최근 OpenAI가 심층 리서치를 출시하면서 AI 지형이 다시 한번 재편되었습니다.
곧이어 Perplexity, xAI, Manus 등도 유사한 서비스를 출시했습니다. 심층 리서치의 핵심은 사용자 쿼리를 받아 최대 30분 동안 인터넷에서 복잡한 다단계 조사를 수행하는 검색 에이전트입니다. 때로는 100개가 넘는 출처를 활용합니다. 사람이 직접 조사하면 보통 몇 시간이 걸릴 작업을 단 몇 분 만에 종합적인 리서치 보고서로 완성합니다.
저희는 이를 GPT-3 이후 가장 중요한 AI 출시 중 하나로 평가합니다.
이후 고객들과 나눈 대화에서는 한 가지 질문이 단연 두드러졌습니다. “이런 심층 리서치를 언제쯤 우리 데이터에도 적용할 수 있을까요?”
이들 고객 중 다수는 수년, 심지어 수십 년에 걸쳐 세계 최대 규모의 독점 지식 저장소를 공들여 구축해 왔습니다. 이 데이터는 매우 귀중하며 각 산업에서 경쟁 우위를 확보하는 원동력이 됩니다.
이러한 필요성에 주목한 저희는 모든 기업이 자사의 시장, 데이터, 상황에 맞는 심층 리서치 역량을 구축할 수 있도록 하는 접근법을 개발하기 시작했습니다.
저희는 이 솔루션을 ‘엔터프라이즈 심층 리서치’라고 부릅니다.
엔터프라이즈 심층 리서치에는 RAG 접근법을 심층 분석한 글에서 소개한 여러 교훈을 반영했습니다.
반복적인 개선을 통해 더 나은 사용자 쿼리를 만드는 일은 기존 RAG보다 심층 리서치 작업에서 훨씬 더 중요합니다.
여전히 컨텍스트 관리가 핵심입니다. 리서치 에이전트는 지금까지 탐색한 내용과 더 유용한 성과를 낸 조사 방향을 정확히 파악해야 합니다. 이 상태를 지능적으로 관리하면 모델의 추론 역량을 가장 효과적으로 활용할 수 있습니다.
리서치 에이전트는 엔터프라이즈 심층 리서치를 구동하는 엔진입니다.
리서치 에이전트는 사용자의 질문, 이전에 실행된 쿼리, 그리고 이를 통해 검색된 유용한 정보를 모두 파악할 수 있습니다. 그런 다음 추론을 통해 선별된 데이터 피드를 구체적인 행동으로 전환합니다.
리서치 에이전트에는 목표 달성을 지원하는 다양한 도구가 제공됩니다. 여기에는 소비자용 심층 리서치 도구에서 흔히 볼 수 있는 웹 검색 및 웹 Operator 도구뿐 아니라 기업의 독점 데이터 소스와 엔드포인트를 활용하는 도구도 포함됩니다.
이는 실제 공구함과 비슷합니다. 리서치 에이전트는 작업에 맞는 도구를 선택하기만 하면 됩니다. 때로는 웹 검색이 가장 유용한 도구입니다. 오늘 발표된 연구 논문을 빠르게 살펴보고 싶지만 아직 회사 지식 베이스에는 반영되지 않았을 수 있기 때문입니다.
하지만 제약, 금융, 법률 등의 산업에서는 워크플로가 내부 지식 베이스에 크게 의존합니다. 이러한 소스에는 엔드투엔드 강화학습으로 리서치 에이전트를 정교하게 조정하여 독점 지식을 가장 효과적으로 탐색하도록 할 수 있습니다. 바로 이 지점에서 저희 엔터프라이즈 심층 리서치의 진가가 드러납니다.
바로 여기서 놀라운 변화가 시작됩니다.
인터넷에는 방대한 정보가 있지만, 기업의 독점 전문 지식을 AI 시스템에 직접 반영해야 그 잠재력을 온전히 끌어낼 수 있습니다. 저희는 프로세스의 모든 단계에 기업 고유의 지식과 경쟁력을 통합할 때 가장 효과적인 솔루션이 만들어진다고 믿습니다.
저희는 조직과 긴밀히 협력해 Neo4j, PostgreSQL, Snowflake 같은 구조화된 데이터베이스부터 S3나 SharePoint 같은 클라우드 스토리지 및 파일 시스템까지, 여러 소스의 데이터를 하나의 생태계로 연결하는 맞춤형 통합 솔루션을 개발합니다. 이러한 통합을 통해 시스템의 모든 요소에 기업의 독점 데이터와 내부 프로세스를 반영할 수 있습니다. 그 결과 리서치 에이전트는 사내 분석가와 동일한 절차를 따를 수 있습니다.
데이터를 효과적으로 활용하려면 액세스 권한과 사용 자격에 관한 중요한 문제를 해결해야 합니다. 데이터 소유자가 응답 과정에서 민감한 정보가 의도치 않게 노출될 가능성을 우려하는 것은 당연합니다. 저희는 솔루션 설계 단계부터 개인정보 보호와 데이터 보안을 반영해야 한다고 믿습니다. 내부 데이터를 인덱싱할 때는 데이터 소유권을 기록하고 사용 자격을 적용하여, 권한을 부여받은 사용자만 특정 정보에 액세스하도록 해야 합니다. 또한 개인정보 보호와 규제 준수를 유지하려면 GDPR 및 기타 규정을 준수하면서 인덱스에서 데이터를 삭제하는 강력한 메커니즘이 필수적입니다. 이러한 수준의 제어와 안전성이 저희 접근법을 인터넷 전반을 검색하는 공개 심층 리서치 도구와 차별화합니다.
웹 검색은 여전히 기업 리서치 워크플로의 핵심입니다. 전통적인 웹 스크래핑은 오랫동안 온라인 소스에서 구조화된 데이터를 수집하는 신뢰도 높은 방법으로 활용되어 왔습니다. 이러한 기존 방식은 대량의 공개 정보를 수집하는 데 효과적입니다.
최근에는 인터넷에서 까다로운 데이터 검색 작업을 처리하는 웹 Operator 에이전트가 등장했습니다. 여기에는 OpenAI의 Operator, Anthropic의 Claude, Convergence의 Proxy 등이 포함됩니다. 이들은 복잡한 웹 환경을 탐색하고 미묘한 차이가 있는 쿼리를 처리하며, 일반적인 스크래핑 기법으로는 얻기 어려운 데이터를 검색하도록 설계되었습니다.
검색된 데이터를 분석할 때 LLM이 항상 최적의 도구인 것은 아닙니다. 따라서 리서치 에이전트가 코딩 환경이나 기업의 독점 도구 같은 전문 도구를 활용해 분석을 완료하도록 할 수 있습니다. 기존 스크래핑부터 고급 Operator 에이전트와 전문 도구까지 아우르는 이러한 다층적 접근법은 데이터 환경이 아무리 복잡해도 기업 리서치가 철저하면서도 유연하게 대응할 수 있도록 합니다.
기업마다 고유한 문화와 산업적 특성, 업무 관행이 있으며, 이는 인사이트를 가장 효과적으로 이해하고 적용하는 방식에 영향을 미칩니다. 기성 도구는 기업 고유의 상황에 맞지 않는 획일적인 답변을 제공하는 경우가 많습니다.
맞춤형 심층 리서치 솔루션을 구축하면 조사 결과를 기존 분석 도구에 통합하거나 전용 워크플로를 만드는 등, 필요한 위치와 방식에 정확히 맞춰 구성할 수 있습니다.
리서치 결과를 기업 고유의 언어와 프로세스에 맞추면 인사이트의 정확성을 확보할 뿐 아니라 기존 의사결정 체계에 자연스럽게 통합할 수 있습니다.
저희는 모든 기업이 핵심 워크플로를 뒷받침하는 맞춤형 심층 리서치 솔루션의 혜택을 누리는 미래를 그리고 있습니다.
통합 웹 검색 기능을 제공하는 OpenAI의 Responses API와 에이전트형 AI 시스템 구축을 위해 새롭게 공개된 Agent SDK 같은 최근 출시는 이 분야의 AI 도구 발전을 향한 업계 선도 기업들의 의지를 보여 줍니다. OpenAI의 심층 리서치 같은 공개 도구는 일반적인 질문을 처리하는 데 뛰어나지만, 경쟁 우위를 원하는 기업에는 독점 지식과 고유한 강점을 온전히 활용하는 맞춤형 접근법이 더 큰 도움이 됩니다.
이 비전을 귀사에 적용하는 방법이 궁금하신가요? 편하신 채널로 문의해 주세요.