The Ads Business Model Will Die & Lessons from Working with Elon at Twitter

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

The Ads Business Model Will Die & Lessons from Working with Elon at Twitter를 중심으로, 광고 노출에서 정보 이용에 대한 보상으로 이동한다. 사람이 아닌 에이전트가 콘텐츠를 읽고 구매하면 광고를 보여줄 기회가 줄를 핵심 판단 포인트로 압축 정리한다.

📌 핵심 요점

1. 광고 노출에서 정보 이용에 대한 보상으로 이동한다. 사람이 아닌 에이전트가 콘텐츠를 읽고 구매하면 광고를 보여줄 기회가 줄어든다. Parallel은 콘텐츠 이용에 따라 소유자에게 대가를 지급하는 ‘에이전트용 AdSense’를 구축하고 있다. 다만 쇼핑 위임의 확산 범위는 불확실하다.
2. 검색 효율은 모델까지 포함한 총비용으로 판단해야 한다. 에이전트마다 필요한 응답 시간과 정보 밀도가 다르다. 비싼 모델에는 정제된 검색 결과가, 저렴한 모델에는 매우 낮은 검색 가격이 유리할 수 있다. 추론 능력의 발전도 외부 사실 검색의 필요성을 없애지는 않는다.
3. 유료 데이터의 접근권과 가격 책정이 새로운 사업 과제다. 사람의 좌석을 기준으로 과금하는 서비스는 에이전트 이용과 충돌할 수 있다. 아그라왈은 추론 시점에 데이터를 거래하고, 콘텐츠가 같은 품질의 결과를 더 적은 비용으로 만들도록 기여한 가치에 따라 보상하는 구조를 제시한다.
4. 상시 에이전트는 반복 검색보다 변화 감지와 연결된다. Parallel의 Monitor API는 등록된 질의와 관련된 웹 변화가 생기면 알린다. 이는 주기적으로 검색과 추론을 반복하는 비용을 줄이고, 사건이 발생할 때 에이전트가 작업을 시작하는 방식으로 이어진다.
5. 창업의 실행력에는 속도와 시장 전달 능력이 함께 필요하다. 아그라왈은 머스크와 견해 차이가 있지만 긴박감과 높은 기대를 통해 실행을 앞당기는 능력을 인정한다. 트위터의 커뮤니티 노트도 긍정적으로 평가하며, 자신의 사업에서는 기술·제품뿐 아니라 영업·마케팅의 영향력을 새롭게 체감했다고 말한다.

🧩 배경과 문제 정의

• Parallel은 에이전트가 인간보다 인터넷을 훨씬 많이 사용할 것이라는 전망을 바탕으로, 에이전트용 검색 기술과 지속 가능한 사업 모델을 구축한다.
• 인간에게 맞춘 키워드 검색과 링크 목록은 에이전트의 구체적인 요청, 다양한 응답 시간 제약, 모델별 처리 비용을 충분히 반영하지 못한다.
• 모델의 추론 능력이 좋아져도 모든 사실을 기억할 수는 없다. 외부 정보 검색과 유료 데이터 접근을 어떻게 연결하고 보상할지가 중요한 과제로 남는다.
• 에이전트가 콘텐츠를 읽고 거래를 수행하면 인간의 광고 노출과 사용자 좌석 과금에 의존하던 수익 구조가 흔들릴 수 있다. 다만 쇼핑 위임의 확산 속도와 범위는 불확실하다.

🕒 시간순 섹션별 상세정리

1. 에이전트용 검색은 기술과 사업 모델을 함께 바꾸는 문제다

• Parallel은 개인용·업무용 에이전트가 인터넷에서 정보를 찾도록 지원하는 ‘에이전트를 위한 구글’을 지향한다. 검색 기술뿐 아니라 이를 지속 가능하게 만드는 사업 모델도 개발 대상이다. [01:25]
• 창업의 출발점은 에이전트가 인간보다 인터넷을 1,000배 많이 사용할 것이라는 예상이었다. 이 수치는 현재 사용량에 대한 관측이 아니라, 기반 기술과 사업 구조를 새로 설계하게 만든 규모 가정이다. [02:04]

2. 검색의 입력·대기 시간·출력이 인간 기준을 벗어난다

• 인간은 짧고 모호한 키워드를 입력하고 약 0.5~1초를 기다린 뒤 링크를 탐색한다. 반면 에이전트는 수행하려는 일을 완전한 문장으로 구체적으로 전달할 수 있다. [03:23]
• 음성 에이전트는 사용자와의 대화를 이어가기 위해 500밀리초 대신 100밀리초 안에 검색 결과를 요구할 수 있다. 백그라운드 에이전트는 시간이 더 걸리더라도 가장 좋은 답을 원할 수 있어, 검색이 대응해야 할 지연 시간의 범위가 넓어진다. [04:05]

3. 검색 연산과 모델 연산 사이의 비용 균형이 중요하다

• 검색을 수조 개 수준의 문서에서 모델이 읽을 약 1,000개 토큰을 추리는 문제로 보여준다. 적은 연산으로 후보 문서 10,000개를 고르고, 추가 연산으로 1,000개까지 줄인 뒤 더 정교한 순위화 과정을 거치는 방식이다. [05:32]
• 검색 단계에서 연산을 더 사용하는 목적은 모델이 불필요한 정보를 처리하는 데 드는 연산을 줄이는 것이다. 따라서 검색 자체의 비용만으로 효율을 판단하기 어렵다. [06:26]

4. API에서 모델과 용도에 맞는 검색 방식을 선택한다

• 개발자나 에이전트가 API를 통해 검색 조건을 지정할 수 있다. 호출하는 모델의 종류를 알려주는 선택적 매개변수도 있어, 해당 모델에 맞게 검색 처리를 조정할 수 있다. [07:47]
• 검색 시스템은 용도별 모드로 나뉜다. 음성 에이전트용 초고속 API는 짧은 응답 시간 안에서 가능한 연산량을 제한해 빠르고 저렴하게 작동하도록 설계된다. [08:28]

5. 웹 검색 수요는 코딩보다 넓은 지식 노동에서 나온다

• 주요 활용 범위는 소프트웨어 개발을 포함한 지식 노동이다. 법률, 생산성 도구, 보험, 과학 분야의 AI도 고객 사용 사례에 포함된다. [09:47]
• 코딩은 현재 모델 추론에서 큰 비중을 차지하지만, 웹 검색을 호출하는 경우는 약 5%라는 추정이다. 많은 코딩 작업이 외부 웹보다 내부 코드와 데이터의 맥락에 의존하기 때문이다. [10:10]

6. 모델이 똑똑해져도 외부 사실 검색은 필요하다

• 모델의 성능 향상과 비용 하락으로 에이전트가 더 많은 일을 수행하면 Parallel의 기회도 커진다는 사업 가설이다. 모델 발전이 실제 활용 범위 확대로 이어진다는 조건이 붙는다. [11:45]
• 추론 능력과 파라미터에 저장된 사실의 양은 서로 다른 축이다. 유명 인물이나 역사적 사실은 기억하더라도, 덜 알려진 개인의 졸업 연도 같은 세부 사실까지 안정적으로 기억하지는 못한다. [12:32]

7. 최상위 모델의 대형화와 실용 모델의 소형화가 동시에 진행된다

• 최첨단 모델은 계속 커지는 한편, 일정한 성능 수준을 달성하는 데 필요한 모델 크기는 작아질 것이라는 전망이다. 같은 목표 성능을 더 작은 모델이 약 6개월마다 제공할 수 있다는 예상에 따라, 유용한 모델의 크기 범위가 넓어진다. [14:20]
• 일부 작업에서는 품질 개선이 주는 가치가 매우 커서 더 큰 모델에 비용을 지불할 이유가 생긴다. 모델 확대가 성능 향상으로 이어지는 한, 이를 활용할 수요도 존재할 것이라는 논리다. [15:03]

8. 오픈 모델의 점유율과 미국 생태계의 미래는 불확실하다

• ‘토큰 사용량의 90%는 오픈 모델, 지출의 90%는 최첨단 모델에 집중된다’는 가설에는 판단할 정보가 부족하며, 양쪽 모두 90%가 될 것으로 보지는 않는다는 입장이다. [16:19]
• 유용한 소형 모델과 최첨단 모델의 가격이 100~1,000배 차이 나더라도, 어떤 작업이 어떤 크기의 모델에 최적화될지는 예측하기 어렵다. 오픈 모델의 미래도 앞으로 어떤 선택과 발전 경로를 거치는지에 영향을 받는다. [16:45]

9. 모델 라우팅의 현재 가치는 연산 공급 부족에 대응하는 데 있다

• 라우팅에는 사용할 모델을 고르는 일과, 그 모델을 어느 공급자의 GPU에서 실행할지 고르는 일이 함께 포함된다. 빠르게 성장하는 기업은 예상보다 큰 수요 때문에 추가 처리 용량을 급히 확보해야 할 수 있다. [18:16]
• 라우터는 토큰 공급처를 바꾸거나, 원하는 서비스 수준을 충족하지 못할 때 모델까지 전환하는 유연성을 제공한다. 현재는 실질적인 가치가 있지만, 장기적인 가치는 GPU와 토큰의 수급 상황이 어떻게 변하는지에 달려 있다. [19:08]

10. 추론 시점에 데이터를 거래하는 시장이 새로운 기회가 될 수 있다

• 향후 3~5년 동안 가치가 크게 높아질 가능성이 있는 대상으로 데이터를 꼽는다. 정보가 저렴해지는 가운데서도 독자적이고 유용한 데이터·통찰에 얼마를 지불해야 하는지는 아직 충분히 정립되지 않았다. [19:44]
• 서로 다른 주체의 고유한 데이터와 통찰을 공개 데이터 및 지능과 결합하면, 각자가 단독으로 만들기 어려운 가치를 얻을 수 있다. 이를 가능하게 하는 데이터·통찰 거래 방식은 아직 미완성이다. [20:24]

11. 좌석당 과금은 에이전트의 유료 데이터 이용과 충돌한다

• 투자자는 PitchBook 같은 데이터 서비스에 자신의 경험, 메모, 과거 투자 검토 자료를 결합해 의사결정을 내린다. 에이전트도 같은 자료를 활용할 수 있어야 하지만, 기존 서비스는 사람의 사용자 좌석을 기준으로 요금을 받는다. [21:49]
• 에이전트는 사람이 접근하는 데이터에 접근하지 못할 수 있다. 사람의 계정으로 브라우저를 조작하게 하는 우회 방식은 복잡하고 비효율적이며, 서비스 약관에 어긋날 가능성도 있다. [22:29]

12. 플랫폼의 에이전트 개방 전략은 접근 조건과 시장 지배력에 달려 있다

• 결국 플랫폼들이 에이전트의 접근을 허용해야 할 것이라는 전망이지만, 핵심은 어떤 조건으로 허용하고 이해관계를 맞출지다. 고객이 인간에서 에이전트로 바뀌면 기업도 제품과 전략을 다시 정해야 한다. [24:15]
• 아마존의 접근 제한이 옳았는지는 이후 전략에 달려 있다. 시장 지배력을 활용해 다른 방식으로 에이전트를 연결하거나 자체 에이전트를 성공시킬 수 있다면 유효한 선택일 수 있다. [24:55]

13. 쇼핑의 즐거움이 에이전트 위임의 범위를 제한할 수 있다

• 진행자는 Instacart로 거의 모든 것을 구매하는 자신의 경험을 근거로 쇼핑 위임의 확산을 확신한다. 반면 아그라왈은 직접 물건을 고르고 사는 일을 좋아하는 사람도 많다고 본다. [26:06]
• 사람은 대체로 지루하고 반복적인 일을 위임하려 하지만, 즐거움을 주는 활동은 직접 하려 한다. 다른 일은 에이전트에 맡겨도 쇼핑은 계속 직접 할 수 있으며, 이런 사람들의 비중과 행동 변화는 알 수 없다는 설명이다. [26:28]

14. 광고 노출 대신 에이전트의 정보 이용에 보상하는 구조를 구상한다

• 에이전트가 주문과 구매를 대신하면 사람이 앱에서 광고를 볼 기회가 줄어들어 광고 수익이 약해질 수 있다는 우려가 나온다. 에이전트가 주요 고객이 되는 경우 기존 광고 모델이 유지되기 어렵다는 문제 제기다. [27:06]
• 광고로 운영되는 콘텐츠 페이지도 에이전트만 방문하면 사람이 광고를 보지 않아 수익을 얻기 어렵다. 이를 해결하기 위해 Parallel은 에이전트가 콘텐츠를 읽고 활용할 때 소유자에게 가변적인 금액을 지급하는 ‘에이전트용 AdSense’를 구축하고 있다. [27:36]

15. 선택적 접근 허용으로 보상 문제를 풀 수 있지만 창작자 수익 우려는 남는다

• 진행자는 유료 접근 사업자가 시장의 30~40%만 담당한다면 나머지 방문은 여전히 수익을 주지 못하므로, 언론사가 모든 에이전트를 차단할 수 있다고 반론한다. 일부 사업자의 보상만으로 생태계 전체의 수익 문제를 해결할 수 있느냐는 의문이다. [28:51]
• 아그라왈은 경쟁력 있고 적절한 대가를 지급하는 사업자에게는 콘텐츠를 제공하고, 지급하지 않는 사업자만 차단할 수 있다고 본다. 기술적·법적 수단이 있다면 접근 권한을 차등화해 이해관계를 맞출 수 있다는 논리다. [29:09]

16. 에이전트의 인터넷 이용 확대는 시장 자체를 키울 수 있다

• 인터넷을 사용하는 에이전트가 1,000배로 늘고 유용한 일을 수행한다면, 기존 가치의 배분만 달라지는 것이 아니라 전체 시장이 크게 성장할 수 있다. 이러한 확대가 사업 모델 전환의 여지를 만든다 [30:12]
• 일부 콘텐츠는 매우 귀해지고 다른 콘텐츠는 범용 상품이 될 수 있다. 콘텐츠 제공자는 새로운 고객과 시장 구조, 수익화 방식에 적응해야 한다 [30:48]

17. 인프라 경쟁력은 품질·비용·응답 속도의 동시 개선에 달려 있다

• Parallel은 높은 품질을 빠르고 저렴하게 제공하면서 연산 자원 사용을 최소화하는 데 집중한다. 사람을 위해 구축된 기존 인프라와 비교하면 같은 품질을 연산 자원 20분의 1 또는 50분의 1로 구현할 수 있다는 주장이다 [31:45]
• 장기적인 이익률은 시장 구조와 경쟁에 크게 좌우되며, 현재는 그 형태를 판단하기 이르다. 콘텐츠 소유자에게 지급하는 비용 자체는 주요 우려로 보지 않는다 [32:30]

18. 콘텐츠 보상은 추가 연산을 대신하는 기여 가치로 계산한다

• 콘텐츠 제공자에게 지급하는 대가는 에이전트의 작업 성과에 더해진 가치를 보상해 이해관계를 맞추려는 것이다 [33:04]
• 특정 콘텐츠를 제외하고 1달러를 써도, 그 콘텐츠를 포함해 90센트를 쓴 결과와 품질이 같다면 콘텐츠의 추가 기여를 10센트로 해석할 수 있다. 그중 적절한 몫을 제공자에게 지급한다는 계산이다 [33:20]

19. 추론 시장의 성장과 점유율이 매출·기업가치 전망을 좌우한다

• 학습과 미디어 생성 지출을 제외하고, 지식 작업이나 개인 에이전트의 추론에 쓰이는 GPU 지출 중 5~20%가 웹·검색 도구에 배분될 것으로 추정한다 [34:52]
• 추론 시장이 연간 3배·5배·7배로 성장한다면 점유율을 유지하는 것만으로 같은 속도로 성장할 수 있고, 점유율까지 높이면 더 빠르게 성장할 수 있다는 조건부 전망이다 [35:59]

20. 성장 시나리오의 핵심 위험은 에이전트의 실효성과 실행력이다

• 에이전트가 약속한 성과를 내지 못하고 사회 전체가 과도하게 기대하거나 투자했을 가능성이 큰 외부 위험이다 [38:08]
• 에이전트가 실제 가치를 만들고 예정된 GPU 투자가 집행되더라도, 높은 점유율을 얻으려면 우수한 기술, 콘텐츠 제공자와의 제휴, 주요 추론 고객의 신뢰가 필요하다 [38:23]

21. 검색 가격은 에이전트 모델의 비용 구조에 맞춰 달라져야 한다

• 경쟁사 간 성능 차이가 줄면 가격 하락 경쟁이 벌어질 수 있다는 우려에 대해, 검색 이용을 1,000배 규모로 확대하려면 가격을 크게 낮춰야 한다는 입장이다 [39:44]
• 저렴한 모델이 개인 에이전트 업무의 60~80%를 처리하는 상황에서는 기존 검색 가격 때문에 총비용의 80~90%가 검색에, 약 10%만 모델에 쓰일 수 있다고 가정한다. 이런 구성에서는 검색 가격이 10분의 1 이하로 내려가야 한다고 본다 [40:38]

22. 광고 수익을 전제로 한 검색 원가는 에이전트 시대와 맞지 않는다

• 검색 1,000회당 10달러 같은 가격의 배경에는 검색 광고의 높은 수익성이 있다는 설명이다. 기존 사업에서는 검색 원가가 몇 달러여도 충분한 수익을 얻을 수 있어 추가 최적화 유인이 약했다는 주장이다 [42:33]
• 같은 품질을 50분의 1 비용으로 구현할 수 있다고 주장하며, 저렴한 모델에서 발생하는 대량의 검색에는 기존 수익 구조가 부적절하다고 본다. 최저 비용을 향한 기술 경쟁이 검색 사용량 확대에 필요하다는 입장이다 [43:07]

23. 공개 벤치마크의 점수보다 같은 품질을 내는 비용이 중요하다

• 공개 벤치마크는 포화와 학습 데이터 암기의 영향을 받을 수 있어 업체 간 실질적인 차이를 충분히 보여주지 못한다고 본다. 특히 브라우징 평가에서는 모델들이 문제를 암기했을 수 있다는 이유로 점수를 신뢰하지 않는다 [43:47]
• Parallel은 해당 품질의 결과 1,000개를 1달러에 제공하며, 시장의 다른 검색 서비스는 7·10·14달러 수준이어서 자사 가격이 대략 10분의 1이라고 주장한다 [44:14]

24. Monitor API는 반복 검색을 웹 변화 감지로 바꾼다

• 진행자는 Instinct로 유럽의 기업 등록 정보를 확인해, 명문 대학을 다닌 25세 미만 창업자의 신설 기업을 알림으로 받는 사례를 든다. 이에 대해 6시간마다 검색과 추론을 반복하기보다 웹의 변화를 감지하는 편이 효율적이라는 대안이 나온다 [45:01]
• Parallel의 Monitor API는 질의를 등록해 두고 웹을 계속 크롤링하다가 관련 변화가 생기면 알리는 방식이다. 먼저 적은 연산으로 관련성을 판단하고, 필요한 경우에만 더 비싼 연산을 실행한다 [46:46]

25. 지속형 에이전트는 요청보다 사건을 계기로 움직이게 된다

• Instinct 같은 서비스는 API를 호출해 웹의 변화를 에이전트의 실행 계기로 사용할 수 있다. 이메일 수신에 반응하듯 웹의 사건에도 반응하는 구조다 [48:53]
• 에이전트가 현재 수행할 가치가 있는 일을 마친 뒤에는 새 이메일, 다른 에이전트의 작업 완료, 외부 세계의 변화, 사용자의 새로운 생각 등이 다음 작업을 만든다 [49:22]

26. 훈련 중의 위험과 배포된 에이전트의 오용 위험을 구분해야 한다

• 목표 달성을 위해 다른 사람의 예약을 취소하는 가상의 에이전트 사례는 사용자의 지시를 수행하는 능력만으로는 적절한 행동이 보장되지 않는다는 문제를 제기한다 [50:45]
• 강화학습 중인 모델과 사용자가 이용하는 최종 모델은 위험 양상이 다르다는 관점이다. 당일 언급된 해킹 사례의 세부 내용은 모른다고 선을 그으며, 과거 보고된 사례 상당수는 정렬이 완료되기 전의 모델에서 발생했고 정렬 이후에는 상대적으로 적었다는 이해를 제시한다 [51:29]

27. 해킹 능력의 과시는 보호 조치 부족에 대한 책임을 가릴 수 있다

• 확률적으로 작동하는 시스템에서 사고가 절대 발생하지 않는다고 보장하기는 어렵다. 그럼에도 모델 개발사와 연구소에는 자신들이 만든 기술의 피해를 줄이기 위해 최대한 노력할 책임이 있다는 입장이다 [53:52]
• 해킹 성공을 명예로운 성과로만 취급하면 모델의 강력함과 함께 드러난 보호 조치의 부족을 놓치게 된다. 일부 사례는 추가적인 방어 조치로 막을 수 있었을 것이라는 비판이다 [54:45]

28. AI의 사회적 이익과 전환기의 어려움은 동시에 가능하다

• AI는 여러 위험에도 사회에 상당한 순이익을 줄 기술이라고 보지만, 이를 올바르게 배포하고 활용하지 못해 향후 몇 년의 전환을 어렵게 만들 수 있다고 우려한다 [55:56]
• 앞으로 10년 뒤의 세계는 크게 달라질 수 있지만, 사회가 얼마나 빨리 적응할지는 알 수 없다. 기술 발전이 적응 속도를 앞지르면 어떤 형태로든 어려움이 생길 것이라는 전망이다 [56:38]

29. 결제 기술의 준비와 에이전트에 대한 사회적 신뢰는 다르다

• 에이전트에게 구매를 맡기는 사람은 아직 매우 제한적인 집단이라는 인식이다. 다수는 에이전트에게 지출 권한이나 로그인 정보·비밀번호를 주는 데 거부감을 느끼지만, 장기적으로는 이러한 태도가 바뀔 수 있다고 본다 [57:24]
• 진행자는 3개월 뒤 Mastercard의 기능 출시로 별도 충전 계좌 같은 지출 수단을 만들 수 있다고 기대한다. 그러나 기술의 제공과 사회적 수용은 별개이며, 다수가 은행 계좌 접근·대리 지출·이메일 송수신을 신뢰하고 맡기기까지는 3개월보다 오래 걸릴 것이라는 반론이 나온다 [58:09]

30. 부의 과도한 편중과 수직 통합의 이익 집중이 남은 쟁점이다

• 일정한 부의 격차는 필요하다는 세계관을 밝히면서도, 어느 수준부터 과도한지는 모르며 현재는 그 방향으로 가고 있다는 우려를 제시한다. 이를 바로잡을 힘이 작동할 것으로 기대하지만 예상 밖의 사태가 없기를 바란다는 불확실성도 남긴다 [59:02]
• 마지막에는 Meta의 컴퓨팅·칩·애플리케이션 계층 보유를 예로 들어, 수직 통합이 더 많은 이익을 가져가는 핵심 전략인지라는 질문이 제기된다. 제공된 구간은 질문 도중 끝나므로 이에 대한 답변은 확인할 수 없다 [59:36]

31. 수직 통합을 API에서 멈추고 범용 검색 기술을 공급하는 전략

• 수직 통합에는 가치가 있지만, 기술이 급변하는 상황에서 외부 협력 없이 통합만 고집하면 스스로 기회를 제한할 수 있다. 좋은 제품을 만들고 효과적으로 시장에 전달하는 기업에는 여전히 자리가 있다는 판단이다. [1:00:04]
• 자체 기술은 연결 단계부터 API 계층까지 통합하되, 더 많은 인터넷 검색 사용자에게 도달하기 위해 API에서 멈춘다. 그 위의 제품까지 확장하면 여러 분야에 기술을 폭넓게 공급할 가능성이 제한되기 때문이다. [1:00:51]

32. 머스크에게서 인정하는 실행 속도와 커뮤니티 노트의 가치

• 머스크와는 여러 견해 차이가 있지만, 긴박감을 만들고 실행 시간을 압축하는 능력은 창업자가 배울 만한 강점으로 평가한다. 사람들은 자신의 역량을 과소평가하기 때문에 비현실적으로 보이는 기대도 대체로 도움이 될 수 있다는 관점이다. [1:01:58]
• 동기 부여와 강한 실행 압박이 함께 작동하면 사람들은 스스로 예상했던 것보다 더 많은 일을 해낼 수 있다. 머스크는 때때로 그런 역량을 끌어내며, 성공했을 때의 효과는 크다는 평가다. [1:02:45]

33. 투자 판단과 장기 기술 베팅, 영업·마케팅에 대한 인식 변화

• 개인 투자를 하지 않는 이유는 배우자가 벤처캐피털 업계에서 일해 준수해야 할 절차의 부담이 크기 때문이다. 투자한다면 창업자와 30분간 만난 판단을 토대로 하겠지만, 인맥상의 이점이 있다고 해서 자신의 투자 능력까지 우월하다고 보지는 않는다. [1:03:31]
• 비노드 코슬라에게서 얻은 교훈은 기술적 직관, 장기적인 관점, 기술적 야심이다. 한 문제를 해결한 뒤에는 다음 두세 문제를 미리 내다보고 기술적 베팅을 준비해야 한다. [1:04:15]

34. 완제품과 검색 사업의 경쟁 구분, 투자자의 직접적인 관심

• 퍼플렉시티는 수직 통합된 완제품으로서 다른 제품들과 경쟁하며 자사 사업의 직접 경쟁자는 아니라는 판단이다. 다만 이어지는 대화에서는 웹 검색 차원의 경쟁도 언급되므로, 퍼플렉시티와 경쟁 관계가 전혀 없다고 단정하기는 어렵다. [1:05:43]
• 가장 좋았던 벤처캐피털 미팅으로는 조시와 토드가 투자를 결정할 때 자신을 만나기 위해 직접 찾아온 경험을 꼽는다. [1:06:23]

35. 향후 10년의 변화와 상시 에이전트에 대한 기대

• 향후 10년에서 가장 기대하는 것은 ‘혼란’, 즉 큰 변화다. 빠르게 달라지는 세계에 유용한 것을 만드는 사람들이 그 미래에 실질적인 영향을 줄 수 있으며, 자신과 회사도 여기에 기여할 위치에 있다고 본다. [1:06:43]
• 열린 인터넷과 콘텐츠 소유자의 미래는 대응을 잘한다면 더 나아질 수 있다. 자신이 중요하게 여기는 방향으로 현실을 바꿀 가능성이 있다면, 일상이 고되고 한동안 성과가 나지 않더라도 노력할 가치가 있다는 입장이다. [1:07:15]

🧾 결론

• 제목의 ‘광고 모델의 죽음’은 확정된 결과보다 에이전트가 주요 이용자가 될 경우의 구조적 압박으로 읽어야 한다. 인간의 직접 이용과 쇼핑 선호가 전환 속도를 좌우한다.
• Parallel의 전략은 에이전트용 검색의 비용을 낮추면서 콘텐츠 제공자에게 보상하고, API 계층에서 다양한 제품에 기술을 공급하는 것이다.
• 새로운 보상 방식이 생겨도 창작자의 수익 개선이 보장되지는 않는다. 시장 확대의 이익을 누가 얼마나 가져가는지는 별도의 문제다.
• 머스크에게서 얻는 교훈은 실행 시간을 압축하는 능력에 대한 제한적인 평가다. 이를 그의 경영 방식 전체에 대한 동의로 확대해서는 안 된다.

📈 투자·시사 포인트

• 검색 인프라는 호출당 가격보다 동일한 작업 품질을 달성하는 검색·모델 합산 비용과 응답 시간으로 비교필요가 있다. 모델 가격 하락은 검색 가격에도 인하 압력을 줄 수 있다.
• 독자적인 데이터와 콘텐츠는 추론 시점의 거래 대상이 될 가능성이 있다. 투자 관점에서는 데이터의 희소성뿐 아니라 합법적인 접근권, 가격 결정 방식, 실제 고객 수요를 함께 살펴야 한다.
• 광고·좌석 과금에 의존하는 플랫폼은 에이전트 접근을 어떤 조건으로 허용할지가 중요해진다. 접근 제한의 성패는 자체 에이전트와 외부 제휴 전략, 실제 거래 이동에 달려 있다.
• 웹·검색 도구에 추론 GPU 지출의 5~20%가 배분될 것이라는 수치와 시장·매출 전망은 가정이다. 시장 성장률, 점유율, 가격 인하, 콘텐츠 지급 비용을 분리해 검토해야 한다.
• 기술 우위가 매출로 이어지려면 콘텐츠 제휴, 주요 추론 고객의 신뢰, 영업·마케팅 역량이 필요하다. 에이전트의 실제 성과가 기대에 못 미치는 위험도 성장 시나리오에 포함해야 한다.

⚠️ 불확실하거나 확인이 필요한 부분

• 에이전트의 인터넷 이용 1,000배 확대, 검색 효율의 대폭 개선 필요성, 향후 가격 인하는 관측된 확정치가 아니라 창업 가정·추정·전망이다.
• 같은 품질을 훨씬 적은 연산으로 제공한다는 설명과 결과 1,000개당 1달러라는 가격 비교는 Parallel 측 주장이다. 품질 기준, 작업 구성, 비교 서비스의 조건을 확인해야 한다.
• 콘텐츠 보상의 실제 지급 규모와 분배, 참여 제공자의 범위, 창작자 수익에 미치는 효과는 제시된 자료만으로 판단하기 어렵다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 실제 업무 질의를 골라 검색비와 모델비, 응답 시간, 결과 품질을 함께 측정하고 빠른 검색과 고급 검색의 적용 범위를 비교한다.
• 이용 중인 유료 데이터 서비스의 에이전트 접근 허용 여부, API 제공 범위, 과금 단위와 약관을 확인한다.
• 콘텐츠 보상 구조를 검토할 때 가치 산정 방식, 지급 조건, 접근 차단 기준과 제공자별 수익 분배를 확인한다.
• 기업·시장 변화 알림처럼 반복 검색하는 업무에서 변화 감지 방식의 비용 절감과 오탐·누락을 비교한다.

❓ 열린 질문

• 에이전트의 콘텐츠 이용료가 줄어드는 광고 수익을 충분히 보완하면서 창작자의 지속 가능한 생산을 지원할 수 있을까?
• 특정 콘텐츠가 작업 성과에 기여한 가치를 어떻게 일관되게 측정하고 제공자와 합의할 수 있을까?
• 검색 가격 하락보다 사용량이 더 빠르게 늘어날까, 그리고 그 과정에서 검색 업체가 유지할 수 있는 이익률은 어느 정도일까?