챗GPT 못 믿는 개발자가 미국 유학 가서 쓰는 AI 검색 ‘라이너(Liner)’

최근 다양한 AI 도구를 활용하면서 저의 개인적인 학습 방식과 개발 과정에도 큰 변화가 생기고 있습니다. 특히 미국에서 프리랜서 개발자로 일함과 동시에 컴퓨터 사이언스 전공으로 대학원 공부를 하면서 이러한 변화는 더욱 크게 다가오는 것 같습니다. 제한된 시간 안에 처리해야 하는 일이 많은 상황에서 어떤 AI 도구를 어떻게 활용하느냐에 따라 일과 학업의 성과가 달라지는 경우가 많았기 때문입니다.

특히 논문 인용이나 개발 프로젝트를 위한 신뢰할 수 있는 자료를 어떻게 효율적으로 찾을 수 있는지가 중요했습니다. 챗GPT(ChatGPT) 같은 AI의 답변을 그대로 사용하기에는 할루시네이션이나 검증의 문제가 있기 때문에 이러한 부분을 빠르게 해결할 수 있는 도구가 필요했습니다. 그리고 이를 위한 AI 도구로서 라이너(Liner)를 사용하게 되었습니다. 라이너는 문장 단위 출처를 제공하기 때문에 보다 빠르게 사실 검증을 할 수 있으며, 딥 리서치와 학술 모드 등 AI 검색의 신뢰도를 높일 수 있는 기능도 제공하고 있습니다.

이와 관련해서 이번 글에서는 신뢰할 수 있는 AI 검색 플랫폼으로서 라이너가 어떻게 학술 연구와 개발 프로젝트에 활용될 수 있는지 저의 사용 사례를 토대로 소개하려고 합니다. 아울러 라이너의 하이라이팅 기능을 이용한 자료 정리와 개인적인 영어 학습 방식 등 다양하게 라이너를 활용할 수 있는 팁도 함께 공유해 보도록 하겠습니다.

⏬내용 미리보기

라이너 개요

CS 석사생 과제, 발표 위한라이너 활용법

• 1분 만에 믿을 만한 논문 찾는 ‘딥리서치’와 팩트체크 기능
• 논문 기반 답변해 주는 ‘학술모드’
• 프로젝트 별로 정보 관리하고 발표용 마인드맵 만들기

프리랜서 개발자로서의 라이너 활용법

• 빠르고 정확하게 ‘기술문서’ 탐색하기
• 바이브 코딩을 위한 자료 준비
• 공유 폴더를 활용한 커뮤니케이션

라이너를 더 효과적으로 활용하는 방법

• 하이라이팅과 메모 정리 팁
• 개발자 영어 표현 학습을 위한 라이너 활용 팁

라이너 사용 후기 및 장단점

라이너 개요

1) 신뢰할 수 있는 AI 검색

라이너는 AI 검색 플랫폼으로서 단순히 AI가 검색 결과를 요약해서 제공해 주는 것을 넘어 보다 신뢰할 수 있는 검색에 초점을 맞추고 있습니다. 원래는 2015년에 웹과 모바일에서 문장을 ‘하이라이트’하고 이를 개인 추천, 큐레이션 해주는 서비스로 시작했는데, 이때 모은 데이터를 기반으로 2023년에 AI 검색 서비스를 런칭했습니다. 이후 라이너는 검색 결과 문장마다 출처를 제시하여 AI 검색의 신뢰도를 높이는 데 차별점을 두고 있습니다.

라이너는 2024년 3월 실리콘밸리 VC 앤드리센 호로비츠(Andreessen Horowitz)에서 선정한 ‘Top AI Appication 100’에서 4위로 선정되기도 한 만큼 이용자 규모도 상당히 큰 편입니다. 비록 국내에는 잘 알려져 있지는 않지만 해외에서는 대학원생이나 연구자들이 논문 작성을 위해 많이 이용하고 있는 것으로 알려져 있습니다. 라이너는 한국에서 개발된 서비스로 현재 전 세계에서 1,100만 명 이상이 이용하고 있으며, 이중 약 60% 이상의 유료 이용자는 미국 내 사용자입니다.

2) 효율적인 정보 정리 도구

라이너는 AI 검색 플랫폼임과 동시에 다양한 소스로부터 얻은 정보를 효율적으로 정리할 수 있는 도구이기도 합니다. 라이너에서는 자체적인 검색 결과뿐만 아니라 다른 곳에서 얻은 정보도 한곳에 저장하고 관리할 수 있습니다. 예를 들어 저 같은 경우에는 대학원 수업과 개발 프로젝트 별로 폴더를 만들고, 해당 주제에 대해서 웹서핑 한 내용과 강의 슬라이드 및 관련 논문을 한곳에 정리하여 관리하고 있습니다. 

이렇게 폴더별로 정리한 내용은 단순히 정보를 담아두기만 하는 것이 아니라 추후에 해당 정보들을 기반으로 추가적인 검색을 할 때 활용할 수도 있습니다. 이를 통해 보다 효율적으로 해당 주제를 더 깊게 파볼 수 있으며, 한 번 접하고 잊어버릴 내용을 보다 지속 가능한 ‘정보 자산’으로 바꿀 수 있습니다. 이러한 특징을 가진 라이너는 웹에서 직접 사용하거나 모바일 앱 및 크롬 브라우저 확장 프로그램 등을 통해서도 이용할 수 있습니다.

CS 석사생 과제, 발표 위한 라이너 활용법

1) 1분 만에 믿을 만한 논문 찾는 ‘딥 리서치’와 팩트체크

저는 미국 컴퓨터 공학 석사 과정 중 다양한 논문을 찾아 출처를 검증하고 각 논문의 내용을 비교 요약해야 하는 경우가 많았습니다. 예를 들어 최근에는 응용 머신러닝(Applied Machine Learning)이라는 수업에서 ‘근래 자주 사용되는 머신러닝 모델에 대한 비교 분석’이라는 주제로 발표해야 하는 일이 있었는데요. 이 주제는 워낙 범위가 넓고 다양한 논문이 쏟아지고 있는 상황이었기 때문에 발표에 넣을 핵심 자료를 선별하는 것이 가장 어려운 일이었습니다.

단순하게 챗GPT 답변을 기반으로 스크립트를 작성하면 사실 검증이 되지 않는 내용이 들어갈 수도 있기 때문에 저는 최대한 라이너를 이용해서 발표 자료를 준비했습니다. 

먼저 간단하게 라이너 검색창에 ‘최근 머신러닝 분야에서 널리 사용되는 모델에 대한 리뷰 논문’을 추천해달라고 입력했습니다. 그리고 이 과정에서 논문 검색의 정확성을 높이고자 라이너의 딥 리서치 기능을 사용하였는데요. 라이너의 딥 리서치를 이용하면 전반적인 논문 탐색 과정을 볼 수 있으며, 보다 상세하고 정확한 답변을 받을 수 있었습니다. 또한 딥 리서치의 답변은 대부분 1분 이내로 결과를 받아볼 수 있어서 생각했던 것보다 빨랐다고 느꼈습니다.

더불어 라이너에서는 위 그림처럼 AI가 요약한 검색 결과에 대해 각 라인별 출처를 제공해 줍니다. 이를 통해 해당 내용을 발표 자료에 넣을 때 별도로 어떤 출처에서 나온 내용인지 확인할 필요가 없기 때문에 발표 준비 시간을 상당히 아낄 수 있었습니다. 게다가 팩트 체크 항목에서는 해당 출처가 왜 인용되었는지에 대한 내용도 제공해 주기 때문에 보다 빠르게 발표에 사용할 핵심 자료를 걸러낼 수 있었습니다.

2) 논문 기반 답변해 주는 ‘학술모드’ 

라이너에는 학술 논문만을 기반으로 검색하는 학술모드도 있습니다. 메인 화면에서 학술모드를 선택하거나 검색 결과 우측 상단의 학술모드 토글을 클릭해서 학술모드를 사용할 수 있는데요. 이 기능을 이용하면 학술 논문만을 토대로 AI 답변이 작성되기 때문에 보다 신뢰도 높은 답변을 얻을 수 있습니다. 아울러 학술모드 상태에서는 출처 위에 마우스를 올려놓으면 논문 초록을 빠르게 살펴볼 수 있다는 장점도 있습니다.

라이너 학술모드 <출처: 작가>

또한 학술 모드에서는 논문 발표 연도 필터를 통해 특정 연도나 최근 발표된 논문만을 기반으로 답변을 얻을 수도 있습니다. 이 밖에도 라이너의 논문 필터 기능에는 논문 인용 수나 공개적으로 접근 가능한 논문인지 어떤 분야의 논문을 검색할 것인지 등을 선택할 수 있으며, 직접 프롬프트에 검색하고자 하는 논문의 특징을 입력하여 논문 검색의 정확도를 더욱 높일 수 있습니다. 

3) 프로젝트 별로 정보 관리하고 발표용 마인드맵 만들기

앞서 말했듯이 라이너는 정보를 효율적으로 정리하는 데 있어서도 매우 유용합니다. 예를 들어 각 수업 과목이나 프로젝트 별로 논문 검색 결과나 AI 답변을 정리해둘 수 있습니다. 또한 크롬 익스텐션을 통해 웹 서핑 과정에서 찾은 웹 페이지를 바로 요약해서 그 내용을 해당 주제의 폴더에 저장해둘 수도 있습니다. 

추가로 라이너에는 AI 답변과 관련해서 마인드 맵과 플로우 차트를 자동으로 생성해 주는 기능도 있습니다. 저는 이 기능을 활용하여 이번 발표 슬라이드에 넣을 마인드 맵과 플로우 차트를 빠르게 만들 수 있었습니다. 또한 기말시험 준비를 위한 복습 자료를 만들 때도 마인드 맵 기능을 유용하게 활용할 수 있었습니다.

프리랜서 개발자로서의 라이너 활용법

1) 빠르고 정확하게 ‘기술문서’ 탐색하기

프로젝트에 필요한 각종 라이브러리나 프레임워크의 기술 문서가 매우 길고 복잡한 경우가 많습니다. 이런 문서를 하나부터 열까지 전부 정독해서 프로젝트에 적용하기에는 항상 시간이 부족합니다. 그래서 저는 AI 검색을 통해 최대한 기술 문서의 핵심적인 내용만 요약해서 필요한 부분만 빠르게 찾는 방식을 쓰고 있습니다. 얼마 전까지는 챗GPT나 퍼플렉시티(Perplexity)를 사용했다가 최근에는 라이너를 조금 더 활용하고 있습니다. 

위 그림은 라이너에서 제공한 AI 검색 모델들의 SimpleQA 벤치마크 결과입니다.  SimpleQA는 Open AI가 공개한 언어 모델의 사실성을 측정하기 위한 벤치마크로 여기서 라이너 딥 리서치 모델에 주로 사용되는 프로 리즈닝은 95.3점을 기록했습니다. 이는 퍼플렉시티 프로(Perplexity Pro)나 GPT-4o 보다 높은 점수입니다. 개인적으로 느끼기에도 기술 문서를 탐색하는 데 있어 라이너가 정확도 측면에서 챗GPT나 퍼플렉시티와 비교해서 더 낫다는 느낌이 들었습니다.

(2) 바이브 코딩을 위한 자료 준비

최근에는 커서(Cursor)를 활용한 바이브 코딩이 영역이 넓어지면서 AI에게 전반적인 프로젝트의 맥락과 시스템 아키텍처 및 데이터 구조를 전달해야 하는 경우가 종종 있습니다. 저는 라이너에 미리 프로젝트에 필요한 자료를 정리해두고 바이브 코딩에 필요한 정보를 검색해서 활용하기도 하였습니다.

예를 들어, 위 그림과 같이 먼저 PPT로 시스템 아키텍처를 간단하게 그려 라이너에 업로드한 후 관련된 아키텍처를 AI 검색으로 찾아 내용을 요약하였습니다. 그렇게 시스템 아키텍처에 대한 구체적인 설명 텍스트를 추출한 후 아래 그림과 같이 추출한 텍스트를 커서의 Notepads에 저장하여 프로젝트 구조를 빠르게 만들 수 있었습니다.

3) 공유 폴더를 활용한 커뮤니케이션

개발 프로젝트를 진행하다 보면 클라이언트나 팀원들로부터 여러 가지 자료를 받게 됩니다. 여기에는 일반적인 문서나 웹 페이지 주소, 영상 등 다양한 형태의 자료들이 있는데요. 라이너의 공유 폴더를 이용하면 이런 자료들을 보다 효율적으로 정리하고, 추후에 필요한 경우 짧은 코멘트나 하이라이팅 등을 추가하여 다시 공유할 수도 있습니다.   

저는 주로 프로젝트 요구사항과 시스템 정의를 할 때 라이너의 공유 폴더를 활용하는데요. 이러한 공유 폴더를 만들기 위해서는 간단하게 라이너에 생성한 폴더를 우클릭하여 공유 버튼을 누르면 됩니다. 그리고 클라이언트나 팀원의 이메일 주소를 입력하면 됩니다. 또는 간단하게 AI 검색을 통해 찾은 자료를 공유하려면 AI 검색 결과 우측 상단의 공유 버튼을 눌러 해당 내용을 공유할 수도 있습니다. 

라이너를 더 효과적으로 활용하는 방법

1) 하이라이팅과 메모 정리 팁

미국 대학원 수업 중에는 여러 논문을 읽고 과제를 작성해야 하는 경우가 많습니다. 이런 경우에도 라이너를 이용하면 논문을 읽으면서 바로 하이라이팅을 하거나 그 옆에 메모를 남길 수 있어 보다 능동적인 읽기를 할 수 있습니다. 저는 주로 아래 그림과 같이 arXiv(아카이브)에서 HTML 형식으로 논문을 켜놓고 라이너 크롬 익스텐션으로 하이라이팅과 메모를 하면서 논문을 읽는 방식을 사용하고 있습니다.

아울러 라이너 크롬 익스텐션의 오토 하이라이트(Auto Highlight) 기능을 이용하면 논문에 등장하는 중요 개념이나 핵심적인 내용을 자동으로 하이라이팅 해줍니다. 이 기능을 이용하면 시험이나 발표 준비 때 전체 논문을 다시 읽지 않아도 되기 때문에 많은 시간을 절약할 수 있습니다. 또한 라이너 크롬 익스텐션으로 오토 하이라이트된 내용은 원하는 폴더에 저장할 수 있으며 언제든지 라이너 웹이나 앱에서 확인할 수 있습니다. 

2) 개발자 영어 표현 학습을 위한 라이너 활용 팁

저는 미국에서 학업과 일을 하다 보니 영어로 인한 어려움을 겪을 때가 많습니다. 특히 개발 프로젝트를 수행하다 보면 상황에 맞는 자연스러운 영어 표현이나 용어가 떠오르지 않아 곤혹스러운 경우가 자주 있었는데요. 이를 극복하고자 “개발자가 영어도 잘해야 하나요”라는 책을 쓰기도 했지만, 여전히 영어는 완전히 정복하기 어려운 장벽처럼 느껴지고 있습니다. 그래서 저는 라이너에 별도의 개발자 영어 폴더를 두고 깃허브(GitHub)나 스택오버플로(Stack Overflow), 또는 각종 기술 블로그에서 사용되는 영어 표현을 하이라이팅하여 정리해두고 있습니다.  

예를 들어 아래 그림처럼 메타의 기술 블로그를 읽으면서 처음 보는 용어나 영어 표현이 나타나는 경우 바로 라이너 크롬 익스텐션을 이용하여 하이라이팅을 하고 따로 저장해둡니다. 그리고 주기적으로 저장해둔 내용을 다시 한번 살펴보면서 라이너 AI를 통해 실전에서 바로 사용할 수 있도록 연습하고 있습니다.

라이너 사용 후기 및 장단점

이상 라이너에 대해 간단히 소개하고 저의 개인적인 사용 사례와 활용 팁을 정리해 보았습니다. 앞서 살펴본 것처럼 라이너는 신뢰할 수 있는 정보를 효율적으로 검색할 수 있을 뿐만 아니라 다양한 방식으로도 활용할 수 있습니다. 이와 관련해서 전반적으로 제가 생각하는 라이너의 장점과 단점은 다음과 같습니다. 

장점

• Line by line 출처 제공으로 AI 검색 결과에 대한 사실 검증에 유리
• 논문 검색 시 딥 리서치와 학술 모드를 통해 보다 신뢰도 높은 검색 가능
• 크롬 익스텐션 등을 통한 웹 페이지 스크랩 등 다양한 기능 제공
• 하이라이팅 + 메모 + 폴더 분류를 통한 체계적인 정보 정리 가능

단점

• 아직 실시간 동시 편집 같은 기능은 없지만, 6월 말에 협업 기능이 더욱 강화될 예정임

마무리

개인적으로 라이너를 사용하면서 인상적으로 느낀 부분은 신뢰할 수 있는 논문이나 기술 문서 자료를 보다 빠르게 정리해서 볼 수 있다는 점이었습니다. 따라서 연구나 개발 프로젝트에 있어 라이너는 기존의 챗GPT 같은 생성형 AI의 할루시네이션 문제를 보완하거나 대체할 수 있는 도구가 될 수 있다는 생각이 듭니다. 특히 문장 단위 출처 제공은 저 같은 대학원생이나 개발자 뿐만 아니라 신뢰성 있는 자료를 검색해야 하는 다른 직종의 전문가나 직장인들에게도 유용한 가치를 제공할 수 있지 않을까 합니다. 

이 글은 라이너와 함께 요즘IT 브랜디드 콘텐츠로 제작했습니다. 

©️요즘IT의 모든 콘텐츠는 저작권법의 보호를 받는 바, 무단 전재와 복사, 배포 등을 금합니다.