첫 화면은 검색창 하나라 해도 될 만큼 단순하고, AI 기반 학술 검색엔진이라고 밝히며 그 위에 동료 심사 논문 2억 2000만 편을 검색하고 분석한다는 한 줄이 놓인다. 창 아래에는 세 입구가 있다. 비교 표 만들기, 조건을 붙여 검색하기, 보고서 초안 쓰기. 기억해 둘 것이 있다. 논문 수가 2억 2000만과 본문의 2억 5000만이라는 두 가지로 나온다. 인용할 때 출처를 함께 적는 편이 좋다.

심층 검색이 전략을 세운다

심층 검색은 포괄적인 전략을 스스로 세운다고 설명된다. 키워드를 넓히고 반대 주장을 가려내고 인용망을 따라간다. 공식 예시는 위약 효과를 둘러싼 상반된 이론에서 대사증후군 정의를 둘러싼 20년의 변천까지 이어진다.

필터는 자연어로 쓴다. 기간과 집단, 연구 설계를 질문 문장에 넣으면 시스템이 적용한다. 참가자 1000명이 넘는 대규모 인체 연구 같은 방법론 조건이 메뉴를 뒤지는 일이 아니라 한 문장이 된다.

학계가 어떻게 보는지 묻는 두 가지 방식

의료 모드는 결과를 질 높은 의학 자료로 좁힌다. 약 5만 건의 임상 지침과 상위 1000개 의학 저널에서 가져온 800만 편의 논문이며, 예시 질문은 실신의 위험 층화와 지역사회 폐렴의 항생제 선택까지 다룬다.

계기는 다른 질문에 답한다. 예나 아니오로 물으면 근거가 어디까지 일치하고 어디서 갈라지는지 바늘이 보여준다. 원격 근무와 생산성, 간헐적 단식과 체중 감량이 예로 제시된다. 심사자가 머릿속에 담아 두던 판단이 눈에 보이는 눈금이 된다.

세 단계, 유료에는 API와 MCP

Free는 무료이고 기본 논문 검색과 월 10건의 Pro 메시지가 남는다. Pro는 월 12, 연 결제 144로 96을 아끼며 Pro 메시지 무제한, 월 15회 심층 리뷰, 500회 API·MCP 호출이 열린다. Deep은 월 45, 연 결제 540으로 240을 아끼고 월 200회 심층 리뷰와 2000회 API·MCP 호출이다. 초과는 회당 0.05이며 상한은 Pro가 월 1000회, Deep이 1만 회다. 학생과 교사는 학교 주소로, 미국 임상의는 제공자 번호로 최대 40% 할인을 받는다.

누구에게 맞나

세 층. 근거가 무엇이라 말하는지 빠르게 읽고 싶은 의대생과 임상의. 의료 모드와 계기를 함께 쓴다. 완전한 리뷰를 짜는 연구자. 심층 검색과 자연어 필터. 그리고 학술 검색을 자동화 흐름에 넣고 싶은 개발자. API와 MCP 호출이 단계의 권리로 적혀 있다. 170개가 넘는 대학 도서관이 제휴로 올라 있고, 기관의 뒷배와 개인의 무료 등급이 나란히 존재한다.

이 틀이 잘한 것은 자주 뒤섞이는 두 일을 나눈 것이다. 논문을 찾는 일과 그 발견이 얼마나 논쟁적인지 아는 일. 하지 않은 것은 표 뒤에 있는 연구의 질을 판정하는 일이다. 그래서 계기는 읽기의 출발점이지 판결이 아니다.

솔직한 단서 둘. 첫째, 순수 스크립트 수집에는 껍데기만 돌려주고 브라우저에서는 정상이다. 여기 적은 사실은 렌더링된 페이지를 기준으로 한다. 둘째, 사용자 수는 위치에 따라 1000만과 500만 이상 두 가지로 적힌다. 인용할 때 위치도 함께 밝히면 좋다.

빈 상자보다 세 개의 입구

검색창 아래 세 입구는 사실 설계에서 가장 쓸모 있는 부분이다. 논문 더미를 앞에 두고 사람이 실제로 하는 세 가지 일, 비교하고 조건을 붙이고 글로 옮기기에 이름을 붙였기 때문이다. 선택을 정할 때는 비교 표를 만들고, 질문에 집단이나 연구 설계가 들어 있으면 필터로 손이 가고, 초안이 잡힌 보고서는 나중에 고칠 문헌 절의 첫 원고가 된다. 이름을 붙여 두는 것만으로 검색창 하나가 만들기 쉬운 백지 문제를 처음 쓰는 사람에게서 덜어 준다.

무료 등급의 월 10건 Pro 메시지는 시험용으로 읽는 것이 맞다. 두세 질문에 계기를 써 보고 읽는 느낌을 확인하기에는 충분하고, 한 프로젝트를 돌리기에는 부족하다.

검색엔진이 손을 드는 법을 배우면, 한 논문의 논쟁 정도는 그대로 눈으로 읽히는 숫자가 된다.