리서치와 정보 수집 스킬 패턴

문제 상황: 많이 찾는 것보다 믿을 수 있게 정리하는 것이 어렵다

리서치 업무에서 에이전트가 가장 쉽게 하는 일은 검색이다. 어려운 일은 따로 있다. 어떤 질문으로 찾을지, 어떤 출처를 더 믿을지, 서로 다른 자료가 충돌할 때 어떻게 표시할지, 어디까지를 사실로 말하고 어디부터를 추정으로 남길지 정하는 일이다.

그래서 리서치형 스킬은 '자료를 많이 찾아라'가 아니라 '믿을 수 있는 방식으로 찾고, 비교하고, 불확실성을 남겨라'에 초점을 맞춰야 한다. 출처가 많다고 안전한 것도 아니다. LLM과 딥 리서치 에이전트의 인용 URL을 분석한 연구에서는 응답하지 않는 URL과 존재하지 않는 것으로 보이는 URL이 일정 비율로 발견되었고, 더 많은 인용이 곧 더 높은 신뢰도를 뜻하지도 않았다¹.

사람이 설계해야 할 판단 지점은 세 가지다.

• 이 업무에서 신뢰할 만한 출처는 무엇인가?

• 결과를 어떤 비교 단위로 정리해야 의사결정에 도움이 되는가?

• 확인하지 못한 정보는 어떤 표시로 남길 것인가?

이 장에서는 리서치형 스킬 3개를 해부한다. 시장 리서치 브리핑, 논문·기술 문헌 요약, 뉴스 모니터링이다.

AI 생성 이미지

패턴 1. 시장 리서치 브리핑 스킬

시장 리서치는 범위가 넓다. 사용자가 '전기차 충전 시장 조사해줘'라고 말하면 에이전트는 시장 규모, 경쟁사, 고객, 가격, 규제, 기술 변화, 투자 동향 중 무엇을 우선해야 할지 알 수 없다. 좋은 스킬은 검색 전에 질문 구조를 만든다.

스킬 구조

트리거

• 사용자가 특정 시장, 산업, 고객군, 경쟁 환경, 진입 가능성을 조사해 달라고 요청할 때

• 신사업 검토, 제품 기획, 투자 검토, 제휴 후보 탐색처럼 의사결정 목적이 있을 때

필수 입력값

• 조사 대상 시장 또는 제품군

• 지역 범위

• 조사 목적

• 비교할 경쟁사 또는 비교 기준

• 원하는 출력 형식과 분량

선택 입력값

• 조사 기간

• 제외할 출처

• 내부 가설

• 가격대, 고객 세그먼트, 유통 채널 같은 관심 축

처리 절차

1. 검색 질문을 먼저 만든다. 예: 시장 규모, 성장률, 고객 문제, 주요 플레이어, 가격 모델, 규제, 최근 이슈.

2. 출처를 1차, 2차, 참고 출처로 나눈다. 1차 출처는 기업 공시, 정부 통계, 공식 발표처럼 원자료에 가까운 자료다. 2차 출처는 리포트, 언론 기사, 분석 글이다. 참고 출처는 블로그, 커뮤니티, 개인 의견이다.

3. 경쟁사를 같은 기준으로 비교한다. 기준이 다르면 표가 보기 좋아도 판단에는 도움이 되지 않는다.

4. 숫자에는 기준일, 지역, 단위, 통화를 붙인다.

5. 확인하지 못한 정보는 '확인 불가' 또는 '추정'으로 표시한다.

6. 마지막에 후속 질문을 만든다. 리서치가 끝이 아니라 다음 확인 작업으로 이어져야 한다.

좋은 예

사용자 입력이 다음과 같다고 하자.

한국의 중소기업용 AI 회의록 서비스 시장을 조사해줘. 신규 SaaS 진입 가능성을 보려는 목적이야. 경쟁사는 클로바노트, 다글로, 릴리스AI 정도를 포함해줘. 표로 비교하고, 불확실한 정보는 따로 표시해줘.

이 스킬의 출력은 다음 구조를 따른다.

여기서 중요한 것은 경쟁사 표 자체가 아니다. 각 셀에 '공식 확인', '기사 기반', '사용자 후기 기반', '확인 불가'를 표시하는 것이다. 예를 들어 가격 정보가 공식 페이지에서 확인되면 사실로 적고, 커뮤니티 후기에만 있으면 '후기 기반 추정'으로 적는다.

변형 아이디어

• B2B 벤더 쇼트리스트 스킬: 시장 전체가 아니라 구매 후보 5개를 비교한다.

• 해외 시장 진입 브리핑 스킬: 지역별 규제, 결제 방식, 유통 파트너를 추가한다.

• 경쟁사 업데이트 스킬: 기존 비교표를 새 자료로 갱신하고 바뀐 점만 표시한다.

실패 패턴

• 시장 규모 숫자를 가져오면서 기준 연도와 지역을 쓰지 않는다.

• 블로그 글을 공식 자료처럼 다룬다.

• 경쟁사마다 다른 기준으로 설명해 비교가 되지 않는다.

• 모든 내용을 확정적으로 말하고, 모르는 것을 숨긴다.

패턴 2. 논문·기술 문헌 요약 스킬

논문 요약에서 흔한 실패는 초록만 매끄럽게 다시 쓰는 것이다. 하지만 실무자가 필요한 것은 '이 연구가 무엇을 주장하는가'보다 '내 일에 적용할 수 있는가'에 가깝다. 그래서 논문·기술 문헌 요약 스킬은 연구 질문, 방법, 결과, 한계, 적용 가능성을 분리해야 한다.

스킬 구조

트리거

• 사용자가 논문, 기술 문서, 백서, 표준 문서, 특허 문헌을 요약해 달라고 요청할 때

• 여러 문헌을 비교해 기술 선택이나 구현 방향을 정하려 할 때

필수 입력값

• 문헌 파일, URL, DOI, 또는 원문 텍스트

• 독자의 배경 수준

• 요약 목적: 학습, 구현, 의사결정, 보고서 작성 중 무엇인지

처리 절차

1. 서지 정보를 먼저 추출한다. 제목, 저자, 연도, 발표처, DOI 또는 URL을 분리한다.

2. 연구 질문을 한 문장으로 정리한다.

3. 방법을 설명한다. 데이터, 실험 환경, 비교 기준, 평가 지표를 확인한다.

4. 핵심 결과를 적되, 수치와 조건을 함께 쓴다.

5. 한계를 분리한다. 데이터 범위, 실험 조건, 일반화 가능성, 저자가 인정한 제한을 구분한다.

6. 실무 적용 가능성을 따로 평가한다. 바로 적용, 추가 검증 후 적용, 참고만 가능 중 하나로 표시한다.

7. 인용 문헌이나 참조 자료는 실제 확인된 정보와 모델이 생성한 설명을 분리한다. 그럴듯한 참고문헌이라도 제목, 저자, 연도, 발표처가 확인되지 않으면 검증된 자료로 취급하지 않는다. 단순히 '검색에 나왔다/안 나왔다'로 끝내기보다 서지 필드 단위로 확인하는 접근이 필요하다².

좋은 예

출력 형식은 다음처럼 고정할 수 있다.

예를 들어 사용자가 'RAG 평가 관련 논문 3편을 비교해줘'라고 요청했다면, 스킬은 각 논문을 멋진 문장으로 요약하는 데서 멈추면 안 된다. 어떤 평가 데이터셋을 썼는지, 검색 품질과 생성 품질을 어떻게 나눠 봤는지, 실제 서비스 로그에 적용 가능한지, 한국어 환경에서도 같은 결론을 기대할 수 있는지를 따로 묻고 정리해야 한다.

변형 아이디어

• 기술 도입 판단 스킬: 논문 결과를 우리 시스템에 적용하기 위한 구현 난이도, 비용, 위험을 평가한다.

• 문헌 매트릭스 스킬: 여러 논문을 연구 질문, 방법, 데이터, 한계 기준으로 한 표에 모은다.

• 엔지니어용 구현 브리프 스킬: 논문 내용을 API, 데이터 파이프라인, 평가 지표, 테스트 계획으로 바꾼다.

실패 패턴

• 초록과 결론만 읽고 전체 논문을 요약한 것처럼 쓴다.

• 저자의 주장과 에이전트의 해석을 섞는다.

• 실험 조건을 빼고 결과 수치만 강조한다.

• 한계를 '추가 연구가 필요하다' 같은 일반 문장으로 처리한다.

• 참고문헌 제목이나 DOI를 확인하지 않고 그럴듯하게 만든다.

패턴 3. 뉴스 모니터링 스킬

뉴스 모니터링은 최신 자료를 찾는 일이지만, 단순히 최신순으로 모으는 것으로는 부족하다. 같은 보도자료가 여러 매체에 반복 게재될 수 있고, 작은 기사 하나가 실제로는 큰 규제 변화의 신호일 수도 있다. 이 스킬의 핵심은 최신성, 중복 제거, 영향도 평가다.

스킬 구조

트리거

• 사용자가 특정 기업, 산업, 규제, 경쟁사, 기술 키워드를 지속적으로 추적하고 싶다고 할 때

• 매일, 매주, 매월 단위의 업데이트 리포트가 필요할 때

필수 입력값

• 모니터링 주제

• 기간과 주기

• 지역과 언어

• 포함할 출처와 제외할 출처

• 영향도 평가 기준

처리 절차

1. 기간을 명확히 한다. 예: 최근 24시간, 지난 7일, 이번 달.

2. 기사와 원출처를 구분한다. 보도자료, 규제 기관 발표, 기업 블로그, 언론 기사, 분석 리포트를 따로 표시한다.

3. 같은 사건을 묶는다. 제목이 달라도 원문과 핵심 사실이 같으면 하나의 이슈로 병합한다.

4. 각 이슈에 영향도 점수를 매긴다. 고객 영향, 매출 영향, 법·규제 영향, 평판 영향, 제품 로드맵 영향처럼 기준을 정한다.

5. '새 소식', '기존 이슈 업데이트', '반복 보도'를 구분한다.

6. 후속 확인 질문을 만든다. 예: 공식 발표가 있는가, 시행일이 확정됐는가, 우리 고객군에 직접 영향이 있는가.

좋은 예

주간 뉴스 모니터링 출력은 다음처럼 설계할 수 있다.

예를 들어 'EU AI 규제와 생성형 AI 저작권 이슈를 매주 모니터링해줘'라는 요청이 있다면, 스킬은 기사를 많이 나열하지 않는다. 시행일이 확정된 규정인지, 초안인지, 법원 판결인지, 업계 단체 의견인지부터 나눈다. 그리고 우리 서비스에 필요한 대응이 약관 수정인지, 데이터 관리 정책 점검인지, 아직 관찰 단계인지 표시한다.

변형 아이디어

• 경쟁사 알림 스킬: 가격 변경, 채용 공고, 제품 출시, 파트너십을 추적한다.

• 규제 리스크 워치 스킬: 법령, 가이드라인, 감독기관 발표를 우선 출처로 둔다.

• 브랜드 평판 모니터링 스킬: 부정 이슈의 확산 속도와 고객 반응을 본다.

• 세일즈 트리거 탐지 스킬: 고객사의 투자 유치, 임원 교체, 신규 사업 발표를 영업 기회로 분류한다.

실패 패턴

• 최신순 기사 10개를 그대로 붙여 넣는다.

• 같은 보도자료를 여러 개의 독립 사건처럼 세어 영향도를 부풀린다.

• 날짜와 시간대를 적지 않아 최신성을 검증할 수 없다.

• '많이 보도됨'을 '중요함'으로 착각한다.

• 후속 확인 질문이 없어 다음 모니터링과 연결되지 않는다.

리서치형 스킬의 공통 안전 규칙

리서치형 스킬에는 다음 규칙을 기본값으로 넣어야 한다.

1. 출처 인용 형식을 고정한다. 최소한 제목, 발행 주체, 날짜, URL을 남긴다. 중요한 주장에는 출처를 붙인다.

2. 사실과 추정을 분리한다. 사실은 출처에서 확인된 내용이다. 추정은 그 사실을 바탕으로 한 해석이다.

3. 확인 불가를 허용한다. 모르는 것을 채우려고 하지 말고 '확인 불가', '추가 확인 필요'로 남긴다.

4. 출처 등급을 표시한다. 공식 자료, 원문, 보도자료, 언론 기사, 분석 글, 커뮤니티 의견은 같은 무게가 아니다.

5. 중요한 결론에는 복수 근거를 요구한다. 특히 시장 규모, 규제 변화, 경쟁사 가격, 기술 성능은 독립 출처를 확인한다.

6. 검색 로그를 남긴다. 어떤 질문으로 찾았는지 남기면 다음 실행에서 빠진 관점을 보완할 수 있다.

리서치형 스킬의 성능은 검색량으로 결정되지 않는다. 사람이 신뢰 기준을 설계하고, 에이전트가 그 기준에 따라 자료를 모으고 정리할 때 강해진다. 잘 만든 리서치 스킬은 답을 단정하지 않는다. 대신 지금 믿을 수 있는 것, 아직 모르는 것, 다음에 확인해야 할 것을 분리해 의사결정의 품질을 높인다.

참고

¹Detecting and Correcting Reference Hallucinations in Commercial LLMs and Deep Research Agents

²Source or It Didn't Happen: A Multi-Agent Framework for Citation Hallucination Detection