딥리서치
Deep Research
딥리서치란?
- AI가 여러 소스를 자율 조사→보고서화
- 출처·인용을 단 다단계 리서치 기능
- 환각 위험 남아 원문 검증은 필수
딥리서치가 실제로 바꾸는 것은 조사에 드는 시간이 아니라 일의 순서입니다. 예전에는 담당자가 검색어를 스무 번쯤 바꿔가며 자료를 긁어모으고, 지친 상태로 남은 시간에 겨우 읽었습니다. 딥리서치를 쓰면 수집과 1차 요약이 끝난 자리에서 업무가 시작되기 때문에, 사람이 하는 일은 읽고 골라내고 반박하는 쪽으로 옮겨갑니다. 리서치의 병목이 '찾기'에서 '가려내기'로 이동하는 셈입니다.
일반 챗봇의 웹검색 답변과는 성격이 다릅니다. 보통의 검색 답변은 한두 번 검색하고 몇 초 만에 끝나지만, 딥리서치는 5분에서 30분가량 돌면서 수십 개 페이지를 열어보고 중간에 조사 방향을 스스로 수정합니다. 그래서 유료 요금제에서도 월 사용 횟수를 제한하는 경우가 많아, 아무 질문에나 던지는 기능은 아닙니다. 경계 하나를 더 짚자면 딥리서치는 공개된 웹만 봅니다. 사내 인사자료나 과거 제안서를 근거로 답하게 하려면 사내 문서를 연결한 별도의 RAG 환경이 필요합니다.
결과 품질은 질문의 구체성에서 갈립니다. '2차전지 시장 알려줘' 같은 지시는 백과사전 수준 요약을 돌려주지만, 기간(최근 18개월), 범위(국내 상장사), 근거의 급(공시·기관 통계 우선), 산출 형식(표 5행)까지 못 박으면 밀도가 확 달라집니다. 조사 범위와 근거의 급을 지정하는 것이 사실상 리서치 설계입니다. 실행 전에 AI가 되묻는 확인 질문에 성의껏 답하는 30초가 30분짜리 조사의 방향을 정합니다.
현장에서 가장 크게 어긋나는 지점은 '출처가 달렸으니 사실'이라는 오해입니다. 링크가 붙어 있어도 원문에 그 수치가 없거나, 경쟁사 보도자료와 개인 블로그를 1차 자료처럼 인용하는 일이 잦습니다. 특히 비상장사 매출이나 내부 조직도처럼 공개되지 않은 정보는 그럴듯한 추정으로 메웁니다. 이를 검증 없이 제안서에 옮겼다가 고객사 임원이 '이 숫자 출처가 어디죠?'라고 물으면 그 자리에서 신뢰가 무너집니다. 적어도 보고서에 실을 핵심 수치 서너 개는 원문 링크를 직접 열어 확인하고 넘어가야 합니다.
'딥리서치'는 2024~2025년 구글 제미나이와 오픈AI 챗GPT가 나란히 동명의 기능을 출시하며 대중화됐습니다. 추론 모델과 실시간 웹 검색, 에이전트형 도구 사용을 결합해 자율적으로 다단계 조사를 수행하는 것이 공통된 특징입니다.
가상의 사례로 살펴보겠습니다. 임직원 900명 규모의 2차전지 부품 제조사 A사에 팀장 리더십 과정을 제안하게 된 교육회사 이야기입니다. 제안 마감까지 나흘 남았는데 고객사 산업도 낯설고 최근 조직개편 상황도 깜깜한 상태였습니다. 예전 같으면 컨설턴트 두 명이 사흘을 꼬박 자료조사에 썼을 일이었습니다.
- 제안팀 김 차장이 딥리서치에 '최근 18개월 공시와 업계 매체 기준으로만, A사 사업구조·조직개편·경쟁사 3곳·교육 관련 이슈를 출처 링크와 함께' 정리해 달라고 지시했습니다.
- AI가 27분 동안 공시 자료와 산업 매체를 오가며 조사한 뒤, 섹션 여섯 개에 출처 41건이 달린 A4 9장짜리 초안을 돌려줬습니다.
- 김 차장이 인용 링크를 하나씩 열어보니 '해외 법인 3곳'이라던 대목이 원문에는 2곳이었고, 매출 추정치 한 건은 근거 페이지가 아예 연결되지 않았습니다.
- 리뷰 자리에서 대표가 '이건 우리 가설이지 사실이 아니다'라며 확인 안 된 수치 4개를 전부 빼라고 정리했고, 검증된 조직개편 내용만 제안서 1페이지로 압축했습니다.
- 사전조사가 3일에서 반나절로 줄면서 남은 시간을 고객사 팀장 인터뷰 2건에 쓸 수 있었고, 그 인터뷰 내용이 결정타가 되어 연간 12개 과정 계약으로 이어졌습니다.