퍼플렉시티의 개인용 컴퓨터, 이제 모든 Mac 사용자에게 제공

Perplexity의 Personal Computer는 macOS 네이티브 앱 형태로 제공되는 에이전틱 AI 환경으로, 단순한 검색 챗봇을 넘어 사용자의 Mac 안에서 자율적으로 작업을 수행하는 AI 에이전트를 제공한다. 기술적으로는 LLM 기반 추론 엔진과 브라우저 자동화 레이어, 로컬 파일/앱 접근 권한을 결합해 "한 번의 자연어 명령 → 다단계 워크플로우 실행"을 가능하게 하는 구조다. 사용자가 "이 PDF 요약해서 Notion에 정리하고 관련 논문 찾아줘"처럼 지시하면 에이전트가 파일 읽기, 웹 검색, 외부 서비스 호출 같은 도구(tool)들을 순차적으로 호출하며, 내부적으로는 ReAct 패턴이나 함수 호출(function calling) 기반의 플래닝-실행 루프가 돌아가는 것으로 보인다. 이는 OpenAI Operator, Anthropic Computer Use, Google Project Mariner와 같은 "컴퓨터를 직접 조작하는 AI" 흐름과 동일한 카테고리에 속한다.

엔지니어 관점에서 가장 큰 임팩트는 개발 워크플로우의 일부가 점진적으로 에이전트로 위임 가능해진다는 점이다. 코드 리뷰 전 PR 요약, 문서 일괄 정리, 여러 SaaS를 가로지르는 데이터 추출/입력, 로컬 로그 파일 분석 같은 "지루하지만 컨텍스트가 필요한 작업"이 주요 후보다. 동시에 보안/거버넌스 측면에서 무시할 수 없는 변화가 따라온다. 에이전트가 로컬 파일 시스템과 브라우저 세션, 그리고 로그인된 SaaS에 접근하는 순간 권한 경계(permission boundary)가 사실상 사용자 계정 전체로 확장되며, 회사 노트북에서 실행될 경우 DLP·SSO 정책과 충돌할 가능성이 높다. 특히 프롬프트 인젝션을 통한 데이터 유출 시나리오(읽어들인 웹페이지가 에이전트에게 악의적 명령을 주입)는 현재 이런 부류 제품의 공통적인 미해결 위험이다.

개발자가 지금 당장 챙겨야 할 액션은 세 가지다. 첫째, **개인 Mac에서 시범 도입**해 자신의 반복 업무 중 어떤 작업이 에이전트에게 위임 가능한지 매핑해보고 본인의 "AI 레버리지 포트폴리오"를 갱신할 것. 둘째, **회사 데이터 접근은 매우 보수적으로** 가져갈 것 — 사내 Gmail/Slack/Jira에 로그인된 브라우저 세션을 에이전트에 그대로 노출하기 전에 보안팀 정책을 확인하고, 가능하면 별도 프로파일이나 샌드박스 사용자 계정에서 운영해야 한다. 셋째, **자체 제품에 에이전트 인터페이스를 노출할 준비**를 시작해야 한다. 향후 사용자들은 GUI를 클릭하기보다 에이전트에게 "이 서비스에서 X 해줘"라고 시킬 가능성이 커지기 때문에, 공개 API의 일관성, 명확한 에러 메시지, 구조화된 응답(JSON), 그리고 향후 등장할 MCP(Model Context Protocol) 같은 에이전트-친화적 인터페이스를 염두에 둔 설계가 경쟁력이 된다.