핵심 요약

  • 파라그 아그라왈은 AI 에이전트가 사람보다 웹을 1,000배 많이 사용할 수 있다는 가정에서 검색 기술과 사업 모델을 설계하고 있다. 이는 현재 사용량에 대한 통계가 아니라 그의 사업 가설이다.
  • 에이전트는 검색어 대신 구체적인 작업을 설명하고, 링크 목록 대신 답변에 쓸 정보나 파일을 받는다. 필요한 속도도 음성 대화와 백그라운드 작업에서 크게 다르다.
  • 아그라왈은 에이전트가 콘텐츠를 읽어도 사람이 광고를 보지 않는 만큼, 현재 형태의 광고 모델을 대신할 보상 체계가 필요하다고 주장한다.
  • 검색 비용, 유료 데이터 접근, 지속적으로 작동하는 에이전트의 알림 방식은 서로 연결된 과제다. 시장 규모와 수익 전망은 에이전트의 실제 활용과 사업자의 실행에 달려 있다.

사람을 위한 검색과 다른 기술

아그라왈은 자신이 창업한 패러렐을 ‘에이전트를 위한 구글’이라고 설명한다. 그의 출발점은 에이전트가 사람보다 웹을 1,000배 많이 사용할 수 있다는 가정이다. 실제로 그렇게 된다면 기존 검색 한 건에 쓰는 연산량을 그대로 적용하기 어렵다. 그는 검색 효율을 10~100배 높여야 경제성이 맞을 수 있다고 본다.

사람은 대개 짧은 키워드를 입력하고 검색 결과의 링크를 따라간다. 에이전트는 하려는 일을 문장으로 자세히 설명할 수 있으며, 필요한 결과도 링크 목록보다 답변에 넣을 정보나 파일에 가깝다. 음성 에이전트는 사용자를 기다리게 하지 않도록 매우 빠른 응답이 필요하지만, 백그라운드 에이전트는 더 나은 결과를 위해 검색에 시간을 쓸 수 있다. 패러렐은 이런 차이에 맞춰 빠른 검색과 더 많은 연산을 쓰는 검색 모드를 API로 제공한다고 설명했다.

검색은 방대한 웹 문서 중 언어 모델에 보여줄 소량의 정보를 고르는 과정이기도 하다. 아그라왈에 따르면 검색 단계에 연산을 더 써서 불필요한 정보를 걸러내면, 비싼 모델이 읽어야 할 분량과 반복 검색을 줄일 수 있다. 반대로 저렴한 모델에는 검색에 과도한 비용을 쓰기보다 정보를 조금 더 전달하는 편이 나을 수 있다.

모델이 똑똑해져도 검색이 필요한 이유

아그라왈은 모델의 추론 능력이 좋아지는 것과 개별 사실을 기억하는 능력을 구분한다. 모델은 널리 알려진 사실을 기억할 수 있지만, 학습 자료에 없는 정보나 자료 속 드문 사실까지 모두 보존하지는 못한다는 설명이다. 모델을 작게 만들면서 성능을 유지하는 과정에서는 이런 기억이 더 줄어들 수도 있다고 봤다.

검색 수요는 작업별로도 다르다. 그는 코딩 작업에서는 내부 코드와 자료를 주로 읽기 때문에 웹 검색이 호출되는 비중을 프롬프트의 약 5%로 추정했다. 반면 법률 업무에는 판례와 외부 사실 확인이, 보험 심사와 영업·과학 연구에도 웹 정보가 중요하다고 설명했다. 이 수치는 전체 에이전트 시장의 검색 비중이 아니라 코딩에 관한 그의 추정이다.

유료 데이터와 광고를 대신할 보상

아그라왈은 에이전트가 타인의 데이터를 사용하는 대가를 정하는 시장이 아직 충분히 만들어지지 않았다고 본다. 예를 들어 투자자는 피치북의 데이터와 자신의 메모, 공개 자료를 함께 참고할 수 있다. 그러나 사람 단위의 이용료를 내는 방식은 여러 에이전트가 데이터에 접근하는 상황에 잘 맞지 않을 수 있다. 그는 모델 학습용 데이터 거래보다 에이전트가 작업을 수행하는 시점의 데이터 이용에 주목했다.

콘텐츠 사이트에도 비슷한 문제가 있다. 사람이 광고가 실린 페이지를 방문하면 운영자가 광고 수익을 얻지만, 에이전트가 내용을 읽어 활용할 때는 사람이 그 광고를 보지 않는다. 아그라왈은 현재 형태의 광고가 에이전트 이용에 맞지 않으며, 콘텐츠 소유자에게 이용 가치에 따라 보상해야 한다고 주장했다. 보상이 없다면 콘텐츠 소유자가 에이전트의 접근을 막을 유인이 생긴다는 것이다.

그가 설명한 보상 기준은 콘텐츠의 한계 기여도다. 특정 콘텐츠를 제외했을 때 같은 비용으로 얻는 결과의 품질이 얼마나 떨어지는지 살펴보고, 그 기여분의 일부를 제공자에게 지급한다는 구상이다. 다만 한 사업자가 돈을 지급한다고 해서 다른 에이전트의 무상 이용까지 해결되지는 않는다. 아그라왈은 콘텐츠 소유자가 적정한 가격을 받는 사업자에게는 접근을 허용하고, 그렇지 않은 사업자에게는 기술적·법적 수단으로 접근을 제한할 수 있다고 봤다.

검색 가격과 시장 규모의 조건

아그라왈은 저렴한 모델을 쓰는 에이전트에서 검색료가 모델 이용료보다 훨씬 커진다면 현재 검색 가격이 맞지 않는다고 주장한다. 그는 패러렐이 일정 수준의 결과를 내는 검색 1,000건을 약 1달러에 제공하며, 다른 서비스에는 7달러·10달러·14달러 수준의 가격도 있다고 말했다. 이는 인터뷰에서 제시한 자사 비교로, 모든 검색 서비스의 품질과 비용을 독립적으로 검증한 결과는 아니다. 그는 저렴한 모델에는 더 싼 검색을, 비싼 모델에는 품질을 높이기 위해 더 많은 비용을 쓰는 검색을 제공하는 방향을 제시했다.

그는 에이전트 실행에 쓰이는 GPU 비용의 5~20%에 해당하는 지출이 장차 어떤 형태로든 웹 검색 기술에 투입될 수 있다고 추정했다. 이 전망은 에이전트가 충분한 가치를 만들고, 관련 지출이 늘며, 패러렐이 기술·콘텐츠 제휴·고객 신뢰를 확보한다는 조건에 달려 있다. 따라서 인터뷰에서 논의된 큰 매출과 기업가치 수치는 확정된 실적이 아니다.

검색 요청에서 웹의 변화 알림으로

아그라왈은 에이전트가 주기적으로 같은 검색을 반복하는 방식에도 비용 낭비가 있다고 봤다. 진행자는 유럽의 회사 등록 정보를 살펴 젊은 창업자가 등장하면 알림을 받는 사례를 들었다. 이를 위해 에이전트가 몇 시간마다 검색하는 대신, 웹을 계속 수집하는 시스템이 변화를 발견했을 때 관련 작업만 실행할 수 있다는 설명이다.

패러렐의 모니터 API는 이런 방식으로 웹의 변화를 알림의 계기로 삼는 제품이라고 소개됐다. 아그라왈은 관심 있는 사건이 드물게 일어난다면 변화가 없을 때마다 검색과 추론에 비용을 쓸 필요가 없다고 설명했다. 그가 그리는 전환은 에이전트가 그때그때 웹에 정보를 요청하는 방식에서, 관련 변화가 생겼을 때 정보를 받는 방식으로의 이동이다.

강력한 에이전트의 위험과 창업자의 판단

아그라왈은 모델의 안전 조치가 어느 정도 효과를 내고 있다고 보면서도, 의도치 않은 위해와 악의적 사용을 막는 문제는 해결되지 않았다고 말했다. 특히 모델 개발자가 강력한 기능을 시험하고 배포할 때 피해를 줄일 책임이 있다고 강조했다. 모델의 침입 능력이 드러난 사건을 성능의 증거로만 받아들이면, 충분한 보호 조치를 마련했는지 따지는 일이 가려질 수 있다는 지적이다.

트위터에서 일하며 본 일론 머스크에 대해서는 의견 차이가 많다고 전제한 뒤, 사람들에게 긴박감을 주고 짧은 시간에 일을 밀어붙이는 능력을 높이 평가했다. 자신의 창업 경험에 관해서는 좋은 기술과 제품에 집중하던 초기 생각에서 벗어나, 유능한 영업과 마케팅이 매주 사업에 미치는 영향을 더 높게 평가하게 됐다고 말했다.

아그라왈의 전망을 관통하는 전제는 에이전트가 실제로 더 많은 유용한 일을 맡는다는 것이다. 그 전제가 실현되더라도 검색 비용을 낮추고, 정보 제공자에게 대가를 지급하며, 위해를 줄이는 일은 별도로 풀어야 한다.