AI 생성 이미지
AI 에이전트 경쟁의 초점은 점점 “답을 얼마나 잘 쓰는가”에서 “화면을 이해하고 실제 작업을 끝낼 수 있는가”로 옮겨가고 있습니다. Microsoft Research가 공개한 Fara1.5는 이 변화를 보여주는 브라우저 컴퓨터 사용 에이전트 제품군입니다.1 사용자가 말한 목표를 바탕으로 웹 브라우저 안에서 클릭, 입력, 이동 같은 행동을 수행하는 유형의 AI입니다.
Fara1.5를 이해하는 핵심
Fara1.5는 4B, 9B, 27B 크기로 제공됩니다.1 B는 모델의 파라미터 수를 뜻합니다. 일반적으로 작은 모델은 운영 비용과 배포 부담이 낮고, 큰 모델은 더 복잡한 작업을 처리할 가능성이 큽니다.
이 구성이 중요한 이유는 브라우저 에이전트가 실제 서비스에 들어갈 때 정확도만으로 평가되지 않기 때문입니다. 제품 환경에서는 비용, 지연시간, 성공률을 함께 봐야 합니다. 단일 대형 모델이 아니라 여러 크기의 모델이 제공된다는 것은 개발자와 기업이 용도에 맞게 선택할 여지를 갖는다는 뜻입니다.
브라우저 에이전트가 어려운 이유
웹 작업은 겉으로는 단순해 보입니다. 예를 들어 “검색어를 입력하고 다음 버튼을 누른다”는 동작은 쉬운 자동화처럼 느껴집니다. 하지만 실제 웹 환경에서는 페이지 구조가 달라지고, 버튼 이름이 바뀌며, 로그인 여부나 검색 결과처럼 상태도 계속 변합니다.
그래서 브라우저 에이전트의 성능은 단순한 텍스트 생성 능력만으로 판단하기 어렵습니다. 화면의 문맥을 읽고, 목표에 맞는 다음 행동을 고르며, 중간 결과에 따라 경로를 수정할 수 있어야 합니다. Fara1.5-27B가 Online-Mind2Web에서 72%를 기록했다는 점은 이런 맥락에서 볼 필요가 있습니다.1 이 벤치마크는 웹에서 목표를 수행하는 능력을 평가하기 때문에, 브라우저 환경에서의 실제 행동 능력을 가늠하는 지표로 읽을 수 있습니다.
주목할 부분은 FaraGen1.5
Fara1.5 공개에는 합성 데이터 파이프라인인 FaraGen1.5도 포함됐습니다.1 합성 데이터는 사람이 직접 수집하거나 작성한 데이터가 아니라, 모델 학습을 위해 생성한 데이터입니다.
이 요소는 모델 자체만큼 중요합니다. 브라우저 에이전트가 좋아지려면 다양한 웹사이트, 화면 상태, 작업 흐름을 많이 경험해야 합니다. 하지만 실제 웹 작업 데이터를 대규모로 모으는 일에는 비용과 개인정보 문제가 따릅니다. 합성 데이터 파이프라인은 이 병목을 줄이고, 에이전트 학습과 개선을 반복하기 위한 기반이 될 수 있습니다.
실무자가 봐야 할 판단 기준
Fara1.5의 의미는 “또 하나의 모델 출시”에 그치지 않습니다. 브라우저를 다루는 AI가 제품 수준으로 가려면 모델 크기, 데이터 생성 방식, 평가 기준이 함께 중요해집니다.
실무자가 확인할 기준은 세 가지입니다.
목표 웹 작업에서 실제 성공률이 나오는가
벤치마크 점수뿐 아니라, 자신이 자동화하려는 업무 흐름에서 안정적으로 완료되는지가 중요합니다.작은 모델로도 비용 대비 충분한가
모든 작업에 가장 큰 모델이 필요한 것은 아닙니다. 지연시간과 운영 비용을 고려하면 4B, 9B 같은 선택지가 더 적합할 수 있습니다.데이터 생성과 평가 체계가 계속 개선 가능한가
웹 환경은 자주 바뀝니다. 에이전트도 바뀌는 화면과 작업에 맞춰 지속적으로 학습·평가될 수 있어야 합니다.
브라우저 에이전트는 아직 완성된 자동화 도구라기보다 빠르게 성숙 중인 인프라에 가깝습니다. Fara1.5는 AI의 중심이 채팅에서 행동으로 옮겨가고 있으며, 앞으로의 경쟁이 모델 성능뿐 아니라 데이터와 평가 체계에서 갈릴 것임을 보여주는 사례입니다.
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.