Toolso.AI
Toolso.AI
모든 도구카테고리인기최신 도구가격블로그
Toolso.AI
Toolso.AI

💌AI 도구 위클리 구독

매주 선별된 최신 및 핫한 AI 도구와 트렌드를 받은편지함으로 받아보세요 구독

Toolso.AI
Toolso.AI

생산성을 높일 최고의 AI 도구 발견

GitHubGitHubTwitterX (Twitter)YouTubeYouTubeTikTokEmail

인기 카테고리

  • AI 글쓰기
  • AI 이미지
  • AI 비디오
  • AI 코딩
  • 더 많은 카테고리

탐색

  • 최신 도구
  • 인기 도구
  • 더 많은 도구
  • 도구 제출
  • 요금

회사 소개

  • 회사 소개
  • 문의하기
  • 블로그
  • 변경 로그

법률

  • 쿠키 정책
  • 개인정보 보호정책
  • 서비스 약관
  • 환불 정책
© 2026 Toolso.AI 모든 권리 보유
기간 한정기간 한정 프로모션추천 등록24시간 우선 심사 · 백링크 불필요 · 30일 추천 노출$29.90이후 $59.9010월 31일 이후 $59.90로 인상종료까지--:--:--지금 제출
  1. 홈
  2. 모든 도구
  3. 연구 도구
  4. Consensus
Consensus 인터페이스 미리보기
Consensus 로고

Consensus

Consensus는 동료 심사 논문을 대상으로 하는 AI 학술 검색 엔진으로, 인용이 붙은 답변과 근거 합치도 지표, Deep Search 문헌 고찰을 연구자와 학생, 임상의에게 제공합니다.

연구 도구교육AI 도구#API#연구 도우미#검색
무료로 사용해보기
저장
방문 횟수
조회수
가격
부분 유료
출시일
2026년 8월 21일
도메인
consensus.app
사용자 평점

이 도구를 사용해 보셨나요? 평점을 남겨 주세요

이 도구 평가하기

Consensus 제품 정보

무료로 사용해보기
도구 정보
저장
방문 횟수
조회수
가격
부분 유료
출시일
2026년 8월 21일
도메인
consensus.app
사용자 평점

이 도구를 사용해 보셨나요? 평점을 남겨 주세요

이 도구 평가하기

추천 도구

관련 도구

무료로 사용해보기

Consensus란?

Consensus는 열린 웹이 아니라 동료 심사를 거친 문헌을 대상으로 삼는 AI 학술 검색 엔진입니다. 겨냥하는 문제는 분명합니다. 범용 챗봇은 연구 질문에 매끄럽게 답하면서 출처까지 지어낼 수 있고, 전통적인 데이터베이스는 500건의 결과를 던져 놓고 종합은 이용자에게 떠넘깁니다. Consensus는 이 두 실패 양상 사이에 자리합니다. 평이한 문장으로 연구 질문을 던지면, 모든 주장이 직접 열어 볼 수 있는 논문으로 되돌아가는 답변을 받습니다.

말뭉치가 이 주장의 토대입니다. 회사는 2억 5천만 편이 넘는 연구 논문을 다루며 주요 출판사의 라이선스 전문 콘텐츠를 포함한다고 밝히고 있고, 첫 화면의 출판사 로고는 장식이 아닙니다. Wiley, Taylor & Francis, Sage Publishing, ACS, APA, AAAS가 등장하며 그중 몇 곳과의 제휴는 별도 공지로 발표되어 있습니다. 라이선스 전문은 논문 총수보다 중요합니다. 초록을 검색하는 것과 전문을 검색하는 것의 차이가 곧 논문을 찾는 것과 논문 안의 결론을 찾는 것의 차이이기 때문입니다.

회사는 2021년 Christian Salem과 Eric Olson이 설립했습니다. 두 사람은 대학 1부 리그 운동부 동료였고 연구자와 교사 집안 출신입니다. 회사는 Union Square Ventures, GreatPoint Ventures와 Nat Friedman, Daniel Gross로부터 누적 4500만 달러를 조달했다고 밝힙니다. 자체 기준선 대비 성장 속도는 빠릅니다. 2023년 4월 기명 VentureBeat 보도는 당시 보스턴에 있던 회사가 Draper Associates 주도로 300만 달러 시드를 막 확보한 상황을 전하며 등록 사용자 약 20만 명을 기록했는데, 회사가 오늘 내세우는 수치는 1000만 명 이상입니다. 같은 보도는 초기 기술 경로도 남겼습니다. OpenAI와 협력해 만든 맞춤형 GPT-4를 연구 논문 말뭉치에 적용하는 방식이었습니다.

핵심 기능

  • 동료 심사 문헌에 근거한 인용 답변: 기본 동작은 목록을 나열하는 검색이 아니라 답하는 검색입니다. 모든 응답이 특정 논문에 묶이며, 이것이 기억에 의존해 답하는 범용 모델과의 결정적 차이입니다. 무료 계정은 기본 논문 검색을 계속 쓸 수 있고, AI 분석은 그 위에서 계량됩니다.
  • 문헌 고찰 자동화를 위한 Deep Search: 대표 기능이자 최상위 요금제의 이름이기도 합니다. 단일 질의를 던지는 대신 포괄적인 검색 전략을 세우고 핵심 용어를 확장하며 상충하는 논증을 식별하고 인용 그래프를 탐색합니다. 여기서 실질적인 주장은 상충 논증의 식별입니다. 합의만 드러내는 문헌 고찰은 그 자체로 편향된 고찰이며, 연구자가 가장 찾아야 할 것은 대개 불일치이기 때문입니다.
  • 근거 합치도를 보여 주는 Consensus Meter: 예 또는 아니오로 던질 수 있는 질문에 대해, 근거가 어느 정도 일치하거나 엇갈리는지를 즉시 보여 줍니다. 산문형 요약과는 근본적으로 다른 출력 형식으로, 실제 논쟁을 조용히 평균 내 버릴 수 있는 하나의 서술 대신 문헌 전반의 결론 분포를 제시합니다.
  • 임상 자료를 위한 Medical mode: 결과를 약 5만 건의 임상 진료지침과 상위 1000개 의학 학술지의 800만 편 논문으로 좁히는 필터입니다. 근거 위계가 지침과 고영향 학술지 중심인 임상 질문에 유용하지만, 약관이 사용 범위에 명확한 한계를 두고 있으므로 아래 항목을 함께 읽어야 합니다.
  • 자연어 필터: 기간, 대상 집단, 연구 설계 등을 프롬프트에 직접 적으면 시스템이 해당 필터를 적용합니다. 연구 질문을 데이터베이스 필터 문법으로 옮기는 마찰을 없애 주는데, 대부분의 사람이 고급 검색을 포기하는 지점이 바로 여기입니다.
  • 인용 그래프와 연구 도구 모음: 유료 요금제는 검색, 분석, 인용 그래프를 포함한 연구 도구 전체를 무제한으로 엽니다. 인용 그래프는 관련 논문 한 편에서 출발해 그 논문을 인용한 문헌과 그 논문이 인용한 문헌으로 뻗어 나가는 장치입니다.
  • API 및 MCP 접근: 프로그래밍 접근은 별도 상품이 아니라 구독 안에서 계량되는 항목으로, 다른 도구와 에이전트 워크플로가 이 말뭉치를 조회할 수 있게 합니다.

활용 사례

  1. 학위 논문이나 체계적 고찰을 위한 문헌 정리: 며칠 단위로 걸리는 전형적인 작업입니다. 의도된 흐름은 연구 질문을 던지고 Deep Search가 검색 전략을 세워 확장하게 한 뒤 인용 그래프를 따라 밖으로 나아가는 것입니다. 데이터베이스 대비 진짜 이점은 상충하는 결과가 순위에 묻히는 대신 기능으로서 드러난다는 점입니다. 정직한 단서도 필요합니다. 등록된 체계적 고찰 프로토콜을 대체하지는 못합니다. 가속하는 것은 범위 설정이지 방법론적 엄밀성이 아닙니다.
  2. 예 또는 아니오형 실증 질문을 빠르게 판단하기: 간헐적 단식이 장기적으로 의미 있는 체중 감소로 이어지는지 같은 질문이 Consensus Meter가 겨냥하는 형태입니다. 자신만만한 한 문단 대신 근거 전체가 실제로 어떻게 갈리는지를 확인하게 되며, 문헌이 진짜로 나뉘어 있을 때는 그것이 올바른 답변 형식입니다.
  3. 지침과 상위 학술지 대상 임상 검색: Medical mode는 지침과 고영향 학술지로 범위를 좁혀, 일차 치료에 관한 질문이 임상의가 실제로 인용할 자료를 반환하도록 합니다. 근거를 찾는 출발점이며, 명시적으로 의사결정 지원 시스템이 아닙니다.
  4. 수업 과제와 학생 연구: 학생은 가장 눈에 띄는 사용자 집단이며 가치는 구체적입니다. 제출용 완성글이 아니라 그것을 바탕으로 글을 쓸 인용 출처를 만들어 줍니다. 회사는 이 구도를 의도적으로 내세우며 학문적 진실성 정책과 충돌하지 않고 양립한다고 스스로를 자리매김합니다.
  5. 도서관을 통한 기관 도입: 도서관과 학과가 이용자를 대신해 구매하며 연구실이나 수업 단위로도, 기관 전체 단위로도 가능합니다. 170곳이 넘는 대학 도서관이 학생과 교수진에게 접근권을 제공하기 위해 제휴하고 있다고 회사가 밝히는 이유이기도 합니다.
  6. 다른 도구에 문헌 검색을 내장하기: API와 MCP를 통해 이 말뭉치는 내부 애플리케이션이나 에이전트 워크플로의 검색 소스가 됩니다. 열린 웹 수집이 아니라 동료 심사 자료를 사실 기반으로 삼으려는 팀에게 특히 유효합니다.

Consensus 사용 방법

  1. 가입하지 말고 먼저 한 번 검색해 보십시오. 기본 논문 검색은 계속 무료이므로 계정을 만들기 전에 말뭉치가 자기 분야를 포괄하는지 확인할 수 있습니다.
  2. 데이터베이스에 질의하듯이 말고, 잘 아는 동료에게 묻듯이 쓰십시오. 시스템은 제약 조건을 포함한 자연어를 해석하도록 설계되어 있으니 기간이나 대상 집단, 연구 설계를 필터 메뉴에서 찾지 말고 문장에 직접 넣으십시오.
  3. 질문 유형에 맞는 모드를 고르십시오. 간단한 사실 확인, Consensus Meter에 어울리는 예 아니오 질문, 완전한 문헌 고찰은 서로 다른 세 가지 일이며 그중 값비싼 쪽인 Deep Search는 의식적으로 써야 합니다.
  4. 임상 질문이라면 Medical mode를 켜서 결과를 말뭉치 전체가 아니라 지침과 최상위 의학 학술지로 좁히십시오.
  5. 종합 요약에서 멈추지 말고 인용된 논문을 읽으십시오. 요약은 지도이지 영토가 아니며, 인용이 존재하는 이유는 각 논문이 요약이 주장하는 내용을 실제로 말하는지 확인하게 하기 위해서입니다.
  6. 가장 관련성 높은 결과에서 출발해 인용 그래프를 따라 밖으로 나아가십시오. 원래 질의를 반복해서 고쳐 쓰는 것보다 대개 생산적인데, 정확히 겨냥된 논문 한 편이 자신의 학문적 이웃을 가리켜 주기 때문입니다.
  7. 결제하기 전에 소속 기관이 이미 접근권을 제공하는지 확인하십시오. 대학 도서관과의 대규모 제휴, 학생 및 임상의 할인을 고려하면 개인 구독이 아예 불필요할 수 있습니다.

팁 & 모범 사례

  • 받을 수 있는 할인은 반드시 받으십시오. 유효한 학교 이메일을 가진 학생과 교직원, 유효한 NPI 번호를 가진 미국 임상의는 최대 40퍼센트 할인을 받을 수 있으며, 이는 유료 요금제의 계산을 실질적으로 바꿉니다.
  • Deep review 횟수를 의식적으로 쓰십시오. 모든 요금제에서 가장 희소한 자원으로 무료는 월 3회, Pro는 15회, Deep은 200회입니다. 범위 설정에는 일반 검색을 쓰고 포괄적 전략이 실제로 중요한 질문에만 Deep Search를 남겨 두십시오.
  • 근거가 답할 수 있는 질문을 우선하십시오. Consensus Meter는 실증적인 예 아니오 질문에서 작동합니다. 규범적이거나 정의에 관한 질문을 던지면 잘 벼려진 인과 질문보다 결과가 확연히 약해집니다.
  • 불일치를 잡음이 아니라 신호로 다루십시오. 지표가 갈림을 보여 줄 때, 그 갈림이 대개 가장 유용한 정보입니다. 깔끔한 합의가 나올 때까지 질문을 고쳐 쓰고 싶은 충동을 눌러야 합니다.
  • 인용할 것은 모두 직접 확인하십시오. 도구는 검색하고 요약할 뿐이며 정확성의 책임은 이용자에게 남습니다. 약관도 정확성에 대한 보증을 제공하지 않는다고 명시합니다.
  • 포괄성을 전제하지 마십시오. 존재를 알고 있던 논문이 나오지 않았다는 이용자 보고가 있으므로, 결과 없음이 부재의 증거는 아닙니다. 아주 최근이거나 비영어권이거나 유료 장벽 뒤의 성과라면 더욱 그렇습니다.
  • 구독한다면 결제 주기를 주시하십시오. 연간 갱신 관련 불만이 제3자 리뷰에서 가장 두드러진 주제이므로 갱신일을 기록해 두고 알림에 기대지 말고 계정 설정에서 미리 해지하십시오.

이런 분께 추천

  • 대학원생과 박사과정생: 현실적으로 가장 무겁게 쓰는 집단으로, 이들에게 문헌 고찰은 가끔 있는 일이 아니라 반복되고 시간을 지배하는 작업입니다.
  • 학계 연구자와 교수진: 새로운 영역의 범위를 잡고 최신 동향을 따라가며 한 분야의 불일치를 빠르게 찾아내는 데 유용합니다.
  • 임상의와 의료 전문가: Medical mode와 NPI 기반 전용 할인이 이들을 겨냥하지만, 이 서비스가 명시적으로 의료 자문이 아니라는 경계 안에서만 유효합니다.
  • 학부생: 실제 인용 출처가 필요한 과제에 적합하며, 대안은 참고문헌을 지어낼 수 있는 범용 챗봇입니다.
  • 대학 도서관과 학과: 연구실, 수업 또는 캠퍼스 전체를 위해 구매하는 기관 구매자입니다.
  • 학계 밖의 근거 중심 전문가: 정책 분석가, 과학 기자, 2차 보도가 아니라 1차 문헌을 인용해야 하는 건강 및 피트니스 종사자입니다.
  • 연구 기반 AI 애플리케이션을 만드는 팀: 동료 심사 검색을 사실 기반 층으로 삼으려는 API와 MCP 이용자입니다.

지원 플랫폼

  • 웹 애플리케이션: 주된 창구로 브라우저에서 스레드형 인터페이스로 동작합니다. 설치가 필요 없고 로그인 전에도 기본 검색이 됩니다.
  • API 및 MCP 접근: 유료 요금제에 계량 한도로 포함된 프로그래밍 접근으로, 다른 애플리케이션과 에이전트 프레임워크가 말뭉치를 조회할 수 있습니다.
  • 도서관을 통한 기관 접근: 플랫폼이라기보다 유통 경로에 가깝습니다. 많은 이용자가 직접 결제가 아니라 대학 구독을 통해 이 제품에 닿습니다.
  • 전용 모바일이나 데스크톱 앱 없음: 네이티브 앱 빌드의 흔적은 확인되지 않으며 반응형 웹 애플리케이션이 모든 기기를 담당합니다.
  • 상류의 출판사 통합: 주요 출판사와의 라이선스 전문 계약이 검색이 실제로 닿을 수 있는 범위를 결정하므로, 이 제휴 자체가 플랫폼의 실질적 역량 면을 이룹니다.

가격 및 요금제

무료 요금제는 이 범주에서 보기 드물게 정의가 분명하니 정확히 읽을 값어치가 있습니다. 기본 논문 검색은 영구적으로 무료로 남기되 AI 분석은 포함하지 않는다고 명시하고, 지능형 기능을 계량합니다. 월 15건의 Pro 메시지와 최대 3건의 Deep review입니다. 이 구조는 검색 도구로서는 무기한 쓸 수 있지만 제품의 본체인 AI 종합은 맛보기라는 뜻입니다.

유료 요금제는 문헌 고찰을 얼마나 하는지로 갈립니다. Pro는 월 12달러 또는 연 144달러로 Pro 메시지를 무제한으로 올리고 월 15건의 Deep review와 연구 도구 전체 무제한 이용을 제공합니다. Deep은 월 45달러 또는 연 540달러이며 문헌 고찰을 자주 수행하는 연구자나 임상의를 겨냥해 한도를 월 200건의 Deep review로 올립니다. 두 요금제를 가르는 변수는 일반 사용량이 아니라 Deep review 횟수입니다. 월 몇 건의 포괄적 고찰이면 Pro로 충분하고, 문헌 고찰이 일상 업무라면 Deep이 그를 위한 요금제입니다.

프로그래밍 사용은 따로 계량됩니다. Pro는 월 250회, Deep은 1000회의 API 및 MCP 사용을 포함하며 포함 한도를 넘으면 사용당 0.10달러가 부과되고 그 위에 월 상한이 있습니다. API 위에 무언가를 구축할 계획이라면 이 비용을 구독에 포함된 것으로 여기지 말고 명시적으로 계산에 넣어야 합니다.

신분 할인 폭은 큽니다. 유효한 학교 이메일을 가진 학생과 교직원, 유효한 NPI 번호를 가진 미국 임상의는 최대 40퍼센트 할인을 받을 수 있습니다. 기관의 경우 200명 미만의 연구실이나 수업, 팀은 직접 구매할 수 있고 전체 기관 라이선스는 회사에 문의해야 합니다. 그러므로 대학 소속 이용자가 가장 먼저 던질 질문은 도서관을 통한 접근이 이미 존재하는가입니다. (가격은 바뀌므로 구독 전에 공식 가격 페이지에서 현재 수치를 확인하십시오.)

대안

  • Semantic Scholar: 가장 가까운 비교 대상이자 성격이 다른 제안입니다. 앨런 인공지능 연구소가 제공하는 무료 비영리 말뭉치로 구독료가 없고 자체 도구에도 유료 장벽이 없습니다. 종합 제품으로서의 완성도는 낮지만 지불 의사가 없는 이들에게는 기준점입니다.
  • Elicit: 문헌 고찰 자동화에서 가장 직접적인 경쟁자로, 다수 논문에서 구조화된 데이터를 표로 추출하는 데 강합니다. 체계적 고찰형 추출 워크플로에서 자주 선호됩니다.
  • Scite: 답변이 아니라 인용 맥락에 집중합니다. 후속 논문이 특정 주장을 지지했는지 반박했는지를 알려 주며, 이는 Consensus가 답하는 것과 상호 보완적인 질문입니다.
  • Google Scholar: 무료이고 포괄 범위가 비할 데 없어 대다수 연구자의 기본값입니다. AI 종합이 없고 인터페이스가 낡았지만 무언가가 존재하는지 확인하는 용도로는 따라올 것이 없습니다.
  • ChatGPT나 Perplexity 같은 범용 어시스턴트: 열린 질문에는 더 빠르고 유연하지만 아래에 보장된 동료 심사 말뭉치가 없습니다. 실패 양상은 그럴듯하지만 존재하지 않는 인용이며, 전용 학술 엔진은 바로 그것을 막기 위해 설계되었습니다.
  • PubMed, Scopus, Web of Science 같은 전통 데이터베이스: 체계적 고찰의 기관 표준으로 엄밀한 통제 어휘와 재현 가능한 질의 문법을 갖췄습니다. 쓰기는 어렵지만 등록된 체계적 고찰에는 여전히 필요합니다.

제한사항 및 유의점

가장 중대한 제한은 법적 약관이 정확성에 대해 말하는 내용이며, 바꿔 쓰기보다 그대로 옮길 값어치가 있습니다. 서비스는 있는 그대로, 있는 자리에서, 이용 가능한 상태로, 모든 결함을 포함해 어떠한 보증도 없이 제공되며, 회사는 완전성과 정확성, 신뢰성에 대한 보증을 명시적으로 부인합니다. 신뢰할 수 있는 근거를 통째로 가치 제안으로 삼는 제품에서 마케팅과 계약 사이의 이 간극은 구매를 검토하는 사람이 가장 먼저 인식해야 할 사항입니다.

의료 경계는 더 엄격하며 Medical mode의 존재와 정면으로 긴장 관계에 있습니다. 약관은 회사가 의료 자문을 제공하지 않으며 사이트를 통해 접근한 정보는 어떤 개인의 진단, 평가, 치료를 위한 것이 아니라고 밝힙니다. 따라서 Medical mode는 문헌 발견을 위한 소스 필터로 읽어야 하며 임상 의사결정 지원으로 읽어서는 안 됩니다. 별도로 13세 미만 아동은 서비스를 이용할 수 없습니다.

포괄 범위는 완전하지 않으며 그렇게 가정해서도 안 됩니다. 한 리뷰어는 유료 장벽 뒤의 논문에 접근할 수 없다는 점과 자신의 학위 논문에 인용한 문헌이 검색에 나오지 않았다는 점을 보고했습니다. 그것이 일반적 동작을 반영하든 아니든, 어떤 검색 도구에나 통하는 교훈은 남습니다. 결과의 부재는 부재의 증거가 아니며, 빠짐없이 훑어야 하는 문헌 고찰에는 여전히 전통적인 데이터베이스가 필요합니다.

제3자 평판은 좋지 않지만 표본이 너무 작아 판정으로 다룰 수 없습니다. 해당 등록 정보의 TrustScore는 2.4이고 지난 12개월 리뷰는 6건뿐이며 83퍼센트가 별 하나입니다. Trustpilot 자신도 이 회사가 고객에게 리뷰를 요청한 이력이 없어 표본이 대표성이 없을 수 있다고 표시합니다. 20건 미만은 방향성 참고에 그치므로 쓸모 있는 신호는 점수가 아니라 반복되는 주제이며, 그 주제들은 일관됩니다. Trustpilot이 이 등록 정보에 자동으로 붙인 상위 언급이 바로 해지와 구독입니다. 여러 리뷰어가 무료 체험에 가입한 뒤 체험 종료에 대한 명확한 통지를 받지 못한 채 청구되었고 이후 환불 요청에 응답이 없었다고 설명합니다. 점수 자체에 대해서는 맥락이 하나 더 필요합니다. 같은 비교 위젯에서 Perplexity는 753건 리뷰에 1.5점, Claude는 약 2000건에 1.5점입니다. 구독형 AI 제품에서 낮은 평점은 흔하므로 이 점수를 따로 떼어 읽어서는 안 됩니다. G2는 두 경로 모두 차단되어 직접 확인하지 못했으므로 여기서는 어떤 G2 수치도 인용하지 않습니다.

청구 관련 불만 하나는 따로 다룰 값어치가 있습니다. 주장에 그치지 않고 외부에서 교차 확인되기 때문입니다. 한 리뷰어는 연간 계약 도중 월 MCP 조회가 1000회에서 250회로 줄어 원래 한도를 회복하려면 훨씬 비싼 요금제로 올려야 했다고 보고합니다. 현재 가격 페이지는 그 설명과 일치합니다. 1000회의 API 및 MCP 사용은 이제 45달러 Deep 요금제에, 250회는 12달러 Pro 요금제에 놓여 있습니다. API 한도에 의존하려는 사람은 계약 기간 중에도 할당량이 조정될 수 있다고 전제하고 계획해야 합니다.

회사가 공개한 수치는 서로 어긋나며, 이는 그대로 옮기기보다 할인해 받아들일 근거가 됩니다. 말뭉치 규모에서 상시 사이드바는 2억 편 이상의 동료 심사 논문을 내세우는 반면 첫 화면 본문은 2억 5천만 편 이상을 주장합니다. 사용자 수에서 가격 페이지는 500만 명 이상, 첫 화면은 1000만 명, 소개 페이지는 1000만 명 이상이라고 적습니다. 대학 수는 5000, 1만, 1만 2500으로 나뉘며 앞의 둘은 같은 페이지에 있습니다. 모두 같은 날 수집한 것입니다.

데이터 처리에 관해서는 소식이 확실히 좋고, 미발표 연구 질문을 다루는 이용자에게는 가장 강력한 차별점입니다. 개인정보 처리방침은 이용자의 질의와 콘텐츠, 개인정보가 자사 모델이든 제3자 모델이든 AI 모델 학습에 결코 사용되지 않는다고 밝히며 개인정보를 판매하지 않겠다는 약속을 함께 둡니다. 그 옆에 둘 단서가 둘 있습니다. 방침은 이용자가 제출한 질문과 프롬프트, 콘텐츠 및 그에 대해 생성된 출력을 수집하며, 스스로 캘리포니아 소비자 개인정보 보호법의 규제 대상이 아니라고 밝힙니다. 이는 캘리포니아 거주자가 기대할 법적 권리를 제한하는 이례적인 주장입니다. 방침은 또한 합병이나 인수, 자산 매각 시 정보가 거래의 일부로 이전될 수 있다고 적고 있습니다.

FAQ

Q1. 연구 질문을 그냥 ChatGPT에 묻는 것과 무엇이 다릅니까?

말뭉치와 인용입니다. 범용 어시스턴트는 모델 가중치에서 답을 만들어 존재하지 않는 논문 인용을 매끄럽게 내놓을 수 있는 반면, 이것은 동료 심사 문헌에서 검색해 응답을 직접 열어 볼 수 있는 실제 논문에 묶는 학술 검색 엔진입니다. 대가는 유연성입니다. 범용 어시스턴트는 어떤 질문이든 받지만, 이것은 연구 문헌이 실제로 답할 수 있는 질문을 위해 만들어졌습니다.

Q2. 무료 요금제는 정말 쓸 만합니까, 아니면 맛보기입니까?

필요에 따라 둘 다입니다. 기본 논문 검색은 영구 무료지만 회사는 무료 요금제가 AI 분석이 없는 검색이라고 명시하며, 지능형 기능은 월 15건의 Pro 메시지와 최대 3건의 Deep review로 계량됩니다. 찾는 도구로는 무기한 쓸 수 있고, 종합 도구로는 맛보기입니다.

Q3. Deep review란 정확히 무엇이며 왜 제한됩니까?

문헌 고찰 자동화 기능이며, 연산 비용이 커서 모든 요금제에서 가장 희소한 자원입니다. 질의 하나를 던지는 대신 포괄적인 검색 전략을 세우고 핵심 용어를 확장하며 상충하는 논증을 식별하고 인용 그래프를 탐색합니다. 한도는 무료 월 3회, Pro 15회, Deep 200회이며 이것이 두 유료 요금제를 가르는 주요 축입니다.

Q4. 임상 의사결정에 의존해도 됩니까?

안 됩니다. 약관이 이 점에서는 명확합니다. 회사는 의료 자문을 제공하지 않으며 사이트를 통해 접근한 정보는 어떤 개인의 진단, 평가, 치료를 위한 것이 아닙니다. Medical mode는 약 5만 건의 임상 진료지침과 상위 1000개 의학 학술지의 800만 편 논문으로 소스를 좁혀 임상 질문의 문헌 발견 필터로는 낫지만, 발견은 의사결정 지원이 아닙니다.

Q5. 제 검색 내용이 모델 학습에 쓰입니까?

방침은 아니라고 명시합니다. 이용자의 질의와 콘텐츠, 개인정보는 자사 모델이든 제3자 모델이든 AI 모델 학습에 결코 사용되지 않으며 회사는 개인정보를 판매하지 않는다고 밝힙니다. 다만 데이터는 여전히 수집되고 저장됩니다. 방침은 이용자가 제출한 질문과 프롬프트, 콘텐츠 및 그에 대해 생성된 출력을 포함하므로, 이 약속은 학습 사용에 관한 것이지 수집하지 않는다는 뜻이 아닙니다.

Q6. 구독을 시작하기 전에 무엇을 알아야 합니까?

갱신 조건을 살피십시오. 제3자 리뷰는 청구에 크게 몰려 있습니다. 리뷰어들은 무료 체험에 가입한 뒤 체험 종료에 대한 명확한 통지를 받지 못한 채 청구되었다고 설명하며, Trustpilot이 이 등록 정보에 붙인 상위 언급도 해지와 구독입니다. 구독 전에 소속 기관의 접근권을 확인하고 자격이 되면 학생 또는 임상의 할인을 받으며 갱신일을 일정에 적어 두십시오.

Q7. 제 분야의 모든 논문을 포괄합니까?

어떤 검색 도구도 그렇지 못하며 그렇게 가정해서도 안 됩니다. 회사는 주요 출판사의 라이선스 전문을 포함해 2억 5천만 편 이상의 연구 논문 말뭉치를 내세우지만, 최소 한 명의 이용자는 유료 장벽 뒤의 논문에 접근할 수 없고 알려진 논문이 나오지 않았다고 보고합니다. 결과 없음은 존재하지 않는다는 증거가 아니라 판단 보류로 다루십시오.

Q8. 회사로서 신뢰할 만합니까, 검증되지 않은 스타트업입니까?

실질적인 후원과 독립 보도가 있습니다. 2021년 Christian Salem과 Eric Olson이 설립했고 두 사람은 대학 1부 리그 운동부 동료이자 연구자와 교사 집안 출신이며, Union Square Ventures, GreatPoint Ventures와 Nat Friedman, Daniel Gross로부터 누적 4500만 달러를 조달했습니다. 독립 보도도 궤적을 뒷받침합니다. 2023년 4월 기명 VentureBeat 보도는 Draper Associates 주도로 300만 달러 시드를 막 확보한 보스턴 소재 회사를 다루었습니다. Wiley, Taylor & Francis, Sage Publishing, ACS, APA, AAAS와의 출판사 제휴는 또 하나의 외부 신호입니다. 이런 계약은 상대측 실사를 요구하기 때문입니다.

Q9. 결제하지 않고 학교를 통해 쓸 수 있습니까?

가능성이 높으니 먼저 확인할 값어치가 있습니다. 170곳이 넘는 대학 도서관이 학생과 교수진에게 접근권을 제공하기 위해 제휴하고 있으며, 기관 단위로는 200명 미만의 연구실이나 수업, 팀이 직접 구매할 수 있고 전체 기관 라이선스는 회사 문의가 필요합니다. 도서관이 아직 구독하지 않았다면 신분 할인이 차선입니다.

Q10. 사이트에 적힌 사용자 수와 논문 수를 믿어도 됩니까?

서로 맞지 않으므로 회사가 밝힌 근사치로 다루십시오. 상시 사이드바는 2억 편 이상의 동료 심사 논문을 내세우는 반면 첫 화면 본문은 2억 5천만 편 이상을 주장하고, 가격 페이지는 500만 명 이상이라 하는데 첫 화면은 1000만 명이라 합니다. 대학 수는 5000, 1만, 1만 2500 사이를 오갑니다. 방향적으로 신뢰할 만한 사실은 조달 금액과 설립 시점, 출판사 제휴이며 이 세 가지는 모두 외부 확인이 됩니다.

비슷한 도구를 아시나요?
다른 훌륭한 AI 도구를 알고 계시다면 저희에게 제출해 주세요