AI 자동화에 검색 기능을 넣어봤습니다｜검색 결과가 결과물에 미치는 영향
AI를 사용하다 보면 어느 순간 이런 생각이 듭니다.
“AI가 인터넷에서 직접 찾아보면 훨씬 좋은 결과를 만들 수 있지 않을까?”
저 역시 AI 자동화를 만들면서 비슷한 생각을 했습니다.
기존에는 미리 입력해놓은 자료를 AI에게 전달하고 그 내용을 정리하거나 글을 만드는 방식이었다면, 검색 기능을 연결하면 필요한 정보를 직접 찾아서 결과물에 반영할 수 있기 때문입니다.
그런데 실제로 자동화에 검색 기능을 넣어보면서 생각보다 중요한 문제가 있다는 것을 알게 됐습니다.
검색 기능을 추가한다고 해서 결과가 무조건 좋아지는 것은 아니었습니다.
오히려 검색이라는 단계가 하나 더 생기면서 확인해야 할 것도 늘어났습니다.
이번 글에서는 AI 자동화에 검색 기능을 넣었을 때 결과가 어떻게 달라지는지, 그리고 검색 결과를 그대로 믿으면 안 되는 이유를 정리해보겠습니다.
AI에게 검색 기능을 추가하면 무엇이 달라질까?
검색 기능이 없는 AI 자동화를 먼저 생각해보겠습니다.
기본적인 구조는 비교적 단순합니다.
입력 자료 → AI 처리 → 결과 출력
예를 들어 내가 가지고 있는 제품 정보나 문서를 AI에게 전달하고 요약하거나 정리하도록 만드는 방식입니다.
반면 검색 기능을 추가하면 구조가 달라집니다.
주제 입력 → 검색 → 검색 결과 수집 → AI 분석 → 결과 생성
AI가 참고할 수 있는 정보의 범위가 넓어집니다.
특히 최신 정보가 필요한 작업이라면 검색 기능이 유용할 수 있습니다.
예를 들어 특정 서비스의 최신 기능이나 현재 공개된 정보처럼 기존에 AI가 가지고 있는 지식만으로 처리하기 어려운 내용은 검색을 통해 새로운 자료를 가져오는 방식이 더 적합할 수 있습니다.
하지만 여기서 중요한 차이가 하나 있습니다.
검색은 정보를 가져오는 단계이지, 그 정보가 정확하다는 것을 보장하는 단계가 아니라는 것입니다.
검색 결과가 많다고 좋은 결과가 나오는 것은 아니다
처음에는 검색 결과가 많으면 AI가 더 많은 정보를 참고할 수 있으니 결과도 좋아질 것이라고 생각하기 쉽습니다.
하지만 실제 자동화에서는 정보가 많아지는 것 자체가 항상 장점은 아닙니다.
예를 들어 AI에게 어떤 주제에 대한 자료를 검색하도록 했다고 가정해보겠습니다.
검색 결과가 3개라면 사람이 확인하기 비교적 쉽습니다.
그런데 검색 결과가 20개, 30개로 늘어나면 이야기가 달라집니다.
서로 다른 정보가 섞일 수 있고, 오래된 정보와 최신 정보가 함께 들어올 수도 있습니다.
또 서로 다른 사이트에서 비슷한 내용이 반복되면서 실제로는 정보가 늘어난 것이 아니라 같은 내용이 여러 번 들어오는 상황도 생길 수 있습니다.
결국 중요한 것은 검색 결과의 양이 아니라 어떤 자료를 가져왔고 그 자료를 어떻게 판단하느냐입니다.
AI 검색 자동화를 만들면서 비용도 확인하게 됐다
검색 기능을 자동화에 추가하면서 또 하나 신경 쓰게 된 부분이 있었습니다.
바로 사용량입니다.
검색 기능을 넣으면 단순히 AI에게 질문하는 것과 달리 검색 과정 자체가 추가됩니다.
특히 Make 같은 자동화 서비스에서 검색 모듈을 연결할 경우 한 번 실행하고 끝나는 것이 아니라 여러 데이터가 반복적으로 검색될 수 있습니다.
그래서 자동화를 만들 때는 “검색 기능을 넣을 수 있는가?”보다 “이 검색이 정말 필요한가?”를 먼저 생각하는 것이 중요했습니다.
실제로 자동화 테스트 과정에서도 AI Web Search를 전체 데이터에 바로 실행하기 전에 예상 사용량을 확인할 필요가 있었습니다.
한 번의 테스트에서는 문제가 없어 보였던 자동화가 데이터가 여러 개로 늘어났을 때는 사용량이나 실행 횟수가 크게 달라질 수 있기 때문입니다.
이 경험 이후에는 자동화를 만들 때 처음부터 전체 데이터를 실행하지 않고 작은 데이터 하나를 먼저 테스트하는 방식을 중요하게 생각하게 됐습니다.
검색 결과가 AI의 답변을 바꾸는 과정
검색 기능이 들어가면 AI의 역할도 조금 달라집니다.
검색 이전에는 AI가 자신이 가지고 있는 정보와 입력받은 자료를 바탕으로 답변을 만들어야 합니다.
하지만 검색 결과가 함께 들어오면 AI는 추가로 전달된 자료를 참고할 수 있습니다.
예를 들어 다음과 같은 구조가 가능합니다.
사용자 요청
↓
검색 키워드 생성
↓
관련 자료 검색
↓
검색 결과 정리
↓
AI가 자료 비교
↓
최종 결과 생성
이 구조에서는 AI가 단순히 글을 쓰는 역할만 하는 것이 아닙니다.
검색된 여러 자료에서 필요한 정보를 골라내고 서로 다른 내용을 비교한 뒤 결과를 만들어야 합니다.
따라서 검색 기능이 추가될수록 AI에게 맡기는 판단의 범위도 커질 수 있습니다.
검색 결과를 그대로 AI에게 넣으면 생기는 문제
여기서 주의해야 할 부분이 있습니다.
검색 결과에 있다고 해서 모두 사용해야 하는 정보는 아닙니다.
검색 결과에는 현재 목적과 관련 없는 내용이 포함될 수도 있고, 비슷한 주제를 다루지만 세부 내용이 다른 자료가 섞일 수도 있습니다.
그래서 검색 결과를 AI에게 전달할 때는 다음과 같은 과정이 필요합니다.
검색
→ 관련성 확인
→ 정보 출처 확인
→ 필요한 내용 추출
→ 서로 다른 내용 비교
→ 최종 결과 작성
이 과정을 거치지 않고 검색 결과 전체를 AI에게 넣은 다음 “이 자료를 참고해서 글을 써줘”라고 하면 AI가 불필요한 정보까지 함께 참고할 가능성이 있습니다.
검색 기능을 넣었다고 해서 사람이 할 일이 없어지는 것이 아니라 오히려 어떤 정보를 사용할 것인지 판단하는 역할이 중요해지는 것입니다.
검색이 필요한 작업과 필요하지 않은 작업
모든 자동화에 검색 기능을 넣을 필요도 없습니다.
오히려 이 부분을 구분하는 것이 중요합니다.
| 작업 | 검색 필요성 |
|---|---|
| 내가 가지고 있는 문서 정리 | 낮음 |
| 고정된 데이터를 표로 변환 | 낮음 |
| 반복적인 문장 형식 변환 | 낮음 |
| 최신 서비스 정보 조사 | 높음 |
| 현재 공개된 제품 정보 확인 | 높음 |
| 여러 자료를 비교하는 조사 | 높음 |
| 최신 뉴스나 변화가 중요한 자료 | 높음 |
예를 들어 매일 똑같은 형식의 데이터를 정리하는 자동화라면 검색 기능을 굳이 추가할 필요가 없습니다.
반대로 매번 새로운 정보를 찾아야 하는 업무라면 검색 기능이 자동화의 중요한 부분이 될 수 있습니다.
결국 검색 기능은 많을수록 좋은 기능이 아니라 필요한 곳에 사용하는 기능이라고 보는 것이 맞았습니다.
검색 기능을 넣기 전에 먼저 정해야 할 것
현재 AI 자동화를 만들면서 검색 기능을 추가할 때는 다음 질문부터 확인하려고 합니다.
첫째, 이 업무에서 최신 정보가 정말 필요한가?
둘째, 내가 가지고 있는 자료만으로 처리할 수 없는가?
셋째, 검색 결과의 신뢰성을 확인할 방법이 있는가?
넷째, 검색된 자료 중 어떤 정보를 사용할 것인지 기준이 있는가?
다섯째, 검색을 여러 번 실행했을 때 사용량이 감당 가능한가?
이 질문에 답할 수 없다면 검색 기능부터 추가하는 것보다 업무 구조를 먼저 정리하는 편이 낫습니다.
검색 기능은 자동화의 만능 버튼이 아니다
AI 자동화를 만들면서 검색 기능에 대해 가장 크게 생각이 바뀐 부분은 이것입니다.
검색 기능은 AI를 더 똑똑하게 만드는 버튼이 아니었습니다.
정확하게 말하면 AI가 참고할 수 있는 외부 정보를 추가하는 기능에 가깝습니다.
그 정보를 어떻게 검색하고, 어떤 결과를 선택하고, 서로 다른 정보를 어떻게 비교하고, 최종적으로 무엇을 사용할지는 별도의 문제입니다.
따라서 검색 기능이 들어간 AI 자동화는
검색을 잘하는 구조
와
검색된 정보를 잘 판단하는 구조
를 함께 만들어야 합니다.
특히 자동으로 콘텐츠를 만드는 작업이라면 검색 결과를 그대로 복사하거나 요약하는 방식보다는 여러 자료를 확인하고 필요한 내용을 선별한 뒤 자신의 관점과 분석을 더하는 과정이 중요합니다.
Google 역시 사람에게 도움이 되는 콘텐츠를 만들 때 다른 자료를 단순히 재가공하는 것보다 독창적인 정보와 분석, 추가적인 가치를 제공하는 방향을 권장하고 있습니다.
내가 검색 자동화를 만들면서 정리한 기준
지금까지의 경험을 기준으로 보면 검색 기능을 추가하는 순서는 다음과 같이 가져가는 것이 가장 현실적이라고 생각합니다.
- 먼저 검색이 정말 필요한 업무인지 확인한다.
- 검색 키워드와 검색 범위를 정한다.
- 작은 데이터 하나로 테스트한다.
- 검색 결과가 실제로 필요한 정보를 가져오는지 확인한다.
- AI가 검색 결과를 어떻게 해석하는지 확인한다.
- 결과 형식이 다음 자동화 단계와 맞는지 확인한다.
- 사용량과 실행 비용을 확인한다.
- 문제가 없을 때 전체 데이터로 확대한다.
이 순서가 중요한 이유는 자동화에서 문제가 생겼을 때 원인을 찾기 쉽기 때문입니다.
처음부터 검색부터 최종 결과까지 한 번에 자동화하면 문제가 발생했을 때 검색 문제인지, AI 판단 문제인지, 데이터 전달 문제인지 구분하기 어려워집니다.
결국 검색 기능의 핵심은 ‘더 많이 찾는 것’이 아니었다
AI 자동화에 검색 기능을 넣으면서 처음에는 검색을 추가하면 결과가 더 좋아질 것이라고 생각했습니다.
하지만 실제로는 조금 다르게 생각하게 됐습니다.
검색 기능의 핵심은 정보를 많이 가져오는 것이 아니라 필요한 정보를 제대로 가져오는 것입니다.
그리고 검색된 정보가 실제 결과에 어떤 영향을 주는지 확인하는 과정도 필요합니다.
AI가 검색을 해준다는 이유만으로 결과를 그대로 믿는 것이 아니라
무엇을 검색했는지
어떤 자료를 가져왔는지
그 자료가 현재 목적에 맞는지
AI가 어떻게 해석했는지
최종 결과가 원래 목적에 맞는지
를 확인해야 합니다.
AI 자동화에서 검색 기능은 분명 강력한 도구가 될 수 있습니다.
하지만 검색 기능을 하나 추가했다고 자동화가 갑자기 완성되는 것은 아닙니다.
오히려 검색이라는 새로운 단계가 추가되면서 확인해야 할 부분도 함께 늘어납니다.
그래서 앞으로 AI 자동화를 만들 때는 “검색 기능을 넣을까?”보다 먼저 “이 업무에서 검색이 어떤 역할을 해야 하는가?”를 정하려고 합니다.
자동화의 성능은 기능을 얼마나 많이 붙였느냐보다 각 기능이 자신의 역할을 제대로 수행하도록 설계했느냐에 따라 달라질 수 있기 때문입니다.