요약
Tagscope AI는 수많은 북마크가 정리되지 않은 채 방치되는 '북마크의 무덤' 문제를 해결하는 스마트 북마크 관리 시스템입니다. Chrome 확장 프로그램을 통한 원클릭 저장만으로 AI가 웹페이지를 분석하여 요약, 태그, 카테고리를 자동 분류합니다. 나아가 하이브리드 검색과 LLM 리랭킹 기반 엔진을 통해 정확한 제목을 몰라도 원하는 북마크를 쉽게 찾을 수 있도록 지원합니다.

① 어떤 상황에서 AI를 활용했나요? (문제 인식 및 해결책)
ㅇ '북마크의 무덤' 현상
인터넷을 적극 활용하는 현대인들은 과제 자료, 뉴스, 블로그 등 매일 다양한 웹페이지를 북마크에 저장합니다. 하지만 이를 분류하기 위해 폴더를 나누고 일일이 제목을 입력하는 작업은 매우 번거롭습니다. 결국 시간이 지남에 따라 북마크는 체계 없이 무분별하게 쌓이게 되고, 정작 자료가 필요한 순간에는 저장 여부조차 잊거나 찾아내지 못하는 '북마크의 무덤' 현상이 발생합니다.
ㅇ 기존 단순 키워드 검색의 한계
현재 브라우저의 북마크 시스템은 웹페이지의 정확한 제목이나 도메인 같은 특정 키워드를 사용자가 정확히 기억해야만 검색이 가능합니다. 예를 들어 과거에 저장했던 대학병원 관련 사이트를 다시 찾고자 할 때, 해당 제목에 '병원'이라는 단어가 직접 포함되어 있지 않으면 검색 결과에 노출되지 않습니다. 즉, 의미나 맥락 기반의 탐색 기능이 없어 사용자의 모호한 기억을 보완해 주지 못하는 명확한 한계가 존재합니다.
ㅇ 솔루션: 스마트 북마크 시스템 Tagscope AI
Tagscope AI는 수동으로 폴더 계층 구조를 나누고 일일이 이름을 정하던 기존의 고전적인 방식에서 벗어난 솔루션입니다. 사용자가 자료를 수집해두기만 하면, AI가 파싱 된 데이터를 바탕으로 풍부한 메타데이터(요약, 태그, 카테고리 등)를 자동 생성합니다. 이를 활용해 사용자는 정확한 명칭을 몰라도 의미와 맥락만으로 원하는 북마크를 직관적이고 손쉽게 탐색할 수 있습니다.

② 어떤 AI를 어떻게 활용했나요? (기술적 구현)
ㅇ 원클릭 지능형 수집
사용자는 웹 서핑 중 Chrome 확장 프로그램 북마크 추가 아이콘을 한 번 클릭하여 현재 페이지를 즉시 북마크로 저장할 수 있습니다. 수집된 URL과 파싱 정보는 서버로 전송되며, LLM(제미나이 API)가 웹페이지 내용을 분석합니다. 이를 통해 간결한 핵심 요약 제목, 관련 상위 개념 태그(약 8개), 사이트 유형(뉴스, 포털, 블로그, 도구 등)을 자동 분류하고, 임베딩을 거쳐 데이터베이스(DB)에 체계적으로 저장합니다.
ㅇ 북마크 탐색 솔루션 (하이브리드 검색 및 AI 리랭킹)
단순 키워드 일치 방식에서 탈피하여, 단어 빈도 기반의 BM25 검색과 요약·태그의 임베딩 유사도를 비교하는 시맨틱 검색(Multi-Vector Search)을 결합한 '하이브리드 검색'을 제공합니다. 이를 통해 정확한 키워드가 포함되어 있지 않아도 의미론적으로 유사한 문서를 탐색할 수 있습니다. 나아가 '고급 검색' 활성화 시, LLM이 1차로 추출된 후보 문서들의 연관성을 재평가(Reranking)하여 사용자의 실제 검색 의도와 문맥에 가장 부합하는 자료를 최상위로 재정렬합니다. 이러한 2단계 파이프라인 구조는 전체 데이터 중 연관성이 높은 후보군을 1차로 먼저 필터링함으로써, LLM API 비용(토큰)을 효율적으로 절감하는 동시에 검색 속도와 최종 정렬의 정확도를 동시에 확보합니다.
ㅇ 태그 기반 필터링 및 사용자 편의 기능
AI가 분류한 태그와 사이트 유형을 바탕으로 '뉴스'나 '미디어' 등 원하는 카테고리의 북마크만 선택적으로 모아볼 수 있습니다. 예를 들어 '경제' 태그를 선택하면 해당 주제와 연관된 북마크만 필터링하여 한눈에 파악할 수 있는 맞춤형 조회를 제공합니다. 또한, 자주 방문하는 사이트는 최상단에 고정 배치하여 번거로운 이동 없이 빠르고 편리하게 재접속할 수 있도록 지원합니다.

③ 활용 결과 어떤 변화가 있었나요? (기대 효과)
ㅇ 정보 관리의 완전 자동화 및 시간 절약
사용자는 오직 필요한 자료를 '수집'하는 행위에만 집중하면 됩니다. 기존처럼 폴더를 세분화하고 검색용 키워드를 일일이 고민해 입력하던 반복적이고 소모적인 정리 작업은 AI가 알아서 처리하므로, 자료 정리 및 관리 과정에서 발생하는 귀중한 시간을 대폭 절약할 수 있습니다.
ㅇ 모호한 북마크명 및 특수 사이트 탐색 지원
GitHub 리포지토리처럼 프로젝트 이름만 표시되거나, 특정 하위 페이지를 저장했음에도 메인 사이트명만 등록되는 웹페이지는 기존 방식으로는 다시 찾기가 매우 까다롭습니다. Tagscope AI는 웹페이지 내부 텍스트와 메타데이터를 파싱하여 분석하므로, 제목이 모호한 웹사이트라도 핵심 기능과 실제 내용 중심의 의미 기반 검색을 통해 손쉽게 탐색할 수 있도록 지원합니다.
ㅇ 학업 및 연구·실무 생산성 극대화
다양한 논문과 참고 자료를 수집하는 대학생이나 연구원 등은 저장해 둔 자료를 다시 찾을 때 정확한 논문 제목이나 난해한 키워드가 기억나지 않아 애를 먹곤 합니다. Tagscope AI는 전문적인 논문 내용도 핵심만 빠르게 요약해 제공하며, 사용자가 머릿속에 떠오르는 모호한 단어나 문맥만 입력해도 의미론적 검색을 통해 원하는 논문과 자료를 정확하게 찾아내어 연구 및 실무 생산성을 대폭 향상시킵니다.

④ 나만의 방식 또는 개선 포인트는 무엇인가요? (차별화 및 보안)
ㅇ 파싱 오류 보완 및 사용자 편집 기능
웹페이지의 내용이 지나치게 짧거나 모호할 경우, AI가 문서의 핵심을 잘못 파악하여 부정확한 요약이나 엉뚱한 태그를 생성할 위험이 있습니다. 이를 보완하기 위해 사용자가 UI를 통해 태그와 카테고리를 자유롭게 수정 및 추가할 수 있는 권한을 제공합니다. 또한, AI가 자체 판단하기 어려운 페이지는 임의로 분류하지 않고 '분류 불가' 알림을 띄워 사용자가 직접 정확하게 분류할 수 있도록 유도합니다.
ㅇ 비용 최적화 및 온디바이스 AI 연계
북마크 저장 시 발생하는 파싱 데이터 분석과 검색 시의 LLM 리랭킹 작업은 높은 API 비용과 응답 지연을 유발할 수 있습니다. 이를 극복하기 위해 기본 검색으로는 연산이 가벼운 하이브리드 검색을 제공하고, 상대적으로 비용이 큰 리랭킹 기능은 사용자가 '고급 검색'을 활성화했을 때만 실행되도록 효율적으로 설계했습니다. 나아가 장기적으로는 최신 브라우저에 내장된 온디바이스 AI(Chrome Built-in AI 등)와 연계하여 핵심 기능을 서버 없이 자체 처리하는 방안도 구상 중입니다.

⑤ 다른 사람도 따라 할 수 있나요? (확장성 및 재현성)
ㅇ 접근성 높은 범용 기술 스택 활용
Tagscope AI는 진입 장벽이 낮은 Chrome 확장 프로그램 생태계와 대중적인 LLM API, 오픈소스 기반의 검색 알고리즘을 결합하여 구현되었습니다. 복잡한 자체 AI 모델 학습 과정을 거치지 않고 프롬프트 엔지니어링과 텍스트 파이프라인 설계에 집중했기 때문에, 기본적인 웹 개발 및 API 연동 지식을 갖춘 개발자라면 충분히 유사한 아키텍처를 벤치마킹하여 구현할 수 있습니다.

마무리
북마크는 본래 종이책의 읽던 페이지를 다시 찾아 읽기 위한 표시로 처음 개발되었습니다. 이후 인터넷 시대에 이르러 자주 가는 웹사이트를 저장하는 수단으로 발전해 왔으며, AI 시대에 들어선 지금은 복잡하고 방대한 웹 콘텐츠의 핵심을 스스로 정리하고 맥락을 연결해 주는 '지식 관리 시스템'으로 한 단계 더 진화해야 합니다. 그런 점에서 Tagscope AI는 이러한 차세대 지능형 북마크의 출발점이자 명확한 미래 방향성이라고 생각합니다.