---
title: "RAG chunking: 문서를 얼마나 잘게 나눠야 하는가"
slug: "rag-chunking-strategy"
language: "ko"
tags: ["chunking","sag 기술","아키텍처"]
created: "2026-09-11T00:00:00.000Z"
published: "2026-09-11T00:00:00.000Z"
updated: "2026-09-11T00:00:00.000Z"
sample: false
---

# RAG chunking: 문서를 얼마나 잘게 나눠야 하는가

## 한 문장 정의

**chunking**은 긴 문서를 검색 가능한 의미 단위로 나누고 원문 위치와 계층을 보존하는 과정입니다.

> 핵심 답: 너무 큰 조각은 관련 없는 문맥을 섞고 너무 작은 조각은 조건과 예외를 잃습니다. 글자 수만으로 자르면 표, 제목, 문단 관계도 끊어집니다.

## 왜 이 기술이 필요한가

너무 큰 조각은 관련 없는 문맥을 섞고 너무 작은 조각은 조건과 예외를 잃습니다. 글자 수만으로 자르면 표, 제목, 문단 관계도 끊어집니다.

검색·답변·생성 시스템은 입력과 결과 사이에 여러 단계를 갖습니다. 따라서 결과만 보고 판단하면 원인을 찾기 어렵습니다. 이 기술은 무엇을 수집했고 어떤 기준으로 처리했으며 누가 결과를 승인했는지 설명할 수 있게 만드는 데 의미가 있습니다.

## 작동 원리

제목 계층과 문단, 표, 목록을 기준으로 먼저 나눈 뒤 길이 제한과 overlap을 적용합니다. 각 조각에는 문서·섹션·버전·원문 위치를 메타데이터로 둡니다.

설계할 때는 정확도만 보지 않습니다. 지연 시간, 비용, 데이터 경계, 갱신 주기와 실패 시 동작을 함께 정의해야 운영에서 재현 가능한 결과가 됩니다. 자동화가 확신하지 못하는 값은 0이나 성공으로 바꾸지 않고 미측정·검토 필요 상태로 남기는 것이 안전합니다.

## SAG 기술과의 연결

SAG의 근거 artifact에 chunk를 연결한다면 보고서에서 원문 페이지와 구간으로 돌아갈 수 있어야 합니다. 현재 저장하는 출처·해시·버전 원칙이 그 기반입니다.

SAG는 고객 질문을 출발점으로 페이지, 근거, 관측 조건, 개선 작업과 재검증을 연결합니다. 이 글의 기술을 적용할 때도 특정 모델이나 단일 점수에 의존하기보다 입력 버전과 출처, 실행 상태, 승인 이력을 함께 보존하는 원칙을 우선합니다.

## 실무 체크리스트

- 문서 구조를 우선해 경계를 정합니다
- 문맥 손실과 중복 검색률을 함께 측정합니다
- chunk에서 원문으로 돌아가는 링크를 보존합니다
- 실패·빈 결과·권한 오류의 상태를 성공과 구분합니다
- 변경 전후를 동일한 조건으로 재검증합니다

## 연구와 공식 문서

- [RAG 원 논문](https://arxiv.org/abs/2005.11401)

참고 문서는 원리와 권장사항의 근거입니다. 검색 노출, AI 언급, 순위나 매출을 보장하지 않으며 실제 적용 효과는 서비스 데이터와 동일 조건의 관측으로 확인해야 합니다.