복잡한 질문을 위한 GenAI, Critical Facts 검색
GenAI for Complex Questions, Search for Critical Facts
배경 및 소개
사용자들이 정보 탐색에서 genAI를 언제, 어떻게 선택하는지에 대한 실증적 관찰이 필요해졌다. 검색엔진이 AI 모드로 진화하는 한편, ChatGPT, Gemini, Grok 같은 챗봇이 일상화되면서 탐색과 요약, 결합, 판단 보조가 뒤섞이고 있기 때문이다. 본 연구는 사람들이 실제로 수행하려던 현실 과제를 가져오게 하고, AI 챗봇과 전통적 검색 중 어떤 도구를 어떤 지점에서 택하는지 관찰했다. 결과는 명확했다. 아이디어가 모호하거나 요구조건이 여럿 얽혀 있거나 여러 출처를 합쳐야 할 때 사용자는 genAI로 출발해 방향을 잡고 윤곽을 좁혔다. 반대로 정확성, 통제, 신뢰할 수 있는 출처가 핵심일 때는 전통적 검색과 공신력 있는 사이트로 돌아갔다. 즉 두 도구는 경쟁이 아니라 상호보완적 역할을 한다는 사용자 심리를 드러냈다. 이 맥락은 여행·구매·학습·건강 정보처럼 생활 속 고저위험 과제가 공존하는 오늘의 정보행태를 설명한다.
주요 내용
사용자들이 genAI를 선택한 첫 이유는 시작 허들을 낮추기 위해서였다. 전통 검색은 키워드를 가정하지만, 챗봇은 모호한 목표를 대화로 풀어주며 keyword foraging의 시행착오를 줄였다. 예컨대 Kindle에 쓸 무료 도서 유무처럼 범위가 넓은 질문에서 genAI는 가능 옵션을 제시해 탐색의 발판을 만들었다. 둘째, 예산·기간·지역 등 다중 제약을 동시에 다루는 데 genAI가 유리했다. 골프 여행처럼 3~4개 조건을 함께 만족시켜야 하는 문제에서 사용자는 챗봇을 선호했고, Google의 AI 모드는 낮은 발견성 탓에 덜 활용됐다. 셋째, genAI는 interaction cost를 크게 절감했다. 여러 사이트를 오가며 information foraging을 할 필요 없이 요점을 모아 보여주고, 제품 리뷰는 요약으로 과잉 정보와 기술적 장황함을 걸러줬다. Amazon의 Rufus처럼 리뷰 집약을 돕는 도구도 같은 이유로 호평을 받았다. 넷째, genAI는 working-memory load를 낮췄다. NPS와 AllTrails.com을 번갈아 보며 수기 메모로 하이킹 코스를 비교하던 초보 사용자는 Gemini가 난이도별 정리와 조건별 필터링을 곧바로 제공해 시간이 단축됐다고 평가했다. AI 리터러시가 높은 사용자는 처음부터 표 형태, pros/cons, 요건별 열 구성 등 구조화된 출력을 요구해 비교를 가속했다. 반면 사용자가 전통 검색을 택한 순간은 통제와 신뢰가 우선일 때였다. 챗봇이 제안한 후보를 공식 사이트에서 재확인하거나, 가격·수치처럼 오차 비용이 큰 정보는 검색으로 검증했다. 실제로 지역 분류 오류 같은 LLM의 실수를 목격한 참가자들은 ‘방향 제시는 유용하되, 확정값은 검색으로’라는 심리를 보였다. 건강 정보나 고액 구매처럼 stakes가 높은 주제에서는 대학·정부 사이트 등 명시적 출처를 선호했다. 인용 링크가 붙어도 어떤 주장과 어느 출처가 정확히 연결되는지 불투명해 신뢰 문제가 남았고, 이럴 때는 Google로 가서 출처를 직접 조회했다. 학술·전문 주제는 더욱 그러해 Google Scholar, Notebook.LM 등을 통해 원문과 서지 정보를 찾았고, paywall·환각 가능성이 있는 ChatGPT는 아이데이션 정도로만 제한했다. 연구는 원격 관찰로 진행됐고, AI 경험과 기술 숙련도가 다양한 참가자들이 실제 필요 과제를 수행했다. 과제는 주제를 이해하는 Understand와 대안을 고르는 Choose로 나뉘었고, 전자는 학습·문제 해결형, 후자는 제품 비교·여행 기획처럼 상호의존적 결정을 포함했다.
결론 및 시사점
결론적으로 genAI는 탐색, 수렴, 통합의 가속기이고 전통 검색은 검증과 확정의 안전망이다. 사용자는 모호함과 다중 제약, 다출처 종합에는 genAI를, 높은 정확도와 출처 통제가 필요한 순간에는 검색을 택하며 두 흐름을 왕복한다. 이는 설계 관점에서 ‘AI로 발산하고 검색으로 수렴한다’는 실제 워크플로를 시사한다. 신뢰는 인용 유무만으로 해결되지 않으며, 주장 단위의 출처 매핑과 최신성·범위 명시가 요구된다. 또 표·요약·필터 같은 구조화 출력을 전면에 두고, 가격·건강정보 등 고위험 맥락에서는 공식 출처로의 즉시 전환과 값 검증을 쉽게 해야 한다. 본 연구는 소규모 관찰과 신기능(예: Google AI 모드)의 낮은 발견성이라는 제약이 있어 일반화에는 주의가 필요하다. 그럼에도 실제 과제 기반의 선택 패턴을 통해 genAI와 검색의 분업 구조, 신뢰·통제·상황 중요도에 따른 도구 전환 규칙을 분명히 보여주며, 향후 AI 경험 설계의 기준선을 제시한다.
💡 모호한 과제 탐색과 다중 제약 종합은 genAI에 맡기고, 가격·건강·정확 수치처럼 오차 비용이 큰 정보는 전통 검색과 출처 기반 검증 흐름을 즉시 제공하라. 주장 단위 출처 매핑, 표·요약 등 구조화 출력, 그리고 ‘AI 제안→공식 출처 확인’의 원클릭 전환을 UX에 내장하는 것이 핵심이다.
뉴스레터 구독
매주 금요일, 주간 HCI 하이라이트를 이메일로 받아보세요.