본 보고서는 타이거리서치가 작성했으며, 에이전틱 AI 시대를 위한 웹 인프라 재설계 프로젝트인 인튜이션의 아톰 기반 지식 구조화, 토큰 큐레이티드 레지스트리(TCR)를 통한 표준 합의 메커니즘, 시그널 기반 신뢰도 측정 시스템, 그리고 차세대 웹 인프라로의 발전 가능성을 분석했습니다.
TL;DR
에이전틱 AI 시대가 도래했지만, AI 에이전트는 제 성능을 발휘하지 못하고 있다. 현재 웹 인프라가 인간 중심으로 설계되어 웹사이트마다 다른 데이터 형식과 검증되지 않은 정보로 인해 에이전트가 데이터를 이해하고 처리하기 어렵기 때문이다.
인튜이션(Intuition)은 시맨틱 웹의 비전을 웹3 방식으로 발전시켜, 기존의 한계를 보완하고자 한다. 지식을 아톰(Atoms)으로 구조화하고, 토큰 큐레이티드 레지스트리(TCR)을 활용해 어떤 데이터를 사용할 것인가에 대한 표준 합의를 이루며, 시그널을 통해 그 데이터를 얼마나 신뢰할 것인가를 결정한다.
인튜이션은 현재의 비포장도로 같은 웹을 에이전트가 안전하게 달릴 수 있는 고속도로로 바꿀 것이다. 에이전틱 AI 시대의 진정한 잠재력을 실현하는 새로운 인프라 표준이 될 것으로 기대된다.
1. 에이전틱 AI 시대, 지금의 웹 인프라로 충분한가?
에이전틱(Agentic) AI 시대가 본격화되고 있다. 이제 우리는 개인 에이전트가 여행 일정 계획부터 복잡한 재무 관리까지 대신 처리해주는 미래를 꿈꿀 수 있게 되었다. 그러나 현실은 그렇게 단순하지 않다. 문제는 AI 모델의 성능이 부족한 탓이 아니다. 현재의 웹 인프라가 이를 감당하지 못한다는 점이다.
오늘날 웹은 인간이 브라우저를 통해 정보를 읽고 해석하는 것을 전제로 설계되었다. 그 결과 기계(혹은 에이전트)가 데이터의 의미를 이해하고 서로 다른 데이터 간의 관계를 파악해 활용하기에는 적합한 환경이 아니다. 이는 일상적인 서비스에서도 쉽게 드러난다. 항공사 웹사이트에서 출발 시간을 "14:30"으로 표시하고, 호텔 예약 사이트에서는 체크인 시간을 "2:30 PM"으로 표기한다. 인간은 두 표현이 같은 시간임을 직관적으로 알 수 있지만, 에이전트에게는 전혀 다른 형식의 데이터일 뿐이다.
문제는 단순히 데이터 형식의 차이를 넘어선다. 에이전트가 이 데이터를 어떻게 신뢰할 수 있을지도 핵심적인 과제다. 인간은 불완전한 정보 속에서도 맥락과 경험을 바탕으로 의미를 보완하며 상황을 이해한다. 반면 에이전트는 데이터의 출처나 신뢰성을 판별할 명확한 기준이 없어, 잘못된 정보를 그대로 받아들여 왜곡된 결론을 내리거나 할루시네이션을 생성하는 위험에 노출되어 있다.
결국 에이전트는 아무리 뛰어난 성능을 갖추고 있어도 이 같은 환경에서는 제 역할을 다하기 어렵다. 마치 아무리 뛰어난 F1 레이싱카(에이전트)라도 울퉁불퉁한 비포장도로(구조화되지 않은 데이터)에서는 제 속도를 낼 수 없고, 더구나 잘못된 표지판(신뢰할 수 없는 정보)이 곳곳에 있다면 결승선까지 제대로 도달할 수 없는 것과 같다.
2. 웹 인프라의 숨겨진 기술 부채, 어떻게 해결할 것인가?
사실 이 문제에 대한 논의는 이미 20여 년 전부터 시작되었다. 바로 월드 와이드 웹(World Wide Web)의 창시자 팀 버너스리(Tim Berners-Lee)가 구상한 시맨틱 웹(Semantic Web)이다.
시맨틱 웹의 핵심 아이디어 자체는 단순하다. 웹의 정보를 사람이 읽을 수 있는 텍스트가 아니라, 기계도 쉽게 이해할 수 있는 형태로 표현하자는 것이다. 예를 들어 '타이거리서치의 창립일은 2021년입니다'라는 문장은 사람에게는 명확하지만, 기계에게는 단순한 문자열에 불과하다. 시맨틱 웹에서는 이를 '타이거리서치(주어) – 창립일(서술어) – 2021년(목적어)'와 같이 구조화하여 기계가 의미를 해석할 수 있도록 설계한다.
이 접근법은 당시로서는 앞서간 시도였지만 끝내 실현되지 못했다. 가장 큰 이유는 구현의 어려움이었다. 데이터 형식과 활용 방식에 대한 표준 합의가 쉽지 않았고, 무엇보다 사용자들의 자발적인 기여로 방대한 데이터를 구축하고 유지하는 것이 거의 불가능했다. 기여자들에게 돌아오는 직접적인 보상이나 효용이 없었기 때문이다. 게다가 작성된 데이터를 과연 신뢰할 수 있는가 하는 문제도 여전히 풀리지 않은 숙제로 남아 있었다.
그럼에도 불구하고 시맨틱 웹이 제시한 비전은 여전히 유효하다. 기계가 데이터를 의미(Semantic) 단위로 이해하고 활용할 수 있어야 한다는 관점은 지금도 변함이 없다. 오히려 AI 시대에 들어선 지금, 그 필요성은 더 절실해졌다.
3. 인튜이션: 시맨틱 웹의 비전을 웹3 방식으로 실현하다
인튜이션(Intuition)은 시맨틱 웹의 비전을 웹3 방식으로 발전시켜, 기존의 한계를 보완하고자 한다. 핵심은 사용자가 자발적으로 참여해 양질의 구조화된 데이터를 축적하고 검증하도록 유인하는 체계를 마련하는 것이다. 이를 통해 데이터는 기계가 이해할 수 있는 형태로 구조화되고, 출처가 명확하며, 검증 가능한 지식 그래프로 체계적으로 구축된다. 궁극적으로 이는 지능형 에이전트가 안정적으로 작동할 수 있는 기반을 제공하며, 우리가 꿈꾸어온 미래에 한 걸음 더 다가가게 할 것으로 기대된다.
3.1. 아톰(Atoms): 지식을 구조화하는 기본 단위
인튜이션은 모든 지식(Knowledge)을 아톰(Atom)이라는 최소 단위로 나누는 것부터 시작한다. 아톰은 사람, 날짜, 조직, 속성 같은 개념을 나타낸다. 각각 고유 식별자를 갖는 독립적인 요소로, 모든 아톰에는 기여자 정보가 기록되어 누가 언제 어떤 정보를 추가했는지 확인할 수 있다.
지식을 아톰 단위로 세분화하는 이유는 명확하다. 일반적으로 우리가 접하는 정보는 복잡한 문장 형태로 제공된다. 에이전트 같은 기계는 이런 복합적인 정보를 스스로 세밀하게 나누고 이해하는 데 구조적인 한계가 있으며, 어떤 부분이 정확하고 어떤 부분이 잘못되었는지 판별하기도 어렵다.
주어(Subject): 타이거리서치
서술어(Predicate): 설립일
목적어(Object): 2021년
예를 들어, "타이거리서치는 2021년에 설립되었다"라는 문장을 살펴보자. 이 문장은 사실일 수 있고, 일부 정보만 잘못되었을 수도 있다. 이 조직이 실제로 존재하는지, '설립일'이라는 속성이 적절한지, 그리고 2021년이라는 연도가 정확한지는 각각 개별적으로 검증해야 한다. 하지만 문장 전체를 하나의 단위로 다루면 어떤 요소가 정확하고 어떤 요소가 틀렸는지 세부적으로 구분하기 어렵고, 각 정보의 출처를 추적하는 것도 복잡하다.
아톰은 바로 이 문제를 해결한다. [타이거리서치], [설립일], [2021년]처럼 각각을 독립된 아톰으로 정의하면, 개별 요소마다 출처를 기록하고 검증할 수 있다.
주어(Subject): 타이거리서치의 설립일은 2021년
서술어(Predicate): 근거
목적어(Object): 공식 사업자 등록 기록
아톰은 단순히 정보를 나누는 도구가 아니라 레고 블록처럼 조합 가능한 구성 요소다. 예를 들어, [타이거리서치], [설립일], [2021년]이라는 각각의 아톰이 연결되어 하나의 트리플(Triple)을 형성한다. 그러면 "타이거리서치의 설립일은 2021년이다"라는 의미 있는 정보가 만들어진다. 이는 시맨틱 웹의 RDF(Resource Description Framework)에서 설명하는 트리플과 같은 구조다.
이렇게 만들어진 트리플도 하나의 아톰이 될 수 있다. 예를 들어 "타이거리서치의 설립일이 2021년이라는 정보는 공식 사업자 등록 기록을 출처로 한다"는 새로운 트리플로 확장할 수 있다. 이런 방식으로 아톰과 트리플이 반복적으로 결합하며 작은 단위에서 더 큰 구조로 발전한다.
그 결과 인튜이션은 기본 요소부터 시작해 무한히 확장 가능한 프랙탈(Fractal) 형태의 지식 그래프를 구축한다. 복잡한 지식도 분해해서 검증하고 다시 조합할 수 있게 된다.
3.2. 토큰 큐레이티드 레지스티리(Token Curated Registries): 시장 기반 합의
인튜이션은 아톰이라는 지식을 구조화하는 개념적 프레임워크를 제시했다면, 이제 세 가지 핵심 질문이 남는다. 누가 이 아톰들을 생성하는 데 기여할 것인가? 어떤 아톰을 신뢰할 것인가? 그리고 동일한 개념을 표현하는 서로 다른 아톰이 경쟁할 때 어떤 것을 표준으로 할 것인가?
인튜이션은 이 문제를 토큰 큐레이티드 레지스트리(Token Curated Registry, 이하 TCR)로 해결한다. TCR은 토큰 스테이킹을 기반으로 커뮤니티가 무엇을 더 가치 있다고 판단하는지를 반영해 항목을 선별하는 메커니즘이다. 사용자가 새로운 아톰이나 트리플, 데이터 구조화 방식을 제안할 때 네이티브 토큰인 $TRUST를 예치한다. 다른 참여자들은 해당 제안이 유용하다고 판단되면 찬성 측에, 유용하지 않다고 판단되면 반대 측에 토큰을 예치할 수 있다. 경쟁하는 대안에 토큰을 예치하는 것도 가능하다. 이때 자신이 선택한 데이터가 자주 사용되거나 높은 평가를 받으면 보상을 받고, 반대의 경우 예치금의 일부를 잃는다.
TCR은 개별 증명(attestation)의 사실 여부를 검증하는 것도 중요하지만, 온톨로지 표준화 문제 해결에 있어서도 효과적이다. 온톨로지 표준화 문제란 동일한 개념을 표현하는 서로 다른 방식들 중 어떤 것을 공통 표준으로 삼을지 결정하는 것으로, 분산 시스템에서는 중앙화된 조정 기관 없이 이러한 합의를 도출해야 하는 도전이 있다.
예를 들어 상품 리뷰를 나타내는 술어로 [hasReview]와 [customerFeedback]이라는 두 가지 경쟁 방식이 있다고 가정하자. [hasReview]가 먼저 도입되어 많은 사용자들이 이를 기반으로 구축했다면, 초기 기여자들은 그 성공의 가치를 토큰 지분으로 소유하게 된다. 반면 [customerFeedback]의 지지자들은 점진적으로 더 널리 채택된 표준으로 전환할 경제적 유인을 갖게 된다.
이러한 메커니즘은 ERC-20 토큰 표준이 자연스럽게 채택된 방식과 유사하다. ERC-20을 채택한 개발자들은 기존 지갑이나 거래소, 디앱과 바로 연결될 수 있는 등 호환성 측면에서 확실한 이점을 얻었다. 이러한 이점이 자연스럽게 개발자들을 ERC-20으로 유도했고, 시장의 자발적 선택만으로도 분산 환경에서 표준화 문제가 해결될 수 있음을 보여주었다. TCR 역시 유사한 원리로 에이전트들이 파편화된 데이터 형식으로 겪는 어려움을 줄이고, 보다 일관된 방식으로 정보를 이해하고 처리할 수 있는 환경을 제공할 수 있을 것으로 기대된다.
3.3. 시그널(Signal): 신뢰 기반 지식 네트워크 구축
인튜이션은 아톰과 트리플로 지식을 구조화하고 인센티브를 통해 ‘무엇이 실제로 쓰이는가’에 대한 합의를 이뤄냈다.
그러나 여전히 남는 과제가 있다. 바로 그 정보를 얼마나 신뢰할 수 있는가라는 문제다. 인튜이션은 이 간극을 메우기 위해 시그널(Signal)을 도입한다. 시그널은 특정 아톰이나 트리플에 대해 사용자가 드러내는 신뢰 혹은 불신의 표현으로, 단순히 데이터가 존재한다는 사실을 넘어 그것이 어떤 맥락에서 얼마나 지지를 받는지까지 기록한다. 다시 말해 현실에서 “믿을 만한 사람이 추천했다”거나 “전문가들이 검증했다”는 사회적 검증을 통해 판단하듯, 시그널은 이런 과정을 디지털 환경에서 체계화한다.
시그널은 세 가지 방식으로 축적된다. 첫 번째로 명시적 시그널(explicit signal)은 토큰 스테이킹처럼 사용자가 의도적으로 남기는 평가다. 두 번째로, 암묵적 시그널(implicit signal)은 반복 조회나 활용 같은 사용 패턴에서 자연스럽게 드러나는 신호다. 마지막으로, 전이적 시그널(transitive signal)은 내가 신뢰하는 사람이 지지하는 정보를 나 또한 더 신뢰하게 되는 관계적 효과다. 이 세 가지가 결합되면 누가 무엇을 얼마나 어떻게 신뢰하는지를 보여주는 하나의 지식 네트워크가 만들어진다.
인튜이션은 이를 리얼리티 터널(Reality Tunnel)이라는 형태로 제공한다. 리얼리티 터널은 데이터를 바라보는 개인화된 관점으로, 전문가 집단의 평가를 우선하는 터널, 가까운 지인의 의견을 중시하는 터널, 특정 커뮤니티의 집단 지성을 반영하는 터널 등으로 다양하게 구성할 수 있다. 사용자는 자신이 신뢰하는 터널을 선택하거나 여러 터널을 오가며 비교할 수 있다. 이를 에이전트에게 적용해 특정 목적에 맞는 해석 방식을 부여할 수도 있다. 예컨대 비탈릭 부테린이 신뢰하는 네트워크를 그대로 반영한 터널을 선택하면, 에이전트는 ‘비탈릭의 관점’에서 정보를 해석하고 의사결정을 내리도록 설정할 수 있다
이 모든 시그널은 온체인에 기록된다. 특정 정보가 왜 신뢰할 만한지, 어떤 주소가 출처인지, 누가 이를 보증했는지, 그리고 얼마나 많은 토큰이 스테이킹되었는지까지 투명하게 확인할 수 있다. 신뢰의 형성 과정이 투명하게 드러나기 때문에 사용자는 정보를 맹목적으로 받아들이지 않고 그 근거를 직접 검증할 수 있다. 뿐만 아니라, 에이전트 역시 이를 활용해 개별 맥락과 관점에 맞는 판단을 내릴 수 있는 토대를 얻게 될 것으로 기대된다.
4. What If: 인튜이션이 차세대 웹 인프라가 된다면?
인튜이션이 제시하는 인프라는 단순한 개념적 아이디어가 아니라, 오늘날 웹 인프라 환경에서 에이전트가 직면한 문제를 해결하는 실질적인 해법이다.
현재 웹은 파편화된 데이터, 검증되지 않은 정보로 가득하다. 인튜이션은 데이터를 결정론적인, 즉 어떤 질의에도 명확하고 일정한 결과를 주는 지식 그래프로 변환하고, 토큰 기반 시그널과 큐레이션 과정을 통해 이를 검증한다. 에이전트는 추측에 의존하지 않고 명확한 의사결정을 내릴 수 있으며, 결과적으로 정확성, 속도, 효율성을 동시에 향상시킬 수 있다.
인튜이션은 에이전트 간 협업의 기반도 제공한다. 표준화된 데이터 구조 덕분에 서로 다른 에이전트들이 같은 방식으로 정보를 이해하고 소통할 수 있다. ERC-20이 토큰들의 호환성을 만든 것처럼, 인튜이션의 지식 그래프는 에이전트들이 일관된 데이터를 바탕으로 협력할 수 있는 환경을 만든다.
더 나아가 인튜이션은 에이전트만을 위한 인프라를 넘어 모든 디지털 서비스가 공유할 수 있는 기반 레이어로 기능한다. 현재 각 플랫폼이 개별적으로 구축하는 아마존의 리뷰, 우버의 평점, 링크드인의 추천 같은 신뢰 시스템을 하나의 통합된 기반으로 대체할 수 있다. HTTP가 웹의 공통 통신 표준을 제공하듯, 인튜이션은 데이터 구조와 신뢰 검증의 표준 프로토콜을 제공한다. 가장 중요한 변화는 데이터의 이동성이다. 사용자는 자신이 생성한 데이터를 직접 소유하고 어디서든 활용할 수 있다. 개별 플랫폼에 고립되어 있던 데이터들이 연결되어 디지털 생태계 전반을 재편할 수 있을 것으로 전망된다.
5. 다가올 에이전트 시대, 기반을 다시 세워야할 때
인튜이션이 지향하는 목표는 단순한 기술적 개선이 아니다. 지난 20여 년간 누적된 웹 인프라의 구조적 한계를 극복하고 근본적으로 재설계하는 데 있다. 시맨틱 웹이 제안될 당시 비전은 분명했다. 하지만 참여를 유도할 인센티브가 부족했고, 실질적으로 이들의 비전을 실현한다 해도 그 혜택이 불분명했다.
하지만 상황이 달라졌다. AI 기술의 발전으로 에이전트 시대가 현실화되고 있기 때문이다. 이제 AI 에이전트들은 단순한 도구를 넘어서 우리를 대신해 복잡한 업무를 수행하고, 자율적으로 의사결정을 내리며, 다른 에이전트들과 협력하는 존재가 되고 있다. 이러한 에이전트들이 효과적으로 작동하기 위해서는 기존 웹 인프라의 근본적 혁신이 필요하다.
코인베이스의 전 CTO 발라지 스리니바산(Balaji Srinivasan)이 말했듯이, 우리는 에이전트와 소통하고, 이들이 우리를 위해 일할 수 있는 고속도로를 만들어줘야 한다. 현재의 웹 인프라는 에이전트에게 있어 비포장도로에 가깝다. 웹사이트마다 다른 구조와 형식, 신뢰할 수 없는 정보, 에이전트가 이해하기 어려운 비구조화된 데이터가 난립하고 있다. 이는 에이전트들이 정확하고 효율적으로 작업을 수행하는 데 큰 장벽이 된다.
인튜이션은 이러한 요구에 대응하기 위해 웹을 재구축하려 한다. 에이전트가 쉽게 이해하고 활용할 수 있는 표준화된 데이터 구조, 신뢰할 수 있는 정보 검증 시스템, 그리고 에이전트 간 원활한 상호작용을 가능케 하는 프로토콜을 구축하는 것이다. 이는 마치 인터넷 초기에 HTTP와 HTML이 웹의 표준을 만들어낸 것처럼, 에이전트 시대를 위한 새로운 표준을 제시하는 시도라 할 수 있다.
물론 도전 과제는 남아 있다. 충분한 참여와 네트워크 효과 없이는 시스템이 제대로 작동하기 어렵고, 임계점에 도달하기까지는 상당한 시간과 노력이 필요하다. 또한 기존 웹 인프라의 관성을 극복하고 새로운 표준을 정착시키는 것은 결코 쉬운 일이 아니다. 그러나 이는 반드시 해결해야 할 과제다. 인튜이션이 제안하는 리베이스는 이러한 도전을 넘어, 이제 막 상상되기 시작한 에이전틱 시대의 새로운 가능성을 열어갈 것이다.
🐯 More from Tiger Research
이번 리서치와 관련된 더 많은 자료를 읽어보세요.Disclaimer
이 보고서는 인튜이션(Intuition)으로부터 일부 원고료 지원을 받았으나, 신뢰할 수 있는 자료를 바탕으로 독립적인 조사를 통해 작성되었습니다. 하지만 이 보고서의 결론과 권고사항, 예상, 추정, 전망, 목표, 의견 및 관점은 작성 당시의 정보를 바탕으로 하며 예고 없이 변경될 수 있습니다. 이에 당사는 본 보고서나 그 내용을 이용함에 따른 모든 손실에 대해 책임을 지지 않으며 정보의 정확성, 완전성, 그리고 적합성을 명시적으로나 암시적으로 보증하지 않습니다. 또한 타인 및 타조직의 의견과 일치하지 않거나 반대될 수 있습니다. 이 보고서는 정보 제공의 목적으로 작성되었으며, 법률, 사업, 투자, 또는 세금에 관한 조언으로 간주되어서는 안 됩니다. 또한 증권이나 디지털 자산에 대한 언급은 설명을 위한 것일 뿐, 투자 권고나 투자 자문 서비스 제공을 제안하는 것이 아닙니다. 이 자료는 투자자나 잠재적 투자자를 대상으로 하지 않았습니다.
Terms of Usage
타이거리서치는 리포트의 공정 사용을 지지합니다. 이는 공익적 목적으로 콘텐츠를 인용하되 상업적 가치에 영향을 주지 않는 범위에서의 넓은 사용을 허용하는 원칙입니다. 공정 사용 규칙에 따라, 리포트를 사전 허가 없이 사용할 수 있으나, 타이거리서치 리포트를 인용 시에는 1) 출처로 '타이거리서치'를 분명히 밝히고, 2) 타이거리서치의 브랜드 가이드라인에 맞는 로고(Black/White)를 포함시켜야 합니다. 자료를 재구성하여 출판할 경우에는 별도의 협의가 요구됩니다. 사전 허가 없는 사용은 법적 조치를 초래할 수 있습니다.
