Perplexity CEO 아라빈드 스리니바스, AI 스타트업으로 90억 달러 기업을 만든 성공 비결

📌 Perplexity CEO 아라빈드 스리니바스가 학계에서 AI 개척자로 변모하게 된 계기는?

오픈AI, 딥마인드 등에서의 인턴십을 통해 새로운 아이디어를 넘어 실제 구현의 중요성을 깨닫고 실리콘밸리의 창업 문화에 매력을 느끼면서 학계에서 스타트업으로 진로를 바꾸게 되었습니다

💡 Perplexity가 Google과 경쟁하지 않는다고 말하는 이유는?

Google은 단어 검색을 통해 사용자의 의도를 파악하여 첫 페이지에 원하는 정보를 제공하는 데 강점이 있지만, Perplexity는 질문에 대한 정보를 종합하여 신뢰할 수 있는 출처와 함께 즉각적인 답변을 제공하는 데 집중하기 때문입니다
perplexity CEO aravind srinivas의 성공 스토리를 담은 영상입니다. 그는 학문적 배경에서 시작해 90억 달러 가치의 ai 선구자가 되기까지의 여정을 공유합니다. iit madras에서 uc berkeley까지의 학업 여정과 openai, deepmind에서의 인턴 경험이 perplexity 창업에 큰 영향을 미쳤음을 알 수 있습니다. 이 영상은 창업 과정에서의 어려움과 성공 요인, 그리고 perplexity의 차별화된 검색 엔진으로서의 비전을 제시합니다. ai 기술의 발전과 함께 검색 엔진의 미래를 엿볼 수 있으며, 학문적 지식과 기업가 정신의 조화가 어떻게 혁신을 이끌어낼 수 있는지에 대한 인사이트를 제공합니다. perplexity는 기존 검색 엔진과는 다른 새로운 가치를 창출하고자 합니다.

1. 🚀 HBS Entrepreneurship Summit 2025 개막 및 Perplexity CEO 아라빈드 스리니바스 소개

2025 HBS Entrepreneurship Summit는 COVID 이전 이후 처음으로 재개되었으며, 하버드 경영대학원의 창업정신과 학생 네트워크를 강조하는 행사이다 .
행사 기획에는 수개월의 준비와 리더십이 필요했으며, 여러 학생 대표 및 커뮤니티 리더, 전국 각지의 참석자들이 모였다 .
첫 키노트 세션의 모더레이터는 Harvard Engineering School과 협력한 VC 펀드인 Xfund의 Patrick Chung이며, 세 번의 하버드 졸업 경력이 있다 .
주요 연사 아라빈드 스리니바스는 첸나이 출생으로 IIT Madras에서 전기공학 학사 및 석사, UC Berkeley에서 컴퓨터공학 박사를 마쳤으며, Perplexity의 공동 창업자이다 .
Perplexity는 2022년 설립 후 월 6억 쿼리, 90억 달러 가치를 달성하였고, Jeff Bezos 및 Nvidia로부터 투자를 받았다 .

2. 🚀 Perplexity 창업 여정과 핵심 인사이트

전기공학 전공이 신호처리와 Python 프로그래밍 등 기초 개념을 제공하여 머신러닝 입문이 수월했다
초기에는 경진대회, 헬스케어 추천 시스템 개발, 스타트업 인턴십, Andrew Ng·Geoffrey Hinton의 강의 시청, Yoshua Bengio와의 인턴십 등 다양한 경험을 통해 기초와 연구 역량을 쌓았다
OpenAI, DeepMind 등 인턴 경험에서 타인의 높은 수준과 실무에서 아이디어 구현의 중요성을 직접 체감하며 기업가 정신으로 방향을 잡게 되었다
Ilya Sutskever로부터 기존 강화학습 아이디어의 한계를 지적받고, 생성적 비지도 학습으로 연구방향을 전환하며, 이를 버클리에서 강의 및 논문까지 연결했고, 뒤에 ChatGPT의 발전과도 맞닿는다
구글, 페이스북 등의 AI 적용 사례는 직접적 체감이 어려웠으나, GitHub Copilot 등으로 AI를 직접 ‘느끼는’ 순간이 오면서 창업 타이밍과 실체적 제품 개발의 필요성을 인식했다
Perplexity는 2022년 8월, AI 기술이 실질적으로 사용자에게 체감되기 시작한 전환점에서 우수 인재와 초기 자금을 바탕으로 설립되었다
공동창업자인 Dennis Yas와는 논문 출판 경쟁 및 팬데믹 시기 원격 협업, 그리고 Quora 등에서의 인연과 네트워크를 통해 호흡을 맞췄고, 실력 중심의 인재 조합이 주요한 성공 요인임을 보여준다

2.1. 머신러닝 분야 입문과 성장 계기

새로운 도전과 무보장의 상황에서 다양한 시도를 하며 머신러닝 대회에 참가하여 재미를 느끼고 경험을 쌓았다
주어진 데이터가 사진의 특성 값으로만 제공되어, 실제 이미지를 보지 않고 예측하는 대회에서 단순 알고리즘으로 시작했다
전기공학 전공이 ML 입문에 유리했으며, 컨볼루션, 신호처리 등의 배경지식으로 파이썬, NumPy 프로그래밍이 자연스러워 CS 전공자보다 쉽게 적응했다
인턴십에서 헬스케어 추천 시스템을 빠르게 구축했고, 이 때 주위의 권유로 Neural Nets(신경망) 연구와 공부를 시작하며 Andrew Ng, Geoffrey Hinton 등 유명 교수의 온라인 강의를 독학했다
연구를 이어가며 Turing Award 수상자인 Yoshua Bengio의 인턴십 기회를 얻었고, 그의 추천서 덕분에 UC Berkeley 대학원 진학으로 이어지는 미국 유학의 길이 열렸다

2.2. OpenAI 인턴십이 학문적 진로와 창업관에 미친 결정적 영향

OpenAI와 DeepMind 인턴십에서 뛰어난 동료들을 만나 자신의 역량이 겸허하게 느껴졌으며, 단순히 아이디어 제안이 아니라 실질적 구현 능력이 중요함을 깨달았다
데이터를 수집하고 코드를 작성하는 모든 과정을 직접 경험하며, 실용적인 결과를 보여주는 것이 창업가로서 매우 중요하다는 점을 배웠다
OpenAI 인턴십에서 당시 최고 과학자였던 Ilya Sutskever가 기존 자신의 강화학습 아이디어들을 전면 부정하며, “생성적 비지도 학습”에 집중하라는 조언을 받았다
Ilya가 그린 큰 원(생성적 비지도 학습)과 작은 원(강화학습)의 도식에서, 방대한 컴퓨팅과 인터넷 데이터로 이루어진 생성적 비지도 학습이 일반 인공지능의 길임을 제시했고, 이는 훗날 ChatGPT의 핵심 방향과 일치함을 확인했다
이런 계기로 지도교수에게 연구방향 전환을 요청하여 관련 수업을 열고 논문을 발표하며, 결국 이 모든 경험이 자신의 박사 논문의 핵심이 되었다

2.3. Perplexity 창업의 동기와 초기 과정

AI의 가능성을 체감한 계기는 GitHub Copilot과 같은 실질적 AI 제품을 직접 사용하면서로, 개인적으로 AI가 제품 단계에 진입했다고 느끼며 창업 결심을 하게 되었다.
실리콘밸리 문화와 TV쇼 Silicon Valley를 통해, 아이디어를 직접 현실화하고 사용자에게 전달하는 창업의 매력에 큰 영향을 받았다.
초기에는 생성적 AI를 활용한 무손실 압축(lossless compression) 아이디어로 창업을 시도했으나, 함께할 팀원을 구하지 못해 다른 방향을 모색했다.
AI가 산업에서 점차 실제로 쓰이는 시점에, 우수한 인재를 모으고 투자 유치에 성공하면 최고의 타이밍에 성장할 수 있다고 판단하여 Perplexity를 2022년 8월에 설립했다.
AI의 발전과 투자 증가라는 시장 변화가 창업 성공 가능성의 중요한 배경으로 자리했다.

2.4. Perplexity 공동 창업자들과의 만남과 팀 형성 과정

Dennis Yas는 Perplexity의 공동 창업자이자 CTO로, 창업 전 1년 이상 논문을 거의 동시에 발표하며 서로를 알게 되어 친분을 쌓았다
논문 발표 당시 Dennis가 먼저 출판 사실을 알려주어, 밤새 논문을 완성해 출판하며 경쟁이 상호 자극으로 작용했다
Dennis는 COVID로 인해 원격으로 실험실 방문 학생이 되었고, 이 시기 아이디어 교류가 활발하게 이루어졌다
Dennis와 Johnny는 Quora의 ‘Quora Digest’ 개발 경험을 공유하며 팀워크를 다졌고, 이 서비스는 사용자의 관심 질문을 자동으로 이메일로 보내주는 기능을 제공하여 지금도 유용하다
Dennis를 통해 Johnny가 Tower를 그만두고 AI 분야를 모색 중임을 알았고, 뛰어난 인재를 영입할 수 있었던 것은 운이 크게 작용한 결과였다

3. 🚀 Perplexity 창업 과정과 혁신적 검색 엔진의 본질

Perplexity의 공동 창업 과정에서 초기 멤버들이 명확한 비전 없이도 과감히 합류하였고, 이를 반복적 제품 개발(iteration)과 실제 사용자 피드백을 통해 성장의 발판으로 삼았다는 점이 강조된다 .
초기에는 AI 기반으로 데이터셋에 대한 질문에 답하는 등 다양한 시도를 했으나, 시장성에 대한 확신 없이도 끊임없이 실행과 개선을 반복했고, 프로토타입 데모를 통해 투자 유치에 성공했다 .
Perplexity의 핵심 아이디어는 검색의 진화, 즉 단순 키워드가 아니라 자연어 질문에 AI가 근거(소스)까지 명확히 제시하며 즉각적 답을 주는 형태로, 이는 학문적 논문 문화에서 착안한 “출처 제시” 개념이 도입되었다 .
Perplexity는 기존 Google 검색과 달리 질문의 맥락을 종합·요약하여 답변을 제공하고, 사용자가 스스로 여러 링크를 읽으며 정보를 조합하는 인지적 부담을 덜어준다 .
서비스의 성장 이후 독자적 모델 구축, 자체 크롤링 인프라, 연구 에이전트 개발 등 대규모 투자를 통한 차별화가 이루어졌으며, 표면적으로 ‘간단히 복제 가능하다’는 오해와 달리 실제로는 복잡하고 방대한 시스템을 보유하고 있다 .

3.1. Perplexity 창업 초기 팀 구성과 서비스 개발 전략

Dennis와 Johnny는 초기에 아무런 기반이 없던 상황에서 대담한 선택을 하고 Perplexity에 합류했으며, Dennis가 먼저 합류한 후 Johnny를 설득하는 스노우볼 방식을 활용했다.
초기 아이디어는 AI로 데이터셋에 대한 질문을 처리하는 것이었지만, 시장성이나 비즈니스 모델에 대한 확신 없이 시작했다.
초기 핵심 전략은 아이디어에 집착하지 않고 빠르게 반복(iterate)하며, 실제 사용자에게 배포해 피드백을 통해 방향을 수정해 나가는 것이었다.
창업 초기에 데모를 통해 직접 서비스를 보여줌으로써 투자자를 설득했고, 프리젠테이션 자료(deck) 없이도 시연으로 신뢰를 구축했다.
대부분의 초기 투자 유치는 서비스의 직접 데모와 목표 설명을 통해 이뤄졌고, 소프트웨어 분야에서는 빠른 실행과 오픈된 피드백 수용이 핵심임을 경험했다.

3.2. 투자 유치와 핵심팀 구성, 그리고 Perplexity의 초기 핵심 아이디어

Twitter API를 활용해 데이터를 분석하고 사용자가 질문 형태로 트위터에 대해 질문할 수 있는 시스템을 만들어, 기존의 부족했던 검색 경험을 LLM 기반으로 혁신했다는 점이 투자자들에게 큰 반향을 주었다
뛰어난 초기 투자자들이 모이면서, 이 신뢰가 핵심 엔지니어 영입으로 이어졌고, 기술력 있는 엔지니어 팀을 구성할 수 있었다
검색 서비스의 본질을 재정의하며, 키워드 입력이 아닌 자연스러운 질문(Question)을 통한 검색, 그리고 신뢰할 수 있는 출처 기반 인공지능 답변이라는 새로운 패러다임을 제시했다
논문 작성에서 요구되는 피어 리뷰 기반의 출처 명기 원칙을 LLM 응용에 적용해, 신뢰도 높은 정보 제공 방식을 구축했다
외부 툴(Discord, Slack 등)을 활용하여 자신들과 친구들이 직접 프로토타입을 테스트하고 개선하면서, 최종적으로 Perplexity의 핵심 서비스가 완성되었다

3.3. Perplexity와 Google 검색의 차별점 및 경쟁 구도

Perplexity는 Google의 핵심 검색 행동(짧은 키워드 검색)을 대체하지 않으며, 직접적인 경쟁 관계가 아니다
Google 검색의 대부분은 ‘날씨’, ‘유튜브’, ‘트위터’처럼 한두 단어로 빠른 정보를 찾는 데 집중되어 있어, 사용자의 의도를 효율적으로 파악해 첫 페이지에서 원하는 결과를 제공한다
그러나 사용자가 구체적이고 복합적인 질문(예: 하버드 방문 시 비 올 때 옷차림 추천)에 대한 직접적이고 종합적인 답변이 필요할 때는 Google이 여러 링크를 나열할 뿐, 인공지능적 통합 답변을 제공하지 못한다
Perplexity는 이런 인지적 작업을 AI가 대신함으로써, 사용자가 따로 정보를 취합할 필요 없이 직관적이고 집중된 답변을 제공한다
Google도 AI 기반의 새로운 답변 방식을 도입하고 있으나, 링크 클릭이 줄면 광고 수익이 감소해 기능 간 이해상충이 발생하고, 그 결과 검색 결과 화면에 광고, 지식 패널, 링크, 응답, 사진 등 많은 혼잡이 발생한다
사용자는 이러한 혼란스러운 페이지보다 간결하고 목적지향적인 새로운 경험(Perplexity의 방식)을 원할 가능성이 높다

3.4. Perplexity의 콘텐츠 제작자 보상 및 생태계 건강화 전략

Perplexity는 정보 출처를 상단에 명확하게 표시하여 신뢰할 수 있는 고품질 정보 생산의 유인을 강화한다.
뉴스 관련 검색에는 트렌딩 UI와 출처 카드(source cards)를 통해 사용자가 출처를 쉽게 클릭하고 확인할 수 있도록 한다.
Perplexity는 쿼리로 발생한 수익을 퍼블리셔와 공유하는 프로그램을 운영하며, 이는 기존에 Google이 제공하지 않았던 새로운 수익 분배 방식이다.
Google은 광고 수익을 퍼블리셔와 공유하지 않고, 퍼블리셔에게 AdSense 등 광고 프로토콜을 강요하여 사용자 경험을 저해해왔다.
Perplexity는 추천 스폰서 질문 등 쿼리 기반 광고 수익 중 일부를 실제 콘텐츠 출처 제공자와 공유하여, 퍼블리셔가 새로운 콘텐츠를 지속적으로 생산하도록 장기적이고 건강한 인센티브를 제공한다.

3.5. Perplexity의 기술적 깊이와 복잡성

많은 사람들이 Perplexity를 단순한 래퍼(wrapper)라고 오해하지만, 실제로는 단기간에 완성할 수 없는 복잡한 시스템이다.
초기 프로토타입은 빠르게 만들 수 있지만, 그 이후 다양한 수직 분야(verticals) 확장과 자체 모델 개발 등 엄청난 노력이 더해졌다.
모든 외부 모델 제공자가 서비스를 중단하더라도, Perplexity는 자체 모델로 대부분의 질문에 큰 품질 저하 없이 동작할 수 있다.
자체 인덱스와 웹 크롤링, 순차적 계획과 사고 과정(chAIn of thought)을 지원하는 최신 연구 에이전트 등, 여러 첨단 기술을 직접 구축했다.
이러한 지속적인 기술적 투자와 복잡성 덕분에, 지금의 Perplexity는 단순한 래퍼가 아닌 매우 가치 있는 서비스임이 분명하다.

4. 🤖 AI 산업의 미래와 Perplexity의 역할

Perplexity는 TikTok 인수를 통해, 정보의 신뢰성 확보와 생산성 증진, 그리고 다음 세대의 검색 경험 혁신을 목표로 한다 .
AI 기술 발전으로 인한 독점 및 과점 우려가 있으나, 오픈소스 모델의 등장과 공개 논문을 통한 과학 재현성 확보가 시장 균형을 유지할 것이라 본다 .
최신 AI 모델의 대규모 맥락(롱 컨텍스트) 처리와 메모리 저장 구조의 한계는 여전히 미해결 과제이며, 새로운 아키텍처나 접근법의 등장이 돌파구가 될 수 있다 .
AI 분야의 연산 자원(컴퓨트) 부족과 비용 증가 문제가 심각하며, 더 효율적이고 전력 소모가 적은 칩 개발, 그리고 모델의 디스틸레이션(distillation) 전략으로 해결을 모색하고 있다 .
SEO 산업은 AI 중심 검색이 발전함에 따라 점차 힘을 잃고 있으며, 콘텐츠의 실제 품질에 기반한 새로운 검색 패러다임이 자리를 대신할 것으로 전망된다 .

4.1. Perplexity와 Apple의 협력 가능성 및 비전

Perplexity가 Apple에 인수될지보다, Perplexity가 Apple과 협력을 원하는지가 더 중요한 논점이다.
Tim Cook과 Apple의 관점에서 본다면, Apple Intelligence가 Perplexity를 호출하는 시나리오가 이상적일 것이다.
Perplexity는 이미 App Store에 앱을 제공하고 있다.
Android OS에서도 Perplexity는 다양한 앱과 연동해 음악/영상 재생, 알림 설정, 이메일 전송, 전화 등 기능을 제공한다.
Apple Intelligence가 더 많은 앱에 개발자 접근을 허용한다면, Perplexity와 협력하여 Siri의 실제 작동을 개선할 수 있다.

4.2. Perplexity의 TikTok 인수 논리와 AI 기반 정보 검증 비전

사람들은 TikTok에서 많은 시간을 보내지만, AI를 활용해 피드를 더욱 생산적이고 유익하게 만들 수 있다고 본다.
엔터테인먼트 요소를 유지하되, 유용한 콘텐츠와 커뮤니티 기반 노트 등으로 잘못된 정보(미스인포메이션) 관리가 강화될 수 있다.
Ask Perplexity 봇이 X(트위터)에서 강력한 성장세를 보였으며, AI가 사람보다 빠르게 팩트 체크를 수행할 수 있고, Perplexity를 통해 소프트웨어 서비스화가 가능하다.
검색 결과에 출처 표기와 추가 맥락 제공(풋노트, 커뮤니티 노트 등)이 자연스럽게 포함되어 정보의 신뢰성을 높일 수 있다.
차세대 사용자는 TikTok 검색을 기본으로 이용하기 때문에, Perplexity가 TikTok에 본질적으로 통합되면 Google에 대한 강력한 경쟁자가 될 수 있다.

4.3. 학문과 스타트업에서의 신념 변화와 공통점

학문적 신념에서는 아이디어에 오래 집중하는 것이 중요하다고 생각했지만, 지금은 행동이 정보를 만든다는 점을 더 신뢰하게 되었다.
학계에서는 많은 사람들이 실제 소규모 실험을 하지 않고, 거창한 아이디어에만 집중하다가 논문을 쓰고 끝내는 경향이 있다.
영화처럼 아이디어가 완벽히 해결된 것처럼 보이지만, 실제로는 여러 번의 소규모 실험과 반복적인 시도가 실질적으로 작동하는 방식이다.
스타트업에서도 여러 프로젝트 중 무엇이 성공할지 알 수 없으며, 당장 성과가 없다고 해도 실패라고 단정할 수 없다.
적절한 신호를 찾고, 비판적으로 가설을 검증하는 것은 학문적 태도이며, 스타트업에서도 매우 중요하다.

4.4. AI의 미래, 독점과 개방 사이에서

AI가 광범위하고 안전하게 접근 가능하다면 위험한 결과를 피할 수 있지만, 극소수만 사용할 수 있는 고성능 AI가 존재한다면 심각한 부작용이 발생할 수 있다.
AI 모델이 상품화될수록 독점 또는 과점 상황이 우려되지만, 오픈 소스만이 소수의 지배를 막고 균형을 지킬 수 있다.
최근 1년간 폐쇄형 연구소들이 뛰어난 모델을 출시하면, 오픈 소스 진영에서 비슷한 성능의 모델을 무료로 공개해 견제해 왔다.
Deepseek 사례처럼, 오픈 소스 모델이 단순한 모형 제공을 넘어서 과학적 재현이 가능하도록 기술 논문까지 공개하는 것이 AI 발전의 핵심이다.
결론적으로, 오픈 소스의 지속적인 발전과 공개가 이어진다면 AI의 독과점이나 폐쇄적 미래에 대해 크게 걱정하지 않아도 될 것으로 보인다.

4.5. AI 기술 발전의 다음 단계와 장기 맥락 이해의 한계

Transformer 이후 유망한 발전 방향으로는 state space 모델과 convolution과 transformer의 하이브리드 아키텍처가 있으나, 이러한 발전이 있더라도 대형 연구소들이 기존 방식과 결합해 채택하는 수준에 그칠 가능성이 높다.
진정한 혁신은 극도로 긴 맥락(long context)을 처리할 수 있는 AI에서 올 수 있다.
현재 AI는 RAG(Retrieval Augmented Generation) 방식을 사용해, 모델 자체가 맥락을 모두 내장하지 못하고 검색을 통해 관련 맥락을 불러온 후 답변을 생성한다.
인간처럼 수년간의 대화 맥락을 자연스럽게 이어가며 하나의 흐름으로 대화하는 것은 AI에게 매우 어려운 과제이다.
수백만~천만 개 이상의 토큰, 심지어 무한한 토큰을 기억하고 처리할 수 있는 구조 설계는 아직 해결되지 않은 오픈 문제이며, 그 구조는 여전히 transformer 기반일 수도 있지만, 아직 정답은 없다.

4.6. AI 컴퓨팅 자원 한계와 윤리적 AI 생태계의 발전 방향

현재 AI 분야에서는 GPU 등 컴퓨팅 자원의 부족이 심각하며, Perplexity도 DeepSeek과의 협업 등으로 한계를 극복하려 했으나, 사용량 증가로 인해 단위 쿼리당 비용이 오르고 있다.
컴퓨팅 수요는 앞으로 1~2년 동안 더욱 증가할 것으로 보이며, Nvidia는 다양한 AI 모델에 적합하고 견고하지만, Cerebras는 현재는 dense 모델에 더 특화되어 있다.
변환기(Transformer) 모델에 특화된 칩을 통해 AI 제품의 추론 속도를 빠르게 처리할 수 있다.
AI 독점과 윤리에 있어서는, 하나의 기업이 AI 내러티브를 독점하지 않는 것이 중요하며, 이를 위해 오픈소스 모델의 발전이 필요하다.
Perplexity는 AI의 신뢰성과 투명성을 위해 정보의 출처와 사고 과정을 명확히 공개하는 UX를 도입했고, 이는 타 AI 플랫폼에도 확산되는 중이다.
따라서 개방형 생태계와 다양한 플레이어의 참여, 그리고 투명한 정보 제공이 AI 발전과 윤리성 확보의 핵심 요소이다.

4.7. AI 시대의 SEO 변화와 전력 비용 문제

AI 기반 딥리서치 제품의 등장으로 기존처럼 검색엔진을 대상으로 한 SEO 필요성이 점점 줄어들 것으로 보인다.
AI는 사용자의 의도를 실제로 파악하고 낮은 품질의 콘텐츠를 무시할 수 있기 때문에, SEO 기법만으로는 이런 시스템을 대응하기 어렵다.
기존 SEO가 가능했던 이유는 검색 쿼리당 연산량이 적었기 때문이지만, AI는 LLM이 복잡한 사고의 흐름을 거쳐 반복적으로 확인하며 기존 방식에 비해 훨씬 더 많은 연산을 사용한다.
앞으로 대형 AI 운영에는 엄청난 전력이 필요하여, 몇몇 기업은 자체 원자력 발전소까지 고민할 만큼 전력 비용 이슈가 커지고 있다.
차세대 칩의 집적도 증가와 AI 모델 소형화(distillation)를 통해, 동일한 성능에 필요한 연산 및 전력 비용을 줄일 수 있을 것으로 기대된다.

5. 🚀 Perplexity의 전략적 방향, 우선순위, 그리고 리더십 인사이트

AI 산업의 변화 속도가 매우 빨라 Perplexity는 3년 단위의 장기 계획 대신 분기별(quarterly) 계획에 집중하고 있다 .
핵심 전략은 사용자 검색 경험의 혁신에 있으며, 텍스트 기반 답변 대신 날씨, 스포츠, 금융, 쇼핑, 여행 등 다양한 분야에서 인터랙티브하고 구조화된 형태(visual, structured answer)의 고품질 응답 제공에 집중한다 .
상업적, 일상적 활용을 위해 제품을 발전시키고 있으며, 앞으로 사용자는 Perplexity 내에서 바로 상품 구매 등 트랜잭션을 할 수 있는 새로운 인터넷 비즈니스 모델이 등장할 것으로 전망된다 .
개인 데이터(이메일, 캘린더, 브라우저 기록 등) 기반 개인화 검색 및 브라우저 출시 준비 중이며, 사용자의 맥락을 반영한 질문에 최적화된 답을 제공하는 에이전트형 탐색 기능을 개발한다 .
실패로 보일 수 있는 프로젝트도 학습 신호(learning signal)로 받아들여, 빠르게 적응하고 기존 성과를 새 프로젝트에 응용한다는 적응적(Adaptive) 조직 문화를 갖는다 .
양자컴퓨팅 등 미래 기술 투자는 실질적인 사용자 경험에 도움이 될 만큼 발전하지 않았다고 판단하며, 지금은 핵심 경험 혁신에 역량을 집중한다 .
리더십 철학으로 꾸준한 침착함과 낙관적 긴장(너무 잘될 때 지나치게 들뜨지 않기, 힘들 때 비관하지 않기)이 중요하며, “진짜 끝났을 때만 끝난다”라는 포기하지 않는 태도를 동기부여로 삼고 있다 .
개인적으로 Facebook, Messenger를 사용하지 않으며 이를 추천하기도 한다 .

5.1. Perplexity의 단기 전략과 AI 시장의 빠른 변화 속 초점 유지

AI 분야는 변화가 매우 빠르기 때문에 3년 후를 계획하는 것은 의미가 없다고 판단한다
회사의 실제 전략 계획 주기는 분기(quarterly) 단위로, 2분기 이후의 미래 예측은 경영에 활용하기 어렵다고 본다
최근 3개월 동안의 변화 속도가 지난 2년보다 빨랐으며, 예측하지 못한 기술(예: deep research, agent 등)의 출현이 잦다
누구도 이러한 기술적 변화를 완전히 예견할 수 없으므로, 계속해서 우선순위와 방향성을 유연하게 업데이트해야 한다
Perplexity의 전략적 초점은 빠르게 변하는 환경 속에서도 본질적으로 중요한 일을 놓치지 않고 지속적으로 재평가하며 집중하는 데 있다

5.2. Perplexity의 빠른 변화 대응 전략과 적응적 제품 개발

Perplexity는 일상적인 검색 니즈부터 지식·연구까지, 사용자의 다양한 쿼리에 대해 텍스트를 넘어서는 구조화된 시각적 답변 제공을 목표로 한다
단순 정보 제공을 넘어 상업적·일상적 사용에 적합한 고품질, 높은 관련성의 인터랙티브 경험을 구현하여, 사용자가 바로 구매 등 트랜잭션까지 할 수 있도록 설계하고 있다
곧 출시될 브라우저를 통해 웹 검색뿐 아니라 사용자의 캘린더, 이메일, 브라우저 이력, Slack, Notion 등 개인 데이터를 활용한 맞춤형 검색 경험을 제공할 예정이다
SEO를 통한 트래픽 증가를 시도하던 Perplexity Pages 프로젝트가 Google 정책 변경으로 한계를 겪었으나, 이를 빠르게 Discover Feed로 전환하며 적응했다
Perplexity는 실패 경험도 학습 시그널로 삼아 제품 혁신과 적응에 적극 반영하며, 모든 프로젝트에서 유연하게 방향을 전환한다

5.3. ️ GPU 발전과 양자컴퓨팅의 실용성 한계

현재 GPU 등 계산 자원의 지속적인 발전이 이루어지고 있다.
양자컴퓨팅은 아직 매우 초기 단계로, 실제 모델 학습 등에 적용하기에는 시기상조로 판단된다.
최근 양자컴퓨팅의 돌파구로 언급된 사례는 대부분 학문적 벤치마크 위주이며, 실제로 의미 있는 실용적 성과는 없는 상태다.
최근 Google이 발표한 오류 허용성(error tolerance) 도입은 소규모 벤치마크에 국한되어, 아직 실질적 적용에는 거리가 있다.
Perplexity와 같은 사용자 경험 혁신 중심의 제품 회사는, 5~10년 이후에나 실현될 기술에 집중하기보다 현재의 핵심 경험 개선에 자원을 투입하는 것이 맞다.
다만, 대형 테크기업들은 미래를 대비해 별도의 팀이 이러한 신기술 탐구를 계속하는 것이 타당하다고 본다.

5.4. 경영 스타일, 의외성, 그리고 스스로를 지키는 동기 부여 원칙

본인은 경영 스타일을 한 마디로 표현하면 포커페이스라고 설명한다.
예상 밖의 앱에 대한 질문에, 본인은 별다른 독특한 앱이 없으나 Facebook과 Messenger를 사용하지 않음을 강조하며, 계정조차 만들어본 적이 없다고 말한다.
Facebook 계정이 없는 것이 일반적인 사람들과의 차별점이며, 이를 오히려 추천한다고 밝힌다.
스스로를 동기부여하는 문구로 “절대 포기하지 않는다. 죽거나 움직일 수 없을 때만 포기한다”는 Elon Musk의 말을 마음에 새기며, 창업가에게 가장 중요한 것은 포기하는 순간 끝나는 것임을 강조한다.
어려움이 닥쳐도 항상 방법을 찾을 수 있으며, 포기하지 않는 태도가 중요하다고 역설한다.