생성형 AI의 검색증강생성(RAG) 기술은 최신 정보를 활용하기 위해 필수적이나, 데이터가 수시로 변할 경우 데이터 간 연결망이 끊어지는 '연결성 붕괴' 현상이 발생해 검색 정확도가 떨어지는 문제가 있었다. 연구팀이 개발한 콘다는 데이터 사이의 거리뿐만 아니라 검색 경로의 연결 상태를 함께 고려해 데이터 변화에도 중요한 연결을 유지하도록 설계됐다. 실험 결과, 콘다는 기존 기술 대비 검색 정확도를 최대 24.5% 높였으며 데이터 처리 속도는 최대 1.9배 향상됐다. 1억 개의 데이터가 있는 환경에서 6시간 동안 검색과 업데이트를 동시에 수행한 결과에서도 가장 짧은 응답시간과 높은 정확도를 기록했다. 이번 연구 성과는 김민수 교수가 창업한 AI 데이터 인프라 기업 그래파이의 데이터베이스 제품 '아카식DB'에 적용돼 올해 4분기 상용화될 예정이다. 이다래 KAIST 전산학부 석사과정 졸업생이 제1저자로 참여한 이번 연구 결과는 지난 9월 2일 데이터베이스 분야 국제학술대회 'VLDB 2026'에서 발표됐다.