퍼플렉시티, AI가 검색 파이프라인 직접 설계하는 'Search as Code' 도입

주장퍼플렉시티는 기존의 고정된 검색 응용 프로그램 인터페이스(API) 호출 방식이 인공지능(AI) 에이전트의 복잡한 연구 작업에서 병목 현상을 유발한다고 판단합니다. 기존 구조는 인간 중심의 결과 제공에 최적화되어 있어, 수백 번의 검색이 필요한 AI 에이전트에게는 지나치게 경직된 형태입니다.

팩트이러한 한계를 극복하기 위해 퍼플렉시티는 'Search as Code(SaC)'라는 새로운 아키텍처를 도입했습니다. 이 기술은 AI 모델이 직접 파이썬 스크립트를 작성하여 검색을 수행하는 방식입니다. 작성된 스크립트는 보안 샌드박스 내부에서 실행하며, 퍼플렉시티의 검색 백엔드와 연동해 데이터를 추출하고 필터링하며 재순위화합니다.

팩트SaC 아키텍처는 모델, 샌드박스, 에이전트 검색 소프트웨어 개발 키트(SDK)라는 세 가지 계층으로 구성됩니다. 모델은 검색 전략을 수립하고, 샌드박스는 코드를 실행하며, SDK는 검색 엔진의 기능을 모듈화하여 제공합니다.

팩트퍼플렉시티가 사이버 보안 취약점(CVE) 추적 테스트에서 SaC를 적용한 결과, 기존 파이프라인 대비 토큰 사용량을 85% 절감했습니다. 경쟁 시스템이 25% 미만의 데이터 정확도를 보인 반면, SaC를 적용한 모델은 복잡한 연구 과제를 성공적으로 완수했습니다.

교차검증퍼플렉시티는 자사의 SaC가 오픈AI의 리스폰스(Responses) API나 앤스로픽의 매니지드 에이전트(Managed Agents)보다 5개 벤치마크 중 4개에서 우수한 성능을 보였다고 발표했습니다. 다만, 해당 결과는 기업 자체 평가를 바탕으로 하므로 해석에 주의가 필요합니다.

주장이번 기술은 AI가 단순히 토큰 단위의 추론을 넘어, 전략적 판단을 위해 코드를 운영 계층으로 활용하는 흐름을 보여줍니다. 모델은 전략을 담당하고 결정론적 런타임은 배치 처리와 필터링을 담당하는 구조가 차세대 AI 시스템의 표준이 될 전망입니다.

팩트최근 연구에 따르면 기존 검색 에이전트들은 실시간 웹 검색 대신 학습 데이터에 의존하는 경향이 있어 새로운 벤치마크에서 성능이 저하되는 문제가 있었습니다. 퍼플렉시티의 SaC는 이러한 데이터 오염 문제를 해결하고 실시간 정보의 정확도를 높이는 대안으로 제시됩니다.

교차검증코드 작성이 AI 에이전트의 기본 상호작용 방식으로 자리 잡고 있으나, 이를 뒷받침할 샌드박스와 검증 메커니즘 인프라가 새로운 병목 구간이 될 가능성이 있습니다. 자율 시스템이 복잡해질수록 이러한 인프라의 안정성이 전체 성능을 좌우합니다.

팩트현재 'Search as Code' 기술은 퍼플렉시티 컴퓨터(Perplexity Computer)와 에이전트 API를 통해 순차적으로 도입되고 있습니다. 이는 사용자가 검색 결과를 단순히 나열받는 단계를 넘어, AI가 스스로 검색 과정을 최적화하는 시대로의 전환을 의미합니다.

출처더 디코더(The Decoder)의 보도 내용을 교차 검증했습니다.