들어가며: 우리는 모델을 키우는 시대를 지나왔다몇 년 전까지 AI 성능 이야기는 곧 모델 크기 이야기였다. 파라미터를 더 키우고, 데이터를 더 먹이고, 더 큰 GPU를 붙이는 것. 그런데 지금 실무에서 LLM을 다뤄본 사람이라면 누구나 같은 벽에 부딪힌다. 모델은 충분히 똑똑한데, 우리 회사의 현실 앞에서는 자꾸 헛소리를 한다는 것.이 문제를 푸는 두 가지 흐름이 지금 가장 뜨겁다. 하나는 개발자 커뮤니티에서 유행하는 하네스 엔지니어링(harness engineering), 다른 하나는 팔란티어가 20년에 걸쳐 밀어붙인 **온톨로지(Ontology)**다. 표면적으로는 전혀 다른 세계의 이야기처럼 보이지만, 들여다보면 둘은 놀랍도록 같은 깨달음 위에 서 있다. 이 글은 그 둘을 같은 무대에 올려놓고 비교..

안녕하세요! 오늘은 데이터 관리와 AI 서비스 기획에서 아주 중요한, 하지만 종종 오해받곤 하는 '온톨로지(Ontology)'에 대해 이야기해보려 합니다. 본 내용은 패스트캐퍼스에 '온톨로지 기반 프로덕트 레벨 AI Agent 서비스 구축' 공부하고 남긴 글입니다. 많은 분이 "데이터베이스(DB)가 있는데 왜 굳이 온톨로지를 써야 하나요?"라고 묻습니다. 결론부터 말씀드리면, 데이터베이스는 '사실'을 저장하는 도구이고, 온톨로지는 그 사실의 '의미'를 정의하는 모델링 철학이기 때문입니다.1. DB가 대답하지 못하는 질문들우리가 흔히 쓰는 DB는 "무엇이 있는가(What)"를 찾는 데는 최고의 도구입니다. 하지만 사용자의 모호한 의도가 담긴 질문에는 당황하곤 하죠.사용자: "새벽에 쓰기 좋은 가벼운 노트북..