질문의 단어보다 뜻을 읽는 검색 AI
카카오가 10월 29일 한국어와 영어 검색에 쓰는 카나나 임베딩 모델 2종을 공개했습니다. 문장에 담긴 의미를 숫자로 바꿔 관련 자료를 찾는 AI입니다. 새 채팅 앱을 내놓은 소식과는 성격이 다릅니다. 회사 문서나 서비스 안의 정보를 검색하는 개발자가 가져다 활용할 수 있는 모델을 공개한 것입니다.
2026년 10월 29일 기준입니다. 대표 이미지는 AI로 만든 설명용 일러스트이며, 실제 서비스 화면은 아닙니다.
카나나 2종, 답변을 쓰기보다 자료를 찾는 역할
이번에 공개한 모델은 ‘Kanana-2-3b-embedding’과 ‘Kanana-2-1.3b-embedding’입니다. 각각 약 30억 개와 13억 개의 파라미터를 갖췄습니다. 파라미터는 AI가 학습하면서 조정하는 값으로, 모델의 규모를 가늠하는 지표입니다. 작은 모델을 함께 제공해 검색 정확도와 운영 부담 사이에서 선택할 수 있도록 했습니다.
일반적인 키워드 검색은 입력한 단어가 문서에 있는지가 중요합니다. 의미 기반 검색은 표현이 달라도 질문과 가까운 내용을 찾는 데 초점을 맞춥니다. 가령 ‘계약 기간이 끝난 뒤에는 어떻게 되나요?’라는 질문으로 ‘갱신’이나 ‘해지’ 조항을 찾아주는 방식입니다. 이는 작동 원리를 설명하기 위한 예시이며, 이번 모델로 해당 문서를 시험한 결과는 아닙니다.
임베딩은 문장을 숫자로 바꾸는 과정입니다
AI는 문장의 뜻을 여러 숫자로 이루어진 벡터로 표현합니다. 질문과 문서의 벡터를 비교해 서로 얼마나 관련 있는지 계산할 수 있습니다. 이렇게 찾은 문서를 생성형 AI에 건네 답변의 근거로 쓰는 구성이 RAG, 즉 검색 증강 생성입니다. 임베딩 모델 자체가 완성된 답변을 써 주는 것은 아닙니다.
30억·13억 모델, 숫자로 보면 무엇이 다를까
| 항목 | 3b 모델 | 1.3b 모델 |
|---|---|---|
| 모델 규모 | 약 30억 파라미터 | 약 13억 파라미터 |
| 기본 벡터 차원 | 2,560 | 1,280 |
| 줄여서 사용할 수 있는 차원 | 1,024·512·256·128 | 1,024·512·256·128 |
| 최대 입력 길이 | 4,096토큰 | 4,096토큰 |
| 주요 활용 | 한국어·영어 검색, 문장 유사도, RAG | 같은 용도에서 운영 자원과 성능의 균형 검토 |
벡터의 차원은 문장 하나를 몇 개의 숫자로 표현하는지 뜻합니다. 차원이 커지면 저장하고 비교할 숫자도 늘어납니다. 이번 모델은 ‘MRL’이라는 학습 방식을 적용해 필요에 따라 벡터 길이를 줄일 수 있도록 했습니다. 같은 모델을 쓰더라도 서비스 규모와 저장 공간, 목표 응답 시간에 맞춰 구성을 달리할 여지가 생깁니다.
다만 차원을 줄였다고 모든 검색에서 정확도가 그대로 유지되는 것은 아닙니다. 상품 설명을 찾는 서비스와 긴 업무 문서에서 조항을 찾는 서비스는 문장 구성부터 다릅니다. 모델 선택과 차원 설정은 실제 검색할 자료에 따라 결과가 달라질 수 있습니다. 공개된 숫자는 활용 범위를 이해하는 기준이지, 모든 환경에서 같은 성능을 보장하는 수치는 아닙니다.
작은 모델에도 한국어·영어 검색 역량을 담았습니다
카카오는 자체 소형 언어모델을 바탕으로 임베딩 모델을 만들고, 지식 증류를 통해 더 작은 모델에도 검색 역량을 전달했다고 설명했습니다. 지식 증류는 큰 모델이 학습한 특성을 작은 모델이 배우도록 하는 방법입니다. 서비스를 운영하는 입장에서는 검색 요청을 처리할 장비와 저장 비용도 중요하기 때문에, 모델의 크기와 벡터 길이를 함께 살피게 됩니다.
공개 모델 카드에는 한국어·영어 검색 평가와 설정이 실려 있습니다. 이 결과는 카카오가 제시한 평가 조건에서 나온 값입니다. 이를 곧바로 모든 한국어 문서나 모든 검색 서비스의 우열로 확대하기는 어렵습니다. 이번 공개의 의미는 특정 순위보다, 한국어 검색에 맞춘 모델의 가중치와 활용 정보를 개발자가 직접 확인할 수 있게 됐다는 데 있습니다.
일상에서는 어떤 서비스에 쓰일 수 있을까
소비자에게 가장 가까운 활용처는 서비스 내부 검색입니다. 고객센터에서 질문과 관련된 도움말을 찾거나, 쇼핑몰에서 사용 목적에 맞는 상품 설명을 찾는 식입니다. 사내 문서에서는 약어나 부서별로 다른 표현을 쓰더라도 관련 자료를 연결하는 데 활용할 수 있습니다. 이는 임베딩 기술의 활용 예로, 카카오가 해당 기능을 새로 출시했다고 발표한 것은 아닙니다.
모델을 공개했다고 개인의 대화나 회사 문서가 자동으로 연결되지는 않습니다. 실제 서비스에는 검색할 자료를 준비하고 접근 권한을 적용하는 과정이 필요합니다. 자료를 찾는 임베딩 모델, 자료를 보관하는 검색 시스템, 답변을 만드는 생성형 AI는 각각 역할이 다릅니다. 이용자가 보게 되는 완성형 기능은 이 요소들이 어떻게 구성되느냐에 따라 달라집니다.
모델 파일과 이용 조건은 어디서 볼까
카카오 공식 발표에서 공개 배경을, 허깅페이스 모델 카드에서 모델 파일과 입력 형식·평가 설정을 볼 수 있습니다. 상업적 활용도 가능한 Kanana Open License를 적용하지만, 공개 모델이라고 모든 용도가 제한 없이 허용되는 것은 아닙니다. 실제 도입 시에는 저장소의 라이선스 조건을 함께 확인할 수 있습니다.
더 자연스러운 검색은 답변 전 단계에서 시작됩니다
생성형 AI를 쓸 때는 답변을 얼마나 유창하게 쓰는지에 눈길이 가기 쉽습니다. 하지만 필요한 자료를 먼저 제대로 찾아야 답변의 근거도 좋아집니다. 이번 카나나 공개는 그 검색 단계를 다듬는 소식입니다. 당장 켤 수 있는 새 앱보다는, 앞으로 서비스 안에서 질문의 뜻을 더 잘 알아듣는 검색을 만드는 개발 도구로 볼 수 있습니다.
자료: 카카오 공식 발표, 카나나 허깅페이스 모델 카드.
자주 묻는 질문 FAQ
카나나 임베딩을 일반 이용자가 바로 채팅 앱처럼 쓸 수 있나요?
이번 공개 대상은 검색 등에 활용하는 AI 모델입니다. 앱을 설치해 대화하는 완성형 서비스가 아니며, 모델 파일과 활용 정보는 허깅페이스에서 제공합니다.
임베딩 모델이 질문에 대한 답변까지 만들어 주나요?
질문과 관련 있는 자료를 찾는 역할에 가깝습니다. 자연어 답변이 필요하면 검색한 자료를 생성형 AI와 연결하는 등의 구성이 추가로 필요합니다.
1.3b 모델은 3b 모델과 무엇이 다른가요?
모델 규모와 기본 벡터 차원이 다릅니다. 1.3b는 약 13억 파라미터·1,280차원, 3b는 약 30억 파라미터·2,560차원입니다. 실제 검색 품질과 필요한 운영 자원은 활용 환경에 따라 달라집니다.
벡터 차원을 줄이면 어떤 장점이 있나요?
문장마다 저장하고 비교하는 숫자를 줄일 수 있습니다. 메모리와 검색 처리 부담을 낮추는 데 도움이 될 수 있지만, 검색 정확도에 미치는 영향은 데이터에 따라 달라집니다.
상업용 서비스에도 적용할 수 있나요?
카카오는 상업적 활용이 가능한 Kanana Open License로 공개했습니다. 구체적인 허용 범위와 제한은 모델 저장소에 실린 라이선스 조건을 따릅니다.
