2026년, Glasp는 저희가 지금까지 읽어 본 어떤 스타트업 성장 플레이북에도 없는 일을 시작했습니다. arXiv에 연구 논문을 발표하기 시작한 것입니다.
차트로 꾸민 블로그 글이 아닙니다. 방법론 섹션, 사전 등록한 임계값, 홀드아웃 테스트 세트, 공개 저장소를 갖춘 진짜 논문입니다. 스타트업이 요구하는 온갖 일들 사이에서, 한 손에 꼽을 수 있는 규모의 팀이 써낸 결과물입니다.
이 장에서는 저희가 왜 그렇게 했는지, 무엇을 발견했는지, 그리고 왜 독자적인 연구가 AI 시대에 가장 저평가된 성장 채널 중 하나일 수 있다고 생각하는지 이야기합니다.
스타트업이 연구를 발표하는 이유
솔직한 답은 두 가지 측면으로 나뉩니다. 하나는 이상주의적이고 하나는 전략적인데, 어느 쪽이든 숨긴다면 이야기를 제대로 전하는 것이 아닐 것입니다.
이상주의적인 측면은 이렇습니다. 이것은 다른 고도에서 바라본 저희의 미션입니다. Glasp는 배움을 공개하고, 한 사람이 알아낸 것이 다음 사람에게 도움이 되도록 하기 위해 존재합니다. 오랫동안 그것은 개인의 하이라이트와 노트를 의미했습니다. 하지만 수백만 명이 수백만 개의 하이라이트를 저장한 뒤에는, 플랫폼 자체가 인간이 읽는 방식에 대해 무언가를 배운 상태였고, 그것을 비공개 데이터베이스에 가둬 두는 것은 저희 스스로의 전제를 어기는 일처럼 느껴졌습니다. 한 사용자의 하이라이트가 그 순간을 넘어 살아남을 가치가 있다면, 그 모든 하이라이트를 가로지르는 패턴도 마찬가지입니다.
전략적인 측면은 이렇습니다. 6장에서 설명한 답변 엔진 시대에 독자적인 연구는 존재하는 콘텐츠 중 가장 인용되기 쉬운 것에 속합니다. 답변 엔진은 1차 자료, 즉 증거가 붙어 있는 주장에 굶주려 있습니다. 천 개의 블로그 글이 서로를 반복하는 동안, 새로운 발견을 담은 논문은 그 모두가 결국 인용하게 되는 대상이 됩니다. 연구를 발표하는 것은 빠르게 베낄 수 없는 차별화입니다. 베끼는 유일한 방법이 그 일을 직접 해내는 것이기 때문입니다.
하이라이트가 저희에게 가르쳐 준 것
저희의 주된 연구 주제는 겉보기에 단순한 질문을 던졌습니다. 어떤 구절을 하이라이트할 때, 그 선택 중 얼마만큼이 당신일까요?
저희가 출발점으로 삼았던 직관, 그리고 개인 지식 관리 분야 대부분이 공유하는 직관은 하이라이팅이 매우 개인적이라는 것입니다. 당신의 하이라이트는 당신의 지적 지문이고, 그것으로 학습된 AI는 어떤 범용 모델도 할 수 없는 방식으로 당신이 무엇을 중요하게 여길지 예측할 수 있어야 한다는 것이었습니다.
데이터는 그보다 더 흥미로운 이야기를 들려주었습니다. 서로 다른 사람들이 같은 글을 하이라이트하면, 다른 부분보다 일치하는 부분이 훨씬 많습니다. 텍스트에서 눈에 띄는 것은 대체로 모두에게 눈에 띕니다. 즉 샐리언스(현저성)는 대체로 공유되는, 개인 특유의 것이라기보다 사회적인 것입니다. 개별성은 분명 존재하지만, 저희가 예상한 곳에 있지 않았습니다. 그것은 선택에 있습니다. 애초에 어떤 문서와 마주하기로 하는지, 어떤 주제로 되돌아가는지, 무엇이 자신의 주의를 기울일 가치가 있다고 판단하는지에 있습니다. 그리고 그 선택 행동은 시간이 지나도 놀라울 만큼 안정적이라는 사실이 드러났습니다. 기분이라기보다는 기질에 가깝습니다.
다시 말해, 한 문서 안에서 저희는 군중처럼 읽습니다. 문서들 사이에서 저희는 자기 자신처럼 읽습니다.
이 발견에 이르는 과정에서 저희는 스스로의 가정 일부를 깨야 했고, 그중에는 저희가 들떠 있던 가정도 있었습니다. 한 분석의 초기 버전은 개인의 하이라이팅 스타일이 군중을 이기는 것처럼 보였습니다. 그러나 저희 스스로의 감사 과정에서 그 결과에 버그와 데이터 누출이 있음을 발견했고, 발표 전에 그 작업을 철회하고 다시 만들었습니다. 정직한 버전의 논문은 저희가 쓰고 싶었던 논문과 달랐지만, 그 덕분에 더 단단해졌습니다.
AEO에 관한 자연 실험
저희는 연구의 렌즈를 저희 자신에게도 돌렸습니다.
검색 엔진에서 답변 엔진으로의 이동, 즉 6장에서 전략 전환을 강제했던 그 변화는 연구자들이 자연 실험이라고 부르는 바로 그런 종류의 사건입니다. 저희는 그 한가운데에서 살고 있었고, 저희 자신의 트래픽과 인용 데이터가 실험실이었습니다. 그래서 저희는 그 전환을 엄밀하게 연구했고, 그 분석 역시 발표했습니다.
거기에는 기분 좋게 재귀적인 면이 있었습니다. 성장 전략 자체가 공개된 지식이 된 것입니다. 한때 사용자 인터뷰를 사례 연구로 바꿨던 것과 같은 방식으로, 저희는 플랫폼의 지각 변동을 누구나 읽고, 검증하고, 그 위에 쌓아 올릴 수 있는 논문으로 바꿨습니다.
기본값은 공개
모든 논문은 공개 저장소와 함께 세상에 나갔습니다. 이것은 5장의 오픈 소스 본능을 끝까지 밀고 나간 결과였습니다. 저희는 도구를 오픈 소스로 공개했고, 이제는 연구 결과를 오픈 소스로 공개하고 있었습니다.
이유는 저희의 AI 도구 오픈 소스화를 성공시킨 이유와 같습니다. 투명성은 신뢰를 만들고, 신뢰는 복리로 쌓입니다. 이 원칙은 다음 장에서 다시 다루겠습니다. 당신의 작업을 검증할 수 있는 연구자들은 그 작업의 옹호자가 됩니다. 그리고 AI 시스템이 어떤 출처에 의지할지를 점점 더 많이 결정하는 시대에, 검증 가능하고 정직하게 보고된 연구의 실적은 저희가 보낼 줄 아는 가장 깊은 신뢰 신호입니다.
저희가 미처 충분히 예상하지 못했던 규율의 이점도 있습니다. 작업이 공개될 것이고 분석이 검증에 열려 있을 것을 알면, 내부 대시보드는 결코 요구하지 않는 수준의 엄밀함이 강제됩니다. 발표는 저희의 데이터가 무엇을 보여주고 무엇을 보여주지 않는지에 대해 저희 스스로에게 더 정직해지게 만들었습니다.
창업자들이 여기서 가져갈 수 있는 것
제품 데이터를 쌓아 두고 고민하는 모든 분을 위해, 옮겨 쓸 수 있는 교훈 몇 가지를 정리합니다.
당신의 제품 데이터에는 아마도 발표할 만한 통찰이 담겨 있습니다. 이사회 바깥에서는 아무도 관심 없는 참여 지표가 아니라, 오직 당신의 위치에서만 답할 수 있는 인간 행동에 관한 진짜 질문 말입니다. 저희가 사람들이 하이라이트하는 방식을 연구할 수 있었던 것은 저희가 사람들이 하이라이트하는 곳이기 때문입니다. 당신의 제품이 무엇이든, 당신은 무언가에 대해 세계에서 가장 좋은 관찰 위치에 있는 사람입니다.
엄밀함은 입장료이며, 콘텐츠 마케팅보다 비쌉니다. 가장 아끼는 가설을 가장 혹독하게 의심하고, 최고의 발견이 감사 과정에서 무너지는 것을 견디고, 흥미로운 결과 대신 정직한 결과를 발표할 준비가 되어 있어야 합니다. 저희는 그것을 직접 겪으며 배웠습니다. 철회하고 다시 만든 논문은 매끄러운 성공보다 더 많은 것을 가르쳐 주었습니다.
그리고 그 보상은 다른 채널과는 다릅니다. 바이럴 기능은 치솟았다가 사그라듭니다. 연구 결과는 한 번 인용되면 계속 인용됩니다. 한 분야가 어떤 주제를 이야기하는 방식의 일부가 됩니다. 이것 역시 복리 효과이며, 저희가 지금까지 발견한 것 중 가장 긴 시간 지평에서 작동합니다.
지식이 그것을 발견한 사람보다 어떻게 더 오래 살아남는가라는 질문에서 출발한 회사에게, 연구를 발표하는 것은 미션에서 벗어난 우회로가 아닙니다. 어쩌면 저희가 지금까지 내놓은 것 중 미션을 가장 직접적으로 표현한 결과물일지도 모릅니다.