퍼플렉시티 리뷰, 믿을 수 있는 출처의 생성형 AI
검색 특화 AI가 정말 구글을 대체할 것 같습니다.
믿을 수 있는 답변을 하는 AI가 필요한 이유
필자는 네이버클라우드에서 생성형AI 리서치 및 기획 포지션으로 인턴십을 수행하면서
chatGPT는 물론 바드(이제는 Gemini가 된), bing, claude 등등 매우 다양한 생성형AI 서비스를
리서치하고, 이용한 바 있다.
그 중 현재까지 유료 구독을 유지하면서 사용하고 있는 AI는
클로드(Claude)이다.
페르소나로 설명하자면, 책 정말 많이 읽은 친구, 활자에 강한 국문과 교수님 같은 느낌이다.클로드는 chatGPT의 운영사 OpenAI의 개발자들이 창업한 스타트업 앤트로픽의 서비스로써,
chatGPT와 유사한 기능을 제공하나
조금 더 글쓰기, 통찰력, 인사이트에서 좋은 성능을 보인다는 평가를 받는다.
나의 경우에는 이번 학기 복학을 하면서 논문을 요약하거나, 자기소개서를 정리하거나,
보고서를 일목요연하게 정리할 일이 많았기에, 텍스트의 구조화, 논리력을 활용해서
좋은 글을 작성하는 클로드가 매우 유용하였다.
텍스트를 요약, 정리, 생성해야 하는 경우가 많은 분들께는,
chatGPT보다 이에 특화된 Claude의 활용 또한 추천드린다.
다만, 클로드의 아쉬운 점은, chatGPT가 최근 웹 검색 기반의 답변을 제공하기 시작한 것과 달리
인터넷 액세스가 없어 답변의 사실성을 보장할 수 없다는 것이다.
생성형AI는, 쉽게 설명하자면 인터넷 검색 엔진이 아니라 또 하나의 사람이라고 생각하면 쉽다.
다만 어어엄청나게 많은 자료를 학습한 사람.
우리가 생성형AI에게 질문을 하는 것은, 마치 대학생이 교수님의 시험 답안지에 답을 작성하는 것과 같아서
머리속에 있는 지식을 활용해서, 이를 교수님이 이해하고 채점하실 수 있게 답안을 쓰듯 답변을 '생성'하는 것이다.
그렇기에, 똑같은 내용을 물어보더라도 매번 답변이 조금씩 다를 수 있고,
인터넷 액세스가 없는 AI는 가지고 있는 지식만으로 답변을 하려다보니 답을 지어내는,
소위 거짓말을 하는 '할루시네이션(환각)'이 일어나기 마련이다.
이러한 점이 생성형AI 업계에서 가장 치명적이자 모두가 해결하고자 하는 문제이고,
이에 여러 기업이 이를 해결하기 위한 다양한 해결책을 내놓고 있다.
다양하다고 언급하였으나, 사실 해답의 방향성은 모두 같다.
대학생이 교수님의 답변에 사실만을 답변하기 위해 할 수 있는 최고의 선택은?
바로 '오픈북 테스트'이다.
마치 오픈북 테스트와 같이, chatGPT도, CLOVA X도, Bing chat도
이제는 유저의 질문에 스스로의 생각만으로 답하는 것이 아닌,
웹 서핑을 통해 출처를 밝힌 답변을 제공함으로써 신뢰도를 보장하고 있다.
또한 내가 참여한 네이버의 기능 '스킬' 역시,
일상적인 도움이 필요한 쇼핑, 여행지/맛집추천 등에서
실제 데이터를 API로 연결하여 유저를 돕는 기능으로써 할루시네이션을 해결하고 있다.
CLOVA X도 정말 빠르게 발전하고 있다!그렇지만, 글을 작성하는 지금,
이 분야에서 가장 본질적인 해결법을 수행하고 있는 서비스는 바로 perplexity라 생각한다.
Perplexity가 구글의 대항마로 불리며, 젠슨 황의 선택을 받은 이유
클로드를 운영하는 앤트로픽과 마찬가지로
OpenAI 출신 개발자들이 개발한 서비스인 Perplexity는
'구글의 대항마'로 불리며, 검색에 특화된 AI 검색 엔진으로 스스로를 설명하고 있다.
perplexity는 실제 자료 검색을 수행하고, 분명한 출처를 바탕으로 답변하기 때문에,
기존 서비스들에 비해 신뢰도 높은 답변을 제공할 수 있다.
실제로 사용해 보며 느낀 perplexity의 장점은 아래 네 가지이다.
첫째, 더 방대하고 풍부한 정보를 검색할 수 있는 검색엔진의 성능을 가지고 있다.
둘째, 분명한 출처를 제공하여 신뢰도 있는 정보를 제공한다.
셋째, 정보를 쉽게 이해할 수 있는 UI&UX를 제공한다.
넷째, 생성형AI의 강점인 분석 및 통찰에 풍부한 정보를 결합하여, 인사이트를 제공할 수 있다.
그리고 이러한 강점을 잘 알고 있는 엔비디아 CEO 젠슨 황은
'신약 개발과 같은 전문적인 검색을 위해 퍼플렉시티를 매일 사용한다' 라고 밝히면서 크게 주목받기도 했다.
https://news.sbs.co.kr/news/endPage.do?news_id=N1007690063&plink=ORI&cooper=NAVER
위의 인터뷰에서, 퍼플렉시티 최고 비즈니스 책임자는
퍼플렉시티 CEO는 공개적으로 자신들의 목표가
구글 검색 최상위 사용자의 5~10%, 지식근로자 고객층을 공략하는 것이라고 밝히며,
'사람들은 구글에서 한 번도 시도한 적이 없는 난제에 대한 퍼플렉시티에 질문을 합니다.
왜냐하면 우리는 훨씬 더 복잡하고 다루기 어려운 깊은 질문을 처리할 수 있기 때문입니다.'
라고 밝혔다.
즉 Perplexity는,
기존 검색엔진처럼 믿을 수 있는 소스를 제공함과 함께
이에 생성형AI의 능력인 통찰력과 사고력으로 보다 복잡한 문제를 해결하는 것을 경쟁력으로 삼고 있다.
그렇다면, perplexity의 강점에 대해 실제로 간단하게 사용해 보며 정리해 보겠다.
perplexity의 강점을 확인하기 위해서는,
단순한 정보 검색이 아닌, 정보를 바탕으로 그를 결합하고 판단해야 하는 Task를 줘야 할 것이다.
본 글에서 나는 두 가지 Task를 통해 perplexity를 테스트해 보고자 한다.
첫 번째 Task는 실제 보고서, 마케팅 등의 업무에 활용될 수 있는 정보 서치 및 인사이트 도출 능력,
두 번째 Task는 학계에서 사용될 수 있는 공신력 있는 논문 및 자료 서치 능력을 테스트하고자 한다.
정보 서치 및 인사이트 도출 능력
지금 나에게 필요한 Task는 perplexity 서비스와 다양한 AI 서비스에 대해 탐구하는 것이므로,
perplexity 서비스가 가지는 강점과 경쟁력을, 타 서비스와 비교하며
실제 사례를 제공해 달라고 요청해 보았다.
그리고, 답변을 여러 측면에서 분석해 보겠다.
1. 출처의 표기
하나의 질문에 10개 이상의 출처를 참고하는데, 질문을 세부 질문으로 쪼개는 것이 인상적이다.퍼플렉시티의 검색은 일반 search와 pro search로 나뉘는데,
무료 요금제 이용자라도 4시간에 5회는 pro search 이용권이 주어진다.
이에, pro search로 검색을 진행해 본 결과, 상단 이미지와 같이
유저의 질문을 단계별 task로 나누고, 각 task별로 웹 검색을 통해 출처를 표기하고 있다.
이렇게 명료하게 출처가 표기되는 점이 이용자 입장에서는 답변에 대한 확실한 믿음을 갖게 하는 요소이다.
특히 뛰어난 점은, 유저의 질문을 세부 task로 쪼개어 각각 검색함으로써
AI의 사고 과정, 과정에서 참고한 정보를 분명하게 확인할 수 있게 하였다.
이렇게 정보가 제공되면, 유저는 좀 더 알아보고 싶은 부분에 대한 출처를 정확하게 볼 수 있고,
이를 바탕으로 추가적인 질문을 더 쉽게 할 수 있다.
위와 같은 검색 기능을 구현하기 위해서는 크게 두 가지가 중요할 것이라 생각되는데,
첫째, 유저의 질문의 의도를 잘 이해하고 적절하게 쪼개는 모델의 사고 능력,
둘째, 쪼개 놓은 질문별로 풍부한 정보 출처를 검색하는 검색 능력이 중요할 것이다.
퍼플렉시티는 무료 버전의 경우 자체 모델 Sonar 8B를 활용하고,
pro 버전의 경우 타사의 모델 Claude, chatGPT, 자체 모델 Sonar 70B를 활용한다.
무료 버전의 질문이다. 전체 질문에 대한 출처를 제공하고, 5개의 출처를 참고한 모습이다.무료 버전의 질문은 위와 같이 질문을 쪼개는 기능까지는 제공하지 않는데,
그들의 개발 과정에서 세 모델의 능력을 적절히 조화시키고, 튜닝하여
유저의 의도를 잘 파악하고 쪼개는 능력을 구현하기 위해 많은 노력을 들였을 것이라 생각된다.
사실 최근에는 퍼플렉시티와 같이, 자체 모델 + 타사 모델을 함께 사용하여
자사 서비스의 성능을 향상시키는 경우가 많다.
다양한 회사가 제공하는 생성형 AI의 강점을 성능평가를 통해 잘 파악하고,
그 강점들을 조합하여 회사가 생각하는 최적의 형태로 서비스하는 것이다.
실제로, 이후에 다룰 논문과 같이 성능평가를 한 논문들을 보면,
모든 면에서 뛰어난 AI 모델은 없다.
각 회사별로, 모델별로 뛰어난 성능을 보이는 분야가 있기에,
AI를 활용하여 서비스를 제공하든, 고객으로서 활용하든
이에 대해 잘 파악하고, 본인의 목적에 맞는 AI를 취사선택하여 사용하면 될 것이다.
2. 답변 생성
pro 버전의 답변이다. 각 검색 결과별로 사용 사례를 생성해 준 점이 인상깊다.실제 사용 사례를 첨부해 달라는 요청에 맞게,
총 5개의 강점을 서술하고 그 강점별로 가능한 사용 사례를 설명하고 있다.
글 옆에 있는 숫자가 해당 정보, 문장을 참고한 출처를 링크로 첨부한 것으로 볼 수 있는데,
여기서 재미있는 점은 사용 사례의 경우 출처가 첨부되지 않았다.
즉 사용 사례는 웹 서핑을 근거로 perplexity AI가 생성해 낸 정보라는 것이다.
이렇게, 예시를 생성해 내는 능력을 사용자 입장에서 잘 활용하면 좋을 것으로 보인다.
모르는 분야에 대해 이해할 때, 정보만으로 이해가 되지 않는 경우가 많은데,
perplexity는 검색 능력 + 생성 능력을 보유한 생성형AI이므로
위 질문처럼 사례나 예시, 인사이트를 같이 생성해 달라고 요청한다면 이해하기 쉬운 답변을
얻을 수 있을 것이라 생각한다.
더군다나 pro 버전의 경우 '질문 쪼개기'에 뛰어나니,
최대한 잘게 쪼개어서 세부적으로 질문하고 각각 예시와 설명을 들어달라고 한다면
아주 뛰어난 답변을 받을 수 있을 것으로 보인다.
3. 이미지 + 동영상 제공
우측에 참고한 출처들의 이미지가 구글 검색과 유사하게 표시된다.
이미지를 클릭해 보면, 위와 같이 링크로 이동할 수 있다.퍼플렉시티의 검색이 뛰어난 또 다른 포인트는,
자료에 활용하고, 참고할 수 있는 이미지를 제공한다는 것이다.
마치 구글 검색과 같이 이미지를 우측에 제공해 주는데,
정보 서치 및 보고서 작성에 생성형AI를 사용할 경우,
당연히 생성형AI에게 물은 뒤 이를 구글이나 타 검색 엔진에 크로스 체크하고
이미지를 함께 찾아 자료에 첨부하곤 했었다.
퍼플렉시티는 이미지 검색 결과를 동시에 제공함으로써, 위 과정을 한 번의 과정으로 통일하였다.
최고 비즈니스 책임자가 이야기했던,
많은 검색을 수행하는 구글 최상위 검색자들을 대상으로 시간을 절약해 준다는 wow point가
여기에서도 분명히 느껴졌다.
이미지뿐 아니라, 동영상들도 링크와 같이 이렇게 첨부해 준다.4. 후속 질문 제안
후속 질문을 이렇게 5가지 제안해 주는데, 질문의 수준이 매우 높다.위와 같이, 하나의 질문에 대한 답변을 마치고 나면,
추가 정보를 서치할 수 있는 후속 질문을 제안해 준다.
해당 기능 또한 분명히 유저의 검색, 서치 시간을 절약해 줄 수 있는 기능이라고 생각한다.
어떠한 분야에 대해 리서치하다 보면,
이미 얻은 정보를 소화하고 이해하는 것에 에너지를 많이 소모해
더 알아볼 만한, 추가로 인사이트를 제공할 만한 지식을 찾지 못하여 아쉬운 경우가 많은데,
perplexity는 다양하고 수준 높은 후속 질문들로 유저가 풍부한 정보 서치를 빠르게 수행할 수 있도록 보조한다.
마치, 이 정보를 통해 만든 자료를 보고, 자료를 읽은 사람들이 궁금해 할 만한 추가 정보와 질문을
perplexity가 미리 물어봐 주는 듯한 느낌이다.
어쩌면 이러한 후속 질문 또한, 기존 검색 엔진에 비해 생성형AI가 줄 수 있는 또다른 wow point일 것이다.
생성형AI가 가진 사고능력과 인사이트가, 단순히 정보만 찾아주는 엔진이 아니라
보완할 점들을 제안하고, 정리하여 말해주는 업무 파트너이자 똑똑한 부사수의 역할을 가능하게 한다.
(+) 아쉬운 점 : 특정 출처만을 반복적으로 사용
분명히 아쉬운 점도 존재하는데, pro 검색에서 10개 이상의 출처를 다양하게 활용하였다고 표시되나,
실제 답변 생성에는 하나의 링크가 3~4회 정도 반복해서 사용되는 것으로 보인다.
심지어 꼬리 질문으로 수행한 다른 질문에서도 위의 리뷰인사이트 링크를 다시 참고하여 답변하였는데,
이러한 현상은 다양한 출처를 찾는 perplexity의 장점이 희미해지는 결과를 낳는다고 생각한다.
모델이 생각하는 과정에서 특정 형태의 출처에 선호도를 가지게 되는 것인지,
혹은 선호도가 없더라도 저 출처가 가장 적절하다고 판단한 것인지는
AI의 사고 과정을 파내어 분석할 수 없기 때문에 알 수 없지만
조금 더 다양한 출처들을 답변에 고르게 활용할 수 있는 능력이 필요할 것으로 보인다.
2. 공신력 있는 논문 및 자료 서치 능력
두 번째로, 학계에서 사용할 만한 검색을 수행해 보고자 한다.
실제로 학계는 표절, 출처의 미표기, 사실 확인이 되지 않은 정보에 매우 민감하고
이를 매우 면밀하게 체크하다 보니,
실제 학계에서 정보 서치나 지식의 획득을 위해 생성형AI를 활용하기에는 많은 어려움이 존재한다.
이에 대부분 사람이 찾은 논문이나 자료를 요약하거나, 번역하는 정도로만 활용되고
실제 서치는 레퍼런스를 면밀히 체크하며 기존 검색 엔진으로 수행하는 경우가 많다.
그렇지만, 퍼플렉시티는 출처를 분명하게 제공한다는 점을 강점으로 내세운 검색 AI이므로,
실제로 공신력 있는 논문 혹은 자료를 잘 찾을 수 있는지 검증해 보고자 한다.
질문은, 실제로 네이버 인턴 근무 때 자주 서치하고 관심을 가졌던
생성형AI의 성능평가 지표에 대한 자료 서치를 부탁해 보았다.
1. 출처의 표기
먼저, 이전 검색과 같이 질문을 두 개의 질문으로 쪼개어,
각 질문에서 활용한 검색어와 출처를 표기한다.
확실히 10개 이상의 출처를 참고하여 공신력 있는 답변을 제공하는 것은 훌륭하나,
11개의 출처 중 공신력 있는 논문 링크는 2개 정도이고,
나머지는 기술 블로그의 글들을 많이 참고하였다.
물론 구글 클라우드, 마이크로소프트 azure 등 공신력 있는 블로그를 많이 참고한 것으로 보인다.
이 점은 학계에서 활용하기에는 조금은 아쉬운 점이 있음을 보여준다.
모델이 생성하여 활용하는 검색어가 '생성형AI 모델 성능 평가 지표 논문'과 같은 일반적인 검색어이다 보니
상대적으로 특정화된, 복잡한 제목을 가진 논문들이 많이 검색되지 못하는 것 같다.
그렇다면 애초에 논문을 검색하듯이 더 특정화된 검색어를 처음부터 활용하면 되겠지만,
연구자의, 검색자의 시간을 아껴준다는 perplexity의 가치를 생각하면
검색어가 다소 일반적인 점은 논문 서치에서 다소 아쉽게 느껴진다.
만약 이 점을 보완하려면, 지금보다 조금 더 다양한, 검색에 특화된 세부적인 검색어를 생성하고,
그를 통한 명료한 검색 결과들을 제공할 수 있다면 좋을 것이다.
예를 들면, 다음 장에서 설명할 검색의 결과를 다시 활용해서, 더 세부적인 질문을 하는 방식으로 말이다.
2. 답변 생성
질문에 대한 답변으로써,
위와 같이 생성형AI 모델의 성능을 평가하는 지표들을 제공하고 있다.
여기에서도 분명히 느껴지는 아쉬운 점은, 10개 이상의 출처를 찾았지만 실제로 답변에 활용되는 문서는
3개 이하라는 것이다.
대부분의 답변은 3번, Microsoft azure 사이트의 평가 지표 문서를 참고하였으며,
그 외 문서들은 답변의 생성에 많이 활용되지 않는 모습을 보인다.
이 또한, 이전에 서술한 검색어 생성 및 검색 능력의 부족함이 유발한 현상이라고 생각한다.
좀 더 나은 검색 능력을 통해 유용한 소스를 더 많이 찾는다면,
다양한 출처의 소스를 활용하여 답변을 생성할 수 있을 것으로 보인다.
그리고, 사실 해당 주제를 질문으로 설정한 이유는 해당 주제에 대해 리서치를 한 경험이 있기 때문이다.
그리고, 가장 적합하다고 생각한, KAIST의 자체 AI 평가 지표 'FLASK'에 대한 논문이 있기에,
해당 논문, 혹은 이에 준하게 적절한 논문을 찾아줄 수 있지 않을까 하고 기대하였는데,
아쉽게도 완전히 적절한 논문을 찾아주지는 못하는 것으로 보인다.
(+) 예시 논문을 추가한 검색
지금까지 perplexity가 생성하는 검색어에 대한 아쉬움이 있었기에,
이러한 검색어 생성을 개선하기 위해 예시 논문을 첨부하여 검색해 보았다.
실제로 프롬프트 엔지니어링, 퓨샷 러닝 등에 활용되는 방법으로써,
생성형AI의 경우 하나의 예시를 주면, 해당 예시를 참고하여 훨씬 나은 답변을 제공하는 경우가
많기 때문이다.
https://arxiv.org/abs/2307.10928
이에, 위의 링크에 있는 KAIST의 논문, FLASK를 첨부하고,
이를 활용하여 검색을 요청해 보았다.
확실히 명료하고 구체적으로, 검색어의 퀄리티가 올라갔다.결과는 꽤나 만족스러웠다.
논문의 제목 및 본문에서 활용된 단어들을 참고하여 검색어로 활용하는 모습을 보였고,
장단이 있겠지만 논문의 출처가 된 arxiv 사이트를 중점적으로 검색하여 더 많은 논문 결과물을 검색하였다.
그리고, 더 인상깊었던 내용은 첨부한 논문의 내용을 바탕으로 한 검색이었다.
위 지표들은 FLASK 논문 내의 평가 지표들인데, 각 지표별로 관련 연구를 서치해 준다.위와 같이, FLASK 논문 내의 평가 지표를 분석하고,
각 평가 지표별로 관련된 연구를 언급하고 있다.
그리고, 모든 지표에 대한 관련 연구를 서치하지는 못하였지만,
일부 지표에 대해 추가적으로 알아볼 수 있는 논문을 서치하여 출처를 표기한 것을 볼 수 있다.
해당 내용이 의미있는 이유는,
실제로 논문을 찾으며 공부하는 과정은, 논문에서 참고한 문헌을 따라가며 그 이론을 공부하는,
소위 검색에 검색이 이어지는 연속 검색을 통한 경우가 많기 때문이다.
논문을 읽으며 하나하나 개념에 대한 참고문헌을 찾고,
그 개념에 대해 이해하기 위한 논문을 또 찾고 이론을 리서치하는 과정들은
분명히 많은 노력과 시간이 드는 부분인데,
이러한 레퍼런스 논문의 내용을 바탕으로 한 검색이 더 고도화되어 서비스될 수 있다면
실제로 하나의 분야에 대해 깊게 공부할 때 큰 도움이 될 것으로 보인다.
논문을 제공하면, 논문을 요약하고 분석하는 것뿐 아니라,
논문의 내용별로 더 알아볼 만한, 더 참고할 만한 문헌들을 제공해 줌으로써
계속해서 자료를 찾는 수고와 시간을 획기적으로 절약해 줄 수 있을 것이다.
위와 같이, 내가 연구의 목적으로 perplexity를 활용한다면,
내가 가지고 있는 논문의 소스를 적절하게 참고 문서로 AI에게 제공함으로써
이를 바탕으로 한 논문의 서치에 활용할 것 같다.
이미 있는 논문에 대한 요약은 확실히 글의 분석과 작성에 강점이 있는 Claude가 더 잘 하는 인상이지만,
perplexity는 웹에 연결되어 검색하고, 출처를 분명히 표기하는 능력이 있기에
공신력 있는 정보를 찾기 위해 충분히 활용될 수 있을 것으로 보인다.
3. 이미지/동영상 제공
사실 perplexity로 논문 검색을 해봐야겠다고 마음먹었을 때,
한 가지 기대한 기능이 있는데
바로 논문 내의 이미지를 이미지 검색 결과로 보여주는 기능이었다.
논문에서 결과를 정리한 표나 그래프 이미지는 매우 중요한 역할을 한다.
대표 이미지만 보더라도 그 논문의 방향성과 의의를 어느 정도 파악하고,
내가 이 논문을 읽을 만한 가치가 있는지, 나의 목표와 적절한지 파악할 수 있기 때문이다.
그렇기에, 검색 결과에서 논문 내 이미지를 확인할 수 있는지 체크해 보았는데,
웹 페이지/블로그의 이미지는 잘 호출하나, 논문 내 이미지는 호출하지 못한다.아쉽게도 아직 해당 기능은 불가능하다.
웹 사이트의 경우 저렇게 이미지를 가져와서 링크까지 연결해주는 데 성공하였으나,
논문의 경우 pdf 문서 내부의 이미지를 활용해야 하기 때문에
이미지를 보고 논문을 읽을지 판단하는 것은 불가능하다.
조금 더 백그라운드에서 AI가 많은 일을 할 수 있다면, 구현될 수 있는 기능이 아닐까?
그렇게 해서 논문의 그래프나 표들을 이미지로 쭉 보고,
이를 또 판단해서 나의 목적에 맞는 자료들을 쉽게 찾을 수 있다면
정말 유료로라도 활용하고 싶은 충분한 wow point가 될 것이라 생각한다.
perplexity의 사업 전략, 타겟 고객
'우리의 전략은 구글의 모든 사용자를 뺏는 것이 아닙니다. 저희도 광고 사업을 구축하고 있기 때문에 더 부유한 사람들에게 다가가는 것이 광고주에게 더 유리하다고 생각합니다. 저희는 모든 사람들이 우리 서비스를 사용하는데 우선 순위를 두는 것이 아니라 성장 전략 측면에서 더 복잡한 질문을 가진 지식 근로자, 소득이 더 많은 사람을 추구하려고 노력하고 있습니다. 광고주에게 더 가치가 있기 때문입니다.'
- 드미트리 쉬벨렌코/퍼플렉시티 최고비즈니스책임자
https://news.sbs.co.kr/news/endPage.do?news_id=N1007690063&plink=ORI&cooper=NAVER
여기까지 perplexity의 기능을 다루어 보았고,
perplexity의 스타트업으로서의 사업 전략과 타겟 고객에 대해서도 다루어 보고자 한다.
위의 최고비즈니스책임자의 언급과 같이, perplexity의 전략이 인상적인 점은
타겟 오디언스를 상위 검색자, 지식 근로자로 분명하게 좁히고, 그들의 니즈에 맞는 기능을 구현하는 것이다.
사실 지금까지 서술한 기능들은, 일반적인 캐주얼한 일상에서는 크게 필요하지 않다.
일상에서 궁금한 점들은 이미 네이버, 구글 검색 엔진이나,
chatGPT가 잘 해결해주고 있기 때문이다.
이에 그들은 공신력 있는 높은 퀄리티의 정보가 필요하고,
시간이 곧 돈이기에 이를 빠르고 효율적으로 찾아야 하는 지식 근로자, 고소득자들을 유저로 설정하였다.
그렇기에 이렇게까지 많은 출처를 활용하여 답변을 제공하는 것이다.
사실 출처를 활용한다는 것은 결국 생성형AI의 본질인 생성 능력에 어느 정도 한계를 부여한다는 것인데,
그 한계가 충분히 납득될 만큼, 중요한 정보를 찾는 고객을 대상으로 하기에
이들이 질문당 10개 이상의 출처를 활용하는 높은 컴퓨팅 리소스가 드는 기능을 제공할 수 있다고 생각한다.
그리고, 이러한 타겟 오디언스가 가진 '고소득'이라는 특성을 활용하여,
고소득 고객을 대상으로 한 광고 집행을 그들의 수익 모델로 설정하였다.
생성형AI뿐 아니라, 수많은 스타트업들이, 나 또한 비즈니스 모델을 잡을 때 타겟 오디언스를 너무 넓게 잡는 경향이 있는데,
이러한 퍼플렉시티의 전략은 충분히 배울 만하다고 생각한다.
전체 시장의 10~15% 정도 수준의 오디언스일지라도, 그들을 충성 고객으로 만들고,
충성 고객의 특성을 활용한 비즈니스를 만들 수 있다면, 충분히 경쟁력이 있다고 생각한다.
이러한 경쟁력을 인정받았기에, SKT 에이닷에도 탑재되며, 한국 시장에도 진출하며
비즈니스 모델을 원활하게 운용하고 있는 것으로 보인다.
마무리하며
학술 검색의 추가 질문 제안은 이전 내용과 중복되는 점이 많아
글의 분량상 생략하였다.
이처럼 일반적인 정보 서치의 목적,
학술적인 연구 레퍼런스 서치의 목적, 두 가지로 perplexity를 활용해 보았으며
perplexity의 타겟 고객과 비즈니스 모델에 대해서도 다루어 보았다.
기계공학은 하나의 기술이지만 이를 바탕으로 자동차, 에어컨 등 다양한 제품이 나오듯
생성형 AI 또한 하나의 기술이지만 매우 다양한 제품들이 출시되고 있다.
유저로서 해야 할 일은, 우리의 삶에, 일상에 어떠한 생성형AI의 기능이 필요한지 판단하고,
이를 활용함으로써 소위 말하는 AI 리터러시를 높이는 것,
AI를 더 잘 활용해서 업무에 드는 노력을 줄이고 더 나은 결과를 만들어내는 일일 것이다.
그러면, 여기에서 글을 마무리하고,
차후에 관심 가는 주제가 있다면 또 다루어 보려고 한다.
끝!
contact
tkdaud4680@gmail.com
개인 포트폴리오
https://www.notion.so/a9d04461ba8c44a7bbbbbede06064d20?pvs=4
