문서 처리 ‘완료’가 곧 검색 최신 반영을 의미하지 않습니다. 저장·게시·검색 반영 확인을 분리하고, 문서 개정/게시/동기화 식별자를 연결해 최신성을 검증하는 운영 흐름(게시 스냅샷 고정, 교체 게시, 빈 결과·철회 처리, 인덱스 상태·행 …
AI Ready Data
-
-
업무 질문으로 AI 검색을 평가할 때, 답변 품질과 분리해 ‘근거를 얼마나 충족했는지(Context Recall)’와 ‘유용한 근거가 앞에 나왔는지(Context Precision)’를 같은 문항으로 비교·기록하는 구현 사례를 정리합니다. 실패·누락을 평균과 함께 보고하고, Databricks AI …
-
문서 분할(청킹)은 질문에 필요한 근거의 경계를 정하는 작업입니다. 제목·표·예외·출처를 함께 보존해야 답변이 조건을 놓치지 않고 사용자가 원문을 검증할 수 있습니다. 검색용 조각과 계층 보존용 조각을 역할별로 분리하고, 개정·위치·제목 경로를 메타데이터로 …
-
숫자만 정확히 읽어도 단위·대상·예외가 누락되면 답변 근거가 흔들립니다. 공통 결과 규약과 구조 검증, 표·예외의 업무 대조, 대체 변환 사유 기록, 프로세스 격리로 변환 결과를 검토 가능한 AI Ready Data로 만드는 …
-
Databricks로 문서를 수집·등록·정리·게시하고 AI Search에 반영해 ‘근거 있는 검색’을 만드는 과정을 정리합니다. 최신 개정 구분, 문맥·표·예외 보존, 저장 완료와 검색 반영 완료의 분리, 실패 복구 기준까지 운영 관점에서 다룹니다.
-
프로그램 배포만으로는 검색 서비스 준비가 끝나지 않습니다. Databricks 배포 묶음(Declarative Automation Bundles)을 기준으로 서비스 버전·처리 정책·임베딩 모델·실행 환경을 함께 기록하고, 배포 전 검증부터 운영 실행값·검색 근거 확인, 재처리/롤백 범위 구분까지 …
-
현재 상태는 다음 행동을 정하고, 감사 이력은 지나간 시도를 설명합니다. 복구 목록은 아직 남은 일을 관리합니다. 이 세 정보를 연결해 필요한 단계부터 다시 처리하는 방법을 살펴봅니다.
-
계산 병렬도를 올려도 저장·검색 반영까지 빨라지지는 않습니다. Databricks 기반 문서 처리에서 계산과 저장의 책임을 분리하고, 입력·대기 결과·저장 버퍼를 각각 제한해 메모리/재시도 비용을 줄이며 ‘검색 반영 시간’을 기준으로 성능을 균형 있게 …
-
업로드는 끝났는데 검색에는 예전 문서가 보일 때, 원문 수신·문서 대장 연결·등록·검색 반영을 분리해 상태를 설명하고 재전송/개정/정보수정을 구분하는 Databricks 기반 흐름을 정리합니다. Auto Loader로 수신을 추적하고, 대장으로 안정적인 문서 식별을 만들며, …