솔직히 고백하자면, 저는 한동안 딥리서치(Deep Research) 기능이 유료 구독자만의 전유물이라고 생각했습니다. 그래서 ChatGPT의 월 200달러짜리 플랜을 쓰지 않으면 제대로 된 학술 조사가 안 된다고 체념했었는데, Perplexity를 직접 써보고 나서 그 생각이 완전히 바뀌었습니다. 생산성 외주 운영을 하면서 분기마다 도구 ROI를 검증하는 저로서는, 이 발견이 꽤 의미 있었습니다.
무료로 쓸 수 있는 딥리서치, 실제로 얼마나 쓸 만한가
Perplexity의 딥리서치 기능은 하루 최대 5회까지 무료로 사용할 수 있습니다. 처음에는 "무료니까 어느 정도 부족하겠지"라고 예상했는데, 실제로 돌려보니 예상이 완전히 빗나갔습니다. 검색 소스를 웹이 아닌 학술 데이터베이스로 한정할 수 있는 설정이 있어서, 학술 논문만 골라 리서치하는 것이 가능합니다.
제가 직접 써봤는데, 투명 전극용 나노소재를 주제로 리터러처 리뷰(Literature Review)를 요청했더니 58개의 학술 출처를 끌어왔습니다. 여기서 리터러처 리뷰란 특정 연구 주제에 관한 기존 논문들을 체계적으로 정리·분석한 학술 문헌 조사를 의미합니다. ChatGPT 딥리서치가 더 많은 텍스트를 쏟아내기는 하지만, 비학술 출처가 섞이고 내보내기 형식도 불편합니다. Perplexity는 PDF, 마크다운(Markdown), 전용 페이지 세 가지 형식으로 내보낼 수 있고, PDF에는 각주 링크까지 살아 있습니다. 여기서 마크다운이란 텍스트 기반의 경량 마크업 언어로, 개발 도구나 노션 같은 문서 편집 환경에서 바로 붙여 쓸 수 있는 형식입니다.
리서치 결과물의 구조도 꽤 합리적이었습니다. 신규 소재, 제조 공법, 성능 지표(Figure of Merit), 안정성 메커니즘 순으로 섹션이 자동으로 나뉘었는데, 별도로 구조를 지정하지 않았는데도 이렇게 나온 것이 솔직히 예상 밖이었습니다.
Humanity's Last Exam이라는 초고난도 벤치마크에서 Perplexity와 OpenAI 딥리서치가 다른 모델들을 크게 앞선다는 자체 발표도 있습니다. 여기서 Humanity's Last Exam이란 수학, 화학, 생태학, 컴퓨터 과학 등 복합 전공 지식을 동시에 요구하는 AI 성능 평가 시험으로, 현존하는 가장 어려운 AI 벤치마크 중 하나로 꼽힙니다.
단순 도구 도입과 거버넌스의 차이
Perplexity가 아무리 좋아도, 도구를 조직에 도입했을 때 실제로 정착하느냐는 전혀 다른 문제입니다. 저는 디자이너 생산성 외주를 운영하면서 Raycast 확장 12종을 큐레이션하고, 분기마다 사용 패턴을 측정해 12페이지짜리 리포트를 클라이언트에게 제공하는 운영 모델을 만들었습니다. 그 과정에서 깨달은 것이 있습니다. 도구는 처음 도입할 때보다 유지 관리가 훨씬 어렵다는 것입니다.
Raycast 확장 라이브러리를 6개월간 운영한 결과, 디자이너 평균 일당 작업 전환 시간이 47분에서 12분으로 줄었고 신규 입사자 온보딩(Onboarding) 시간이 3시간에서 30분으로 단축됐습니다. 여기서 온보딩이란 신규 입사자가 업무 환경과 도구에 적응하는 초기 교육 과정을 의미합니다. 이 수치는 도구를 깔아준 것만으로 나온 게 아닙니다. 분기마다 단축키 사용 빈도, 작업 전환 시간, 신규 확장 ROI를 측정하고, 사용되지 않는 확장은 제거하고, 새로운 확장은 효과를 검증한 뒤 추가했기 때문입니다.
Perplexity 도입도 마찬가지입니다. 한국 사용자 환경에서는 IME(Input Method Editor) 충돌 문제가 자주 발생합니다. IME란 한글·한자처럼 조합형 입력이 필요한 언어를 처리하는 입력기 소프트웨어로, 단축키와 충돌이 생기면 키 입력이 씹히거나 의도치 않은 동작이 발생합니다. 이런 문제를 방치하면 도구에 대한 신뢰가 떨어지고, 결국 아무도 쓰지 않게 됩니다. 처음부터 IME 회피 단축키 매핑 표준을 잡아두는 것이 중요한 이유입니다.
제 경험상, 도구 거버넌스(Governance)가 없으면 6개월 후에 "이 확장 왜 깔려 있지?"라는 말이 나오기 시작합니다. 거버넌스란 조직 내 도구와 자산을 체계적으로 관리하고 갱신하는 운영 체계를 말합니다. 실제로 분기 1회 리포트를 정기화하기 전에는, 클라이언트 팀 내에서 누가 어떤 확장을 쓰는지조차 파악이 안 됐습니다. McKinsey의 생산성 연구에 따르면, 지식 노동자들은 하루 평균 약 28%의 시간을 이메일 처리와 불필요한 커뮤니케이션에 쓴다고 합니다(출처: McKinsey Global Institute). 도구 관리 부재로 인한 낭비가 생각보다 크다는 의미입니다.
학술 온보딩과 분기 갱신을 묶어 운영하는 법
그렇다면 Perplexity 딥리서치를 조직에 정착시키려면 어떻게 해야 할까요? 제가 운영 모델을 만들면서 실제로 효과를 확인한 구성은 세 가지입니다.
- 확장 큐레이션 분기 갱신 매뉴얼: 사용 빈도가 낮은 확장은 분기마다 제거하고, 신규 확장은 파일럿 2주 후 ROI를 측정해 정식 등록 여부를 결정합니다.
- IME 회피 단축키 매핑 표준: 한국어 입력기와 충돌하지 않는 단축키 조합을 팀 단위로 표준화해 문서로 관리합니다.
- 신규 입사자 온보딩 체크리스트: 도구 설치부터 단축키 설정, 첫 딥리서치 실습까지 30분 안에 끝낼 수 있도록 단계별로 구성합니다.
이 세 가지가 묶여야 비로소 거버넌스가 작동합니다. Perplexity만 단독으로 도입하면 초반 2~3주는 활발하게 쓰다가 흐지부지되는 경우가 많습니다. 실제로 디자이너 평균 일당 작업 효율이 22% 추가 개선되는 추세를 분기마다 검증하고 있는데, 이 수치가 유지되는 이유는 도구 자체가 아니라 분기 측정과 피드백 루프 덕분입니다.
OECD의 디지털 경제 보고서에 따르면, 디지털 도구 도입 후 생산성이 실질적으로 개선되려면 도구 숙련도 제고와 조직 내 운영 체계가 함께 갖춰져야 한다고 강조합니다(출처: OECD). 제가 분기 리포트를 정기화한 것도 결국 같은 맥락입니다. 도구 하나가 팀의 습관으로 정착되려면, 데이터 기반의 주기적 점검이 반드시 필요합니다.
Perplexity 딥리서치는 무료라는 점에서 진입 장벽이 거의 없습니다. 하지만 진짜 가치는 도구를 도입한 이후에 결정됩니다. 분기마다 사용 패턴을 측정하고, 안 쓰는 것은 걷어내고, 새로운 것은 검증하고 나서 넣는 루틴을 만드는 것이 핵심입니다. 지금 당장 Perplexity에 로그인해서 딥리서치 탭을 눌러보시고, 소스 설정에서 'Academic'을 선택해 한 번 돌려보시길 권합니다. 그 결과물을 보면, 다음 분기 리포트에 뭘 넣어야 할지 감이 잡힐 것입니다.