구글은 인간을 위해 설계됐다. 화면 앞에 앉은 사람이 키워드를 치면, 링크 열 개를 받아 눈으로 훑는다. AI 에이전트는 그 방식으로 작동하지 않는다. 코딩 에이전트, 영업 자동화 에이전트, 리서치 에이전트는 초당 수십 번씩 웹을 조회하고, 결과를 구조화 데이터로 즉시 소비하며, SERP 페이지 렌더링을 기다릴 시간이 없다1. 2021년 설립된 엑사(Exa)는 이 공백을 겨냥해 AI 에이전트 전용 검색 인프라를 처음부터 다시 쌓았다. 그리고 거기에 a16z가 2억5천만 달러를 넣었다1.
왜 래퍼(wrapper)가 아니라 인프라였나 — 에이전트 시대의 검색은 다른 문제다
AI 검색 스타트업의 대부분은 기존 엔진 위에 쌓는다. 구글이나 빙의 API를 호출하고, 결과를 LLM에 넣어 요약하는 방식이다. 빠르게 시장에 진입할 수 있고, 크롤링 인프라 없이도 그럴듯한 제품을 출시할 수 있다. 문제는 이 접근법의 천장이 명확하다는 것이다. 상위 엔진의 색인 정책, 속도, 비용, 반환 형식에 전적으로 종속되고, 경쟁 우위를 인프라가 아닌 프롬프트 엔지니어링에서 찾아야 한다.
엑사는 다른 선택을 했다. 경쟁사들이 기존 엔진 위에 레이어를 쌓는 동안, 5,000억 개 이상의 URL을 직접 크롤링한 자체 색인을 구축했다1. 응답 속도는 200ms 미만1. 에이전트가 한 태스크를 완료하기 위해 수십 번 검색을 반복할 때, 이 속도 차이는 단순한 UX 문제가 아니라 아키텍처 결정의 문제다. 래퍼 방식의 검색이 수초씩 걸릴 때, 에이전트 루프 전체의 레이턴시는 누적된다.
반환 형식의 차이도 결정적이다. 기존 검색 엔진은 HTML 링크 목록을 반환한다. 에이전트는 그것을 파싱하고, 각 페이지를 방문하고, 콘텐츠를 추출하는 작업을 별도로 수행해야 한다. 엑사는 에이전트가 추가 파싱 없이 바로 소비할 수 있는 구조화 콘텐츠를 반환하도록 설계됐다. 에이전트 개발자 입장에서는 검색-파싱-추출로 이어지는 별도의 파이프라인 구축이 불필요해진다. 이것이 개발자 채택 속도가 빠른 이유다.
시장의 검증 속도는 빠르다. Cursor, HubSpot, Monday.com을 포함한 5,000개 이상의 기업이 엑사의 API를 사용하고 있으며1, 개발자 커뮤니티에서는 40만 명 이상이 유입됐다1. 2021년 설립 이후 5년 만에, 엑사는 에이전트 생태계의 핵심 인프라 레이어 자리를 선점했다. 기업가치 22억 달러는 그 선점의 가격표다1.
전통 검색 vs 엑사 — 에이전트 시대의 기준이 달라진다
| 비교 영역 | 전통 검색 엔진 (구글·빙) | 엑사(Exa) |
|---|---|---|
| 설계 대상 | 화면 앞 인간 · 키워드 입력 후 링크 클릭 | AI 에이전트 · API 호출 후 즉시 데이터 소비 |
| 인프라 형태 | 독점 색인 · 래퍼 통해 제한적 접근 | 5,000억 개 URL 직접 크롤링 풀스택 인프라 |
| 응답 형식 | HTML SERP · 링크 나열 · 별도 파싱 필요 | 구조화 데이터 직접 반환 · 파싱 파이프라인 불필요 |
| 응답 속도 | 수초 SERP 렌더링 · 에이전트 반복 호출 비효율 | 200ms 미만 · 에이전트 루프 레이턴시 최적화 |
| 고객 유형 | 일반 사용자 · 광고주 중심 | 개발자 40만 명 · 기업 고객 5,000개+ |
엑사의 성장 공식 — 인프라부터 쌓고, 레퍼런스로 잠갔다
- 풀스택 인프라 먼저 경쟁사들이 기존 엔진 위에 래퍼를 쌓는 동안, 엑사는 자체 크롤러로 5,000억 개 이상의 URL을 색인했다1. 이는 AI 에이전트에 최적화된 검색 품질의 기반이자, 후발주자가 단기간에 복제할 수 없는 해자다. 색인 규모는 검색 품질과 직결되고, 검색 품질은 에이전트 성능과 직결된다. 인프라에 수년을 투자한 선택은, 그래서 지금 의미가 있다.
- 개발자 커뮤니티로 저변 확대 에이전트 생태계에서 개발자 신뢰를 먼저 얻는 전략은 유효했다. 40만 명 이상의 개발자가 엑사 API를 사용하면서1, 코딩 에이전트·리서치 에이전트·영업 자동화 툴 등 다양한 에이전트 레이어에 엑사가 내장됐다. 개발자가 신뢰한 API는 엔터프라이즈 계약으로 자연스럽게 전환된다. 개발자 커뮤니티는 엑사의 영업팀이었다.
- 엔터프라이즈 레퍼런스로 잠금 Cursor, HubSpot, Monday.com을 포함한 5,000개 이상의 기업이 엑사를 채택했다1. 이 레퍼런스들은 단순한 고객 목록이 아니다. AI 에이전트를 제품 핵심에 통합한 기업들이 검색 레이어로 엑사를 선택했다는 것은, 엑사 없이는 해당 에이전트 기능이 제대로 작동하지 않는다는 뜻이다. 인프라 의존성이 형성되면 스위칭 비용은 높아진다.
The Bet — a16z는 왜 에이전트 시대의 검색 인프라를 샀나
a16z의 베팅은 간단한 전제에서 시작한다. AI 에이전트가 인간보다 더 많이 웹을 검색하는 시대가 오면, 검색 인프라는 다시 한번 플랫폼 레이어가 된다1. 구글은 그 레이어를 20년 동안 지배했다. 하지만 구글은 에이전트를 위해 설계되지 않았다. 기업가치 22억 달러1로 평가받은 엑사는, 자체 색인·200ms 미만 응답·구조화 반환 형식이라는 세 가지 요소를 이미 갖췄다. 래퍼 업체들이 상위 엔진 정책에 흔들리는 동안 엑사는 독립적인 인프라를 운영한다. a16z가 산 것은 검색 제품이 아니라, 에이전트 생태계 필수 인프라 레이어에 대한 선점권이다. 개발자 40만 명과 기업 고객 5,000개는 이미 그 레이어에 의존하고 있다1.
다음 12개월에 지켜볼 지표 3개
- 에이전트 검색량 vs 인간 검색량 교차 시점 올해 안에 AI 에이전트의 웹 검색량이 인간을 넘어선다는 전망이 엑사 서사의 핵심 전제다1. 이 교차가 실제로 일어나면 엑사의 TAM은 폭발적으로 확장되고, 22억 달러 기업가치의 정당성도 강화된다. 반대로 에이전트 확산 속도가 예상보다 느리면 현재 밸류에이션의 전제가 흔들릴 수 있다. 에이전트 사용량 트래킹 데이터가 분기마다 확인해야 할 첫 번째 지표다.
- 구글·퍼플렉시티 등 빅테크의 에이전트 전용 API 출시 여부 엑사의 가장 큰 구조적 리스크는 기존 빅테크가 에이전트 최적화 검색 API를 본격화하는 것이다. 구글이 에이전트 전용 색인을 별도로 개방하거나, 퍼플렉시티가 구조화 반환 API를 강화하면 엑사의 차별점이 희석될 수 있다. 빅테크의 에이전트 검색 전략은 3개월 단위로 추적해야 할 경쟁 지표다.
- 연간반복매출(ARR) 공개 여부 및 규모 5,000개 기업 고객과 40만 개발자라는 수치는 공개됐지만1, 수익 규모는 아직 공개되지 않았다. 기업가치 22억 달러를 뒷받침하는 ARR이 얼마인지는 다음 자금 조달이나 IPO 준비 과정에서 드러날 것이다. 이 수치가 드러나는 시점과 그 규모가 엑사의 현재 티어를 실증적으로 판단하는 분기점이 된다.
2억5천만 달러는 그 공백이 실재한다는 시장의 판단이다.
