2026. 3. 13. 07:00ㆍAI 정보와 활용
플렉시티 다중 인공지능 모델을 활용해 편향성과 환각 리스크를 제거하는 알고리즘 거버넌스 구축 실무 매뉴얼입니다. 모델 카운슬과 샌드박스 엔진을 통한 정보 검증 및 메모리 엔진 기반의 지식 자산화 전략으로 기업의 의사결정 품질을 높이는 핵심 평가지표를 제공합니다.
1. Deep Research 업그레이드: Opus 4.6 도입이 전문 연구 및 분석 워크플로우에 미치는 전략적 영향은 무엇인가?
지식 노동자의 핵심 경쟁력은 이제 정보의 단순 수집이 아닌, 심층적 분석과 검증된 인사이트의 도출에 있습니다. Deep Research의 진화는 리서치 프로세스 전반에 '자율적 신뢰성'을 부여함으로써 전문직의 생산성 구조를 재편하고 있습니다.
1) 업데이트 개요 및 특징
Deep Research는 Claude Opus 4.6 및 Opus 4.5 Thinking 모델을 탑재하며 Google DeepMind의 'Deep Search QA'와 Scale AI의 'Research Rubric' 벤치마크에서 SOTA(최고 성능)를 달성했습니다. 기술적으로는 Perplexity의 독자적인 '샌드박스 엔진(Sandbox Engine)' 구조가 결합되어, AI가 수집한 정보를 가상 환경에서 직접 실행하고 논리적으로 검증한 후 보고서를 작성합니다. 이를 통해 수백 개의 소스를 자율 탐색하여 2~4분 내에 전문적인 리포트를 산출합니다.
2) 비즈니스 유스케이스
(1) 기술 거래 및 법률 분석
특정 기술의 특허 동향 분석이나 캐나다 각 주의 혼전 계약 집행 기준과 같은 복잡한 법령 비교 연구를 수행합니다.
(2) 시장 분석 및 경쟁 전략
글로벌 공급망 위험 요인을 분석하고, 실시간 데이터를 기반으로 기업의 SEO 및 시장 진입 전략을 수립합니다.
3) 실행 방법 및 가이드
(1) 모드 활성화
입력창의 '+' 버튼에서 'Research' 모드를 선택하고 구체적인 연구 주제를 입력합니다.
(2) 명확화 질문(Clarifying Questions) 대응
AI가 분석 범위(국가, 연도 등)를 좁히기 위해 던지는 사전 질문에 답변하여 연구의 정밀도를 높입니다.
(3) 실시간 개입
'See Progress(진행 상황 보기)' 기능을 활용해 AI가 탐색 중인 문서와 핵심 발견 사항을 모니터링하며, 필요시 연구 방향을 수정하여 최적의 결과물을 유도합니다.
단순한 속도 향상을 넘어, 검증된 출처 기반의 신뢰성을 확보함으로써 기업의 의사결정 리스크를 획기적으로 낮춥니다. 이는 리서치 비용 절감을 넘어, 데이터 기반의 강력한 지식 자산을 구축하는 전략적 토대가 됩니다.
심층 연구의 정확성이 확보되었다면, 이제는 여러 모델의 지능을 통합하여 신뢰도를 극대화하는 방법에 대해 살펴보겠습니다.
2. Model Council: 다중 모델 협의 체계가 AI의 환각 리스크 관리와 의사결정 품질을 어떻게 혁신하는가?
단일 AI 모델의 편향성은 기업 의사결정에 치명적인 사각지대를 만듭니다. 'Model Council(모델 협의회)'은 이를 해결하기 위해 '알고리즘 거버넌스(Algorithmic Governance)' 개념을 도입했습니다.
1) 업데이트 개요 및 특징
Model Council은 Claude Opus 4.6, GPT-5.2, Gemini 3.1 Pro 등 3개의 최전선 모델을 병렬로 구동합니다. 이후 고도화된 합성(Synthesizer) 모델이 각 모델의 답변을 교차 분석하여 공통된 합의점과 모델 간의 이견(Dissent)을 시각화합니다. 이는 AI를 단순한 답변 기계가 아닌, '비판적 토론의 장'으로 변모시킨 것입니다.
2) 비즈니스 유스케이스
(1) 투자 전략 및 리스크 관리
넷플릭스의 스포츠 시장 진출 타당성이나 기술 섹터 침체 가능성 분석 시, 모델별 시각 차이(기술적 우위 vs 거시 경제 리스크)를 대조하여 입체적인 의사결정을 돕습니다.
(2) 전략적 사각지대 제거
모든 모델이 합의한 부분은 즉각 실행 가능한 데이터로 채택하고, 이견이 발생한 부분은 추가 검증이 필요한 '리스크 영역'으로 식별합니다.
3) 실행 방법 및 가이드
(1) 메뉴 접근
웹 기반 Max 구독자 전용 메뉴에서 'Model Council'을 활성화합니다.
(2) 커스터마이징
'3 models' 아이콘을 통해 모델 조합을 변경할 수 있으며, 고도의 추론이 필요한 경우 각 모델의 'Thinking' 토글을 활성화하여 속도 대신 분석의 깊이를 선택할 수 있습니다.
‘합의'와 '불일치'를 시각화하는 능력은 C-suite 경영진에게 AI의 답변을 맹신하지 않고 비판적으로 수용할 수 있는 거버넌스 도구를 제공합니다. 이는 AI의 환각 리스크를 관리 가능한 수준으로 통제하며 의사결정의 질을 혁신합니다.
지능의 결합만큼 중요한 것은 사용자의 과거 맥락을 완벽하게 기억하고 개인화하는 능력입니다.
3. 개선된 메모리 엔진 및 응답 스타일 설정: 하이퍼 개인화된 AI 어시스턴트 구축을 위해 이를 어떻게 활용할 것인가?
AI가 사용자의 의도와 조직의 맥락을 선제적으로 파악하는 능력은 업무 연속성을 보장하는 핵심 동력입니다.
1) 업데이트 개요 및 특징
(1) 메모리 엔진 고도화
중요 정보의 회상 정확도를 77%에서 95%로 향상시켰으며, 노이즈 데이터를 50% 제거하여 핵심 정보 위주의 기억 체계를 구축했습니다.
(2) 응답 스타일(Response Preferences)
사용자가 선호하는 답변의 길이, 구조(헤더/리스트), 어조를 고정하여 매번 반복적인 지시를 내릴 필요를 없앴습니다.
2) 비즈니스 유스케이스
(1) 연속성 있는 프로젝트 관리
마케팅 팀의 과거 캠페인 히스토리나 Shopify 재고 동기화 이슈를 AI가 정확히 기억하여 후속 전략에 자동 반영합니다.
(2) 기업용 보안 및 관리
엔터프라이즈(Enterprise) 전용 메모리 기능을 통해 관리자는 조직 차원의 권한 설정(Permissions)과 감사 로그(Audit Logs)를 제어하여 데이터 보안을 유지하면서도 협업 효율을 극대화합니다.
3) 실행 방법 및 가이드
(1) 개인화 설정
Settings > Personalize 메뉴에서 Memory를 활성화하고, 자신의 역할과 관심사를 Profile에 상세히 기술합니다.
(2) 응답 고정
Response Preferences에서 기업 표준 보고 형식을 설정(예: 요약 3줄 + 실행 전략 3개)하여 산출물의 일관성을 확보합니다.
반복적인 프롬프트 입력에 소요되는 조직적 자원을 절약하고, 데이터 기반의 맥락 연속성을 확보함으로써 AI가 조직 고유의 업무 톤앤매너를 학습한 '내부 전문가'로 기능하게 합니다.
개인화된 지능은 이제 단순한 답변을 넘어 실제 업무를 수행하는 에이전틱 시스템으로 확장됩니다.
4. Perplexity Computer 및 에이전틱 자동화: 19개 모델 오케스트레이션 시스템이 지향하는 미래의 업무 방식은 무엇인가?
AI가 정보를 찾는 단계를 넘어, 실제 코드를 짜고 디자인을 하며 배포까지 수행하는 '수행자'의 시대로 접어들었습니다.
1) 업데이트 개요 및 특징
2월 25일 출시된 Perplexity Computer는 19개의 모델을 자동으로 오케스트레이션하는 범용 AI 시스템입니다. 이는 단순히 질문에 답하는 소프트웨어를 넘어 리서치, 코딩, 디자인을 단일 대화창에서 완결하는 'AI 기반 워크스테이션'입니다. 특히 월 $200의 Max 서비스 가격 책정은 AI를 'SaaS 툴'이 아닌, 주니어 분석가나 개발자 수 명의 역할을 대체하는 '디지털 노동력(Digital Labor)'으로 재정의했음을 시사합니다.
2) 비즈니스 유스케이스
(1) 엔드투엔드 프로젝트 관리
시장 조사 데이터 수집부터 이를 시각화한 웹 페이지 코딩, 실제 배포까지 전 과정을 단일 워크플로우로 처리합니다.
(2) 복합 워크플로우 자동화
재무 분석과 동시에 보고서용 그래픽 디자인을 수행하고 실행 계획 리포트를 생성하는 대규모 프로젝트를 수행합니다.
기업은 개별 소프트웨어 툴들을 통합 관리하는 오버헤드를 줄이고, AI 워크스테이션을 통해 인적 자원을 더욱 창의적이고 고도화된 전략 영역에 집중시킬 수 있는 독보적인 경쟁 우위를 점하게 됩니다.
기술적 역량의 확장은 하드웨어 통합과 데이터 전문성을 통해 완성됩니다.
5. 에코시스템 및 데이터 전문성 강화: 삼성 Galaxy S26 통합과 Finance 분석 도구의 고도화가 시사하는 바는 무엇인가?
AI의 영향력은 이제 하드웨어와의 OS 수준 통합을 통해 일상의 모든 접점으로 확대되고 있습니다.
1) 업데이트 개요 및 특징
(1) 삼성 Galaxy S26 통합
비구글 기업 최초로 삼성 기기 OS 수준에 통합되었습니다. 이는 '앱 스위칭 오버헤드(App-Switching Overhead)의 종말'을 의미합니다. "Hey Plex" 호출이나 측면 버튼 연동을 통해 모바일 환경의 인지적 마찰을 제거했습니다.
(2) Finance 분석 도구 고도화
S&P 500 히트맵, 애널리스트 레이팅 컨센서스, SEC 서류 실시간 링크(클릭 시 해당 페이지 자동 스크롤) 기능을 추가하여 금융 데이터 분석의 전문성을 극대화했습니다.
2) 비즈니스 유스케이스
(1) 모바일 업무 효율화
이동 중 음성 호출로 즉각적인 시장 데이터를 확인하고 갤러리나 캘린더 등 기본 앱과 연동하여 업무를 처리합니다.
(2) 전문 금융 분석
특정 주식의 SEC 서류를 분석할 때 AI가 핵심 항목이 위치한 페이지로 사용자를 즉각 가이드하여 분석 시간을 단축합니다.
AI가 일상의 모바일 도구와 전문 금융 데이터에 깊숙이 침투함으로써 정보 격차를 해소합니다. 광고가 배제된 중립적인 환경에서 엔터프라이즈 보안 기준을 충족하며 전문 지식을 활용할 수 있는 토대가 마련되었습니다.
이제 이러한 모든 변화를 종합하여 향후 분기를 위한 전략적 제언을 도출해 보겠습니다.
6. AI 경영 실행 전략 및 실행 프레임워크
1) AI 경영 실행 전략
(1) 샌드박스 검증 딥 리서치 전략: AI 산출물의 신뢰 기반을 경쟁우위로 전환하라
AI 경영 실행의 첫 번째 전략은 Perplexity의 딥 리서치를 모든 의사결정 워크플로우의 표준 도구로 내재화하는 것이다. '명확화 질문(Clarifying Questions)'과 'See Progress' 기능을 활용해 리서치 방향을 실시간으로 통제하면, 2~4분 내 검증된 인사이트를 산출하여 경영전략 수립의 리스크와 비용을 동시에 절감할 수 있다.
(2) Model Council 기반 의사결정 거버넌스 전략: 단일 모델의 맹점을 다중 합의로 극복하라
AI 활용의 최대 취약점인 단일 모델의 편향과 환각을 극복하기 위해 Model Council의 알고리즘 거버넌스를 핵심 의사결정 프로세스에 통합해야 한다. 3개 모델의 합의 영역은 즉시 실행 가능한 확정 데이터로, 이견 발생 영역은 추가 검증이 필요한 리스크 구간으로 분류하면 비즈니스모델혁신 의사결정의 정확도와 신뢰도를 동시에 제고할 수 있다.
(3) 하이퍼 개인화 메모리 기반 조직 지식 축적 전략: AI를 조직의 내부 전문가로 진화시켜라
AI 경영의 지속 경쟁력은 회상 정확도 95%의 메모리 엔진을 조직 단위로 설계하는 것에 있다. 팀원의 역할·프로젝트 맥락·보고 형식을 Response Preferences와 함께 구조화하여 AI에 학습시키면, 반복적 프롬프트 입력 비용을 제거하고 AI 활용 산출물의 일관성을 확보하여 조직 고유의 지식 자산화가 가능하다.
2) 전략 실행 프레임워크
(1) 폐쇄형 검증 순환 체계: 샌드박스 실행으로 AI 산출물 품질을 표준화하라
딥 리서치의 샌드박스 엔진 구조를 경영전략 보고서 생성 프로세스에 표준으로 도입한다. '입력 → 명확화 질문 응답 → 실시간 진행 모니터링 → 출처 기반 검증 보고서 → 팀 리뷰 → 배포'의 폐쇄형 순환을 정착시키면, AI 활용 산출물에서 환각이 유입되는 리스크를 원천 차단하고 기업 의사결정의 신뢰 기반을 구축할 수 있다.
(2) 협업 생태계 기반 Model Council 거버넌스: 합의와 이견의 시각화로 조직 민첩성을 확보하라
Model Council을 팀의 전략 검토 회의 대안으로 활용하는 협업 거버넌스를 구축한다. 투자 타당성 검토, 신사업 리스크 분석, 경쟁 전략 수립 시 3개 모델의 합의점과 이견을 시각화하고 Spaces 기능으로 팀과 공유하면, 비즈니스모델혁신을 위한 입체적 의사결정 체계와 조직 민첩성을 동시에 실현할 수 있다.
(3) 개인화 자산 공유 플랫폼: 메모리와 Response Preferences로 팀 AI 역량을 균등화하라
메모리 엔진과 Response Preferences를 팀 표준 설정으로 통일하여 AI 활용 역량을 조직 자산으로 공유한다. 역할별 보고 형식, 프로젝트 히스토리, 선호 분석 프레임워크를 메모리에 구조화하면 신규 팀원도 즉시 조직 수준의 AI 경영 산출물을 생성할 수 있어 경영전략 실행의 진입 비용을 대폭 낮출 수 있다.
(4) 사용 기반 디지털 노동력 과금 최적화: Perplexity Computer로 인적 자원을 고부가 업무에 집중시켜라
월 $200의 Max 플랜으로 제공되는 Perplexity Computer(19개 모델 오케스트레이션)를 '주니어 분석가급 디지털 노동력'으로 전략적으로 배치한다. 리서치·코딩·디자인·배포를 단일 대화창에서 처리하는 에이전틱 자동화를 업무 강도에 비례해 활용하면, AI 활용 비용 대비 ROI를 수치화하고 인적 자원을 고도화된 경영전략 영역에 집중시킬 수 있다.
(5) 동태적 AI 경영 실행 시스템: 삼성 Galaxy S26 에코시스템과 Finance 분석 도구로 현장 즉응 체계를 완성하라
Perplexity의 Galaxy S26 OS 수준 통합("Hey Plex" 호출)과 S&P 500 히트맵·SEC 서류 직접 링크 등 Finance 분석 도구를 모바일 현장 업무에 연결한다. 이동 중에도 실시간 시장 데이터와 딥 리서치를 즉시 호출하는 모바일 경영전략 루프를 구축하면 비즈니스모델혁신을 위한 현장 즉응 조직 체계가 완성된다.
7. AI 경영 실무 매뉴얼 및 평가지표
1) 전략 A: 샌드박스 검증 딥 리서치 전략 실무 매뉴얼 및 평가지표
2) 전략 B: Model Council 기반 의사결정 거버넌스 전략 실무 매뉴얼 및 평가지표
3) 전략 C: 하이퍼 개인화 메모리 기반 조직 지식 축적 전략 실무 매뉴얼 및 평가지표
4) 통합 실행 가이드: 전략 연계 및 관리 방안
(1) 전략 간 연계성 및 실행 주체
전략 A(딥 리서치 신뢰 기반 구축)는 리서치·기획팀이 주도하며 검증된 인사이트 원천을 공급한다.
전략 B(Model Council 거버넌스)는 경영전략팀과 팀장급이 주도하며 A의 산출물에 다중 모델 교차 검증 레이어를 적용한다.
전략 C(메모리 기반 지식 축적)는 전 구성원 및 IT·HR팀이 주도하며 A·B를 통해 검증된 AI 경영 산출물을 조직 지식 자산으로 내재화한다.
(2) 실행 순서 및 소요 기간
전략 A를 1~2개월 선행 실행하여 딥 리서치 SOP와 프롬프트 라이브러리 기반을 구축한다.
전략 B는 2~3개월 차에 병행 도입하여 고위험 의사결정에 Model Council 거버넌스를 정착시킨다.
전략 C는 3개월 이후 후행 착수하여 메모리 표준 프로필과 Spaces 지식 허브를 구축한다. 전체 1사이클을 6개월로 설정하고 비즈니스모델혁신 성숙도를 단계적으로 높인다.
(3) KPI 모니터링 및 정기 검토 주기
정량 지표(리서치 소요 시간·모델 채택률·메모리 반영 성공률)는 실무자가 주간 모니터링하고 팀장에게 보고한다.
정성 지표(신뢰도·인식 변화·거버넌스 만족도)는 월간 팀장 리뷰로 점검하며, 통합 KPI 대시보드는 분기별 경영진에게 보고한다.
AI 경영 전략 방향 조정과 투자 의사결정은 반기 AI 전략 회의에서 공식 결정한다.
8. CEO 인사이트
AI 경영의 가장 치명적 도전 과제는 단일 AI 모델에 대한 무비판적 의존이다. Model Council 없이 하나의 AI 활용 결과만으로 경영전략을 수립하면, 비즈니스모델혁신은 편향된 환각(Hallucination) 위에 세워진 구조물이 된다. CEO로서 나는 단호히 선언한다. "우리 조직의 AI 경영은 반드시 복수 검증을 거친다." 모든 팀장은 Claude·GPT·Gemini 3모델 교차검증과 Human-in-the-Loop 리뷰를 의무적 프로세스로 내재화하라. 검증 없는 AI는 혁신이 아닌 리스크다.
9. 핵심 용어
샌드박스 엔진 (Sandbox Engine): 인공지능이 수집한 방대한 정보를 안전한 가상 환경에서 직접 실행 및 교차 검증하여, 결과물의 논리적 신뢰성을 확보하는 기술입니다.
모델 카운슬 (Model Council): 다수의 최상위 인공지능 모델을 병렬로 구동한 후, 교차 분석을 통해 모델 간의 합의점과 이견을 명확히 시각화하는 다중 모델 협의 체계입니다.
알고리즘 거버넌스 (Algorithmic Governance): 단일 인공지능 모델이 가진 편향성과 사각지대를 방지하기 위해, 다중 모델의 비판적 검토 결과를 경영 의사결정에 반영하는 관리 체계입니다.
메모리 엔진 (Memory Engine): 사용자의 직무 역할, 선호하는 보고서 구조, 과거 프로젝트 맥락을 장기적으로 기억하여 맞춤형 지식 자산을 생성하는 하이퍼 개인화 기술입니다.
에이전틱 자동화 (Agentic Automation): 인공지능이 단순 정보 검색을 넘어 기획, 데이터 분석, 코딩 등 복합적인 워크플로우를 자율적으로 실행하고 완결하는 디지털 노동 시스템입니다.
프롬프트 : 1. Perplexity의 2026년 02월에 Update 및 upgrade된 부분과 수정된 서비스 내역은 무엇인지 설명해줘.
ChatGPT의 답변 :
📌 핵심 변화 (공식 Changelog 기준)
① Deep Research 진화
Deep Research는 성능 및 정확도가 업계 최상위 수준으로 개선되었으며, Perplexity 자체 검색 + 고급 모델(Opus 4.5 → Opus 4.6) 조합으로 리서치 신뢰도가 대폭 향상되었습니다.
② Model Council 도입
여러 최전선(leading) AI 모델을 동시 실행/비교/종합 응답하는 기능이 웹 기반으로 Max 구독자에게 도입되었습니다.
③ 개선된 메모리 엔진
Perplexity의 메모리 엔진은 중요 정보 식별 능력 및 재호출 정확도가 크게 개선되어, 개별 사용자 컨텍스트 반영이 더 정교해졌습니다.
④ 응답 스타일 설정(Response Preferences)
플랫폼 설정에서 응답 길이(짧게/길게) 및 응답 구조(헤더·리스트 선호) 를 지정할 수 있도록 옵션이 추가됐습니다.
⑤ UI/입력창 재구성 & Comet 등 성능 개선
입력바가 더 직관적으로 개선되고, Model Council/Deep Research/파일 업로드/학습 모드 등이 통합 메뉴로 정리됐습니다.
종합 요약 (기능별 비교)
| 기능 | 목적 | 적용 시나리오 |
| 개선된 메모리 엔진 | 장기 맥락/선호 기반 개인화 | 프로젝트/독서/경력 관련 리콜 |
| Deep Research 업그레이드 | 구조화·출처 기반 심층 리서치 | 학술·법률·산업 리포트 |
| Model Council | 다중모델 의견 종합 + 신뢰도 증가 | 투자전략/비교 검증 |
| 응답 스타일 설정 | 포맷/길이 선호 커스터마이징 | 보고서/프레젠테이션용 출력 |
Gemini의 답변 :
2026년 2월 업데이트의 핵심 테마는 '정확성 극대화'와 '사용자 제어권 강화'입니다.
- Model Council (모델 협의회) 출시: 3개의 최고 성능 AI 모델을 동시에 구동하여 교차 검증된 단일 답변을 도출하는 다중 모델 연구 기능이 도입되었습니다. (Max 요금제 전용)
- Deep Research 연속 업그레이드: Claude Opus 4.6 등 최신 모델이 적용되었으며, 연구 시작 전 명확화 질문(Clarifying questions)을 던지고 실시간 진행 상황을 보여주도록 UX가 대폭 개선되었습니다.
- 새로운 AI 모델 통합: Claude Sonnet 4.6, Gemini 3.1 Pro 등 최신 프론티어 모델들이 발 빠르게 추가되었습니다.
- 응답 스타일 설정 (Response Preferences): 사용자가 원하는 답변의 길이, 포맷, 톤앤매너를 영구적으로 지정할 수 있는 맞춤형 지침 기능이 추가되었습니다.
- 메모리 엔진 퀄리티 향상: 양보다 질(Quality over quantity)에 집중하여, 불필요한 기억은 줄이고 핵심 정보의 리콜 성공률을 95%까지 끌어올린 개선된 메모리 엔진이 배포되었습니다. 기업(Enterprise)용 메모리 기능도 정식 런칭되었습니다.
Perplexity의 답변 :
2월 6일 업데이트
Deep Research 업그레이드 — Deep Research가 Google DeepMind Deep Search QA, Scale AI Research Rubric 등 외부 벤치마크에서 최고 성능을 달성하도록 업그레이드되었으며, Opus 4.5 모델 기반으로 Max·Pro 사용자에게 제공됩니다.
Model Council 출시 — 세 가지 최전선 모델을 동시에 실행해 결과를 비교하고 더 높은 신뢰도의 답변을 얻을 수 있는 기능으로, 웹에서 Max 구독자에게 제공됩니다.
그 외 주요 변경사항:
- 입력창 UI 개편: "+" 아이콘으로 파일 업로드, 소스 관리, 모드 선택을 한 곳에서 접근 가능
- Step by Step 학습 모드: 학생뿐 아니라 모든 사용자에게 개방, 단계별 대화형 학습 경험 제공
- 메모리 엔진 개선: 중요 정보 회상률이 77% → 95%로 향상, 불필요한 기억은 절반으로 감소 (Max·Pro 사용자)
- Comet 브라우저 에이전트: Opus 4.6 모델을 기본으로 적용 (Max 사용자)
- Enterprise 보안 강화: 세분화된 기능 접근 제어 및 감사 로그 확대
2월 13일 업데이트
Deep Research + Opus 4.6 — Deep Research가 Opus 4.6으로 한 단계 더 업그레이드되어 DeepMind 벤치마크에서 성능이 추가 향상되었습니다.
- 기록 검색 개선: 정확한 단어를 기억하지 못해도 과거 대화를 쉽게 찾을 수 있으며, 검색 결과에서 해당 내용으로 바로 이동 가능
- Android 주식 그래프 개선: 주식 검색 시 확장된 정보와 개편된 컨트롤을 갖춘 인라인 차트 제공
- Kimi K2.5 Thinking 모델 추가: Moonshot AI의 최첨단 오픈소스 추론 모델을 Perplexity 자체 인프라에서 호스팅
2월 20일 업데이트
Claude Sonnet 4.6 & Gemini 3.1 Pro 추가 — Pro·Max 구독자에게 두 최신 모델이 제공되며, Comet 에이전트는 Pro 기준 Sonnet 4.6, Max 기준 Opus 4.6이 기본값으로 설정됩니다.
- 응답 스타일 설정 기능: 답변 길이, 헤더·리스트 형식을 설정에서 직접 지정 가능 (전체 사용자 대상)
- Enterprise 메모리 지원: 기업 고객에게도 메모리 기능이 확대 적용되어 스레드·선호도·우선순위 기억
- Comet 어시스턴트 개인화: 기억된 사용자 선호도를 반영해 쇼핑, 음식 주문, 항공편 검색 등을 수행
- Perplexity Finance 애널리스트 레이팅: 주식 페이지에 컨센서스 의견, 52주 목표가, 최신 뉴스 연동 종합 분석 추가
- Comet 탭 전환 단축키: 최근 5개 탭 빠른 전환 기능 (Mac: ⌥Option+Tab)
2월 27일 업데이트
Perplexity Computer 출시 — 19개 모델을 병렬로 오케스트레이션하여 리서치, 디자인, 코딩, 배포를 하나의 대화에서 처리하는 범용 AI 시스템입니다.
삼성 Galaxy S26 통합 — Perplexity가 비구글 기업 최초로 삼성 기기에 OS 수준 접근 권한을 획득했습니다:
- "Hey Plex" 호출 또는 측면 버튼 길게 눌러 즉시 실행
- Bixby와 Samsung Internet에 Perplexity API 탑재
- 메모, 캘린더, 갤러리, 시계 등 삼성 앱과 연동
그 외 주요 변경사항:
- Comet 음성 모드 업그레이드: OpenAI GPT Realtime 1.5 모델 기반으로 상호작용 신뢰도 25% 이상 향상 (Comet 데스크탑·Android)
- Finance 타임라인 개선: MT Newswires·Benzinga 뉴스 소스 추가, 애프터아워 가격 반영, 암호화폐·ETF·원자재 등 전 자산 유형으로 확대, 다국어 지원 강화
- 최첨단 임베딩 모델 공개: pplx-embed-v1(표준 검색)과 pplx-embed-context-v1(문서 맥락 인식 검색) — 구글·알리바바를 벤치마크에서 앞서는 성능
Claude의 답변 :
2026년 2월은 Perplexity 역사상 가장 포괄적인 업데이트 중 하나였습니다.
주요 업데이트 (2월 5일-27일)
Deep Research 대폭 강화
- Google DeepMind Deep Search QA 및 Scale AI Research Rubric 등 주요 벤치마크에서 최고 성능 달성
- Opus 4.6으로 업그레이드되어 정확도와 신뢰성 향상
- Max 사용자에게 먼저 제공되고 점진적으로 Pro 사용자에게 확대
Model Council 출시 (2월 5일)
- 3개의 프론티어 모델을 동시에 실행하여 더 정확하고 신뢰도 높은 답변 제공
- Claude Opus 4.6, GPT-5.2, Gemini 3.0 등 조합
- 웹 전용으로 Max 구독자에게 제공
메모리 엔진 개선
- 메모리 생성 및 회상 능력 대폭 강화
- 회상 정확도가 77%에서 95%로 향상
- 메모리 생성량을 절반으로 줄여 불필요한 잡음 제거
- Max 및 Pro 사용자에게 제공 PerplexityPerplexity
응답 스타일 설정 (Response Preferences)
- 응답 길이 및 구조를 설정에서 제어 가능
- 헤더 및 리스트 선호도 선택
- 모든 사용자에게 웹에서 제공되고 모바일로 확대 중
새로운 AI 모델 추가
- Claude Sonnet 4.6, Gemini 3.1 Pro
- Kimi K2.5 (Moonshot AI의 최신 오픈소스 추론 모델)
- Perplexity의 미국 자체 인프라에서 호스팅
Perplexity Computer 출시 (2월 25일)
- 19개의 AI 모델을 통합한 슈퍼 에이전트
- 연구, 디자인, 코딩, 배포, 프로젝트 관리를 end-to-end로 처리
- Max 구독자 전용 ($200/월) LinkedInNewsBreak
엔터프라이즈 기능 확대
- 메모리가 엔터프라이즈 고객에게 제공
- 관리자가 조직 차원에서 메모리 설정 제어 가능
- Comet Assistant가 개인 선호도를 고려하여 작동
Perplexity Finance 개선
- S&P 500 히트맵 추가
- 애널리스트 평가 추가
- SEC 서류 링크 직접 연결 (해당 항목이 나타나는 페이지로 자동 스크롤) L
Copilot의 답변 :
🔹 (1) Deep Research 대규모 업그레이드
- Perplexity는 2026년 2월 6일 공식 Changelog를 통해 Deep Research가
▪ Google DeepMind Deep Search QA,
▪ Scale AI Research Rubric
등 외부 벤치마크에서 최고 성능(SOTA) 를 달성했다고 발표함.
[perplexity.ai] - Max → Pro 유저로 순차 확장 중이며 Opus 4.5/4.6 기반 최신 모델과 Perplexity의 검색·샌드박스 엔진 구조가 결합되어 정확도·신뢰도 대폭 향상.
[perplexity.ai], [theagencyjournal.com]
🔹 (2) 개선된 메모리 엔진 (Memory Engine Upgrade)
- Perplexity는 2월 업데이트에서 메모리 회상 정확도(recall accuracy)를 77% → 95% 로 개선.
- 생성하는 메모리 수도 50% 감소(중복/노이즈 삭제) 하여 개인화 정확도와 간결성 동시 달성.
[theagencyjournal.com] - 시간 정보 이해 능력(Time understanding) 또한 강화됨.
[theagencyjournal.com]
🔹 (3) Model Council(모델 협의회) 정식 도입
- 세 개의 프론티어 모델을 동시에 실행 → 합의·불일치·모델별 관점을 비교해 신뢰도 높은 “최종 종합 답변” 생성.
[perplexity.ai], [inthacity.com] - 현재 Max 에서 사용 가능, 웹 전용.
🔹 (4) Perplexity Computer(19-모델 에이전트 시스템) 출시
- 2월 25일 공개된 완전한 에이전틱 도구(Agentic System) 로
19개 모델을 자동 오케스트레이션하며 대규모 워크플로우(리서치·코딩·디자인·배포)를 수행.
[techcrunch.com], [clickusanews.com]
🔹 (5) 광고 완전 철폐 (Ad Removal)
- Perplexity는 2월에 모든 광고 사업을 종료, 스폰서 답변 제거.
→ 신뢰성 중심 구독 모델 강화.
[adsx.com], [nationaltoday.com]
프롬프트 : 2. '개선된 메모리 엔진 (Memory Engine)' 사용법과 예시를 설명해줘.
ChatGPT의 답변 :
🔍 정의
Perplexity의 메모리 엔진은 단순 저장/재생 이상의 정보의 중요도 기반 필터링과 장기 컨텍스트 추적 기능을 제공합니다. 이것은 저장 수량보다 질을 우선해 높은 관련성의 기억만 유지합니다.
🧠 특징
- 중요 정보 저장 비율 ↑, 무관 정보 ↓
- 과거 대화/선호에 기반한 맞춤형 답변 높음
- 시간 및 상황 맥락 이해력 향상
- 메모리·검색 자동 최적화로 품질과 속도 개선
🚀 사용법
- Perplexity에서 대화/질문을 자유롭게 진행
- 개인화가 필요하다면 설정 → Memory 활성화
- 이후 “이전에 내가 말한 프로젝트 목표를 기반으로…”, “내가 지난번 추천받은 책 중…” 처럼 맥락 기반 질문 입력
📌 사례
- 프로젝트 지속성 유지
“지난주에 논의한 브랜드 전략 방향을 기억하고, 그에 맞춘 KPI 수립 방안 제시해줘.”
→ 개선된 메모리는 목표/이정표를 명확히 기억하고 관련 리포트를 생성 - 선호 기반 추천
“내가 지난달 언급한 기술 경영 관련 책 중 핵심 인사이트 요약 3개씩 뽑아줘.”
Gemini의 답변 :
개요: 사용자의 과거 대화, 취향, 맥락을 기억하여 다음 답변에 반영하는 메모리 기능의 정확도와 효율성이 대폭 향상되었습니다. 이전보다 메모리 생성량은 절반으로 줄었지만, 중요한 문맥을 기억해내는 비율은 95%로 크게 올랐습니다.
특징:
- 양질의 문맥 파악 (Quality over Quantity): 사소한 잡담은 무시하고, 사용자의 직업, 선호하는 프레임워크, 중요한 기호 등 '진짜 필요한 정보'만 선별하여 저장합니다.
- 시간 개념 및 추론 강화: 과거에 진행했던 프로젝트의 타임라인을 이해하고 현재 시점에 맞는 조언을 제공합니다.
사용사례 및 예시:
- (과거 대화에서) "나는 파이썬으로 데이터 분석하는 걸 주로 해."라고 말해둔 경우.
- (현재 대화에서) "이 CSV 파일 분석하는 코드 좀 짜줘"라고 하면, 별도로 언어를 지정하지 않아도 자동으로 파이썬(Pandas) 코드로 작성해 줍니다.
사용 방법:
- 설정(Settings) > Personalize (개인화) > Manage Memories에서 AI가 저장한 기억 목록을 확인, 수정 또는 삭제할 수 있습니다.
Perplexity의 답변 :
메모리 엔진은 대화 맥락과 선호도를 대화를 넘어 장기적으로 기억하는 기능으로, 중요 정보 회상률이 77%에서 95%로 향상되었습니다. 기억은 자동으로 생성되며, 설정(Settings) → 개인화(Personalize)에서 직접 확인·편집·삭제가 가능합니다.
사용 방법
- 설정 → Personalize → Memory 에서 기능 활성화 확인
- 대화 중 자신의 정보를 자연스럽게 언급 (예: 직업, 관심사, 선호도)
- Perplexity가 자동으로 핵심 내용을 메모리에 저장
- 이후 대화에서 저장된 정보를 기반으로 개인화된 답변 생성
- 프라이버시 보호가 필요한 경우, 시크릿 모드(Incognito)에서는 메모리가 자동 비활성화
실제 활용 예시 (기술거래사 관점)
- "최근 내가 검토했던 블랙 알루미나 세라믹 특허 관련 조사를 이어서 도와줘."
- "지난번에 추천해준 기술경영 관련 논문 중 아직 못 읽은 것들 알려줘."
- "내 박사 논문 주제를 기반으로 관련 학술 트렌드를 요약해줘."
메모리가 축적될수록, 처음부터 맥락을 설명하는 수고 없이 곧바로 심층적인 질문으로 진입할 수 있습니다.
Claude의 답변 :
개요
2026년 2월 업데이트에서 Perplexity는 메모리 생성 및 회상 능력을 대폭 강화했습니다. 메모리를 더 풍부하게 생성하고 95%의 경우에 정확하게 회상하며(이전 77%), 생성되는 메모리 양을 절반으로 줄여 불필요한 잡음을 제거했습니다. Investing.comPerplexity
주요 특징
- 95% 회상 정확도: 이전 77%에서 대폭 향상
- 잡음 감소: 생성되는 메모리 수를 절반으로 줄여 더 관련성 높은 정보만 저장
- Model Council 통합: Model Council이 각 모델에 대해 개인화된 메모리 컨텍스트 활용
- 맥락 기반 답변: 과거 대화의 세부사항을 정확히 기억하여 더 나은 답변 제공 Investing.com
사용사례
콘텐츠 작성자:
- 지난달 읽은 책을 기반으로 추천 요청 시 실제로 기억하고 관련 추천 제공
개발자:
- 이전 코드 스니펫을 스택을 다시 설명하지 않고도 참조 가능
- GitHub 감사 및 이력 분석 시 이전 패턴 기억
마케터:
- 과거 캠페인 노트를 새로운 브리프 작성 시 자동으로 동기화
- 지난 분기 Shopify 동기화 실패 사례를 기억하여 전략 수립
분석가:
- 과거 대화에서 언급한 리스크 허용도를 반영하여 은퇴 포트폴리오 조회
- MBA 프로그램 평가 시 과거 경력 노트 고려
일반 사용자:
- "나에게 맞는 상위 MBA 프로그램은?" 같은 질문에 개인 상황 반영한 답변 Investing.com
사용 방법
1. 메모리 자동 생성:
평소처럼 Perplexity 사용하면 자동으로 중요 정보 저장
예: "저는 마라톤 훈련 중이고 무릎 부상 이력이 있어요"
→ 자동으로 메모리에 저장
2. Model Council과 함께 사용:
Model Council 활성화 후 질문:
"5월 마라톤을 위한 좋은 훈련 계획은?"
→ 각 모델이 저장된 개인 메모리를 활용
→ 무릎 부상 고려한 맞춤 훈련 계획 제공
"현재 시장 상황에서 고려해야 할 은퇴 포트폴리오 배분 전략은?"
→ 과거 대화의 리스크 선호도 반영
3. 메모리 관리:
설정 > Personalize 섹션
- 저장된 모든 메모리 확인
- 개별 메모리 삭제 (휴지통 아이콘)
- 전체 메모리 초기화 ("clear all")
- 메모리 기능 완전 비활성화 가능
4. 엔터프라이즈 환경:
- 관리자가 "Permissions" 탭에서 조직 차원의 메모리 설정 제어
- 조직에서 메모리가 활성화되어도 개인 사용자는 언제든지 보기/삭제/비활성화 가능
- 시크릿 모드에서는 메모리와 검색 기록 자동 비활성화 LinkedIn
실용 예시:
사례 1: 정확한 데이터 회상
"2주 전 Nvidia 주가 논의했던 P/E 비율이 뭐였지?"
→ 정확한 수치와 맥락 제공
사례 2: Shopify 재고 동기화
"지난번 언급한 Shopify 재고 동기화 문제 기억해?"
→ 20분의 히스토리 검색 시간 절약
Copilot의 답변 :
✔ 무엇이 개선됐나?
- 95% 회상 정확도(Recall Accuracy)
- 메모리 생성량 50% 감소(중복 제거)
- 더 나은 시간 문맥 이해(예: “지난주”, “두 달 전” 등)
[theagencyjournal.com]
✔ 어떻게 사용하는가? (실전 활용법)
① 평소처럼 대화하며 ‘기억시킬 정보’를 자연스럽게 제공
예:
- “앞으로 내가 원하는 보고서 스타일은 요약 3줄 + 인사이트 3개야.”
- “우리 회사 주요 경쟁사는 삼성·LG·샤오미야. 기억해줘.”
Perplexity는 이를 자동 구조화해 메모리에 저장함 (사용자 개입 불필요).
② 특정 맥락을 활용한 질문
예:
- “지난번 너가 정리해둔 엔비디아 주가 관련 핵심 분석을 다시 이어서 해줘.”
→ 개선된 엔진은 2주 전 맥락까지 정확히 불러올 확률이 높음.
③ 장기 프로젝트에서 효과 극대화
- 리포트, 전략 기획, 연구, 매주 업데이트 등
- 사용자는 매번 전체 맥락을 반복 설명할 필요 없음
✔ 대표 사용 예시
- 마케팅 팀
“지난달 우리가 이야기했던 Shopify 인벤토리 동기화 문제 다시 요약해줘.”
→ Perplexity가 저장된 문맥 기반으로 정확한 문제 리스트와 진행 상태 제공
[theagencyjournal.com] - 개발자
“내가 쓰는 스택은 React + Next.js + Supabase 라고 했었지?
이번엔 로그인 모듈 예시 코드 다시 만들어줘.”
→ 스택 정보를 기억해 맥락 맞춘 코드 생성 가능
프롬프트 : 3. 'Deep Research 연속 업그레이드' 사용법과 예시를 설명해줘.
ChatGPT의 답변 :
🔎 정의
Deep Research는 Perplexity 플랫폼의 심층 정보 분석 엔진으로, 단순 Q&A를 넘어 구조화된 벤치마크 기반 리서치를 제공합니다. 이 기능은 Opus 4.6과 같이 고급 모델 + 검색 기반 엔진이 결합돼 있습니다.
📈 업그레이드 포인트
- Opus 4.6 기반 state-of-the-art 정확도
- 학술·법률·기술 문헌 분석 능력 강화
- 벤치마크 대응력 확대
- 연관 출처 및 검증 단계 강화
🧠 사용법
- 검색창에서 “Deep Research” 모드 선택
- 연구 주제를 구체적으로 입력
- 자동으로 소스 크롤링 → 핵심 시각/증거 중심 리포트 도출
🔎 사례
- 학술 리서치:
“근대 일본 목판화가 프랑스 인상주의 화풍에 미친 영향을 출처 기반으로 분석해줘.” → 여러 논문/리뷰 결과를 구조화하여 추출 - 법률 비교 연구:
“캐나다 주별 결혼 허가 요건과 혼전 계약 효력 차이를 비교 정리해줘.”
Gemini의 답변 :
개요: 복잡한 주제에 대해 수백 개의 출처를 읽고 종합 보고서를 작성해주는 Deep Research 기능이 최신 모델과 결합하여 한층 더 똑똑해졌습니다. 외부 벤치마크 테스트에서도 최고 수준의 정확도를 달성했습니다.
특징:
- 사전 질문(Clarifying Questions): 질문이 너무 광범위할 경우, AI가 연구를 시작하기 전에 먼저 "어떤 국가를 중심으로 볼까요?" 혹은 "특정 연도 기준이 있나요?"라고 물어보며 연구 방향을 좁힙니다.
- 실시간 진행 상황 (See Progress): 연구가 진행되는 몇 분 동안 AI가 현재 어떤 문서를 읽고 있고 어떤 핵심 내용(Key Findings)을 발견했는지 실시간으로 보여주어, 기다리는 동안에도 인사이트를 얻을 수 있습니다.
사용사례 및 예시:
- 예시: "2026년 글로벌 전기차 배터리 재활용 시장 동향 보고서 작성해줘."
- 과정: 검색창에서 'Deep Research' 모드를 켜고 질문하면, AI가 "LFP 배터리와 NCM 배터리 중 어느 쪽에 더 비중을 둘까요?"라고 먼저 묻습니다. 사용자가 답변하면, 수백 개의 최신 기사를 분석하며 화면에 실시간으로 핵심 내용을 띄워주고, 최종적으로 편집 및 공유 가능한 리포트 파일 형태로 결과를 제공합니다.
Perplexity의 답변 :
Deep Research는 수십 회의 반복 검색과 수백 개 소스를 자율적으로 읽어 2~4분 안에 전문가 수준의 종합 보고서를 작성해 주는 기능입니다. 2월 6일 Opus 4.5로 시작해 2월 13일 Opus 4.6 Thinking으로 재업그레이드되었으며, Max 구독자는 Opus 4.6 Thinking, Pro 구독자는 4.5 Thinking이 기본 적용됩니다.
사용 방법
- Perplexity 홈에서 입력창 좌측 "+" 버튼 클릭
- Research 모드 선택 후 질문 입력
- 광범위한 질문의 경우 명확화 질문(Clarifying Questions)에 답변하여 리서치 방향 지정
- 진행 중에도 팔로업 질문 추가 가능 (완료 전에도 가능)
- 완성된 보고서는 편집·공유 가능한 파일로 스트리밍 저장
실제 활용 예시
- 기술거래: "2026년 디스플레이 노광장비용 세라믹 소재 특허 동향과 주요 출원인 분석 보고서를 작성해줘."
- 컨설팅: "국내 기술경영 컨설팅 시장 규모, 성장률, 주요 플레이어, 기회 요인을 포함한 시장 분석 보고서를 작성해줘."
- 박사 논문: "경영정보학 분야에서 기술거래와 플랫폼 비즈니스 모델의 교차점에 관한 최근 5년간 선행연구를 정리해줘."
Claude의 답변 :
개요
Deep Research가 Google DeepMind Deep Search QA 및 Scale AI Research Rubric 등 주요 외부 벤치마크에서 최고 수준의 성능을 달성했습니다. Opus 4.6으로 업그레이드되어 정확도와 신뢰성이 대폭 향상되었습니다. PerplexityPerplexity
주요 특징
- Opus 4.6 기반: 최고 수준의 추론 모델 사용
- 벤치마크 우위: Google DeepMind 및 Scale AI 벤치마크에서 경쟁 도구 능가
- 독자적 인프라: Perplexity의 자체 검색 엔진 및 샌드박스 인프라와 결합
- 최신 모델 자동 적용: 최고 추론 모델이 출시되면 자동으로 업그레이드
- 단계적 확대: Max 사용자에게 먼저 제공, Pro 사용자에게 순차 제공 Perplexity
사용사례
SEO 전략 개선:
- "지난 90일간 [산업]의 상위 트렌드 주제는?"
- 실시간 데이터와 심층 분석으로 SEO 전략 수립
학술 연구:
- "특정 의학 치료법의 최신 임상 연구 결과는?"
- 여러 논문과 연구를 종합하여 포괄적 리뷰 제공
시장 분석:
- "현재 반도체 산업의 공급망 위험 요인은?"
- 다양한 출처에서 정보를 수집하여 종합 보고서 작성
경쟁 인텔리전스:
- "경쟁사의 최근 제품 발표와 전략 변화는?"
- 뉴스, 보도자료, 분석 리포트 종합 Perplexity
사용 방법
1. Deep Research 활성화:
웹에서:
1. 입력창 옆의 "+" 메뉴 클릭
2. "Deep Research" 선택
3. 질문 입력
모바일에서:
1. 입력창 위의 모드 선택
2. "Deep Research" 탭
3. 질문 입력
2. 효과적인 프롬프트 작성:
나쁜 예: "AI에 대해 알려줘"
좋은 예: "2025-2026년 기업의 AI 도입 트렌드를 산업별로 분석하고,
각 산업의 주요 사용 사례와 투자 규모를 비교해줘"
나쁜 예: "전기차 좋아?"
좋은 예: "2026년 현재 미국 시장의 전기차 채택률, 충전 인프라 현황,
주요 제조사별 시장 점유율을 비교 분석해줘"
3. 결과 검토 및 활용:
Deep Research 결과는:
- 여러 섹션으로 구조화된 종합 보고서
- 각 주장에 대한 명확한 출처 인용
- 주요 발견사항 요약
- 관련 데이터 및 통계
결과 활용:
- PDF로 다운로드 (Labs 및 Research 모드)
- 중요 부분 인용하여 재질문
- Spaces에 저장하여 팀과 공유
4. Opus 4.6의 장점 활용:
복잡한 다단계 질문:
"현재 AI 칩 시장에서 Nvidia의 지배적 위치가
향후 3년간 어떻게 변화할지, 경쟁사들의 대응 전략과
시장 진입 장벽을 고려하여 분석해줘"
→ Opus 4.6의 강화된 추론 능력으로
여러 요소를 종합한 심층 분석 제공
실용 예시:
질문: "2026년 클라우드 컴퓨팅 시장의 주요 변화와
엔터프라이즈 고객의 멀티클라우드 전략 트렌드를 분석해줘"
Deep Research 프로세스:
1. 10-15개의 신뢰할 수 있는 출처 검색
2. Gartner, IDC, 주요 클라우드 제공업체 보고서 분석
3. 최신 뉴스 및 기업 발표 검토
4. 데이터 종합 및 트렌드 식별
5. 구조화된 보고서로 제공 (5-10분 소요)
결과:
- 시장 규모 및 성장률
- 주요 업체별 전략
- 엔터프라이즈 채택 패턴
- 향후 전망 및 위험 요소
Copilot의 답변 :
✔ 무엇이 업그레이드됐나?
- Opus 4.5/4.6 모델 기반으로 정확도·근거 추출·논리 안정성 대폭 향상
[perplexity.ai], [theagencyjournal.com] - 외부 벤치마크에서 SOTA 달성
- 장기 분석·법률·학술·기술 문헌 탐색에 최적화
✔ 어떻게 사용하는가?
① “Deep Research” 모드 활성화
질문 앞에 다음을 붙여 요청:
- “Deep Research로 분석해줘:”
- “이 주제 Deep Research로 3단계 결론 도출해줘:”
② 복합 질문 처리
예:
- “일본 목판화가 프랑스 인상주의에 미친 영향을
시기별·작가별로 정리하고 교차 참고문헌까지 포함해줘.”
③ 긴 문서 업로드 & 다단계 분석
- PDF·URL·문서 업로드 → “Deep Research로 전체 구조 분석 + 인사이트 추출”
✔ 대표 사용 예시
- 법률 분석
“캐나다 각 주의 혼인 신고 절차 차이점을 비교하고
민법·관습법 지역별로 혼전계약(혼전합의) 집행 기준 차이를 정리해줘.”
[perplexity.ai] - 기술 연구
“브라우저 기반 LLM 평가 벤치마크(HLE, BrowseComp, SimpleQA)의
평가 방법론 차이와 한계를 Deep Research로 정리해줘.”
프롬프트 : 4. 'Model Council (모델 협의회)' 사용법과 에시를 설명해줘.
ChatGPT의 답변 :
🧠 정의
Model Council은 복수의 최전선 AI 모델을 병렬 실행한 뒤 결과를 비교·합성하는 기능으로, 개별 모델 편향을 줄이고 높은 신뢰도 응답을 제공합니다.
🧩 특징
- 3개 이상의 AI를 동시에 실행
- 결과 간 일치/불일치를 시각화
- 종합 응답 + 의견 차이 분석 제공
- Max 구독자에게 웹 기반으로 제공
⚙️ 사용법
- 웹 환경에서 Model Council 선택
- 질문을 일반 질문보다 검증 필요/복잡한 리스크 질문으로 입력
- Council이 각 모델 평가 → 종합 리포트로 응답
📊 사례
- 투자 전략 분석
“향후 12개월간 기술 섹터 침체 가능성에 따른 방어적 포트폴리오 전략은?”→ 3개 모델 관점 비교 + 공통 인사이트 제시 - 전략 검증
“신규 시장 진입 전략의 위험요인과 대응 로드맵”
Gemini의 답변 :
개요: 중요한 의사결정이나 심층 연구를 위해, 하나의 질문을 3개의 최고 수준 AI 모델(예: Claude Opus 4.6, GPT-5.2, Gemini 3.1 Pro)에 동시에 던진 후, 이를 종합하여 하나의 완벽한 답변으로 도출하는 혁신적인 기능입니다.
특징:
- 교차 검증 및 사각지대 해소: 단일 모델이 가진 편향성이나 환각(Hallucination) 리스크를 완전히 줄여줍니다.
- 합의점과 이견 명시: 종합 모델(Synthesizer)이 세 모델의 답변을 분석하여, "세 모델이 모두 동의하는 확실한 사실"과 "모델 간 의견이 엇갈리는 쟁점 부분"을 명확히 나누어 설명해 줍니다.
사용사례 및 예시:
- 예시: "넷플릭스가 2026년에 라이브 스포츠 스트리밍 시장에 진출하는 것이 전략적으로 옳은가?"
- 결과: Model Council은 "과도한 콘텐츠 확보 비용의 위험(세 모델 공통 합의)"과 "아마존과의 경쟁 우위 확보 가능성(모델 간 이견 존재)"을 입체적으로 분석한 심층 리포트를 제공하여 입체적인 의사결정을 돕습니다.
사용 방법:
- 웹 브라우저의 검색창 옆에 있는 '+(플러스)' 버튼을 누르고 'Model Council'을 선택한 뒤 질문을 입력합니다. (해당 기능은 현재 웹에서 Max 및 Enterprise Max 구독자에게만 제공됩니다.)
Perplexity의 답변 :
Model Council은 Claude Opus 4.6, GPT-5.2, Gemini 3.1 Pro 등 세 모델을 동시에 실행하고, 별도의 합성(Synthesizer) 모델이 결과를 통합·비교해 하나의 답변으로 제공하는 기능입니다. 현재 웹에서 Max 및 Enterprise Max 구독자에게만 제공됩니다.
사용 방법
- Perplexity 웹 홈에서 입력창 옆 "+" 버튼 클릭
- Model Council 선택
- 검색창의 "3 models" 클릭 시 모델 조합 변경 가능 (각 모델별 Thinking 토글 개별 설정 가능)
- 질문 입력 → 세 모델이 병렬 실행 → 합성 모델이 합의점·차이점 포함 통합 답변 제공
실제 활용 예시
- 기술거래 의사결정: "블랙 알루미나 세라믹 소재를 노광장비 외 반도체 패키징 분야에 적용할 경우의 기술적 타당성과 시장성을 분석해줘."
- 전략 수립: "기술경영 컨설팅 기업이 AI 기술거래 플랫폼으로 피벗할 경우의 기회, 리스크, 진입 전략을 다각도로 분석해줘."
- 논문 검증: "기술혁신이 중소기업의 경영성과에 미치는 영향에 관한 이론적 프레임워크로 어떤 것들이 유효한지 비교해줘."
모델들이 서로 동의하는 부분은 신뢰하고 빠르게 진행하고, 서로 다른 부분은 추가 검증이 필요한 영역으로 판단하면 됩니다.
Claude의 답변 :
개요
Model Council은 2026년 2월 5일 공식 출시된 멀티모델 연구 기능으로, 하나의 질문을 여러 프론티어 AI 시스템에 동시에 제출하여 답변을 받습니다. Perplexity는 "모델 성능이 서로 다른 작업과 질문에서 점점 더 다양해지고 있다"는 데이터를 바탕으로 이 기능을 개발했습니다. PerplexityIntraBlog
작동 원리
- 3개 모델 동시 실행: 사용자의 쿼리가 3개 선택된 AI 모델(현재 Claude Opus 4.6, GPT-5.2, Gemini 3.0)을 통해 동시에 실행됩니다
- 독립적 응답 생성: 각 모델이 독립적으로 자체 응답을 생성합니다
- 통합 모델 분석: 별도의 synthesizer 모델이 3개 응답을 모두 검토합니다
- 합의 및 차이 하이라이트: 모델들이 동의하는 부분, 모순되는 부분을 식별하고 통합 답변을 생성합니다
- 사이드바이사이드 비교: 사용자는 결과를 나란히 볼 수 있고, 각 모델의 고유한 기여도를 확인할 수 있습니다 IntraBlogPerplexity
주요 특징
1. 일관성 검증
- 단일 모델이 확신 있는 주장을 할 때, 다른 모델들이 이를 확증, 반박, 또는 재구성하는지 테스트 가능
- "모든 AI 모델에는 blind spot이 있다"는 전제 하에 검증을 1급 동기로 설정
2. 다양한 관점
- 각 모델이 요약, 추론, 창의성, 수학, 코딩, 출처 찾기 등에서 서로 다른 강점 보유
- 한 모델이 다른 모델보다 특정 질문에서 우수할 수 있지만 다음 질문에서는 역전 가능
3. 신뢰도 신호
- 모든 모델이 같은 답변으로 수렴하면 높은 신뢰도로 진행 가능
- 모델들이 불일치하면 행동하기 전에 더 깊이 조사 필요 PerplexityYourStory
사용사례
투자 연구:
- "Netflix의 라이브 스포츠 스트리밍 진출에 대해 평가해줘"
- 위험과 기회를 Amazon, Apple 등 경쟁 서비스와 비교하여 균형 잡힌 관점 제공
- 모델 편향이 비용을 초래할 수 있는 주식, 시장, 금융 결정
복잡한 의사결정:
- 대규모 구매, 경력 이동, 전략적 선택에 대한 옵션 평가
- 여러 추론 접근 방식의 입력으로 옵션 검토
창의적 브레인스토밍:
- 다양한 관점이 가치를 더하는 경우
- 각 모델의 창의적 접근 방식 비교
사실 확인:
- 중요한 주장의 정확성 검증
- 여러 모델 간 교차 참조로 단일 모델의 특정 약점 의존 위험 감소 PerplexityIntraBlog
사용 방법
1. Model Council 활성화 (Max 구독자 전용):
웹에서:
1. perplexity.ai 접속
2. 입력창 옆의 모드 선택 메뉴
3. "Model Council" 선택
4. 질문 입력
2. 효과적인 질문 예시:
투자 분석:
"Tesla와 BYD의 2026년 전기차 시장 전략을 비교하고,
각 회사의 강점과 약점을 평가해줘"
전략적 결정:
"스타트업 창업 vs 대기업 입사, 30대 소프트웨어 엔지니어에게
어떤 선택이 더 나을지 장단점을 비교해줘"
MBA 프로그램 선택:
"나에게 맞는 상위 MBA 프로그램은?"
(메모리에 저장된 경력, 목표 고려)
은퇴 계획:
"현재 시장 상황을 고려한 은퇴 포트폴리오 배분 전략은?"
(과거 대화의 리스크 허용도 반영)
3. 결과 해석:
Model Council 응답에는 다음이 포함됩니다:
[합의 영역]
- 세 모델 모두 동의하는 핵심 사실
- 높은 신뢰도 정보
[차이점 영역]
- 모델 A는 X를 강조
- 모델 B는 Y 관점 제시
- 모델 C는 Z 고려사항 추가
[통합 권장사항]
- 모든 관점을 종합한 최종 제안
- 각 모델의 고유한 인사이트 통합
4. 메모리와 함께 사용:
개인화된 질문:
"5월 마라톤을 위한 훈련 계획을 세워줘"
→ Model Council이 각 모델에 대해:
- 저장된 무릎 부상 이력
- 현재 훈련 수준
- 과거 마라톤 완주 시간
등의 메모리를 활용하여 답변 생성
결과: 3개 모델이 모두 개인 맥락을 고려한
서로 다른 관점의 훈련 계획 제시
실용 예시:
질문: "2026년 현재 AI 스타트업에 투자해야 할까요?"
Model Council 프로세스:
Claude Opus 4.6:
- 시장 성숙도 분석
- 규제 환경 고려
- 보수적 접근 제안
GPT-5.2:
- 기술 혁신 속도 강조
- 특정 분야(헬스케어, 금융) 기회 포착
- 적극적 투자 제안
Gemini 3.0:
- 경쟁 환경 분석
- 빅테크 vs 스타트업 비교
- 균형 잡힌 포트폴리오 제안
통합 답변:
"세 모델 모두 AI 시장의 성장 가능성에 동의합니다.
그러나 투자 접근 방식에서는 차이가 있습니다..."
(각 관점의 장단점과 개인 상황 고려한 최종 권장사항)
Copilot의 답변 :
✔ Model Council이란?
· 세 개의 프론티어 모델(예: Claude Opus 4.6 / GPT‑5.2 / Gemini 3.0)을 동시에 실행
· 각 모델 답변을 비교 →
▪ 공통 의견(High Confidence)
▪ 불일치 지점(Need Verification)
▪ 모델별 특징(Unique Insight)
을 구조화하여 최종 종합 답변 생성
[perplexity.ai], [inthacity.com]
✔ 어떻게 사용하는가?
① Model Council 모드 선택
Perplexity 웹 → 모델 선택 메뉴 → Model Council 활성화
② 질문 입력
예:
- “전기차 시장 2026–2030 전망을 각 모델별로 비교해서
공통 의견과 논쟁 지점을 정리해줘.”
③ 결과 해석
- 세 모델의 합의점은 신뢰도 높은 결론
- 불일치 부분은 추가 조사 필요 신호
✔ 대표 사용 예시
- 투자 의사결정
“엔비디아(NVDA) 장기 투자 관점에서 위험요인/성장요인을
Model Council로 검토해줘.”
→ 모델별 시각 차이(기술 리스크/경쟁구도/거시환경)를 비교
[perplexity.ai] - 커리어 결정
“MBA 지원 시 내 프로파일을 기반으로
어느 프로그램이 가장 적합한지 Model Council로 평가해줘.”
→ 이전 메모리(경력·목표)까지 반영 가능
프롬프트 : 5. '응답 스타일 설정 (Response Preferences)' 사용법과 예시를 설명해줘.
ChatGPT의 답변 :
🎯 정의
사용자가 응답의 길이, 구조, 포맷(헤더/리스트/선호 포맷)을 사전 지정할 수 있는 기능입니다.
🧠 기능 포인트
- 응답 길이: 간단/중간/심층
- 구조형 선택: “헤더 포함”, “리스트 포함”, “표 형식” 등
- 개인화된 응답 포맷 저장 및 재사용 가능
🧠 사용법
- Perplexity 설정(Settings) → Personalize
- Response Preferences에서 선호하는 길이/구조 선택
- 이후 프롬프트마다 지정한 스타일로 응답 생성
📌 사례
- 경영 보고서 포맷
설정: ‘긴 길이 + 헤더 + 리스트’ → 질의: “우리 조직의 IT 전략 방향 2026 요약”
→ 직관적이고 섹션 구분이 된 상세 보고서 - 간단 요약 선호
설정: ‘짧은 길이 + 리스트’ → 질의: “5분 요약: 중국 경제 성장 리스크”
→ 짧고 핵심적 리스트 형 리포트
Gemini의 답변 :
· 개요: 사용자가 매번 프롬프트에 "짧게 요약해줘", "표로 만들어줘"라고 지시할 필요 없이, AI의 기본 답변 스타일을 영구적으로 지정해 두는 기능입니다.
· 특징:
o 답변의 길이(간결함 vs 상세함), 텍스트 구조(헤더 및 리스트 사용 여부), 어조(전문적, 친근함 등)를 디테일하게 통제할 수 있습니다.
· 사용사례 및 예시:
o 예시 (설정값에 입력): "모든 답변은 무조건 두괄식으로 결론부터 작성하고, 세부 내용은 불릿 포인트(-)로 정리해. 전문 용어는 비전공자도 알기 쉽게 풀어서 설명해줘."
o 결과: 이후 어떤 복잡한 질문을 하더라도, Perplexity는 항상 결론을 먼저 제시하고 깔끔한 리스트 형태로 가독성 높게 답변을 출력합니다.
· 사용 방법:
o 설정(Settings) > Personalize (개인화) 탭으로 이동한 뒤, 'Response Preferences (응답 환경설정)' 란에 원하는 지시사항을 입력하고 저장합니다.
Perplexity의 답변 :
2월 20일부터 전체 사용자를 대상으로 답변의 길이, 헤더 구조, 리스트 형식을 고정 설정할 수 있는 기능이 제공됩니다. 프로필 설정에서 선호 포맷을 직접 기술하면 이후 모든 답변에 일관되게 반영됩니다.
사용 방법
- Settings → Personalize → Profile 진입
- "Preferred formatting" 항목에 원하는 형식을 텍스트로 입력
- 또는 Settings → Personalize → Response Preferences에서 길이(짧게/보통/자세히) 및 형식(헤더 유무, 리스트 형식) 선택
- 저장 후 별도 지시어 없이도 모든 답변에 자동 적용
스타일 설정 예시 비교
| 용도 | 추천 설정 | 효과 |
| 보고서·논문 작성 | 길게 + 헤더 포함 + 리스트 | 구조화된 상세 분석 자동 제공 |
| 빠른 정보 확인 | 짧게 + 헤더 없음 | 핵심만 빠르게 요약 |
| 회의 준비 | 보통 + 글머리 기호 | 발표·공유에 적합한 형식 |
| 독서·학습 | 길게 + 단락 형식 | 설명 중심의 읽기 쉬운 서술 |
실용 팁: 기술경영 컨설팅 보고서를 준비할 때는 "헤더 포함, 상세 길이, 출처 강조" 스타일로 고정해 두면 매 질문마다 형식 지시어를 입력하지 않아도 됩니다.
Claude의 답변 :
개요
2026년 2월 업데이트에서 Perplexity는 사용자가 응답 길이와 구조를 설정에서 직접 제어할 수 있는 Response Preferences 기능을 출시했습니다. 모든 사용자에게 웹에서 제공되며, 모바일로 확대 중입니다. LinkedInNewsBreak
주요 특징
- 응답 길이 제어: 간결한 답변부터 상세한 설명까지 선택 가능
- 헤더 및 리스트 선호도: 답변의 구조화 방식 선택
- 모든 사용자 접근: 무료 사용자 포함 모든 플랜에서 사용 가능
- 즉시 적용: 설정 변경 시 이후 모든 답변에 즉시 반영 LinkedIn
설정 옵션
AI Profile 설정:
- 커뮤니케이션 스타일: 격식 있는 언어 vs 캐주얼한 톤 지정
- 선호 포맷팅: "bullet points" vs "paragraphs" 방식 선택
- 개인 관심사: 열정적인 주제 나열 (AI가 관련 예시 제공)
- 목표와 배경: 학습용, 업무 조사용, 여행 계획용 등 명시
- 선호 응답 언어: 질문 언어와 다른 언어로 답변 받기 가능
- 위치: 지역 관련 정보에 대한 정확한 답변 제공 PerplexityPerplexity
사용사례
학생용 설정:
프로필:
- 배경: "의대생, 생물학 전공"
- 톤: "학술적이지만 이해하기 쉽게"
- 포맷: "단계별 설명, 예시 포함"
- 길이: "상세"
결과: 생물학 질문에 대해 더 심층적인 과학적 세부사항 제공
비즈니스 전문가 설정:
프로필:
- 배경: "마케팅 디렉터, 테크 산업"
- 톤: "간결하고 실용적"
- 포맷: "요점만, 리스트 형식"
- 길이: "간결"
결과: 빠른 의사결정을 위한 핵심 정보만 제공
콘텐츠 크리에이터 설정:
프로필:
- 배경: "유튜버, 기술 리뷰"
- 톤: "친근하고 대화체"
- 포맷: "스토리텔링 방식"
- 길이: "중간"
결과: 일반 대중이 이해하기 쉬운 설명과 비유 포함
사용 방법
1. Response Preferences 설정:
웹에서:
1. 설정(Settings) 열기
2. "Personalize" 탭 클릭
3. 응답 길이 선택:
- Short (짧음): 간단한 답변
- Medium (중간): 균형 잡힌 설명
- Long (긴): 상세한 분석
4. 헤더 및 리스트 선호도 선택:
- Minimal (최소): 텍스트 중심
- Standard (표준): 적절한 구조화
- Structured (구조화): 헤더와 리스트 활용
모바일에서:
1. 앱 설정 열기
2. "Personalize" 섹션
3. 동일한 옵션 선택
2. AI Profile 세부 설정:
Profile 섹션에서:
1. About You (자신에 대해):
나이, 위치, 관심사, 가치관, 식단 요구사항 등 포함
예: "30대, 서울 거주, 과학 애호가, 영어 사용, 채식주의자"
2. Communication Style:
"격식 있는 학술적 언어 선호" 또는
"친근하고 대화하는 듯한 톤"
3. Goals and Context:
"소프트웨어 개발 학습 중" 또는
"스타트업 창업 준비 중"
4. Preferred Response Language:
기본적으로 질문 언어와 동일하지만
"항상 한국어로 답변" 같이 설정 가능
5. 프로필 활성화:
AI Profile 페이지에서 "Activate" 클릭
(활성화해야 설정이 적용됨)
3. 실시간 조정:
대화 중 조정도 가능:
- "더 간결하게 요약해줘"
- "bullet point로 정리해줘"
- "더 자세히 설명해줘"
- "전문 용어 없이 쉽게 설명해줘"
4. Spaces별 커스텀 설정:
프로젝트별 Space 생성:
1. Work Space: 격식 있고 간결한 비즈니스 톤
2. Study Space: 상세하고 학술적인 설명
3. Personal Space: 편안하고 대화적인 톤
각 Space의 지침(instructions)에 추가:
"이 Space에서는 항상 bullet point로 답변하고,
모든 주장에 출처를 명시하고,
기술 용어는 처음 나올 때 설명해줘"
실용 예시:
예시 1: 학생 설정
설정 전:
질문: "광합성을 설명해줘"
답변: "광합성은 식물이 빛 에너지를 화학 에너지로 변환하는 과정입니다."
설정 후 (의대생 프로필):
답변: "광합성(Photosynthesis)은 엽록체(chloroplast) 내에서 발생하는
생화학적 과정으로, 명반응(light-dependent reactions)과
암반응(Calvin cycle)의 두 단계로 구성됩니다.
명반응에서는 틸라코이드 막에서 ATP와 NADPH가 생성되며..."
(더 상세하고 전문적)
예시 2: 비즈니스 전문가 설정
설정 전:
질문: "AI 마케팅 트렌드는?"
답변: (긴 단락 형식의 설명)
설정 후 (마케팅 디렉터, 간결 선호):
답변:
"2026년 AI 마케팅 주요 트렌드:
- 초개인화: 실시간 행동 데이터 기반 맞춤 콘텐츠
- 생성형 AI: 자동화된 광고 카피 및 이미지 제작
- 예측 분석: 고객 이탈 예측 및 선제적 대응
- 음성 검색 최적화: 음성 쿼리에 맞춘 SEO 전략"
(핵심만 bullet point로)
예시 3: 언어 설정
질문(영어): "What is machine learning?"
선호 언어 설정: 한국어
답변: "머신러닝은 컴퓨터가 명시적으로 프로그래밍되지 않고도
경험을 통해 학습하고 개선하는 인공지능의 한 분야입니다..."
(자동으로 한국어로 답변)
Copilot의 답변 :
2026년 2월 업데이트 노트에서 직접적인 “Response Preferences” 용어는 명시되지 않았으나,
Perplexity는 모델 선택·요약 스타일·톤 조정 등 출력 제어 기능을 지속 강화한 것으로 보이며, 다음과 같은 방식으로 활용할 수 있습니다.
(※ Perplexity는 모델·모드 기반 스타일링을 제공하므로, “Response Preferences”는 사용자 요청 기반의 스타일 고정 방식으로 접근하는 것이 실전적입니다.)
✔ 사용법
① 사용자가 원하는 ‘답변 스타일’을 명시적으로 선언
예:
- “이후 답변은 비즈니스 컨설턴트 톤으로 해줘.”
- “앞으로 모든 설명은 초등학생도 이해할 수 있을 정도로 쉽게 작성해줘.”
- “항상 표 + 5문장 요약 구조로 답변해줘.”
② 모델 특성(예: Deep Research, 모델 협의회)과 조합
- Model Council + “정확성 우선 톤”
- Deep Research + “근거 우선 요약 방식”
③ 장기 스타일 고정 (메모리 엔진과 결합)
- 개선된 메모리 엔진은 스타일 요청도 기억하므로
“나는 간결한 인사이트 중심 답변을 선호해. 기억해줘.” 라고 하면 지속 반영 가능
[theagencyjournal.com]
✔ 대표 사용 예시
- 경영 요약 스타일
“항상 3줄 요약 + 실행 전략 3개 형식으로 답해줘.”
→ 재무/산업 분석 질의에서 자동 적용됨. - 교육/학습 스타일
“어려운 개념 설명할 때는 비유 → 예시 → 공식 순서로 답변해줘.” - 개발자 스타일
“항상 코드 예시는 TypeScript + Next.js 기반으로 작성해줘.”