Autonomous AI Database Select AI

이 이미지는 Autonomous AI Database Select AI의 작동 방식을 보여줍니다. 이 다이어그램은 통합 개발 환경 또는 애플리케이션과 같은 인터페이스를 통해 텍스트 또는 음성으로 자연어 질문을 던짐으로써 데이터와 대화를 나누는 방법을 설명합니다.

Autonomous AI Database Select AI는 거대 언어 모델(LLM)을 사용해 SQL 쿼리를 생성하고, 다음과 같은 작업을 수행합니다.

• 1) 사용자의 프로필에서 식별된 스키마로부터 확보한 메타데이터를 사용해 자연어 질문을 강화합니다.
• 2) 증강 프롬프트를 LLM에 공급합니다.
• 3) LLM이 데이터베이스에 대한 SQL 쿼리를 생성합니다.
• 4) 쿼리가 실행되고 결과가 사용자에게 전송됩니다.
• 5) 이전 질문들은 대화형 사용자 상호 작용을 위해 보관됩니다.

마지막으로 사용자는 기존 데이터 보안 정책을 기반으로 소속 조직의 데이터로부터 답변을 받게 됩니다.

이 이미지는 Autonomous AI Database Select AI의 작동 방식을 보여줍니다. 이 다이어그램은 Select AI 프롬프트에 질문을 던지는 단순한 방식으로 개인화된 콘텐츠를 생성하는 방법을 보여줍니다.

사용자는 애플리케이션을 통해 워크플로를 시작할 수 있습니다. 사용자가 고객의 이전 구매 내역을 기반으로 프로모션 제안을 생성하려는 상황을 예로 들 수 있습니다.

이 애플리케이션은 Autonomous AI Database 내 데이터를 사용하며, 다음의 단계들을 포함한 거대 언어 모델(LLM)을 통해 개인화된 타깃 프로모션 제안을 생성합니다:

• 1) Autonomous AI Database에서 확보한 컨텍스트(예: 고객 인구 통계 정보 및 구매 활동, 프로모션이 필요한 제품 등)가 쿼리됩니다.
• 2) 프롬프트 작업 지침이 이 데이터와 결합됩니다(예: 프롬프트 제품 목록으로부터 유사한 제품 추천, 추천을 바탕으로 개인화되고 설득력 있는 이메일 작성).
• 3) 이후 LLM에 증강 프롬프트가 공급되고, 결과가 처리됩니다.

최종 결과물이 사용자에게 제공됩니다. 여기에는 고객 정보, 행동, 과거 구매 이력 등을 바탕으로 작성된 개인화된 제품 추천이 담긴 매력적인 프로모션 이메일 제안이 포함됩니다.

이 이미지는 Autonomous AI Database Select AI의 작동 방식을 보여줍니다. 이 다이어그램에서는 객체 저장소에 저장된 txt, html과 같은 텍스트 파일을 활용한 벡터 저장소 생성 및 채우기를 자동화하는 방법을 설명합니다.

Select AI는 청크 단위로 문서를 처리하고, 임베딩을 생성하고, 지정된 벡터 저장소에 저장하고, 새로운 데이터가 추가되면 벡터 인덱스를 업데이트하는 작업을 자동으로 수행합니다.

• 1) 입력: 먼저 데이터가 객체 스토리지에 저장됩니다.
• 2) Autonomous AI Database가 입력 데이터 또는 문서를 검색하여 청크하고 임베딩 모델로 전달합니다.
• 3) 임베딩 모델은 청크 데이터를 처리하고 벡터 임베딩을 반환합니다.
• 4) 출력: 반환된 벡터 임베딩은 RAG와 함께 사용하기 위한 벡터 데이터 유형으로 Autonomous AI Database에 저장됩니다. 새로운 콘텐츠가 추가되면 벡터 인덱스가 자동으로 업데이트됩니다.

이 이미지는 Autonomous AI Database Select AI의 작동 방식을 보여줍니다. 이 다이어그램에서는 Select AI가 검색 증강 생성(RAG)을 구현하는 방법을 설명합니다.

RAG는 사용자의 질문에 답하기 위해 엔터프라이즈 데이터베이스에서 관련 정보를 검색합니다. 검색된 정보는 사용자 프롬프트와 함께 대규모 언어 모델로 제공됩니다. Select AI는 추가적인 엔터프라이즈 정보를 사용하여 프롬프트를 개선함으로써 LLM의 응답을 보강합니다. RAG는 벡터 저장소의 최신 엔터프라이즈 정보를 통해 응답 품질을 향상시킬 수 있습니다.

• 1) 입력: 사용자가 질문을 입력합니다.
• 2) Autonomous AI Database Select AI는 AI 프로파일에 지정된 임베딩 모델을 사용해 프롬프트의 벡터 임베딩을 생성합니다.
• 3) Autonomous AI Database Select AI는 생성된 임베딩 및 AI Vector Search를 사용해 고객사의 엔터프라이즈 데이터에서 유사한 콘텐츠를 찾습니다.
• 4) 벡터 검색은 프롬프트를 보강하는 데 사용할 상위 K 결과를 반환합니다.
• 5) Autonomous AI Database는 사용자의 질문이 포함된 상위 K 쿼리 결과를 LLM으로 전송합니다.
• 6) LLM은 Autonomous AI Database 인스턴스에 대한 응답을 반환합니다.
• 7) 출력: Autonomous AI Database Select AI가 사용자에게 응답을 제공합니다.