"AI가 의미를 이해한다"는 말을 자주 듣습니다. 그런데 컴퓨터는 숫자만 다룹니다. 이 둘을 잇는 게 임베딩입니다. RAG, 추천 시스템, 의미 검색 — 요즘 AI 기능의 상당수가 이 개념 위에 서 있습니다.
· 임베딩 = 단어·문장·문서를 수백~수천 개의 숫자 목록(벡터)으로 바꾼 것
· 규칙은 하나 — 뜻이 비슷하면 숫자도 비슷하게
· 덕분에 같은 단어가 하나도 없어도 같은 주제인 걸 알아냅니다
· RAG·추천·문의 분류·중복 탐지가 전부 이 원리입니다
· 주의: 임베딩은 유사도를 재지 진실을 재지 않습니다
임베딩이 뭔가요
임베딩은 텍스트를 좌표로 바꾸는 작업입니다. "강아지"라는 단어를 넣으면 숫자 수백~수천 개가 나옵니다. 그 숫자들이 의미 공간에서의 위치를 나타냅니다.
핵심 규칙은 단순합니다. 뜻이 비슷한 것끼리는 비슷한 숫자를 받습니다.
| 단어 쌍 | 의미 공간에서의 거리 |
|---|---|
| 강아지 ↔ 멍멍이 | 가까움 |
| 강아지 ↔ 냉장고 | 멂 |
좌표로 바꾸면 뭐가 좋은가
단어가 겹치지 않아도 같은 뜻인 걸 알아낼 수 있습니다. 이게 의미 검색(semantic search)입니다.
· "노트북이 뜨거워요"
· "랩탑 발열 문제"
공통 단어가 거의 없습니다. 옛날 키워드 검색이라면 서로 못 찾습니다. 임베딩은 같은 주제로 인식합니다. 두 문장의 좌표가 가깝기 때문입니다.
일상에서 이미 쓰고 있습니다
| 기능 | 임베딩이 하는 일 |
|---|---|
| RAG 검색 | 질문을 임베딩해서 문서 조각들의 임베딩과 비교, 가장 가까운 것을 가져옴 |
| 추천 | "이 글을 읽은 사람이 좋아한 글" |
| 고객문의 분류 | 들어온 문의를 과거 유사 티켓·FAQ에 자동 연결 |
| 중복 탐지 | 표현만 다르고 같은 말을 하는 문서 찾기 |
벡터 데이터베이스가 등장하는 지점
문서 100만 개를 임베딩했다고 해봅시다. 이제 숫자 덩어리 100만 개가 생겼습니다. 질문이 들어올 때마다 "이것과 가장 가까운 벡터는?"에 빠르게 답해야 합니다.
그 역할을 하는 게 벡터 데이터베이스입니다. 실무에서 쓰는 RAG는 대개 이 순서입니다.
- 문서를 미리 임베딩해 둔다
- 벡터 DB에 저장한다
- 질문이 올 때마다 최근접 이웃을 검색한다
알아둘 한계 — 여기가 중요합니다
오류투성이 문서라도 의미가 질문과 맞으면 상위에 올라옵니다. "가장 가까운 문서"가 "가장 맞는 문서"라는 보장이 전혀 없습니다. RAG가 틀린 답을 자신있게 하는 이유 중 하나입니다.
- 전문 용어에 약합니다. 범용 임베딩 모델은 의료·법률처럼 전문용어가 빽빽한 분야에서 흔들립니다.
- 언어별 강점이 다릅니다. 한국어 처리 품질은 모델마다 편차가 큽니다.
RAG 답변이 나쁠 때 첫 번째 진단 질문은 이것입니다 — 검색이 실패한 건가, 생성이 실패한 건가? 고치는 방법이 완전히 다릅니다.
확인법은 간단합니다. 검색이 실제로 가져온 구절을 직접 열어 보세요. 올바른 구절이 아예 안 나왔다면, 프롬프트를 아무리 다듬어도 못 고칩니다. 문제는 상류에 있습니다.
자주 묻는 질문
Q. 임베딩을 제가 직접 쓸 일이 있나요?
A. 이미 간접적으로 쓰고 있습니다. 검색·추천 기능이 전부 임베딩 기반입니다. 개발자라면 주요 제공사의 임베딩 API로 한 번의 호출에 텍스트를 벡터로 바꿀 수 있습니다.
Q. 토큰과 임베딩은 뭐가 다른가요?
A. 파이프라인의 다른 단계입니다. 토큰화는 글을 기계가 읽을 단위로 자르는 것이고, 임베딩은 그 단위를 의미 지도 위에 배치하는 것입니다. 모델은 먼저 토큰화하고, 그다음 임베딩합니다. 토큰은 AI 토큰이란?에서 다뤘습니다.
Q. 임베딩+RAG인가요, 파인튜닝인가요?
A. 지식을 다루는 문제라면 임베딩+RAG부터입니다. 파인튜닝은 스타일·형식·행동을 바꾸는 것이지 사실을 추가하는 게 아닙니다. "우리 회사 자료를 AI에게 학습시키자"는 프로젝트의 대부분은 사실 RAG를 원하고 있습니다. 자세한 비교는 파인튜닝이란?을 보세요.
함께 보면 좋은 글
'AI 교육' 카테고리의 다른 글
| AI 추론 모델이란? — 연습장이 필요한 문제인지로 판단하세요 (0) | 2026.09.03 |
|---|---|
| 파인튜닝이란? — "우리 자료 학습시키자"가 대부분 틀린 이유 (0) | 2026.09.03 |
| 컨텍스트 윈도우란? — AI가 앞 대화를 잊는 진짜 이유 (0) | 2026.09.03 |
| AI 토큰이란? — 요금과 한도의 단위, 한국어가 손해 보는 이유 (0) | 2026.09.03 |
| AI 리터러시란? 2030년 전에 갖춰야 할 6가지 능력 (0) | 2026.08.24 |