Hark의 브라우저 에이전트 Handoff 출시

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

Hark는 5월에 7억 달러 시리즈A를 유치한 뒤 브라우저 에이전트 Handoff를 공개했다. Handoff는 웹 페이지의 구조와 시각적 데이터를 분석해 클릭·입력 같은 구체적 행동을 예측해 API가 없는 사이트에서도 작업을 수행한다고 회사는 밝혔다. 현재는 post-trained 모델을 사용하고 연내에 pre-train을 진행할 계획이며, 회사는 경쟁 제품보다 속도와 비용 면에서 우위를 주장하고 있다. 데모 영상은 일부 과정만 보여줘 실사용 성능은 추가 검증이 필요하다.

섹션별 상세

Hark는 5월에 Series A에서 7억 달러를 유치한 스타트업으로 Handoff라는 브라우저 에이전트를 공개했다. Handoff는 API가 제공되지 않는 Target, Walmart, OpenTable, LinkedIn 같은 사이트에서도 웹 구조와 시각적 데이터를 분석해 클릭이나 입력 같은 조작을 수행한다고 회사가 설명했다. 이 방식은 사용자가 명령을 내리면 해당 웹페이지의 요소를 해석해 필요한 행동을 자동으로 실행하는 흐름으로 설계되어 있다.

제품 공개 시점에는 회사가 현재 'post-trained model'을 사용하고 있으며 연내에 사전학습(pre-train)을 진행할 계획이라고 발표했다. 포스트 트레이닝 단계에서는 실사용 데이터와 파이프라인을 빠르게 조정해 모델과 훈련 인프라를 개선하는 것을 목표로 한다고 회사는 밝혔다. 이러한 단계적 접근은 초기 출시에서 파이프라인과 수집 방식을 다듬는 데 유리하다는 회사의 설명과 일치한다.

Hark는 자사 모델이 단순히 다음 토큰을 예측하는 대신 다음 행동(action)을 예측하도록 설계했다고 주장했다. 행동은 특정 위치에 대한 클릭이나 키보드 입력처럼 구체적 이벤트를 포함하며, 회사는 이 방식이 브라우저 작업 자동화에서 더 직접적인 제어를 가능하게 한다고 말했다. 다만 데모 영상은 일부 과정만 보여줘 실사용 상황에서의 정확도와 실패 모드를 판단하기에는 정보가 부족하다.

시장 경쟁 측면에서는 Google, OpenAI, Anthropic 등 대형 업체뿐 아니라 Browser Use, Polar, Strawberry, Aside 같은 VC 지원 스타트업들이 브라우저 기반 자동화와 에이전트 기술을 개발하고 있다. Hark는 자사 Handoff가 경쟁사보다 속도가 빠르고 비용이 훨씬 낮다고 주장하며 대중 대기자 명단을 열고 여름 말 출시를 목표로 삼았다. 기사에서는 구체적인 벤치마크 수치나 독립 검증 자료는 제시되지 않아 주장의 실체는 추후 공개 자료로 확인해야 한다.

용어 해설

브라우저 에이전트(browser agent): — 브라우저 에이전트는 사용자의 명령을 받아 웹 페이지의 DOM 구조와 시각적 요소를 해석해 클릭·입력 같은 조작을 수행하는 소프트웨어이다. 입력으로는 사용자의 자연어 명령과 웹 페이지의 HTML·렌더링 결과를 받고 처리 과정에서 버튼 위치·폼 필드·시각적 레이블을 판별해 마우스·키보드 동작을 출력한다. API가 없는 사이트에서 자동화 작업을 수행해 쇼핑·예약·검색 같은 반복 업무를 사람이 대신 처리하게 하는 도구라는 점에서 실무 활용 가치가 크다.
포스트 트레이닝(post-trained model): — 포스트 트레이닝은 초기 사전학습을 마친 모델을 수집한 실사용 데이터나 파이프라인 후처리로 추가 학습해 특정 작업 성능을 개선하는 절차이다. 입력 데이터로는 데모 상호작용·크롤링 데이터·사후 라벨링이 사용되고 처리 결과로는 작업별 행동 예측 능력이 향상된 모델 파라미터가 생성된다. 빠르게 파이프라인과 인프라를 다듬으면서 점진적으로 성능을 개선할 수 있다는 점에서 제품 초기 출시 전략에 자주 사용된다.
행동 예측(action prediction): — 행동 예측은 텍스트 토큰을 이어붙이는 대신 다음에 취할 구체적 조작(예: 특정 위치 클릭, 텍스트 입력)을 모델 출력으로 생성하는 접근법이다. 입력으로는 현재 페이지 상태와 사용자 명령을 받고 내부적으로는 시각·구조 정보를 결합해 출력으로 마우스·키보드 이벤트나 대기·탐색 같은 행동을 반환한다. LLM 기반의 텍스트 중심 접근과 달리 UI 상호작용을 직접 제어해 웹 자동화 정확도를 높이려는 목적이 있다.

근거 모음

근거

Hark는 5월에 Series A로 7억 달러를 유치했다. — 기사 본문 첫머리의 회사 자금 조달 언급
Handoff는 Target, Walmart, OpenTable, LinkedIn 등 API가 없는 웹사이트에서도 작업을 수행할 수 있다고 회사가 밝혔다. — 기사에 나오는 회사의 예시 목록과 기능 설명
Handoff는 웹사이트 구조와 시각적 데이터를 보고 클릭이 필요한지 입력이 필요한지를 판단해 조작을 수행한다고 회사가 말했다. — 회사 설명과 데모 영상 관련 서술
이번 출시에서는 포스트 트레이닝(post-trained model)을 사용하고 있으며 연내에 사전학습(pre-train)을 계획하고 있다. — 기사에서 회사가 발표한 향후 훈련 계획
회사는 자사 모델이 다음 토큰이 아니라 다음 행동을 예측한다고 주장했다. — 기사의 모델 설계 주장 인용
Hark는 Handoff가 경쟁 제품보다 더 빠르고 GPT 5.5, Opus 4.8 같은 모델보다 비용이 훨씬 저렴하다고 주장했다. — 기사에서 회사가 비용 및 속도 우위를 주장한 부분

기술

post-trained model
pre-train(예정)
브라우저 DOM 및 시각적 데이터 분석
UI 행동(클릭·입력) 예측

활용 사례

음식·커피 주문 자동화
여행 티켓 예약
세금 신고 등 양식 제출
생필품 쇼핑과 레스토랑 예약
여러 출처를 살펴보는 조사 업무 대행