인터뷰
Apify 공동 창립자 겸 CEO Jan Čurn – 인터뷰 시리즈

핵심 포인트에이전트는 처음부터 구축하는 비용이 구매하는 비용보다 클 때 기존 도구를 임대할 것이다.
더 보기
- 에이전트는 처음부터 구축하는 비용이 구매하는 비용보다 클 때 기존 도구를 임대할 것이다.
- 조용한 실패는 에이전트가 문제를 인지하지 못한 채 빈 페이지를 자신 있게 요약하게 한다.
- Apify는 지난달 몇백 명의 크리에이터에게 총 약 2백만 달러의 순수익을 지급했다.
Jan Čurn은 Apify의 공동 창립자 겸 CEO로, 2015년 Y Combinator Fellowship을 통해 Jakub Balada와 함께 회사를 시작했습니다. 프라하의 아파트 매물을 수집해야 했던 실질적인 필요가 웹사이트를 API로 바꾸는 도구라는 초기 제품의 개발에 영감을 주었습니다. 이후 그는 웹 크롤링 인프라에서 웹 데이터와 브라우저 자동화 플랫폼, 그리고 AI 에이전트가 점점 더 많이 사용하는 도구 마켓플레이스로 발전하는 과정을 이끌어 왔습니다.
Apify는 웹 스크래핑과 브라우저 자동화를 지원하고, 바로 실행할 수 있는 Actors라는 도구를 제공하는 플랫폼입니다. 개발자는 마켓플레이스에 Actors를 게시해 수익을 창출할 수 있으며, 기업과 AI 개발자는 이를 활용해 구조화된 웹 데이터를 가져오고 작업을 자동화합니다. 이번 인터뷰에서 Čurn은 에이전트가 전문 도구를 어떻게 찾아 활용하는지, 최신 데이터가 중요한 이유는 무엇인지, 그리고 에이전트가 웹에서 대규모로 작업하는 데 필요한 신뢰성, 권한, 경제성에 관해 이야기합니다.
2015년 Y Combinator Fellowship을 통해 Jakub Balada와 함께 Apify를 공동 창립하셨습니다. 처음에는 개발자가 유연하고 확장 가능한 웹 크롤러를 더 쉽게 만들 수 있도록 하는 데 주력했는데요. 어떤 계기로 이 아이디어를 떠올리셨으며, 지난 10년간 처음의 비전은 어떻게 발전해 왔나요?
Apify의 아이디어는 Jakub과 제가 직접 겪은 문제에서 나왔습니다. 프라하의 신축 아파트 매물 목록이 필요한 고객 프로젝트를 진행하고 있었는데, 기존 도구들은 동적 JavaScript와 불규칙한 웹사이트 구조를 처리하는 데 어려움을 겪었습니다. 그래서 어떤 웹사이트든 API로 바꿔 주는 자체 도구를 만들었습니다.
시간이 흐르면서 Apify는 크롤링을 넘어 웹 스크래핑, 브라우저 자동화, 웹 데이터를 아우르는 플랫폼으로 성장했습니다. 이어 개발자가 Actors라는 도구를 게시하고 다른 사람이 이를 사용하면 대가를 받을 수 있는 마켓플레이스를 열었습니다. 이제 Actors를 사용하는 사람 가운데 AI 에이전트의 비중이 점점 커지고 있습니다.
Apify는 AI 에이전트가 주요 산업 분야로 주목받기 훨씬 전부터 웹 크롤링 플랫폼으로 시작했습니다. 구축하신 인프라가 웹에 접근하고 웹과 상호작용해야 하는 AI 에이전트에 특히 유용할 수 있겠다고 깨달으신 시점은 언제였나요?
처음으로 ‘아하’ 하는 순간은 ChatGPT가 출시된 직후인 2023년 초에 찾아왔습니다. 새 모델을 학습시키는 대신 최신 웹 데이터를 프롬프트에 바로 넣을 수 있게 된 것입니다. Apify는 초기 RAG 파이프라인에 사용할 크롤러를 제공하고 LangChain이나 LlamaIndex 같은 새로운 라이브러리와 연동한 최초의 스크래핑 플랫폼 가운데 하나였습니다.
그다음에는 AI 에이전트의 물결이 찾아왔습니다. 에이전트에게 전자상거래 사이트 20곳에서 한 제품의 가격을 비교해 달라고 요청한다고 해보죠. 데이터는 어디서 가져올까요? 바로 그 문제가 우리가 수년간 개발자를 위해 해결해 온 과제였습니다. 그래서 Anthropic이 2024년 말 Model Context Protocol (MCP)을 공개하자마자 도입했습니다. 이미 입력과 출력이 명확한 도구를 수천 개 보유하고 있었는데, 이는 에이전트에게 꼭 필요한 요소입니다.
실질적인 전환점은 모델이 에이전트가 의미 있는 작업을 수행할 만큼 충분히 발전한 2025년 말에 찾아왔습니다. 에이전트에는 적절한 도구와 신뢰할 수 있는 데이터가 필요합니다. 그 이후 Apify 사용량은 급증해 총 ARR 1억 달러에 빠르게 다가가고 있습니다.
Apify는 웹 데이터, 스크래핑, 자동화, AI 분야를 아우르는 9만 개 이상의 도구를 갖춘 플랫폼으로 성장했습니다. 대규모 언어 모델의 기능에만 의존하기보다 전문 도구를 점점 더 필요로 하는 에이전트에게 이 생태계가 어떤 역할을 한다고 보시나요?
물론 모델은 점점 더 복잡한 소프트웨어를 처음부터 만들어 낼 수 있겠지만, 어느 수준을 넘어서면 에이전트가 직접 구축하기보다 기존 도구를 구매하는 편이 더 효율적입니다. 모델이 발전할수록 그 기준점은 높아지겠지만, 그런 경우는 언제나 남을 것이며, 특히 비공개 데이터와 구하기 어려운 맥락을 바탕으로 한 사전 제작 도구라면 판매할 여지가 있습니다.
소프트웨어 작성 비용이 내려가고 소프트웨어 시스템과 도구의 수가 늘어나면서, 주된 제약은 필요한 작업을 완료하는 데 도움이 될 신뢰할 수 있고 가치 있는 도구를 어디서 찾을지, 즉 도구를 발견하는 일이 되고 있습니다. 제대로 만들기 위해 500달러를 지불하는 대신 기존 서비스를 빌리는 데 5달러를 내면 됩니다.
Apify 개발자 커뮤니티에서 보시기에, 오늘날 AI 에이전트를 활용해 구축되고 있는 흥미로운 실제 적용 사례에는 어떤 것들이 있나요? 또 어떤 활용 사례가 실제 운영 환경에 도입되고 있나요?
가장 흥미로운 사례 중에는 유난히 구체적인 것들이 있습니다. AI가 YouTube와 eBay, 일본 상점을 살펴 어떤 포켓몬 카드를 살 만한지 판단하도록 한 사례가 있었습니다. 한 보험사는 Apify를 이용해 이탈리아 부고 사이트 55곳을 확인하고 보험 가입자의 사망 여부를 검증했습니다. 한편 Canary는 수사관이 아동 인신매매 피해자를 찾도록 돕는 도구 Spotlight에 Apify를 사용합니다.
이러한 활용 사례의 공통점은 온갖 일을 조금씩 하도록 설계된 에이전트가 아니라, 구체적인 문제를 해결하고 그에 맞는 데이터에 접근한다는 점입니다.
AI 에이전트가 직면한 가장 큰 과제 중 하나는 정적인 학습 데이터에 전적으로 의존하지 않고 웹사이트에서 최신의 구조화된 정보를 가져오는 일입니다. 에이전트가 점점 더 복잡한 작업을 맡게 되면서 실시간 웹 접근은 얼마나 중요해질까요?
LLM은 학습에 사용된 데이터를 손실 압축한 결과물입니다. 매우 영리한 추측을 할 수는 있지만, 어디까지나 추측일 뿐입니다. 에이전트가 현실 세계에서 결정을 내리거나 작업을 완료해야 한다면 학습 데이터에만 의존할 수 없습니다. 가격은 변하고, 제품은 사라지며, 경쟁사는 새로운 제품을 내놓고, 웹사이트는 끊임없이 업데이트됩니다.
모델이 추론을 담당하지만, 많은 에이전트에게는 최신 웹 정보를 안정적으로 가져와 대규모로 활용할 수 있는 구조화된 데이터로 변환하는 방법이 필요합니다.
웹 환경은 예측하기 어려울 수 있습니다. 인터페이스가 바뀌고, 콘텐츠가 동적으로 변하며, 인증이 필요하고, 자동화 방지 시스템도 작동합니다. 개발자가 개방형 웹 전반에서 안정적으로 작동하는 에이전트를 구축하려 할 때 직면하는 가장 큰 기술적 과제는 무엇인가요?
최신 웹사이트는 동적으로 생성되는 JavaScript, 차단 안내 페이지 또는 불완전한 콘텐츠를 반환할 수 있으며, 봇 방지 시스템은 IP 평판부터 브라우저 지문까지 다양한 요소를 살펴봅니다. 실패가 감지되지 않는 경우가 많아 에이전트가 빈 페이지를 알아차리지 못한 채 자신 있게 요약할 수도 있습니다.
한 번 작동하는 것을 만드는 일은 비교적 쉽습니다. 바뀌는 웹사이트 전반에서 대규모 운영 환경에서도 계속 작동하도록 만드는 일은 훨씬 어렵습니다.
에이전트가 정보를 가져오는 데 그치지 않고 온라인에서 실제 행동도 할 수 있게 되면서, 기업이 더 자율적인 업무 흐름을 맡길 만큼 에이전트를 신뢰하려면 안정성, 권한, 검증, 사람의 감독 같은 분야에서 무엇이 개선되어야 할까요?
에이전트가 정보를 읽는 데 그치지 않고 직접 행동할 수 있게 되면 권한 관리가 훨씬 중요해집니다. 에이전트가 사용자의 인증 정보를 절대 볼 수 없어야 하며, 모든 비밀 정보는 보안 샌드박스 밖에 두고 모델에 노출되지 않도록 해야 합니다. 저희는 Apify 플랫폼의 Actors와 오픈소스 CLI 기반 MCP 클라이언트인 mcpc에서 프록시 샌드박싱 문제를 해결하기 위해 노력해 왔습니다.
개발자들은 브라우저 자동화부터 전문 API, 새롭게 등장하는 에이전트 프로토콜까지 다양한 방식을 실험하고 있습니다. AI 에이전트의 아키텍처는 어떻게 발전할 것으로 보시나요? 모델, 도구, 데이터 소스, 브라우저는 어떤 관계를 맺는 것이 이상적일까요?
ChatGPT와 Claude 같은 주요 에이전트 플랫폼이 사람들이 컴퓨터를 제어하는 주요 인터페이스, 즉 새로운 운영체제가 되어 가고 있다고 생각합니다. 휴대폰에서 앱이 작동하듯 도구가 이 플랫폼에 연결되는 것이죠. 다른 곳에서 실행되는 도구의 경우 MCP가 표준 상호작용 프로토콜로 자리 잡았습니다.
에이전트가 식당 평점이나 연락처 같은 정보를 필요로 하면 브라우저에서 Google Maps를 열고 사람처럼 화면을 클릭해 찾아볼 수 있습니다. 하지만 이 방법은 정확도가 떨어지고 비용도 많이 듭니다. 반대로 구조화된 지도 데이터를 반환하는 도구를 찾아 호출하면 더 빠르고 안정적입니다. 주 에이전트는 식당 예약이나 항공편 검색 같은 작업을 더 저렴한 모델로 실행되는 전문 하위 에이전트에 맡기기도 합니다.
Apify는 개발자를 위한 인프라를 수년간 구축해 왔으며, 동시에 타사 개발자가 직접 도구를 등록할 수 있는 마켓플레이스도 만들어 왔습니다. 에이전트형 AI가 에이전트가 자율적으로 찾아 사용하게 될 전문 도구와 서비스 중심의 훨씬 큰 경제 생태계를 만들어 낼 수 있을까요?
그렇습니다. 저희 마켓플레이스는 이미 그 생태계의 작은 축소판입니다. 개발자는 Actors를 등록하고, 사람들은 이를 사용하며, 개발자는 수익을 얻습니다. 그러면 더 많은 개발자와 도구가 유입됩니다. 구매자 쪽에 사람이 있는 이 선순환은 수년째 이어지고 있습니다.
AI 에이전트가 더 많은 책임을 맡게 되면 일부 작업을 완료하는 데 돈이 필요할 것입니다. 에이전트에게 작업과 소액의 지갑을 맡기고, 필요한 도구를 사용하는 과정에서 x402나 MPP 같은 에이전트형 결제 프로토콜을 이용해 비용을 지불하게 하는 상황을 생각해 볼 수 있습니다. 아직 거래 규모는 작지만, 결국 대부분의 경제 활동은 사람의 감독이 점점 줄어드는 가운데 에이전트끼리 자율적으로 이루어질 것이라고 생각합니다.
Apify가 창립 10년을 넘어 두 번째 10년을 맞고 AI 에이전트가 소프트웨어 생태계에서 훨씬 큰 비중을 차지하게 되는 지금, 앞으로 몇 년 동안 회사는 어떻게 발전할 것으로 보시나요? 현재의 에이전트 생태계에는 무엇이 부족하다고 생각하시나요?
이제 Claude나 ChatGPT 같은 에이전트에 Apify를 연결하는 사람이 더 많아졌습니다. 이 도구를 활용하면 웹에서 더 복잡한 작업을 더 빠르게 처리할 수 있다는 점을 알아가고 있기 때문입니다. Apify 플랫폼과 Actors는 에이전트가 편리하게 사용할 수 있는 경험을 제공하도록 최적화되고 있으며, 이에 따라 사용량과 지출도 늘고 있습니다.
마켓플레이스의 다른 쪽에서는 점점 더 많은 소프트웨어 제작자가 Actors를 통해 꾸준한 수입을 올리고 있습니다. 커뮤니티에서 만든 Actors 가운데 300개가 넘는 항목이 월 1,000달러 이상의 수익을 냅니다. 불과 지난달에는 제작자 수백 명에게 순수익으로 총 약 200만 달러를 지급했습니다.
Apify 마켓플레이스의 성장은 가속화되고 있으며, Apify를 세계에서 가장 크고 신뢰받는 AI 도구 마켓플레이스로 만들겠다는 저희의 포부도 커지고 있습니다. 이를 통해 사람들과 앞으로 등장할 수십억 명의 에이전트가 웹에서 작업을 수행할 수 있도록 지원하고자 합니다.
좋은 인터뷰 감사합니다. 웹 데이터, 브라우저 자동화, AI 에이전트용 도구에 대해 더 알아보고 싶은 독자라면 Apify를 방문해 보세요.












