AI 브라우저

「수익화 블로그 자동화」라는 이름으로 강의가 팔립니다. 몇십만 원씩 합니다.

그런데 그 안에서 가르치는 것의 상당 부분이 지금 무료로 되는 일입니다. 이 책은 그걸 직접 해 보시라고 쓴 것입니다.

강의를 파는 쪽은 대개 손을 보여 줍니다. 여기를 누르고 저기를 누르라고요. 그 도구가 6개월 뒤에 바뀌면 배운 것이 통째로 날아갑니다.

이 책은 원리를 남깁니다.

이 네 가지를 알면 다른 도구가 나와도 첫 화면에서 바로 파악하실 수 있습니다.

지금까지 나온 AI 자동화 도구는 대개 확장 프로그램이었습니다. 크롬 위에 얹혀서 일부만 건드렸습니다.

오늘 보는 것은 다릅니다. 브라우저 자체가 AI 입니다. 이름은 Aside 입니다.

「로그인을 상속받는다」가 핵심입니다. 그래서 API 를 열어 주지 않는 사이트에서도 일이 됩니다. 네이버 블로그 같은 곳 말입니다.

거대 자본이 만든 것이 아닙니다. 한국인 창업자 세 명이 만들었습니다.

본사는 샌프란시스코, 사무실은 서울에 있습니다. 와이콤비네이터를 거쳤습니다.

「세계 최고 수준의 도구는 거대 기업만 만든다」는 생각이 우리를 멈춰 세웁니다.

세 명이 만든 것이 지금 이 분야에서 가장 높은 점수를 주장하고 있습니다. 규모가 아니라 구조를 잘 잡은 쪽이 이깁니다.

컴퓨터 유즈라는 말을 들어 보셨을 겁니다. AI 가 화면을 사진으로 찍어서 보고, 「여기쯤 단추가 있네」 하고 좌표를 찍어 누르는 방식입니다.

사람이 하는 것과 가장 비슷해 보입니다. 그런데 문제가 셋입니다.

웹페이지에는 눈에 보이는 화면 말고 설계도가 따로 있습니다. 「여기는 제목, 여기는 입력칸, 여기는 저장 단추」 하고 글자로 적혀 있는 구조입니다. 원래는 시각장애인용 화면 낭독기를 위해 만들어진 것입니다.

접근성 트리 (Accessibility Tree)

AI 는 이걸 읽습니다. 사진이 아니라 글자를 읽으니 싸고, 빠르고, 정확합니다.

사진 방식을 버린 것이 아니라 뒤로 미뤄 둔 것입니다. 이 순서가 비용과 정확도를 가릅니다.

보통 이런 도구는 AI 에게 도구 목록을 쥐여 줍니다. 「클릭하기」, 「글자 입력하기」, 「스크롤하기」 같은 것들입니다. AI 는 그중에서 골라 씁니다.

이 브라우저는 다릅니다. 조종 코드를 그 자리에서 직접 씁니다.

이 에이전트는 사실 코딩 에이전트입니다. — 회사 기술 블로그

도구 목록에서 고르는 방식은 한 번에 하나씩입니다. 열 단계짜리 일이면 열 번을 왕복합니다.

코드를 쓰면 열 단계를 한 번에 적어 실행할 수 있습니다. 조건도 넣고, 반복도 넣습니다.

Playwright 문법의 자바스크립트를 브라우저 안에서 실행

크롬의 속은 크로미움이라는 오픈소스입니다. 구글이 공개해 두었고 누구나 가져다 쓸 수 있습니다.

흔히 「크롬에서 그 부분만 빼서 만들었다」고 이해하시는데, 정확히는 반대입니다.

통째로 복제한 다음(포크) 안을 고쳤습니다. AI 직원이 살 수 있는 집으로 개조한 것입니다.

※ 포크(fork)는 오픈소스를 통째로 복제해 자기 방향으로 고쳐 가는 것을 말합니다. 원본은 그대로 남습니다.

이 회사는 인공지능 모델을 만들지 않았습니다.

두뇌는 GPT 나 클로드처럼 이미 있는 것을 연결해서 씁니다. 자기들이 만든 것은 그 두뇌가 브라우저를 다루게 해 주는 장치입니다. 이걸 하네스(harness), 우리말로 마구라고 합니다.

말에 안장과 고삐를 채우는 그 마구입니다. 말은 남의 것이어도, 마구가 좋으면 잘 달립니다.

이미 내고 있는 돈으로 쓰는 것이니 새로 나가는 돈이 없습니다. 이게 「무료」의 정체입니다.

에이전트는 한 번에 답을 내놓지 않습니다. 네 칸을 계속 돕니다.

생각 → 행동 → 관찰 → 다시 생각 → …

계획대로 안 되면 계획을 고칩니다. 이 「고침」이 있어서 실제 웹에서 일이 됩니다.

이 방식을 정리해 이름을 붙인 논문이 ReAct 입니다. Reasoning(추론) + Acting(행동)을 붙인 말입니다.

지금 나오는 거의 모든 에이전트가 이 루프로 돕니다. 도구가 바뀌어도 이 루프는 그대로입니다. 그래서 이것 하나만 알아도 새 도구를 빨리 이해하실 수 있습니다.

arxiv.org/abs/2112.09332

언어모델에게 처음으로 브라우저를 쥐여 준 연구입니다. 지금 보는 모든 브라우저 에이전트의 출발점입니다.

그리고 검색하는 법을 가르친 방법이 강화학습이었습니다. AI 가 마우스를 잡는 이야기의 첫 장부터 강화학습이 나옵니다.

arxiv.org/abs/2210.03629

생각만 시키면 그럴듯한 말만 하고 실제로 확인하지 않습니다. 행동만 시키면 왜 그렇게 하는지 모른 채 헤맵니다.

둘을 번갈아 하게 한 것이 이 논문의 기여입니다. 생각 한 번, 행동 한 번, 결과 확인 한 번.

이 형식이 지금 에이전트의 표준이 되었습니다.

arxiv.org/abs/2306.06070

시험지가 없으면 「우리 것이 제일 낫다」는 말을 검증할 방법이 없습니다.

이 논문이 공통 시험지를 만들어 놓은 덕분에, 서로 다른 팀이 만든 에이전트를 같은 기준으로 비교할 수 있게 되었습니다.

다음 장의 「99%」가 바로 이 시험지 점수입니다.

세계 최고 수준이라고 발표했습니다. 쓴 두뇌는 GPT 5.5 와 Kimi K2.6 이라고 밝혔습니다.

회사가 직접 쟀습니다. 제3자 검증이 아닙니다.

이건 거짓말이라는 뜻이 아닙니다. 다만 숫자를 볼 때 항상 같이 봐야 하는 것이 있습니다.

이 회사는 방법을 공개했습니다. 그건 좋은 신호입니다. 그래도 「자체 측정」이라는 사실은 그대로입니다.

7장에서 두뇌를 빌려 온다고 했습니다. 그 자리에 내 컴퓨터에서 도는 모델을 꽂을 수 있습니다.

작은 모델로 어디까지 되는지가 갈립니다.

왜 그런가. 단계가 길어질수록 앞에서 무엇을 했는지 기억하면서 판단해야 합니다. 작은 두뇌는 그 기억을 오래 들고 있지 못합니다.

자동화가 문제가 되는 건 대개 사람이 안 보고 발행할 때입니다.

틀린 정보가 그대로 나가고, 같은 글이 대량으로 올라가고, 플랫폼이 제재합니다. 그러면 자동화를 안 쓴 것만 못합니다.

AI 는 초안까지, 발행은 사람이. 이 선만 지키시면 됩니다.

전부 무료로 공개되어 있습니다. 남이 요약해 준 것 말고 원문을 한 번 보시는 것이 가장 빠릅니다.

※ 이 책의 숫자와 사실은 전부 위 원문과 회사 기술 블로그에서 직접 확인했습니다.