"모두의 복지" RAG 검수 결과 (feat. 복지 혜택, 직업훈련, 창업지원 AI)

"모두의 복지는 무늬만 AI 서비스 아닌가?"
"데이터를 제대로 이용하는가?"

공식적인 검수를 위해 Claude Opus 4.5 (Thinking) 에게 요청했습니다.

질문)
모두의 복지는 진정한 의미의 RAG(Retrieval-Augmented Generation, 검색 증강 생성) 서비스인가요?

답변)
네. 복지 혜택 AI, 직업훈련 AI, 창업지원 AI, 세 서비스 모두 현대적인 의미의 진정한 RAG(Retrieval-Augmented Generation) 시스템이라고 할 수 있습니다.

단순히 AI가 아는 대로 답변하는 것이 아니라, '실제 데이터 검색(Retrieval)'과 'AI의 생성(Generation)'이 결합되어 있기 때문입니다. 제가 코드를 분석한 결과를 바탕으로 그 이유를 정리해 드립니다.

1. 복지 혜택 AI

Retrieval (검색): 사용자의 나이, 지역, 소득, 가구 특성을 분석하여 PostgreSQL DB에서 가장 적합한 복지 혜택 후보군(약 50개)을 먼저 뽑아냅니다. (searchWelfareBenefits 함수 수행)
Augmentation (보완): 이 검색 결과(후보군)를 LLM에게 전달합니다. ("이게 실제 데이터야, 여기서 골라줘")
Generation (생성): LLM은 전달받은 '실제 데이터'를 바탕으로 사용자의 자격 여부를 엄격하게 판정하고 맞춤 조언을 생성합니다.
특징: DB에 있는 실제 법적 근거와 혜택 데이터를 바탕으로 답변하므로 환각(Hallucination) 현상이 거의 없습니다.

2. 직업훈련 AI

Retrieval (검색): 사용자의 희망 직종, 지역, 선호 시간대(주말 여부) 등을 쿼리로 만들어 고용노동부/HRD-Net 기반의 실제 훈련 과정 데이터를 DB에서 가져옵니다. (fetchTrainingCourses 함수 수행)
Generation (생성): 가져온 실제 강의 목록을 LLM에게 보여주며, "이 사용자의 커리어 단계에 맞춰서 이 강의들을 배치한 로드맵을 짜줘"라고 명령합니다. (generateTrainingGuide 함수 수행)
특징: 존재하지 않는 가상의 강의를 추천하는 것이 아니라, 현재 수강 신청이 가능한 실제 ID를 가진 강의들을 선별해줍니다.

3. 창업지원 AI

Retrieval (검색): 지원사업, 창업행사, 창업공간 등 3가지 카테고리의 실제 데이터를 DB에서 검색합니다. 사용자의 업력(예비창업~7년 이상)과 보유 인증(벤처, 여성기업 등)을 쿼리에 정밀하게 반영합니다. (fetchBusinessResources 함수 수행)
Generation (생성): 검색된 실제 공고문들을 바탕으로 창업 로드맵을 설계합니다. (generateBusinessGuide 함수 수행)
특징: 특히 창업 분야는 마감 기한이 중요한데, DB에서 '마감되지 않은' 실제 공고만 가져와서 AI가 분석하므로 정보의 정확도가 매우 높습니다.

💡 왜 "진정한" RAG인가?

일부 무늬만 AI인 서비스들은 단순히 프롬프트에 "좋은 직업 추천해줘"라고 던지지만, 위 시스템들은 다음과 같은 RAG의 핵심 파이프라인을 모두 갖추고 있습니다.

Semantic/Keyword Search: 사용자 의도를 키워드와 태그로 변환해 내부 DB를 뒤짐.
Context Injection: 검색된 날것의 데이터(Raw Data)를 AI의 문맥(Context)으로 주입함.
Grounded Response: AI가 자신의 기억이 아닌, 주입된 '근거 데이터'에 기반(Grounding)하여 답변함.
따라서 이들은 모두 데이터 기반의 실무형 AI 서비스라고 부르기에 부족함이 없는 진정한 RAG 시스템입니다. 😊

복지 혜택 AI: https://modubokji.com/scrutiny
직업 훈련 AI: https://modubokji.com/training/ai
창업 지원 AI: https://modubokji.com/business/ai