임베딩Embedding

임베딩은 '말을 좌표로 바꾸는' 기술이에요. '강아지'와 '반려견'은 글자는 다르지만 의미가 비슷하니, 임베딩하면 숫자 공간에서 가까이 위치해요.

이게 의미 기반 검색(시맨틱 검색)과 RAG의 토대예요. 키워드가 정확히 일치하지 않아도 '의미가 가까운' 문서를 찾을 수 있거든요. 마케팅에선 비슷한 고객 문의 묶기, 유사 콘텐츠 추천 등에 쓰여요.

텍스트 임베딩이 대표지만, 이미지·상품·고객 행동도 같은 방식으로 벡터화할 수 있어요. 그래서 활용 폭이 넓어요 — VoC(고객의 소리)를 임베딩해 비슷한 불만끼리 자동 군집화하거나, 상품 임베딩으로 '취향이 비슷한' 추천을 만들거나, 유사 오디언스를 찾는 식이죠. 추천 엔진·검색·세그먼테이션의 공통 기반 기술이라고 보면 돼요.

실무에서 알아둘 것 하나 — 임베딩은 모델마다 '좌표계'가 달라서, 서로 다른 모델로 만든 벡터끼리는 비교할 수 없어요. 임베딩 모델을 바꾸면 쌓아둔 벡터를 다시 만들어야 한다는 뜻이라, RAG·검색 시스템 설계 때 모델 교체 비용까지 계산에 넣는 게 좋아요.