결론부터. ChatGPT 딥리서치는 질문을 잘 던지는 것보다, 출처를 어떻게 못 박느냐에서 결과가 갈렸습니다. 막연히 시키면 그럴듯한 업체 홍보 수치가 “조사 결과”로 둔갑했어요.
낯선 분야를 통째로 맡겨봤다
“AI 에이전트 도구가 2026년 실제 어디까지 왔나”를 알아야 할 일이 생겼습니다. 제가 잘 모르는 분야였고, 자료는 넘치는데 어디까지가 사실이고 어디부터가 마케팅인지 가늠이 안 됐어요.
이럴 때 쓰라고 있는 게 딥리서치라고들 합니다. 여러 사이트를 스스로 돌아다니며 근거가 달린 리포트를 만들어 준다는 기능이죠. 활용법 자체는 예전 글에서 정리했으니, 이번엔 다르게 접근했습니다. 같은 주제를 두 번, 서로 다른 방식으로 조사시켜 놓고 어느 쪽이 실제로 믿을 만한지를 비교해 봤어요.
처음엔 그냥 물었다
첫 번째는 누구나 하는 방식이었습니다. 주제만 던지고 조사해 달라고 했어요.
“AI 에이전트 도구, 2026년 실제 어디까지 왔나. 위 주제에 대해 조사해서 정리해줘.”
결과는 겉보기엔 훌륭했습니다. 경영진 보고서처럼 매끄러운 요약이 나왔고, 숫자도 구체적이었어요. Klarna가 고객지원 채팅의 3분의 2를 처리하고 반복 문의를 25% 줄였다, Salesforce가 200만 건 넘는 대화를 처리했다 같은 수치가 술술 붙었습니다.
문제는 이 숫자들이 어디서 왔는지였습니다. 문장 끝에 작은 번호만 붙어 있을 뿐, 어느 주장이 어떤 출처에 기대고 있는지, 그 출처가 언제 자료인지, 독립적인 검증인지 업체가 스스로 낸 발표인지는 리포트 안에서 구분이 안 됐어요. 읽는 사람이 알아서 믿는 구조였죠.
같은 주제, 이번엔 출처를 못 박았다
두 번째는 프롬프트를 통째로 바꿨습니다. 무엇을 조사할지가 아니라, 무엇을 근거로 인정할지를 규칙으로 박았어요.
1차 자료를 우선하고, 요약 기사를 인용하면 원 출처도 함께 달 것. 주장마다 출처와 발행 시점을 붙이고 6개월 넘은 자료는 오래됨으로 표시할 것. 상충하는 자료는 숨기지 말고 쟁점으로 나란히 보여줄 것. 확실치 않으면 지어내지 말고 확인 불가로 남길 것. 한국 맥락이 다르면 따로 구분할 것.
같은 주제인데 리포트의 결이 달라졌습니다. 매끈한 요약 대신, 조사 기준일과 판단 관점이 맨 위에 박혔고 핵심 요약 다섯 줄에는 근거 칩이 하나하나 달렸어요. 개인정보보호위원회 지침이나 2026년 1월 22일 시행된 AI 기본법 같은 한국 맥락까지 따로 짚어 줬습니다.
가장 인상적이었던 건 쟁점 항목이었습니다. 업체들이 “자율 에이전트”, “디지털 노동력”이라 부르는 것이 실제로는 정해진 도구와 권한 안에서 움직이는 확률적 워크플로에 가깝다고, 그래서 2026년 현재의 정확한 표현은 “제한된 범위의 감독형 자율성”이라고 스스로 선을 그어 줬어요. 막연히 물었을 땐 나오지 않던 온도차입니다.
진짜 차이는 리포트가 아니라 여기서 났다
두 리포트를 가른 결정타는 근거표였습니다. 제약형에는 주장, 출처, 발행 시점, 신뢰도가 한 줄씩 정리된 표가 붙었어요. 그리고 이 신뢰도 칸이 막연형이 숨겨 둔 것을 드러냈습니다.
한 출처는 2025년 7월 시스템 카드였고, 조사 기준일에서 6개월이 넘었다며 오래됨이 붙어 있었습니다. 몇몇 핵심 수치는 신뢰도가 “1차·자사 연구”로 표시됐어요. 1차 자료이긴 한데, 업체가 자기 제품을 두고 스스로 낸 연구라는 뜻입니다. 앞서 막연형 리포트가 “조사 결과”처럼 내밀었던 Klarna와 Salesforce 수치가 바로 이 부류였어요. 회사가 자기 홍보 자료에서 발표한 숫자였던 거죠.
딥리서치 출처 검증이 필요하다는 말의 실체가 이거였습니다. AI가 없는 걸 지어낸 게 아니라, 있는 걸 가져오되 그게 검증된 사실인지 업체 주장인지를 스스로는 구분해 주지 않는다는 것. 제가 그 구분을 프롬프트로 강제하지 않으면, 마케팅 수치가 그대로 팩트로 넘어옵니다.
그래서 내가 다시 고친 것
리포트를 받고 끝이 아니었습니다. 신뢰도가 “자사 연구”로 찍힌 수치들을 저는 본문에서 “업체 발표”로 다시 이름을 바꿔 분류했어요. 성능 개선율 같은 숫자는 “검증된 효과”가 아니라 “회사가 밝힌 자사 사례”로 표현을 낮췄습니다.
오래됨이 붙은 출처 한 건은 최신 자료로 교체가 되는지 다시 확인했고, 안 되면 아예 뺐어요. 이 손질에 든 시간이 사실 리포트를 받아 내는 시간보다 길었습니다. 딥리서치가 준 건 완성품이 아니라, 검증하기 좋게 정리된 초안이었던 셈이에요.
실사용 후기 두 번 돌려보고 나니 확실해졌어요. 딥리서치의 값은 “얼마나 많이 찾아오나”가 아니라 “찾아온 걸 얼마나 검증하기 쉽게 늘어놓나”에 있더라고요. 그 늘어놓는 방식은 결국 제가 프롬프트로 정해 줘야 했습니다.
바로 복사해 쓰는 출처 강제 프롬프트
제가 두 번째로 쓴 프롬프트입니다. 대괄호만 바꿔 딥리서치에 그대로 넣으면 됩니다.
너는 [주제]를 조사하는 리서치 분석가다. 딥리서치로 아래 기준을 지켜 조사해줘.
조사 주제: [주제 — 구체적으로]
관점/목적: [예: 2026년 한국 직장인 관점에서 실무 도입 판단]
지켜야 할 규칙:
1) 출처는 1차 자료(공식 문서·공식 발표·원 통계) 우선. 요약 기사 인용 시 원 출처도 함께 표기.
2) 핵심 주장마다 출처 링크와 발행 시점을 붙이고, 6개월 이상 지난 자료는 [오래됨] 표시.
3) 상충하는 자료는 숨기지 말고 "쟁점"으로 나란히 제시.
4) 확실치 않거나 자료가 없으면 지어내지 말고 "확인 불가"로 남겨줘.
5) 회사가 자사 제품에 대해 낸 자료는 신뢰도를 "1차·자사 연구"로 별도 표기.
출력 구조:
- 핵심 요약 5줄
- 쟁점(상충 지점)
- 근거 표: 주장 | 출처 | 발행시점 | 신뢰도(1차/자사/2차)
- 확인 불가 항목핵심은 5번입니다. 이 한 줄이 업체 자기주장과 독립 검증을 갈라 줘요.
딥리서치를 믿기 전에
한 번 돌려 보고 느낀 한계도 분명합니다.
근거표가 “자사 연구”라고 표시해 줬다고 해서 그 수치가 틀렸다는 뜻은 아니에요. 다만 무게가 다를 뿐입니다. 그 판단은 여전히 사람 몫이었어요. 오래됨 표시도 6개월이라는 제 기준에 맞춰 붙은 것일 뿐, 분야에 따라 3개월도 낡은 자료일 수 있습니다.
무엇보다 근거표에 출처가 그럴듯하게 적혀 있어도, 정말 그 출처가 그 말을 하는지는 링크를 열어 봐야 알 수 있습니다. 저는 핵심 수치 몇 개만 직접 열어 확인했고, 전부를 대조하진 못했어요. 그래서 이 리포트도 “검증 끝난 사실”이 아니라 “검증하기 쉬워진 출발점”으로만 씁니다. 초안이나 방향을 잡을 땐 미덥고, 그대로 인용할 땐 아직 손이 더 가는 도구예요.
두 번 시켜 보고 남은 것
- ChatGPT 딥리서치의 성패는 질문의 화려함이 아니라 출처 기준을 프롬프트에 박느냐에서 갈립니다.
- 막연히 시키면 업체 홍보 수치가 조사 결과로 둔갑하니, 신뢰도를 1차·자사·2차로 나누게 강제하세요.
- 리포트를 받은 다음의 출처 검증까지가 실제 일입니다. AI가 준 건 완성품이 아니라 초안이에요.
이건 딥리서치만의 이야기가 아니었습니다. 정보를 모아 오는 자동화가 곧 이해까지 시켜 주는 건 아니라는 걸, 아침 브리핑 자동화에서도 똑같이 겪었어요. 긴 문서를 AI에 맡길 때 무엇을 놓치는지는 계약서 검토 실험에 더 자세히 적어 뒀습니다.
함께 읽으면 좋은 글: ChatGPT 딥리서치 직장인 활용법 / ChatGPT 계약서 검토, AI는 뭘 놓칠까
외부 참고: OpenAI 딥리서치 소개 — 딥리서치가 무엇이고 어떤 원리로 작동하는지 공식 설명
※ 본 글의 일부는 AI 도구의 도움을 받아 작성되었으며, 사실관계는 운영자가 검증했습니다.