본 논문은 기업의 의사결정에 필수적인 HR 기록, 구조화된 보고서, 표 형태의 문서 등 기업 고유 데이터를 활용하는 고급 RAG(Retrieval-Augmented Generation) 프레임워크를 제안한다. 기존 RAG 프레임워크의 한계인 정적 사전 훈련, 짧은 컨텍스트 창, 이질적인 데이터 형식 처리 문제를 해결하기 위해, dense embeddings (all-mpnet-base-v2)와 BM25를 결합한 하이브리드 검색 전략, SpaCy NER을 이용한 메타데이터 기반 필터링, 크로스 인코더 재순위 지정 등을 적용하였다. 또한, 의미 단위 청크화, 표 데이터 구조 유지, 양자화 색인, 사용자 피드백 및 대화 기억 기능을 통해 성능을 향상시켰다. 기업 데이터셋 실험 결과, Precision@5는 15%, Recall@5는 13%, 평균 역순위는 16% 향상되었으며, 정확성, 완전성, 관련성 측면에서도 질적 향상을 보였다. 향후 다중 모달 데이터 확장 및 에이전트 기반 검색 통합을 계획하고 있으며, 소스 코드는 공개될 예정이다.
