Vertex AI Search에는 제품 카탈로그, 미디어 라이브러리, 임상 데이터 저장소 검색과 같은 고유한 업계 요구사항에 맞게 조정된 전문 서비스가 있습니다. 

소매업을 위한 Vertex AI Search는 소매업체가 자신의 채널에서 검색, 제품 추천, 탐색 환경을 개선할 수 있는 기능을 제공합니다.

미디어용 Vertex AI Search는 미디어 및 엔터테인먼트 기업에게 생성형 AI를 기반으로 하는 더욱 맞춤설정된 콘텐츠 추천을 제공할 수 있는 기능을 제공하므로 소비자가 플랫폼에서 머무는 시간을 늘려 참여, 수익, 유지를 높일 수 있습니다. 

의료 및 생명과학용 Vertex AI Search는 의료업계에 맞춰 조정된 검색으로, 환자와 의료인의 경험을 개선합니다.

오늘날 RAG에 대한 기대가 큽니다. RAG는 LLM을 데이터 검색 시스템, 즉 검색엔진과 결합하는 아키텍처입니다. 회사 자체 데이터에 LLM 응답을 그라운딩하면 생성형 AI 앱의 정확성, 신뢰성, 관련성이 향상되며 이는 실제 비즈니스 애플리케이션에 매우 중요한 부분입니다. 자체 RAG 시스템을 빌드할 수 있지만 이는 매우 복잡한 프로세스가 될 수 있습니다. 

Vertex AI Search는 정보를 검색할 수 있는 즉시 사용 가능한 RAG 시스템 역할을 합니다. Vertex AI Search를 통해 ETL, OCR, 분할, 임베딩, 색인 생성, 저장, 입력 삭제, 스키마 조정, 정보 검색, 요약을 관리하는 엔드 투 엔드 검색 및 탐색 프로세스를 클릭 몇 번으로 간소화했습니다. 따라서 Vertex AI Search를 검색엔진으로 사용하여 RAG 기반 앱을 매우 쉽게 빌드할 수 있습니다. 

Vertex AI는 개발자가 맞춤형 RAG 솔루션을 만드는 데 도움이 되는 포괄적인 API 집합도 제공합니다. 이러한 API는 즉시 사용 가능한 Vertex AI Search RAG 시스템의 기본 구성요소를 노출하므로 개발자가 커스텀 사용 사례를 해결하거나 세밀한 제어를 원하는 고객에게 서비스를 제공할 수 있습니다. 여기에는 Document AI Layout Parser API, Ranking API, Grounded Generation API, Check Grounding API가 포함됩니다.

Vertex AI Search를 사용하면 조직과 개발자가 검색엔진을 즉시 설정할 수 있습니다. 이러한 검색엔진은 대부분의 기업 니즈에 적합한 맞춤설정을 제공하며 임베딩에 대한 자동 미세 조정 기능도 제공합니다. 경우에 따라 커스텀 임베딩이 있을 수 있으며 Vertex AI Search는 자체 임베딩과 잘 작동합니다. 그러나 추천 및 광고 게재와 같은 틈새 사용 사례를 지원하기 위해 고성능 벡터 데이터베이스를 직접 제어해야 하는 고급 개발자는 Vertex AI Search에서 사용하는 벡터 데이터베이스인 벡터 검색을 사용 사례의 구성요소로 사용할 수 있습니다. 개발자가 코딩하지 않고 색인을 만들고 배포할 수 있도록 최근에 벡터 검색 사용자 환경을 업데이트했습니다. 또한 소규모 데이터 세트에 대한 색인 생성 지연 시간이 몇 시간에서 분 단위로 크게 감소했습니다.

Vertex AI Search는 Google Document AI 제품군의 문서 처리 기능을 활용합니다. 문서를 이해하면 정형 문서와 비정형 문서를 실행 가능한 데이터로 손쉽게 변환하여 운영 효율성을 높이고 비즈니스 프로세스를 간소화하며 더욱 우수한 결정을 내릴 수 있습니다.