기업을 위한 리서치 활용 전략: Insight보다 먼저 보안을 지켜라

- 해당 아티클은 2025년 9월, 삼성SDS가 대외 고객을 대상으로 진행한 「Real Summit 2025」 행사 중, 삼성SDS Gen.AI아키텍처그룹 이종호 상무가 발표한 ‘보안은 지키고, 인사이트는 깊어지고 : 기업을 위한 Deep Research 활용 전략 세션 내용을 기반으로 작성되었습니다.

기업의 리서치 환경은 빠르게 변화하고 있습니다. AI가 정보를 찾아주고, 요약하고, 심지어 분석 보고서까지 자동으로 생성하는 시대입니다. 예전처럼 검색 창에 키워드를 입력하고 수십 개의 링크를 오가며 자료를 정리하던 방식은 점점 사라지고 있습니다. 이제는 질문 한 줄로도, 며칠 걸리던 조사 결과를 받아볼 수 있게 되었습니다. 이처럼 리서치의 효율이 눈에 띄게 높아지면서 기업들은 ‘AI를 활용한 조사 자동화’를 새로운 경쟁력으로 주목하고 있습니다.

그러나 기술의 확장 속도만큼 중요한 것이 있습니다. 정보가 깊어질수록 그 안에 담긴 데이터의 신뢰성과 보안이 함께 관리되어야 한다는 점입니다. AI 리서치는 더 많은 데이터를 다루고 더 깊은 분석을 수행하지만, 그만큼 정보 유출과 오류의 위험도 커지고 있습니다. 따라서 조사 자동화가 기업 의사결정을 지원하는 도구로 자리 잡기 위해서는 보안을 기반으로 한 리서치 활용 전략 수립이 선행되어야 합니다.

검색에서 조사로: 리서치 패러다임의 전환

정보 탐색의 시작은 언제나 ‘검색’이었습니다. 사람들은 필요한 내용을 찾기 위해 검색엔진에 키워드를 입력하고, 나열된 링크를 하나씩 열어가며 원하는 정보를 직접 골라내야 했습니다. 이 과정은 방대하고 반복적이었습니다.

하지만 생성형 AI가 등장하면서 리서치의 방식이 완전히 달라졌습니다. 이제는 키워드 대신 자연어로 질문을 던지고, AI는 문맥을 해석해 연관된 자료를 찾아 요약해 줍니다. 대표적인 서비스인 퍼플렉시티(Perplexity)는 질문자의 의도를 파악해 다양한 출처의 정보를 통합하고, 그 결과를 한눈에 읽히는 문장으로 정리합니다. 이로써 사용자는 링크를 따라다니지 않고도 핵심적인 답변과 근거를 한 번에 얻을 수 있게 되었습니다.

검색엔진의 패러다임도 이 흐름에 따라 변하고 있습니다. 구글 역시 AI 요약 결과를 상단에 제시하는 AI Overview 방식을 도입하면서, 사용자 클릭률이 과거보다 3분의 1 이상 줄어들었습니다. 정보를 ‘찾는’ 행위보다 AI가 ‘조사해 주는’ 구조가 자리 잡은 것입니다. 이 변화의 다음 단계가 바로 Deep Research입니다. 단순히 정보를 모으는 수준을 넘어, AI가 질문을 분석하고 주제를 세분화해 항목별로 조사한 뒤 종합적인 보고서를 만들어내는 형태입니다. 즉, 사람이 하던 리서치 프로세스 전체를 자동화하는 것입니다.

[그림1] 검색 패러다임의 변화 (발표자 작성)

키워드 기반의 정보 탐색(Keyword search) → 대화형 질의응답 탐색 결과 요약 답변 (AI Search Engine) → 탐색 정보 기반 종합적 판단 의사 결정 지원 (Deep Research)

AI Search를 넘어, Deep Research로

AI Search와 Deep Research는 비슷해 보이지만 구조적으로 다릅니다. AI Search가 단편적인 질문에 대해 빠른 답을 제공하는 한편, Deep Research는 하나의 주제를 다각도로 분석해 심층적 분석 결과를 생성합니다. 이 과정에는 시간과 연산 비용이 더 들지만, 결과물은 실제 의사결정에 활용할 수 있을 정도로 구체적입니다.

이 차이는 내부 프로세스에서 비롯됩니다. Deep Research는 질문을 받으면 우선 의도를 해석하고, 세부 항목을 정의해 ‘조사 계획(Planning)’을 세웁니다. 그 다음 주제별로 관련 자료를 검색 및 요약을 하는 ‘탐색(Search) 단계를 거치고, 마지막으로 결과를 구조화해 ‘작성(Writing)’ 단계에서 보고서를 완성합니다. 즉, 사람이 리서치 할 때의 사고의 흐름을 AI가 그대로 모사하는 셈입니다. 덕분에 보고서의 형태는 이전보다 훨씬 체계적이고, 출처나 인용의 근거가 명확하게 남습니다. 다만 그만큼 처리 시간과 비용이 더 들기 때문에, 단순한 질문에는 AI Search, 의사결정에 필요한 주제형 분석에는 Deep Research를 상황에 맞게 선택하는 전략이 필요합니다.

[그림 2] AI Search Engine vs Deep Research (발표자 작성)

AI Search Engine vs. Deep Research

AI Search Engine

질의 → 의도 분석 → 검색 → 요약 → 답변

Deep Research

질의 → 질의 구체화 → 질문 분해 → 검색 (논문 + 보고서 + 뉴스 + 불필요 문서 제외) → 추론 (분석 + 조합 + 해석) → 종합 정리 → 레포트

Deep Research의 확산과 그 이유

이러한 리서치 자동화는 이미 글로벌 기술 기업들을 중심으로 상용화되고 있습니다. 오픈AI를 비롯해 구글(Google), 퍼플렉시티(Perplexity), 클로드(Claude) 등 상용 AI 플랫폼은 각각의 Deep Research 모드를 구현했으며, 오픈 소스 진영에서도 NVIDIA와 여러 개발 커뮤니티가 자체 Deep Research 에이전트를 오픈 프로젝트 형태로 제공하고 있습니다. Deep Research가 주목받는 이유는 명확합니다. 기업의 의사결정은 결국 ‘근거 기반’이어야 하고, 그 근거를 확보하기 위한 리서치의 속도와 품질이 경쟁력으로 직결되기 때문입니다.

AI 에이전트를 활용하면 방대한 웹 자료를 빠르게 탐색할 수 있을 뿐 아니라, 다국어 데이터를 자동으로 번역·요약할 수 있어 글로벌 시장의 정보 접근성도 획기적으로 높아집니다. 과거라면 해외 보고서와 현지 뉴스, 산업 데이터를 직접 수집해 정리해야 했지만, 이제는 AI가 그 과정을 대신 수행하고 요약된 인사이트를 제공합니다. 기업으로서는 조사 과정이 줄어드는 만큼 판단과 실행에 더 많은 자원을 집중할 수 있습니다.

기업이 데이터를 기반으로 의사 결정하는 시대에, 리서치의 깊이는 곧 경쟁력입니다. Deep Research는 대량의 정보를 빠르게 수집하고 이를 주제별로 구조화해 자동으로 분석 보고서를 생성합니다. 이를 통해 기업은 자료 조사에 소요되는 시간을 단축할 수 있고, 다국어 분석을 통해 글로벌 시장의 동향과 정책, 경쟁사 정보를 실시간으로 탐색할 수 있습니다. 리서치의 중심이 개인의 분석 역량에서 AI와 데이터 인프라로 옮겨가는 순간입니다.

[그림 3] Deep Research가 확산되는 이유 (발표자 작성)

딥리서치는 지금, 기업의 필수 역량

Speed - 빠른 정보 확보로 의사결정 시간단축

방대한 데이터의 매우 빠른 수집,분석

의사결정 속도 개선

Reliability - 신뢰도 높은 근거 중심으로 기업 리스크 감소

링크 기반 출처 검증

정보 정확도 향상

Global Reach - 세계 시장 정보도 손쉽게 통합 분석

다국어 정보 분석 및 번역

글로벌 시장 동향 파악 가능

기술의 효율 뒤에 있는 보안의 공백

AI가 리서치를 대신해 주는 시대이지만, 기업이 이 기술을 바로 적용하기에는 몇 가지 제약이 있습니다. Deep Research는 외부의 공개 데이터를 수집해 가공하는 구조로 되어 있으며, 이 과정에서 정확도와 보안 문제가 동시에 발생할 수 있기 때문입니다.

● 첫 번째 고려 사항 - 정보의 신뢰성

AI는 최신성과 출처의 신뢰도를 완벽히 구분하지 못합니다. 따라서 오래된 데이터나 이미 변경된 정보를 그대로 인용하거나, 사실과 다른 내용을 포함한 보고서를 생성할 가능성이 있습니다. 특히 의사결정에 직접 반영되는 시장 분석이나 산업 전망 리포트라면 이러한 오차는 기업의 판단을 왜곡시킬 수 있습니다.

● 두 번째 고려 사항 - 모델의 환각(Hallucination) 현상

생성형 AI는 근거가 부족한 상황에서도 논리적으로 보이는 답변을 만들어냅니다. 겉으로는 자연스럽지만 실제로는 존재하지 않는 인용이나 수치를 포함할 수 있습니다. 이는 보고서의 문장 완성도는 높이지만, 정작 그 내용을 신뢰하기 어렵게 만드는 구조적인 한계입니다. 결국, 사람이 후속 검증 단계를 반드시 거쳐야 하며, AI가 만든 결과를 그대로 의사결정에 사용하는 것은 위험할 수 있습니다.

● 세 번째 고려 사항 - 데이터 보안 Risk

외부 검색이나 모델 호출 과정에서 내부 데이터가 함께 전송될 경우, 기업의 기밀 정보가 외부 서비스나 서버에 노출될 가능성이 있습니다. 특히 연구개발 문서, 재무 자료, 내부 정책 등 민감한 데이터를 다루는 부서일수록 위험은 커집니다. 이 문제는 단순한 기술 오류가 아니라, 기업의 신뢰도와 직결되는 보안 거버넌스의 문제이기도 합니다. 특히 금융·의료 등 규제가 강한 산업에서는 이 문제가 법적 위험으로 직결됩니다.

결국 Deep Research의 성공은 기술적 완성도보다, 데이터를 어떻게 관리하고 보호하느냐에 달려있습니다. AI가 아무리 뛰어나도, 그 결과를 담는 기반이 안전하지 않다면, 리서치 자동화는 기업에 도움이 되기보다 새로운 리스크가 될 수 있습니다.

보안 중심 리서치 플랫폼의 조건

기업이 Deep Research를 안전하게 활용하기 위해서는 보안이 리서치의 전 단계에 걸쳐 내재화되어야 합니다. 기술적 완성도보다 더 중요한 것은 ‘데이터가 어떻게 다뤄지고 보호되는가’입니다. 삼성SDS에서 제공하는 FabriX Deep Research가 강조하는 세 가지 조건을 살펴보도록 하겠습니다.

첫 번째로, 온프레미스 또는 프라이빗 환경에서 리서치 워크플로우를 실행할 수 있어야 합니다. 리서치 모델을 외부 클라우드가 아닌 내부 인프라에서 구동함으로써 사내 데이터가 외부 API를 통해 유출되는 위험을 원천적으로 차단해야 합니다. 삼성SDS의 FabriX는 온프레미스 환경을 표준화된 리서치 워크플로우로 구현하여 조사 효율과 보안을 동시에 충족합니다. 이 구조에서는 사내 문서 저장소나 지식 레파지토리와 직접 연동할 수 있어 민감 정보가 외부로 새어 나가지 않으면서도 필요한 데이터에 안전하게 접근할 수 있습니다.

두 번째로, 콘텐츠 필터(Contents Filter)와 웹 리스크 필터(Web Risk Filter)와 같은 자동 필터링 체계의 적용이 필요합니다. 리서치 수행 중 개인 정보나 기밀 정보가 포함될 경우 이를 자동으로 감지하고 차단하는 콘텐츠 필터는 내부 데이터 보호의 1차 방어선 역할을 합니다. 동시에 외부 웹 검색 시 악성 도메인이나 위험 사이트 접근을 막는 웹 리스크 필터를 통해 탐색 과정에서의 보안 위협을 최소화해야 합니다. 삼성SDS의 FabriX는 이 두 가지 필터 체계를 내장해 민감 정보 유출을 예방하고, 탐색 단계에서부터 보안과 품질을 동시에 관리할 수 있도록 구성되어 있습니다. 이러한 필터링은 보안뿐 아니라 결과물의 신뢰도를 높이는 장치이기도 합니다.

마지막으로, 로깅과 추적성(Logging & Traceability) 강화가 필요합니다. 리서치 요청, 검색 경로, 데이터 연동, 보고서 생성 등 모든 과정을 세밀하게 기록해야 합니다. 이 로그는 사후 검증과 문제 발생 시 추적을 가능하게 하며, 금융이나 의료 등 규제가 엄격한 산업에서는 컴플라이언스 대응의 근거로도 활용됩니다. FabriX에서 단계별 내역을 자동 기록하고 관리하는 이유 역시 리서치 과정의 투명성과 신뢰성을 보장하기 위함입니다. 이러한 로깅 정보는 리서치 과정의 투명성을 높여 AI가 생성한 결과물에 대한 신뢰를 확보하는 기반이 됩니다.

이러한 보안 체계가 갖추어져야 Deep Research는 단순한 자동화 도구를 넘어, 기업 내부의 지식과 데이터를 안전하게 활용하는 신뢰 가능한 리서치 인프라로 기능할 수 있습니다.

리서치 자동화가 바꾸는 일의 본질

Deep Research는 단순히 빠르게 답을 주는 기술이 아닙니다. 그 본질은 조사와 판단의 분리에 있습니다. AI가 방대한 데이터를 대신 수집하고 정리한다면, 사람은 그 결과를 해석하고 의사결정에 집중할 수 있습니다. 이 변화는 일의 방식을 근본적으로 바꿉니다. 기업은 조사와 분석에 투입되던 시간을 줄이고, 그만큼의 리소스를 전략 수립과 의사결정에 투입할 수 있습니다. 이때 중요한 것은, AI의 생성 능력이 아니라 ‘리서치 결과를 신뢰할 수 있는가’입니다.

따라서 앞으로의 Deep Research는 단순한 ‘AI가 대신 조사하는 시스템’이 아니라 조직이 믿을 수 있는 조사 체계를 만들어주는 ‘지능형 의사 결정 파트너’로 발전해야 합니다.

보안을 내재한 리서치만이 기업의 경쟁력이 된다

리서치 자동화는 더 이상 미래의 이야기가 아닙니다. 이미 많은 기업이 AI를 활용해 정보 탐색과 보고서 생성을 자동화하고 있습니다. 그러나 이 과정에서 가장 중요한 것은 기술의 속도나 완성도가 아니라, ‘그 기술이 얼마나 안전하게 작동하느냐’입니다.

기업 리서치의 핵심은 방대한 데이터를 얼마나 빠르게 찾느냐가 아니라, 그 데이터가 신뢰할 수 있는 환경에서 처리되었는가에 있습니다. Deep Research가 실제 의사 결정의 근거로 활용되기 위해서는 조사 과정의 투명성과 결과물의 정확성, 그리고 이를 지탱하는 보안 체계가 전제되어야 합니다.

온프레미스 기반의 실행 환경, 민감 정보 차단을 위한 필터링 체계, 그리고 전 과정의 로깅과 추적성 확보는 이제 선택이 아니라 리서치 인프라의 필수 조건입니다. FabriX Deep Research는 내부 전용 데이터와 지식을 기반으로, 사내 프로세스에 맞춘 실행 가능한 해결 방안을 제시하고, 협업을 통해 문제 해결을 촉진하는 지능형 업무 지원 플랫폼으로 진화해 나갈 계획입니다.

앞으로의 기업 리서치는 단순히 더 많이, 더 빨리 찾는 경쟁이 아니라 안전하게 조사하고 신뢰할 수 있는 근거를 제공하는 구조로 발전할 것입니다. AI가 조사와 요약을 맡은 시대일수록 그 결과를 검증하고 관리하는 보안 중심의 접근이 기업 경쟁력의 새로운 기준이 될 것입니다.

☞ 세션 발표자 이종호 상무 (jongho06.lee@samsung.com)