NUS AI Sense Maker, 15만 건 디지털 자료를 연구 지도로 바꾼다

한눈에 보는 출시 일정과 이용 대상

싱가포르국립대(NUS) 도서관과 NUS IT가 공동 개발한 AI Sense Maker는 대학 내부의 연구 자료와 문화유산 컬렉션을 대화형으로 탐색할 수 있게 만든 웹 기반 연구 플랫폼입니다. 연구자의 주장을 대신 만들거나 원문을 읽지 않아도 되게 하는 도구라기보다, 연구 초기에 필요한 자료와 개념을 빠르게 찾아주는 ‘탐색 단계’의 보조 도구에 가깝습니다.

플랫폼은 새 학기가 시작되는 2026년 8월 20일 출시될 예정이며, 초기 이용 대상은 NUS 학생·교직원·동문입니다.

어떤 자료를 검색하나

출시 초기 검색 범위는 NUS의 두 저장소를 합친 약 15만 건의 디지털 자료입니다.

• ScholarBank: NUS의 연구 성과와 논문을 모아둔 저장소
• Digital Gems: 디지털화된 희귀 자료와 특별 컬렉션을 담은 저장소

자료는 공학, 생명과학, 의학, 인문학, 컴퓨팅 등 여러 분야를 아우르며 동남아시아 관련 지역 자료도 포함합니다. 검색 대상의 예로는 1881년 창간된 싱가포르의 중국어 일간지 Lat Pau, 스탬퍼드 래플스 경의 The History of Java 1817년 초판, 당나라 문학 작품 등이 거론됩니다. 왕샤(Wang Sha)의 친필 악보와 대본도 디지털화해 시스템에 반영되면 포함될 예정입니다.

검색은 어떻게 진행되나

사용자는 데이터베이스용 정확한 키워드 목록 대신 평소 말하듯 질문을 입력할 수 있습니다. 플랫폼은 빠른 검색, 반복·정교화 검색, 심층 검색 등 여러 모드를 제공해 간단한 방향 확인부터 폭넓은 탐색까지 선택할 수 있도록 설계됐습니다.

검색 결과에는 다음과 같은 정보가 포함됩니다.

1. 주제 개요: 질문과 관련된 핵심 내용을 구조적으로 정리합니다.
2. 관련 개념: 처음 질문을 넓히거나 더 구체화할 수 있는 개념을 제시합니다.
3. 참고문헌과 추가 읽을거리: NUS 저장소에서 관련 자료를 추천합니다.
4. 인용 정보: 답변의 근거가 된 원자료로 연결합니다.
5. 지식 그래프: 개념·학문 분야·출처 사이의 연결 관계를 시각화합니다.

예를 들어 ‘싱가포르의 일부 주거 지역이 더 덥게 느껴지는 이유’를 묻는다면 건물 밀도, 식생, 건축 자재, 수공간 등의 요소가 연결될 수 있습니다. 이후 도시생태학, 환경과학, 대기물리학, 미기후학 같은 인접 분야로 탐색을 확장할 수 있습니다.

지식 그래프가 중요한 이유

일반적인 검색은 관련성이 높은 문서를 순서대로 보여주는 데 집중합니다. 지식 그래프는 한 단계 다른 방식으로, 문서 안의 개념들이 서로 어떻게 연결되는지 보여줍니다.

AI Sense Maker의 그래프는 관리형 분류 체계를 기반으로 합니다. 이 분류 체계는 처음에는 위키데이터(Wikidata)의 정보를 참고했지만, 이후 NUS 컬렉션에 맞게 범위를 좁히고 다듬었습니다.

따라서 이용자는 첫 질문에 넣지 않았던 관련 용어나 인접 학문을 발견할 수 있습니다. 다만 그래프에 표시된 연결은 연구의 출발점이 될 만한 단서이지, 모든 관계가 학문적으로 입증됐다는 뜻은 아닙니다.

GPT-4.1과 검색증강생성(RAG)

AI Sense Maker는 OpenAI의 GPT-4.1과 검색증강생성(RAG·retrieval-augmented generation) 방식을 함께 사용합니다. RAG는 먼저 정해진 자료 저장소에서 관련 정보를 검색한 뒤, 검색된 내용을 바탕으로 모델이 답변을 구성하는 방식입니다. AI Sense Maker는 NUS 자료를 근거로 답변을 만들고, 이용자가 원문을 확인할 수 있도록 인용을 붙이는 것을 목표로 합니다.

또한 답변을 만들 때 공개 인터넷 전체를 검색하지 않도록 설계된 가드레일을 둡니다. 이런 자료 범위 제한은 근거 없는 답변을 줄이는 데 도움이 될 수 있지만, 오류 가능성을 없애지는 않습니다. 이용자는 인용된 문서를 직접 확인하고, 원자료의 맥락과 해석이 답변에 제대로 반영됐는지 검토해야 합니다.

보도된 AI Sense Maker의 기반 모델은 GPT-4.1입니다. OpenAI는 GPT-4.1이 지시 따르기와 긴 문맥 이해 능력을 개선한 모델군이라고 설명합니다. 그러나 모델 자체의 일반적인 성능 개선이 AI Sense Maker의 연구 결과가 항상 정확하다는 의미는 아닙니다.

현재 한계와 향후 기능

출시 시점의 버전에는 몇 가지 제약이 있습니다.

• 일회성 질의 중심이라 연속된 후속 질문의 맥락을 아직 기억하지 못합니다.
• 이미 디지털화되어 NUS 저장소에 편입된 자료만 검색할 수 있습니다.
• 관련 출처와 개념을 찾는 데는 도움을 주지만, 모든 학술적 주장을 평가하거나 이용자를 대신해 최종 연구 논지를 구성할 수는 없습니다.

NUS는 장시간 이어지는 연구 대화를 지원하기 위한 대화 기록 기억 기능과 음성-텍스트 변환 기능을 향후 개선 사항으로 개발하고 있습니다.

연구 자료 찾는 시간을 얼마나 줄일까

NUS는 연구의 초기 자료 탐색과 방향 설정에 통상 약 2주가 걸릴 수 있지만, AI Sense Maker를 활용하면 이를 약 30분 이하로 줄일 수 있다고 추산합니다.

다만 이는 독립적으로 검증된 생산성 연구 결과가 아니라 기관의 추산입니다. 보다 현실적인 기대효과는 검색 가능성이 낮은 자료를 일찍 걸러내고, 인용이 붙은 초기 자료 목록과 관련 개념을 더 빠르게 구성하는 데 있습니다.

결국 AI Sense Maker의 효과는 연구 초반에 집중될 가능성이 큽니다. 주제 범위를 빠르게 좁히고, 다음 검색에 쓸 어휘를 확보하며, 서로 다른 분야와 컬렉션 사이의 연결을 일찍 파악하는 데 유용할 수 있습니다. 하지만 원문 읽기, 출처 비판, 해석과 논증 구성은 여전히 연구자가 직접 수행해야 합니다.