에이전트는 이제 컴퓨터를 쓸 수 있나 — 그렇다면, 누구의 컴퓨터를?
OSWorld 가 1년 만에 42% 에서 85% 로 뛰었고 **구매자는 모델 비교를 그만뒀습니다.** 대신 사는 것은 **검증·에스컬레이션·오류 처리**이고 — 같은 질문의 반대쪽 끝에서는, **스크립트 한 줄**이 그 전부 없이 **특정 페이지 하나**를 자연어로 조작하게 합니다.
이 페이지는 카드에 적힌 내용을 펼쳐 보여줄 뿐입니다 — 돌아가는 코드도, 열어볼 데모도 아직 없습니다. 무엇을 왜 만들려는지가 아래에 있습니다.
**시장 절반은 정독 노트** — 데모 없음, 지갑 불필요. **구축 절반은 스크립트 한 줄**: github.com/alibaba/page-agent, `<script>` 하나 또는 npm 설치, **이미 갖고 있는 페이지**에 붙여 보고 **DOM 만으로 부족해지는 지점이 어디인지** 적습니다. 출처: https://www.a16z.news/p/can-agents-use-a-computer-yet-weve
기술 노트
각 항목이 실제로 무엇을 보여주고 어떻게 동작하는지 — 위 카드보다 자세한 기술 설명입니다.
목적: **컴퓨터 사용 에이전트가 데모가 아니라 프로덕션에서 실제로 어디까지 와 있는지 추적합니다.** a16z 글은 **실제 운영자 인터뷰** 위에 세워져 있습니다 — 월 1,500~2,100만 건의 포털 상호작용을 처리하는 CPG 데이터 플랫폼, **27개 라이브 워크플로**를 돌리는 시스템 통합사 — 벤치마크 숫자만이 아니라. **"에이전트가 브라우저/UI를 조작한다"는 아이디어가 지금 만들 만한지, 아직 리서치 토이인지 판단할 때 쓸 체크포인트입니다.** **헤드라인 숫자는 진짜이고, 논지는 그것이 더 이상 중요하지 않게 됐다는 것입니다.** 실제 데스크톱 벤치마크 OSWorld-Verified 가 **1년 전 42% 에서 오늘 85%** 로, 인간 기준선 약 **72%** 를 넘었습니다. 그런데 모델이 *충분히 좋은* 문턱을 넘자 구매자들은 모델 비교를 멈추고 **인프라를 사기 시작했습니다** — 검증, 에스컬레이션, 오류 처리. **모델은 더 이상 제품이 아닙니다.** **그리고 같은 질문의 반대쪽 끝에, 훨씬 작고 훨씬 싼 답이 있습니다.** 이 카탈로그가 별 이유 없이 따로 두고 있던 것입니다. Alibaba `page-agent` 는 **페이지 안에 심는 GUI 에이전트**입니다 — 스크립트 한 줄 또는 npm 설치로 **자연어가 그 페이지의 UI를 조작**합니다. **스크린샷도, 브라우저 확장도, 헤드리스 브라우저도 없이** — **텍스트 기반 DOM** 을 읽고, 원하는 LLM 을 붙이고(BYO), **MCP 서버 베타**가 있으며, browser-use 기반입니다. **일반 역량 질문과 구체적 임베딩 결정은 두 축척의 같은 질문**이고, 둘을 함께 두는 것이 어느 쪽이든 쓸모 있게 만듭니다 — a16z 는 **병목이 이제 운영**이라고 말하고, `page-agent` 는 **에이전트가 내가 통제하는 페이지 하나만 건드리기 때문에 그 운영의 거의 전부가 사라지는** 사례입니다. **가장 중요한 실패 유형은 어느 쪽도 광고하지 않는 것입니다.** UI 클릭 실패가 아니라 — **실행 시점에 검증할 신호가 없는 조용한 실패**입니다. 화면상 "접수 완료"된 보험 청구가 **이틀 뒤 아무도 기록하지 않은 전화 한 통** 때문에 멈추는 것. **정확도가 아니라 검증에 구매자가 돈을 내는 이유**이고, `the-harness-not-the-model` 과 같은 모양입니다 — **흥미로운 엔지니어링은 모델 안이 아니라 모델 둘레에 있습니다.**
동작 방식: ### 벤치마크는 어디로 갔고, 왜 중요하지 않게 됐나 | | 1년 전 | 오늘 | |---|---|---| | **OSWorld-Verified** | 42% | **85%** | | 인간 기준선 | 약 72% | 약 72% | | 구매자가 비교한 것 | **모델** | **인프라** | 모델이 문턱을 넘자, 구매 대상이 **검증·에스컬레이션·오류 처리**가 됐습니다. 흔한 패턴 하나: **에이전트가 워크플로를 한 번 실행한 뒤 결정론적 코드로 캐싱해 두고, 뭔가 깨질 때만 다시 호출**됩니다 — 비용이 평평하게 유지되는 게 아니라 **워크플로 수명 동안 떨어집니다.** ### 만들지 말지를 정하는 비용 비교 | 선택지 | 단가 | 에이전트 추론 대비 | |---|---|---| | **에이전트 추론** | **시간당 약 $6-8**($3-15 범위) | — | | 역외 BPO | 약 $10/hr | **오늘 기준 거의 손익분기** | | 완전 부담 미국 인건비 | $30-45/hr | **70-80% 마진** | ### 같은 역량의 두 축척 | | **범용 컴퓨터 사용** | **인페이지 에이전트**(`page-agent`) | |---|---|---| | 표면 | 아무 애플리케이션 | **내가 소유한 페이지 하나** | | 입력 | 스크린샷, 접근성 트리 | **텍스트 기반 DOM** | | 필요한 것 | 확장 또는 헤드리스 브라우저 | **스크립트 한 줄** | | 운영 부담 | **검증·에스컬레이션·오류 처리** | **거의 없음 — 표면이 내 것** | | 실패하는 지점 | **하류의 조용한 실패** | DOM 이 표현하지 못하는 것 | | 모델 | 벤더가 주는 것 | **BYO, 아무 LLM. MCP 서버 베타** | **둘을 읽는 올바른 방법**: 범용 사례는 **운영 계층이 곧 제품**인 자리이고, 임베디드 사례는 **그 대부분을 건너뛸 수 있는** 자리입니다 — **표면을 내가 통제하므로, 실패가 이틀 뒤 남의 전화가 아니라 내 애플리케이션 안에서 보이기** 때문입니다. **랜딩/SaaS 코파일럿, 스마트 폼 채우기**가 자연스러운 첫 용도입니다. ### 설계로 막아야 할 실패 유형 **실패하는 클릭이 아니라, 성공한 것처럼 보이는 클릭.** 실행 시점에 **검증 가능한 신호가 없어서**, 워크플로는 완료를 보고하고 **실제 상태는 조용히 갈라집니다.** 검증은 나중에 덧붙이는 기능이 아니라 **인프라 계층이 존재하는 이유 그 자체**이고, 그래서 어떤 브라우저 에이전트 아이디어든 **정직한 첫 질문은 *모델이 할 수 있나* 가 아니라 *잘못됐다는 걸 내가 어떻게 알지* 입니다.** ### 같은 질문의 작성 쪽 끝 이 카드는 에이전트가 컴퓨터를 몰 수 있는지를 묻고, 몰 수 있게 된 뒤에 사는 것은 **운영**이라고 결론짓습니다. `demonstration-is-not-a-specification` 은 같은 결론에 **반대쪽 끝 — 작업을 어떻게 *진술*하는가 — 에서** 도달합니다. 2026년 스타트업과 대형 벤더가 몇 주 간격으로 내놓은 화면 녹화 인터페이스가 그 경로입니다. 짧게: **녹화는 작업을 작성하는 비용을 낮추고, 그것을 신뢰성 있게 돌리는 비용은 있던 자리에 그대로 둡니다.**