플랫폼 위에 돋보기가 있는 추상적인 그림

현실화된 S.L.A.C.K.: AI에 기반한 검색의 시대

검색을 모든 Slack 사용자의 생산성을 높이는 비밀 무기로 만드는 방법.

작성자: Rebecca Walker, Senior Product Marketing Manager at Slack2025년 6월 2일

흥미로운 사실: Slack은 Searchable(검색 가능한) Log(기록) of All Communication(모든 대화) and Knowledge(지식)의 약자입니다. Slack은 초창기부터 모든 업무적 대화를 한 곳에 모아두면 소중한 회사 지식으로 축적된다는 것을 알고 있었습니다. 하지만 다른 지식 기반과 마찬가지로, 더 많이 사용할수록 업무 진행에 필요한 정보를 찾기가 어렵게 느껴질 수 있다는 점이 Slack의 역설입니다.

Slack은 이 모든 비정형 데이터를 검색할 수 있는 키워드 검색, 즉 관련 단어나 구문을 통해 데이터베이스 내에서 특정 정보를 찾는 데 사용되는 기술을 사용하기 시작했습니다. 키워드 검색은 사용자가 Slack에서 공유된 대화, 메시지, 파일에서 정보를 찾도록 도와주었으며, 검색창은 Slack에서 가장 많이 사용되는 기능 중 하나가 되었습니다.

2014년경 Slack 검색의 UI

2014년경 Slack 검색의 모습.

Slack이 타사 앱과 데이터, 그리고 외부와의 대화를 위한 Slack Connect를 포함하도록 확장되면서 모든 대화와 지식의 검색 가능한 기록이 비약적으로 증가했습니다. 저희는 Slack의 검색 기능 역시 진화되어야 함을 알고 있었습니다.

AI가 Slack의 검색을 강화하고 발전시키는 방법

인공지능(AI) 시대에 사람들이 일하는 방식이 완전히 바뀌면서 키워드 검색이 아니라 질문 형식이 정보를 찾는 새로운 방식이 되었습니다. 특정 키워드나 명령어 대신 일상에서 사용하는 언어로 질문하는 자연어 검색이 사용자의 기대치에 부응하고 있습니다. 사용자는 업무나 주제에 대해 구체적으로 질문하여 원하는 정보를 찾고 개인 맞춤형 결과를 얻을 수 있습니다.

Slack은 사용자를 염두에 두고 설계되었기 때문에 소비자 수준의 경험을 훨씬 더 많이 제공하기 위해 의미 기반 검색(Semantic search)을 출시했습니다. 의미 기반 검색은 검색 복잡성을 해결하는 한 차원 더 높은 기능으로, 사용자가 올바른 단어를 사용하지 않아도 구문이나 질문의 의미를 이해하여 지능적인 답변을 제공합니다. 예를 들어 Slack 검색창에 “고객 SLA란 무엇인가요?”라고 질문하면, 의미 기반 검색에서 계약 SLA에 대해 직접적인 참조 자료 이상의 정보를 제공합니다. 또한 서비스 수준에 영향을 미치는 최신 중단 보고서, 비교를 위한 관련 회사 벤치마크 데이터 또는 고객에게 영향을 줄 수 있는 계획된 다운타임에 대한 최근 공지 등 중요한 관련 정보도 제공합니다.

검색의 그 다음 발전 단계는 엔터프라이즈 검색입니다. 엔터프라이즈 검색은 Slack의 모든 엔터프라이즈 데이터 애플리케이션을 안전하게 연결하므로, 해당 정보를 Slack에서 공개적으로 공유할 필요 없이, 질문한 후 타사 앱에서 가져온 답을 얻기만 하면 됩니다. 예전에 했던 질문을 지금 똑같이 하면 연결된 데이터와 문서를 기반으로 훨씬 더 풍부하고 회사별로 맞춤화된 답변을 얻을 수 있습니다. 검색 결과에는 Slack에서 바로 해당 문서에 액세스할 수 있는 링크도 포함됩니다.

Slack의 새로운 엔터프라이즈 검색이 지닌 기능을 보여주는 애니메이션 gif

2025년경 Slack 엔터프라이즈 검색

디지털 업무가 증가함에 따라 정보를 검색하는 건 인간만이 아닙니다. Agentforce에 엔터프라이즈 검색을 액세스할 수 있는 권한을 부여해 연결된 자원 전반을 검색하고 그 결과를 대화 내에서 바로 공유하게 만들 수도 있습니다. 사용자는 이 정보를 활용하여 에이전트에게 작업을 전달하는 등의 업무 조치를 하는 한편, 전략 및 고가치 업무에 집중할 수 있습니다.

Slack이 AI를 이용하여 검색 결과를 지속적으로 개선하는 방법

Slack은 모든 직원이 회사 지식을 찾을 수 있는 곳입니다. 지식은 반드시 정확하고 관련성이 높아야만 직원들이 시간을 절약하고 더 빠르게 결정을 내리거나 조치를 취할 수 있습니다. Slack이 검색 결과를 지속적으로 개선하는 방법은 다음과 같습니다.

품질 보증. Slack은 높은 AI 검색 품질을 유지하기 위해 주요 지표와 고객 피드백을 면밀히 모니터링합니다. 여기에는 내부 팀들을 대상으로 한 ‘도그푸딩’ 단계도 실행되는데, 통제된 실험을 소규모 그룹에서 먼저 진행한 후 더 광범위한 대상으로 확대하고, 마지막으로 모든 고객에게 정식 출시하는 과정이 포함됩니다. 출시한 후에는 고객 및 파트너와 계속 피드백을 주고받으며 필요에 따라 품질을 개선하고 발전시킵니다.

지표. North Star 품질 지표는 Slack이 고객의 기대와 높은 기준을 충족하고 있음을 보장합니다. Slack은 검색창에 입력된 각 질문을 이해하기 위해 내부 지표와 사용자 피드백을 둘 다 활용하여 성능과 결과의 정확성을 모두 측정합니다. 또한 모든 검색이 직관적으로 느껴지고 모든 답변이 정확하도록 끊임없이 개선하고 있습니다.

모든 엔터프라이즈 데이터에서 엔터프라이즈 검색 보안 유지

Slack 데이터만으로는 검색에 대한 요구가 해결되지 않는다는 것을 알기에 Slack 검색창에서 바로 엔터프라이즈 검색을 이용할 수 있도록 만들었습니다. 모든 비정형 데이터를 중앙에서 검색할 수 있도록 하는 것은 매우 강력한 기능이지만, 가장 중요한 것은 데이터 보안이라는 점을 명심하고 있습니다.

그렇기 때문에 Slack은 모든 단계에서 항상 신뢰, 보안, 규정 준수를 우선합니다. Slack의 엔터프라이즈 검색 솔루션은 연결된 모든 비즈니스 앱 및 Salesforce 레코드와 같은 고객 데이터 소스에서 실시간 권한에 기반한 검색을 사용하므로, 회사 데이터가 안전하게 보호됩니다.

실시간 검색이란 사용자가 글로벌 검색창에 질문을 입력하면 Slack에서 사용자의 정보를 실시간으로 묻는 기능을 의미합니다. Slack은 외부 검색 결과를 저장하지 않으므로 안심할 수 있습니다. 사용자 데이터는 외부 시스템에 보관되고, 사용자는 검색할 때 항상 최신 권한과 콘텐츠를 얻을 수 있습니다. 연결된 앱에서 바로 액세스할 수 없는 항목은 Slack 검색 결과에서도 볼 수 없습니다.

이를 통해 질문할 때 자연어를 사용하고 간결한 요약과 관련성 높은 결과를 얻을 수 있습니다. AI 기반 소비자 검색 도구에서 사용자가 기대하는 직관적인 경험과 비슷하며, 이제 연결된 모든 엔터프라이즈 데이터에도 안전하게 적용되었습니다.

사용자가 검색하면 Slack은 연결된 모든 앱에서 관련 정보를 찾아 대규모 언어 모델(LLM)에 전송하여 유용한 답변을 작성하고, 그 데이터는 즉시 삭제합니다. 이 기술을 검색 증강 생성(RAG)이라고 하며, 이는 엔터프라이즈 검색을 강력하고 신뢰할 수 있도록 만드는 원동력입니다. 또한 Slack의 AI는 더 스마트하게 일하도록 도와주면서도, 보안을 중요하게 생각합니다. 고객 데이터로 모델을 학습시키지 않으며, 액세스 권한이 있는 정보만 표시하여 사용자가 신뢰할 수 있는 엔터프라이즈급 보안 및 규정 준수 표준을 유지합니다.

이 모든 점을 종합해 보면 엔터프라이즈 검색을 통해 업무 흐름 가운데 필요한 모든 정보를 바로 찾아내는 등 더 나은 비즈니스 결과를 얻을 수 있으므로, 더 빠르게 업무 조치를 취하고 데이터에 기반해 더 현명한 의사 결정을 내릴 수 있습니다.

S.L.A.C.K.이라는약속을 지킵니다

서로 다른 데이터 세트를 사용하면 업무를 효과적이고 효율적으로 완수하기 위해 중요한 정보를 찾는 일이 점점 더 어려워집니다. Slack은 수년간 검색 환경을 발전시켜 이 문제를 해결하고, 업무 추진에 필요한 정확한 정보를 언제 어디서나 더 쉽게 찾을 수 있도록 만들었습니다. AI로 구동되는 Slack은 에이전트 시대의 진정한 업무용 운영 시스템이며, 업무와 관련된 모든 질문에 대화형 인터페이스를 제공합니다.

엔터프라이즈 검색을 사용해 볼 준비가 되셨나요? 지금 바로 영업 팀에 문의하세요. 

    이 포스트가 유용했나요?

    0/600

    훌륭해요!

    피드백을 주셔서 감사합니다.

    알겠습니다!

    피드백을 주셔서 감사합니다.

    죄송합니다. 문제가 발생했습니다. 나중에 다시 시도해주세요.