AI 에이전트를 평가할 때 중요한 질문은 더 이상 "얼마나 똑똑한가"에만 머물지 않는다. 이제는 "사용자가 맡긴 일을 얼마나 오래, 얼마나 독립적으로 진행할 수 있는가"가 핵심 기준이 되고 있다.
하버드 비즈니스스쿨 연구진과 Perplexity가 공개한 연구는 이 변화를 실제 운영 데이터로 비교했다. 연구 대상은 Perplexity Search와 Perplexity Computer다.1 둘 다 AI를 활용하지만, 사용자가 얻는 가치는 다르다. Search가 답을 제공한다면, Computer는 목표를 향해 작업을 진행한다.
검색은 답을 주고, 에이전트는 과정을 맡는다
Perplexity Search는 수십억 개 문서를 바탕으로 출처가 달린 답변을 제공하는 answer engine이다.2 사용자는 질문을 입력하고 답을 받은 뒤, 그다음 판단과 실행은 직접 이어가야 한다.
Perplexity Computer는 다르다. 사용자가 결과 목표를 제시하면 계획을 세우고, 여러 도구를 오가며 중간 단계를 실행하고, 필요한 입력을 요청한 뒤 최종 산출물을 반환하는 범용 에이전트로 설명된다.2
따라서 차이는 단순한 제품 기능이 아니라 역할 분담에 있다. 검색은 사용자의 판단을 돕는다. 에이전트는 사용자가 직접 하던 실행 단계 일부를 넘겨받는다.
26분과 33초의 차이
연구진은 비슷한 초기 질의를 가진 Search 세션과 Computer 세션을 matched-pair 방식으로 비교했다. 그 결과 Computer는 세션당 평균 26분 동안 자율 작업을 수행했고, Search는 33초였다.1
이 숫자는 "에이전트가 답을 늦게 한다"는 뜻이 아니다. 검색이 한 번의 응답으로 끝나는 경우가 많다면, 에이전트는 검색, 탐색, 작성, 수정, 코드 실행 같은 후속 단계를 이어간다는 뜻에 가깝다.
효율 차이도 함께 제시됐다. 같은 유형의 작업에서 Search와 사람이 함께 처리하면 평균 269분이 걸리는 것으로 추정됐고, Computer와 사람이 함께하면 36분으로 줄었다. 연구는 시간 87%, 비용 94% 감소를 제시했다.1
즉, 에이전트의 가치는 단순한 응답 속도가 아니라 사용자가 직접 수행해야 했던 중간 과정을 얼마나 줄여주는지에서 나온다.
사람의 역할은 실행자에서 감독자로 이동한다
이 결과를 "에이전트가 사람을 완전히 대체한다"는 의미로 읽는 것은 성급하다. 오히려 사람의 역할이 바뀐다고 보는 편이 정확하다.
에이전트를 잘 쓰려면 사용자는 다음 일을 더 잘해야 한다.
원하는 결과를 명확히 정의하기
필요한 맥락과 제약 조건을 제공하기
중간 결과를 검토하고 방향을 수정하기
최종 산출물이 목적에 맞는지 판단하기
짧고 단순한 질문에서는 검색이 여전히 효율적일 수 있다. 반대로 조사, 정리, 작성, 검토처럼 단계가 이어지는 업무에서는 에이전트의 장점이 커진다. 위임과 검토라는 초기 비용은 있지만, 작업 단계가 많아질수록 사람이 직접 실행하지 않아도 되는 시간이 늘어나기 때문이다.
왜 지금 중요한가
Perplexity의 제품 흐름도 이 변화를 보여준다. Perplexity는 2022년에 Search를 출시했고, 2025년에는 웹 에이전트가 내장된 Comet 브라우저를 도입했으며, 2026년에는 Computer를 출시했다.2
Computer는 2026년 2월 25일 출시 후 첫 3개월 동안 빠르게 성장했다. 2026년 5월 27일까지 누적 쿼리는 첫 주 누적치의 84배에 도달했다.2 이는 사용자가 에이전트를 단순한 실험 도구가 아니라 실제 업무 흐름 안에서 시험하고 있음을 시사한다.
결론은 분명하다. AI 활용 능력은 "좋은 질문을 하는 법"에서 "좋은 목표를 맡기고 결과를 검토하는 법"으로 확장되고 있다. 앞으로 생산성 차이는 검색을 잘하는 사람뿐 아니라, 에이전트에게 맡길 일을 잘 나누고 결과를 판단할 줄 아는 사람에게서 더 크게 나타날 가능성이 높다.
참고
1How AI Agents Reshape Knowledge Work: Autonomy, Efficiency, and Scope
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.