AI는 문서 작성 속도를 급격히 높였습니다. 하지만 사실, 수식, 논리, 출처를 확인하는 인간의 시간은 늘어나지 않았습니다.
Google Research는 2026년 10월 14일, 긴 기술 문서를 여러 AI 에이전트로 검증하는 'Deep Review'를 일반 공개했습니다. 연구 논문뿐만 아니라 설계서, 프레젠테이션, 법무/재무 문서까지 대상 범위를 확대할 예정입니다.
주목할 점은 단순히 '긴 문서를 AI에 넣어 감상을 듣는' 방식이 아니라는 것입니다. 문서를 논리 단위로 분할하고, 어려운 부분에 많은 계산 자원을 할당하며, 여러 검증 에이전트가 병렬로 조사한 후, 전체적인 일관성과 외부 정보 대조를 수행합니다.
Deep Review의 전신은 연구 논문을 제출 전에 점검하는 Paper Assistant Tool(PAT)입니다. Google은 STOC, ICML, NeurIPS, ICLR 등에서 파일럿을 진행하며 원하는 저자의 논문 16,000건 이상을 다루었다고 설명했습니다.
이번 변경점은 제한적인 학회용 실험에서 전 세계 일반 사용자가 사용할 수 있는 공개 서비스로 옮겨왔다는 것입니다.
- 주 2회까지는 무료 검토 제공
- 고빈도 이용이나 자동 연동은 Gemini API 키 연결 필요
- 초기 지원 형식은 PDF와 일반 텍스트
- 다중 파일 입력은 향후 대응 예정
- 업로드 문서는 모델 학습, 미세 조정, 개선에 사용하지 않음
- 문서는 화면 표시 목적으로 1년간 보관
이용 페이지는 Google 계정 로그인이 필요합니다. API 이용 요금의 구체적인 금액은 이번 공식 발표에서 명시되지 않았습니다.
공식 설명에 따른 처리 과정은 다음 4단계입니다.
- 문서를 장(Chapter), 실험, 방법 등의 논리 단위로 분할
- 정보 밀도와 난이도에 따라 계산량 배분
- 전문 에이전트가 담당 부분을 병렬 검증
- 통합 에이전트가 전체 일관성을 확인하고 검색 또는 도구를 이용해 근거를 대조
긴 문서를 한 번에 읽히는 방식으로는 맥락상 멀리 떨어진 부분 간의 모순을 놓치거나, 어려운 증명에 충분한 추론량을 사용하지 못할 수 있습니다. 반면 같은 질문을 반복해서 던지는 것만으로는 잘못된 지적까지 늘어나 인간의 확인 부담이 커집니다.
Deep Review는 'AI를 늘리는' 것이 아니라, 누가 어느 부분을 검증하고 어디서 통합할지까지 설계한 것입니다.
Google의 논문에서는 철회되거나 수정된 수학/컴퓨터 과학 논문의 오류를 모은 SPOT 벤치마크 일부에서, 단일 Gemini 3.1 Pro가 55.2%, PAT가 89.7%의 검출률을 보였다고 보고했습니다.
다만, 이 수치에는 중요한 주의사항이 있습니다.
- 대상은 26개 논문 및 29건의 수식/증명 오류로 한정된 소규모 평가임
- Google 자신이 개발하고 평가한 시스템임
- 자동 채점을 저자가 사람이 감사한 방식임
- 원본 SPOT 논문과 채점 기준이 달라 숫자를 직접 비교할 수 없음
- 일반적인 법무, 재무, 한국어 문서에서 같은 정확도가 나올지는 확인되지 않음
또한, 파일럿 참가자 중 '지적의 대부분 또는 전부가 근거에 기반했다'고 답한 비율은 STOC에서 55.8%, ICML에서 64.8%였습니다. 유용하지만, AI의 지적을 그대로 최종 판단에 사용할 단계는 아닙니다.
MORI의 제작이나 Human OS에서는 AI가 만든 문서나 코드를 다른 AI와 외부 Evidence로 확인하는 과정을 중요하게 여깁니다. Deep Review는 이러한 '검증 역할'을 단일 모델이 아닌, 분할-병렬-통합-외부 대조를 포함하는 시스템으로 제품화한 사례입니다.
활용처로는 다음과 같은 상황들이 고려될 수 있습니다.
- 기사의 주장이 출처와 일치하는지 사전 점검
- 설계서의 전제 누락, 모순, 경계 조건 발견
- 특허/연구 자료의 논리 연결 또는 수치 확인 보조
- 여러 AI가 만든 결과물을 사람이 읽기 전에 걸러내는 1차 검토
다만, Deep Review의 출력물 역시 AI 생성물입니다. '검증 AI가 괜찮다고 했다'는 것 자체가 Evidence가 될 수는 없습니다. 지적된 부분, 근거, 원문, 재현 절차를 인간 또는 다른 경로로 확인해야 비로소 판단 자료가 됩니다.
이번 공개 시점에서는 PDF와 일반 텍스트의 단일 문서가 중심입니다. 여러 관련 자료, 스프레드시트, 첨부 자료를 가로지르는 일관성 확인은 '향후' 예정되어 있습니다.
또한, 업로드 내용은 학습에 사용되지는 않지만, 화면 표시 목적으로 1년간 보존됩니다. 미공개 특허 자료, 개인 정보, 기밀 정보를 다룰 경우에는 조직의 규정이나 계약 조건과 대조가 필요합니다.
본 블로그에서는 실제 문서를 투입한 정확도 시험, API 실행, 한국어 품질, 처리 시간, 비용 확인은 진행하지 않았습니다. 현재 평가 내용은 Google의 공식 발표와 논문을 읽은 범위에 기반합니다.
Deep Review의 가치는 'AI가 문서를 작성할 수 있다'는 것보다, 'AI가 만든 것을 어떻게 검증할지'에 공정 설계(process design)를 도입한 점에 있습니다.
문서를 분할하고 난이도에 따라 계산을 배분하며, 여러 AI로 병렬 검증한 후 최종적으로 전체를 통합합니다. 이는 연구 논문뿐만 아니라 기사, 설계서, 계약서, 상품 사양 등 근거가 필요한 모든 지식 노동(knowledge work)으로 확장될 수 있는 사고방식입니다.
동시에, 검증 AI의 오류를 누가 확인하고 최종 판단을 내릴 것인지라는 경계는 남아 있습니다. AI가 생성 역할에서 검증 역할로 확장될수록, 인간의 역할은 '모두 읽기'에서 '중요한 판단과 근거(Evidence) 확인'으로 변화할 것으로 보입니다.
- Google Research 「Analyzing technical documents with Deep Review」 (2026-10-14)
https://research.google/blog/analyzing-technical-documents-with-deep-review/
- Google Research 「Research@ 2026: 10 ways we're amplifying human ingenuity」 (2026-10-14)
https://research.google/blog/research-2026-10-ways-were-amplifying-human-ingenuity/
- Jayaram et al. 「Towards Automating Scientific Review with Google’s Paper Assistant Tool」 (arXiv v1, 2026-06-26)
