"우리도 RAG 붙여봤는데 별로던데요." 기업 미팅에서 가장 자주 듣는 말입니다. 도구가 나빠서가 아닙니다. 문제의 종류가 다르기 때문입니다.
연결의 수는 조각의 수보다 훨씬 빨리 는다
코드에 심볼(함수·클래스·테이블)이 n개 있으면, 심볼 사이의 잠재적 연결은 n²에 가깝게 늡니다. 심볼 1만 개면 조각은 1만 개지만, 연결은 수천만 개 규모입니다. 검색은 조각을 몇 개 집어올 뿐, 연결은 가져오지 못합니다. 그런데 "이걸 바꾸면 어디가 깨지나", "이 금액은 어떻게 계산되나" 같은 실무 질문의 답은 전부 연결에 있습니다.
체인의 중간이 빠지면 답이 틀린다
정산 금액은 결제 모듈 A에서 시작해 수수료 계산 B를 거쳐 정산 배치 C에서 끝납니다. "정산이 어떻게 계산되나요?"라고 물으면, 검색은 '정산'이라는 말이 들어간 A와 C를 찾습니다. B에는 '정산'이라는 단어가 없어서 빠집니다. AI는 A와 C만 보고 그럴듯한 B를 지어냅니다. 이것이 기업이 겪은 할루시네이션의 실체입니다. 모델이 멍청해서가 아니라, 체인의 중간이 비어서.
같은 질문에 다른 답이 나온다
검색은 질문의 표현에 따라 다른 조각을 집습니다. 오늘 물으면 이 답, 내일 다르게 물으면 저 답. 업무의 기준으로 쓰려면 같은 상태에서는 같은 답이 나와야 합니다. 재현이 안 되는 답은 감사도, 검수도, 자동화도 통과하지 못합니다.
플래티의 방식. 검색이 아니라 조회
플래티는 질문이 오기 전에 코드 전체를 구조로 분해합니다. 함수 호출은 '비슷한 텍스트'가 아니라 실제 연결이므로, 정적분석으로 전부 이을 수 있습니다. A→B→C 체인은 처음부터 그래프에 통째로 존재합니다. 질문이 오면 찾는 게 아니라 따라갑니다. 그래서 중간이 빠지지 않고, 같은 코드에서는 같은 답이 나옵니다.
정리하면 이렇습니다. RAG는 "비슷한 문서를 찾아줘"에 맞는 도구고, 시스템 이해는 "연결을 다 알고 있어야" 하는 문제입니다. 문제가 다르면 도구도 달라야 합니다.