AWS TechCamp 3. 기본 과정 : Amazon OpenSearch와 Amazon Bedrock을 활용하여 고도화된 검색 시스템 구현하기

무늬만 Solution Arhchitect Certicicate 보유자이고, 내재화된 개발스택이 전혀 없었기에, 

개념적으로는 RAG와 RAG 아키텍쳐를 어떻게 짜야한다는 이해만 됬었다.

즉, 실제 어떻게 구현할지에 대해서는 깜깜했고,

또 RAG 아키텍쳐를 빌드하기 위해 어떤 서비스를 어떻게 연결해야 될지도 감이 잡히질 않았다.

그런 측면에서, 테크캠프의 세션3 부터는 나에게 굉장히 의미있고

두려움이 많이 있는 도전과 같은 일이었다. 

 

불행히도, 리전 생성을 잘못했다는 사실을 뒤늦게 알아차려서

실습 세션 내내 헤메다가 중간에 따라하는 것을 포기했다. 

구체적인 내용은 나중에 혼자 공부하면서 파악해야겠다라고 생각하며

세션3의 실습 과정은 대부분을 놓쳤지만, 

그렇다고 해서 완전 망쳐버린 것은 아니었다. 

 

1.

글로만 배웠던 Cloudformation / Bedrock / Sagemaker / OpenSearch를 

AWS 콘솔에서 다뤄보는 것만으로 나에게는 연습이 되었다.

세션3에서 충분히 헤맸기 때문에, 세션 4, 5는 낙오되지 않고 따라갈 수 있었다. 

 

솔직히 글로는 그런가보다 수준의 이해였는데,

서비스를 연계해가면서, 이런 목적으로 만들었구나를 좀 더 와닿게 이해할 수 있는

기회였다는 점도 좋았다.

 

 

2. 

어플리케이션 구축과 그 수준을 끌어올리는 일은 또 다른 일이다.

기술 스택을 내재하지 못한 회사는 

기술 스택에 대한 인사이트와 통찰이 없을 수 밖에 없는데, 

오늘날 AI에 있어서 더욱 그 격차가 심화되었다는 생각이 든다. 

이에, Chatgpt가 나온 시점에서, 비즈니스에서는 파워풀하지 않다는 이야기가 나온다고 본다.

기술스택을 이해하지 못한채 AI가 모든지 다해줄 거라는 기대를 갖고 

카피 앤 페이스트 식으로 적용하니 잘 될리가 없다 

 

세션3를 통해서, 벡터 DB를 어떻게 구현해야 유리할 지에 대한 인사이트를 얻을 수 있었다.

이는 당장 내가 속한 현업에서도 스터디를 할 수 있는 내용이었고,

뒤집어서 현업 아닌 개발자는 쉽게 접근하거나 관심을 두기 어려운 내용이었다. 

내가 속한 현업은 데이터를 생성하는 전 프로세스에 대한 강력한 오너십을 갖고 있다.

즉, 애초에 생성단계부터, RAG 최적화 형식을 강제할 수 있는데, 

이런 방향에서 계속 파고들 여지가 보였다. 

 

 

3. 

하이브리드 검색을 실제 코드로 구현하며, 

이에 대한 개념적 이해와 더불어 로직에 대한 실질적 이해를 통해

비즈니스 최적화 검색을 어떻게 구현할 수 있을까 아이디어를 가질 수 있었다. 

이 또한 내가 속한 현업의 특성, 데이터를 생성하는 전 프로세스에 대한 강력한 오너십에 

기인하여, 스터디하고, 최적의 검색엔진 로직을 개념적으로 구성할 수 있는 

포인트로 보였다.