본 논문은 LLM과 AI 에이전트가 기업 환경에서 데이터 통합의 정확도와 비용 문제를 해결하기 위한 RAG 워크플로우 기반 접근 방식을 제시합니다. 신뢰성은 증거 기반 추론, 환각 방지, 일관성을 의미하며, 그래프 기반 RAG와 지식 그래프 기반 RAG를 통해 파라메트릭 지식과 컨텍스트 지식을 연결합니다. Agentic RAG는 자율적인 멀티 에이전트 시스템을 활용하여 복잡한 통합 작업을 계획, 검색, 개선, 추론합니다.
비용 효율적인 통합을 위해 대규모 기업 환경의 계산 병목 현상을 해결하는 최적화 전략을 검토합니다. 본 논문은 신뢰성, 설명 가능성, 확장성을 갖춘 지식 기반 통합 시스템 구축을 위한 과제와 미래 방향을 제시합니다.