검색 결과에는 이름표와 미리보기가 있어야 한다

인공지능 검색을 이야기할 때는 흔히 모델 성능부터 떠올린다. 질문과 관련된 자료를 찾는 능력은 물론 중요하다. 하지만 사용자가 느끼는 검색 품질은 순위 계산만으로 정해지지 않는다. 결과가 언제 작성됐고 어디에서 왔는지 알 수 없으면 믿고 쓰기 어렵다. 제목만 줄줄이 있고 내용 미리보기가 없으면 파일을 하나씩 열어봐야 한다. 이 두 가지를 풀어주는 장치가 메타데이터와 스니펫이다. ## 메타데이터는 문서에 붙은 이름표다 메타데이터는 문서를 설명하는 정보다. 제목과 날짜, 출처처럼 문서 자체를 가리키는 항목이 여기에 들어간다. 회사 문서함에서 "지난달에 디자인팀이 작성한 행사 예산안"을 찾는다고 해보자. 본문이 얼마나 비슷한지만 따져서는 지난달 자료인지, 디자인팀 문서인지, 예산안인지 가려내기 어렵다. 작성일과 담당 팀, 문서 유형이 정리돼 있으면 조건에 맞는 자료만 좁힐 수 있다. 쇼핑 검색에서도 같은 원리가 작동한다. 최근 석 달 안에 올라온 이십만 원 이하 무선 이어폰 가운데 별점 네 점 이상을 찾으려면, 상품 설명의 의미만으로는 모자란다. 등록일과 가격, 상품 종류, 평점처럼 칸을 나눠 정리한 정보가 있어야 한다. 더 깊이 - 메타데이터 항목에는 제목, 날짜, 출처, 작성자, 문서 유형, 주제 태그, 제품명, 버전 등이 들어간다. - 메타데이터는 사람이 직접 입력할 수도 있고, 파일 속 정보나 본문에서 자동으로 뽑아낼 수도 있다. - 자동으로 뽑은 결과에는 오류가 생길 수 있다. 날짜와 버전처럼 중요한 항목은 검증 규칙을 두는 편이 좋다. ## 스니펫은 열기 전에 보는 짧은 발췌문이다 스니펫은 검색 결과의 제목 아래에 보이는 짧은 발췌문이다. 사용자는 제목과 몇 줄의 미리보기를 보고 그 결과를 열지 판단한다. 좋은 스니펫은 문서 첫 문장을 기계적으로 잘라 붙인 것이 아니다. 사용자의 질문과 관련된 부분을 보여준다. 유튜브 자막에서 "반죽을 냉장고에 얼마나 넣어두는지" 찾았다면, 영상 소개 문구보다 "최소 30분간 냉장 숙성한다"는 대목을 보여주는 편이 쓸모 있다. 더 깊이 - 스니펫에는 답의 근거가 될 앞뒤 문맥도 필요하다. 숫자만 덩그러니 보여주면 30분이 굽는 시간인지 숙성 시간인지 알기 어렵다. - 검색어를 강조하고 출처 위치나 영상 시간을 함께 표시하면 원문 확인도 쉬워진다. ## 검색 모델이 좋아도 화면이 불친절하면 쓰기 어렵다 메타데이터는 결과를 걸러내고 나누는 데 쓰인다. 스니펫은 결과가 질문과 어떤 관련이 있는지 사용자가 직접 판단하도록 돕는다. 둘은 서로 다른 문제를 푼다. 더 깊이 검색 결과를 점검할 때 던져볼 질문. - 작성 날짜와 출처를 바로 확인할 수 있는가? - 최신 버전과 이전 버전을 구분할 수 있는가? - 스니펫만 읽어도 검색어와 결과의 관계를 알 수 있는가? - 원문에서 해당 부분으로 바로 이동할 수 있는가? 한 줄로 정리하면, 메타데이터는 자료를 고르는 조건을 만들고 스니펫은 열기 전 판단 근거를 준다. 좋은 인공지능 검색은 관련 문서를 찾는 계산과 그 결과를 살펴보기 쉽게 보여주는 화면이 함께 완성한다. 다음 글에서는 수집과 저장, 검색, 요약이 하나의 문서 파이프라인으로 어떻게 이어지는지 살펴본다.