세만AI는
정확한 예측과 설명 가능한 판단을 동시에 요구하는 시스템입니다.
⚡ Vector DB의 유일한 목적은
“왜 이런 판단이 나왔는가?”를 나중에 설명하기 위함입니다.
“맥락은 그래프에, 이유는 벡터에”
개인의 “맥락(Context)”을 이해하는 주체는 항상 Ontology(Knowledge Graph) 입니다.
Vector DB는 맥락을 대신 이해하지 않습니다. 맥락을 설명하는 사례를 제공할 뿐입니다.
이유: 데이터가 없는데 “기억”을 만들 수는 없습니다. 설명보다 중요한 것은 안전한 규칙 운영입니다.
🏁 원칙: Phase 1에서는 기억보다 로그, 설명보다 기록이 우선입니다.
역할: 전체 로그가 아닌, 사고 리포트나 상태 급변 요약 등 “설명 가치가 있는” 기록만 저장합니다.
결정 방식: 1차로 룰 기반 필터링(사고/경고) 후, LLM이 보조 요약합니다.
⚠️ 상태: 이 단계의 Vector DB는 “아직 미완성된 기억”입니다.
핵심 역할: 판단의 근거(Evidence)를 제공합니다.
"현재 상태는 정상 범위지만, 3개월 전 낙상 직전 패턴과 유사합니다."
이는 확률 모델이나 Vector DB의 독단적 판단이 아니라, Ontology의 판단 + Vector DB의 기억 호출의 결과입니다.
모든 개인의 상태는 Graph(KG)에 저장됩니다.
Vector DB는 “왜 그렇게 판단했는가”만 기억합니다.
Vector RAG 결합이란?
Ontology가 판단을 내린 뒤, 해당 판단을 설명하기 위해
Vector DB에서 유사 사례·근거를 검색하는 과정입니다.
즉, Vector RAG =
판단 이후에 작동하는 설명 엔진
Vector DB는 기억은 가지되, 권한은 가지지 않습니다.
이 원칙 덕분에 시스템은 점점 더 똑똑해지지만
설명 가능성과 통제력은 사라지지 않습니다.