뉴스·협력사·관세 데이터를 지식 그래프로 연결해, 현대자동차 공급망 리스크를 자동으로 탐지하는 GraphRAG 시스템 구축
현대자동차의 공급망 데이터(뉴스 / 협력사 DB / 관세 데이터)는 각 팀에 분산되어 서로 연결되어 있지 않음 → 리스크 발생 시 즉각 파악 불가, 전문가가 수동으로 연결·분석
일반 RAG로는 "알루미늄 단가 급등 → 영향받는 협력사 → 타격받는 전기차 모델" 같은 다단계 인과관계 추적이 불가능 → 데이터를 하나의 지식 그래프로 연결하는 GraphRAG로 해결
뉴스(1,134건) + 협력사(900개사) + 수입관세(562건)
↓ LLMGraphTransformer (GPT-4o-mini)
Neo4j 지식 그래프 자동 구축
↓ 하이브리드 검색 (벡터 + 그래프 k-hop)
GPT-4o 리스크 분석 답변 생성
↓
FastAPI + vis.js 실시간 대화형 데모
Neo4j AuraDB LangChain / LangGraph GPT-4o Claude Opus FAISS FastAPI RAGAS
① 온톨로지 직접 설계 뉴스에서 추출할 Entity 10종(Company / Competitor / Supplier / RiskCategory / Event / Strategy / SupplyItem 등)과 Relation 9종(CAUSES / AFFECTS / SUPPLIES_TO 등)을 직접 정의 → LLM이 리스크 인과관계를 일관된 스키마로 추출하도록 유도
② 환각 방지 설계 Text-to-Cypher 대신 LLM을 엔티티 추출기로만 사용하고, 그래프 탐색(Cypher)은 하드코딩 → 모든 답변에 원문 뉴스 링크를 근거로 매핑
③ 하이브리드 검색 벡터 유사도(의미 검색) + BM25 키워드(고유명사 정확도)를 결합 → "삼아알미늄", "HS코드" 같은 고유명사도 정확히 탐색
④ 데이터 전처리 파이프라인 자카드 유사도 80% 기준 중복 제거 → 노이즈·이모지 정제 → 엔티티 표기 통일 → 도메인 외 기사 필터링 → 원본 1,275건 → 고품질 1,134건
| 지표 | 일반 RAG | GraphRAG |
|---|---|---|
| 충실도 (Faithfulness) | 0.384 | 0.541 (+41%) |
| 답변 관련성 (Answer Relevancy) | 0.462 | 0.474 |
Q. "알루미늄 단가가 급등하면 어떤 협력사가 타격받아?" → 삼아알미늄·남선알미늄·알루코 등 10개사 리스크 높음 자동 판정 + 근거 뉴스 링크 제공
Q. "삼아알미늄 원가 부담이 커지면 어떤 전기차 모델이 타격받아?" → 현대 아이오닉 5 (알루미늄 사용 비율 높은 전기 SUV) 생산 단가에 가장 큰 영향
뉴스 → 원자재 → 협력사 → 완성차 모델 4단계 인과관계를 자동 추론
- 현재 1차 협력사만 포함 → 2·3차 협력사까지 확장 시 연쇄 리스크 추론 가능
- 내부 구매 데이터 연동 시 부품-원자재-공정 연결로 분석 정밀도 대폭 향상 기대