구글 리서치가 제미나이(Gemini) 엔터프라이즈 에이전트 플랫폼에 에이전틱 RAG(Retrieval-Augmented Generation, 검색 증강 생성) 기능을 추가했다. ‘Cross-Corpus Retrieval(교차 코퍼스 검색)’이라는 이름으로 공개 미리보기 중인 이 기능의 핵심은 ‘서피션트 컨텍스트 에이전트(Sufficient Context Agent)’로, 첫 번째 검색 결과가 불충분할 때 시스템이 자동으로 추가 검색을 수행해 맥락을 완성한다. 기존 RAG 시스템이 정보를 찾지 못하면 단순히 “정보 없음”을 반환하던 방식에서 벗어나, 누락된 정보를 적극적으로 추적하는 구조다.
이번 업데이트가 겨냥하는 문제는 멀티홉 쿼리(multi-hop query)다. 예를 들어 “프로젝트 X에 사용된 서버의 사양은 무엇인가”라는 질문에 답하려면, 먼저 서버 식별자를 찾고 이를 토대로 별도 데이터베이스에서 사양을 조회하는 두 단계 이상의 검색이 필요하다. 새 시스템은 오케스트레이터, 플래너 에이전트, 쿼리 리라이터, 검색 팬아웃 에이전트, 서피션트 컨텍스트 에이전트, 합성 에이전트 등 여섯 개 컴포넌트가 파이프라인을 이뤄 이런 복합 질의를 처리한다. 구글이 FramesQA 데이터셋으로 테스트한 결과, 4개 코퍼스 중 올바른 출처를 선택하는 정확도는 90.1%였고, 표준 RAG 대비 팩트 정확성은 최대 34% 향상됐다. 단일 코퍼스와 교차 코퍼스 간 응답 지연시간 차이는 3%에 그쳐 실용성도 확보했다.
주요 활용 분야로는 의료, 엔지니어링, 금융이 꼽힌다. 의료 현장에서는 약물·식이요법·알레르기 정보를 통합 조회하고, 엔지니어링에서는 서버 식별자로부터 사양 정보를 추적하며, 금융에서는 예산 데이터와 타임라인 로그를 연결하는 식이다. 공통점은 여러 팀이 독립적으로 관리하는 데이터베이스가 존재하는 조직 환경이다. 에이전틱 RAG는 이러한 분산 데이터 구조에서 단일 인터페이스로 정확한 답변을 제공하는 데 초점을 맞춘다.
이번 발표는 구글이 기업용 AI 플랫폼에서 단순 생성 모델을 넘어 복잡한 정보 조회와 추론을 결합한 에이전트 인프라로 영역을 확장하고 있음을 보여준다. 국내 기업들도 내부 데이터베이스가 부서별로 분산된 경우가 많아, 이런 멀티홉 검색 기술이 본격 상용화되면 기업용 AI 도입 방식에 상당한 변화를 가져올 전망이다.
