생성형 AI의 확산으로 '검색'의 개념이 바뀌고 있다. 단순한 결과 나열이 아닌 대화형·요약형·문맥형 검색, 즉 'AI 검색'이 새로운 기준이 되는 흐름이다. 포털 서비스를 운영 중인 네이버도 20년 넘는 검색엔진 운영 노하우와 자체 AI 모델 도입을 통해 AI 검색 인프라를 꾸준히 확대하고 있다. 이런 네이버의 시스템은 글로벌 빅테크인 '구글'과 가장 가까운 형태이자 '한국형 AI 검색 엔진'의 바로미터로 평가받고 있다. <디지털데일리>는 네이버를 만나 AI 검색 인프라 방향성 및 비전 등을 짚어봤다. <편집자 주>

[디지털데일리 채성오기자] "검색엔진을 20년 이상 만들어왔고 AI 모델도 국내에서 가장 먼저 시작했습니다. 검색엔진과 AI 모델을 동시에 구축한 것은 네이버만의 큰 차별화 포인트라 할 수 있겠죠."

지난 17일 네이버 1784 사옥에서 만난 강유훈 네이버 AI 검색 플랫폼 리더는 AI 검색에 대한 네이버만의 차별점에 대해 이와 같이 말했다.

이른 바 '초록창'이라는 애칭으로 불리며 전 국민에게 네이버가 포털기업로 인식하게 만들었던 '검색' 기능은 인공지능(AI) 시대에서 네이버만의 또 다른 강점으로 자리잡은 모습이다. 여기에 프롬스크래치로 자체 개발한 초거대 언어모델(LLM) '하이퍼클로바X' 등 자체 AI 모델은 네이버의 다양한 서비스와 맞물려 다각화된 시너지 효과를 창출하고 있다.

AI 검색은 이런 네이버의 AI 플랜의 중심 축이자 관련 산업의 새로운 이정표로 평가받고 있다. 모든 AI 서비스의 기본이 '검색'으로 귀결되는 만큼 얼마나 정확하고 빠르게 결과값을 도출하는 지가 관건이다.

◆검색엔진+AI 모델 자체 인프라, 韓 시장 최적화 모델로=네이버가 말하는 'AI 네이티브 검색 엔진'의 핵심은 검색엔진과 생성형 모델의 엔드투엔드 통합 구조다. 네이버는 20년 넘게 자체 검색엔진을 구축해 왔고 동시에 하이퍼클로바X 등 LLM을 직접 개발해왔다. 전 세계적으로도 검색엔진과 AI 모델을 자체 구축한 곳은 네이버와 구글 정도다.

이런 통합 구조는 단순한 기술 결합으로 그치지 않는다. 검색엔진은 모델이 요약하기 쉬운 형태로 랭킹을 재조정하고 AI 모델은 네이버 검색 결과를 더 정확히 해석하도록 추가 학습된다.

학습 과정에서 한국어 문서에 대한 이해도는 자연스럽게 강화된다고 강 리더는 설명했다. 특히 네이버의 AI 모델은 한국어 지식 및 한국 사회·문화적 맥락에 대한 높은 이해도를 갖추고 있으며 자체 검색엔진은 국내 온라인 생태계에 최적화해 작동되고 있다. 두 기술이 통합된 검색증강생성(RAG) 기반 AI 검색은 국내 사용자에게 가장 유용한 결과를 제공할 수 있다.

또한 네이버 하이퍼클로바X는 지난 7월 추론 능력 고도화를 바탕으로 문화 및 언어 이해력 범주 평가에서 알리바바 Qwen3 32B 등 동급 모델 대비 최대 13.9% 이상 높은 점수를 기록했다. 검색엔진 역시 공공기관 홈페이지를 포함한 국내 생산 웹문서 및 네이버 블로그·카페·쇼핑·플레이스 등 한국 시장에 최적화된 색인 및 수집 기술을 확보하고 있다.

이런 네이버의 차별화된 경쟁력에 대해 강 리더는 "검색과 모델을 동시에 최적화하며 통합 품질을 높이는 방식이 글로벌 사업자가 한국 시장에 그대로 적용하기 어려운 지점"이라고 강조했다.

한국어 검색 문서 비중이 방대한 네이버 생태계 특성상 데이터 품질 역시 강점으로 작용한다. 한국 웹문서의 최신성·신뢰성 관리, 검색엔진의 업데이트 속도, 각종 제휴 데이터 역시 외국계 사업자가 단기간에 확보하기 힘든 영역이다.

강 리더는 "검색엔진을 오래 운영하다보니 한국 인터넷 상황에 맞춰 꾸준히 발전돼 왔고 이를 통해 최신성, 검색 속도, 안전성 측면에서 우위를 점하게 됐다"며 "AI 모델의 최적화 속도 부분은 결국 얼마나 많은 인프라 비용을 사용할 수 있느냐의 관점에서도 얘기할 수 있는데 네이버는 국내에서 가장 많은 AI 인프라를 보유한 강점이 있다"고 설명했다.

◆기술은 상향 평준화, 승부처는 '정확도 기반 속도'와 '콘텐츠'=최근 AI 검색 서비스 경쟁은 '기술 격차'보다 '속도·데이터·콘텐츠'로 이동하는 추세다. 네이버가 가장 경계하는 경쟁 요소도 구글의 압도적 속도(TTFT·첫 토큰 출력 속도)다.

강 리더는 "품질적인 부분에서는 저희도 좋은 데이터, 인프라, 플랫폼을 확보하고 있지만 구글 AI 모드는 응답 속도 측면에서 빠른 결과를 내놓기 때문에 엔지니어링 및 인프라 관점에서 제일 위협적인 지점"이라며 "결국 첫 토큰이 나오는 시간 혹은 생성되는 답변의 양이 관건인데 품질과 응답시간이 반비례하는 만큼 그 밸런스(균형)를 어떻게 잡을 지가 관건"이라고 말했다.

내년 여름 공개될 생성형 AI 검색 서비스 'AI 탭' 또한 속도 최적화가 주요 과제로 거론되는 모습이다. 강 리더는 "검색 측면에서는 구글의 AI 모드와 비슷한 형상이 될 가능성이 높겠지만 통합 검색과는 다른 지면으로 소개될 것"이라며 "단순히 검색 결과만 보는 경험에서 벗어나 추가적인 질문이 가능한 대화형 에이전트 형태 정도로 예상된다"고 설명했다.

AI 검색이 확장되면서 '할루시네이션(잘못된 생성)' 개선도 신뢰성 경쟁으로 이어지고 있다. 네이버는 내부 평가 지표를 중심으로 오답률을 꾸준히 낮추고 있으며 이를 위해 신뢰도 높은 한국 데이터의 확보·색인·고속 처리에 집중하고 있다. 강 리더는 "AI가 틀리지 않게 만들려면 검색엔진이 들고 있는 데이터부터 정확해야 한다"며 "결국 검색엔진의 최신성과 데이터 품질이 AI 품질을 좌우하는 것"이라고 강조했다.

검색 생태계 개선도 주요 과제로 언급했다. 지난 3월 '온 서비스 AI' 전략 하에 서비스를 시작한 'AI 브리핑'은 전체 검색의 15%까지 커버리지(적용 범위)를 확대하며 검색에서 AI 활용도를 높이는 데 일조하고 있다. 특히 AI 브리핑 도입 후 검색 최상단 내 이용자 체류 시간은 22% 증가한 것으로 나타났다.

강 리더는 "AI 브리핑 커버리지 높아지면서 좋은 결과가 상단에 올라오기 때문에 체류시간이 늘지만 하단으로 가는 비중은 줄어드는 풍선효과가 발생할 수 있다"며 "종합해 봤을 때 더 좋은 방향으로 가고 있다는 의미로 해석하면서도 어떻게 하면 사용자에게 좋은 결과를 노출시키면서 트래픽 수익을 떨어뜨리지 않을 지 내부적으로 고민하고 있는 단계"라고 설명했다.

네이버는 이런 풍선효과에 대비하기 위해 차별화된 콘텐츠를 확대한다는 계획이다. AI 브리핑과 현재 네이버가 서비스하고 있는 블로그·클립 ·플레이스·커머스 등을 연계할 콘텐츠를 순차적으로 확대해 관련 검색 생태계 안에서 사용자가 활용할 수 있는 영역을 다양하게 분포시키는 방식이다.

끝으로 강 리더는 "(AI 검색 등 관련) 기술적인 측면에서는 업계 전반적으로 상향 평준화 되고 있는 상황"이라며 "전략적으로 우위를 가져가기 위해서는 차별화된 콘텐츠를 확보해야 하고 이를 통해 전체 AI 검색 품질 관점에서 경쟁력을 가져갈 계획"이라고 강조했다.

Copyright ⓒ 디지털데일리. 무단전재 및 재배포 금지