Pro Search와 Deep Research로 깊이 있는 조사하기

지난 장에서 Focus 모드는 Perplexity가 어디를 보게 할지 정하는 렌즈라고 했다. Web을 볼지, Academic을 볼지, Social을 볼지 정하면 같은 질문도 전혀 다른 성격의 답을 낸다. 이번 장에서는 그 렌즈를 들고 얼마나 깊이 들어갈지를 정하는 방법을 배운다.

Perplexity를 처음 쓰는 사람은 모든 질문을 같은 방식으로 던진다. 오늘 날씨, 특정 용어 뜻, 제품 비교, 시장 조사, 논문 검토를 모두 한 검색창에 넣고 같은 속도의 답을 기대한다. 하지만 좋은 리서치는 질문의 난이도에 따라 도구의 기어를 바꾼다. 자전거로 동네 편의점에 갈 때와 산길을 오를 때 같은 기어를 쓰지 않는 것과 같다.

Perplexity에서 그 기어에 해당하는 것이 일반 검색, Pro Search, Deep Research다. 일반 검색은 빠른 확인에 좋고, Pro Search는 질문의 여러 면을 더 깊게 파고들 때 좋으며, Deep Research는 보고서형 조사에 가깝다. 이 셋을 구분할 줄 알면 Perplexity는 단순한 답변기가 아니라 리서치 조수처럼 움직이기 시작한다.

일반 검색, Pro Search, Deep Research는 속도와 깊이가 다르다

먼저 용어부터 정리하자. 여기서 말하는 일반 검색은 Perplexity의 기본 답변 흐름이다. 질문을 던지면 웹에서 관련 정보를 찾고, 핵심 내용을 요약하고, 출처를 붙여 답한다. 빠르고 가볍다. 특정 사실을 확인하거나 개념을 이해하는 데 충분하다.

Pro Search는 한 단계 더 깊다. Perplexity 공식 설명에 따르면 Pro Search는 질문의 여러 측면을 탐색하고, 더 넓은 범위의 신뢰할 만한 출처를 연결하며, 결과가 나오기까지의 단계적 과정을 보여 주는 방향으로 설계되어 있다.¹ 쉽게 말하면, 일반 검색이 한 번에 답을 만드는 방식이라면 Pro Search는 질문을 조금 더 쪼개고, 여러 출처를 더 진지하게 살펴본 뒤 답을 구성한다.

Deep Research는 이름 그대로 심층 조사에 가깝다. Perplexity는 Deep Research가 복잡한 주제에 대해 여러 검색과 분석을 수행해 보고서형 답변을 만들며, 많은 작업을 몇 분 안에 끝내는 것을 목표로 한다고 소개했다.² 환경에 따라 메뉴 이름이 Research 또는 Deep Research처럼 보일 수 있지만, 핵심은 같다. 짧은 답 하나가 아니라, 여러 출처를 읽고 구조화된 조사 결과를 만드는 모드다.

세 가지를 표로 비교하면 감이 더 빨리 온다.

중요한 것은 더 깊은 모드가 항상 더 좋은 선택은 아니라는 점이다. 2 더하기 2를 계산하는 데 회계사를 부를 필요는 없다. 단순한 질문에 Deep Research를 쓰면 답은 길어지지만 시간과 한도만 낭비될 수 있다. 반대로 시장 진입 전략처럼 복잡한 질문을 일반 검색에만 맡기면 답이 얕고 위험해진다.

일반 검색으로 충분한 질문

일반 검색은 빠른 정찰이다. 숲 전체를 조사하기 전에 입구 표지판을 읽는 단계라고 생각하면 된다. 이때 목적은 완벽한 보고서가 아니라, 지금 당장 필요한 기본 정보를 얻는 것이다.

예를 들어 이런 질문은 일반 검색으로 충분하다.

Perplexity에서 Focus 모드는 무엇을 뜻해?

2026년 기준 Perplexity Pro의 월 구독료가 얼마인지 알려줘.

논문에서 DOI가 무엇인지 쉽게 설명해 줘.

한국과 일본의 시차는 몇 시간이야?

이런 질문은 답이 비교적 명확하다. 물론 요금제처럼 시간이 지나면 바뀌는 정보는 출처 날짜를 확인해야 하지만, 굳이 Deep Research까지 켤 필요는 없다. 빠른 답을 받고, 필요한 경우 출처를 눌러 원문을 확인하면 된다.

일반 검색이 특히 좋은 순간은 세 가지다. 첫째, 용어의 뜻이나 배경지식을 빠르게 알고 싶을 때다. 둘째, 이미 어느 정도 알고 있는 내용의 최신 상태만 확인하고 싶을 때다. 셋째, 본격 리서치를 시작하기 전에 질문의 방향을 잡고 싶을 때다.

이 마지막 용도가 매우 중요하다. 심층 조사를 바로 시작하기 전에 일반 검색으로 큰 그림을 잡으면 Pro Search와 Deep Research를 훨씬 아껴 쓸 수 있다. 처음부터 비싼 기어를 넣지 말고, 가벼운 검색으로 지형을 먼저 보는 것이다.

Pro Search를 켜야 하는 질문의 신호

Pro Search는 질문이 하나의 답으로 끝나지 않을 때 빛난다. 특히 비교, 판단, 원인 분석, 찬반 검토처럼 여러 관점이 필요한 질문에 적합하다. 일반 검색이 검색 결과 몇 개를 요약하는 느낌이라면, Pro Search는 조금 더 성실한 조사 메모를 만들어 준다.

예를 들어 다음 질문을 보자.

Notion AI와 Perplexity를 업무 리서치 관점에서 비교해 줘.

이 질문은 단순하지 않다. 기능, 출처 표시, 파일 분석, 협업, 가격, 실제 사용 흐름을 모두 봐야 한다. 이런 경우 일반 검색은 대략적인 차이를 말해 줄 수 있지만, Pro Search는 더 많은 출처와 관점을 엮어 답할 가능성이 높다.

다음 질문도 Pro Search에 어울린다.

2026년 한국 B2B SaaS 스타트업이 콘텐츠 마케팅을 할 때 고려해야 할 채널을 예산, 실행 난이도, 리드 품질 기준으로 비교해 줘.

여기에는 시간, 지역, 산업, 목적, 비교 기준이 모두 들어 있다. 이런 질문을 잘 처리하려면 단순히 블로그 한두 개를 읽는 것보다 여러 자료를 종합해야 한다. Pro Search를 켤 만한 질문이다.

Pro Search를 쓸지 판단하는 가장 간단한 기준은 이렇다. 답변 안에 표가 필요할 것 같으면 Pro Search를 고려하자. 찬성과 반대가 모두 필요하면 Pro Search를 고려하자. 어떤 선택을 해야 하는지 판단해야 한다면 Pro Search를 고려하자. 반대로 한 문장짜리 사실 확인이라면 일반 검색으로 시작하자. 여러 사용 가이드도 Pro Search를 복잡한 리서치, 구매 결정, 학술적 근거 확인, 여러 관점의 검토에 쓰고, 단순 정의나 빠른 사실 확인에는 아껴 쓰라고 조언한다.³

Pro Search 질문은 조건을 넣을수록 강해진다

Pro Search를 켰다고 해서 질문을 대충 써도 되는 것은 아니다. 오히려 깊이 들어가는 모드일수록 질문의 설계가 중요하다. 방향을 잘못 잡은 채 깊이 파면, 엉뚱한 곳에 멋진 터널을 뚫게 된다.

나쁜 질문은 이렇다.

AI 마케팅 트렌드 알려줘.

너무 넓다. 세계 시장인지 한국 시장인지, B2B인지 B2C인지, 예산이 큰 기업인지 작은 팀인지 알 수 없다. Pro Search가 열심히 찾아도 결과는 평범한 트렌드 요약에 머물기 쉽다.

좋은 질문은 이렇게 바뀐다.

2026년 한국 B2B SaaS 스타트업이 월 500만 원 이하 예산으로 시도할 만한 AI 마케팅 활용법을 조사해 줘. 콘텐츠 제작, 리드 수집, 고객 지원 자동화로 나누고, 각 방법의 장점, 위험, 필요한 도구를 표로 정리해 줘.

이 질문에는 목적지도가 들어 있다. 한국, B2B SaaS, 스타트업, 월 500만 원 이하, 세 가지 활용 분야, 출력 형식까지 지정했다. Perplexity는 이제 무엇을 찾아야 하는지 안다.

Pro Search용 질문을 만들 때는 다섯 가지를 넣으면 좋다.

이 다섯 가지를 매번 모두 넣을 필요는 없다. 하지만 질문이 복잡할수록 목적과 범위는 꼭 넣자. Perplexity는 똑똑하지만, 당신이 왜 그 질문을 하는지는 모른다. 목적을 알려 주면 답변의 모양이 달라진다.

Deep Research는 보고서가 필요할 때 쓴다

Deep Research는 Pro Search보다 더 묵직한 조사에 어울린다. 검색 결과 한 화면을 빠르게 보는 것이 아니라, 여러 자료를 읽고 정리한 보고서를 받는다는 느낌에 가깝다. 일부 연구자용 가이드에서는 Perplexity의 Research 모드가 여러 차례 검색을 수행하고 많은 출처를 읽은 뒤 구조화된 보고서를 제공한다고 설명한다.⁴

이 모드는 특히 다음과 같은 상황에서 힘을 발휘한다.

시장 규모를 조사해야 한다. 경쟁사를 비교해야 한다. 정책 변화의 흐름을 따라가야 한다. 기술 동향을 정리해야 한다. 학술 문헌의 큰 흐름을 파악해야 한다. 이런 작업은 검색 결과 하나로 끝나지 않는다. 어떤 출처는 시장 규모를 말하고, 어떤 출처는 성장률을 말하고, 어떤 출처는 규제 리스크를 말한다. 사람이라면 탭을 여러 개 열고 읽고 메모하고 다시 비교해야 한다. Deep Research는 바로 이 과정을 대신 시작해 주는 기능이다.

좋은 Deep Research 질문은 일반 질문보다 더 명령서에 가깝다. 예를 들어 보자.

한국 생성형 AI 교육 시장의 2024년 이후 변화를 Deep Research로 조사해 줘. 시장 규모, 주요 기업, 공교육 도입 사례, 규제 이슈, 향후 2년 전망을 나누어 보고서 형식으로 정리해 줘. 가능하면 정부·공공기관 자료, 기업 공식 발표, 신뢰할 만한 언론 보도를 우선해 줘. 불확실한 수치는 출처와 함께 표시하고, 서로 다른 추정치가 있으면 차이를 설명해 줘.

이 질문은 Perplexity에게 일을 맡기는 방식이 다르다. 단순히 답을 달라는 것이 아니라 조사 범위, 자료 우선순위, 보고서 구조, 불확실성 처리 방식까지 정했다. Deep Research는 이런 질문을 좋아한다. 깊게 조사할 이유와 방향이 분명하기 때문이다.

Deep Research가 진행되는 동안 봐야 할 것

Deep Research는 일반 검색보다 시간이 걸린다. 몇 초 만에 끝나지 않는다고 실패한 것이 아니다. 오히려 내부에서 질문을 쪼개고, 자료를 찾고, 읽고, 종합하는 중이라고 이해하면 된다. 전문 분석에서는 이런 흐름을 검색, 추론, 재검색, 검증, 종합의 반복으로 설명하기도 한다.⁵

기다리는 동안 화면에는 환경에 따라 검색 중, 분석 중, 출처 검토 중, 보고서 작성 중처럼 진행 상태가 표시될 수 있다. 어떤 경우에는 참고 중인 출처가 늘어나거나, 하위 주제를 탐색하는 과정이 보이기도 한다. 이때 초보자가 자주 하는 실수는 답이 늦는다고 바로 중단하고 질문을 다시 쓰는 것이다. Deep Research는 원래 조금 기다려야 한다.

다만 무작정 기다리기만 하면 안 된다. 진행 상태를 보며 세 가지를 확인하자. 첫째, Perplexity가 내 질문의 핵심어를 제대로 잡고 있는지 본다. 예를 들어 한국 시장을 물었는데 전 세계 자료만 보고 있다면, 결과가 나온 뒤 후속 질문으로 지역 범위를 다시 좁혀야 한다. 둘째, 출처의 종류가 맞는지 본다. 정책 변화를 물었는데 블로그만 많고 정부 자료가 없다면, 공식 문서 중심으로 다시 요청해야 한다. 셋째, 너무 넓은 질문을 던지지 않았는지 본다. 진행이 길어지고 답변이 산만하다면 다음에는 질문을 둘로 나누는 편이 낫다.

결과가 나오면 바로 본문부터 읽지 말고 구조를 먼저 보자. 보고서의 큰 제목, 섹션 순서, 표, 출처 묶음을 훑으면 Perplexity가 이 문제를 어떻게 이해했는지 알 수 있다. 구조가 틀렸다면 세부 내용이 아무리 좋아도 다시 잡아야 한다.

Deep Research에 잘 맞는 질문 유형

Deep Research가 가장 강한 분야는 여러 출처를 비교해야 하고, 답변 자체가 문서 형태가 되어야 하는 주제다. 단순히 무엇이냐고 묻는 질문보다, 왜 그런지, 어떻게 변했는지, 무엇을 선택해야 하는지 묻는 질문에 잘 맞는다.

시장 조사는 대표적인 예다.

2026년 기준 한국 펫테크 시장을 조사해 줘. 시장 규모 추정치, 성장 요인, 주요 플레이어, 수익 모델, 규제 리스크를 보고서 형식으로 정리해 줘.

경쟁사 비교도 좋다.

국내 AI 회의록 서비스 5개를 비교해 줘. 가격, 핵심 기능, 한국어 인식 품질, 보안 기능, 주요 고객군, 차별화 포인트를 표로 정리하고, 각 서비스의 공식 페이지를 출처로 우선 확인해 줘.

정책 변화도 Deep Research에 잘 맞는다.

2024년 이후 EU AI Act 시행 흐름이 한국 AI 스타트업에 줄 수 있는 영향을 조사해 줘. 의무 사항, 고위험 AI 분류, 투명성 요구, 국내 기업이 준비해야 할 체크리스트로 나누어 정리해 줘.

기술 동향 역시 좋은 대상이다.

2025년 이후 온디바이스 AI 기술 동향을 조사해 줘. 스마트폰, 노트북, 자동차, 웨어러블 분야로 나누고, 칩셋 변화와 개인정보 보호 측면의 장단점을 함께 설명해 줘.

문헌 검토도 가능하다.

최근 3년간 생성형 AI가 대학생 글쓰기 능력에 미치는 영향을 다룬 연구를 문헌 검토 형식으로 정리해 줘. 연구 질문, 방법론, 주요 결과, 한계, 아직 남은 쟁점을 나누어 설명해 줘.

이런 질문들은 공통점이 있다. 하나의 링크만 보고 답할 수 없다. 자료의 종류가 다양하고, 수치와 주장과 해석이 섞여 있으며, 결과물이 보고서 형태여야 한다. 이런 경우 Deep Research를 쓰면 검색 시간을 크게 줄일 수 있다.

Deep Research에 어울리지 않는 질문도 있다

Deep Research는 강력하지만 만능은 아니다. 어울리지 않는 질문에 쓰면 답변이 길기만 하고 실속이 없어진다.

예를 들어 다음 질문은 Deep Research까지 필요 없다.

Perplexity의 뜻이 뭐야?

서울에서 부산까지 KTX로 얼마나 걸려?

Python에서 리스트 길이를 구하는 함수는 뭐야?

이런 질문은 일반 검색이나 간단한 답변으로 충분하다. Deep Research를 쓰면 짧게 끝날 일을 장황한 설명으로 늘릴 수 있다.

또한 비공개 정보가 필요한 질문에도 한계가 있다. Perplexity는 공개 웹과 접근 가능한 자료를 중심으로 조사한다. 회사 내부 매출, 유료 데이터베이스의 상세 통계, 비공개 고객 인터뷰, 사내 문서에만 있는 정보는 웹 기반 Deep Research만으로 알 수 없다. 이런 경우에는 다음 장에서 다룰 파일 업로드나, 내부 자료를 정리한 뒤 질문하는 방식이 필요하다.

의료, 법률, 투자처럼 판단의 책임이 큰 분야도 조심해야 한다. Deep Research가 출처를 붙여 준다고 해서 전문 자문을 대체할 수는 없다. 이때 Perplexity는 판단을 대신하는 사람이 아니라, 확인해야 할 자료와 쟁점을 빠르게 모아 주는 조수로 써야 한다.

무료 사용자는 심층 검색을 아껴 써야 한다

무료 사용자에게도 Pro Search나 Deep Research 계열 기능이 일부 제공될 수 있지만, 일반적으로 횟수나 용량에 제한이 있다. Perplexity도 Deep Research를 모두에게 제공하되, 비구독자는 제한된 수의 답변을 이용하고 Pro 구독자는 더 많은 사용량을 받는다고 설명한다.² 세부 횟수와 정책은 시점에 따라 바뀔 수 있으므로, 숫자를 외우기보다 사용 전략을 익히는 편이 안전하다.

무료 사용자라면 심층 검색을 바로 켜지 말고 세 단계로 접근하자. 먼저 일반 검색으로 큰 그림을 잡는다. 다음으로 Focus 모드를 조정해 자료 범위를 좁힌다. 마지막으로 정말 보고서가 필요한 질문만 Pro Search나 Deep Research에 맡긴다.

예를 들어 경쟁사 조사를 한다고 하자. 처음부터 이렇게 묻지 않는다.

한국 AI 교육 시장 전체를 완벽하게 조사해 줘.

대신 일반 검색으로 시작한다.

한국 AI 교육 시장의 주요 기업과 서비스 유형을 간단히 정리해 줘.

답을 읽고 나면 범위를 좁힌다.

그중 초중고 대상 AI 학습 서비스만 골라 주요 기업을 정리해 줘.

이제 심층 검색을 쓸 타이밍이다.

위에서 정리한 초중고 대상 AI 학습 서비스 기업들을 Deep Research로 비교해 줘. 가격, 대상 학년, 핵심 기능, 학교 도입 사례, 투자 유치 여부, 차별화 포인트를 표로 정리해 줘.

이렇게 하면 제한된 심층 검색을 가장 가치 있는 순간에 쓸 수 있다. 무료 사용자의 핵심은 아끼는 것이 아니라 정제한 뒤 쓰는 것이다.

Pro 구독자는 반복 조사로 품질을 높인다

Pro 구독자는 심층 검색을 더 자주 활용할 수 있다. 그렇다고 모든 질문에 무작정 Deep Research를 쓰는 것은 좋은 습관이 아니다. 더 많은 사용량을 가졌다는 뜻은 더 깊은 워크플로를 만들 수 있다는 뜻이지, 생각 없이 버튼을 누르라는 뜻이 아니다.

Pro 구독자에게 어울리는 방식은 반복 조사다. 첫 번째 Deep Research로 전체 지형을 파악한다. 두 번째 질문으로 부족한 관점을 보완한다. 세 번째 질문으로 반대 근거와 불확실성을 찾는다. 마지막으로 결과를 의사결정 문서 형태로 정리한다.

예를 들어 기술 도입 검토라면 이렇게 진행할 수 있다.

1차: RAG 기반 사내 검색 시스템 구축 방식을 조사해 줘. 오픈소스, 상용 솔루션, 클라우드 서비스 방식으로 나누어 장단점을 정리해 줘.

2차: 위 답변에서 중소기업이 3개월 안에 도입하기 어려운 요소를 따로 분석해 줘. 인력, 비용, 보안, 유지보수 기준으로 설명해 줘.

3차: RAG 도입 실패 사례나 흔한 문제점을 조사해 줘. 데이터 품질, 권한 관리, 환각, 검색 정확도, 사용자 교육 문제를 중심으로 정리해 줘.

4차: 지금까지의 조사 결과를 바탕으로 대표에게 보고할 1페이지 의사결정 메모를 작성해 줘. 추천안, 근거, 리스크, 다음 액션을 포함해 줘.

이 흐름은 단순히 많이 검색하는 것이 아니다. 첫 조사로 넓게 보고, 후속 질문으로 깊게 파고, 반대 근거로 균형을 잡고, 마지막에 문서로 바꾸는 과정이다. Pro 구독의 가치는 바로 이 반복에서 나온다.

심층 조사 결과를 검증하는 법

Deep Research의 답변은 그럴듯하다. 문제는 너무 그럴듯하다는 데 있다. 문장도 매끄럽고 표도 깔끔하고 출처도 붙어 있으니, 그대로 믿고 싶어진다. 하지만 4장에서 배웠듯이 출처는 검증의 끝이 아니라 시작이다.

심층 조사 결과를 받으면 먼저 핵심 주장 세 개를 고르자. 시장 규모, 규제 시행일, 경쟁사 가격, 연구 결론처럼 의사결정에 영향을 주는 주장이다. 그런 다음 해당 문장 옆의 출처를 열어 원문이 실제로 그 내용을 뒷받침하는지 확인한다.

다음으로 날짜를 본다. 기술, 정책, 가격, 시장 규모는 날짜가 생명이다. 2022년 자료가 2026년 현재 상황을 설명하는 것처럼 쓰였다면 조심해야 한다. 오래된 자료가 배경 설명에는 유용할 수 있지만, 최신 판단의 근거가 되기는 어렵다.

세 번째는 출처의 성격이다. 정부 발표, 기업 공식 문서, 학술 논문, 언론 기사, 블로그, 커뮤니티 글은 서로 무게가 다르다. 제품 가격은 공식 페이지가 우선이고, 사용자 만족도는 리뷰와 커뮤니티가 보조이며, 과학적 효과는 논문이 우선이다. Deep Research가 여러 출처를 섞어 주더라도 최종 판단은 사람이 해야 한다.

마지막으로 반대 근거를 요청하자.

위 결론과 반대되는 근거나 다른 해석을 제시해 줘. 특히 수치가 불확실한 부분, 출처 간 의견이 갈리는 부분, 과장되었을 가능성이 있는 주장을 표시해 줘.

좋은 리서치는 확신을 키우는 과정이 아니라, 불확실성을 정직하게 줄이는 과정이다.

바로 써먹는 심층 리서치 프롬프트 틀

복잡한 질문 앞에서 막막하다면 아래 틀을 사용하자. 그대로 복사한 뒤 대괄호 안의 내용만 바꾸면 된다.

[주제]를 조사해 줘. 목적은 [보고서 작성, 구매 결정, 시장 진입 검토, 논문 주제 탐색]이야. 범위는 [지역, 기간, 산업, 대상]으로 제한해 줘. [비교 기준 3~5개]를 중심으로 분석하고, 가능하면 [공식 문서, 학술 논문, 정부 통계, 기업 발표, 신뢰할 만한 언론]을 우선해 줘. 결과는 [표와 요약, 보고서, 체크리스트, 의사결정 메모] 형식으로 정리해 줘. 불확실한 정보는 확정적으로 말하지 말고 출처와 함께 표시해 줘.

예를 들어 시장 조사라면 이렇게 바꿀 수 있다.

한국 시니어 케어테크 시장을 조사해 줘. 목적은 신규 서비스 기획을 위한 시장 진입 검토야. 범위는 2023년 이후 한국 시장으로 제한해 줘. 시장 규모, 성장 요인, 주요 경쟁사, 규제 이슈, 고객 불편, 수익 모델을 중심으로 분석해 줘. 정부 통계, 기업 공식 발표, 신뢰할 만한 언론과 산업 보고서를 우선해 줘. 결과는 표와 요약 보고서 형식으로 정리하고, 불확실한 수치는 출처별로 나누어 표시해 줘.

문헌 검토라면 이렇게 쓸 수 있다.

최근 3년간 대학생의 생성형 AI 사용이 학습 성과에 미치는 영향을 다룬 연구를 조사해 줘. 목적은 리포트 주제 선정을 위한 문헌 검토야. 연구 질문, 연구 방법, 주요 결과, 한계, 서로 충돌하는 결론을 나누어 정리해 줘. 가능하면 동료 검토 논문과 학술 데이터베이스 출처를 우선하고, 블로그나 일반 기사는 배경 자료로만 다뤄 줘.

경쟁사 분석이라면 이렇게 쓴다.

국내 AI 회의록 서비스 시장의 주요 경쟁사를 조사해 줘. 목적은 우리 서비스의 포지셔닝 전략 수립이야. 2025년 이후 자료를 중심으로 가격, 기능, 보안, 타깃 고객, 연동 도구, 차별화 메시지를 비교해 줘. 각 항목은 표로 정리하고, 공식 가격 페이지와 제품 소개 페이지를 우선 출처로 사용해 줘.

이 틀의 핵심은 조사 대상보다 조사 목적을 먼저 알려 주는 것이다. 같은 AI 회의록 서비스 조사라도 투자자가 보는 관점, 마케터가 보는 관점, 개발자가 보는 관점은 다르다. 목적을 말하면 Perplexity가 어떤 정보를 더 중요하게 다뤄야 하는지 판단하기 쉬워진다.

이번 장의 핵심 정리

Perplexity를 잘 쓰는 사람은 모든 질문에 같은 힘을 쓰지 않는다. 빠른 사실 확인은 일반 검색으로 충분하다. 비교와 판단이 필요한 질문은 Pro Search가 어울린다. 시장 조사, 경쟁사 비교, 정책 변화, 기술 동향, 문헌 검토처럼 여러 출처를 읽고 보고서형 답변이 필요한 질문은 Deep Research가 적합하다.

무료 사용자는 심층 검색을 아껴 쓰기 위해 일반 검색으로 큰 그림을 잡고, Focus 모드로 범위를 좁힌 뒤, 정제된 질문에만 Pro Search나 Deep Research를 쓰는 전략이 좋다. Pro 구독자는 심층 검색을 반복적으로 활용해 전체 지형 파악, 세부 분석, 반대 근거 확인, 의사결정 문서 작성으로 이어지는 워크플로를 만들 수 있다.

다만 깊은 검색일수록 검증도 깊어져야 한다. Deep Research가 보고서처럼 답을 만들어 줘도, 중요한 수치와 결론은 반드시 원문 출처를 열어 확인해야 한다. Perplexity가 시간을 줄여 줄 수는 있지만, 판단의 책임까지 가져가 주지는 않는다.

이제 당신은 질문의 깊이를 조절할 수 있다. 어디를 볼지는 Focus 모드로 정하고, 얼마나 깊이 볼지는 Pro Search와 Deep Research로 정한다. 다음 장에서는 여기에 한 가지 재료를 더한다. 웹에 있는 자료뿐 아니라 내가 가진 PDF, 보고서, 문서를 Perplexity에 넣고 분석하게 만드는 방법이다.

참고

¹Perplexity Pro Search 공식 소개

²Introducing Perplexity Deep Research

³AI Basics의 Perplexity 사용 가이드

⁴Perplexity Deep Research Mode Ultimate Guide for Researchers

⁵Perplexity AI Deep Research 작동 방식과 활용 사례