The Adoption and Usage of AI Agents: Early Evidence from Perplexity

Motivation

Known: AI 에이전트는 이론적 구성에서 실제 상용화된 보조 도구로 진화하고 있으며, 전문가 설문이나 코딩 보조 도구 같은 특화된 에이전트에 대한 연구만 존재함
Gap: 일반 목적의 AI 에이전트가 실제로 어떻게 채택되고 사용되는지에 관한 체계적인 행동 증거가 부재함
Why: 글로벌 에이전틱 AI 시장이 2025년 80억 달러에서 2034년 1,990억 달러로 성장할 것으로 예상되는 만큼, 실제 사용 패턴 이해가 연구자, 기업, 정책입안자, 교육자에게 필수적
Approach: 2025년 7월 9일부터 10월 22일 사이에 수집한 Comet 데스크톱 사용자 데이터(수억 건의 쿼리)를 분석하여 세 가지 근본적인 질문에 답함: (1) 누가 AI 에이전트를 사용하는가? (2) 얼마나 강하게 사용하는가? (3) 무엇을 위해 사용하는가?

에이전틱 분류체계의 계층적 구조: 주제(Topic) → 소주제(Subtopic) → 작업(Task) → 환경(Environment)

채택 및 사용 강도의 이질성 규명:
- 초기 채택자(Early adopters)는 GA 사용자보다 에이전트 채택 확률이 2배 높고, 에이전틱 쿼리는 9배 많음
- 국가별 수준에서는 1인당 GDP와 평균 교육 년수와 강한 양의 상관관계 확인
- 직업별로는 디지털 기술(28%), 학술(academia), 금융, 마케팅, 창업 등 지식집약적 분야가 전체 채택자와 쿼리의 70% 이상 차지
계층적 에이전틱 분류체계 개발 및 사용 사례 분류:
- 생산성&워크플로우(36%)와 학습&연구(21%)가 모든 에이전틱 쿼리의 57% 차지
- 소주제 수준에서는 온라인 강좌(13%), 상품 쇼핑(9%), 연구(8%), 문서 편집(8%), 계정 관리(7%), 소셜 미디어(7%)가 주요 항목
- 개인 용도(55%), 전문적 용도(30%), 교육적 용도(16%) 비율 파악
- 단기적으로는 사용 사례가 강한 점착성(stickiness)을 보이지만, 시간이 경과하면서 더 인지적으로 지향된 주제로 이동하는 경향 관찰

주제별 소주제 비율 분석: 생산성, 학습, 미디어, 쇼핑 간 상대적 비중

데이터 수집 및 샘플링:
- 전체 Comet 사용자 및 쿼리에 대한 익명화된 데이터(수백만 사용자, 수억 쿼리)
- 임의 추출 100,000 Comet 사용자를 O*NET 직업 클러스터로 분류
- 별도 임의 추출 100,000 에이전트 사용자의 모든 에이전틱 쿼리를 계층적 분류체계로 분류
분류 및 분석 방법:
- ReAct 프레임워크를 기반으로 한 에이전틱 워크플로우 이해(Think → Act → Observe 순환)
- 신규 개발한 3단계 계층적 분류체계(주제-소주제-작업-환경) 적용
- 국가, 직업, 시간대별 변이 분석 및 주제 전환 패턴 추적
기술적 특징:
- Comet Assistant는 웹 기반 개방형 환경에서 다중 단계 작업 계획 및 실행 가능
- 스케줄링, 문서 편집, 이메일 송신, 항공편 예약, 구매 등 다양한 도구 활용 능력

데이터 범위 한계:
- Comet 데스크톱 사용자만 대상 (모바일 미포함)
- 2025년 7월-10월 초기 단계 데이터로서 장기 추세 반영 부족
- 구독자 기반 사용자 집단(초기에 Max 티어, 이후 Pro, 최종적으로 전체)의 선택 편향 가능성
- 익명화된 데이터로 인한 개별 사용자 추적 불가능
분류체계 한계:
- 수동 분류의 주관성 가능성 (신뢰도 검증 미제시)
- 다중 목적의 쿼리 분류 방식 명확화 필요
후속 연구 방향:
- AI 에이전트 사용이 사용자 생산성, 학습 성과, 노동 시장에 미치는 인과적 영향 평가
- 에이전트 실패, 오류, 사용자 신뢰도 등 부작용 분석
- 다양한 에이전트 플랫폼(OpenAI Operator, Claude Computer Use 등) 간 비교
- 기업 및 조직 수준의 에이전트 도입 영향 연구
- 에이전트 사용과 불평등, 일자리, 교육 기회의 관계 규명