2. Perplexity만이 제공하는 사용자 경험

출처가 있는 답변과 인용

Perplexity의 가장 큰 특징 중 하나는 사용자가 받는 모든 답변에 신뢰할 수 있는 출처가 명시된다는 점입니다. 이는 단순한 검색 결과를 제공하는 것에서 나아가, 사용자가 정보의 출처를 확인하고 그 신뢰성을 직접 판단할 수 있도록 돕습니다. 이로 인해 사용자들은 단순한 정보 제공을 넘어, 각 답변의 근거를 명확하게 이해할 수 있으며, 더 깊이 있는 분석이나 의사 결정을 할 때 더욱 신뢰할 수 있는 기반을 마련할 수 있습니다. 또한, Perplexity는 출처를 명시함으로써 투명성을 유지하며, 잘못된 정보나 오류 가능성을 최소화하고자 합니다. 이러한 접근 방식은 사용자가 Perplexity를 통해 얻는 정보가 단순히 일회성으로 소비되는 것이 아니라, 지속적인 지식 탐색의 도구로 활용될 수 있도록 합니다. 결과적으로, Perplexity는 단순한 검색 엔진을 넘어, 사용자가 믿고 의지할 수 있는 정보 탐색 파트너로 자리매김하고 있습니다.

다중 모델 접근법으로 정확성 향상

Perplexity는 단일 대형 언어 모델(LLM)에 의존하지 않고, 여러 모델을 동시에 활용하여 사용자에게 가장 적합한 답변을 제공하는 다중 모델 접근법을 사용합니다. 이를 통해 Perplexity는 다양한 질문에 대해 항상 일관된 품질의 답변을 제공하며, 사용자가 원하는 정보를 빠르고 정확하게 전달합니다. 

Perplexity의 시스템은 다양한 모델을 자유롭게 교체하며 사용할 수 있도록 설계되었습니다. 사용자는 GPT-4o, GPT-4o Turbo, Claude 3 Sonnet, Claude 3 Opus, 또는 Llama 3 기반 모델 중에서 선택할 수 있습니다. 특히, Perplexity가 자체적으로 훈련한 “Sonar” 모델은 Llama 3을 기반으로 하여 요약, 인용 참조, 문맥 유지, 장기 컨텍스트 지원 등에서 우수한 성능을 발휘합니다. 이 모델은 대규모 데이터 세트에서 신속하고 정확한 결과를 도출하도록 최적화되어 있습니다. Perplexity 팀은 특정 모델에 의존하기보다, 사용자가 가장 적합한 답변을 얻을 수 있도록 하는 데 주력하고 있습니다. 결국, 사용자에게 중요한 것은 Perplexity가 사용하는 모델의 성능이 아닌, 그들이 얻는 답변의 정확성과 유용성입니다.

지식 발견과 사용자 여정

Perplexity의 독특한 사용자 경험은 유저가 답변을 얻은 것을 시작으로 유저 저니가 형성되는 것입니다. 답변이 충분하지 않거나, 더 깊이 파고들고 싶을 경우 더 많은 질문할 수 있도록 Perplexity가 관련 질문을 표시하기 때문입니다. 그래서 Perplexity 검색 창에 “지식이 시작되는 곳”이라고 적혀있습니다. 지식은 끝이 없고, 항상 확장하고 성장할 수 있다는 컨셉인데요. 이는 David Deutsch의 책 ‘무한의 시작’에서 다루는 개념이기도 합니다. 사람들은 항상 새로운 지식을 추구하는데, 이러한 경험는 일종의 발견(discovery) 과정으로 볼 수 있습니다.

Where knowledge begins