5부 22장. 조사형 워크플로: 찾고, 비교하고, 정리하기

조사형 작업은 AI가 가장 유용하면서도, 가장 쉽게 사람을 헷갈리게 만드는 영역이다. 검색은 금방 되고, 요약도 순식간에 나오고, 비교표도 번듯하게 만들어 준다. 문제는 너무 빨리 그럴듯해진다는 데 있다. 보기 좋은 표와 매끈한 요약이 생기면, 우리는 자기도 모르게 그것을 사실 그 자체처럼 받아들인다.

하지만 조사란 원래 그런 일이 아니다. 조사형 작업의 핵심은 단순히 정보를 많이 모으는 데 있지 않다. 무엇을 찾고, 무엇을 버리고, 무엇과 무엇을 나란히 놓고, 어디까지를 사실로 보고 어디부터를 해석으로 볼지 구분하는 일에 있다.

그래서 조사형 AI 활용은 "한 번에 좋은 답을 받는 법"보다 "헷갈리지 않게 흐름을 설계하는 법"이 더 중요하다. 이번 장에서는 리서치 작업을 탐색, 선별, 비교, 정리의 네 단계로 나누어 본다. 이 흐름만 제대로 잡아도 인터넷 검색과 AI 요약을 함께 써도 결과가 덜 엉키고, 나중에 다시 봐도 왜 그런 결론이 나왔는지 추적할 수 있다.

조사형 작업이 자꾸 엉키는 이유

많은 사람이 조사형 작업을 할 때 처음부터 결론을 원한다. 예를 들어 "어떤 AI 회의록 도구가 제일 좋은가", "이 주제에 대해 무엇이 사실인가", "어떤 서비스가 우리 팀에 맞는가" 같은 질문을 바로 던진다. 그러면 AI는 대체로 친절하게 대답한다. 문제는 그 대답 안에 검색 결과, 일반적 상식, 추정, 마케팅 문구 같은 것이 한데 섞여 들어가기 쉽다는 점이다.

조사형 작업이 엉키는 대표적인 이유는 대개 비슷하다.

• 찾기와 판단이 한 번에 섞인다.

• 출처에서 가져온 내용과 AI의 해석이 구분되지 않는다.

• 비교 기준 없이 자료만 잔뜩 쌓인다.

• 중간 정리 없이 요약부터 만들어 버린다.

• 마지막에 무엇을 근거로 결론 냈는지 되짚을 수 없다.

쉽게 말해, 조사형 작업이 실패하는 것은 정보가 부족해서만이 아니다. 오히려 정보가 섞여 버려서 실패하는 경우가 많다.

조사형 워크플로의 기본 구조

조사형 작업은 네 단계로 나누면 훨씬 안정적이다.

• 탐색: 무엇이 있는지 넓게 찾는다.

• 선별: 쓸 만한 자료와 아닌 자료를 가른다.

• 비교: 같은 기준으로 나란히 놓는다.

• 정리: 결론, 근거, 남은 의문을 분리해 문서화한다.

이 네 단계는 단순해 보이지만 매우 강력하다. 중요한 것은 각 단계의 목적이 다르다는 점이다. 탐색 단계에서는 넓게 보는 것이 중요하고, 선별 단계에서는 버리는 것이 중요하며, 비교 단계에서는 형식을 맞추는 것이 중요하고, 정리 단계에서는 판단 가능한 형태로 바꾸는 것이 중요하다.

이 역할 차이를 무시하면, 검색을 하다가 곧바로 결론을 적고, 결론을 적다가 다시 검색을 하고, 나중에는 무엇이 원문이고 무엇이 요약인지조차 흐려진다. 조사형 워크플로는 이런 혼선을 줄이는 장치다.

1단계: 탐색 — 넓게 찾되, 결론은 미루기

탐색 단계의 목적은 정답을 고르는 것이 아니다. 지형을 파악하는 것이다. 이 주제에는 어떤 종류의 자료가 있는지, 어떤 키워드가 쓰이는지, 누구의 관점이 중요한지, 무엇이 자주 쟁점이 되는지 알아내는 단계다.

초보자가 자주 하는 실수는 첫 검색부터 "베스트"를 찾는 것이다. 하지만 좋은 조사는 보통 "무엇이 최고인가"보다 먼저 "무엇이 존재하는가"를 확인하는 데서 시작한다.

이 단계에서는 먼저 질문을 조금 더 작업 가능한 형태로 바꾸는 것이 좋다. 예를 들어 "좋은 AI 도구를 찾고 싶다"는 너무 넓다. 대신 "우리 팀이 주간 회의 내용을 자동 정리하려고 할 때, 어떤 도구를 어떤 기준으로 비교해야 하는가"처럼 바꾸면 훨씬 선명해진다.

탐색 단계에서 먼저 정해 두면 좋은 것은 다음과 같다.

• 조사 목적: 무엇을 결정하려는가

• 대상 범위: 무엇까지 포함하고 무엇은 뺄 것인가

• 시간 범위: 최신 정보가 중요한가, 누적 정보가 중요한가

• 결과 형식: 최종적으로 보고서, 비교표, 추천안 중 무엇이 필요한가

이제 AI는 여기서 아주 쓸모 있다. 하지만 역할을 잘 나눠야 한다. AI는 탐색 단계에서 검색 계획을 짜고, 키워드를 확장하고, 조사 항목을 뽑는 보조자로 쓰는 편이 좋다. 반면 실제 사실 확인은 원문 자료를 통해 진행해야 한다.

예를 들어 이렇게 요청할 수 있다.

우리 팀이 사용할 회의 요약 도구를 조사하려고 한다. 아직 결론을 내리지 말고, 먼저 조사 범위를 잡아 달라. 비교해야 할 핵심 기준 7가지를 뽑고, 검색할 때 사용할 키워드 묶음을 제안해 달라.

이런 요청은 안전하다. 왜냐하면 AI에게 아직 "무엇이 최고인지"를 묻지 않았기 때문이다. 먼저 지도부터 그리게 한 것이다.

2단계: 선별 — 자료를 모으는 것보다 버리는 것이 중요하다

탐색이 끝나면 자료가 쌓인다. 검색 결과, 공식 문서, 블로그 글, 사용 후기, 영상, 비교 기사, 커뮤니티 글이 우르르 몰려온다. 이때부터 필요한 능력은 수집이 아니라 선별이다.

조사형 작업에서 흔한 오해는 자료가 많을수록 좋다는 생각이다. 물론 어느 정도는 맞다. 하지만 자료가 너무 많으면 오히려 비교가 어려워지고, AI가 요약할 때 서로 다른 수준의 정보를 한데 뭉개 버리기 쉽다. 그래서 선별 단계에서는 "좋은 자료를 더 가져오는 것"만큼 "애매한 자료를 과감히 빼는 것"이 중요하다.

선별할 때는 적어도 네 가지를 본다. 첫째, 이 자료가 주제와 직접 관련이 있는가. 둘째, 이 자료가 얼마나 구체적인가. 셋째, 최신성이 중요한 주제라면 너무 오래된 내용은 아닌가. 넷째, 이 자료가 사실을 전달하는 문서인지, 의견을 강하게 담은 글인지 구분되는가.

여기서 중요한 습관이 하나 있다. 자료를 읽기 전에 자료 카드부터 만든다는 것이다. 어렵게 들릴 필요는 없다. 자료 하나당 짧게 메모만 남기면 된다.

자료 카드에는 보통 이런 항목이면 충분하다.

• 자료 제목 또는 이름

• 자료 유형: 공식 문서, 기사, 리뷰, 블로그, 사용자 후기 등

• 핵심 내용 한두 줄

• 왜 참고할 가치가 있는지

• 주의할 점: 광고성, 오래됨, 범위가 좁음 등

이 작업은 손이 조금 가지만, 나중에 엄청난 차이를 만든다. 자료 카드가 없으면 조사 막판에 "이 말 어디서 봤더라?"가 반복된다. 반대로 자료 카드가 있으면, 비교할 때도 훨씬 차분해진다. AI에게도 이 자료 카드들을 넣어 주며 "이 중 비교 대상으로 남길 것만 추려 달라"고 시킬 수 있다.

예를 들어 이렇게 말할 수 있다.

아래 자료 카드 12개를 보고, 비교 대상으로 남길 자료와 제외할 자료를 나눠 달라. 단, 제외 이유를 간단히 적고, 공식 문서와 실제 사용자 관점을 균형 있게 남겨라.

여기서도 포인트는 분명하다. AI에게 "정답"을 맡기는 것이 아니라, 1차 선별 보조를 맡기는 것이다.

3단계: 비교 — 같은 질문으로 나란히 놓아야 보인다

조사의 진짜 핵심은 비교 단계에서 드러난다. 사람은 자료를 하나씩 읽을 때보다, 같은 기준으로 나란히 놓았을 때 차이를 더 잘 본다. 그래서 비교 단계에서는 "무엇이 좋은가"를 묻기 전에 "무엇을 같은 칸에 넣고 볼 것인가"를 먼저 정해야 한다.

예를 들어 도구를 비교한다면 가격, 기능, 협업 방식, 데이터 보관, 언어 지원, 사용 난이도, 도입 비용 같은 항목이 있을 수 있다. 정책을 비교한다면 목적, 대상, 적용 범위, 장점, 부작용, 시행 조건 같은 항목이 있을 수 있다. 논문이나 주장들을 비교한다면 문제 정의, 사용한 방법, 핵심 결과, 한계, 반론 가능성 같은 항목이 있을 수 있다.

이 단계에서 AI는 아주 강하다. 여러 자료에서 형식이 제각각인 정보를 끌어와 한 표 안에 정렬하는 일을 잘한다. 다만 조건이 있다. 원문이나 발췌문을 충분히 주고, 무엇을 어떤 칸에 넣을지 명확히 지시해야 한다.

좋은 비교표는 단순히 정보가 많다고 좋은 것이 아니다. 같은 질문에 대한 답이 나란히 보이는 표가 좋은 표다.

비교 단계에서는 특히 아래 세 가지를 분리해서 보는 것이 좋다.

• 공통점: 여러 자료가 대체로 같이 말하는 것

• 차이점: 서로 다르게 주장하거나 강조하는 것

• 불확실성: 자료가 부족하거나 확인이 더 필요한 것

이 구분이 없으면 모든 정보가 같은 무게로 보인다. 하지만 실제 조사에서는 "대체로 합의된 사실"과 "의견이 갈리는 지점"과 "아직 모르는 부분"이 나뉘어야 한다. 이 세 칸만 제대로 살아 있어도 최종 요약의 품질이 크게 올라간다.

AI에게는 이런 식으로 요청하면 좋다.

아래 발췌문만 근거로 비교표를 만들어 달라. 항목은 가격, 핵심 기능, 한국어 지원, 팀 협업 기능, 보안 관련 언급, 한계로 통일해 달라. 정보가 없으면 추정하지 말고 '명시 없음'이라고 적어라.

이 프롬프트의 좋은 점은 두 가지다. 하나는 "아래 발췌문만 근거로"라고 범위를 묶은 것이고, 다른 하나는 "추정하지 말라"고 안전장치를 건 것이다.

4단계: 정리 — 요약이 아니라 판단 가능한 문서를 만든다

많은 사람이 조사형 작업의 마지막을 "요약"이라고 생각한다. 하지만 실전에서 필요한 것은 보통 단순 요약이 아니다. 다음 행동을 결정할 수 있는 정리다.

좋은 조사 정리는 보통 세 층으로 나뉜다.

첫 번째 층은 핵심 한 페이지다. 바쁜 사람도 여기만 읽으면 무슨 주제이고, 어떤 결론이 가능하며, 무엇이 아직 불확실한지 알 수 있어야 한다.

두 번째 층은 비교 결과다. 표나 항목별 정리가 들어간다. 결론을 뒷받침하는 구조물이라고 생각하면 된다.

세 번째 층은 근거와 메모다. 어떤 자료를 봤고, 어떤 이유로 제외했고, 무엇은 추가 확인이 필요한지 남긴다. 이 부분은 당장 화려하지 않지만, 나중에 다시 검토할 때 엄청 중요하다.

즉, 정리 단계의 결과물은 보통 다음과 같은 형태가 된다.

• 한 문단 결론

• 비교표 또는 항목별 요약

• 추천안 또는 다음 행동

• 남은 의문과 추가 확인 사항

이렇게 만들면 "읽고 끝나는 문서"가 아니라 "결정에 쓰이는 문서"가 된다.

인터넷 검색과 AI 요약을 함께 쓸 때 꼭 지켜야 할 규칙

이 장의 핵심은 바로 이것이다. 검색과 AI 요약을 같이 써도 좋다. 다만 섞는 방식을 조심해야 한다.

가장 중요한 원칙은 원문 기반 메모와 AI 생성 메모를 분리하는 것이다. 원문에서 직접 확인한 내용은 별도로 저장하고, AI가 그것을 바탕으로 정리하거나 재구성한 내용은 또 따로 표시해야 한다. 둘이 한 메모장 안에서 뒤섞이면, 나중에는 어느 문장이 실제 자료에서 온 것인지 알 수 없어진다.

실전에서는 다음 규칙만 지켜도 훨씬 덜 엉킨다.

• 검색 결과를 모으는 단계와 요약하는 단계를 분리한다.

• 원문에서 뽑은 발췌문과 AI의 해석문을 구분해 적는다.

• AI에게는 가능하면 원문 링크 전체보다 필요한 발췌문을 정리해서 준다.

• "이 자료만 근거로 답하라"는 범위 제한을 자주 건다.

• 자료에 없는 내용은 추정하지 말라고 명시한다.

• 결론을 쓰기 전에 먼저 공통점, 차이점, 불확실성을 정리한다.

한마디로 말하면, 검색은 재료를 모으는 일이고, AI 요약은 재료를 손질하는 일이다. 재료가 정리되기도 전에 국부터 끓이면 맛이 이상해지는 것처럼, 자료가 선별되기도 전에 AI에게 통합 결론부터 시키면 결과가 흐려진다.

조사형 워크플로의 실전 예시

예를 들어 당신이 팀에 도입할 AI 회의 정리 도구를 조사한다고 해 보자. 막연하게 "어떤 도구가 제일 좋지?"라고 묻는 대신 흐름을 이렇게 나눌 수 있다.

먼저 탐색 단계에서 조사 목적을 적는다. "우리 팀은 주간 회의 내용을 자동 요약하고, 액션 아이템을 정리하며, 한국어 회의를 다루기 쉬운 도구를 찾는다." 그다음 AI에게 비교 기준을 뽑게 한다. 예를 들면 정확도, 한국어 처리, 협업 기능, 가격, 보안, 내보내기 형식, 도입 난이도 같은 것들이다.

그다음 검색을 통해 공식 문서, 제품 소개 페이지, 실제 사용 후기, 비교 글을 모은다. 여기서 바로 결론을 내리지 않고, 자료 카드로 정리한다. 광고성 글인지, 실제 경험담인지도 표시한다.

선별 단계에서는 너무 얕은 글을 빼고, 공식 문서와 사용자 후기가 모두 남도록 조정한다. 그래야 한쪽만 보고 판단하지 않게 된다.

비교 단계에서는 각 도구를 같은 표에 넣는다. AI에게 발췌문만 주고 비교표를 만들게 한 뒤, 빠진 칸은 사람이 다시 확인한다. 이때 "보안 언급 없음"과 "보안이 약하다"는 완전히 다른 말이라는 점도 분리해야 한다.

마지막 정리 단계에서는 이런 문서를 만든다. "우리 팀 기준으로는 A와 B가 우선 검토 대상이다. A는 협업과 내보내기 기능이 강점이고, B는 한국어 처리와 가격 면에서 유리하다. 다만 둘 다 실제 회의 품질은 체험 계정으로 검증이 필요하다."

보면 알겠지만, 여기서 중요한 것은 AI가 대신 골라 줬다는 사실이 아니다. 사람이 판단할 수 있게 비교 구조를 만들어 주었다는 사실이다.

조사형 프롬프트는 길이보다 순서가 중요하다

조사형 작업에서 초보자는 프롬프트를 길게 쓰면 더 정확해질 거라고 생각하기 쉽다. 물론 어느 정도는 맞다. 하지만 더 중요한 것은 길이가 아니라 순서다.

조사형 프롬프트는 보통 이런 순서를 따를 때 안정적이다.

• 지금 단계가 무엇인지 먼저 밝힌다.

• 이번 단계의 목적을 한 줄로 적는다.

• 사용할 자료 범위를 명확히 제한한다.

• 원하는 산출물 형식을 지정한다.

• 추정 금지, 누락 표시 같은 안전 규칙을 넣는다.

예를 들어 탐색 단계인데 벌써 추천안까지 요구하면 엉킨다. 비교 단계인데 자료 범위를 안 묶으면 AI가 아는 척을 하기 시작한다. 정리 단계인데 불확실성을 빼 달라고 하면, 보고서가 자신만만한 척을 하게 된다.

그러니 조사형 프롬프트에서 중요한 것은 "멋진 문장"이 아니라 현재 단계에 맞는 역할 배정이다.

사람이 반드시 개입해야 하는 지점

조사형 작업은 AI가 많이 도와줄 수 있지만, 전부 맡기기에는 위험한 구간이 분명히 있다. 특히 세 지점에서는 사람의 개입이 중요하다.

첫째는 조사 질문을 정하는 순간이다. 무엇을 비교할지, 무엇을 중요한 기준으로 볼지는 결국 사람이 정해야 한다. 질문이 흔들리면 그 뒤 단계는 모두 흔들린다.

둘째는 선별 단계의 마지막 승인이다. 자료의 무게를 판단하는 일은 아직 사람의 감각이 중요하다. 겉보기엔 정성 들인 글 같아도 실제로는 광고성일 수 있고, 짧은 후기 같아도 현장감 있는 단서일 수 있다.

셋째는 최종 결론을 문장으로 적는 순간이다. 특히 "그래서 무엇을 할 것인가"는 AI가 아니라 사람이 책임지는 편이 좋다. AI는 후보를 정리해 줄 수 있지만, 결정의 책임까지 대신 져 주지는 않는다.

좋은 조사형 워크플로는 AI를 많이 쓰는 흐름이 아니라, 사람이 책임져야 하는 지점을 또렷하게 남겨 두는 흐름이다.

조사형 작업을 망치는 흔한 패턴

조사를 하다 보면 자주 반복되는 실패가 있다. 이런 패턴만 피해도 품질이 확 좋아진다.

첫 번째는 첫 요약을 최종 결론처럼 받아들이는 것이다. AI의 첫 대답은 출발점이지 종착점이 아니다.

두 번째는 출처를 남기지 않는 것이다. 지금은 기억날 것 같아도, 며칠 뒤에는 거의 잊는다.

세 번째는 서로 다른 종류의 자료를 같은 무게로 다루는 것이다. 공식 문서, 체험 후기, 마케팅 페이지, 커뮤니티 글은 역할이 다르다.

네 번째는 비교 기준이 자꾸 바뀌는 것이다. A를 볼 때는 가격을 보고, B를 볼 때는 기능을 보고, C를 볼 때는 리뷰 수를 보면 결국 공정한 비교가 불가능해진다.

다섯 번째는 "모르겠다"는 칸을 남기지 않는 것이다. 조사는 모든 칸이 채워지는 게임이 아니다. 오히려 빈칸을 제대로 남기는 태도가 더 신뢰할 만하다.

작은 템플릿 하나만 있어도 조사는 훨씬 쉬워진다

조사형 작업을 자주 한다면, 복잡한 시스템보다 작은 템플릿 하나를 먼저 만드는 편이 낫다. 예를 들어 아래 구조만 고정해도 웬만한 리서치에 다 쓸 수 있다.

1. 조사 질문 한 문장

2. 비교 기준 5~7개

3. 후보 자료 목록

4. 선별된 자료 카드

5. 비교표

6. 한 문단 결론

7. 추가 확인 필요 사항

이 템플릿의 장점은 단순함이다. 조사할 때마다 "어디서부터 시작하지?" 하고 멈추지 않게 해 준다. 그리고 AI에게도 늘 같은 형식으로 일을 시킬 수 있어서 결과가 더 안정된다.

이 장의 정리

조사형 워크플로의 핵심은 많이 찾는 데 있지 않다. 엉키지 않게 찾는 데 있다. 이를 위해서는 탐색, 선별, 비교, 정리의 단계를 구분해야 한다. 탐색에서는 지형을 보고, 선별에서는 버릴 것을 정하고, 비교에서는 같은 기준으로 나란히 놓고, 정리에서는 판단 가능한 문서를 만든다.

인터넷 검색과 AI 요약은 잘만 섞으면 강력하다. 하지만 원문과 해석이 뒤섞이는 순간, 조사는 금세 흐려진다. 그래서 검색 결과를 바로 믿기보다, 자료 카드를 만들고, 비교표를 만들고, 불확실성을 남기는 습관이 중요하다.

조사는 결국 "무엇을 알았는가"만큼 "왜 그렇게 판단했는가"가 중요한 작업이다. 그 흐름을 설계해 두면 AI는 그럴듯한 말 제조기가 아니라, 정보를 다듬고 판단을 돕는 훌륭한 조사 보조자가 된다.

다음 장에서는 이 흐름을 글쓰기 작업으로 옮겨 본다. 조사에서 모은 재료가 실제 초안, 퇴고, 변환의 흐름으로 어떻게 이어지는지 이해하면, AI 활용은 한층 더 실전적으로 변한다.