몇 주가 아닌 몇 시간 만에 배포하는 AI 솔루션
Vectorize는 고도로 정확한 AI 솔루션을 단 몇 시간 만에 제공합니다. Elastic이 없었더라면 사내 팀이 구축하는 데 최소 2주가 소요되는 과정입니다.
업계 최고의 검색 정확도 제공
Elasticsearch 쿼리 언어(ES|QL)를 사용하면 AI 에이전트가 매우 유사한 문서를 대량으로 관리하고 검색할 때 항상 정확한 결과를 얻을 수 있습니다.
즉각적인 실시간 학습
Elastic에서는 사람이 AI 에이전트 쿼리에 답변하면, Vectorize가 즉시 응답을 캡처하여 실시간으로 향후 쿼리에 사용할 수 있도록 제공합니다.
벡터 데이터 파이프라인을 Elastic 하이브리드 검색 및 서버리스 확장성과 결합하여 수주가 아닌 몇 시간 만에 에이전틱 AI를 제공하는 Vectorize
Elastic AI 에코시스템의 일원인 Vectorize.io는 미국에 기반을 둔 소프트웨어 회사로, 대규모 언어 모델(LLM)에 방대한 정형 데이터 및 비정형 데이터를 제공하여 기업이 에이전트 AI와 생성형 AI를 활용하도록 지원합니다.
이러한 어려움은 계약이 무수히 많은 법률 분야, 유사한 상품이 많은 보험 분야, 증권거래위원회(SEC) 공시나 실적 발표 등이 많은 금융 분야 등 데이터 양이 많은 분야에서 특히 심각합니다. 이러한 분야에서 검색 정확도는 타협의 대상이 아닙니다. 예를 들어, "Goldman Sachs가 Adobe의 2024년 3분기 실적 발표에 대해 뭐라고 했습니까?"라는 질문을 하는 경우, 4분기나 2분기 결과를 반환할 수 있는 유사성 검색이 아닌 정밀한 검색이 필요합니다.
Vectorize의 CEO이자 창립자인 크리스 라티머(Chris Latimer)는 "조직들은 특히 검색 증강 생성 (RAG) 모델을 배포할 때 LLM과 AI 에이전트가 정확하고 신뢰할 수 있는 결과를 내는 데 필요한 컨텍스트를 제공할 수 있는 방식으로 데이터를 결합하는 데 어려움을 겪는 경우가 많습니다."라고 말합니다.
Elasticsearch, 에이전트 기반 AI에 혁신적인 변화를 가져오는 게임 체인저
시장을 조사하는 과정에서 라티머는 Elasticsearch가 희소 벡터 검색, 키워드 검색 또는 BM25 알고리즘과 같은 기존 방법에 시맨틱 검색을 결합하는 하이브리드 검색 접근 방식에 단연 최고의 솔루션이라고 말했습니다. "Elastic은 검색 정확도와 완전성에서 판도를 바꾸는 역할을 하며, 특히 조직들이 생성형 AI를 최대한 활용하고자 하는 시기에는 더욱 그러합니다."라고 그는 말합니다.
Vectorize는 문서 전반을 스캔하고, 비정형 데이터를 구조화하며, AI 에이전트가 필요한 정보를 정확히 찾을 수 있도록 제공하는 기능이 뛰어납니다.
"Elastic은 검색 정확도와 완전성에서 판도를 바꾸는 역할을 하며, 특히 조직들이 생성형 AI를 최대한 활용하고자 하는 시기에는 더욱 그러합니다."
Vectorize는 Elasticsearch와 직접 연결되도록 벡터 데이터 파이프라인을 설계하여 저장 공간, 검색 및 하이브리드 벡터 검색 기능을 활용하여 생성형 AI 및 검색 기반 데이터 아키텍처를 지원합니다.
현재 Vectorize는 LLM 또는 임베딩 모델 제공자로 Amazon Bedrock을 활용하며 AWS에서 Elastic Cloud를 운영합니다. 이는 이미 AWS를 사용 중인 고객에게 원활한 경험을 제공하여, Elasticsearch에 구성된 데이터를 사용하여 운영을 위한 에이전트 AI 레이어를 구축할 수 있게 합니다. Elastic과의 통합을 통해 에이전트 AI 지원 기능을 최적화하면 Elastic AI 에코시스템의 소중한 일원이 될 수 있습니다.
Elastic Cloud Serverless: 신속, 스마트, 확장성
Elastic Cloud Serverless는 Vectorize의 IT 아키텍처에서 중요한 역할을 합니다. 라티머는 말합니다. "처음에는 전용 클러스터로 시작했으나, Elastic의 서버리스 버전이 출시되자 때 전환하기로 쉽게 결정을 내릴 수 이었습니다. 비용 효율성이 훨씬 뛰어나며, 특히 멀티 테넌시와 고객을 위한 인덱스 생성 기능 등 우리가 즉시 필요로 했던 많은 기능이 제공됩니다."
이러한 유연성으로 인해 Vectorize는 검색 프로젝트를 빠르게 시작해야 하는 기업에 이상적이며, 범위가 확장됨에 따라 기능을 추가할 수 있는 잠재력이 있습니다. 라티머가 설명하듯이, 데이터를 로드하고 검색하는 첫날부터 간편한 경험을 누릴 수 있습니다. "조직이 더 발전하고 에이전트 AI 사용 사례로 나아가면 하이브리드, 벡터 및 키워드 검색을 추가할 수 있습니다. 사실상 그 부분이 Elastic이 다른 모든 솔루션과 차별화되는 지점입니다."
방대한 데이터 속 바늘 찾기
Elastic을 사용하면 Vectorize에서 단 몇 시간 만에 매우 정확한 AI 솔루션을 제공할 수 있습니다. 이러한 역량을 사내에서 구축하는 경우 테스트 접근 방식, 검색 색인 구성, 데이터 필드 추출 및 색인 등을 포함하여 일반적으로 최소 2주의 노력이 필요합니다.
고객이 누리는 또 다른 주요 이점은 정확성입니다. Vectorize는 Elasticsearch 쿼리 언어(ES|QL)를 사용하여 계약서나 법률 문서와 같은 매우 유사한 많은 문서를 탁월한 정확도로 관리하고 검색하도록 도와드립니다. ES|QL은 AI 에이전트가 일관되게 올바른 데이터를 검색하도록 보장하여 업계 최고의 정밀도를 제공합니다. 이를 통해 기업은 방대한 양의 문서 속에서 은유적인 '건초더미에서 바늘 찾기'를 신속하게 수행할 수 있습니다.
"조직이 더 발전하고 에이전트 AI 사용 사례로 나아가면 하이브리드, 벡터 및 키워드 검색을 추가할 수 있습니다. 사실상 그 부분이 Elastic이 다른 모든 솔루션과 차별화되는 지점입니다."
확장성, 안정성, 실시간 학습
Elastic의 확립된 확장성과 신뢰성 역시 빠르게 성장하는 Vectorize 고객들에게 중요한 이점입니다. 라티머는 한 고객사를 사례로 들면서, 그 회사의 개발자 사용자 기반이 1년 만에 백만 명이나 늘어나 커뮤니티 규모가 두 배로 증가했다고 언급했습니다. Vectorize는 클라이언트의 Discord 지원 플랫폼에서 쿼리에 답변하기 위해 실시간 학습 에이전트를 배포했습니다.
AI 에이전트가 응답할 수 없을 경우, 사람이 대신 응답합니다. Vectorize는 즉시 응답을 캡처하고, Elastic에 인덱싱하며, 실시간으로 향후 쿼리에 사용할 수 있게 합니다. 이러한 데이터 재처리나 수동 인덱스 업데이트로 인한 지연을 제거하는 능력은 Elastic의 확장성과 성숙도가 필수적인 가치를 더한다는 점을 강조합니다.
에이전트형 AI로 숨겨진 데이터 가치 발굴
앞으로 Elastic의 유연성 덕분에 Vectorize는 하이브리드 검색, AI 및 RAG 기능을 확장하여 고객이 비정형 데이터에서 더욱 많은 가치를 추출할 수 있습니다. 예를 들어, Vectorize는 비정형 데이터(예: 지원 티켓)를 처리하고, 이를 Elastic에 푸시한 다음, 그 위에 에이전트 레이어를 구축할 수 있습니다.
이 레이어는 AI 연구원이라고 불리며, AI 직원처럼 작동하여 조직의 여러 부서가 역할별 질문을 할 수 있도록 하며, 일선 지원에서 놓칠 수 있는 비즈니스 신호를 포착합니다.
라티머는 Vectorize의 데이터 파이프라인과 Elastic의 하이브리드 검색 및 서버리스 확장성을 결합함으로써 조직이 에이전틱 AI의 완전한 잠재력을 마침내 해방할 수 있다고 말합니다. “한때 수주간의 수동 노력이 필요했던 작업을 이제는 몇 시간 안에 해결할 수 있으며, 사업이 성장함에 따라 확장하는 정확성, 속도 및 신뢰성까지 갖추었습니다. Vectorize와 Elastic이 힘을 합쳐 기업이 비정형 데이터를 실행 가능한 인텔리전스로 전환하는 방식을 재정의하고 있습니다."
