500만 사용자를 보유한 우리의 AI 검색 제품을 왜 중단했을까?
저는 Genspark AI의 공동창업자 겸 CTO인 Kay입니다. 직관에 반하는 이야기를 해드리겠습니다: 우리의 AI 검색 제품이 500만 명 이상의 사용자에게 도달했음에도 불구하고, 우리는 이를 중단하기로 결정했습니다. 왜일까요? 기존의 AI 검색이 이미 구식이 되어가고 있다고 믿기 때문입니다. 지난 9개월간 AI 검색을 구축한 우리의 이야기를 공유해드리겠습니다.
1세대 AI 검색의 한계: 미리 정의된 워크플로우는 확장되지 않는다
2022년 말 Perplexity가 출시되었을 때, AI가 검색을 변화시킬 잠재력에 대한 기대감이 불러일으켰습니다. 하지만 첫 번째 물결은 경직된 워크플로우를 따랐습니다:
- 쿼리를 분석하고 키워드를 확장
- 상위 웹 결과를 검색
- 이를 최종 응답으로 재순위화/요약
기본적인 질문에는 적절했지만, 이 프레임워크는 기술적 솔루션 비교, 다요소 구매 계획, 또는 심층 연구 처리와 같은 더 복잡한 요구에서는 무너졌습니다. 본질적으로, 이는 고정된 경로만으로 미로를 탐색하려는 것과 같았습니다.
Genspark에서 우리는 처음에 같은 기반 위에 자체 AI 검색 엔진을 구축했습니다. 그 다음 점진적인 개선사항들을 추가했습니다:
- 전문 데이터 소스 (Scholar, Financial, Travel, Product 등)로 정보를 풍부화
- 복잡한 쿼리에 대해 자동으로 더 깊은 조사를 트리거하는 병렬 검색
- 빠른 즉석 처리에는 너무 복잡한 진술을 검증하는 교차 확인 비동기 에이전트, 나중에 데이터 검색 및 심층 연구 에이전트로 확장
- 환각을 방지하기 위한 다중 에이전트 방식, 여러 에이전트가 서로의 출력을 검증
이러한 혁신들이 품질을 크게 개선하고 사용자 기반을 늘렸지만, 우리는 여전히 레거시 설계에 얽매여 있다는 것을 깨달았습니다: 고정되고 미리 정의된 워크플로우. 진정으로 적응적이고 맥락이 풍부한 문제 해결을 위해서는 완전히 자유로워져야 했습니다. 이러한 깨달음이 우리의 Super Agent로 이어졌습니다—정적인 단계 시퀀스에 얽매이지 않고 우리의 모든 노하우 개선사항을 통합하는 새로운 패러다임입니다.
고정에서 유동으로: Genspark Super Agent의 적응성 엔지니어링
모든 쿼리를 고정된 워크플로우로 강제하는 대신, Genspark Super Agent는 당면한 문제에 적응합니다. 각 단계를 계획하고, 최적의 도구나 하위 에이전트를 활용하며, 결과를 관찰하고, 실시간으로 전략을 조정합니다—종종 창의성으로 우리를 놀라게 합니다. 한 방법이 실패하면, Super Agent는 다른 방법으로 원활하게 전환하여, 대규모 인간 문제 해결을 모방합니다.
이러한 유연성은 넓이 (어떤 데이터 소스나 API에서 가져올지)와 깊이 (얼마나 많은 반복적 개선을 할지) 모두에 적용됩니다. 간단한 작업에서는 불필요한 단계에 시간을 낭비하지 않으며, 더 복잡한 작업에서는 만족스러운 답을 찾을 때까지 계속 파고들 수 있습니다. 또한 각 사용자의 필요에 맞게 출력을 맞춤화할 수 있습니다—직접적인 답변, Sparkpage(기사), 프레젠테이션, 생성된 이미지, 인터랙티브 HTML 페이지, 심지어 전화 통화까지도.
지능 조율하기: LLM, 도구, 그리고 큐레이션된 데이터의 삼조합
1. 동적 조율 및 모델 조종
Genspark Super Agent는 우리의 다중 에이전트 프레임워크를 통해 8개의 전문 LLM을 조율합니다. 각 모델은 빠른 응답부터 심층 분석까지 할당된 역할에서 탁월하도록 미리 조종됩니다. 이러한 계층 구조는 안정성을 보장하면서 각 모델의 강점을 극대화합니다.
2. 전문 도구 및 하위 에이전트
우리의 사전 엔지니어링된 하위 에이전트 라이브러리는 프레젠테이션 생성기와 Python 코드 실행기부터 통화 모듈까지 다양합니다. 각각은 신뢰성과 효율성에 최적화되어, Super Agent가 차트 생성이나 인터랙티브 페이지 개발과 같은 작업을 처리할 수 있게 하며—모든 것이 사용자를 경직된 워크플로우에 가두지 않고 수행됩니다.
3. 큐레이션된, 신뢰할 수 있는 데이터
Super Agent는 고품질 웹 소스, 신뢰할 수 있는 파트너, 전문가 검토 저장소에서 증류된 신중하게 검증된 데이터셋에 접근합니다. 오프라인 검증 에이전트가 지속적으로 이 데이터를 감사하고 개선합니다. 순수한 양보다 정확성을 우선함으로써, 잘못된 정보를 최소화하고 출력의 신뢰성을 보장합니다.
다음은 우리의 최신 성능입니다:
바로 뛰어들어 계속할 수 있는 실제 예시들을 확인해보세요:
배운 교훈: 적은 통제, 더 많은 도구
경직된 AI 검색 엔진에서 유동적이고 적응적인 Super Agent로 전환하면서, 우리는 본질적인 원칙을 발견했습니다: 적은 통제, 더 많은 도구. 지나치게 구조화된 워크플로우는 창의성과 깊이를 제한하는 반면, 여러 전문 에이전트가 문제의 다양한 측면을 다루도록 하고—다양한 도구 중에서 선택하고 전환할 자유를 부여하는 것—훨씬 더 큰 역량을 발휘합니다.
- 적은 통제: 처방적 프로세스는 종종 탐구를 억제하고 새로운 도전에 적응하기 어렵게 만듭니다. 더 개방적인 전략을 받아들이는 것은 혁신과 복원력을 촉진합니다.
- 더 많은 도구: 데이터 검색, 분석, 프레젠테이션, 소통을 위한 전문 모듈로 에이전트를 무장시키는 것은 그들이 즉석에서 엔드투엔드 솔루션을 만들 수 있게 합니다. 이는 고급 사용 사례를 지원할 뿐만 아니라 간단한 작업도 가볍고 효율적으로 유지합니다.
적응적 계획, 다양한 도구 지원, 검증된 데이터의 이러한 융합은 Genspark Super Agent를 기존의 어떤 AI 검색 제품보다 훨씬 더 유연하고 신뢰할 수 있게 만듭니다. 이 장점이 너무나 중요했기 때문에 우리는 번창하던 자체 AI 검색 솔루션을 은퇴시키고 미래에 집중하기로 선택했습니다.
https://www.genspark.ai에서 우리 제품을 확인하고 다른 AI 검색 제품들과 비교해보세요. 차이점을 직접 경험해보시기 바랍니다.