |
|---|
revision은 원문의 개정, policy_version은 분할 규칙을 구분합니다. 원문이 같아도 분할 정책을 바꾸면 조각의 경계와 식별자가 달라질 수 있습니다. 제목 경로는 사람이 읽는 문맥이며, 조각을 유일하게 식별하는 값과는 역할이 다릅니다.
body는 원문 본문, context_header는 별도로 구성한 제목 문맥입니다. subdivided는 긴 절을 추가로 나눴는지 검토할 때 쓸 수 있습니다. 이 형태는 설명용이며, 특정 저장 구조를 그대로 옮긴 것은 아닙니다.
원문 위치는 PDF 좌표와 다릅니다
이 글의 위치값은 분할에 사용한 표준화 문자열을 기준으로 합니다. 시작 위치는 포함하고 끝 위치는 제외합니다. 원본 페이지로 이동하려면 변환 단계의 페이지·요소 정보와 추가로 연결해야 합니다.
|
source = ( |
|---|
이 검사는 본문이 원문 구간과 일치하는지 확인합니다. 바로 다음 예외 문장이 빠졌는지까지 판단하지는 않습니다. 문자열 일치와 근거 완전성은 함께 확인하되, 서로 다른 검사로 다룹니다.
같은 문장이 반복될 수도 있으므로 운영에서는 분할 과정의 위치를 전달하는 편이 명확합니다. 예제의 index는 작은 원문에서 위치를 한 번 찾는 용도로만 사용했습니다.
5. 제목 경계를 따라 나누는 작은 실험 🧪
아래 코드는 제목을 만나면 새 구간을 시작합니다. 원문 위치를 잃지 않고 제목 경로를 붙이는 방식을 보여 줍니다. 표·인용·중첩 목록을 모두 다루는 완전한 Markdown 분석기는 아닙니다.
입력은 들여쓰기 없는 1~3단계 제목과 코드 블록이 없는 문서로 한정합니다. 코드 울타리를 발견하면 오류를 내어 지원하지 않는 입력임을 알립니다. 실제 처리에서는 코드 영역과 표를 구분하는 분석 과정이 필요합니다.
|
import re |
|---|
제목 바로 아래에 하위 제목이 오면 제목만 들어 있는 작은 구간이 생깁니다. 이를 검색 대상으로 삼을지, 다음 조각의 문맥으로만 쓸지는 별도 정책입니다. 분할 결과 전체를 무조건 임베딩할 필요는 없습니다.
1단계 다음에 3단계 제목이 나올 수도 있습니다. 예제는 앞서 나온 상위 제목을 유지하지만 누락된 제목을 만들어 내지는 않습니다. 제목을 보정한다면 어떤 규칙으로 추가했는지 남겨야 합니다.
같은 ‘유의 사항’ 제목도 서로 다른 절에 등장합니다. 제목은 읽기 쉬운 문맥으로 쓰고, 식별에는 문서 개정과 위치를 함께 사용합니다. 이 구분이 있어야 엉뚱한 절의 예외를 연결하는 일을 줄일 수 있습니다.
6. 길이 제한을 지켜도 문맥은 끊길 수 있습니다 ✂️
제목으로 나눈 절이 너무 길면 검색용으로 다시 나눕니다. 줄바꿈이나 문장 경계를 우선하더라도 긴 한 줄은 중간에서 잘릴 수 있습니다. 길이 제한을 만족했다는 사실만으로 의미가 온전하다고 판단하기는 어렵습니다.
다음은 줄바꿈을 우선하는 단순화된 예제입니다. 아주 작은 조각이 반복되지 않도록 제한 길이의 절반 이후에 있는 줄바꿈을 찾습니다. 실제 정책의 모든 경계 선택 규칙을 재현하는 코드는 아닙니다.
|
def bounded_spans(text, limit=1000): |
|---|
나눈 문자열을 연결했을 때 원문이 복원되는지도 확인합니다. 앞뒤 공백을 제거한다면 시작·끝 위치도 그만큼 조정해야 합니다. 본문만 바꾸고 위치를 그대로 두면 출처 대조가 어긋납니다.
일반 기준과 예외가 다른 조각에 있어도 함께 회수하면 답변에 쓸 수 있습니다. 그러려면 부모 절이나 인접 조각을 찾을 단서가 있어야 합니다. 문맥 보완 방식은 비용과 함께 비교합니다.
| 보완 방식 | 도움이 되는 상황 | 함께 확인할 점 |
|---|---|---|
| 인접 조각 추가 | 예외가 바로 다음 문단에 있음 | 다른 대상의 조건이 섞이지 않는가 |
| 부모 절 확인 | 같은 절의 기준과 예외가 분리됨 | 전달할 문맥이 너무 길지 않은가 |
| 문서 유형별 분할 | 표와 조항의 구조가 반복됨 | 형식이 다른 문서에도 맞는가 |
7. 표에서 중요한 것은 숫자 사이의 관계입니다 📊
“지원 한도가 얼마인가요?”라는 질문을 생각해 보겠습니다. 100이라는 셀만 찾으면 금액도 적용 기준도 알 수 없습니다. 대상, 단위, 연간인지 회당인지까지 함께 읽어야 합니다.
표 아래의 제외 조건도 답을 바꿀 수 있습니다. 머리글·행·주석이 함께 있어야 이용자가 같은 의미로 해석할 수 있습니다. 표 경계를 인식하는 것만으로 이 관계가 모두 보존되지는 않습니다.
현재 검색용 정책에도 최대 길이가 있습니다. 따라서 긴 표나 긴 행은 다시 나뉠 수 있습니다. 머리글과 주석이 자동으로 반복된다고 가정하지 말고 실제 결과를 확인합니다.
그림 4. 표의 값과 조건을 함께 확인하는 AI 생성 일러스트입니다. 실제 검토 화면이나 성능 측정 결과는 아닙니다.
| 구분 | 한도 | 적용 기준 |
|---|---|---|
| 일반 대상 | 100만원 | 연간 합산 |
| 특별 대상 | 150만원 | 별도 심사 후 적용 |
가상 예시: 중복 신청은 제외하며, 특별 대상의 세부 조건은 별도 안내를 따릅니다.
표가 많다면 행 묶음에 머리글과 해당 주석을 붙이는 정책을 검토할 수 있습니다. 아래는 그런 보완 설계의 예시입니다. 기본 분할 기능이 자동으로 해주는 일은 아닙니다. 떨어진 원문을 결합하므로 출처도 여러 구간으로 남깁니다.
|
table_source = ( |
|---|
여기서는 주석이 선택한 행에 적용된다는 것을 사람이 확인했다고 가정했습니다. 특정 행의 주석을 모든 행에 붙이면 오히려 잘못된 조건이 생깁니다. 복잡한 셀 병합이나 매우 긴 행도 별도 처리가 필요합니다.
반복한 머리글과 주석은 이해를 돕기 위해 재사용한 문맥입니다. 평가할 때 같은 주석이 세 번 검색됐다고 서로 다른 근거 세 개로 세지는 않습니다. 조각 수와 고유한 근거 수를 나누어 보는 이유입니다.
8. 벡터는 관련 근거를 찾고, 계층은 주변 문맥을 안내합니다 🌳
벡터 검색으로 예외 문단을 찾았다면 부모 절에서 일반 기준을 확인할 수 있습니다. 작은 조각에서 출발해 필요한 범위로 문맥을 넓히는 방식입니다. 부모 절 전체를 무조건 모델에 전달하기보다 질문에 필요한 부분을 선택합니다.

그림 5. 검색된 근거에서 부모 절과 출처로 이어지는 설계 예시입니다. 문맥 확장은 별도 구현과 평가가 필요합니다.
계층 보존용 결과는 그래프를 만드는 재료가 될 수 있습니다. 하지만 제목 관계만으로 대상·상품·예외의 업무 관계가 완성되지는 않습니다. 다음 코드는 문서와 절의 부모·자식 관계만 구성합니다.
|
def section_graph(sections, revision_key): |
|---|
문서 개정과 시작 위치를 사용해 같은 이름의 제목을 구분했습니다. 원문의 앞부분이 바뀌면 위치도 달라지므로 개정 간 대응은 별도로 설계해야 합니다. 이 예제는 지식 추출이나 그래프 검색을 실행하지 않습니다.
‘포함’과 ‘예외 적용’도 다른 관계입니다. 같은 상위 제목 아래에 있다는 이유만으로 모든 문장에 같은 예외를 적용할 수는 없습니다. 업무 관계를 추가할 때는 근거 문장과 검토 상태를 함께 남깁니다.
9. 제목을 붙인 뒤에는 모델 입력 길이를 다시 확인합니다 📏
짧은 본문에는 ‘신청 안내 > 접수 기한’ 같은 제목이 이해를 도울 수 있습니다. 다만 추가한 제목 문자열을 원문 구간에 원래 있던 것처럼 표시하면 출처가 부정확해집니다. 본문과 추가 문맥을 별도로 유지한 뒤, 합친 입력의 길이를 검사합니다.
|
def make_model_input(body, heading_path, count_tokens, budget): |
|---|
count_tokens에는 실제 모델과 호환되는 토큰 계산 함수를 전달해야 합니다. 예제의 len은 함수 연결을 확인하는 문자 수 대역입니다. 한국어 문자 수와 모델 토큰 수가 같다는 뜻은 아닙니다.
한도를 넘었다면 제목을 줄이거나 본문을 다시 나눕니다. 끝부분을 조용히 자르면 중요한 예외가 사라져도 알아차리기 어렵습니다. 조정 내용을 기록하고 원문 구간과의 연결을 다시 확인합니다.
조각 간 겹침을 추가하는 방법도 있습니다. 다만 같은 문장이 상위 결과를 차지하면 다른 근거를 놓칠 수 있습니다. 현재 기본 정책에 일정 비율의 겹침이 자동 적용된다고 가정하지 않습니다.
10. Databricks에서는 저장된 근거와 반환할 열을 확인합니다 🖥️
화면 1. 테이블의 구조와 실제 조각을 살펴봅니다
Catalog Explorer에서 테이블 구조와 샘플 데이터를 살펴볼 수 있습니다. 오른쪽은 테이블에서 인덱스 생성 메뉴를 여는 공식 예시입니다. 표시된 데이터는 이 글의 문서 조각 데이터와는 다릅니다.
우리 조각을 확인할 때는 본문·식별자·개정·제목 문맥의 자료형부터 봅니다. 그다음 긴 표와 제목만 있는 구간, 추가로 나눈 절을 원문과 대조합니다. 무작위 샘플에 이런 경계 사례를 더하면 검토할 이유가 분명해집니다.
그림 6. Databricks 공식 예시 화면입니다. UI는 환경에 따라 다를 수 있습니다. 출처: AI Search 인덱스 생성 안내, 확인일: 2026-11-16.
객체 탐색과 실제 데이터 조회에 필요한 권한은 다릅니다. 샘플을 열 수 없다면 접근 권한과 해당 조회 방식의 컴퓨팅 조건을 확인합니다. 세부 탐색 방법은 데이터 객체 탐색 안내를 참고할 수 있습니다.
화면 2. 사용자가 근거를 확인할 열도 검색 결과에 포함합니다
검색 결과가 본문만 반환하면 어떤 개정의 내용인지 확인하기 어렵습니다. 제목과 개정, 출처를 조회할 식별 정보까지 서비스에 전달할 수 있어야 합니다. 저장된 열이 있다고 검색 결과에도 항상 포함되는 것은 아닙니다.
공식 안내에서는 인덱스에 포함된 열만 결과 반환과 필터에 쓸 수 있다고 설명합니다. 열을 선택적으로 지정한다면 서비스가 사용할 정보도 포함합니다. 이 화면은 설정 위치를 설명하며, 프로젝트의 운영 설정을 보여 주지는 않습니다.
그림 7. 공식 문서의 인덱스 열 선택 예시입니다. 출처: AI Search 인덱스 열 설정, 확인일: 2026-11-16.
| 정보 | 예시 열 | 사용자에게 필요한 이유 |
|---|---|---|
| 조각 식별 | chunk_id | 검색 결과와 저장된 근거 연결 |
| 검색 본문 | body | 실제 내용 확인 |
| 제목 문맥 | context_header | 어떤 항목의 설명인지 이해 |
| 문서 개정 | revision | 답변의 기준 시점 확인 |
| 분할 정책 | policy_version | 평가한 결과 버전 구분 |
| 원문 연결 | 출처 조회용 식별 정보 | 원문의 위치와 추가 정보 조회 |
복잡한 출처 배열을 전부 인덱스에 넣을 필요는 없습니다. 검색된 식별자로 별도 출처를 조회하는 방법도 있습니다. 지원 자료형과 응답 비용을 보고 선택하되, 최종 화면에서 원문을 확인할 수 있는지 점검합니다.
11. 평균 길이보다 예외 사례를 먼저 찾습니다 🛠️
분할 정책을 바꾼 뒤에는 긴 조각과 출처가 없는 조각을 함께 확인합니다. 검색용과 계층 보존용은 목적이 다르므로 같은 길이 기준으로 판단하지 않습니다. 아래 쿼리는 검색용 본문에만 1,000자 제한을 적용합니다.
|
WITH sample(mode, body_chars, has_source) AS ( |
|---|
예시에서는 검색용 길이 초과 1건과 출처 누락 1건이 나옵니다. 계층 보존용의 최대 5,100자는 이 검사에서는 오류가 아닙니다. 하지만 모델에 전달하기 전에는 입력 한도를 다시 확인해야 합니다.
이 결과는 설명용 데이터의 집계이며 실제 운영 통계는 아닙니다. 출처 표시가 있어도 위치가 틀릴 수 있으므로 본문과 구간을 대조해야 합니다. 표의 단위와 예외의 적용 범위는 업무 샘플 검토도 함께 진행합니다.
12. 같은 질문으로 ‘필요한 근거’를 비교합니다 ⚖️
“신청 기한이 언제인가요?”에는 일반 기한만 필요할 수 있습니다. “추가 확인 대상도 같은가요?”에는 일반 기준과 예외가 함께 필요합니다. 질문마다 필요한 근거 묶음을 먼저 정해야 분할 정책을 비교할 수 있습니다.
평가 기준을 조각 식별자에만 묶으면 분할 경계가 바뀔 때 비교하기 어렵습니다. 원문 개정의 문장·표 행·주석에 근거 식별자를 부여하고, 검색된 조각과 대응시킵니다. 다음은 사람이 확인한 가상 결과로 근거 포함 비율을 계산하는 예제입니다.
|
required = { |
|---|
평균 근거 포함 비율은 순서대로 0.611, 1.0입니다. 필요한 근거가 모두 포함된 질문은 각각 1개와 3개입니다. 구성한 예제의 계산 결과이며 실제 검색이나 성능 개선을 입증한 수치는 아닙니다.
큰 조각이 근거를 많이 포함하면서 무관한 조건도 가져올 수 있습니다. 따라서 근거 포함 비율과 답변 품질, 전달 길이를 함께 봅니다. 원문·질문·모델·검색 결과 수·필터 조건은 가능한 한 고정합니다.
| 평가 항목 | 확인할 질문 | 주의할 점 |
|---|---|---|
| 근거 포함 비율 | 필요한 문장·표·주석을 찾았나? | 큰 문맥에 유리할 수 있음 |
| 근거 완전성 | 질문에 필요한 근거가 모두 있나? | 일부 포함과 구분 |
| 조건 혼입 | 다른 대상의 조건이 섞였나? | 비슷한 제목의 절 주의 |
| 출처 정확성 | 개정과 위치가 맞나? | 위치의 존재만으로 부족 |
| 검색 비용 | 지연과 입력 길이가 감당 가능한가? | 같은 부하에서 비교 |
| 답변 품질 | 찾은 근거를 올바르게 썼나? | 검색 평가와 별도 측정 |
부모 절 확장이나 중복 제거를 추가했다면 적용 여부도 기록합니다. 한꺼번에 여러 조건을 바꾸면 무엇이 개선에 기여했는지 알기 어렵습니다. 좋아진 질문과 함께 이전보다 나빠진 질문도 남깁니다.
13. 새 정책은 대표 문서에서 확인한 뒤 넓혀갑니다 🚦
처음부터 모든 문서에 적용하기보다 대표 유형을 골라 비교합니다. 규칙적인 안내문, 긴 약관, 표 중심 자료, 제목이 불완전한 변환 문서를 함께 봅니다. 특정 문서에서 좋아진 결과가 다른 형식에서도 유지되는지 확인하는 과정입니다.
분할 규칙은 원문이 같아도 조각 수·경계·임베딩 입력을 바꿀 수 있습니다. 새 결과와 이전 결과를 구분하고 검색에서 사용할 버전을 일관되게 선택합니다. 이전 조각이 남아 같은 질문에 서로 다른 기준이 섞이지 않도록 전환과 정리 기준을 준비합니다.
- 제목·표·주석이 분할 입력에 올바르게 남아 있나요?
- 본문 길이 제한과 최종 모델 입력 한도를 구분했나요?
- 일반 기준과 예외를 함께 묻는 질문도 평가했나요?
- 추가 문맥과 원문 본문의 출처를 구분했나요?
- 계층 관계와 업무 관계를 구분해 검토했나요?
- 새 정책의 검색 반영과 이전 결과의 처리 기준이 있나요?
이 질문에 답할 수 있어야 변경 이유를 업무 담당자에게도 설명할 수 있습니다. 처리 속도나 조각 수만으로는 사용자가 받는 답변의 차이를 알기 어렵습니다. 평가에서 확인한 질문과 근거가 운영 전환의 판단 자료가 됩니다.
14. 결론: 짧게 나눈 문서보다, 확인할 수 있는 근거가 중요합니다 🌱
문서 분할은 검색 모델에 넣을 텍스트를 준비하는 일입니다. 동시에 사람이 읽던 조건과 관계를 다음 단계로 넘기는 일이기도 합니다. 제목·표·예외·출처가 이어져야 사용자가 답변을 믿고 검토할 수 있습니다.
프로젝트의 설계에서 가져갈 기준은 단순합니다. 검색용 조각은 질문에 집중하게 만들고, 계층 정보는 필요한 주변 문맥을 찾게 합니다. 두 결과가 같은 원문 개정을 가리키는지도 끝까지 확인합니다.
업무 담당자는 필요한 근거를 정의하고, 데이터 담당자는 구조와 출처를 보존합니다. 서비스 담당자는 그 근거가 실제 검색과 답변에 쓰이는지 확인합니다. 이 연결이 갖춰질 때 문서 조각은 검토 가능한 AI Ready Data가 됩니다. 🤝
참조 출처 📚
- Databricks — AI Search 인덱스 생성과 열 설정: 공식 화면과 검색에 포함할 열의 동작을 확인했습니다.
- Databricks — 데이터 객체 탐색: Catalog Explorer와 테이블 탐색 방법을 참고했습니다.
공식 문서 확인일은 2026-11-16입니다. 두 일러스트는 AI 생성 이미지이며, 세 도식은 프로젝트 설계를 설명하는 개념도입니다. 코드와 업무 데이터는 설명용으로 단순화했습니다. 예시의 수치는 운영 성능이나 품질 보장을 뜻하지 않습니다.
태그 🏷️
#Databricks #DBX #AIReadyData #문서분할 #문서구조 #벡터검색 #그래프 #RAG #검색품질 #데이터엔지니어링