[AI 검색트렌드②] AI 검색 이용자 56.9% ‘궁금하면 즉시 질문’…검색어에서 대화로

[KtN 신명준기자]궁금한 내용이 생기면 미루지 않고 생성형 인공지능(AI)에 곧바로 질문한다는 이용자가 56.9%에 달했다. 한 차례 답변에서 멈추지 않고 추가 질문을 이어가며 정보를 더 깊게 파고든다는 응답도 42.3%였다. 검색어를 입력하고 결과 목록에서 필요한 정보를 고르던 방식에 대화와 수정, 재질문이 더해지고 있다.

리서치 테크 기업 오픈서베이가 최근 3개월 안에 챗GPT(ChatGPT), 제미나이(Gemini), 클로드(Claude), 퍼플렉시티(Perplexity)를 이용한 751명에게 정보 탐색 습관의 변화를 물은 결과다. 직접 자료를 찾아보는 대신 개인 상황에 맞게 정리된 답변을 선호하게 됐다는 응답은 34.1%, 단어보다 긴 문장으로 질문하게 됐다는 응답은 28.0%로 집계됐다.

생성형 AI는 기존 검색 서비스의 목록을 대체하는 데 그치지 않는다. 중요도가 낮아 검색하지 않고 지나쳤던 궁금증까지 질문으로 바꾸고, 첫 답변을 바탕으로 조건을 추가하며 결과를 다듬는 이용이 늘었다. 검색의 시작점과 탐색 과정, 이용자가 기대하는 결과물의 형태가 함께 바뀌는 흐름이다.

궁금증을 미루지 않는 이용자 56.9%

생성형 AI 이용자의 56.9%는 궁금한 점이 생기면 혼자 고민하거나 미루지 않고 곧바로 AI에 물어본다고 답했다. 조사 항목 가운데 가장 높은 수치다.

기존 검색에서는 질문을 검색어로 줄이고, 결과 목록에서 적절한 문서나 영상을 골라야 했다. 찾으려는 정보가 모호하거나 중요도가 낮을 경우 검색 자체를 포기하는 일도 있었다. 생성형 AI에서는 완성되지 않은 생각이나 짧은 궁금증도 문장으로 입력할 수 있다. 질문이 명확하지 않아도 첫 답변을 받은 뒤 조건을 덧붙여 범위를 좁힐 수 있다.

응답자 자유서술에서도 “애매하거나 별로 중요하지 않은 내용을 넘어가지 않고 물어보게 됐다”, “혼자 생각한 뒤 질문하던 방식에서 바로 질문하는 방식으로 바뀌었다”는 취지의 답변이 나왔다. 검색할 정도로 중요하지 않다고 판단했던 내용까지 AI와의 대화로 들어오면서 정보 탐색의 문턱이 낮아진 셈이다.

질문의 증가는 정보 이해의 확대로 이어질 수 있지만 정확성이 낮은 답변까지 더 자주 접할 가능성도 높인다. 이용 횟수만 늘어난다고 정보 활용 역량이 함께 향상됐다고 단정할 수는 없다. 질문 이후 원문과 출처를 확인하고, 오류를 찾아내는 과정까지 포함해야 실제 정보 탐색의 질을 판단할 수 있다.

한 번의 검색에서 추가 질문으로

첫 답변을 받은 뒤 추가 질문으로 내용을 더 깊게 알아보게 됐다는 응답은 42.3%였다. 단일 검색어와 결과 목록을 중심으로 움직였던 검색이 여러 차례의 질의와 답변으로 이어지는 구조로 바뀌고 있다.

추가 질문은 단순 반복 검색과 다르다. 첫 답변의 내용을 전제로 설명을 더 쉽게 바꾸거나, 특정 조건을 넣어 다시 계산하고, 비교 대상과 결과물의 형식을 조정할 수 있다. 같은 주제를 여러 차례 검색하더라도 앞선 검색 결과가 이어지지 않았던 포털과 달리 생성형 AI는 대화 안에서 이용자가 제시한 조건을 누적한다.

책을 읽다가 이해되지 않는 내용을 설명해 달라고 한 뒤 난도를 낮춰 재질문하거나, 제품 선택 기준을 입력한 다음 예산과 사용 목적을 추가하는 방식이 여기에 해당한다. 일정 작성과 문서 초안에서도 첫 결과를 받은 뒤 분량과 문체, 포함 항목을 바꾸며 결과물을 수정할 수 있다.

검색의 단위도 달라진다. 포털에서는 검색어 하나와 결과 페이지 하나가 기본 단위였다. 생성형 AI에서는 첫 질문과 여러 차례의 추가 지시, 수정된 답변까지 하나의 탐색 과정으로 묶인다. 검색 서비스의 성능을 클릭 수나 결과 노출량만으로 비교하기 어려워진 배경이다.

다만 42.3%는 추가 질문이 늘었다고 답한 이용자의 비율이며, 추가 질문을 통해 얻은 정보의 정확성과 깊이를 측정한 결과는 아니다. 대화가 길어졌다는 사실만으로 이용자가 더 정확한 결론에 도달했다고 볼 수는 없다.

정보 목록보다 개인 상황에 맞춘 답변

생성형 AI 이용자의 34.1%는 직접 정보를 찾기보다 개인 상황에 맞게 정리된 완성형 답변을 선호하게 됐다고 답했다. 검색 결과의 양보다 이용자가 바로 활용할 수 있는 형태가 중요해진 변화다.

기존 검색에서 여행 일정을 만들려면 교통과 숙박, 관광지, 식당 정보를 각각 찾은 뒤 시간과 이동 경로를 직접 맞춰야 했다. 생성형 AI에는 일정과 예산, 동행 인원, 선호 장소를 한꺼번에 입력하고 계획표 형태의 답변을 요청할 수 있다.

제품 비교도 가격과 성능 정보만 나열하는 데서 끝나지 않는다. 사용 목적, 보유 제품, 예산, 이용 빈도를 입력하면 조건별 선택지를 정리해 달라고 요청할 수 있다. 금융상품이나 보험, 투자 관련 질문에서도 이용자의 소득과 자산 정보를 반영한 답변을 요구하는 이용이 가능하다.

개인화된 결과를 얻으려면 이용자가 더 많은 정보를 입력해야 한다. 업무 자료와 계약 내용, 재무 상태, 건강 정보처럼 외부에 공개하기 어려운 내용도 질문에 포함될 수 있다. 맞춤형 답변의 편의성이 커질수록 개인정보와 기업 기밀을 어디까지 입력할 것인지에 대한 판단도 중요해진다.

AI가 제공한 답변이 개인 상황에 맞는다는 표현도 주의해서 받아들여야 한다. 이용자가 입력한 조건을 문장에 반영했다는 의미와 법률·의료·금융 분야의 전문적 판단이 적절하다는 의미는 같지 않다. 결과물의 형태가 구체적일수록 이용자가 답변을 신뢰할 가능성이 커질 수 있어 검증 절차가 더 필요하다.

업무·학습에서는 요약과 속도, 정확성

업무·학습 목적으로 챗GPT를 먼저 이용한 이유는 검색 결과를 자동으로 요약하거나 묶어 제공한다는 응답이 43.8%로 가장 높았다. 결과가 빠르게 나온다는 응답은 42.5%, 기대한 결과를 정확하게 제공한다는 응답과 익숙한 서비스라는 응답은 각각 36.3%였다.

제미나이를 먼저 찾은 이용자도 속도 45.6%, 자동 요약 44.1%, 기대한 결과와의 정확한 일치 39.7%를 주요 이유로 꼽았다. 기기와 관계없이 편리하게 검색할 수 있다는 응답은 27.9%, 다양한 형태의 결과를 제공한다는 응답은 23.5%였다.

업무·학습에서 생성형 AI를 선택하는 기준은 단순한 정보 보유량보다 작업시간을 줄이는 기능에 집중됐다. 여러 검색 결과를 읽고 핵심 내용을 정리하는 시간을 줄이고, 문서 초안이나 요약문을 바로 확보할 수 있다는 점이 이용을 뒷받침했다.

정확성이 상위권에 포함된 점도 주목할 만하다. 이용자는 빠른 답변만 요구하는 것이 아니라 자신의 질문과 직접 관련된 결과를 기대하고 있다. 다만 해당 수치는 이용자의 주관적 평가다. 실제 사실관계의 정확도나 출처 일치율을 검증한 결과와는 구분해야 한다.

익숙한 서비스라는 응답은 챗GPT 36.3%, 제미나이 17.6%로 차이가 났다. 챗GPT는 먼저 사용 경험을 축적한 이용자층이 업무·학습 과정에서 반복적으로 서비스를 찾는 흐름이 반영된 것으로 해석할 수 있다. 제미나이는 이용 경험이 빠르게 증가했지만 습관으로 자리 잡았다는 응답은 상대적으로 낮았다.

지식 습득에서는 속도와 신뢰도 함께 고려

지식 습득 목적으로 챗GPT를 먼저 찾은 이용자는 빠른 결과를 이유로 꼽은 비율이 51.8%로 가장 높았다. 기대했던 결과를 정확하게 제공한다는 응답은 39.3%, 자동 요약과 믿을 수 있는 결과를 제공한다는 응답은 각각 32.1%였다.

제미나이는 정확한 결과 42.9%, 빠른 결과와 믿을 수 있는 결과가 각각 39.3%로 나타났다. 양질의 결과를 앞쪽에 제공한다는 응답도 30.4%였다. 업무·학습뿐 아니라 지식을 이해하고 정리하는 과정에서도 속도와 정확성, 신뢰도가 함께 서비스 선택 기준으로 들어왔다.

이용자가 느끼는 신뢰도와 실제 답변의 정확성은 일치하지 않을 수 있다. 문장이 자연스럽고 설명 구조가 정돈돼 있을수록 틀린 답변도 설득력 있게 받아들여질 가능성이 있다. 생성형 AI의 답변을 지식 습득에 활용할 때는 출처 제시 여부와 인용한 원문의 내용, 정보의 작성 시점을 별도로 확인할 필요가 있다.

검색 결과의 신뢰도를 평가하는 기준도 포털과 생성형 AI에서 다르다. 포털에서는 언론사와 기관명, 작성 날짜, 검색 순위가 판단 근거로 제시된다. 생성형 AI는 여러 내용을 하나의 답변으로 합치면서 정보가 어디에서 왔는지 드러나지 않는 경우가 있다. 답변의 이해도는 높아질 수 있지만 원문으로 되돌아가는 과정은 오히려 복잡해질 수 있다.

문장형 질문이 네이버·구글로 확산

생성형 AI를 이용한 뒤 단어보다 긴 문장으로 질문하게 됐다는 응답은 28.0%였다. 네이버나 구글에서도 자신도 모르게 문장형 검색을 한 적이 있다는 응답은 17.3%로 조사됐다.

검색어를 짧은 명사 조합으로 줄이던 습관이 자연어 문장으로 옮겨가고 있다는 의미다. 이용자가 검색 서비스에 맞춰 질문을 압축하기보다 찾고 싶은 내용과 조건을 그대로 입력하는 방식이다.

기존 검색 서비스도 문장형 검색과 AI 요약 기능을 확대할 경우 포털과 생성형 AI 사이의 사용 방식은 더 가까워질 수 있다. 이용자 입장에서는 검색창의 종류보다 질문의 맥락을 얼마나 이해하고, 최신 출처와 활용 가능한 답변을 함께 제공하는지가 선택 기준이 된다.

문장형 질문이 늘어나면 이용자의 의도와 조건을 더 구체적으로 전달할 수 있다. 반면 질문에 포함되는 개인 정보와 업무 내용도 많아진다. 기업과 기관에서는 공개형 AI 서비스에 입력할 수 있는 정보의 범위, 결과물의 검토 책임, 출처 표시 기준을 별도로 마련해야 한다.

출처 확인 감소 14.9%…편의성 뒤의 검증 부담

생성형 AI가 처음 등장했던 시기보다 검색 결과나 출처 확인을 덜 하고 있다는 응답은 14.9%였다. 다수 응답은 아니지만 AI 이용이 익숙해지는 과정에서 검증 절차가 약해질 수 있다는 신호로 볼 수 있다.

빠르게 정리된 답변을 반복해서 받으면 이용자는 매번 원문을 확인하는 데 부담을 느낄 수 있다. 업무와 학습에서 생성형 AI를 자주 사용할수록 답변의 일부만 수정한 뒤 결과물을 그대로 활용할 가능성도 커진다.

출처 확인 감소는 뉴스와 정책, 법률, 의료, 금융처럼 오류의 영향이 큰 영역에서 부담을 키운다. 생성형 AI가 존재하지 않는 자료를 제시하거나 서로 다른 시점의 정보를 합칠 경우 답변의 형식만으로 오류를 가려내기 어렵다. 정부와 기업의 AI 활용 확대도 이용 건수보다 검증 체계와 오류 수정 절차를 함께 평가해야 하는 이유다.

예전 검색 습관과 크게 달라지지 않았다는 응답도 11.7%였다. 생성형 AI 이용자 모두가 검색 방식을 바꾼 것은 아니며, 포털 검색을 유지하면서 특정 작업에만 AI를 추가한 이용자도 존재한다. 조사 결과는 전면적인 검색 대체보다 기존 검색과 대화형 탐색이 병행되는 흐름에 가깝다.

이번 조사는 전국 만 10∼59세 남녀 1000명을 대상으로 2026년 7월 2일 모바일 앱에서 진행됐으며, 검색 습관 변화 문항은 최근 3개월 안에 생성형 AI를 이용한 751명의 복수응답을 집계했다. 응답자가 인식한 변화인 만큼 실제 질문 횟수와 업무시간 단축, 답변 오류율을 측정한 이용 기록과는 구분해야 한다.

생성형 AI 활용 정책의 성과도 가입자 수와 서비스 이용률만으로 판단하기 어렵다. 업무시간이 얼마나 줄었는지, 수정과 재검증에 얼마의 시간이 추가됐는지, 민감정보 입력과 오답 사용을 막는 기준이 현장에서 작동하는지까지 확인해야 한다. 질문은 빨라지고 탐색은 길어졌다. 검색 전환의 실질적인 성과는 답변의 속도보다 이용자가 정확한 결과에 도달하는 데 들어간 전체 시간과 비용에서 판가름날 전망이다.