왜 글로벌 대기업은 챗GPT가 아닌 한국의 B2B AI 검색에 열광할까요? 정확도와 보안으로 기업 비용을 절감하는 '워크포스 AI'의 실질적인 비즈니스 가치와 도입 성공 전략을 분석합니다.
실리콘밸리를 포함한 글로벌 테크 업계의 가장 큰 골칫거리는 AI의 거짓말, 즉 환각 현상입니다. 개인이라면 인공지능이 지어낸 그럴싸한 답변을 보고 한 번 웃고 넘기면 그만이지요. 하지만 수백억 원의 예산이 오가고 단 한 번의 오판으로 기업의 존폐가 결정되는 비즈니스 현장은 이야기가 다릅니다. 최근 글로벌 시장에서 독보적인 존재감을 드러내는 국내 스타트업 라이너의 행보는 B2B 시장에서 AI가 살아남기 위한 유일한 생존 공식을 증명합니다. 화려한 문장력보다 정확한 데이터로 기업의 비용을 깎아주는 워크포스 AI를 알아 보았습니다.
유창한 문장보다 딱딱한 출처가 돈이 되는 냉혹한 현실
생성형 AI 도입 2년, 시장의 거품은 걷히고 차가운 계산서가 날아들기 시작했습니다. 초기에는 마법처럼 문서를 써 내려가는 대형언어모델의 유창함에 환호했지만, 이제 기업들은 막대한 클라우드 비용과 AI의 답변을 다시 검증하느라 낭비되는 직원의 시간에 주목합니다.
라이너가 사우디아라비아 국영 기업 휴메인의 통합 플랫폼에 단독 탑재된 사례는 시사하는 바가 큽니다. 데이터 주권과 보안에 극도로 예민한 사우디아라비아는 미국이나 중국 빅테크에 자국 데이터를 넘겨주길 거부합니다. 이들은 내부망에서 안전하게 구동되면서도, 환각 없이 정확한 근거만 제시하는 검색 엔진을 갈망했습니다.
기술 실증 과정은 단 4일 만에 끝났습니다. 수개월이 걸리는 통상적인 엔터프라이즈 솔루션 검토 기간을 생각하면 파격적인 속도입니다. 이는 기업이 원하는 핵심 가치인 보안과 정확도를 즉각적으로 증명했다는 뜻이기도 합니다. 비즈니스 세계에서는 창의적인 답변보다 투박하더라도 공공기관 문서나 논문에 기반한 딱딱한 출처를 제시하는 것이 훨씬 강력한 경쟁력이 됩니다. 리스크 비용을 줄여주기 때문입니다.
정확도가 비용을 줄이는 역설적인 메커니즘
라이너가 글로벌 수준의 검색 증강 생성 기술을 구현한 비결은 무엇일까요? 이들의 기술적 차별점은 단순히 데이터를 긁어모으는 수준을 넘어섭니다. 라이너의 AI 에이전트는 그럴싸한 문장을 만드는 창작 도구가 아니라, 신뢰할 수 있는 문서만 조합해 의사결정을 돕는 엄격한 팩트체커에 가깝습니다.
핵심 동력은 지난 10여 년간 전 세계 사용자들이 직접 검증하며 쌓아온 방대한 하이라이팅 데이터입니다. 어떤 정보가 진짜 유용한지 사람들이 직접 밑줄을 그은 데이터를 학습해 검색 결과 중 가장 신뢰할 수 있는 출처를 골라내는 자체 랭커 모델을 구축했습니다. 질문 분석부터 답변 생성까지 과정을 8개의 특화 컴포넌트로 세분화해 관리하는 점도 눈에 띕니다. 모든 일을 다 잘하는 무거운 천재 대신, 자료 조사 하나만 기막히게 잘하는 전문가를 여럿 채용한 격입니다.
이러한 구조는 파격적인 비용 절감으로 이어집니다. 답변에 필요한 핵심 정보만 정밀하게 필터링하기 때문에 AI가 처리해야 할 데이터 절대량이 줄어듭니다. 불필요한 연산이 사라지니 토큰 사용료가 낮아지고, 기업의 도입 부담은 가벼워집니다. 정확도를 높였더니 오히려 비용이 저렴해지는 역설이 성립하는 순간입니다. 물론 한계도 있습니다. 철저히 신뢰할 수 있는 문서에만 의존하기에, 참조할 고품질 원본 데이터가 없다면 AI는 침묵하거나 단편적인 답변에 그칩니다. 결국 데이터의 질이 결과의 질을 결정합니다.
레딧이 분석한 퍼플렉시티와의 결정적 차이
사용자 90%가 해외에서 유입되는 만큼, 레딧 등 글로벌 커뮤니티의 반응도 뜨겁습니다. 가장 자주 비교되는 대상은 글로벌 선두 주자인 퍼플렉시티입니다. 커뮤니티의 냉정한 평가에 따르면, 퍼플렉시티는 일반적인 지식 탐색이나 일상적 질문에 유연한 범용 엔진입니다. 반면 라이너는 학술적이거나 비즈니스적인 목적 지향형 업무에서 압도적인 효율을 보여준다는 평이 지배적입니다.
실제 사용자들은 라이너의 출처 투명성에 손을 들어줍니다. 환각을 피하려고 말을 지어내기보다, 차라리 관련 공공 문서나 학술지 링크를 직관적으로 띄워주는 방식을 선호하기 때문입니다. 비즈니스 환경에서는 AI가 내놓은 결론보다 그 결론을 뒷받침할 근거를 상사나 클라이언트에게 제출할 수 있느냐가 훨씬 중요하지 않습니까?
필터링이 너무 엄격해 답변이 다소 딱딱하다는 지적도 있습니다. 하지만 이는 B2B 틈새시장을 공략하기 위한 의도적인 전략으로 보입니다. 재미를 포기하고 신뢰를 얻은 셈입니다.
실패 없는 AI 도입을 위한 현실적인 액션 플랜
글로벌 기업들의 성공 사례를 보며 우리 조직의 AI 도입을 고민 중이라면, 딱 두 가지만 기억하십시오.
첫째, 기술 실증은 반드시 2주일 이내로 압축하십시오.
거창한 전사 시스템을 구상하며 1년짜리 프로젝트를 기획하는 순간 실패는 시작됩니다. 기술 발전 속도가 너무 빨라 프로젝트가 끝날 때쯤이면 이미 구형 기술이 되어버립니다. 가장 빈번하게 발생하는 부서의 자료 검색 업무 하나만 떼어내어 며칠 내로 파일럿 테스트를 끝내야 합니다. 가벼운 성공 경험이 우선입니다.
둘째, 직원의 리파이닝 비용을 반드시 계산하십시오.
경영진은 보통 구독료나 API 호출 비용만 따집니다. 하지만 진짜 숨어있는 비용은 AI가 내놓은 오답을 직원이 일일이 검증하고 수정하는 시간입니다. AI 솔루션을 평가할 때는 답변의 화려함이 아니라, 근거 출처를 클릭 한 번으로 검증할 수 있는지 확인하십시오. 검증에 5분 이상 걸리는 AI라면 도입하지 않는 편이 낫습니다.
AI는 이제 신기한 장난감을 넘어 엑셀이나 워드 같은 필수 도구가 되었습니다. 도구의 본질은 사용자의 시간을 아껴주는 것입니다. 정확도로 비용 절감이라는 본질을 꿰뚫은 서비스들이 시장을 어떻게 재편할지 주시하십시오. 답은 생각보다 가까운 곳에 있습니다.
