Agentic Web이란 무엇인가: AI 에이전트가 바꾸는 차세대 인터넷 구조

Agentic Web은 “AI 기능 추가”가 아니라 웹의 작동 주체가 인간에서 AI 에이전트로 바뀌는 전환입니다. SEO, GEO·콘텐츠·KPI가 어떻게 ‘클릭’에서 ‘인용·호출’로 이동하는지 정리합니다.

Agentic Web이란 무엇인가

AI 에이전트가 주체가 되는 차세대 인터넷 구조

Agentic Web은 단순히 “AI가 많이 쓰이는 웹”을 의미하지 않는다. 이는 웹을 사용하는 주체가 인간(User)에서 AI 에이전트(Agent)로 확장되는 구조적 전환을 의미한다.

기존 웹에서는 사용자가 직접 검색하고, 비교하고, 클릭하고, 결정을 내렸다. 하지만 Agentic Web에서는 사용자는 목표만 제시하고, 실제 웹 탐색, 조정, 실행은 자율적 AI 에이전트가 수행한다. 즉, 인간은 “무엇을 원하는지”를 말하고 AI 에이전트는 “어떻게 달성할지”를 웹 전체에서 실행한다. 이 변화는 검색, 콘텐츠, 마케팅, 커머스, 플랫폼 경쟁 구조 전반을 바꾸고 있다.

1. 기존 웹과 Agentic Web의 결정적 차이 : “사용 인터페이스의 변화”가 아니라 “웹의 작동 주체 변화

구분	기존 Web	Agentic Web
웹 사용 주체	인간	인간 + AI 에이전트
상호작용	인간이 직접 클릭, 탐색	목표 위임, 자동 실행
검색	링크 목록 제공	단일 답변 + 실행
콘텐츠 소비	페이지 방문	AI 요약 및 인용
경제 구조	클릭 및 트래픽	호출(Invocation)

Agentic Web을 이해하기 위해 가장 먼저 분명히 해야 할 점은, 이 변화가 UX 개선이나 AI 기능 추가 수준이 아니라는 것이다.
Agentic Web: Weaving the Next Web with AI Agents논문은 Agentic Web을 웹의 ‘작동 주체(operational subject)’가 바뀌는 구조적 전환으로 정의한다.

1.1 웹에서 ‘누가 행동하는가’: Human-in-the-loop → Agent-in-the-loop

기존 웹(Web 1.0~2.0~Search-driven Web)의 기본 전제는 다음과 같이 명확하다.

행동 주체: 인간 사용자
웹의 역할: 정보 제공, 선택지 나열
결정 구조:
- 검색 → 링크 클릭
- 비교 → 판단
- 행동(구매·예약·문의)

웹은 결정 보조 시스템이며 모든 인지, 판단, 실행의 책임은 인간에게 있었다. 그러나, Agentic Web: Weaving the Next Web with AI Agents논문이 제시하는 Agentic Web에서는 이 전제가 깨진다.

행동 주체: AI 에이전트 (autonomous or semi-autonomous)
인간의 역할: 목표 정의자(goal setter)
에이전트의 역할:
- 목표 해석
- 계획 수립(planning)
- 외부 서비스 탐색
- 협상·조정
- 실행 및 반복적 개선

인간은 더 이상 “웹을 탐색하는 존재”가 아니라 “웹 활동을 위임하는 존재”가 된다. 논문에서는 이를 mid-user의 등장으로 설명한다. 엔드유저는 인간이지만, 실제 웹과 상호작용하는 실질적 사용자는 AI 에이전트다.

1.2 상호작용 방식의 변화: Click-based Interaction → Goal-based Delegation

기존 웹의 상호작용

단위: 페이지(Page), 세션(Session)
방식: 클릭, 스크롤, 폼 입력
시간 구조: 단기적·단발적

이 구조에서는 웹 서비스가 “잘게 쪼개진 UI”로 제공될 수밖에 없었다.

Agentic Web의 상호작용

Agentic Web에서는 상호작용의 최소 단위가 완전히 달라진다.

단위: 목표(Goal)와 작업(Task)
방식: 위임(Delegation)과 협업(Collaboration)
시간 구조: 장기적·연속적(long-horizon)

예를 들어, “출장 일정 잡아줘” 라는 요청은 단일 행동이 아니라, 다음과 같은 연쇄적 작업 흐름을 포함한다.

항공편 탐색
일정 제약 조건 반영
호텔 비교
비용·정책 검토
예약 실행
변경 발생 시 재조정

기존 웹은 이를 사용자에게 전가했지만, Agentic Web에서는 에이전트가 이 전체 흐름을 책임진다.

1.3 웹 자원의 성격 변화: Content for Humans → Resources for Agents

논문에서 매우 중요한 차별점은 웹 콘텐츠의 ‘대상’이 바뀐다는 점이다.

기존 웹 자원

사람을 위한 콘텐츠
읽기, 비교, 설득 중심
SEO는 “사람의 클릭”을 전제로 설계

Agentic Web 자원

에이전트가 호출, 조합, 실행 가능한 자원
콘텐츠는 정보라기보다 기능적 리소스(functional capability)
API, 데이터, 정책, 가격, 제약 조건이 명시적으로 구조화됨

즉, 웹 페이지는 더 이상 “보여주는 것”이 아니라 “에이전트가 사용할 수 있는 도구”가 된다. 이 때문에 논문은 Agentic Web에서 아래 전제가 필수라고 강조한다.

표준화된 인터페이스
명시적 능력 선언(capability declaration)
기계가 읽을 수 있는 신뢰 정보

1.4 지능의 위치 변화: Search Intelligence → Action Intelligence

기존 웹에서도 검색 및 추천 알고리즘이라는 “지능”은 존재했다. 하지만 그 지능은 어디까지나 정보 정렬 수준에 머물렀다. 그러나, Agentic Web의 지능은 다르다.

검색(Search)이 아니라 행동(Action)을 중심으로 설계되었고, “무엇이 있나?”가 아니라 “이 목표를 달성하기 위해 무엇을 해야 하나?”를 계산
실패, 변경, 제약을 반영해 계획을 재구성

논문은 이를 goal-directed intelligence로 설명하며, 기존 검색 중심 웹과의 근본적 단절 지점으로 제시한다.

1.5 경제 구조의 전환: Attention Economy → Agent Invocation Economy

마지막 결정적 차이는 웹의 수익 및 경쟁 구조다.

기존 웹 경제

핵심 자원: 인간의 주의(attention)
경쟁 목표: 클릭, 체류 시간, 전환
광고 모델: 사람 설득

Agentic Web 경제

핵심 자원: 에이전트의 호출(invocation)
경쟁 목표:
- 에이전트에게 “선택되는 서비스”
- 신뢰 가능한 실행 파트너
광고 모델:
- 인간 대상 설득 → 에이전트 의사결정 구조에 영향

논문은 이를 Agent Attention Economy로 명명하며, 향후 웹 서비스 경쟁은 “누가 더 많이 클릭되느냐”가 아니라 “어떤 에이전트 워크플로우에 포함되느냐”가 될 것이라 전망한다.

1.6 차이는 ‘기능’이 아니라 ‘존재론’

정리하면, 기존 웹과 Agentic Web의 차이는 다음 한 문장으로 압축된다. 기존 웹은 인간을 중심으로 설계된 정보 공간이고, Agentic Web은 AI 에이전트를 중심으로 재구성된 실행 공간이다. 이 차이를 이해하지 못하면, SEO를 아무리 고도화해도 AI 기능을 아무리 붙여도 Agentic Web 시대의 경쟁 구조에 진입할 수 없다.

2. Agentic Web의 핵심 구성 요소

Agentic Web: Weaving the Next Web with AI Agents논문은 Agentic Web을 단순한 “에이전트 활용 사례의 집합”으로 보지 않는다. 대신, 웹 전체를 재구성하는 다층적 시스템(layered system)으로 설명한다. 이 구조는 크게 다음 네 레이어로 나뉜다. 이 레이어 구조는 Agentic Web이 확장 가능하고, 분산되며, 지속적으로 작동하기 위한 최소 조건이다.

Agent Layer (에이전트 자체)
Interaction Layer (에이전트 간 상호작용)
Resource Layer (웹 자원과 서비스)
Governance & Trust Layer (신뢰·권한·통제)

2.1 Agent Layer: “도구를 쓰는 모델”에서 “행동하는 주체”로

논문에서 말하는 에이전트(agent)는 단순한 LLM 호출 래퍼(wrapper)가 아니다. Agentic Web의 에이전트는 다음과 같은 필수 속성을 동시에 가져야 한다.

Goal Understanding : 사용자의 모호한 목표를 구조화
Planning: 목표 달성을 위한 단계적 계획 수립
Memory: 과거 상호작용, 중간 결과, 제약 조건 저장
Tool & Resource Usage: 외부 API, 데이터, 서비스 호출
Self-Reflection & Adaptation: 실패·변경 발생 시 계획 수정

논문은 이 조합이 있을 때만 에이전트가 “지속적 웹 행위자(persistent web actor)”가 될 수 있다고 본다. Agentic Web에서 에이전트는 “질문에 답하는 존재”가 아니라 “상태를 가진 실행 주체(stateful executor)”다.

2.2 Interaction Layer: 단일 에이전트가 아닌 “에이전트 사회”

논문이 반복해서 강조하는 부분은 Agentic Web은 단일 슈퍼 에이전트 구조가 아니라는 점이다. 왜 다중 에이전트(Multi-Agent)인가?

모든 지식을 하나의 모델이 가질 수 없음
전문성 분화가 필수
병렬 처리와 협업이 효율적
신뢰·검증·대체 가능성 확보

따라서 Agentic Web은 여러 에이전트가 느슨하게 연결된 네트워크를 전제로 한다.

A2A (Agent-to-Agent)의 역할

논문은 A2A를 단순 통신 프로토콜이 아니라 에이전트 사회의 기본 언어로 본다. A2A를 통해 에이전트는 다음과 같은 활동을 할 수 있다. 아래와 같은 구조는 인간 조직의 협업 구조와 유사하지만, 속도·확장성·자동화 수준에서 완전히 다르다.

서로의 능력(capability)을 발견하고
작업(Task)을 위임 및 분담하고
중간 결과를 공유하며
최종 산출물을 통합한다

2.3 Resource Layer: 웹은 ‘콘텐츠’가 아니라 ‘행동 자원’이 된다

논문에서 가장 중요한 전환 중 하나는 웹 자원의 정의 변화다.

기존 웹 자원

문서, 페이지, 이미지
사람의 해석을 전제로 설계

Agentic Web의 자원

행동 가능한 리소스(actionable resource)
에이전트가 직접 호출, 조합, 실행 가능

이를 위해 논문은 다음 조건을 제시한다.

자원의 기능적 의미가 명확해야 함
입력, 출력, 제약 조건이 구조화되어야 함
신뢰 수준과 사용 권한이 기계적으로 확인 가능해야 함

이때 등장하는 핵심 개념이 MCP(Model Context Protocol)이다.

2.4 MCP: Agentic Web의 연결 표준

논문에서 MCP는 Agentic Web의 실질적 인프라 계층으로 다뤄진다. MCP의 핵심 역할은 다음과 같다.

에이전트와 외부 리소스 간의 표준화된 연결
세션 기반 상호작용
리소스, 도구, 프롬프트의 선언적 교환

MCP 구조 요약

Host: 에이전트를 실행하는 환경
Client: MCP 연결을 담당
Server: 리소스 제공자
Resource: 데이터·도구·기능

이 구조를 통해 에이전트는

“어디에 어떤 기능이 있는지”를 탐색하고
필요한 것만 선택해 조합하며
복잡한 워크플로우를 구성한다

논문 관점에서 MCP는 API 이후 시대의 ‘Agent-native 인터페이스’이다.

2.5 Governance & Trust Layer: 왜 통제가 필요한가

Agentic Web은 강력하지만, 동시에 위험하다.

자율 실행
장기 작업
외부 서비스 호출
비용, 권한, 법적 책임 문제

논문은 이 때문에 Governance가 Agentic Web의 필수 구성 요소라고 강조한다.

주요 논의 포인트

권한 관리: 어떤 에이전트가 무엇을 할 수 있는가
신원과 인증: 에이전트의 신뢰성 검증
책임 소재: 실패·오류·손실 발생 시 책임 주체
인간 개입 지점: 완전 자율이 아닌 human-in-the-loop 설계

특히 논문은 분산 식별자(DID)와 같은 기술이 에이전트 신뢰 문제의 중요한 해법이 될 수 있음을 시사한다.

3. Agentic Web의 경제 구조

논문은 Agentic Web이 웹의 경제 논리 자체를 바꾼다고 본다.

3.1 기존 Attention Economy의 한계

클릭 유도 경쟁
과도한 콘텐츠 생산
정보 과잉
사용자 피로

AI 검색과 에이전트의 등장은 이 구조를 더 이상 유지 불가능하게 만든다.

3.2 Agent Invocation Economy의 등장

Agentic Web에서의 핵심 질문은 다음이다. “이 서비스는 에이전트의 워크플로우에 포함되는가?”

중요 지표는:

Invocation Frequency (호출 빈도)
Task Success Rate (작업 성공 기여도)
Reliability & Trust Score (신뢰도)

이는 광고, 마케팅의 방향도 바꾼다.

사람 설득 → 에이전트 선택 기준 충족
브랜드 인지도 → 실행 파트너로서의 신뢰

논문의 결론은 명확하다. Agentic Web은 “더 똑똑해진 웹”이 아니라 “스스로 행동하기 시작한 웹 구조”다. 이 구조에서 경쟁력의 본질은 더 많은 트래픽이나, 더 많은 기능이 아니며, 에이전트가 신뢰하고 선택하는 존재가 되는 것이다.

4. Agentic Web은 SEO·GEO·디지털 마케팅을 어떻게 바꾸는가

‘노출의 경쟁’에서 ‘실행 워크플로우 편입 경쟁’으로

디지털 마케팅 관점에서 Agentic Web의 등장은 SEO나 GEO라는 개별 기법의 변화가 아니다. 이는 디지털 마케팅의 목적, 대상, 성과 지표 자체가 재정의되는 구조적 전환이다. 기존 디지털 마케팅은 한 가지 질문을 전제로 했다.

“어떻게 하면 사람이 우리를 클릭하게 만들 것인가?”

Agentic Web에서는 이 질문이 더 이상 유효하지 않다. 대신 다음 질문이 핵심이 된다.

“어떻게 하면 우리 브랜드와 상품이 AI 에이전트의 판단, 계획, 실행 흐름에 포함될 것인가?”

이 차이가 SEO, GEO, 마케팅 전반을 근본적으로 바꾼다.

4.1 SEO의 역할 변화: 유입 채널에서 ‘기반 인프라’로

Agentic Web 시대에도 SEO는 사라지지 않는다. 하지만 SEO는 더 이상 마케팅의 ‘목표’가 아니라 ‘전제 조건’이 된다.

기존 SEO의 역할

목적: 검색 결과 상위 노출
성과: 클릭, 방문, 전환
대상: 인간 사용자

Agentic Web 시대의 SEO 역할

목적: AI가 신뢰하고 참조할 수 있는 기반 정보 제공
성과: 직접 클릭이 아닌, AI 인용 가능성 증대
대상: AI 에이전트

즉, SEO는 “사람을 끌어오는 기술”에서 “AI가 이해하고 활용할 수 있는 정보 구조를 만드는 기술”로 이동한다. 이 때문에 기술 SEO, 구조화 데이터, 엔티티 정합성은 마케팅 기술이 아니라 Agentic Web 참여를 위한 인프라 요건이 된다.

4.2 GEO의 본질: ‘AI에게 선택받는 구조’를 설계하는 것

GEO(Generative Engine Optimization)는 단순히 “AI 검색에 잘 노출되는 방법”이 아니다. 논문적 관점에서 GEO의 본질은 다음과 같다.

AI가 답변을 생성할 때 “이 브랜드, 이 서비스는 신뢰 가능한 실행 파트너인가?”를 판단할 수 있도록 정보를 제공하는 구조

GEO가 전제하는 변화

키워드 중심 → 맥락·의도·상황 중심
콘텐츠 경쟁 → 판단 기준 경쟁
설득 문장 → 결정 가능한 정보

AI 에이전트는 다음과 같은 질문을 내부적으로 수행한다.

이 정보는 신뢰할 수 있는가?
조건·제약·비교 기준이 명확한가?
실제 실행에 사용할 수 있는가?
다른 선택지보다 실패 가능성이 낮은가?

GEO는 이 질문들에 명확하고 구조적으로 답할 수 있는 콘텐츠 설계 방식이다.

4.3 마케팅 대상의 변화: ‘사람’에서 ‘에이전트 판단 구조’로

Agentic Web에서 디지털 마케팅의 대상은 더 이상 단일하지 않다.

구분	기존	Agentic Web
주요 대상	인간 사용자	AI 에이전트 + 인간
설득 방식	감정·메시지	판단 기준 충족
콘텐츠 목적	관심 유도	선택·실행 유도

중요한 점은, AI 에이전트를 설득한다는 것은 광고 문구를 바꾸는 일이 아니라는 것이다. AI 에이전트는 감정에 반응하지 않고, 슬로건에 설득되지 않으며, 스토리텔링에 감동하지 않는다.

대신, 명확한 조건, 예측 가능한 결과, 낮은 리스크, 높은 신뢰도를 기준으로 선택한다. 따라서 Agentic Web 시대의 마케팅은 ‘브랜딩’이 아니라 ‘신뢰 가능한 실행 옵션으로 포지셔닝하는 작업’이 된다.

4.4 KPI의 근본적 전환: Click → Citation → Invocation

Agentic Web에서는 성과 측정 기준이 완전히 바뀐다. 기존 마케팅의 KPI가, 노출 수, 클릭 수, 전환율, 체류 시간 등이었다면, Agentic Web KPI는 AI 인용 여부 (Citation), 에이전트 호출 빈도 (Invocation Frequency), 작업 성공 기여도 (Task Success Contribution), 신뢰·안정성 점수 (Reliability & Trust) 등이다. 이 변화는 단순한 지표 교체가 아니다. 마케팅 조직이 무엇을 최적화해야 하는지 목표 자체를 변화시킨다.

4.5 브랜드의 재정의: 인지도 자산 → ‘Contextual Trust Asset’

Agentic Web에서 브랜드는 더 이상 “기억되는 이름”이 아니다. 브랜드의 새로운 정의는 다음과 같다.

특정 상황(Context)에서 AI 에이전트가 가장 먼저 호출하는 신뢰 가능한 선택지

이를 논문 맥락에서 풀면

Top of Mind → Top of Context
인지도 → 신뢰도
메시지 → 실행 이력

Agentic Web에서는 “유명한 브랜드”보다 “실패하지 않는 브랜드”가 선택된다.

5. Agentic Web 시대의 콘텐츠 설계 원칙

사람이 아니라 ‘에이전트가 판단하고 실행하기 위한 콘텐츠’

Agentic Web 시대의 콘텐츠는 더 이상 “읽히기 위한 글”이 아니다. 콘텐츠의 목적은 이해, 공감, 설득에서 판단, 선택, 실행으로 이동한다. 기존 콘텐츠 전략이 “사람이 이 글을 읽고 행동할까?”에 대한 답을 구하는 것이었다면, Agentic Web의 콘텐츠는 “AI 에이전트가 이 정보를 바탕으로 실제 행동을 실행해도 안전한가?”에 대한 답을 구하는 것이다.이 질문의 변화가 콘텐츠 설계 원칙을 근본적으로 바꾼다.

5.1 콘텐츠의 독자 변화: Human-readable → Agent-decision-readable

기존 웹 콘텐츠는 스토리텔링, 감정적 설득, 은유와 메시지, 브랜드 톤 앤 매너에 기반한 사람을 위한 텍스트였다. 하지만 AI 에이전트는 이런 요소를 거의 사용하지 않는다. 에이전트는 콘텐츠를 ‘의미 있는 판단 재료’로 분해해 사용한다. Agentic Web에서 콘텐츠는 다음 조건을 충족해야 한다.

문장이 아니라 판단 단위(decision unit)로 읽힐 것
주장보다 조건·근거·제약이 명확할 것
모호한 표현보다 검증 가능한 서술일 것

즉, 콘텐츠는 “읽는 대상”이 아니라 “판단 입력값(input)”이 된다.

5.2 리스트형 콘텐츠의 한계와 붕괴

기존 SEO 환경에서 가장 강력했던 콘텐츠 형식은 “TOP 10”, “비교 추천”, “베스트 상품” 등의 리스트였다. 하지만 Agentic Web에서 리스트형 콘텐츠는 급격히 효용을 잃는다. 이유는 명확하다.

리스트는 선택 기준을 제공하지 않는다
항목 간 조건, 제약, 맥락 차이가 명시되지 않는다
“왜 이 선택이 더 나은지”를 계산할 수 없다

AI 에이전트는 리스트를 그대로 사용하지 않고, 다시 분해, 재구성해야만 한다.

따라서 Agentic Web에서 효과적인 콘텐츠는 “나열형”이 아니라 “판단 가능 구조”를 가진 콘텐츠다.

5.3 Agent-friendly 콘텐츠의 핵심 구성 요소

논문 맥락과 Agentic Web의 실행 구조를 기준으로 보면, 에이전트가 활용 가능한 콘텐츠에는 공통된 구조가 있다.

① 조건(Conditions)

언제 사용되는가
어떤 상황에서 적합한가
적용 전제는 무엇인가

② 제약(Constraints)

불가능한 경우
비용·시간·정책 한계
실패 가능성

③ 비교 기준(Decision Criteria)

선택 시 고려해야 할 요소
다른 옵션 대비 차이점
트레이드오프 구조

④ 결과(Result)

실행 시 기대되는 결과
성공/실패 케이스
재조정 가능성

이 네 가지가 명시적으로 드러나지 않는 콘텐츠는 AI 에이전트에게 “위험한 정보”로 간주된다.

5.4 ‘설득 문장’에서 ‘판단 문장’으로

기존 마케팅 콘텐츠의 문장은 대개 다음과 같았다.

“최고의 선택입니다”
“많은 사람들이 선택한”
“지금 바로 경험해 보세요”

Agentic Web에서는 이런 문장이 거의 무력하다. AI 에이전트는 주관적, 정서적 표현을 판단에 사용하지 않는다. 대신 다음과 같은 문장이 중요해진다.

“이 서비스는 ○○ 조건에서 △△를 수행할 수 있다”
“다음 제약이 있는 경우에는 사용을 권장하지 않는다”
“비용 대비 성능은 △△ 기준에서 유리하다”

콘텐츠의 언어는 마케팅 언어 → 운영·설계 언어로 이동한다.

5.5 콘텐츠는 ‘메시지’가 아니라 ‘실행 인터페이스’가 된다

Agentic Web에서 콘텐츠는 웹 페이지이면서 동시에 에이전트의 실행 인터페이스다.

MCP로 연결될 수 있는가?
API 호출 정보가 명시되어 있는가?
입력·출력 구조가 드러나는가?
상태 변화가 추적 가능한가?

이 조건을 충족하는 콘텐츠는 단순 정보 전달을 넘어 에이전트 워크플로우의 일부가 된다. 즉, 콘텐츠는 읽히는 자산이 아니며, 실행에 포함되는 자산으로 재정의된다.

5.6 콘텐츠 전략의 목표 변화

Agentic Web 시대의 콘텐츠 전략 목표는 명확하다. “이 콘텐츠가 에이전트의 계획, 판단, 실행 중 어느 단계에 사용될 수 있는가?” 계획 단계용 콘텐츠, 비교 및 선택 단계용 콘텐츠, 실행 및 검증 단계용 콘텐츠. 이처럼 에이전트의 사고 흐름에 맞춰 콘텐츠를 배치하는 것이 Agentic Web 시대의 콘텐츠 전략이다.

6. Agentic Web에서 플랫폼과 서비스의 경쟁 구조

트래픽 경쟁에서 ‘에이전트 워크플로우 편입 경쟁’으로

Agentic Web의 도래는 플랫폼과 서비스가 어디에서 경쟁하는지 자체를 바꾼다. 기존 웹에서의 경쟁이 “사용자를 우리 사이트로 데려오는 경쟁”이었다면, Agentic Web에서는 경쟁의 장이 에이전트의 내부 판단·계획·실행 구조로 이동한다. 즉, 더 이상 중요한 질문은 “사용자가 어디를 방문하는가?”가 아니라, “에이전트는 어떤 서비스를 기본 선택지(default option)로 사용하는가?” 이다.

6.1 경쟁 단위의 변화: Page / App → Workflow Component

기존 경쟁 구조의 경쟁단위는 페이지(Page), 앱(App)이었고, 방문, 체류, 전환율 등 더 많은 유입과 더 강한 락인이 경쟁 목표였다. 따라서, 이 구조에서는 UI 완성도, 마케팅 예산, 브랜드 인지도가 핵심 무기가 되었다. 그러나 Agentic Web의 경쟁단위는 워크플로우 구성 요소(Workflow Component)이며, 경쟁목표는 에이전트 계획에 포함되기 위해 신뢰 가능한 실행 모듈을 제공하는 것이다. 에이전트는 서비스 전체를 “방문”하지 않는다. 대신, 결제 모듈, 예약 모듈, 비교 로직, 정책 검증 등 필요한 기능만 선택적으로 호출한다. 플랫폼과 서비스는 “목적지(destination)”가 아니라 “부품(component)”이 된다.

6.2 에이전트 관점의 플랫폼 평가 기준

Agentic Web에서 플랫폼은 사람의 감정이 아니라 에이전트의 판단 로직에 의해 평가된다. 에이전트가 플랫폼을 선택할 때 고려하는 기준은 다음과 같다.

① 신뢰성 (Reliability)

실패율은 낮은가?
예외 상황 처리가 명확한가?
결과가 예측 가능한가?

② 명시성 (Explicitness)

입력·출력·제약 조건이 명확한가?
숨겨진 조건이나 불확실성이 없는가?

③ 결합 용이성 (Composability)

다른 서비스와 쉽게 조합 가능한가?
표준 인터페이스(MCP, API 등)를 제공하는가?

④ 지속성 (Stability)

정책·요금·기능 변화가 예측 가능한가?
갑작스러운 중단 리스크가 없는가?

이 기준은 사람에게 매력적인 서비스와 에이전트에게 선택되는 서비스가 다를 수 있음을 의미한다.

6.3 플랫폼의 새로운 전략 목표: ‘Default Execution Layer’

Agentic Web에서 가장 강력한 플랫폼은 사용자가 가장 많이 방문하는 곳이 아니라, 에이전트가 아무 생각 없이 먼저 호출하는 곳이다. 이 상태를 논문 맥락에서 정리하면 Default Execution Layer를 차지한 플랫폼이다.

Default Execution Layer란?

특정 작업 유형에서
가장 먼저 선택되는 실행 파트너
대체 비용이 높은 신뢰 계층

예:

결제 → 특정 결제 인프라
지도/위치 → 특정 위치 서비스
일정 → 특정 캘린더/스케줄링 엔진

이 위치를 차지한 플랫폼은:

마케팅 비용 없이도 지속 호출
경쟁자의 진입이 구조적으로 어려움
에이전트 생태계 확장과 함께 성장

6.4 Lock-in에서 Trust-in으로의 이동

기존 플랫폼 전략의 핵심은 데이터 락인, UI 락인, 네트워크 효과 등의 Lock-in이었다. 그러나 Agentic Web에서는 이런 락인이 오히려 에이전트에게 위험 요소로 인식될 수 있다. 에이전트는 특정 플랫폼 종속을 피하려 하고, 대체 가능성을 유지하려 하며, 실패 시 빠른 전환을 원한다. 따라서 Agentic Web의 플랫폼 경쟁은 Lock-in이 아니라 Trust-in 구조로 이동한다. “나를 떠날 수 있지만, 굳이 떠날 필요가 없는 서비스”, “가장 안전하고 예측 가능한 선택지”로 인식되는 것이 중요하다.

6.5 마켓플레이스와 중개 플랫폼의 변화

Agentic Web은 마켓플레이스, 중개 플랫폼의 역할도 바꾼다. 기존의 마켓플레이스의 역할은 정보 비대칭 해소, 검색·비교 UI 제공, 사용자 트래픽 집결 등이었다. 그러나, Agentic Web 이후에는 에이전트용 판단·검증 허브로, 신뢰 점수·실행 이력을 제공하고, 리스크 필터링 계층으로서의 역할을 한다. 즉, 마켓플레이스는 “사람이 고르는 곳”에서 “에이전트가 안심하고 선택할 수 있는 곳”으로 이동한다.

6.6 승자와 패자의 갈림길

Agentic Web에서 플랫폼과 서비스의 승패는 다음 질문에 대한 답으로 갈린다.

“이 서비스는 에이전트가 반복적으로 사용해도 실패하지 않는가?”

기능이 많다고 유리하지 않다, UI가 예쁘다고 선택되지 않으며, 광고를 많이 해도 호출되지 않는다. 명확한 기능, 예측 가능한 결과, 낮은 실패율, 안정적인 인터페이스를 가진 서비스는 조용히, 그러나 지속적으로 에이전트 워크플로우에 편입된다.

7. Agentic Web의 한계와 인간의 역할

완전 자율의 환상과 ‘Human-in-the-Loop’의 재정의

Agentic Web은 강력하지만, 결코 무결하지 않다. 논문은 Agentic Web을 “미래의 필연”으로 설명하면서도, 완전 자율 시스템에 대한 경계와 통제의 필요성을 분명히 강조한다. Agentic Web의 위험은 기술이 약해서가 아니라, 너무 강력해질 수 있기 때문에 발생한다.

7.1 Agentic Web의 구조적 한계

① 목표 정의의 한계

AI 에이전트는 주어진 목표를 최적화할 수는 있지만, 그 목표가 옳은지, 바람직한지를 스스로 판단하지는 못하기에 다음과 같은 문제가 발생할 수 있으며, 이 모든 문제는 초기 목표 정의가 인간에게 남아 있을 수밖에 없는 이유다.

목표 설정의 오류
과도한 최적화
맥락 오해

② 책임 소재의 불명확성

Agentic Web에서는 다음과 같은 질문이 발생한다.

에이전트가 잘못된 결정을 내렸을 때 누가 책임지는가?
손실, 법적 문제, 윤리적 문제의 주체는 누구인가?
인간은 어디까지 개입해야 하는가?

논문은 이 지점에서 완전 자율 시스템은 현실적이지 않으며, 위험하다고 명시한다.

③ 예측 불가능성 (Emergent Behavior)

다중 에이전트 구조에서는 에이전트 간 상호작용, 비선형적 결과, 예기치 않은 행동 패턴 등이 발생할 수 있다. 이는 Agentic Web이
통제되지 않은 상태로 확장될 경우 시스템 리스크를 내포함을 의미한다.

7.2 Governance & Trust가 ‘옵션’이 아닌 이유

이 때문에 논문은 Governance & Trust Layer를 부가 기능이 아닌 필수 계층으로 정의한다. 특히 금융, 의료, 법률, 공공 영역에서는 Human Approval Gate가 반드시 필요하다고 본다.

핵심 통제 요소

권한 관리: 에이전트가 할 수 있는 행동의 범위
인증과 신원: 어떤 에이전트가 누구를 대신하는가
감사 가능성(Auditability): 실행 이력 추적
중단 및 개입 메커니즘: 인간의介入 지점

7.3 Human-in-the-Loop의 재정의

Agentic Web에 대한 가장 흔한 오해는 이것이다. “AI 에이전트가 모든 것을 대신하면 인간은 배제되는가?” 논문의 대답은 명확하다. 인간은 배제되지 않는다. 다만, ‘행위자’에서 ‘설계자·감독자’로 이동한다. 인간의 새로운 역할은 목표 정의자 (Goal Setter), 가치 판단자 (Value Judge), 위험 승인자 (Risk Approver), 시스템 설계자 (System Architect) 등이다. 즉, 인간은 “일을 하는 존재”에서 “일이 어떻게 수행되어야 하는지를 결정하는 존재”로 이동한다.

7.4 인간의 역할이 남아 있는 이유

논문은 윤리적 판단, 장기적 가치 선택, 책임의 귀속, 사회적 합의가 필요한 결정 영역에서 인간의 개입은 구조적으로 제거될 수 없다고 본다. Agentic Web은 효율을 극대화하지만, 가치를 정의하지는 못한다. 이 지점이 바로 인간이 여전히 시스템의 중심에 남아 있는 이유다.

Agentic Web은 “도입할 것인가 말 것인가”를 선택하는 기술이 아니다. 이미 우리는 AI 검색을 사용하고, AI 추천에 의존하고, AI 요약을 신뢰하며, AI에게 점점 더 많은 결정을 위임하고 있다. 즉, Agentic Web은 이미 형성되고 있는 환경(environment)이다.

참고 자료 (References)