답변 넘어 실행까지…네이버 ‘AI탭’이 바꾸는 검색

[한국금융신문 정채윤 기자] 네이버(대표이사 최수연닫기최수연기사 모아보기)가 사용자의 일상 검색을 예약과 결제로 연결하는 ‘AI탭’을 전면 도입하고 실리주의 AI(인공지능) 비즈니스를 본격화한다. 네이버는 이번 기술 고도화를 통해 거대언어모델(LLM) 운영에 따르는 비용 부담을 최대 3배까지 줄이면서, 사용자가 정보를 찾는 순간부터 최종 소비하는 순간까지 네이버 생태계 안에서 직결시키는 플랫폼 락인(Lock-in) 성과를 도출하겠다는 구상이다.

네이버는 지난 2일 네이버 D2SF 강남에서 ‘탐색에서 실행까지, 차세대 AI 기술이 만드는 네이버 AI 검색’ 을 주제로 테크 딥톡을 진행했다. 이 자리에는 이기창 네이버클라우드 하이퍼스케일 AI모델 이사, 한승균 네이버 AI 검색 서비스 리더, 윤상두 네이버 퓨처 AI 센터 리더가 참석해, 최근 출시한 생성형 AI 기반 대화형 검색 서비스 AI탭에 대한 차별점과 경쟁력을 설명했다.

‘되묻고 첨삭받는’ AI

네이버는 AI탭에 탑재한 새로운 거대언어모델(LLM) ‘프로덕트 네이티브 LLM’을 공개했다. 이 모델은 기존 ‘하이퍼클로바X’ 모델 대비 경량화된 모델로, 네이버의 데이터·서비스 시나리오·사용자 피드백이 반영된 차세대 생성형 AI의 지향점이다.

이기창 네이버클라우드 하이퍼스케일 AI모델 이사는 “우리의 지향점은 모든 벤치마크에서 1등을 하는 것이 아니라, 사용자가 검색하고 구매하고 예약하는 실제 서비스의 순간에 가장 잘 작동하는 모델을 만드는 것”이라며 개발 패러다임의 전환을 선언했다.

이를 위해 네이버는 기존 트랜스포머의 한계를 넘어선 혼합전문가(MoE) 구조를 전격 도입했다. 입력 길이가 길어질수록 연산량이 제곱으로 폭증하던 기존 모델과 달리, MoE 구조는 연산량을 선형적 비례 수준으로 대폭 낮췄다. 그 결과 긴 대화 맥락을 유지해야 하는 에이전트 환경에서도 응답 지연 없이 가볍고 빠른 처리가 가능해졌다.

이 이사는 “차세대 모델은 초당 처리 가능한 요청 수(RPS)를 가변적 상황에서도 높게 유지해, 동일한 그래픽처리장치(GPU) 자원으로 더 많은 요청을 처리함으로써 서비스 운영 비용을 획기적으로 절감했다”고 설명했다. 데이터 수집 단계부터 법원 판례나 논문 등 전문 지식은 물론 상품 리뷰, 음식 레시피, 게임 공약 등 실생활 밀착형 데이터를 프리트레이닝에 대폭 반영한 점도 이와 같은 맥락이다.

특히 네이버는 사용자 요구사항과 실제 서비스 도구를 그대로 흡수한 고도화된 강화학습(RL)에 컴퓨팅 비용을 기존 대비 2배 이상 확대했다. 토큰 단위로 정답을 외우게 하는 기존 방식(SFT) 대신, 가상의 사용자 모델(유저 시뮬레이터)과 차세대 모델이 멀티턴 대화를 주고받으며 실제 네이버의 플레이스 검색 결과 및 로컬 인벤토리 등의 도구를 직접 호출·연결해 과업을 완수하도록 학습시키는 방식이다.
이 이사는 “도구를 정확히 썼는지, 도구 결과에 근거해 답했는지, 사용자 요구를 끝까지 충족했는지를 평가해 보상을 주는 구조”라고 말했다.

여기에 질문이 모호할 때 임의로 답을 추측하지 않고 사용자에게 되물어 정보를 보완하는 ‘명료성 강화학습(Clarify RL)’과 대형 모델(티처)의 지식을 서비스별 소형 모델(스튜던트)에 정밀 이식하는 ‘자기 정책 기반 증류(OPD)’ 기술을 결합했다.

이 이사는 “명료성 강화학습을 통해 외부 공인 벤치마크 기준 환각(할루시네이션) 비율을 기존 대비 최대 30%포인트 감소시켰다”며 “(네이버는) 서비스 역량에서는 확실한 우위를 정의하고 기본 역량은 경쟁사를 넘어서는 수준을 유지하고 전문 역량은 글로벌 프론티어 최고 수준과의 격차를 최소화하는 것을 목표로 하고 있다”고 강조했다.

“일머리 갖춘 AI가 대세”

이기창 이사가 차세대 AI ‘두뇌’를 선보였다면, 한승균 네이버 AI 검색 서비스 리더는 AI가 서비스 현장에서 실질적인 성과를 내도록 만드는 ‘일머리’, 즉 ‘하네스 엔지니어링’을 전면에 내세웠다. 2007년부터 네이버에서 검색 랭킹 모델링을 구축해 온 한 리더는 지난해 ‘AI 브리핑’에 이어 올해 초 대화형 AI 검색 AI탭을 성공적으로 안착시킨 주역이다.

한 리더는 최신 정보 업데이트의 한계와 환각 현상 등 LLM의 고질적 문제를 해결하기 위해 네이버의 20년 검색 자산을 유기적으로 결합하는 운영 체계를 구축했다고 밝혔다. 특히 거대한 단일 모델 대신 특정 작업에 최적화된 소형 모델들을 조합하는 ‘분업형 구조’를 도입해 비즈니스 효율성을 극대화했다.

한 리더는 “초기 AI 탭을 거대 모델로 설계했을 때보다 소형 모델 분업 체계로 전환하면서 서비스 운영 비용을 최대 3배 절감하고, 응답 속도는 2배 향상시키는 성과를 거뒀다”고 수치를 통해 증명했다.

네이버가 하네스 엔지니어링을 통해 도달하고자 하는 최종 성과는 사용자의 정보 탐색이 실제 구매와 예약 등 ‘비즈니스 액션’으로 직결되는 플랫폼 생태계 완성이다.

AI탭은 사용자의 취향과 위치, 과거 대화 맥락을 요약한 구조화된 컨텍스트를 활용해 자연스러운 대화를 이어간다. 예컨대 “정자동 회식 식당”을 찾은 뒤 “주차 가능한 곳”이라고만 쳐도 앞선 맥락을 기억해 결과물에 반영한다. 나아가 AI가 스스로 계획을 세우고 내부 검색 API 및 플레이스·쇼핑 데이터베이스를 순차적으로 호출하는 ‘리액트(ReAct)’ 패턴을 적용했다.

한 리더는 “사용자가 원하는 정답이 나올 때까지 AI 에이전트가 반복 추론해 최적의 선택지를 도출하고, 예약이나 결제 단계로 즉시 진입할 수 있는 액션 카드를 제공한다”고 설명했다.

네이버는 이 같은 기술력을 바탕으로 올 3분기부터 부동산, 웨일 브라우저 특화 에이전트를 차례로 연동하고 연내 신뢰도 높은 ‘건강 에이전트’까지 선보이며 비즈니스 영역을 전방위로 넓힐 계획이다.

한 리더는 “국제머신러닝학회(ICML 2026)에서 인정받은 ‘플로우봇(FlowBot)’ 연구를 바탕으로 AI가 스스로 워크플로우를 최적화하는 단계를 밟고 있다”며 “단순한 정보 제공을 넘어 실제 사용자의 실행까지 자연스럽게 연결하는 AI 검색 생태계를 공고히 하겠다”고 강조했다.

“AI, 텍스트 넘어 눈을 갖다”

네이버는 차세대 생성형 AI의 시각적 완성도를 높이기 위해 이미지와 영상을 동시에 이해하고 행동하는 ‘멀티모달 에이전트’ 기술을 전면에 배치했다.

윤상두 네이버 퓨처 AI 센터 리더는 “사용자는 이제 텍스트 입력을 넘어 사진과 영상을 보여주며 이해와 실행을 동시에 요구한다”며 “2017년 스마트 렌즈 출시 이후 9년간 축적해 온 시각 검색 기술이 AI 에이전트가 세상을 인식하는 ‘눈’ 역할을 하게 될 것”이라고 진화 방향을 설명했다.

네이버가 멀티모달 환경에서 집중하는 핵심 기술은 형태가 다른 정보를 동일한 의미 공간에 매핑하는 ‘멀티모달 임베딩’이다. 특히 상용화 단계에서의 비용 부담을 줄이기 위해 정확도뿐만 아니라 대폭적인 경량화를 선행 연구의 핵심 목표로 잡았다.

윤 리더는 최근 컴퓨터 비전 분야 최고 권위 학회인 ‘CVPR 2026’에서 발표한 최신 연구 성과 ‘뮤코(MuCo)’를 그 대안으로 제시했다.

윤 리더는 “기존 단일 턴 방식은 질문이 바뀔 때마다 이미지를 매번 새로 처리해야 해 비용 효율성이 크게 떨어졌다”며 “뮤코는 이미지를 단 한 번만 읽고도 연속적인 멀티턴 질문의 맥락을 대화 흐름 속에 반영하는 멀티턴 학습 방식을 채택했다”고 밝혔다.

네이버는 이 과정에서 3500만 장의 멀티모달 데이터셋을 구축했으며, 글로벌 공인 벤치마크(MMEB, M-BEIR)에서 세계 최고 수준의 성능을 검증받았다.

네이버가 이 같은 멀티모달 고도화를 통해 겨냥하는 성과는 ‘사용자 취향 기반의 직관적 실행력 확장’이다. 텍스트로 치환하기 어려운 사진 속 공간의 분위기, 인테리어, 조명 등을 AI가 스스로 이해한 뒤 네이버 플레이스 및 예약 시스템과 결합해 최종 결제까지 원스톱으로 처리하는 구조다.

윤 리더는 “우리가 지향하는 것은 단순히 이미지를 설명하는 AI가 아니라, 사용자가 보고 있는 것의 의도를 정확히 파악해 네이버의 다양한 서비스로 직접 연결하는 ‘실행형 에이전트’”라며 “멀티모달 기술 기반으로 실행형 에이전트 능력을 확장하고 사용자가 더 자연스럽게 탐색하고 실행할 수 있는 새로운 검색 환경을 구축하겠다”고 강조했다.

정채윤 한국금융신문 기자 chaeyun@fntimes.com