# 딥 리서치 가이드

- 작성자: [새벽의 햄스터](https://community.clauders.ai/member/imported-member-l0Z9LrPm7y)
- 공간: [Claude Code MVP 공장](https://community.clauders.ai/cto)
- 게시: 2025-07-20
- 연재: [Claude Code MVP 공장 시즌 4](https://community.clauders.ai/series/cto-season-4) 2/3편
- 태그: #커리어전환 #스타트업실험실 #CTO
- 주소: https://community.clauders.ai/cto/post/%EB%94%A5-%EB%A6%AC%EC%84%9C%EC%B9%98-%EA%B0%80%EC%9D%B4%EB%93%9C-7da87d81-b395-8609-9fc6-0ac23541ce8f

---

커리어 전환 스터디 2주차 주제는 딥 리서치와 노트북LM이었습니다. 이 중에서 제가 가장 많이 쓰는 딥리서치에 대해 조사하고 정리한 내용을 공유해봅니다. 비교적 더 많은 자료가 공개된 OpenAI의 딥리서치를 기준으로 작성했지만, 핵심 내용은 스터디에서 진행한 Gemini 딥리서치와 큰 차이가 없습니다. 활용에 참고가 되시면 좋겠습니다.

### 프롬프트 작성 팁

- **명확하고 구체적인 지시: **어떤 걸 원하는지 구체적으로 알려주는 게 중요합니다.
- **질문을 무시하지 말고 명확히 하세요: **모델은 불확실한 부분에 대해 질문합니다. 질문에 꼼꼼하게 답변하면 더 나은 결과를 얻을 수 있습니다. - Gemini의 경우 계획을 꼼꼼하게 확인하고 수정하세요.
- **키워드는 많은 도움이 됩니다: **모델은 사람처럼 키워드를 이용해서 웹 검색을 합니다. 가능한 정확한 용어로 많이 제공하세요. 브랜드, 기술 용어, 제품 이름등이 많은 도움이 됩니다.
- **명확한 동사를 사용하세요: **딥 리서치는 사용자의 지시를 따르도록 훈련되었습니다. "비교", "제안", "권장", "보고"와 같은 동사는 작업과 원하는 출력을 이해하는 데 도움이 됩니다.
- **출력 형식:** 원하는 형식이 있다면 지시하세요. 예를 들어, 어떤 종류의 보고서, 형식, 포함할 섹션, 또는 테이블이 필요한지 등입니다.
- **파일을 컨텍스트로 업로드:** PDF와 같은 파일을 추가하여 모델을 안내하고 중요한 컨텍스트를 제공하세요. 특히 매우 기술적인 주제나 모델이 잘 모를 수 있는 정보에 유용합니다
- **출처 확인 및 정보 검증:** 항상 직접 출처를 확인하세요. 모델은 여전히 실수를 할 수 있으며, 권위 있는 정보와 추측을 구별하는 데 어려움을 겪을 수 있습니다.

## 딥 리서치와 AI 웹 검색의 차이점

딥 리서치와 AI 웹 검색 기능의 가장 큰 차이점은 강화 학습된 별도의 모델을 사용한다는 점입니다. 모델은 딥 리서치의 중요한 기능인 복잡한 추론 및 다단계 리서치 작업을 수행하도록 특별히 설계되었습니다. 그래서 OpenAI에서도 별도의 벤치마크 결과를 비교할 수 있도록 제공합니다. [https://openai.com/index/introducing-deep-research/](https://openai.com/index/introducing-deep-research/)

## 딥 리서치의 한계

딥 리서치는 강력한 도구이지만, 여전히 개선이 필요한 몇 가지 영역이 존재합니다.

첫째, **기술 및 특정 분야 정보의 종합 능력 향상**이 필요합니다. 현재로서는 모델이 전문적인 정보나 특정 도메인의 지식을 통합하고 정리하는 데 어려움을 겪을 수 있습니다. 따라서 이러한 유형의 리서치를 수행할 때는 가능한 한 관련 **참고 자료를 함께 제공**해 주시면 더욱 정확하고 심층적인 결과를 얻을 수 있습니다.

둘째, **환각 현상(Hallucination)의 감소**가 중요합니다. 딥 리서치는 여전히 부정확하거나 사실과 다른 정보를 생성할 가능성이 있으며, 공신력 있는 정보와 단순한 소문을 명확히 구분하는 데 한계가 있습니다. 따라서 제공되는 정보의 **신뢰성을 사용자께서 직접 확인**하시는 것이 권장됩니다.

셋째, **다양한 분야에서의 결과 일관성 및 정보 결합 능력 강화**가 필요합니다. 특정 산업이나 분야에 따라 리서치 결과의 품질에 차이가 발생할 수 있으며, 이질적인 유형의 정보를 효과적으로 통합하여 분석하는 데 어려움이 있을 수 있습니다.

## 결론 및 활용 전략

결론적으로, 딥 리서치는 방대한 온라인 정보를 신속하게 수집,분석,종합해 깊이 있는 인사이트를 제공하는 강력한 도구입니다. 하지만 그 결과를 맹신하기보다, **핵심 출처를 직접 확인하고, 도메인 전문가의 시각으로 교차 검증하며, 목적과 맥락에 맞게 재해석**하는 과정을 거칠 때 비로소 리서치의 가치가 극대화됩니다.

## 참고 자료 및 원문:

- [프롬프트 가이드 - deep reaserch](https://www.promptingguide.ai/guides/deep-research)- 추천
- [딥 리서치 소개 | OpenAI](https://openai.com/index/introducing-deep-research/) - 추천
- [딥 리서치 소개](https://www.youtube.com/watch?v=YkCDVn3_wiw&ab_channel=OpenAI) - 추천
- [OpenAI 딥 리서치: 자율 리서치 및 분석의 미래](https://dirox.com/post/openai-deep-research)
- [OpenAI의 5단계 AI 로드맵, "AI 채택의 3단계 및 자율 기업의 6단계"로 설명 | The Last AI | 2024년 12월 | Medium](https://medium.com/@The_Last_AI/openais-5-stage-ai-roadmap-explained-using-the-3-levels-of-ai-adoption-and-the-6-levels-of-e295693cc105)
- [No Priors Ep. 112 with OpenAI Deep Research, Isa Fulford](https://www.youtube.com/watch?v=qfB4eDkd_40) - 추천