인공지능(AI) 웹 에이전트의 성능을 높이려면 실제와 같은 다양하고 실행 가능한 웹 환경에서 훈련하고 평가하는 것이 필수적입니다. 하지만 기존 방식들은 수동 작업이 많거나, 실제 웹사이트와 동떨어진 환경을 생성하는 한계가 있었습니다. 최근 아카이브(arXiv)에 공개된 '웹애니싱(WebAnything)'은 이러한 문제를 해결하기 위해 실제 URL에서 재사용 가능한 웹 환경을 자동으로 재구성하는 프레임워크를 제시했습니다.
웹애니싱은 '익스플로러-빌더(Explorer-Builder)'와 독립적인 '검증기(verifier)'로 구성됩니다. 익스플로러-빌더는 실제 브라우저에서 관찰 가능한 웹 구조, 리소스, 상호작용 결과를 수집하고, 검증기는 이렇게 생성된 웹 환경 후보를 확인하며 필요한 경우 수정 또는 재수집을 지시합니다. 연구팀은 이 프레임워크를 활용해 14개 애플리케이션 도메인과 53개 카테고리에 걸쳐 244개의 웹사이트 아티팩트(artifact)를 구축했으며, 총 12,984개의 태스크(task)를 성공적으로 실행했습니다. 특히, 기존의 수동 방식인 웹하버(WebHarbor)와 비교했을 때, 웹애니싱은 세 가지 충실도(fidelity) 지표에서 더 높은 점수를 기록하며 우수성을 입증했습니다.
이러한 발전은 AI 웹 에이전트의 개발 및 상용화에 중요한 의미를 가집니다. 실제 웹 환경을 손쉽게 구축하고 반복적으로 사용할 수 있게 됨으로써, 개발자들은 에이전트의 훈련 및 평가 과정을 훨씬 효율적으로 진행할 수 있습니다. 예를 들어, 웹애니싱으로 생성된 상호작용 궤적(interaction trajectory) 5,856개를 활용해 큐웬3.5-9B(Qwen3.5-9B) 모델을 미세조정(fine-tuning)한 결과, 다양한 벤치마크에서 성공률이 최대 13.33%포인트 향상되었습니다. 이는 AI 에이전트가 복잡한 웹 작업을 더 정확하고 안정적으로 수행할 수 있음을 시사하며, 쇼핑, 예약, 정보 탐색 등 실제 웹 서비스에 AI 에이전트가 적용될 가능성을 크게 높일 것입니다.