1989년 마샤 베이츠가 제시한 '베리피킹(berrypicking)' 모델—사람은 흩어진 출처를 옮겨 다니며 조금씩 모으고 질의를 고쳐가며 검색한다—이 AI 시대에도 유효하다는 분석이다. 하나의 완결된 답을 던지는 AI 검색이 놓치는 지점을 47년 전 연구가 설명한다고 짚는다. 제품팀이 지금 AI 검색에서 배우는 많은 부분을, 한 정보과학자가 웹이 생기기도 전에 이미 정리해 뒀다는 것이다.
UCLA의 정보과학자 마샤 베이츠는 1989년 '베리피킹'이라는 모델로 사람의 검색 행동을 설명했다. 사람은 한 번의 질의로 정답을 얻는 게 아니라, 흩어진 출처 사이를 옮겨 다니며 한 곳에서 한 조각씩 유용한 것을 모으고, 그 과정에서 질문 자체를 계속 바꿔간다는 것이다.
글쓴이는 이 47년 전 연구가 오늘의 AI 검색이 놓치는 지점을 정확히 짚는다고 본다. 질의에 대해 하나의 완결된 답을 던지는 방식은 사람이 실제로 정보를 탐색하며 이해를 쌓아가는 흐름을 건너뛴다. 제품팀이 이제 막 AI 검색을 설계하며 체득하는 교훈의 상당 부분이, 웹이 존재하기도 전에 이미 정리돼 있었다는 지적이다.
검색·AI 답변 기능을 설계하는 디자이너에게 이는 구체적 원칙이 된다. 결과를 단일 답으로 압축해 끝내기보다, 출처로의 이동, 질의 수정, 점진적 수집 같은 탐색 동선을 UX에 남겨둬야 사용자의 실제 작업 방식에 맞는다.