Atlas Vector Search가 다시 한 번 가장 사랑받는 벡터 데이터베이스로 선정되었습니다.

최근 발표된 2024 Retool AI 현황 보고서에서 2년 연속으로 MongoDB Atlas Vector Search가 가장 사랑받는 벡터 데이터베이스로 선정되었습니다. 사용자가 동료에게 솔루션을 추천할 가능성을 측정하는 지표인 순추천지수(NPS)에서도 Atlas Vector Search가 가장 높은 점수를 받았습니다.

Retool AI 현황 보고서는 개발자, 기술 리더, IT 의사 결정권자를 대상으로 벡터 데이터베이스, RAG(검색 증강 생성), AI 채택, AI 혁신 과제 등 AI의 현재 및 미래에 대한 통찰력을 제공하는 글로벌 연례 설문조사입니다.

MongoDB Atlas Vector Search는 Retool의 첫 번째 2023년 보고서에서 가장 높은 NPS를 기록했으며, 출시 5개월 만에 두 번째로 널리 사용되는 벡터 데이터베이스가 되었습니다. 올해 Atlas Vector Search는 21.1%의 득표율을 얻었으며 이는 21.3%를 얻은 pgvector(PostgreSQL)와 매우 근소한 차이로, 사실상 동률이라고 할 수 있는 결과였습니다.

또한 이 설문조사에 따르면 대규모 언어 모델(LLM)이 학습되지 않은 최신 관련 문맥으로 보다 정확한 답변을 생성하기 위해 선호하는 접근 방식으로 RAG의 채택이 증가하고 있는 것으로 나타났습니다. LLM은 방대한 양의 데이터로 학습되지만, 모든 데이터가 최신 데이터는 아니며 독점 데이터를 반영하지도 않습니다. 그리고 사각지대가 존재하는 영역에서 LLM은 부정확한 "착각"을 자신 있게 제공하는 것으로 악명이 높습니다. 미세 조정은 LLM이 학습하는 데이터를 맞춤화하는 한 가지 방법이며, Retool 설문조사 응답자의 29.3%가 이 방법을 활용하고 있습니다. 하지만 직원 수가 5,000명 이상인 기업 중 1/3이 주식 시세와 같이 시간에 민감한 데이터와 고객 및 거래 내역과 같은 내부 비즈니스 인텔리전스에 액세스하는 데 RAG를 활용하고 있습니다.

바로 이런 경우에 MongoDB Atlas Vector Search이 진정으로 활약할 수 있습니다. 고객은 학습 및 평가 단계 모두에서 MongoDB에 저장된 데이터를 손쉽게 활용하여 생성 AI 애플리케이션의 성능을 보강하고 획기적으로 개선할 수 있습니다.

1년 동안 Retool 설문조사 응답자의 벡터 데이터베이스 활용률은 2023년 20%에서 2024년 63.6%로 눈에 띄게 증가했습니다. 응답자들은 벡터 데이터베이스 선택의 주요 평가 기준으로 성능 벤치마크(40%), 커뮤니티 피드백(39.3%), 개념 증명 실험(38%)을 꼽았습니다.

이 보고서에서는 문제점 중 하나로 AI 기술 스택의 어려움을 명확히 강조하고 있습니다. 50% 이상의 응답자가 AI 스택에 어느 정도 만족, 별로 만족하지 못함, 또는 전혀 만족하지 않는다고 답했습니다. 응답자들은 또한 새로운 솔루션을 도입해야 할 때 조달 작업으로 인해 내부의 동의를 얻는 데 어려움을 겪었다고 답했습니다. 이러한 마찰을 줄이는 한 가지 방법은 기술 스택을 간소화하고 잘 알려지지 않은 여러 벤더를 온보딩할 필요가 없는 통합 솔루션 제품군을 사용하는 것입니다. 벡터 검색은 MongoDB 개발자 데이터 플랫폼인 Atlas의 기본 기능이므로 독립형 솔루션을 추가할 필요가 없습니다. 이미 MongoDB Atlas를 사용 중인 경우, AI 기반 환경을 만들기 위해 Atlas의 기존 컬렉션에 벡터 데이터를 추가하기만 하면 됩니다.

개발자로서 Atlas Vector Search를 사용하여 생성형 AI 기반 앱 구축을 시작하려는 경우 다음과 같은 몇 가지 유용한 리소스가 있습니다.

• MongoDB를 메모리 제공자로, Fireworks AI를 함수 호출로, LangChain을 대화 구성 요소 통합 및 관리로 사용하는 AI 연구 보조 에이전트를 구축하는 방법을 알아보세요.

• LangChain 및 MongoDB Vector Search에 대한 소개를 확인하고 긴 문서를 읽고 복잡한 쿼리에 대한 통찰력 있는 답변을 제공할 수 있는 나만의 챗봇을 만드는 방법을 알아보세요.

• Dataworkz의 Sachin Smotra가 RAG(검색 증강 생성) 애플리케이션 확장의 복잡성에 대해 자세히 설명하는 동영상을 시청하세요.

• 튜토리얼을 통해 Google Gemini의 고급 자연어 처리 기능을 Vertex AI 확장 기능을 통해 MongoDB와 결합하여 데이터베이스의 접근성과 유용성을 향상하는 방법을 알아보세요.

• 리소스 허브에서 기사, 분석가 보고서, 사례 연구, 백서 등을 확인하세요.