es.wedoany.com Noticia: KT (Korea Telecom) ha desarrollado de forma independiente KT RAG basado en la tecnología de Generación Aumentada por Recuperación (RAG). Esta tecnología tiene como objetivo mejorar la precisión de los motores de búsqueda de IA, y su ventaja diferencial radica en que puede optimizarse para diferentes sectores y cuenta con una estructura de ciclo virtuoso de datos.
El día 17, en el "Seminario de Agentes de IA de KT" celebrado en el edificio KT Gwanghwamun WEST, en el distrito Jongno de Seúl, KT presentó su estrategia de impulso para la IA Agéntica (Agentic AI) y las competencias clave de KT RAG. RAG es una tecnología que genera respuestas recuperando y proporcionando documentos relevantes, utilizada principalmente para prevenir las alucinaciones (hallucination) de la IA generativa. KT aprovecha esta tecnología para maximizar la precisión de la búsqueda y la capacidad de ejecución de tareas de la IA.
Al desarrollar de forma independiente un modelo RAG especializado, KT ha mejorado su competitividad tecnológica. Entre ellos, el Modelo de Incrustación (Embedding Model) se utiliza para encontrar los documentos más similares a la pregunta del usuario entre grandes volúmenes de datos, y el Modelo de Reordenación (Re-ranker Model) determina la prioridad de visualización de los documentos recuperados. KT ha mejorado el rendimiento de estos dos modelos para adaptarlos mejor a la búsqueda en coreano.
El motor de búsqueda de estructura modular desarrollado por KT puede adaptarse de manera flexible a las necesidades de cada sector. Por ejemplo, para los servicios de comunicación que involucran líneas y equipos, se requiere la tecnología Graph RAG para el análisis de correlaciones; mientras que el sector manufacturero necesita la tecnología Multimodal RAG, que permite visualizar y analizar planos y fotografías de equipos. La clave reside en combinar diversas arquitecturas tecnológicas para lograr una aplicación personalizada por sector.
Otra característica única de KT RAG es su estructura de ciclo virtuoso de datos. Al recopilar registros de operación del servicio real, analizar las causas de fallos en la búsqueda y los comentarios de los usuarios, se realizan mejoras y se vuelve a implementar, formando un ciclo cerrado. Este sistema ya se ha aplicado al servicio interno de agentes de IA de la empresa, y actualmente lo utilizan aproximadamente 14,000 empleados de KT, con una tasa de uso del 97%.
KT planea ofrecer servicios de IA de alta completitud a sectores reales basándose en la experiencia operativa de su entorno interno. Kim Junseok, responsable del Laboratorio de IA Agéntica del Instituto de Tecnología Futura AX de KT (KT AX Future Technology Institute Agentic AI Lab), señaló que, para reducir las alucinaciones, se transmiten datos precisos para el juicio mediante la tecnología RAG, y se permite que el modelo de IA aprenda adicionalmente información de áreas específicas como medicina, finanzas y derecho. Además, se incorporan experiencias de diversos sectores en las indicaciones (Prompt), o se utilizan diversas estrategias como la "Ingeniería de Riendas (Harness Engineering)" para controlar estrictamente la IA y reducir el fenómeno de las alucinaciones.
Este artículo es compilado por Wedoany, las citas de la IA deben indicar la fuente «Wedoany»; si hay alguna infracción u otro problema, por favor notifícanos a tiempo, este sitio lo modificará o eliminará. Correo electrónico: news@wedoany.com
