Computer가 지식 노동의 형태를 어떻게 변화시키는가

이번 주, 저희는 하버드 비즈니스 스쿨 연구진과의 협업을 통해 사람들이 현실 세계에서 실제로 Perplexity Computer를 어떻게 사용하는지 조사한 새로운 연구 결과를 발표했습니다. 또한, Perplexity Computer가 출시 후 첫 3개월 동안 지식 노동의 형태를 어떻게 변화시키고 있는지에 대해서도 다루었습니다. 이번 연구의 핵심 내용과 우리가 이에 주목해야 하는 이유를 간략히 정리해 드립니다.

연구 배경

지난 수십 년 동안 컴퓨터는 우리의 업무 환경과 더욱 밀접해졌습니다. 명령줄 인터페이스(CLI)에서 그래픽 사용자 인터페이스(GUI), 그리고 터치스크린에 이르기까지, 새로운 인터페이스가 등장할 때마다 컴퓨터는 더 많은 작업을 수행하며 사용자의 부담을 줄여주었습니다.

인터페이스가 단순해짐에 따라 우리의 질문 방식도 간소화되었습니다. 하지만 여전히 사용자는 요청 사항을 단계별로 나누어 직접 입력하고, 그 결과를 다시 조합해야 하는 번거로움을 겪어야 했습니다.

Perplexity Computer는 이러한 관행을 바꿉니다. 20개 이상의 최첨단 모델을 파일 및 도구 전반에 걸쳐 조율함으로써, 사용자의 요청을 목표를 이해하고 업무를 분담하여 비동기적으로 수행하는 에이전트 팀으로 전환합니다. 사용자는 과정이 아닌 결과만을 요구하면 됩니다.

저희는 사람들이 실제로 이러한 방식으로 일하기 시작할 때 어떤 변화가 일어나는지 알아보고자 했습니다.

연구 결과

사용자들은 답변이 아닌 '업무 수행'을 요구하고 있습니다.

검색(Search)은 답변을 제공하지만, Computer는 업무를 실행합니다. 동일한 요청에 대해 Computer는 평균 26분의 머신 작업을 수행한 반면, Search는 33초가 소요되어 동일 작업 대비 48배의 효율 증가를 보였습니다. 이러한 시간은 검색, 편집, 코드 실행, 연결된 도구 활용에 사용되며, Computer는 세션당 외부 앱 및 커넥터에 Search보다 약 12배 더 많은 호출을 수행했습니다. 사용자의 노력은 목표 설정과 결과 검토라는 양 끝단에 집중되며, 중간 과정은 에이전트가 처리합니다.

이는 유의미하게 더 빠르고 저렴합니다.

동일한 요청을 Search와 Computer로 수행한 10,000쌍의 작업을 분석한 결과, Computer는 예상 소요 시간을 87%, 비용을 94% 절감했습니다. 269분이 소요되던 워크플로우가 36분으로 단축되었습니다.

이러한 비용 절감 효과는 소프트웨어, 금융, 마케팅, 헬스케어, 법률, 교육 등 18개 도메인 전반에서 확인되었습니다. 사용자 인터뷰에서 응답자들은 평균적으로 업무 처리 속도가 25배 빨라졌다고 답했으며, 일부는 300배 이상의 속도 향상을 경험했다고 보고했습니다.

요청의 범위는 더 크고 방대해졌습니다.

실행 과정이 자동화되면서 야심 찬 프로젝트를 추진하는 데 따르는 장벽이 낮아졌습니다. Computer 요청의 23%는 사용자가 Search에 한 번도 요청한 적 없는 새로운 업무였으며, 이는 주로 소프트웨어, 웹 개발, 문서화, 데이터 시각화 등 '질문'이 아닌 '작업'과 관련된 것이었습니다.

모든 Computer 요청의 절반은 무언가를 생성해 달라는 내용이었으며, 이는 Search보다 2배 높은 수치입니다. 또한 76%는 단순 조회가 아닌 분석, 평가, 제작을 필요로 했습니다(Search는 55%). 71%는 비루틴적이고 추상적인 업무를 포함했으며(Search는 53%), 일반적인 Computer 작업은 평균 2.4개의 전문 영역을 포괄했습니다. 반면 Search는 1.74개에 불과했으며, 3개 이상의 도메인이 필요한 경우는 Computer가 약 3배 더 높았습니다.

사람들은 자신의 전문 분야를 벗어나 업무를 수행하기도 했습니다. 8개 직군 8,000명의 사용자를 분석한 결과, Computer를 사용할 때 자신의 주 업무 범위를 벗어난 작업을 수행한 비율은 59%였으며, Search는 50%였습니다.

품질은 저하되지 않았습니다.

다양한 도메인에서 더 어려운 작업을 수행했음에도 품질은 떨어지지 않았습니다. 다중 모델 조율(Multi-model orchestration)을 통해 Computer는 각 단계에 가장 적합한 모델을 매칭합니다. 따라서 연구, 분석, 디자인을 아우르는 요청의 경우, 단일 모델이 모두 처리하는 대신 각 단계에 맞는 모델이 처리합니다. 이러한 라우팅 덕분에 요청이 복잡해져도 동일한 수준의 품질을 유지할 수 있습니다.

이 연구가 흥미로운 이유

AI가 빠르다는 점은 예상된 결과입니다.

더 흥미로운 점은 사람들이 절약된 시간을 활용하는 방식입니다. 실행 비용이 낮아지면 계산 방식이 달라집니다. 이전에는 가치가 없다고 판단되던 업무가 이제는 시도해 볼 만한 가치가 있게 되었습니다. 예전에는 전문가의 영역이었던 일들을 이제는 스스로 충분히 시도해 볼 수 있게 된 것입니다.

지식 노동의 병목 현상은 정보 검색이 아닌 실행 능력의 부족에 있었습니다. Perplexity Computer는 이러한 실행 능력을 대신하며, 그 결과 사람들은 더 높은 목표를 지향하게 되었습니다. 이들은 운영자에서 관리자로 변화하며, 워크플로우를 직접 실행하는 대신 목표를 설정하고 결과물을 검토하는 데 더 많은 시간을 할애하고 있습니다.

향후 전망

아직 초기 단계입니다. Computer는 출시된 지 3개월밖에 되지 않았으며, 사람들은 이제 막 Computer와의 협업에 익숙해지고 있습니다. 앞으로 워크플로우와 활용 방식은 의심할 여지 없이 변화할 것입니다.

하지만 이번 데이터는 이미 개인 수준의 행동 변화를 입증하고 있습니다.

이러한 변화가 팀 및 조직 수준에서 어떻게 통합될지는 아직 미지수이며, 저희가 다음으로 가장 주목하고 있는 부분입니다.

전체 방법론, 차트, 유의 사항을 포함한 본 연구에 대한 자세한 내용은 기술 블로그와 연구 논문에서 확인하실 수 있습니다.