Before
Schift 없이 — 4곳을 따로 뒤집니다
- Slack RAG 평가검색 결과 124개. 어떤 게 최신인지 모름.
- Gmail RAG eval스레드 19개. 화요일 어디였더라?
- Notion RAG 평가3개 페이지 — 다 작년 거.
- Drive rag eval pdfPDF 8개. 어느 게 결정 문서?
30분 후, 결국 동료에게 Slack DM
이럴 때 가장 먼저 필요해집니다
모든 맥락을 하나로 잇습니다
-
작은 설명 차이로 AI 결과가 달라질 때
사소한 단어, 빠진 배경 한 줄로 AI가 다른 답을 냅니다. 인용·근거 없이는 검증할 수도 없어요.
-
같은 설명을 여러 번 반복하고 있을 때
팀원마다, 회의마다, AI마다 같은 컨텍스트를 다시 적고 있다면 — 한 번 연결하고 끝내세요.
-
AI마다 맥락을 다시 넣고 있을 때
ChatGPT, Claude, Cursor에 비슷한 내용을 계속 붙여넣고 있다면. MCP 한 번 연결로 모든 LLM이 같은 메모리.
-
왜 이렇게 결정했는지 다시 찾아야 할 때
문서만으로는 안 보이고, Slack 대화·PR 코멘트·메일까지 함께 봐야 답이 나올 때. 시간순 출처 그대로.
-
유용한 답이 다시 묻히고 있을 때
좋은 답을 찾았지만 다음엔 또 같은 질문을 하게 됩니다. 메모리에 기록되면 다음 사람이 이어받습니다.
-
새로 합류한 팀원이 빠르게 따라와야 할 때
필요한 문서와 결정 배경을 짧은 시간 안에 이해해야 할 때. 사내 컨텍스트 5분 안에 검색.
Before / After
같은 질문. 다른 30분.
지난주 무슨 결정을 했는지 다시 찾아봐야 한다고 해보세요. 이렇게 흘러갑니다.
시나리오 "지난주 RAG 평가 결과 어디서 봤더라?"
After
Schift 한 번 — 답과 출처가 같이 옵니다
"지난주 RAG 평가 결과 어디서 봤더라?"
legal-rag-sota-v2 가 통과했어요 — Legal 54.7%로 Qwen3-8B SOTA 대비 +13.2pp. 화요일 #eng에서 jskang이 정리했습니다.
Slack #eng · 화 14:32
Notion RAG Eval v2 · 어제
GitHub PR #29 · 이틀 전
5초. 출처까지.
소방법 Ground Truth
정답 문서를 찾는 비율이 다릅니다.
소방법 문서 6,084개와 ground truth 질문 200개로 평가했습니다. 정답 문서가 상위 10개 결과 안에 포함되면 성공입니다.
정답 포함률 @ Top 10
일반 AI 검색
36%
문서를 고정 길이로 대충 묶어 검색하는 naive chunking 검색
정답 포함률 @ Top 10
Schift
95%
문서 전체, 첫 문장, 질의 공간을 함께 보는 다중 관점 검색
Schift는 같은 ground truth에서 일반 naive chunking보다 정답 문서를 2.7배 더 자주 상위 10개 안에 포함했습니다.
조건: 10개 인접 chunk 고정 묶음 vs Schift 다중 관점 검색 · R@10, duplicate-aware · 6,084 chunks · 200 queries