구글의 혁신적 기술 자율 판단 및 재탐색 기능을 갖춘 차세대 에이전트 기반 검색 시스템 발표

스스로 생각하고 다시 찾아보는 똑똑한 검색 기술

최근 한 글로벌 기술 기업이 기존 방식과는 완전히 다른 차세대 정보 검색 시스템을 선보였습니다. 이 새로운 기술은 단순히 한 번 검색하고 끝나는 것이 아니라, 필요한 정보를 충분히 모을 때까지 스스로 판단하며 반복해서 탐색하는 것이 특징입니다.

이 혁신적인 시스템은 여러 개의 인공지능 도우미들이 팀을 이루어 함께 작동합니다. 복잡한 질문을 작은 단위로 쪼개고, 각각의 정보를 찾은 뒤 다시 조합하는 방식으로 작업을 진행합니다.

정확도가 무려 34%나 향상

기존 검색 시스템과 비교했을 때, 사실 확인 평가에서 정확도가 최대 34%포인트 높아진 것으로 나타났습니다.

기존 방식의 한계점

전통적인 검색 강화 시스템은 사용자의 질문과 연관된 문서를 찾은 다음, 대형 언어 모델이 그 내용을 바탕으로 답변을 만들어내는 구조입니다. 간단한 질문에는 잘 작동하지만, 여러 곳에 흩어진 정보를 연결해야 하는 회사 업무 환경에서는 어려움이 있었습니다.

예를 들어 “특정 프로젝트에서 사용한 서버의 상세 정보는 무엇인가?”라는 질문을 받으면, 기존 시스템은 프로젝트 문서는 찾지만 그 안에 서버 번호만 적혀있을 경우 추가로 데이터베이스를 뒤져야 한다는 사실을 인지하지 못합니다. 결국 불완전한 답변을 내놓거나 “정보를 찾을 수 없습니다”라고 응답하게 됩니다.

여러 인공지능이 협력하는 새로운 구조

이런 문제를 해결하기 위해 개발된 새로운 시스템은 여러 전문 인공지능 도우미들이 협력하는 방식을 채택했습니다.

• 조정자: 전체 작업을 지휘하며 복잡한 질문을 분석한 후 각 전문 도우미에게 임무를 분배합니다

• 계획 수립자: 어떤 데이터 출처를 살펴봐야 하는지 계획을 세웁니다

• 질문 재작성자: 사용자의 질문을 더 구체적이고 검색하기 쉬운 여러 개의 질문으로 바꿉니다

• 정보 수집자: 다양한 데이터 출처에서 필요한 정보를 모읍니다

가장 중요한 차별점: 지속적인 탐색

이 시스템의 핵심은 “정보가 부족하다”는 사실을 스스로 알아채고 추가 검색을 진행한다는 점입니다. ‘충분한 정보 확인 도우미’라는 새로운 구성 요소가 검색된 문서, 중간 답변 초안, 원래 질문을 비교하여 필요한 정보가 모두 모였는지 검증합니다.

실제 사례: 의사가 “무릎 수술 후 환자의 퇴원 약물, 식사 제한, 입원 중 알레르기 반응 여부”를 물었을 때, 시스템은 먼저 약국 기록, 영양 정보, 진료 기록을 각각 검색합니다. 약물 정보와 식사 제한은 찾았지만 알레르기 정보가 없다는 사실을 확인 도우미가 발견하면, ‘발진’, ‘부작용’, ‘알레르기 반응’ 등 새로운 검색어를 만들어 추가 탐색을 이어갑니다. 모든 정보가 확보된 후에야 최종 답변을 작성합니다.

이러한 접근 방식은 인공지능의 추측성 답변을 줄이고 근거 있는 응답의 신뢰도를 높여줍니다.

성능 평가 결과

여러 단계의 추론 능력을 평가하는 벤치마크 테스트에서 우수한 성능을 보였습니다.

복잡한 질문 예시: “2024년 6월 기준 시청자 수가 가장 많았던 TV 시즌 마지막 회 두 편 중 더 긴 상영 시간을 가진 작품은 무엇이며 차이는 얼마인가?”

이런 질문에 답하려면 먼저 대상 프로그램을 찾고, 각각의 상영 시간을 검색한 뒤, 차이를 계산해야 합니다. 일반 시스템은 시청률 정보만 찾고 상영 시간 정보를 확보하지 못해 실패할 수 있지만, 새로운 시스템은 부족한 정보를 인식하고 추가 검색을 수행해 정확한 답을 도출했습니다.

824개의 질문과 2,676개의 문서로 구성된 평가에서 높은 정확도를 기록했습니다.

특히 서로 관련 없는 데이터 세트 세 개를 추가해 여러 데이터 저장소 중 적절한 정보를 선택해야 하는 환경에서도 90.1%의 정확도를 달성했습니다. 응답 시간도 단일 데이터 환경과 비교해 평균 3% 이내의 차이만 있었습니다.

미래 전망

이 기술은 단순한 문서 검색을 넘어 여러 데이터 저장소에 분산된 정보를 연결하고 추론하는 새로운 기업용 인공지능 구조의 기반이 될 것으로 기대되고 있습니다.