파라그 아그라왈의 주장은 간단하다. 지금의 웹은 사람의 관심과 클릭을 전제로 만들어졌지만, 앞으로 웹을 가장 자주 이용하는 주체는 AI 에이전트가 될 수 있다는 것이다. 에이전트가 여러 페이지를 읽고 검색한 뒤 핵심 정보만 추려 사용자에게 답을 전달하면, 원문 게시자는 페이지 조회수나 광고 노출, 의미 있는 클릭을 얻지 못할 수 있다. 이 경우 콘텐츠 생태계를 지탱해 온 경제적 신호 자체가 약해진다. 1444

아그라왈이 설립한 Parallel Web Systems는 소프트웨어 에이전트를 웹의 ‘두 번째 사용자’로 보고, 에이전트 전용 검색·정보 검색·출처 추적·연구·결제 인프라를 구축하고 있다. 사람을 위한 웹사이트를 없애자는 구상이라기보다, 기존 웹 위에 에이전트가 정보를 활용하고 그 가치를 측정할 수 있는 새로운 계층을 추가하자는 제안에 가깝다. 4047

왜 클릭만으로는 부족해지나

사람이 검색하는 경우에는 비교적 눈에 보이는 가치 흐름이 있다. 사용자가 검색어를 입력하고, 결과를 클릭해 페이지를 읽고, 광고를 보거나 특정 매체를 기억한다. 클릭은 방문을 통한 수익을 만들 뿐 아니라 검색 시스템이 어떤 결과가 유용한지 판단하는 신호로도 활용된다.

하지만 AI 에이전트의 행동은 다르다. 에이전트는 수많은 출처를 동시에 검색하고, 필요한 문장만 추출한 뒤 서로 비교해 하나의 답변으로 합칠 수 있다. 사용자는 원문 페이지를 직접 방문하지 않을 수도 있다. 이때 클릭 수는 특정 출처가 중요한 사실을 제공했는지, 결론을 뒷받침했는지, 더 큰 작업을 완성하는 데 기여했는지를 제대로 보여주지 못한다.

아그라왈은 따라서 웹이 ‘사람이 링크를 클릭했는가’가 아니라 ‘정보가 에이전트의 작업을 얼마나 유용하게 도왔는가’를 측정해야 한다고 본다. Parallel은 AI 에이전트가 사람보다 웹을 “1,000배 더 많이” 사용할 수 있다는 전제에서 출발했으며, 이 전망이 현실화하면 에이전트의 활동량과 인간 중심의 웹 경제 사이의 불일치가 커질 수 있다고 주장한다. 14

‘평행 웹’은 무엇을 바꾸려 하나

Parallel이 말하는 평행 웹은 AI 에이전트에 맞춘 웹 인프라 계층이다. 회사의 API는 웹 검색, 콘텐츠 추출, 심층 조사, 엔터티 검색, 대화, 모니터링 등을 지원하도록 설계됐다. Parallel의 문서에 따르면 이 도구들은 에이전트와 개발자가 연구와 정보 추출 같은 기계 기반 작업에 웹 정보를 활용할 수 있도록 한다. 25

핵심 변화는 무엇을 최적화할 것인가에 있다. 전통적인 웹 시스템은 관심도, 링크, 클릭을 관련성의 실용적 대리 지표로 사용해 왔다. 에이전트 중심 시스템은 대신 다음과 같은 질문을 던질 수 있다.

• 특정 출처가 정확한 답을 찾는 데 도움이 됐는가?
• 에이전트가 조사 과제를 완수하도록 기여했는가?
• 사람이나 사실의 식별 문제를 해결했는가?
• 의사결정이나 업무 흐름을 뒷받침했는가?
• 최종 답변의 품질을 높였는가?

이렇게 되면 출처의 가치는 전체적인 인기 점수가 아니라 특정 작업에 대한 기여도로 평가된다. Parallel은 검색 순위와 색인 구축에서 인간의 클릭 데이터를 주로 의존하는 대신, 에이전트가 직접 제공하는 피드백을 활용할 수 있다고 설명한다. 4445

다만 이는 아직 웹 전체가 채택한 표준이 아니라 Parallel의 사업 구상이다. 실제로 작동하려면 콘텐츠 소유자, 에이전트 개발사, 검색 사업자, 인프라 기업이 폭넓게 참여해야 한다.

Shapley 값으로 콘텐츠 기여도에 보상하기

Parallel이 제안하는 보상 방식은 ‘Shapley 값’에 기반한다. 쉽게 말해 여러 참여자가 함께 결과를 만들어 냈을 때, 각 참여자가 결과에 추가한 가치를 추정하는 방법이다.

웹 콘텐츠에 적용하면 질문은 이렇게 바뀐다. 여러 출처가 함께 사용된 상황에서 특정 출처가 에이전트의 성공적인 답변에 얼마나 추가적인 기여를 했는가? 다른 출처에는 없는 고유한 사실을 제공했거나 최종 답변을 크게 바꾼 출처라면, 이미 다른 곳에 있는 정보를 반복한 출처보다 더 많은 보상을 받을 수 있다. 1629

이 방식의 목적은 단순한 방문자 수나 일괄 라이선스 비용에서 벗어나 콘텐츠의 ‘한계 기여도’를 기준으로 보상하는 것이다. 물론 해결해야 할 문제도 많다. 작업의 성공을 어떻게 정의할지, 기여도를 어떤 기준으로 일관되게 계산할지, 보상 체계를 조작하려는 시도를 어떻게 막을지가 대표적이다. 현재 공개된 자료는 이를 광고를 대체한 검증된 시스템이 아니라 제안된 모델로 설명한다.

Parallel의 Index는 어떤 역할을 하나

Index는 이 구상에서 콘텐츠 소유자를 위한 창구다. Parallel은 퍼블리셔, 데이터 제공업체, 독립 창작자가 AI 에이전트가 자신의 콘텐츠를 어떻게 사용하는지 확인할 수 있도록 Index를 설계했다. 어떤 검색어에 답하는 데 활용됐는지, 얼마나 자주 참조됐는지, 에이전트 작업에서 얼마나 고유한 기여를 했는지 등을 보여준다는 설명이다. 보상은 출처의 Shapley 값을 추정해 산정한다. 29

제품 출시 당시 파트너로는 《디 애틀랜틱》, 《포천》, PR 뉴스와이어를 비롯해 PitchBook, Enigma, RocketReach, ZoomInfo 같은 기업·데이터 정보 제공업체와 독립 창작자들이 거론됐다. 6

Index가 겨냥하는 문제는 두 가지다. 하나는 가시성이고, 다른 하나는 보상이다. 콘텐츠 소유자는 AI 시스템이 자신의 작업에 얼마나 의존하는지 파악할 수 있고, Parallel은 사람이 원문으로 이동하지 않더라도 실제 답변에 유용한 콘텐츠에 보상할 수 있는 통로를 만들려 한다.

투자와 사업적 위치

Parallel은 2024년 1월 3,000만 달러 규모의 시드 투자를 유치한 것으로 알려졌다. 이후 2025년 11월에는 클라이너 퍼킨스와 인덱스 벤처스가 공동 주도한 1억 달러 규모의 시리즈 A를 유치했으며, 당시 기업가치는 7억4,000만 달러로 평가됐다. 1133

2026년 4월에는 세쿼이아 캐피털이 주도한 1억 달러 규모의 시리즈 B 투자를 받았고, 기업가치는 20억 달러로 평가됐다고 회사와 관련 보도가 전했다. 기존 투자자인 클라이너 퍼킨스, 인덱스 벤처스, 코슬라 벤처스, 퍼스트 라운드, 스파크, 테레인, 앱스트랙트 등도 참여한 것으로 알려졌다. 11015

Parallel은 에이전트 기반 제품을 만드는 개발자를 위한 웹 검색·연구 API를 제공하는 인프라 기업으로 자신을 포지셔닝한다. 회사의 시리즈 A 발표문에는 Clay, Sourcegraph, Owner 등이 고객 또는 사용자로 언급됐다. 다만 공개 자료만으로는 전체 고객 명단이나 독립적으로 검증된 개발자 수를 확정하기 어렵다. 40

Google Cloud 제휴가 중요한 이유

Parallel은 Gemini 관련 도구를 사용해 기업용 에이전트를 구축하는 Google Cloud 고객에게 검색·그라운딩 옵션으로 제공되기 시작했다. 관련 통합을 통해 개발자는 웹 정보를 바탕으로 답변을 생성할 때 Google Search와 함께 Parallel Search를 선택할 수 있는 것으로 보도됐다. 12

이 제휴는 기업들이 자율형 조사 및 업무 자동화 에이전트를 실험하는 시점에 Parallel이 Google Cloud라는 대형 기업 플랫폼을 통해 배포될 수 있다는 의미가 있다. 동시에 전략적 긴장도 존재한다. Google은 중요한 유통 파트너인 동시에 자체 검색·AI 인프라를 보유한 잠재적 경쟁자이기 때문이다. 512

왜 12~24개월 안에 변화가 올 수 있다고 보나

아그라왈이 제시한 ‘12~24개월’은 측정된 업계 합의가 아니라 그의 전망이다. 논리는 모델 성능, 도구 사용 능력, 에이전트 프레임워크가 빠르게 개선되면서 소프트웨어가 한 사용자를 대신해 여러 검색과 하위 작업을 수행하는 일이 실용적인 수준에 도달할 수 있다는 것이다. 기존 클라우드와 API를 통한 배포도 도입을 앞당길 수 있다.

AI 에이전트가 사람보다 훨씬 많은 웹 검색을 수행하면서도 개별 페이지로 트래픽을 보내지 않고 종합 답변을 제공한다면, 소비자가 일상적인 브라우징 습관을 바꾸기 전부터 클릭 기반 경제에 압력이 가해질 수 있다. Parallel이 말하는 ‘1,000배’는 이러한 변화의 규모에 대한 회사의 믿음을 보여주는 표현이지, 검증된 예측으로 받아들여서는 안 된다. 14

결국 남는 불확실성

아그라왈은 기존 광고 모델이 이미 실패했다고 선언하는 것이 아니라, 에이전트가 지배하는 웹을 위한 새로운 시장 설계를 제안하고 있다. Index와 에이전트 피드백, Shapley 기반 보상은 기계가 생성한 답변에 기여한 콘텐츠를 보상할 수 있는 한 가지 방법이다. 그러나 기여도 산정은 여전히 어렵고, 업계 전반의 참여도 필요하다.

이 주장의 가장 강한 형태는 조건부다. AI 에이전트가 온라인 정보에 접근하는 주요 인터페이스가 된다면, 클릭은 웹의 경제와 검색 순위를 뒷받침하는 신호로 충분하지 않을 수 있다. Parallel은 그 자리를 에이전트의 작업 결과, 출처의 투명성, 그리고 측정 가능한 정보 기여도에 기반한 보상 체계가 차지할 수 있다고 보고 있다.

파라그 아그라왈의 주장은 간단하다. 지금의 웹은 사람의 관심과 클릭을 전제로 만들어졌지만, 앞으로 웹을 가장 자주 이용하는 주체는 AI 에이전트가 될 수 있다는 것이다. 에이전트가 여러 페이지를 읽고 검색한 뒤 핵심 정보만 추려 사용자에게 답을 전달하면, 원문 게시자는 페이지 조회수나 광고 노출, 의미 있는 클릭을 얻지 못할 수 있다. 이 경우 콘텐츠 생태계를 지탱해 온 경제적 신호 자체가 약해진다. 1444

아그라왈이 설립한 Parallel Web Systems는 소프트웨어 에이전트를 웹의 ‘두 번째 사용자’로 보고, 에이전트 전용 검색·정보 검색·출처 추적·연구·결제 인프라를 구축하고 있다. 사람을 위한 웹사이트를 없애자는 구상이라기보다, 기존 웹 위에 에이전트가 정보를 활용하고 그 가치를 측정할 수 있는 새로운 계층을 추가하자는 제안에 가깝다. 4047

왜 클릭만으로는 부족해지나

사람이 검색하는 경우에는 비교적 눈에 보이는 가치 흐름이 있다. 사용자가 검색어를 입력하고, 결과를 클릭해 페이지를 읽고, 광고를 보거나 특정 매체를 기억한다. 클릭은 방문을 통한 수익을 만들 뿐 아니라 검색 시스템이 어떤 결과가 유용한지 판단하는 신호로도 활용된다.

하지만 AI 에이전트의 행동은 다르다. 에이전트는 수많은 출처를 동시에 검색하고, 필요한 문장만 추출한 뒤 서로 비교해 하나의 답변으로 합칠 수 있다. 사용자는 원문 페이지를 직접 방문하지 않을 수도 있다. 이때 클릭 수는 특정 출처가 중요한 사실을 제공했는지, 결론을 뒷받침했는지, 더 큰 작업을 완성하는 데 기여했는지를 제대로 보여주지 못한다.

아그라왈은 따라서 웹이 ‘사람이 링크를 클릭했는가’가 아니라 ‘정보가 에이전트의 작업을 얼마나 유용하게 도왔는가’를 측정해야 한다고 본다. Parallel은 AI 에이전트가 사람보다 웹을 “1,000배 더 많이” 사용할 수 있다는 전제에서 출발했으며, 이 전망이 현실화하면 에이전트의 활동량과 인간 중심의 웹 경제 사이의 불일치가 커질 수 있다고 주장한다. 14

‘평행 웹’은 무엇을 바꾸려 하나

Parallel이 말하는 평행 웹은 AI 에이전트에 맞춘 웹 인프라 계층이다. 회사의 API는 웹 검색, 콘텐츠 추출, 심층 조사, 엔터티 검색, 대화, 모니터링 등을 지원하도록 설계됐다. Parallel의 문서에 따르면 이 도구들은 에이전트와 개발자가 연구와 정보 추출 같은 기계 기반 작업에 웹 정보를 활용할 수 있도록 한다. 25

핵심 변화는 무엇을 최적화할 것인가에 있다. 전통적인 웹 시스템은 관심도, 링크, 클릭을 관련성의 실용적 대리 지표로 사용해 왔다. 에이전트 중심 시스템은 대신 다음과 같은 질문을 던질 수 있다.

• 특정 출처가 정확한 답을 찾는 데 도움이 됐는가?
• 에이전트가 조사 과제를 완수하도록 기여했는가?
• 사람이나 사실의 식별 문제를 해결했는가?
• 의사결정이나 업무 흐름을 뒷받침했는가?
• 최종 답변의 품질을 높였는가?

이렇게 되면 출처의 가치는 전체적인 인기 점수가 아니라 특정 작업에 대한 기여도로 평가된다. Parallel은 검색 순위와 색인 구축에서 인간의 클릭 데이터를 주로 의존하는 대신, 에이전트가 직접 제공하는 피드백을 활용할 수 있다고 설명한다. 4445

다만 이는 아직 웹 전체가 채택한 표준이 아니라 Parallel의 사업 구상이다. 실제로 작동하려면 콘텐츠 소유자, 에이전트 개발사, 검색 사업자, 인프라 기업이 폭넓게 참여해야 한다.

Shapley 값으로 콘텐츠 기여도에 보상하기

Parallel이 제안하는 보상 방식은 ‘Shapley 값’에 기반한다. 쉽게 말해 여러 참여자가 함께 결과를 만들어 냈을 때, 각 참여자가 결과에 추가한 가치를 추정하는 방법이다.

웹 콘텐츠에 적용하면 질문은 이렇게 바뀐다. 여러 출처가 함께 사용된 상황에서 특정 출처가 에이전트의 성공적인 답변에 얼마나 추가적인 기여를 했는가? 다른 출처에는 없는 고유한 사실을 제공했거나 최종 답변을 크게 바꾼 출처라면, 이미 다른 곳에 있는 정보를 반복한 출처보다 더 많은 보상을 받을 수 있다. 1629

이 방식의 목적은 단순한 방문자 수나 일괄 라이선스 비용에서 벗어나 콘텐츠의 ‘한계 기여도’를 기준으로 보상하는 것이다. 물론 해결해야 할 문제도 많다. 작업의 성공을 어떻게 정의할지, 기여도를 어떤 기준으로 일관되게 계산할지, 보상 체계를 조작하려는 시도를 어떻게 막을지가 대표적이다. 현재 공개된 자료는 이를 광고를 대체한 검증된 시스템이 아니라 제안된 모델로 설명한다.

Parallel의 Index는 어떤 역할을 하나

Index는 이 구상에서 콘텐츠 소유자를 위한 창구다. Parallel은 퍼블리셔, 데이터 제공업체, 독립 창작자가 AI 에이전트가 자신의 콘텐츠를 어떻게 사용하는지 확인할 수 있도록 Index를 설계했다. 어떤 검색어에 답하는 데 활용됐는지, 얼마나 자주 참조됐는지, 에이전트 작업에서 얼마나 고유한 기여를 했는지 등을 보여준다는 설명이다. 보상은 출처의 Shapley 값을 추정해 산정한다. 29

제품 출시 당시 파트너로는 《디 애틀랜틱》, 《포천》, PR 뉴스와이어를 비롯해 PitchBook, Enigma, RocketReach, ZoomInfo 같은 기업·데이터 정보 제공업체와 독립 창작자들이 거론됐다. 6

Index가 겨냥하는 문제는 두 가지다. 하나는 가시성이고, 다른 하나는 보상이다. 콘텐츠 소유자는 AI 시스템이 자신의 작업에 얼마나 의존하는지 파악할 수 있고, Parallel은 사람이 원문으로 이동하지 않더라도 실제 답변에 유용한 콘텐츠에 보상할 수 있는 통로를 만들려 한다.

투자와 사업적 위치

Parallel은 2024년 1월 3,000만 달러 규모의 시드 투자를 유치한 것으로 알려졌다. 이후 2025년 11월에는 클라이너 퍼킨스와 인덱스 벤처스가 공동 주도한 1억 달러 규모의 시리즈 A를 유치했으며, 당시 기업가치는 7억4,000만 달러로 평가됐다. 1133

2026년 4월에는 세쿼이아 캐피털이 주도한 1억 달러 규모의 시리즈 B 투자를 받았고, 기업가치는 20억 달러로 평가됐다고 회사와 관련 보도가 전했다. 기존 투자자인 클라이너 퍼킨스, 인덱스 벤처스, 코슬라 벤처스, 퍼스트 라운드, 스파크, 테레인, 앱스트랙트 등도 참여한 것으로 알려졌다. 11015

Parallel은 에이전트 기반 제품을 만드는 개발자를 위한 웹 검색·연구 API를 제공하는 인프라 기업으로 자신을 포지셔닝한다. 회사의 시리즈 A 발표문에는 Clay, Sourcegraph, Owner 등이 고객 또는 사용자로 언급됐다. 다만 공개 자료만으로는 전체 고객 명단이나 독립적으로 검증된 개발자 수를 확정하기 어렵다. 40

Google Cloud 제휴가 중요한 이유

Parallel은 Gemini 관련 도구를 사용해 기업용 에이전트를 구축하는 Google Cloud 고객에게 검색·그라운딩 옵션으로 제공되기 시작했다. 관련 통합을 통해 개발자는 웹 정보를 바탕으로 답변을 생성할 때 Google Search와 함께 Parallel Search를 선택할 수 있는 것으로 보도됐다. 12

이 제휴는 기업들이 자율형 조사 및 업무 자동화 에이전트를 실험하는 시점에 Parallel이 Google Cloud라는 대형 기업 플랫폼을 통해 배포될 수 있다는 의미가 있다. 동시에 전략적 긴장도 존재한다. Google은 중요한 유통 파트너인 동시에 자체 검색·AI 인프라를 보유한 잠재적 경쟁자이기 때문이다. 512

왜 12~24개월 안에 변화가 올 수 있다고 보나

아그라왈이 제시한 ‘12~24개월’은 측정된 업계 합의가 아니라 그의 전망이다. 논리는 모델 성능, 도구 사용 능력, 에이전트 프레임워크가 빠르게 개선되면서 소프트웨어가 한 사용자를 대신해 여러 검색과 하위 작업을 수행하는 일이 실용적인 수준에 도달할 수 있다는 것이다. 기존 클라우드와 API를 통한 배포도 도입을 앞당길 수 있다.

AI 에이전트가 사람보다 훨씬 많은 웹 검색을 수행하면서도 개별 페이지로 트래픽을 보내지 않고 종합 답변을 제공한다면, 소비자가 일상적인 브라우징 습관을 바꾸기 전부터 클릭 기반 경제에 압력이 가해질 수 있다. Parallel이 말하는 ‘1,000배’는 이러한 변화의 규모에 대한 회사의 믿음을 보여주는 표현이지, 검증된 예측으로 받아들여서는 안 된다. 14

결국 남는 불확실성

아그라왈은 기존 광고 모델이 이미 실패했다고 선언하는 것이 아니라, 에이전트가 지배하는 웹을 위한 새로운 시장 설계를 제안하고 있다. Index와 에이전트 피드백, Shapley 기반 보상은 기계가 생성한 답변에 기여한 콘텐츠를 보상할 수 있는 한 가지 방법이다. 그러나 기여도 산정은 여전히 어렵고, 업계 전반의 참여도 필요하다.

이 주장의 가장 강한 형태는 조건부다. AI 에이전트가 온라인 정보에 접근하는 주요 인터페이스가 된다면, 클릭은 웹의 경제와 검색 순위를 뒷받침하는 신호로 충분하지 않을 수 있다. Parallel은 그 자리를 에이전트의 작업 결과, 출처의 투명성, 그리고 측정 가능한 정보 기여도에 기반한 보상 체계가 차지할 수 있다고 보고 있다.