AI Platform Series · 01 운영 체계와 지식 구조
Neo4j로 배우는 관계 중심 AI 설계 — 표가 낡아서가 아니라, 관계 경로를 반복해서 묻게 될 때 그래프 모델이 필요해진다.
"표는 빠른 출발점이다. 그래프 모델은 표가 낡아서가 아니라, 관계 경로를 반복해서 묻게 될 때 필요해진다."
표 → 그래프 전환 구조
핵심 문제
단순 조회는 표로도 충분하다. 하지만 두 가지 질문 앞에서 표는 막힌다.
"이 자료가 어떤 판단에 쓰였지?"
여러 판단을 거슬러 올라가야 하는 역방향 경로 탐색은 JOIN이 중첩될수록 쿼리가 기하급수로 복잡해진다.
"이 판단 때문에 어떤 산출물이 나왔지?"
판단→산출물→재판단→재산출물로 이어지는 체인을 표에서 표현하려면 테이블 구조 자체를 바꿔야 한다.
그래프 모델에서는 이 질문들이 단순한 경로 탐색(MATCH)으로 해결된다.
그래프 모델 구조
01
Node (노드)
자료·판단·산출물·사람 등 실체를 가진 개념. 원(circle)으로 표현한다.
02
Relation (관계)
노드와 노드를 잇는 방향 있는 연결선. "근거로 사용됨", "산출됨" 등 의미를 가진다.
03
Property (속성)
노드 또는 관계에 붙는 부가 정보. 날짜·버전·신뢰도 등 키-값 쌍.
5가지 지식 레이어
KG
Google KG
의미(Semantic) 레이어. 개체와 개체 사이 의미 관계 정의.
PO
Palantir Ontology
운영 언어 레이어. 업무 객체와 행동을 연결하는 운영 체계.
N4J
Neo4j
그래프 DB 레이어. 관계 경로 탐색을 위한 저장·쿼리 엔진.
LI
LlamaIndex RAG
검색 레이어. 자료를 임베딩해 질문과 연결하는 검색 파이프라인.
GR
GraphRAG
결합 레이어. 그래프 탐색 + 검색을 합쳐 경로 기반 답변 생성.
GraphRAG는 기본 RAG의 대체재가 아니다. 관계 경로 탐색이 필요할 때 추가하는 레이어다. 단순 유사도 검색은 일반 RAG로 충분하다.
도구 선택 기준
| 질문 유형 | 적합한 도구 | 이유 |
|---|---|---|
| 단순 조회·집계 (몇 건? 총합?) | 표 (SQL) | 인덱스 기반 조회가 빠르고 쿼리가 단순 |
| 경로 탐색 (A→B→C 추적) | 그래프 (Neo4j) | MATCH 패턴 한 줄로 다단계 경로 탐색 가능 |
| 역방향 추적 (이 산출물의 근거는?) | 그래프 (Neo4j) | 방향 있는 관계를 역방향으로 순회 |
| 집계·대시보드·보고 | 표 (SQL) | 집계 함수와 정형 보고가 성숙 |
| 개체 간 영향도 분석 | 그래프 (Neo4j) | 연결 수·거리·중심성 알고리즘 내장 |
도입 경로
STEP 1
관계 타입 정의
어떤 개체가 어떤 관계로 연결되는지 리스트업. 화이트보드 스케치로 충분.
STEP 2
CSV 관계 추출기
기존 문서에서 (주체, 관계타입, 대상) 형태로 추출해 CSV로 쌓기.
STEP 3
그래프 DB 검토
CSV로 관계 질문이 반복·복잡해지면 그 시점에 Neo4j 도입 검토.
MVP 원칙: 그래프 DB부터 시작하지 않는다. 관계 추출기(관계 타입 정의 → CSV)부터 만들고, 그 CSV가 복잡해지면 그때 Neo4j를 도입한다.