Mubadala Investment Company는 2026년 3월부터 PULSAR를 사용해 투자 제안서, 이사회 자료 및 기타 거래 문서를 페이지 이미지로 검색하고 있다. arXiv와 2026 EMNLP Industry Track에 발표된 논문에 따르면, 이 시스템은 3,000건이 넘는 거래에서 문서 78,000건, 약 240만 페이지를 처리했다.
논문은 실제 운영 환경에서 벡터 검색의 중앙값이 156밀리초라고 보고했다. ViDoRe V3 벤치마크에서는 통합 인덱스가 비통합 버전보다 검색 지연 시간을 중앙값 기준 15.1배 줄였으며, 두 가지 순위 평가 지표인 NDCG@10과 Recall@10의 절대 손실은 0.01 미만이었다. 이 지표들은 검색 결과 상위 10건이 얼마나 유용한지를 평가한다. 동시 요청이 발생하는 상황에서 통합 인덱스는 비통합 버전보다 초당 약 88배 많은 쿼리를 처리했다. 이는 논문 저자들이 보고한 결과이며, 제공된 정보에는 독립적인 검증 결과가 포함돼 있지 않다.
PULSAR는 페이지를 어떻게 검색하나?
많은 문서 검색 시스템은 먼저 광학 문자 인식(OCR)을 사용해 페이지 이미지의 글자를 검색 가능한 텍스트로 변환한다. 차트와 기타 도표를 설명하는 문장을 생성하기도 한다. 논문은 문서가 바뀔 때마다 이 방식을 갱신하는 데 비용이 많이 들 수 있고, 차트의 세부 정보가 누락될 수도 있다고 설명한다.
반면 PULSAR는 고정된 ColPali 방식의 비전 모델을 사용해 페이지 이미지를 색인한다. 먼저 페이지의 간결한 요약을 검색한 뒤, 가능성이 높은 결과를 더 상세한 표현과 대조한다. 이를 ‘지연 상호작용(late interaction)’ 방식이라고 한다. 최종 일치 여부를 판단할 때 요약 하나에만 의존하는 대신, 먼저 후보 목록을 추린 뒤 검색어와 페이지의 세부 정보를 비교하는 방식이다.
실제 운영 환경에서 논문이 확인한 결과는?
논문은 PULSAR의 이벤트 기반 데이터 수집 비용이 대체한 OCR·도표 설명 생성 시스템보다 페이지당 약 20배 낮다고 추산했다. 저자들은 실제 운영 환경의 검색 기준점에서 이전 방식보다 답변에 필요한 사실의 재현율도 2배 넘게 높아졌다고 보고했다. 검색 증강 생성 시스템에서 재현율은 답변 생성 모델이 활용할 수 있는 검색 결과에 필요한 사실이 담긴 페이지가 포함되는지를 측정한다.
이 결과는 한 투자 회사에서 운영된 단일 시스템에 관한 것이며, 문서 검색 제품 전반을 대상으로 한 일반적인 테스트는 아니다. 논문은 PULSAR를 다른 조직에서도 이용할 수 있는지 밝히지 않았다.
왜 중요한가
Mubadala 직원은 자주 바뀌는 대규모 거래 자료에서 필요한 페이지를 더 빠르고 저렴하게 찾을 수 있으며, 차트와 기타 시각 자료의 세부 정보도 보존할 수 있다. 다만 보고된 도입 사례는 Mubadala에 한정되며, 다른 조직에서도 이 시스템을 이용할 수 있는지는 확인되지 않았다.
