첫인상: 속도에 최적화된 연구자용 대시보드
inquisite.ai에 접속하자 깔끔한 왼쪽 정렬 사이드바가 보였습니다. 이곳에서는 새 검색, 프로젝트, 최근 검색, 프로필 옵션을 제공합니다. 메인 패널에는 검색 범위를 좁게(Narrow), 중간(Medium), 넓게(Wide) 설정할 수 있는 토글과 함께 출판 연도, 최소 인용 횟수, 오픈 액세스 전용 등 다양한 필터가 포함된 검색창이 바로 표시됩니다. 이 대시보드는 단순한 키워드 매칭이 아니라 정밀함을 필요로 하는 학술 연구자와 깊이 읽는 독자를 위해 설계된 느낌입니다. 온보딩 과정은 간단합니다. 회원가입 후 OpenAI API 키를 입력하라는 안내가 나옵니다. 이 도구는 GPT-4.1, GPT-4.1-Mini, 그리고 몇 가지 GPT-5 변형 모델(Medium 및 Minimal Thinking)을 나열하는데, 이 부분이 눈에 띄었습니다. 자세한 내용은 후술하겠습니다.
검색 범위는 Medium, 시각화 유형은 그래프(Graph)로 설정하고 "transformer neural architecture search"를 새로 검색해 보았습니다. 결과는 빠르게 표시되었고, 각 논문에는 요약, 데이터, 방법론 등 켜거나 끌 수 있는 다양한 속성이 함께 제시되었습니다. 인터페이스는 반응이 빨랐으며, 자체 논문을 작업하는 사용자를 위해 PDF 업로드나 URL을 통한 가져오기 기능이 지원되는 점도 반가운 부분이었습니다.
핵심 기능: 의미론적 검색, 그래프, 맞춤 속성
Inquisite는 "1억 개 이상의 연구 논문"을 검색한다고 주장합니다. 정확한 숫자를 확인할 수는 없지만, 특정 주제에 대한 질의에서 결과의 범위는 인상적이었습니다. 가장 눈에 띄는 기능은 토픽 그래프 시각화입니다. 그래프(Graph) 보기를 선택하면 관련 논문들의 네트워크가 표시되는데, 노드 크기는 관련성을, 연결선은 인용 또는 의미론적 유사성을 나타냅니다. 이를 통해 주요 논문 군집과 영향력 있는 작업을 한눈에 파악할 수 있습니다. 그래프, 테이블(Table), 합성(Synthesis), 목록(List) 보기 간에 전환할 수 있습니다. 합성(Synthesis)은 선택한 논문에 대한 간략한 AI 작성 개요를 생성하고, 목록(List)은 단순한 순위별 결과를 제공합니다.
또한 각 논문에 대해 맞춤 속성을 정의할 수 있습니다. 기본 옵션(요약, 데이터, 방법론, 모집단, 주요 발견, 한계점, 향후 과제) 외에도 "코드 가용성"과 같은 맞춤 속성을 추가하면 Inquisite가 각 논문에서 해당 정보를 추출하려고 시도합니다. 이러한 유연성은 체계적 문헌 고찰이나 문헌 매핑에 있어 드물면서도 강력한 기능입니다. 프로젝트 관리 기능을 사용하면 논문을 이름 있는 프로젝트에 저장하고, 메타데이터를 편집하고, 더 깊은 색인을 위해 전체 텍스트 PDF를 업로드할 수 있습니다. 논문을 선택한 후 실행되는 "유사 논문" 생성 기능도 시간을 절약해 줍니다.
가격 및 기술적 백엔드
가격은 웹사이트에 공개되어 있지 않습니다. Inquisite는 사용자가 직접 API 키를 가져오는(BYOK) 방식으로 운영되는 것으로 보입니다. 사용자가 OpenAI API 키를 제공하면, 분석 및 합성 중에 사용되는 GPT 쿼리 비용이 사용자 계정으로 청구됩니다. 이는 이미 API 크레딧이 있는 사용자에게는 투명하고 비용 효율적이지만, API 과금에 익숙하지 않은 신규 사용자에게는 장벽이 될 수 있습니다. 모델 선택 항목에는 아직 OpenAI에서 널리 출시되지 않은 GPT-5 변형이 포함되어 있습니다. 이것들이 임시 이름인지, 맞춤형 미세 조정 모델인지, 아니면 얼리 액세스 모델인지는 불분명합니다. 의존하기 전에 호환성을 확인할 것을 권장합니다. 현재 이 도구는 타임라인 보기가 부족하며("출시 예정"으로 표시됨) Anthropic이나 오픈소스 LLM과 같은 다른 모델 제공업체를 지원하지 않아 유연성이 제한됩니다.
Elicit(논문에 대한 Q&A에 중점) 및 Semantic Scholar(무료, API 제공)와 같은 대안은 비슷한 검색 기능을 제공하지만, 맞춤형 추출 기능은 덜합니다. Inquisite의 강점은 개방적이고 모듈화된 설계와 깊은 속성 수준의 제어에 있습니다. 현재로서는 이 도구는 자체 API 키를 설정하는 것에 익숙하고, 맞춤 설정이 가능한 리딩 및 합성 파이프라인이 필요한 연구자에게 가장 적합합니다. 간헐적으로 사용하는 사용자나 완전히 호스팅되는 무료 티어를 기대하는 사용자는 다른 옵션을 찾아보는 것이 좋습니다.
평가: 장점, 한계, 그리고 추천
Inquisite는 연구자가 각 논문에서 정확히 어떤 정보를 얻고자 하는지 정의하고, 해당 분야의 연구 지형을 시각화할 수 있게 해주는 점에서 탁월합니다. 그래프 시각화와 맞춤 속성은 확실한 차별점입니다. 프로젝트 관리 및 PDF 업로드 기능은 워크플로우 통합을 간소화합니다. 그러나 개인 API 키에 대한 의존성, GPT-5 가용성의 불확실성, 타임라인 보기의 부재는 실제적인 단점입니다. 인터페이스는 기능적이지만, 여러 논문 선택 작업 시 더 세련된 사용자 경험을 제공할 필요가 있습니다.
저는 Inquisite를 파워 유저, 즉 정기적으로 문헌 고찰을 수행하고 추출 과정을 세밀하게 제어하려는 대학원생, 박사후 연구원, 산업계 연구자에게 추천합니다. 자체 API 사용 비용을 지불하는 데 부담이 없고 필터와 속성을 조정하는 것을 즐긴다면 이 도구는 필수품이 될 가능성이 높습니다. 빠른 검색이나 가벼운 읽기 목적이라면 더 간단한 도구가 더 접근하기 쉬울 수 있습니다. 자세한 내용은 Inquisite 웹사이트(https://inquisite.ai/)를 방문해 직접 살펴보시기 바랍니다.
댓글