시즌 2-9편. Perplexity와 ChatGPT 검색은 뭐가 다를까

 

지난 편에서는 Gemini Deep Research를 실제로 굴려보면서, "리서치를 대신해준다"는 표현이 70~80% 정도는 사실이라는 결론을 냈습니다. 대신 나머지 20~30%는 여전히 사람의 판단이 필요하다는 이야기였죠.

오늘은 그 흐름과 이어지는 이야기입니다. 요즘 "AI 검색" 하면 두 이름이 자주 붙어 나옵니다. Perplexity와 ChatGPT 검색입니다. 저는 처음에 "둘 다 결국 웹 검색 결과를 AI가 정리해주는 것 아닌가?" 싶었습니다. 그런데 몇 주 나란히 굴려보니 결이 꽤 다르더라고요. 오늘은 그 차이를 A/B 실험으로 정리해보겠습니다.

같은 질문을 두 도구에 나란히 던지고, 결과를 비교하는 방식입니다. 질문은 세 종류로 나눴습니다.

• 팩트 확인형: "코스피 지수 최근 흐름 알려줘"
• 비교 조사형: "노션과 옵시디언의 차이를 정리해줘"
• 의견 리서치형: "요즘 개발자들이 AI 코딩 도구에 대해 자주 지적하는 문제점 정리해줘"

각 유형에서 두 도구가 어떻게 다르게 반응하는지 봤습니다.

🎯 두 도구를 한 문장으로 정리하면

먼저 각 도구의 성격을 한 문장으로 요약해두겠습니다.

• Perplexity = 웹 검색이 뼈대이고, 그 위에 AI가 답변 요약을 얹은 검색 엔진
• ChatGPT 검색 = 대화형 AI가 뼈대이고, 필요할 때 웹 검색을 도구로 부르는 챗봇

이 두 문장의 순서 차이가 사용성을 완전히 바꿉니다. Perplexity는 "검색"이 우선이고 AI가 보조 역할이지만, ChatGPT 검색은 "대화"가 우선이고 검색이 보조 역할입니다.

🍳 사서 비유로 이해해보기

비유 하나 들어보겠습니다. 두 도구를 도서관 사서에 비유하면 이렇습니다.

• Perplexity: 자료 조사 전문 사서. "이 주제에 대한 자료 5개 찾아드릴게요"라고 정확한 인용과 함께 자료를 건네줍니다. 대화는 짧고 사실 위주
• ChatGPT 검색: 대화형 컨설턴트. "이 주제에 대해 얘기해볼까요?"라며 함께 탐색합니다. 필요할 때 자료를 꺼내지만, 기본은 대화

같은 도서관 안에서도 두 사서의 성격은 완전히 다릅니다. 어느 쪽이 좋다기보다 필요한 상황이 다른 것이죠.

🛠️ 세 가지 유형별 실험 결과

실험 1: 팩트 확인형 — "코스피 지수 최근 흐름"

이건 팩트가 중요한 질문입니다.

Perplexity 결과:

• 최신 지수와 최근 며칠간의 변동을 표 비슷한 형태로 정리
• 출처 링크 4~5개 (뉴스, 증권사 리포트)
• 답변은 담백하게 사실 위주. "최근 며칠간 소폭 조정을 보인 것으로 확인됩니다" 정도

ChatGPT 검색 결과:

• 같은 지수 정보를 정리해서 알려줌
• 여기에 더해 "이런 흐름의 배경에는 이러이러한 요인이 있다"는 해석까지 붙임
• 출처 링크는 답변 아래에 정리

두 결과를 보고 느낀 것: 팩트만 필요하다면 Perplexity가 더 담백하고 확인하기 쉽습니다. 반면 팩트 + 해석이 필요하다면 ChatGPT 검색이 자연스럽습니다. 다만 해석이 붙는 만큼, ChatGPT의 답이 항상 정확하다고 믿어서는 안 됩니다. 저는 해석이 붙은 문장 중 하나가 실제 뉴스와 맞지 않아 나중에 수정한 적이 있었습니다.

실험 2: 비교 조사형 — "노션과 옵시디언의 차이"

이건 여러 자료를 종합해야 하는 질문입니다.

Perplexity 결과:

• 각 도구의 주요 특징을 표로 정리
• 각 셀 옆에 어느 자료에서 나온 정보인지 링크가 붙음
• "이 둘 중 뭘 골라야 할까?" 같은 판단은 굳이 하지 않음. 사실만 나열

ChatGPT 검색 결과:

• 표 대신 서술형으로 정리
• "노션은 협업에 강하고, 옵시디언은 개인 지식 관리에 강하다"는 요약을 먼저 던진 뒤 세부 비교
• 자연스럽게 "사용자의 상황에 따라 추천이 갈린다"는 조언까지 이어짐

여기서 뚜렷한 차이가 보였습니다. Perplexity는 재료를 제공하고 판단은 사용자에게 맡깁니다. ChatGPT 검색은 재료를 제공하면서 판단도 함께 시도합니다. 어느 쪽이 좋은지는 사용자의 성향에 따라 다를 것 같습니다.

실험 3: 의견 리서치형 — "요즘 개발자들이 AI 코딩 도구에 대해 자주 지적하는 문제점"

이건 여러 소스의 의견을 훑어야 하는 질문입니다.

Perplexity 결과:

• 4~5개 지적 사항을 불릿으로 정리
• 각 지적마다 링크 (블로그, 포럼, 뉴스 기사)
• 저는 이 링크를 하나씩 열어봤는데, 실제로 그 지적이 그 글에 나와 있었습니다. 사실관계 검증이 가능

ChatGPT 검색 결과:

• 비슷한 지적 사항들을 정리
• 다만 서술형이라 어느 부분이 어느 출처에서 왔는지 정확히 매칭하기 어려운 부분이 있었음
• 대신 "이런 문제 인식은 왜 나오고 있고, 앞으로 어떻게 바뀔지" 같은 논의까지 자연스럽게 이어짐

이 유형에서는 특히 두 도구의 성격 차이가 뚜렷했습니다. Perplexity는 "이런 얘기들이 있다"고 매핑해주고, ChatGPT 검색은 "이런 얘기들이 있고, 이 흐름의 의미는 이렇다"고 해석까지 하나로 붙여줍니다.

📊 세 실험 종합 비교표

세 실험 결과를 한 표로 정리해보겠습니다.

구분 Perplexity ChatGPT 검색

답변 성격	사실 위주 요약	사실 + 해석
출처 표기	문장/불릿마다 상세	답변 아래 종합적으로
대화 지속성	검색-단답 위주	대화가 자연스럽게 이어짐
판단 개입	최소화	상당히 개입
강점	신속한 자료 조사, 검증 용이	아이디어 확장, 해석 포함
약점	대화가 길어지면 어색	해석이 항상 정확한 것은 아님

🔗 시즌 2에서 지금까지 다룬 도구들과의 관계

시즌 2 8편에서 다뤘던 Gemini Deep Research까지 포함해서 지도를 그려보면 이렇습니다.

• 초기 지형 파악, 시간 5~15분 → Deep Research
• 빠른 자료 조사, 인용 포함 → Perplexity
• 주제 탐색과 해석, 대화형 → ChatGPT 검색
• 일회성 짧은 질문 → 기본 챗봇

여기서 중요한 것은 하나만 쓰면 안 된다는 점입니다. 저는 이 도구들을 상황에 따라 갈아 씁니다. 예를 들어 이 블로그 원고를 위한 리서치를 할 때 저는 이렇게 씁니다.

• Deep Research로 초기 지도 그리기
• Perplexity로 개별 팩트 확인과 인용 확보
• ChatGPT 검색으로 해석과 문장 톤 잡기

💭 몇 주 나란히 써보면서 느낀 것

두 도구를 함께 굴리면서 정리된 관찰 두 가지가 있습니다.

첫째, 목적을 명확히 하지 않으면 어느 쪽도 만족스럽지 않습니다.

Perplexity에 "이 주제에 대해 얘기해줘"라고 열린 질문을 던지면 실망합니다. 반대로 ChatGPT 검색에 "정확한 인용 5개만"이라고 요구하면 뭔가 부족한 답이 옵니다. 각 도구의 강점에 맞는 질문을 던지는 것이 훨씬 중요합니다.

둘째, "AI 검색"의 시대에도 검증은 사람의 몫입니다.

두 도구 모두 자신 있게 답변을 던지지만, 저는 몇 번이나 오류를 발견했습니다. 예를 들어 어떤 도구가 "이 기능은 2024년 3월에 출시됐다"고 답했는데, 실제로 저는 그 정보의 출처를 열어보고 다른 시점이라는 걸 확인한 적이 있습니다. AI 검색이 편해진 만큼, 인용 링크를 실제로 열어보는 습관은 오히려 더 중요해졌습니다.

💭 그럼 각각 언제 쓰면 좋을까

정리해보면 이렇습니다.

Perplexity를 쓰기 좋은 상황

• 팩트 확인이 우선일 때 (통계, 정의, 최신 정보)
• 인용이 필요한 문서를 준비할 때 (블로그, 리포트)
• 여러 자료를 훑어 목록으로 정리해야 할 때

ChatGPT 검색을 쓰기 좋은 상황

• 주제를 처음 탐색할 때 (아직 뭘 물어야 할지 모를 때)
• 자료 + 해석까지 함께 필요할 때 (기획서, 발표 자료 준비)
• 대화를 이어가며 관점을 다듬어야 할 때

둘 다 안 어울리는 상황

• 회사 내부 문서 위에서의 판단 (이건 Notion AI나 Claude Projects가 더 나음)
• 5분 이상 걸리는 깊은 리서치 (Deep Research가 더 적합)

🎯 Technical Writer와 DevRel 관점에서

AI 검색 도구가 자리를 잡을수록 저에게 자꾸 떠오르는 질문이 있습니다.

"이제 문서를 쓰는 사람은 사람 독자뿐 아니라, AI 검색까지 독자로 생각해야 하는 것이 아닐까?"

Perplexity가 어떤 블로그의 문장을 인용할 때, 그 인용이 명확하게 이해되려면 문장 자체가 잘 정돈되어 있어야 합니다. AI가 "이 문장은 어떤 맥락인가?" 헷갈리면 인용도 어색해집니다. 결국 좋은 문서는 사람에게도, AI에게도 잘 읽히는 문서입니다.

시즌 1 6주차에서 다뤘던 "인지 부하를 낮추는 문서"의 원칙이 이 흐름에서 다시 살아납니다. 명확한 개념 정의, 짧은 문장, 예시와 결론의 분리 같은 것들. 이 원칙은 사람 독자에게도, AI 검색기에게도 똑같이 잘 통합니다.

DevRel과 Technical Writer가 이 시대에 준비해둘 감각이 있다면 그건 AI 친화적인 문서 쓰기입니다. 뜬구름 잡는 얘기가 아니라, 실질적으로 팀 위키 하나의 검색 결과가 확 달라질 수 있는 감각이거든요.

📌 정리

• Perplexity = 검색이 뼈대, AI 요약이 보조. 사실 위주, 인용 링크 상세
• ChatGPT 검색 = 대화가 뼈대, 검색이 보조. 사실 + 해석, 대화 지속성 강함
• 핵심 차이: 판단을 사용자에게 맡기느냐(Perplexity), 함께 시도하느냐(ChatGPT 검색)
• 강점별 활용: 팩트/인용은 Perplexity, 탐색/해석은 ChatGPT 검색. 상황에 맞게 갈아 쓰기
• 주의: AI 검색 편해질수록 인용 링크를 실제로 열어보는 습관은 더 중요
• 문서 관점: 사람과 AI 모두에게 잘 읽히는 문서가 앞으로의 기준

다음 글에서는 이런 검색과 리서치 이야기에서 잠시 벗어나, 요즘 개발자들 사이에서 "비전공자도 써볼 수 있을까?" 논의가 나오는 Cursor를 직접 굴려본 후기를 나눠보겠습니다. 저는 비전공자 입장에서 이 코드 편집기를 열어봤는데, 예상 밖의 경험이었습니다.

읽어주셔서 감사합니다.

---

TAG: #Perplexity #ChatGPT검색 #AI검색 #검색비교 #리서치도구 #DevRel준비 #DocsToDevRel #TechnicalWriter #비전공자 #AI도구비교