검색이 다시 한번 새롭게 쓰여지고 있습니다. 30년 넘게 웹 검색은 사람을 위해 만들어졌습니다. 이제 에이전트를 위해 재구성되고 있습니다. 내부적으로 무슨 일이 일어나고 있는지 알아보세요 - 🧵👇
1/ 90년대에는 야후가 웹을 직접 큐레이션했고, 익사이트가 클러스터링했으며, 잉크토미가 색인을 생성했습니다. 그러자 구글의 PageRank가 백링크를 투표로 활용하여 모든 것을 압도했습니다. 수십 년 동안 검색은 Google이었고 이는 이미 해결된 문제로 여겨졌습니다. AI가 방정식을 바꿀 때까지요.
2/ 오늘날의 "검색 전쟁"은 야후 대 구글의 싸움이 아닙니다. 구글, 마이크로소프트, OpenAI와 빠르게 성장하는 스타트업 @ExaAILabs, @p0, @tavilyai, @ValyuOfficial 등 수십 개의 대기업이 LLM과 에이전트를 위한 웹 인덱스 계층을 재구축하고 있습니다.
3/ 기존 웹은 SEO에 최적화되어 있고, 광고가 많고, 사람이 직접 검색하는 방식입니다. AI 기반 검색은 이를 뒤집습니다. 인간의 주의가 아닌 지식과 추론에 맞춰 조정된, 정보가 가장 많이 밀집된 긴 텍스트 영역을 타깃으로 합니다.
4/ 심층 연구가 검색의 핵심 활용 사례로 떠오르고 있다는 것은 놀라운 일이 아닙니다. LLM이 빛을 발하는 부분은 바로 이 부분입니다. 방대한 양의 데이터가 주어지면, 시간을 들여 생각하고, 여러 출처에서 추론하고, 잘 구성되고 사려 깊은 답변을 내놓을 수 있기 때문입니다.
5/ AI가 검색을 수행할 경우 새로운 벡터가 발생합니다. 빠름(항상)≠ 좋음. 에이전트가 더 많은 비용을 지출할 수 있다면 시간(과 토큰)을 들여 생각하고, 더 깊이 파고들고, 더 오랫동안 추론하고, 더 풍부하고 완전한 결과를 얻는다면, 시간과 비용을 더 투자할 가치가 있습니다.
6/ 기타 초기 사용 사례: • CRM 강화(리드 자동 업데이트 및 필터링) • 코딩 에이전트를 위한 라이브 코드, 문서 검색 • 실시간 개인화된 추천 각각은 단순한 조회에서 루프로 "검색"을 전환하여 지속적으로 학습하고 업데이트합니다.
7/ 다시는 Google이 나오지 않을 수도 있습니다. 대신, 다양한 도메인, 데이터 유형 및 지연 시간에 맞춰 조정된 전문 검색 제공업체 네트워크가 나올 것입니다. 웹의 다음 색인은 읽기 위한 것이 아닙니다. 생각하기 위한 것이 될 것입니다.
7/ 전체 기사는 여기에서 읽어보세요 https:/a16z.substack.com/p/search-wars-…생각을 알려주세요! 파트너 @JasonSCui @steph_zhang @sarahdingwang @Alex_Danco @virtualelena와의 멋진 협업