이번 업데이트는 캐치업이 답을 만드는 방식 자체를 다시 설계한 결과예요. 모든 질문을 똑같이 처리하지 않고, 질문의 성격과 복잡도에 따라 다른 깊이로 사고해요. 그리고 그 사고 과정을 모두 보여드려요.
가벼운 질문엔 가볍게, 복잡한 질문엔 깊이 있게 답해요.
캐치업이 어떻게 답에 도달하는지 단계별로 보여요.
답이 도착하는 시간도 이전 대비 두 배 가까이 빨라졌어요.
지금까지 캐치업은 모든 질문을 같은 경로로 처리했어요. 간단한 사실 확인이든 복잡한 분석 요청이든, 똑같은 단계를 거쳐 답이 나왔죠. 그런데 사람이 일할 때를 떠올려보면, "어제 회의 안건이 뭐였지?"와 "지난 분기 채용 자동화 도입 과정을 처음부터 정리해줘"는 전혀 다르게 접근해요. 전자는 빠르게 떠올리지만, 후자는 자료를 모으고 순서를 정해서 차근차근 풀어내죠.
이제 캐치업도 같은 방식으로 일해요. 질문이 들어오면 가장 먼저 이 질문이 어떤 성격인지 파악하고, 그에 맞는 사고 경로를 선택해요.
가벼운 사실 확인 — "최근 회의록 어디 있어?" 같은 질문은 빠르게 찾아서 즉시 답해요.
일반적인 질문 — "온보딩 프로세스가 어떻게 되어 있어?" 같은 질문은 관련 자료를 모아 정리해서 답해요.
복합적인 질문 — "최근 가격 정책 변화 흐름이랑 그에 대한 고객 반응을 정리해줘" 같은 질문은 먼저 계획을 세우고, 단계별로 자료를 모아 답해요.
답이 시작될 때 캐치업이 어떤 경로를 선택했는지 한 줄로 안내해드려요. "GitHub이랑 Jira 위주로 종합해서 답변을 드릴게요"처럼요. 특정 도구에 치우치지 않을 때는 "여러 소스를 종합해서 답변을 드릴게요"로 알려드려요.
이번 업데이트에서 가장 큰 변화예요. 복합적인 질문에 캐치업은 답을 곧바로 만들지 않아요. 사람이 일을 시작하기 전 머릿속에서 순서를 정리하듯이, 먼저 계획을 세우고 그 계획에 따라 자료를 모아요.
예를 들어 "감사 로그가 어떻게 구현되어 있는지 GitHub에서 찾아서 설명해줘"라는 질문이 들어오면, 캐치업은 이렇게 진행해요.
"먼저 검색 계획을 세울게요" — 어떤 자료들을 어떤 순서로 봐야 하는지 정리해서 보여줘요. "Jira에서 관련 티켓 확인 → GitHub에서 구현 PR 탐색 → Slack에서 설계 논의 확인" 같은 순서가 펼쳐져요.
"먼저 관련 티켓 내용을 확인해볼게요" — 첫 번째 단계의 자료를 찾아요. "34건 수집"처럼 진행 결과를 실시간으로 알려요.
"티켓 내용을 확인했어요. 이번엔 실제 구현 PR을 찾아볼게요" — 첫 결과를 바탕으로 다음 단계로 넘어가요. 한 번의 검색으로 끝내지 않고, 필요한 만큼 단계를 반복해요.
"좋습니다, 충분한 문서를 얻은 것 같아요" — 충분한 정보가 모였다고 판단하면, 답변 정리를 시작해요.
각 단계가 펼쳐지면서 진행 상황이 그대로 보이기 때문에, 답이 도착하기 전부터 캐치업이 어디까지 왔는지, 어떤 자료를 보고 있는지 알 수 있어요. 답이 나왔을 땐 그 답이 어떤 여정을 거쳐 만들어졌는지 이미 머리에 들어와 있어요.
이미 한 번 검색해서 답을 받은 주제라면, 같은 질문을 다시 던질 때 캐치업이 처음부터 다시 찾지 않아요. 이전 대화에서 모아둔 자료를 활용해서 즉시 답해요.
"방금 답변에서 두 번째 문서 좀 더 자세히 설명해줘" 같은 후속 질문은 새 검색 없이 바로 답이 나와요.
"이전에 찾은 문서를 바탕으로 답변을 드릴게요" 라는 안내로 캐치업이 검색을 생략했음을 알려드려요.
대화의 흐름이 끊기지 않고, 한 주제를 여러 각도로 파고드는 작업이 자연스러워져요.
질문에 맞게 다르게 처리하니까, 가벼운 질문은 더 가볍게 처리돼요. 더불어 답변 엔진의 내부 구조를 처음부터 다시 설계하면서, 모든 종류의 질문에서 응답 속도가 이전 대비 두 배 가까이 빨라졌어요.
가벼운 질문은 거의 즉시 답이 시작돼요.
복잡한 질문도 단계가 빠르게 전환되며 답에 도달해요.
여러 질문을 연속으로 던질 때 누적되는 시간이 크게 줄었어요.
답이 빨라지면서, 캐치업의 사용 방식도 자연스럽게 달라져요. 처음부터 완벽한 질문을 만들 필요 없이, 떠오르는 대로 던지고 답을 보면서 다듬어가는 흐름이 가능해졌어요. 부담 없이 다시 묻고, 좁혀가고, 다른 각도로 접근해보세요.
캐치업은 답이 만들어지는 모든 단계를 처음부터 끝까지 사용자에게 공개해요. 결과만 받는 게 아니라, 그 결과에 도달하기까지 캐치업이 무엇을 보고, 무엇을 선택하고, 무엇을 버렸는지 함께 볼 수 있어요.
질문을 어떻게 이해했는지 — 사용자의 질문을 어떤 의도로 해석했고, 어떤 검색어로 바꿔서 자료를 찾기 시작했는지 보여드려요.
어떤 자료를 살펴봤는지 — Confluence의 어떤 페이지, Jira의 어떤 티켓, Slack의 어떤 대화, 채널톡의 어떤 문의를 열어봤는지 실시간으로 드러나요.
복잡한 질문이라면 어떤 계획을 세웠는지 — 어떤 순서로 자료를 모을 계획이었고, 그 계획이 어떻게 진행되었는지 단계별로 따라갈 수 있어요.
이 모든 과정이 답변 생성 중에 실시간으로 펼쳐져요. 답을 받는 동시에 그 답이 어떻게 만들어졌는지 검증할 수 있고, 답이 부정확하다고 느꼈을 땐 어느 단계에서 어긋났는지 추적할 수 있어요. 정보 관리가 엄격한 조직일수록, 이 투명성은 단순한 편의가 아니라 AI 답변을 업무에 도입하기 위한 실질적인 조건이 돼요.