Perplexity CEO: SMBs Could Drive the Next Economic Boom

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Perplexity CEO는 AI 에이전트로 인력과 자본의 제약을 줄이는 중소기업이 다음 경제 호황을 이끌 수 있다고 본다.

📌 핵심 요점

1. 중소기업의 성장 기회는 채용과 업무 실행의 병목을 줄이는 데 있다. 적합한 인력을 찾기 어려운 창업자가 AI에 유용한 업무를 맡기면, 적은 인원과 자본으로 더 많은 가치를 만들 수 있다는 전망이다.
2. Perplexity는 답변 제공에서 실제 업무 수행으로 확장하고 있다. 검색·브라우저·개인 맥락·여러 모델을 결합하는 Perplexity Computer를 통해 신생 기업의 사업 운영과 업무 절차를 지원하려 한다.
3. 보급의 관건은 모델 성능을 쉬운 사용 경험으로 연결하는 것이다. 사용자가 프롬프트와 모델별 장점을 배우기보다 제품이 선택의 복잡성을 처리해야 한다는 원칙이며, CEO는 아직 목표 수준에 도달하지 못했다고 인정한다.
4. 성장의 평가 기준은 사용자 규모와 함께 활용 깊이와 수익 창출 기여를 보는 것이다. 사용자가 제품으로 돈을 벌고 다시 제품에 더 지출하는 ‘재귀적 효과’를 강조하지만, 수백만 명 규모의 사용자와 유통력도 필요하다고 설명한다.
5. 로컬·클라우드 선택권과 안전한 실행이 기업 활용의 기반이다. 민감한 정보는 사용자 소유 환경에서 처리하고 필요한 작업은 클라우드 모델에 맡기는 구상을 제시하며, 다중 에이전트에는 감사 로그·위협 탐지·대응 체계가 필요하다고 본다.

🧩 배경과 문제 정의

• Perplexity는 답변 엔진에서 검색·브라우저·여러 모델을 결합해 실제 업무를 수행하는 에이전트 플랫폼으로 확장하고 있다.
• 신생 기업은 적합한 인력을 채용하기 어렵다. AI에 업무를 맡길 수 있다면 중소기업도 적은 인원과 자본으로 더 많은 가치를 만들 가능성이 있다.
• AI의 성능 향상이 곧 쉬운 사용 경험을 보장하지는 않는다. 사용자가 모델 선택이나 프롬프트 작성법을 익혀야 하는 부담을 제품이 얼마나 줄이느냐가 핵심 과제다.
• 성장 전략은 사용자 수뿐 아니라 사용자가 제품으로 얼마나 많은 일을 하고 수익을 얻는지에 달려 있다는 관점이다. 미국 시장과 중소기업의 성장 가능성은 CEO의 평가와 전망으로 제시된다.

🕒 시간순 섹션별 상세정리

1. Comet 확대와 투자 보도로 드러난 사업 확장

• AI 브라우저 Comet을 이번 주 모든 사용자에게 제공한다는 소식이 도입부에 포함된다. [00:06]
• 엔비디아가 300억 달러를 넘는 기업가치를 기준으로 Perplexity 투자를 검토한다는 보도가 나온다. 투자 확정 사실은 아니다. [00:52]

2. AI 시대의 인간 역할과 호기심 중심 브랜드

• Perplexity의 브랜드는 호기심을 기념하는 데 기반을 둔다. AI가 발전할수록 인간은 호기심을 더 적극적으로 발휘할 수 있으며, AI의 목적도 인간의 호기심을 가속하는 데 있다는 관점이다. [01:50]
• AI가 답을 제공할수록 인간의 역할은 다음 질문을 찾는 쪽으로 이동한다. 답을 잘하는 사람에게 보상하던 환경을 넘어, 낯선 주제나 기초적인 질문도 평가받을 두려움 없이 탐구할 수 있어야 한다. [02:50]

3. 학자 이름을 붙인 회의실과 인간 직관의 가치

• 학자 이름을 회의실에 붙이는 방식은 DeepMind의 데미스에게서 받은 영감이다. 철학자 이름의 방에 화상회의용 TV를 두지 않고 화이트보드로 대면 토론하게 한 설계까지, 공간에 사고방식을 담은 점이 영향을 주었다. [05:50]
• 위대한 발명은 기존 방식에 질문을 던지는 데서 출발한다. 진공관보다 나은 장치를 찾던 소수의 질문이 접합 트랜지스터로 이어졌다는 사례처럼, 회의실 이름도 질문하는 정신을 일상적으로 상기시키려는 장치다. [06:26]

4. 미국 시장의 잠재력과 모델 중립 에이전트 전략

• 미국 고객은 좋아하는 제품에 반복적으로 지출하고 고객 생애가치도 높다는 평가다. 버크셔 해서웨이의 약 1조 달러, JP모건의 약 9,400억 달러 기업가치를 미국 중심 고객 기반으로도 큰 기업을 만들 수 있다는 사례로 든다. [08:37]
• 새로운 사업을 시도하는 미국의 창업 수요에 대응하는 것이 Perplexity Computer의 전략이다. 최첨단 모델과 공개 가중치 모델을 조합하는 신뢰할 수 있는 모델 중립 플랫폼으로, 신생 기업이 에이전트에 맡기는 유용한 업무를 늘리려 한다. [09:36]

5. 초기 채용의 어려움이 만드는 업무 위임 수요

• 신생 기업이 AI를 활용하는 이유는 모든 일을 AI로 대체하고 싶어서만은 아니다. 누구를 채용해야 하는지 판단하기 어렵고, 적합한 사람을 찾을 시간도 부족하다는 현실적인 병목이 있다. [10:00]
• Perplexity의 초기 10~20명에게 시험 근무를 요구한 것은 정교한 채용 전략보다 생존을 위한 선택이었다. 함께 일해 적합성을 확인했으며, 합류한 사람은 대체로 이틀 안에 확신이 생겼지만 맞지 않는 사람은 일주일이 지나도 판단이 서지 않았다. [10:20]

6. 기업가치보다 유용성, 대기업 고객보다 중소기업의 성장

• 목표는 1조 달러 기업가치 자체보다 많은 소비자·전문 사용자·중소기업에 유용해지는 것이다. 5년이나 10년에 걸쳐 큰 가치에 도달할 수 있다는 예시는 성장 가능성에 대한 설명이다. [11:22]
• 애플도 대규모 기업 고객이나 10억 명의 사용자를 먼저 목표로 삼기보다, 누구에게 어떤 제품을 제공할지 구체적으로 정하고 좋은 제품의 사용을 늘려 왔다는 해석이다. Perplexity도 이 접근을 지향한다. [12:02]

7. 외부인에게 자본과 더 큰 야망을 열어주는 아메리칸 드림

• 미국은 외부인이 어려운 문제를 해결하려 할 때 이를 허용하는 데 그치지 않고 투자로 지원하는 곳이라는 평가다. 벤처캐피털이나 가족·지인의 자본이 위험 감수를 돕고 성공의 이익을 나누는 문화가 기회의 기반이다. [14:24]
• 아메리칸 드림은 출신과 관계없이 어려운 문제를 해결하고 보상받을 수 있다는 의미이며, 실리콘밸리는 그 정신이 기술 창업으로 나타난 사례라는 관점이다. [15:19]

8. ‘사용자는 틀리지 않는다’는 제품 설계 원칙

• 래리 페이지에게서 받은 핵심 영향은 ‘사용자는 틀리지 않는다’는 철학이다. 사용자가 작동 방법을 바꾸도록 요구하기보다, 문제를 의식할 필요가 없도록 제품을 고쳐야 한다. [17:03]
• 사용자가 잘못된 행동을 해도 올바른 방향으로 안내하거나 실제 의도를 예상해 처리하는 설계가 필요하다. AI 성능이 발전하는 속도만큼 사용자의 이해도도 발전하리라고 기대할 수는 없다. [17:39]

9. 별도 도입 지원 없이 사용할 수 있는 AI

• 일반인도 쓸 수 있는 컴퓨터를 지향했던 스티브 잡스의 접근처럼, AI도 누구나 직관적으로 사용할 수 있어야 한다. 아이폰 사용자마다 전담 도입 인력이 필요하다고 가정하면 현재 AI 사용 경험의 문제를 이해할 수 있다. [18:27]
• 설계와 초기 사용 경험이 충분히 좋다면 모델 선택은 실행 시스템이 처리하고, 사용자는 바로 작업과 자동화를 시작할 수 있다. Perplexity는 아직 그 수준에 도달하지 않았으며 이를 목표로 삼고 있다. [19:30]

10. 광고 구간의 금융·법률·AI 인프라 서비스

• Brex 광고는 카드·경비·은행 업무를 통합하고, AI 에이전트가 경비 처리와 지출 전 정책 적용을 자동화하며 장부 마감을 단축하는 금융 플랫폼을 내세운다. [21:10]
• Harvey 광고는 법률 업무용 AI 플랫폼으로서 Am Law 100의 80%, Fortune 500의 20% 이상이 신뢰한다는 수치를 제시한다. 이는 광고에 포함된 주장이다. [21:47]

11. 답변 엔진에서 검색·브라우저 에이전트로 확장

• Perplexity는 2022년 답변 엔진으로 시작해 2023년 말 다단계 검색 에이전트로 발전했고, 지난해에는 심층 리서치와 브라우저 에이전트로 확장했다. 에이전트라는 명칭이 널리 쓰이기 전부터 관련 기능을 발전시켜 왔다는 설명이다. [23:21]
• 컴퓨터에서 사람이 하는 업무를 에이전트가 수행하려면 인터넷과 브라우저 접근이 필요하다. 웹에서 얻은 정보와 사용자 개인의 맥락을 종합해 실제로 쓸 수 있는 결과물을 만들어야 한다. [24:37]

12. 클라우드 실행 환경과 쉬운 사용 경험이 이끈 기업 활용

• CEO가 제시한 매출은 전년 대비 5배다. 실제 업무를 수행하는 에이전트에는 검색·브라우저·다중 모델 실행 시스템, 낮은 서비스 비용의 클라우드 샌드박스, 직관적인 입력창과 모바일 사용 경험이 함께 필요하다는 논리다. [25:18]
• 최첨단 모델의 코딩 능력 향상으로 샌드박스에서 검색과 브라우저를 코드로 활용하고, 파일에 중간 결과를 저장하며, 맥락 압축을 통해 작업을 이어가는 방식이 가능해졌다. 클라우드 실행은 사용자가 직접 환경을 구성하는 부담도 줄인다. [25:59]

13. 1인 기업 사례와 사용자 수보다 깊이가 중요한 이유

• 다른 사람의 뉴스레터를 자동화해 연간 300만 달러를 버는 1인 기업이 Perplexity 제품에 연간 100만 달러 이상을 지출한다는 사례가 나온다. 그 뉴스레터의 이용자도 자신의 사업 고객을 확보하는 데 도움을 받는다는 설명이다. [26:52]
• 이 구조의 핵심은 사용자가 제품으로 돈을 벌고, 그 수익이 제품에 대한 의존과 추가 지출로 이어지는 ‘재귀적 효과’다. 이전 소비자 서비스의 네트워크 효과만으로 AI 사업을 평가해서는 안 된다는 입장이다. [27:18]

14. 모델 공급자의 발전과 가격 경쟁이 플랫폼에 주는 이익

• 에이전트 작업에는 웹, 클라우드 브라우저, 커넥터·파일·도구의 맥락, 여러 모델의 조합이 필요하므로 검색의 가치도 누적된다는 관점이다. Perplexity는 자신을 실제 지식 업무와 연구를 위한 유일한 모델 중립 조합 플랫폼으로 평가한다. [28:11]
• 새로운 최첨단 모델은 사용자에게 제공할 기능을 늘리고, 모델 공급자 간 경쟁은 가격과 서비스 비용을 낮춘다. 낮아진 비용은 더 많은 사용자에게 서비스를 제공하고 기존 사용자의 이용을 늘릴 여지를 만든다. [28:41]

15. 칩 계층까지 넓어지는 조합 전략과 클라우드 추론

• AI 전반을 조합하려는 전략에는 모델과 도구뿐 아니라 칩 계층도 포함된다. 젠슨이 AI를 다섯 계층으로 설명한 틀에서 칩 역시 중요한 구성 요소라는 관점이다. [29:33]
• 현재 AI 추론 대부분이 클라우드 데이터센터에서 실행되는 이유로 배치 추론의 높은 처리량과 반복 가능한 작업이 드러난다. 제공된 구간은 이 설명 도중 끝나므로, 하이브리드·로컬 실행 방식이나 관련 제휴의 구체적인 내용은 아직 확인되지 않는다. [29:51]

16. 짧은 채팅과 긴 컨텍스트 에이전트의 비용 구조 차이

• 짧은 컨텍스트에서는 캐싱을 활용한 배치 추론이 유리하다. 반면 사용자마다 고유한 개인 맥락이 늘어나면 컨텍스트 크기의 영향이 배치 크기보다 커진다. [30:02]
• 개인과 기업의 에이전트가 24시간 자동화를 수행하면 메모리에서 모델 가중치보다 컨텍스트가 더 중요해질 수 있다. [30:25]

17. 데이터센터 확장 병목과 기존 기기의 잠재력

• AI 에이전트 확산을 가로막는 병목으로 데이터센터 건설, 긴 전력망 연결 대기, 인허가, 주민 반대, 기가와트급 전력 수요와 자체 변전소·가스터빈 확보가 지목된다. 이러한 조건은 인프라 확장을 느리고 복잡하게 만든다. [31:14]
• 이미 보급된 수억 대의 기기는 향후 최대 약 1,000억 매개변수 모델을 실행할 잠재력이 있고, 기존 전력망을 활용할 수 있다. 애플 실리콘 1억 대에 각각 50와트를 적용하면 기가와트급 전력이 된다는 계산은 모든 기기가 항상 AI에 쓰인다는 뜻이 아닌 대략적인 잠재력 추산이다. [31:42]

18. 로컬 AI의 소유권과 클라우드의 공존

• 데이터센터와 로컬 기기는 공동 버스와 개인 자동차처럼 공존할 수 있다. 높은 신뢰성이 필요한 작업에는 최첨단 모델을 활용하고, 개인 맥락과 실행 환경이 중요한 장시간 에이전트는 로컬에서 실행하는 편이 유리할 수 있다. [32:21]
• 집 안의 센서, 사진, 개인 생활 정보까지 외부 모델 기업에 제공하는 데는 보안과 프라이버시 우려가 따른다. 정책이 허용하면 사용자 데이터가 학습에 쓰일 수 있다는 가능성은 사용자가 직접 소유하고 통제하는 AI에 대한 수요를 키울 수 있다. [32:58]

19. 엔비디아와 애플을 통한 양방향 실행 선택

• 엔비디아와의 Portable Computer는 실행 환경, 모델, 하위 에이전트를 로컬에서 구동하고, 필요하면 클라우드의 최첨단 모델로 작업을 넘기는 방식이다. [34:37]
• 애플과의 방식은 클라우드에서 시작하되 로컬에 있는 민감한 파일을 처리할 때 애플 실리콘에서 실행하도록 선택할 수 있게 한다. 로컬에서 클라우드로, 클라우드에서 로컬로 이동하는 양방향 선택을 지원하려는 구상이다. [34:55]

20. 소버린 AI의 데이터 통제권과 개선상의 제약

• 국부펀드들은 자신들이 전적으로 소유한 하드웨어에서 Perplexity Computer를 실행하고, Perplexity도 내부 데이터를 볼 수 없는 배포 방식에 관심을 보이고 있다. 데이터 오용 우려를 줄일 수 있지만, 사용 피드백을 통한 제품 개선은 제한되고 소프트웨어 업데이트에 의존하게 된다. [36:52]
• 상시 개인 에이전트가 혈액검사, 세금 신고, 사진, 민감한 메시지에 접근하면 정보 노출의 영향이 커진다. 사용자를 돕기 위해 제삼자 사이트에 접근하는 행동도 피해로 이어질 수 있으므로 데이터와 접근 권한을 통제할 선택지가 필요하다. [37:26]

21. 자체 데이터센터 대신 기기와 모델을 연결하는 전략

• Perplexity는 자체 데이터센터를 건설할 계획이 없으며, 가정·사무실·기기에 이미 있는 전력과 메모리를 활용하려 한다. 제품의 성공이 데이터센터 수요도 늘릴 것으로 보지만, 인허가·전력망·설비 공급 문제를 직접 해결하는 사업에는 나서지 않는 방향이다. [39:33]
• 특정 클라우드나 모델에 매출이 묶이지 않는 구조가 여러 모델·칩·로컬 기기·클라우드를 연결할 유인을 제공한다는 주장이다. 마이크로소프트도 Azure와 클라우드 모델의 성공에 사업이 연결돼 있다는 비교 아래, 엔비디아·애플·인텔 등과 폭넓게 협력하려 한다. [40:40]

22. 네오클라우드와 코드 생산보다 문제 해결에 집중

• 네오클라우드의 성장은 토큰과 에이전트 수요가 존재한다는 신호다. 그러나 같은 시장에 공급자를 추가하는 것만으로는 차별화가 어렵고, 자체 전력 확보나 상위 소프트웨어 같은 요소가 차이를 만들어야 한다. [41:52]
• 엔지니어링의 핵심 병목은 더 많은 코드를 쓰는 일이 아니라 해결할 문제, 명세, 시스템 설계와 제약을 명확히 하는 일이라는 판단이다. 이 조건이 정리되면 현재 AI로 코드를 작성하는 작업은 이미 상당히 쉬워진다. [42:36]

23. 기업의 성공과 모델 중립성이 만드는 지속적 가치

• AI 플랫폼의 가치는 그 위에서 사업을 만드는 기업이 신뢰를 갖고 문제를 해결하며 돈을 벌 수 있어야 유지된다. 유행을 넘어서는 기준은 다른 기업의 실제 사업 성과다. [44:40]
• 여러 모델을 지원하는 구조는 기능이면서 신뢰의 신호다. 모델 중립성, 정확성, 모델·칩·파일·도구를 연결하는 실행, 프라이버시 보호와 로컬·클라우드 선택권을 통해 많은 기업의 성공을 돕는 것이 지속적 가치의 기반이라는 관점이다. [45:06]

24. 민감한 업무를 위한 로컬 실행과 망 분리

• 사이버보안 대응의 가장 강한 선택지로 사용자가 소유한 기기와 네트워크에서 제품을 실행하는 방식이 드러난다. 외부 보안 게이트웨이도 공급자를 신뢰해야 하므로, 하드웨어와 실행 환경을 직접 통제하고 완전히 망을 분리할 수 있는 구성이 중요하다는 주장이다. [46:01]
• 민감한 파일은 로컬에서 처리하고 필요한 작업에는 클라우드를 활용하는 애플 실리콘의 하이브리드 방식과, 기업 전체를 온프레미스 하드웨어에서 운영하는 방식도 추진 대상이다. 보안 우려가 큰 사용자는 최첨단 모델의 능력을 일부 양보하고 외부 연결을 신중하게 선택해야 한다. [46:54]

25. 다중 에이전트의 위험과 탐지·대응 체계

• 단일 에이전트 환경의 시험만으로는 다중 에이전트의 위협을 발견하기 어려워 새 모델 출시가 느려질 것이라는 전망이다. 주 에이전트가 하위 에이전트를 관리하는 구조보다, 각자 하위 에이전트와 많은 연산 자원을 가진 여러 주 에이전트가 협력하는 구조가 더 위험할 수 있다. [48:46]
• 안전한 샌드박스, 이를 지속적으로 감시하는 백그라운드 에이전트, 위협 탐지 분류기가 필요하다. 기기용 Bumblebee와 서버용 Numbat는 감사 기록을 지속적으로 점검하고 민감한 접근을 탐지해 경고하는 오픈소스 작업으로 드러난다. [49:29]

26. 웹 검색을 넘어 실험과 가설 검증으로 확장하는 연구 AI

• 다음 제품 방향은 더 긴 시간에 걸친 연구 과제를 수행하는 능력이다. 웹에서 기존 정보를 찾는 데서 나아가 아직 답을 모르는 질문에 대해 예측 모델을 만들고, 현실에서 실험하며, 가설을 실시간으로 검증하고 수정하는 기능을 목표로 한다. [50:52]
• 제품이 사용자의 아이디어를 현실에서 시험하도록 도울 수 있다면 누구나 과학자처럼 연구할 수 있다는 기대다. 이러한 실험 지원은 이미 완성된 기능이 아니라 앞으로 실현하려는 목표다. [51:30]

27. 자율 연구의 모델 한계와 사용 방식의 불확실성

• 현재 최첨단 모델도 장기적·지속적·병렬적인 작업을 충분히 수행하지 못하며, 연구 전체를 처음부터 끝까지 자율적으로 진행하는 수준에는 도달하지 못했다는 평가다. [51:55]
• 수학과 코드처럼 정답을 검증할 수 있는 분야는 반복 개선이 가능하지만, 많은 현실 문제는 실제 배포와 관찰을 거쳐야 답을 알 수 있다. 모델은 이런 느린 피드백 주기에 충분히 대응하지 못하고, 이를 활용할 제품 인터페이스도 아직 명확하지 않다. [52:15]

28. 사용자 수보다 사용 깊이를 중시하는 AI 제품관

• AI 제품을 소셜미디어의 네트워크 효과, 이용자 유지, 거대한 사용자 규모라는 기준으로 평가하면 제품의 가치를 잘못 이해할 수 있다는 주장이다. [53:42]
• AI는 네트워크 효과보다 재귀적 효과를 목표로 하는 제품이라는 관점에서, 사용자 수보다 사용의 깊이와 사용자의 질이 더 중요한 평가 기준이 된다. [54:00]

🧾 결론

• 제목의 경제 호황은 확정된 결과가 아니라, AI를 적극 활용하는 중소·중견기업이 생산성과 가치 창출을 높일 수 있다는 CEO의 전망이다.
• Perplexity의 성장 논리는 고객 기업의 성과와 연결된다. 고객이 신뢰할 수 있는 결과물을 얻고 사업 수익을 늘릴수록 플랫폼의 지속적 가치도 커진다는 관점이다.
• 모델 중립성은 여러 모델의 강점을 활용하고 외부 기술의 발전을 제품에 반영하기 위한 전략이다. 쉬운 사용 경험과 정확성, 실행 능력이 함께 뒷받침되어야 한다.
• 장시간 자율 연구와 누구나 쉽게 쓰는 AI는 앞으로의 목표다. 현재 모델의 지속적 작업 능력과 현실의 느린 피드백 주기에는 한계가 남아 있다.

📈 투자·시사 포인트

• AI 플랫폼을 평가할 때 사용자 수 외에 고객의 업무 처리량, 수익 창출 기여, 활용 깊이와 추가 지출을 확인필요가 있다. 인터뷰는 이를 성장의 핵심 연결고리로 제시한다.
• 모델 공급자 간 성능·가격 경쟁은 여러 모델을 조합하는 플랫폼에 유리할 수 있다. 다만 비용 하락이 실제 고객 확대와 사업 성과로 이어지는지는 별도로 확인해야 한다.
• 로컬 실행은 긴 개인 맥락, 데이터 통제권, 데이터센터 확장 병목과 연결된 기회다. 클라우드와의 경제성 비교는 작업 특성과 신뢰성 요구에 따라 달라진다.
• 엔비디아의 투자 검토 보도, CEO가 제시한 매출 성장, 개별 고객의 고액 지출 사례는 성격이 다른 정보다. 이를 투자 확정이나 전체 고객의 수익성으로 확대 해석해서는 안 된다.

⚠️ 불확실하거나 확인이 필요한 부분

• 중소기업이 미국 GDP 성장에 더 크게 기여할 것이라는 주장은 CEO의 전망이다. 제공된 자료에는 이를 검증하는 거시 통계나 기업군별 비교가 없다.
• 전년 대비 매출 5배와 뉴스레터 자동화 1인 기업의 연간 수익·제품 지출은 인터뷰에서 제시된 수치다. 매출 기준, 비용 구조, 사례의 대표성은 확인되지 않는다.
• 엔비디아가 300억 달러를 넘는 기업가치를 기준으로 투자를 검토한다는 내용은 보도이며, 투자 확정 사실이 아니다. 광고 구간의 고객 채택 수치도 광고 주장으로 구분해야 한다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 채용 지연이나 반복 업무로 막힌 작업 하나를 선정하고, AI 위임 전후의 처리 시간·검토 부담·비용·결과물 품질을 비교한다.
• 도입 후보 제품이 모델 선택과 환경 구성을 얼마나 자동으로 처리하는지, 별도 지원 없이 실제 업무를 완료할 수 있는지 확인한다.
• 민감한 파일과 외부 사이트 접근 권한을 구분하고, 로컬·클라우드 실행 선택권과 데이터 사용 정책을 점검한다.
• 에이전트 실행 환경의 감사 로그, 민감한 접근 탐지, 경고 이후 대응 기능을 확인한다.

❓ 열린 질문

• 중소기업의 AI 활용이 개별 업무 절감을 넘어 지속적인 수익 증가와 경제 성장으로 이어지는 조건은 무엇인가?
• 고객이 돈을 벌수록 플랫폼 지출도 늘어나는 재귀적 효과는 얼마나 많은 업종과 고객에게 재현될 수 있는가?
• 모델 공급자가 직접 업무 수행 기능을 확대할 때 Perplexity의 모델 중립성과 실행 환경은 어떤 차별성을 유지할 수 있는가?