핵심 요약

  • 패러렐은 AI 에이전트가 웹을 검색하고 활용하도록 검색 기술을 만들고 있다. 창업자 파라그 아그라왈은 에이전트가 사람보다 훨씬 많은 검색을 수행할 것이라는 가정에서 출발했다고 말했다.
  • 패러렐은 처음부터 웹 전체를 미리 색인하는 대신, 질의가 들어온 뒤 웹을 탐색하는 검색 에이전트로 시작해 고객 사례를 확보하며 색인을 늘렸다.
  • 아그라왈은 에이전트 검색에서 사람의 클릭 기록보다 에이전트가 작업을 수행한 결과가 더 적절한 피드백이라고 본다.
  • 에이전트가 콘텐츠를 읽어도 방문과 광고 수익으로 이어지지 않는 문제에 대해, 패러렐은 콘텐츠의 기여도와 사용 목적의 가치를 반영한 보상 방식을 모색하고 있다.

검색의 상대가 사람에서 에이전트로 바뀐다

일반적인 웹 검색은 페이지를 수집하고 미리 정리한 색인에서 관련 결과를 찾아 순위를 매긴다. 아그라왈은 이를 수많은 웹페이지와 질의를 연결하는 문제로 설명했다. 사람이 검색 결과의 링크를 열어 답을 찾는 방식에 맞춰 발전한 기술을, 에이전트가 작업에 필요한 정보를 가져오는 방식에 그대로 적용할 필요는 없다는 것이 그의 주장이다.

사람은 짧거나 불완전한 검색어를 입력하는 경우가 많다. 반면 에이전트는 더 길고 구체적인 요청을 보낼 수 있다. 결과를 받는 방식도 다르다. 예를 들어 기업의 매출 수치가 긴 공시 문서 안에 있다면, 사람은 빨리 열리고 숫자가 눈에 띄는 요약 페이지를 선호할 수 있다. 아그라왈은 에이전트에는 권위 있는 원문에서 필요한 부분을 추출해 전달할 수 있다고 설명했다. 다만 어떤 부분이 실제로 필요한 정보인지 가려내는 일이 검색 시스템의 과제로 남는다.

웹 전체를 미리 갖추지 않고 시작한 이유

웹을 광범위하게 수집하고 색인하는 데는 큰 비용이 든다. 패러렐은 첫 제품으로 빠른 검색 엔진이 아니라 검색 에이전트를 내놓았다. 깊이 있는 조사는 답을 얻기까지 1분, 때로는 10분이 걸려도 가능한 작업이므로, 질의가 들어온 뒤 우선순위에 따라 페이지를 탐색할 시간이 있었다는 설명이다. 그렇게 웹 자료를 찾는 사람의 업무를 대체하는 사례를 확보하면서 색인도 점진적으로 확장했다.

초기 사용 사례로는 보험 심사와 청구 처리, 영업 데이터 보강, 금융 모델에 넣을 자료 수집이 제시됐다. 아그라왈은 이 사례들을 통해 에이전트용 검색이 실제로 어떤 형태여야 하는지 배웠다고 말했다. 이는 모든 고객에게 처음부터 완전한 웹 검색 범위를 제공했다는 뜻은 아니다.

패러렐은 현재 질의를 분석한 뒤 여러 종류의 색인에 맞게 다시 작성하고, 검색과 여러 단계의 순위 평가를 거쳐 에이전트에 전달할 문단을 고른다고 설명했다. 각 단계에 쓰는 연산량을 조절해 품질·비용·응답 시간을 맞춘다. 아그라왈은 패러렐 검색을 쓰면 에이전트의 토큰 사용량이 대체로 절반 미만으로 줄고 정확도와 속도도 개선된다고 주장했지만, 대담에서 이를 검증할 비교 자료를 제시하지는 않았다.

검색량을 늘리는 반복 작업

에이전트는 한 번 답하기 위해 여러 차례 검색할 수 있다. 아그라왈에 따르면 간단한 검색 에이전트도 한 작업에서 대략 5~20번 검색한다. 그가 든 또 다른 예는 대출을 제공한 소기업 1만 곳의 위험을 주기적으로 살피는 업무다. 웹 자료를 활용하는 기존의 월간 점검을 에이전트가 주간으로 수행한다면 검색 횟수는 크게 늘어난다. 그는 회의 준비용 맞춤 에이전트가 매 회의마다 수십~수백 번 웹을 검색하는 자신의 사례도 소개했다.

그렇다고 에이전트 검색이 이미 사람의 검색을 넘어섰다는 주장은 하지 않았다. 아그라왈은 아직 그렇지 않다고 답했고, 자신처럼 검색을 많이 쓰는 사람은 예외적이라고 봤다. 백그라운드에서 계속 작동하는 에이전트 역시 투입 비용보다 추가 가치가 있을 때 확산될 것이라고 말했다.

콘텐츠를 읽는 에이전트에 어떻게 비용을 매길까

아그라왈은 광고가 사람의 방문과 관심을 바탕으로 무료 콘텐츠와 서비스를 지탱해 왔다고 설명했다. 그러나 사람이 직접 방문하는 대신 에이전트가 콘텐츠를 읽으면, 콘텐츠 제공자는 그 이용이 구독이나 다른 수익으로 이어지는지 파악하기 어렵다. 그는 일부 대형 콘텐츠 제공자가 AI 기업과 맺는 고정 금액 계약도 이용량 증가를 보상에 곧바로 반영하지 못한다고 지적했다.

패러렐이 구상하는 방식은 콘텐츠 자체의 가치와 그 콘텐츠가 쓰인 작업의 가치를 함께 고려하는 것이다. 아그라왈은 섀플리 값을 여러 참여자가 함께 만든 결과에 각자가 얼마나 기여했는지 나누어 계산하는 방법으로 소개했다. 검색에서는 특정 웹페이지나 도메인을 제외하고 에이전트의 결과가 얼마나 달라지는지 시험해 기여도를 추정할 수 있다. 다만 모든 조합을 직접 계산하는 비용이 지급액보다 클 수 있어, 패러렐은 실험 데이터와 모델로 값을 추정한다고 밝혔다. 이는 아그라왈이 제시한 보상 설계의 방향이지, 콘텐츠 제공자의 수익이 이미 보장된다는 뜻은 아니다.

웹이 먼저 변화를 알리는 단계

아그라왈은 현재 에이전트가 필요할 때 웹에 질의하는 방식에서, 웹의 변화가 작업을 시작시키는 방식으로 나아갈 수 있다고 전망했다. 사용자가 관심 있는 조건을 정해 두면 관련 변화가 생겼을 때 에이전트에 알리고 후속 작업을 실행하는 구상이다. 그는 패러렐의 API 문서도 사람뿐 아니라 이를 읽고 코드를 작성하는 에이전트를 주요 독자로 두고 시험한다고 말했다.

패러렐의 출발점은 검색 결과를 보여주는 데서 검색을 통해 일을 끝내는 데로 이용 방식이 옮겨간다는 가정이다. 대담은 그 변화에 맞는 검색 품질과 비용 구조, 콘텐츠 제공자에 대한 보상이 모두 해결해야 할 문제로 남아 있음을 보여준다.