Vector DB 4장 카드뉴스

AI 인프라 분야에서 쓰이는 용어로, 텍스트·이미지·코드를 숫자 벡터로 바꿔 저장한 다음 의미가 비슷한 벡터를 빠르게 찾아 주도록 설계된 데이터베이스로, RAG·시맨틱 검색·추천 시스템의 기반이 됩니다.

벡터 DB는 글·그림·코드 같은 자료를 "의미가 비슷한지"로 검색할 수 있게 숫자 벡터 형태로 모아 두는 데이터베이스예요. 도서관에 비유하면, 일반 데이터베이스는 책 제목으로만 찾는 카드 목록이라면, 벡터 DB는 "이 책이랑 분위기 비슷한 책"을 한 번에 골라 주는 서가 배치 시스템에 가깝습니다. ChatGPT 같은 모델에 사내 문서를 붙여 답하게 하려면, 질문 의미와 가까운 문서 조각을 빠르게 찾아 줄 도구가 필요한데 그 자리에 들어가는 부품이에요. 사내 매뉴얼 챗봇, 추천 시스템, AI 검색이 모두 이 구조 위에 올라간다고 알아 두면 쓸모가 많습니다.

**케이스 1: 매니지드 — Pinecone, Notion Q&A 백엔드 인프라 비용 60% 절감** Pinecone은 인프라 운영 없이 API만으로 수십억 벡터 인덱스를 다루는 완전관리형 벡터 DB입니다 [3]. Notion은 자사 워크스페이스 Q&A AI의 검색 인프라로 Pinecone 서버리스를 채택했고, 공식 사례에 인프라 비용이 60% 줄었다고 명시되어 있습니다 [8]. 운영 인력이