Perplexity의 토큰맥싱 모델 카운슬, 다양한 봇 관점 제공
(theregister.com)
Perplexity가 여러 AI 모델을 동시에 활용해 복잡한 문제에 대한 다각적 분석과 합의점을 도출하는 '모델 카운슬' 기능을 자사 클라우드 플랫폼인 Computer로 확장하며, 단순 검색을 넘어선 멀티 에이전트 오케스트레이션 시대를 열었습니다.
이 글의 핵심 포인트
- 1Perplexity의 '모델 카운슬' 기능이 클라우드 기반 플랫폼인 Computer로 확장됨
- 2사용자는 OpenAI, Anthropic, Google 등 최대 8개의 모델을 선택해 의사결정 위원회 구성 가능
- 3각 모델의 독립적 분석 결과를 종합하여 합의점과 차이점을 보여주는 합성 보고서 생성
- 4분석 결과를 보고서, 피치덱 등 실제 업무용 자산으로 변환하는 기능 제공
- 5사용량 기반 크레딧 시스템(100 크레딧 = $1)을 통해 작업 복잡도에 따라 비용 발생
이 글에 대한 공공지능 분석
왜 중요한가?
단일 모델의 편향성을 극복하고 여러 LLM의 강점을 결합하여 의사결정의 신뢰도를 높이는 '멀티 에이전트' 활용 방식의 상용화 사례이기 때문입니다. 특히 단순 답변을 넘어 보고서나 피치덱 같은 실제 업무용 자산 생성 단계까지 연결했다는 점이 핵심입니다.
어떤 배경과 맥락이 있나?
최근 AI 트렌드는 단일 모델의 성능 경쟁에서 벗어나, 여러 모델을 적재적소에 배치하고 관리하는 '모델 오케스트레이션(Orchestration)' 및 에이전트 워크플로우로 이동하고 있습니다. Perplexity는 검색 엔진을 넘어선 클라우드 기반 작업 플랫폼으로의 확장을 꾀하고 있습니다.
업계에 어떤 영향을 주나?
AI 서비스들이 단순 챗봇 형태를 탈피하여, 복잡한 업무 프로세스를 자동화하는 '에이전트형 SaaS'로 진화할 것임을 시사합니다. 이는 모델 개발사뿐만 아니라, 다양한 모델을 조합해 특정 산업의 가치를 만드는 애플리케이션 레이어 기업들에게 새로운 기회를 제공합니다.
한국 시장에 어떤 시사점이 있나?
글로벌 빅테크의 멀티 모델 전략은 국내 AI 스타트업들에게 '자체 모델 경쟁'과 '오케스트레이션 기술 확보'라는 두 가지 과제를 동시에 던집니다. 특히 특정 도메인에 특화된 에이전트 워크플로우를 구축하는 것이 생존을 위한 핵심 차별화 전략이 될 것입니다.
이 글에 대한 큐레이터 의견
Perplexity의 이번 행보는 AI 검색 엔진에서 'AI 기반 의사결정 플랫폼'으로의 정체성 전환을 의미합니다. 창업자들에게는 단일 모델의 논리적 한계를 넘어서는 다각적 검증 도구를 손에 쥐여준다는 점에서 매우 강력한 생산성 도구가 될 것입니다. 특히 모델 간의 의견 충돌 지점을 찾아내는 기능은 리스크 관리가 필수적인 경영진에게 혁신적인 인사이트를 제공할 수 있습니다.
하지만 비용 효율성 측면에서는 주의가 필요합니다. 사용량 기반의 크레딧 시스템과 멀티 모델 호출에 따른 높은 토큰 비용은 대규모 워크플로우 적용 시 운영 비용(OPEX)을 급격히 상승시킬 수 있는 리스크가 있습니다. 따라서 무분별한 활용보다는, 고도의 판단이 필요한 핵심 의사결정에만 선별적으로 적용하는 '비용 대비 가치' 중심의 에이전트 설계 전략이 필수적입니다.
댓글
아직 댓글이 없습니다. 첫 댓글을 남겨보세요.