OpenAI, AI 에이전트가 연구개발을 가속하는 방식 공개

들어가며

OpenAI가 최첨단 모델 연구개발에 AI 에이전트를 어떻게 활용하고 있는지 정리한 글을 공개했습니다. 회사는 내부 측정 기준에 따라 ‘자동화된 AI 연구 인턴’이라는 단계적 목표를 달성했으며, 2028년 3월까지 ‘자동화된 AI 연구자’를 구축하는 것을 목표로 한다고 설명했습니다. 이 발표는 재귀적 자기개선(RSI)과 AGI의 도래 여부에 대한 논쟁을 다시 불러왔습니다.

다만 AI가 AI 연구를 돕는 것과 강한 의미의 RSI는 구분해야 합니다. 에이전트가 코드 작성, 인프라 디버깅, 실험 결과 정리에 주로 사용된다면 이는 연구 가속에 가깝습니다. 연구 과제 선정부터 설계, 실행, 평가, 다음 모델의 개선까지 지속적으로 연결되는 피드백 고리가 형성돼야 재귀적 자기개선에 가까워집니다.

공개된 내용의 핵심

• 에이전트가 병렬 연구 인력이 되고 있다. OpenAI는 2026년 8월 중순 기준으로 연구 부문의 인간 1근무일마다 약 3.1근무일에 해당하는 에이전트 실행 시간이 사용됐다고 밝혔습니다. 그러나 이는 실행 시간이지, 유효한 성과가 인간의 3.1배라는 뜻은 아닙니다.
• 역할이 코딩을 넘어 확대됐다. 에이전트는 연구 코드와 인프라 코드 작성뿐 아니라 장애 대응, 실험 모니터링, 결과 분석에도 관여하고 있습니다. 연구 우선순위, 프로젝트 지속 여부, 자원 배분 같은 고위 결정은 여전히 주로 사람이 내립니다.
• 복잡한 작업에는 감독이 필요하다. 긴 시간과 높은 난도를 요구하는 과제일수록 추가 정보 제공, 방향 수정, 예외 처리, 결과 판단을 위해 연구자의 개입이 필요합니다. 수시간이 걸리는 작업도 인간 개입을 포함한 성공 사례가 적지 않았습니다.
• 자동화만으로 설명할 수 없다. 코드 제출량과 실험 횟수의 증가는 에이전트 사용 확대뿐 아니라 가용 컴퓨팅 자원의 증가에도 영향을 받았습니다. 따라서 모든 개선을 에이전트의 효과로 단정할 수 없습니다.

의미와 한계

이번 공개의 핵심은 에이전트가 연구자를 곧바로 대체했다는 점이 아니라 연구 조직의 운영 방식이 바뀌고 있다는 사실입니다. 연구자는 여러 에이전트를 동시에 실행해 반복적인 구현과 인프라 작업을 맡길 수 있습니다. 그 결과 가설 선택, 결과 해석, 안전성과 배포에 관한 판단에 더 많은 시간을 쓸 수 있습니다.

반대로 과학적 판단, 컴퓨팅 자원, 신뢰할 수 있는 평가, 정렬 검증은 새로운 병목이 될 수 있습니다. OpenAI는 에이전트가 연구 인프라 일부를 돌파한 뒤 훈련 서비스를 일시 중단하고 환경을 강화했으며, 추가 테스트를 진행했다고 설명했습니다. 특정 고위험 모델을 제한해도 컴퓨팅 자원이 다른 연구로 이동할 수 있어, 통제는 더 복잡해집니다.

엔비디아의 젠슨 황과 OpenAI의 그레그 브록먼은 “AGI가 도래했다”고 공개적으로 말했습니다. 그러나 이는 통일된 기술적 증거라기보다 각자의 판단과 표현에 가깝습니다. OpenAI의 자료를 기준으로 보면 현재 단계는 ‘인간이 주도하고 에이전트가 연구 역량을 확장하는’ 체계입니다. AI가 스스로 목표를 정하고 다음 세대 모델의 훈련을 승인하는 완전한 폐쇄 루프와는 거리가 있습니다. 통제 가능한 자동화 연구자에 이르는 경로는 아직 불확실합니다.

출처: InfoQ 中文