GraphRAG 도입으로 CRM 관계 질의 정확도 96.7% 달성 및 토큰 86% 절감

Context

기존 BasicRAG의 Flat Vector Index 방식은 단순 텍스트 유사도에 의존하여 다중 엔티티 간의 관계형 질의 처리에 한계 노출. CRM 데이터 특유의 복잡한 엔티티 간 연결 구조를 단순 텍스트 청크로 처리함에 따른 구조적 불일치 발생.

Technical Solution

• TigerGraph 기반의 Graph Schema를 설계하여 Customer, Vendor, Outage 등 엔티티 간의 관계를 Directed/Undirected Edge로 명시적 모델링
• Document 정점에 native HNSW Index를 구축하여 초기 시드 노드를 탐색하는 Vector Seed Phase 구현
• GSQL의 Accumulator(SetAccum, MapAccum)를 활용해 시드 노드부터 관련 엔티티로 확장하는 Multi-hop Traversal 로직 적용
• 단순 유사도 검색이 아닌 'Entity $\rightarrow$ Edge $\rightarrow$ Entity' 경로를 추적하여 관계 기반의 컨텍스트를 정밀하게 추출하는 2단계 Retrieval 파이프라인 구축
• 데이터의 기하학적 구조(Geometry)와 검색 알고리즘을 일치시켜 Multi-entity Relationship 질문에 대응하는 구조적 해결책 제시