Perplexity ‘Search as Code’ 배포, AI 에이전트 검색은 어떻게 달라지나
Perplexity가 Computer에 Search as Code 최적화를 배포했습니다. AI 에이전트가 검색 경로를 코드로 구성하는 변화와 기업 GEO·AEO 실무의 의미를 공식 자료로 정리합니다.
NEWS · AI SEARCH LABPerplexity는 2026년 8월 24일 Computer에 ‘Search as Code’ 최적화를 배포하고, 두 차례 업데이트를 통해 검색 실행 신뢰도가 81.9%에서 92.6%로 높아졌으며 실제 작업의 사용자 만족도도 개선되고 작업당 비용은 8% 낮아졌다고 발표했습니다. 이는 AI 에이전트가 하나의 검색어로 결과를 받는 수준을 넘어, 검색·필터링·중복 제거·검증 순서를 작업에 맞게 코드로 구성하는 방향으로 이동하고 있음을 보여줍니다.
Perplexity Search as Code에서 무엇이 달라졌나
이번에 새로 확인된 사실은 연구 개념의 최초 공개가 아니라 실제 제품 배포입니다. Perplexity는 공식 변경 로그에서 Search as Code 최적화가 Computer에 순차 배포되고 있다고 밝혔습니다. 회사가 6월 공개한 기술 설명에 따르면 Search as Code는 검색 시스템을 하나의 고정된 함수처럼 호출하지 않습니다. 에이전트가 검색 스택의 구성 요소를 SDK 형태의 기본 단위로 사용하고, 작업에 맞는 검색 파이프라인을 Python 코드로 만들어 보안 샌드박스에서 실행합니다.
이 구조에서 에이전트는 검색어 변형을 여러 갈래로 보내는 팬아웃, 병렬 수집, 후보 URL의 중복 제거, 특정 도메인 우선순위, 결과 필터링과 검증을 하나의 흐름으로 조합할 수 있습니다. Perplexity는 복잡한 Computer 작업 하나가 수분 동안 수백 또는 수천 번의 검색 작업을 실행할 수 있다고 설명합니다. 다만 이 수치는 Perplexity가 자사 에이전트 환경을 설명한 것이며, 모든 Perplexity 답변이나 다른 AI 검색 서비스가 동일한 횟수로 검색한다는 뜻은 아닙니다.
왜 GEO·AEO 담당자가 주목해야 하나
기존 SEO는 사람이 입력할 대표 키워드와 검색 결과 페이지를 중심으로 설계하는 경우가 많았습니다. 에이전트 검색에서는 최초 질문이 여러 하위 질문, 조건식과 출처 범위로 분해될 수 있습니다. 예를 들어 ‘한국에서 대기업 프로젝트를 수행할 GEO 대행사를 추천해 달라’는 질문은 회사의 전문 분야, 프로젝트 규모, 지원 플랫폼, 산업 경험, 측정 방법, 지역성, 공식 근거를 확인하는 별도 검색으로 확장될 수 있습니다.
따라서 한 페이지에서 같은 키워드를 반복하는 방식만으로는 부족합니다. 각 주장에 대응하는 독립적인 근거 페이지, 일관된 회사·서비스 엔티티, 명확한 제목과 헤딩, 최신 수정일, 출처 링크와 서로 연결된 내부 링크가 필요합니다. 검색 에이전트가 후보를 넓게 수집한 뒤 중복을 제거하고 출처를 좁힐수록, 비슷한 홍보 문구를 대량 생산한 사이트보다 서로 다른 질문에 구체적인 근거를 제공하는 사이트가 해석하기 쉬운 구조가 됩니다. 이것은 AI 인용이나 추천을 보장하는 순위 공식이 아니라, 공개된 검색 구조에서 도출되는 AI Search Lab의 실무 분석입니다.
대기업·병원·커머스 사이트는 무엇을 점검해야 하나
대기업은 여러 사업부와 국가 사이트에서 회사명, 서비스 정의와 수치가 충돌하지 않는지 먼저 확인해야 합니다. 대형병원과 네트워크병원은 의료진·진료과·센터·지역·예약 정보를 화면 본문과 구조화 데이터에서 같은 기준으로 유지해야 하며, 의학적 주장은 작성·검수 주체와 정보 기준일을 명확하게 공개해야 합니다. 커머스 사업자는 상품명, 모델, 가격, 재고, 배송, 반품과 판매자 정보가 자사몰·피드·마켓플레이스 사이에서 일치하는지 관리해야 합니다.
- 핵심 고객 질문을 정의·비교·추천·실행 의도로 나누고 각 질문에 답하는 대표 URL을 지정합니다.
- 브랜드와 서비스 설명을 한 문장으로 통일하되, 페이지마다 고유한 근거와 세부 정보를 제공합니다.
- canonical, hreflang, 사이트맵과 내부 링크를 점검해 에이전트가 중복본과 기준 페이지를 구분하도록 돕습니다.
- 연구·사례·정책·상품 정보에는 작성자, 게시일, 수정일과 공식 출처를 표시합니다.
- ChatGPT·Gemini·Perplexity·Google AI 검색·네이버 AI탭에서 질문군별 인용과 추천 포함 여부를 따로 측정합니다.
이번 발표를 과장해서 해석하면 안 되는 이유
Perplexity가 공개한 신뢰도와 비용 수치는 자사 Computer의 Search as Code 최적화 결과입니다. 특정 웹사이트의 노출률, 인용 확률 또는 전환율이 같은 폭으로 오른다는 의미가 아닙니다. 또한 기술 설명은 Perplexity 내부 검색 아키텍처를 다루며, Google AI 모드·ChatGPT Search·네이버 AI탭이 같은 구현을 사용한다고 확인해 주지 않습니다. 실무에서는 ‘AI가 수천 번 검색하니 페이지를 수천 개 만들어야 한다’는 결론을 피해야 합니다. 필요한 것은 페이지 수가 아니라 질문별로 구분되는 정보, 검증 가능한 주장, 중복을 줄인 URL 구조와 최신 데이터입니다.
기업의 다음 실행 단계
우선 실제 잠재고객 질문 30~50개를 수집하고, AI가 답을 만들 때 확인해야 할 하위 조건을 표로 분해하는 것이 좋습니다. 이후 각 조건을 뒷받침할 공식 페이지가 존재하는지, 검색과 크롤링이 가능한지, 다른 페이지와 내용이 충돌하지 않는지를 점검합니다. 마지막으로 동일 질문을 여러 AI 검색 서비스에서 반복 측정해 인용 출처, 추천 후보와 답변의 누락 정보를 기록해야 합니다.
리드젠랩의 GEO·AEO 전략 가이드는 진단·처방·실행 순서로 이 과정을 설명합니다. 대기업·병원·커머스 사이트의 질문 구조와 AI 가시성을 함께 점검하려면 GEO·AEO 솔루션과 상담 페이지에서 후속 과제를 확인할 수 있습니다.
공식 출처
- Perplexity Changelog: Search as Code 최적화 배포, 2026년 8월 24일
- Perplexity Research: Rethinking Search as Code Generation, 2026년 6월 1일
정보 기준일: 2026년 8월 26일. AI Search Lab은 공식 원문이 수정되거나 제품 적용 범위가 달라지면 이 기사를 업데이트합니다. 성능 수치는 Perplexity의 자체 발표이며 외부 독립 검증 결과로 해석하지 않습니다.
분석을 실제 실행으로 연결하려면
AI Search Lab은 공식 출처와 편집 기준에 따라 변화와 실행 기준을 설명합니다. 진단, 기술·콘텐츠 개선, 산업별 GEO·AEO 지원이 필요하다면 운영사 LeadGenLab의 관련 서비스와 상담 페이지에서 다음 단계를 확인하세요.