The Search Engine for the Agentic Web — Will Bryk, Exa

한 줄 핵심

Exa는 인간용 검색이 아니라 AI 에이전트용 검색 인프라를 만들며, 복잡한 질의·초고속 응답·토큰 절감·사적 데이터 결합까지 포함한 ‘거의 완벽한 검색’을 목표로 한다.

시간별 요약

1. 0:00
   인간을 넘어서는 AI 검색의 시대 AI 시스템의 검색량이 2026년에 인간을 추월하고, 곧 인간보다 훨씬 더 많은 비율로 검색하게 될 것이라는 전망이 제시된다. Exa는 이런 변화에 맞춰 AI 에이전트용 검색 엔진을 만들고 있으며, Cursor나 HubSpot 같은 다양한 제품과 기업이 이를 활용하고 있다.
2. 2:08
   트릴리언 페이지 웹과 잘못된 정보의 혼란 웹은 수조 개 규모의 페이지로 이루어져 있어 사람이 직접 이해하기에는 너무 크고 복잡하므로, 정보를 걸러 주고 종합해 주는 도구가 필수라는 문제가 강조된다. 단순히 링크를 보여 주는 수준으로는 세계의 정보를 제대로 파악할 수 없고, 정보 부족은 혼란과 오판을 낳는다.
3. 3:10
   줄무늬 없는 셔츠를 찾지 못하는 이유 Google은 정확한 데이터베이스라기보다 추천 엔진에 가깝기 때문에, 'shirts without stripes' 같은 조건 검색에서도 의도와 다른 결과를 내놓는다. 사람조차 특정 지역의 AI 관련 인물 목록이나 전 세계 뉴스의 핵심을 완전히 신뢰할 수 있게 찾기 어렵다는 점이 드러난다.
4. 4:47
   가장 중요하지만 방치된 문제 정확한 정보 인프라가 없으면 AI가 강력해질수록 사회는 더 쉽게 조작되고 개인과 사회 모두 잘못된 결정을 내릴 수 있다는 경고가 나온다. 2021년경 transformers와 GPT-3의 등장으로 새로운 검색 엔진을 만들 수 있다는 확신이 생겼고, 이를 기반으로 Exa가 출발했다.
5. 6:05
   완벽한 검색을 향한 사고실험 복잡한 질의와 문서를 GPT-3로 매칭하면 거의 완벽한 검색이 가능하지만, 이를 모든 문서에 적용하면 비용이 너무 커지므로 비용을 수백만~수조 배 줄이는 최적화가 핵심 과제가 된다. Exa는 키워드와 embeddings를 결합해 복잡한 질의를 처리하고, 문서 전체가 아니라 필요한 구조만 미리 압축해 활용하는 방향으로 문제를 푼다.
6. 8:25
   사업을 만든 메시지 처음에는 검색 엔진만 만들고 수익화는 나중 문제라고 생각했지만, API 접근 요청이 들어오면서 사업 모델이 드러났다. AI는 인터넷 전체를 알고 있을 수 없으므로 반드시 검색이 필요하고, 결국 웹 검색 API가 AI 시스템의 필수 인프라가 된다는 점이 핵심이었다.
7. 9:28
   사람은 단순하게, 에이전트는 복잡하게 검색한다 인간은 SpaceX news 같은 단순 쿼리를 주로 검색하지만, AI 시스템은 훨씬 더 정보 집약적이고 복합적인 방식으로 검색을 수행한다. Exa는 인간용 검색 최적화와는 다른 요구를 충족시키기 위해, AI 에이전트가 진짜 원하는 형태의 검색 API와 높은 품질의 결과를 제공하는 방향으로 제품을 설계했다.
8. 10:42
   복잡한 질의, 빠른 질의, 더 적은 토큰 Exa는 VC로 투자받은 스타트업 목록처럼 복잡한 조건의 검색도 처리하면서, 동시에 200 millisecond 검색 엔드포인트로 초고속 응답을 제공한다. 또한 문서 10개에서 가장 중요한 약 100 tokens만 추출하거나 구조화된 출력으로 반환해 downstream LLM 비용을 줄인다.
9. 13:38
   사적 데이터의 시장 검색의 대상은 공개 웹에만 한정되지 않으며, 에이전트는 공개 데이터와 사적 데이터의 경계를 구분하지 않고 '진실'만 원한다는 관점이 제시된다. Exa는 데이터 제공자와 개발자를 연결하는 시장을 만들어, 가치 있는 데이터가 보상받고 외부 비공개 데이터까지 검색에 결합되도록 하고 있다.
10. 14:42
    1년치 연구를 1초로 Exa가 지향하는 최종 상태는 어떤 복잡한 정보 질의라도 즉시 작동하는 완벽한 정보 환경이며, 그 경험은 마치 1년치 연구를 1초에 끝내는 것과 같다. AI 검색이 폭증하는 미래에는 이런 검색 품질이 사회적 이해와 의사결정의 수준을 좌우하게 되며, 이것이 핵심 정보 인프라가 되어야 한다는 결론으로 이어진다.

실무 인사이트

• AI 제품을 만든다면 검색을 기능이 아니라 필수 인프라로 보고, 인간용 결과 품질보다 에이전트의 질의 패턴에 맞춰 최적화해야 한다.
• 복잡한 검색 품질과 응답 속도, 토큰 절감은 서로 다른 목표가 아니라 함께 설계해야 하는 운영 지표다.
• 공개 웹만으로 한계가 있다면 사적 데이터 마켓플레이스를 붙여 검색 범위를 확장하는 전략이 효과적이다.