📰 핵심 요약

Hark는 올해 5월 시리즈 A에서 7억 달러를 유치한 스타트업으로, 오늘 브라우저 조작 에이전트 ‘Hark Handoff’를 출시했다. 이 에이전트는 브라우저를 효율적으로 활용해 다양한 작업을 완수하는 것을 강점으로 내세운다. 회사 측에 따르면 Handoff는 공식 API가 없는 웹사이트, 즉 Target, Walmart, OpenTable, LinkedIn 등에서도 원활하게 작동한다. 방식은 에이전트가 웹사이트 구조와 화면의 시각 정보를 동시에 분석해 어느 버튼을 클릭하고 어디에 텍스트를 입력해야 할지 판단하는 것이다. 이러한 개념은 앞서 출시된 다수의 브라우저 에이전트와 유사하다. 사용자가 지시를 내리면 에이전트가 대신 음식을 주문하고, 커피를 주문하고, 티켓을 예매하고, 반품을 처리하고, 생필품을 구매하고, 레스토랑 좌석을 예약하거나, 여러 곳에서 자료를 수집해 리서치를 대행할 수 있다. 시연 영상에서 CEO 브렛 애드콕은 사용자가 지정한 꽃으로 부케를 만들어 달라고 에이전트에 지시하는 모습을 보여줬으며, 에이전트는 “꽃집에서 일부 꽃을 알아서 골라달라"는 식의 모호한 표현도 이해할 수 있었다. 다만 영상에는 작업 과정의 일부만 담겨 있어 실제 성능을 온전히 평가하기는 어렵다. 회사 측은 이번 발표에 사용된 모델이 사후 학습(post-trained) 모델이며, 연말까지 사전 학습(pre-training)을 추가로 진행해 데이터 파이프라인, 학습 인프라, 관련 기술을 더 빠르게 고도화할 계획이라고 밝혔다. Hark는 또한 다음 토큰을 예측하는 전통적인 LLM과 달리, 자사 모델은 화면의 특정 위치를 클릭하거나 키보드 입력을 하는 등 “다음 행동"을 직접 예측한다고 주장했다. 현재 컴퓨터 조작 에이전트 분야에는 Google, OpenAI, Anthropic을 비롯해 Browser Use, Polar, Strawberry, Aside 같은 스타트업들도 뛰어들어 있다. Hark는 Handoff의 속도가 경쟁 제품보다 빠르고, 비용도 GPT 5.5, Opus 4.8 같은 모델보다 훨씬 저렴하다고 밝혔다. 현재 대기자 명단을 받고 있으며, 올여름 안에 정식 출시할 예정이다.

💬 JudyAI Lab 관점

우리는 흔히 AI 실용화를 논할 때 공식 API가 있어야만 자동화가 가능하다고 전제하곤 하는데, Hark는 이번에 정반대의 접근을 취했다. 에이전트가 웹페이지 구조와 화면의 시각 정보를 동시에 읽어내도록 함으로써, Target, Walmart, OpenTable처럼 API를 공개하지 않은 사이트에서도 바로 조작이 가능해졌다. 즉 “API가 있는가"라는 문턱 자체를 우회한 셈이다.

이는 점차 뚜렷해지고 있는 산업 분업 구조를 보여준다. 언어 모델은 이해와 의사결정을 맡고, 조작 계층은 DOM과 화면을 동시에 파악할 수 있는 전용 에이전트가 맡아 각자 별도로 학습되고 최적화된다. Hark는 자사 모델이 단순히 토큰을 이어가는 것이 아니라 “다음 행동"을 직접 예측한다고 강조하는데, 이처럼 조작 작업에 맞춰 모델 목표 자체를 재설계하는 방식은 범용 LLM을 그대로 적용하는 경우보다 브라우저 에이전트의 실행력을 더 안정적으로 만들고, 비용도 더 낮출 수 있는 가능성을 보여준다. 사후 학습과 사전 학습을 단계적으로 투입하는 구체적인 사례이기도 하다.

시연 영상만 볼 것이 아니라, 이런 에이전트가 실제 웹사이트에서 보이는 오류 허용률과 재현성을 계속 지켜볼 필요가 있다.

📅 원문 정보

🔗 추천 글