Backoffice AI Agent 구축기 — RAG+MCP 기반 플레이스AI 특화 지식 검색 시스템

간단 소개

네이버 플레이스 AI 플랫폼 팀이 RAG+MCP 기반 백오피스 AI 에이전트를 구축하여 내부 지식 검색 효율을 획기적으로 개선하고 업무 생산성을 높인 사례.

AI Summary

Backoffice AI Agent 개발 및 아키텍처

PAIP 팀은 내부 문서 효율 증대 및 지식 격차 해소를 위해 RAG+MCP 기반 의미 검색 에이전트 개발, Lexical Search 한계를 넘어 Semantic Search와 MCP 활용.
OpenSearch, Milvus, Data Loader 중심 3계층 아키텍처. 하이브리드 검색(Dense+Sparse), LLM Reranker, Smart Search (Pre-Retrieval 최적화)로 Agentic RAG 구현.
핵심 성과 및 고도화 계획
Lexical Search MCP 대비 응답 만족도 2배 향상, 속도 1.4배 향상, 토큰 66% 절감, 툴 호출 49% 감소.
지식 접근성, 협업, OJT 효율 개선 등 실질적 업무 효율 증대. 향후 세분화된 필터링 및 MCP 간 연동 강화로 시스템 고도화 계획.