답만 하는 AI는 끝났다
네이버가 단순한 지식 검색을 넘어 사용자의 과업을 직접 수행하는 'AI탭' 서비스를 전면에 내세우며 AI 검색 패러다임을 전환하고 있습니다. 7월 초 진행된 'AI검색 테크 딥톡' 세션에서 공개된 핵심 전략은 범용 거대언어모델(LLM) 성능 경쟁에서 벗어나, 네이버 서비스 환경에 최적화된 '프로덕트 네이티브 LLM'에 집중하는 것이었습니다. 자사가 27년간 쌓아온 검색, 블로그, 쇼핑, 플레이스 데이터를 기반으로 실제 행동까지 연결하는 실행형 에이전트로 자리매김하겠다는 구상입니다.
서비스 오픈도 순조로운 흐름을 보이고 있습니다. AI탭은 지난 4월 베타 출시 한 달 만에 300만 명을 끌어모았고, 6월 정식 출시 이후에는 사용자가 베타 대비 3~4배 증가하며 시장 반응을 확인했습니다. 네이버가 늘 그렇듯 지금 단계에서는 광고를 붙이지 않고 사용자 신뢰 확보에 집중하겠다고 밝힌 만큼, 수익화보다는 서비스 안착에 무게를 두고 있다는 평가가 나옵니다.
'되묻는 AI'가 거짓말을 줄였다
생성형 AI의 고질적 문제인 환각 현상을 해결하기 위해 네이버가 선택한 방법은 의외로 단순했습니다. 모르는 걸 아는 척하지 말고 되물으라는 것이었습니다. '명료성 강화학습(Clarify RL)'이라 명명된 이 기술은 질문의 의도가 불분명할 때 AI가 임의로 답을 만들어내지 않고 추가 질문을 던지도록 학습시키는 방식입니다. 그 결과 글로벌 벤치마크 기준 환각 비율을 기존 하이퍼클로바X 대비 최대 30%포인트 낮추는 데 성공했습니다.
비용과 속도 면에서도 성과를 거두었습니다. 하이퍼클로바X 기반 경량 모델에 전문가 혼합(MoE) 구조를 도입해 응답 속도를 기존 대비 2배 이상 끌어올렸고, 특히 긴 문맥에서도 응답 시간이 급격히 늘어나지 않는 안정성을 확보했습니다. 자체 평가에서 서비스 역량은 글로벌 동급 모델 평균 100점을 훌쩍 넘어선 108점을 기록했고, 기본 역량도 104점을 찍으며 실전 성능을 입증했습니다. 다만 전문 지식 역량은 97점으로 글로벌 최고 수준에 비해 소폭 낮게 나타나, 네이버는 이 격차를 차차 줄여가겠다고 설명했습니다.
역할별로 나눠 일하고, 사진으로 예약까지
운영 효율성은 '하네스 엔지니어링'이라는 독특한 설계가 가능하게 했습니다. 모든 작업을 하나의 거대 모델에 맡기는 대신, 역할별로 특화된 소규모언어모델(SLM)들을 조합하는 분업 구조를 채택한 것입니다. 이를 통해 일부 컴포넌트의 장비 운영 비용을 최대 3배까지 절감하면서 응답 속도는 2배 개선하는 두 마리 토끼를 잡았습니다. 네이버가 가진 식당 리뷰, 맘카프의 학원비 정보 같은 생활 밀착형 데이터도 이 구조를 통해 자연스럽게 답변에 반영됩니다.
멀티모달 영역에서도 진전이 있었습니다. 스마트렌즈와 결합된 시각 인식 기술은 사용자가 보여준 사진 속 카페의 분위기나 메뉴판을 이해하고, 이를 네이버 예약 시스템으로 곧장 연결합니다. 하반기 로드맵에 따르면 7월에는 AI브리핑과 스마트렌즈 연동성이 강화되고, 8월에는 부동산 서비스와 웨일 브라우저 특화 에이전트가 투입될 예정입니다. 연내에는 검증된 학술 출처 기반의 건강 에이전트도 공개될 계획이어서, 텍스트를 넘어 영상과 이미지로까지 사용자의 의도를 읽고 행동하는 멀티모달 에이전트로의 확장이 본격화될 전망입니다.