구글 딥마인드·바이두 등 진화형 연구 시스템 가세하며 ‘재귀적 자기개선’ 실험 확대
인간 연구자는 ‘코드 작성자’에서 ‘에이전트 군단 지휘관’으로 역할 변화
METR·스탠퍼드 HAI 등 “측정 방식이 달라 단순 비교 어렵다… 공통 지표·독립 검증 필요”

[IT News] 인공지능(AI)이 스스로 다음 세대 AI를 연구하고 개발하는 이른바 ‘재귀적 자기개선(Recursive Self-Improvement·RSI)’의 현주소를 보여주는 정량적 자료가 잇달아 공개됐다. 글로벌 AI 선도 기업인 오픈AI(Research acceleration: The jagged frontier)와 앤트로픽(Measurements for understanding the pace of AI development inside frontier labs)이 자사 핵심 연구개발(R&D) 과정에서 AI 에이전트가 차지하는 비중을 공개하면서, 막연한 추측의 영역에 머물던 ‘AI의 AI 개발’ 실체가 구체적인 숫자로 드러나기 시작했다.
여기에 구글 딥마인드와 중국 바이두의 진화형 연구 시스템 사례, 그리고 METR·Epoch AI·스탠퍼드 인간중심AI연구소(HAI) 등 독립 연구기관의 분석까지 더해지며, 글로벌 테크 업계는 AI R&D 패러다임의 변곡점을 마주하고 있다.
‘46%’와 ‘26%’의 간극… 무엇을 어떻게 쟀나
최근 공개된 양사의 자료에서 가장 눈길을 끄는 대목은 자동화 수치를 둘러싼 미묘한 온도 차다. 오픈AI는 자사 코딩 에이전트가 인간 연구자 기준 2~4시간이 소요되는 연구 과업의 46%를 인간 개입 없이 완수했다고 밝혔다. 반면 앤트로픽은 자사 모델 ‘클로드(Claude)’가 전체 AI R&D 업무의 26%를 주도하고 있지만, 인간 개입이 전혀 없는 완전 자율 수행 영역은 아직 없다고 선을 그었다.
언뜻 큰 격차로 보이지만, 두 숫자는 서로 다른 질문에 대한 답이기 때문에 단순 비교할 수 없다. 오픈AI의 46%는 개별 과업 단위의 ‘자율 완수율’이다.
오픈AI는 2026년 3월부터 10월까지 연구자가 위임한 과업을 추적했는데, 3월 당시 23%였던 2~4시간 과업 완수율이 10월 들어 두 배로 뛰었고, 4~8시간 규모의 고난도 과업 역시 같은 기간 13%에서 35%로 급등했다. 에이전트가 단순 코드 자동완성 도구를 넘어 근무일 절반 안팎의 엔지니어링 과업을 독자적으로 처리하는 단계에 진입했음을 보여주는 대목이다.
반면 앤트로픽의 26%는 회사 전체 R&D 업무량을 인력 투입 시간(사람-시간)으로 가중치 계산해 산출한 ‘전체 자동화 지수’다. 앤트로픽은 2026년 7월 내부 기록을 바탕으로 약 1만 5000개의 세부 모델 R&D 과업을 추출한 뒤, 이를 542개 노드와 378개 말단 과업으로 구조화해 Epoch AI의 자동화 수준(AL) 척도를 적용했다.
평가 결과, 인간의 세밀한 지도 아래 AI가 큰 부분을 수행하는 협업 단계(AL3) 이상은 전체 업무의 90%를 넘어섰지만, 상위 목표만 부여하면 AI가 대부분의 과정을 끝까지 수행하는 주도 단계(AL4)는 26%로 집계됐다. 특히 인간 개입이 전혀 없는 완전 자율 단계(AL5)에 도달한 영역은 단 한 곳도 없었다.
즉, 오픈AI가 “에이전트가 주어진 단위 과업을 얼마나 잘 끝내는가”에 집중했다면, 앤트로픽은 “회사 전체 연구 인력 시간 중 AI가 실질적 주도권을 쥔 비중이 얼마인가”를 보수적으로 측정한 셈이다.
‘들쭉날쭉한 경계’… 반복 작업엔 강점, 핵심 설계엔 한계
두 기업의 데이터는 AI 에이전트가 연구 현장의 강력한 가속기로 작동하고 있음을 보여주는 동시에, 현세대 AI가 넘지 못한 기술적 병목 또한 적나라하게 드러냈다.
오픈AI의 과업별 성적표를 들여다보면 명암이 극명하게 갈린다. 학습 실행 모니터링(79%), 기술 질문 답변(72%), 연구자 간 의사소통 지원(69%), 실험 데이터 분석(58%) 등 반복적이고 결과 검증이 비교적 명확한 영역에서는 높은 자율 완수율을 보였다.
그러나 추론 및 서빙 스택 코드 작성(25%), 평가·강화학습·에이전트 환경 구축(29%), 대규모 학습 실행 시작(35%) 등 시스템의 뼈대를 세우고 핵심 인프라를 설계하는 영역에서는 완수율이 30% 안팎에 머물렀다. 오픈AI는 이를 AI의 역량이 영역별로 큰 편차를 보이는 ‘들쭉날쭉한 경계(jagged frontier)’ 현상으로 설명했다.
이러한 현상은 구글 딥마인드와 바이두 등 다른 글로벌 빅테크의 사례에서도 공통적으로 확인된다. 구글 딥마인드는 진화형 코딩 에이전트 ‘알파이볼브(AlphaEvolve)’를 통해 차세대 AI 칩(TPU)의 핵심 산술 회로 설계를 최적화하고, 모델 학습에 쓰이는 행렬 곱셈 커널을 개선해 학습 시간을 줄이는 성과를 거뒀다.
중국 바이두 역시 최근 자동화 연구 시스템 ‘어니 이볼브(ERNIE Evolve)’를 공개하며, AI가 명시된 목표와 제약 아래 연구 방향을 탐색하고 코드·실험을 반복적으로 개선하는 연구 파이프라인을 구축했다고 밝혔다. 하지만 이들 기업 역시 AI가 탐색 공간을 넓히고 최적화 루프를 가속하는 데는 강점을 보이지만, 문제 자체를 정의하고 평가 기준을 설계하는 최상위 아키텍처 구상은 여전히 인간 연구자의 고유 영역으로 남아 있다는 점을 인정하고 있다.
‘연구 취향’의 부재… ‘실행자’ AI와 ‘판단자’ 인간
실제로 오픈AI가 차세대 모델인 ‘GPT-6 Astra’와 ‘GPT-6.2 Astra’의 핵심 연구 아이디어 출처를 역추적한 결과, 주요 아이디어는 대체로 인간 연구자가 제시한 것으로 나타났다. 일부 사전학습 연구자들이 코딩 에이전트 ‘코덱스(Codex)’와 대화를 나누며 아이디어를 구체화하거나 의미 있는 통찰을 얻은 사례는 있었지만, 오픈AI는 이것이 AI가 독자적인 ‘연구 취향(research taste)’을 갖췄다는 증거로 보기는 어렵다고 설명했다.
현장 연구자 인터뷰에서도 AI의 양면성이 고스란히 드러났다. 수천 개의 데이터 샘플을 빠르게 훑어 이상 징후를 포착하고 평가 코드를 이식하는 작업에서는 높은 생산성을 발휘했지만, 동시에 불필요한 우회 절차에 빠지거나 품질이 떨어지는 코드 아티팩트를 양산하고 잘못된 분석 가정을 세우는 오류도 보인 것으로 나타났다.
이는 AI 에이전트가 연구의 병렬성과 반복 작업 처리 능력을 크게 높이는 동시에, 인간 연구자에게는 AI의 결과물을 꼼꼼히 검증해야 하는 새로운 종류의 인지적 부담을 안겨주고 있음을 의미한다.
앤트로픽의 사례는 대규모 에이전트 운용 시 인간 통제의 중요성을 더욱 극명하게 보여준다. 앤트로픽은 연구·엔지니어링 현장에서 평균 약 3만 개의 AI 에이전트를 동시 운용했다. 이들의 행동은 실행 전 온라인 모니터와 실행 후 오프라인 모니터라는 이중 감시망을 거친다.
지난 8월 한 달간 에이전트가 내린 10억 건 이상의 의사결정 중 0.002%, 즉 약 4만 7000건당 1건꼴로 이상 행동이 감지돼 차단됐다. AI가 연구의 실행 범위를 넓히는 동안, 인간은 연구의 방향과 안전의 경계선을 설정하는 감독관 역할을 수행하고 있는 것이다.
‘에이전트 근무일’ 11배 증가… 안전 연구도 동반 확대
비록 완전 자율 단계에는 이르지 못했지만, 연구 현장의 활용 지표는 빠르게 확대되고 있다. 오픈AI에 따르면 2026년 10월 기준 연구자 1인당 하루 에이전트 사용액 중앙값은 2400달러(약 330만 원)로 전월 대비 62% 증가했으며, 상위 10% 연구자의 사용액은 하루 2만 3000달러(약 3160만 원)로 105% 늘었다.
이를 업무량으로 환산한 ‘에이전트 근무일’은 연구자 1인당 하루 0.5일에서 5.7일로 약 11배 증가했다. 특히 사전학습과 사후학습 핵심 팀의 연구원 1명은 하루 평균 약 8명의 ‘디지털 동료’를 병렬로 활용하며 연구를 진행하고 있다.
흥미로운 점은 이러한 빠른 확대에도 불구하고 내부 에이전트 가동에 쓰인 연산량은 오픈AI 전체 연구 컴퓨팅 자원의 2%에 불과했다는 사실이다. 또한 API 환산 기준 에이전트 사용 비용은 연구자 비상장 보상의 약 2배 수준으로 나타나, 주식 보상을 포함한 실제 인건비 대비 AI 에이전트의 순수 비용 효율성이 인간을 압도한다고 단정하기는 아직 이르다는 분석도 나온다.
AI가 스스로의 개발 속도를 끌어올리면서 안전 및 정렬(Safety & Alignment) 연구에 대한 투자 역시 늘고 있다. 오픈AI는 올해 1월부터 9월 사이 안전·정렬 분야의 문서화된 연구 공헌량이 77% 증가했다고 밝혔다.
앤트로픽은 전체 R&D 컴퓨팅 자원의 약 6%, 특히 AI가 수행하는 R&D 컴퓨팅 중에서는 약 12%를 안전 연구에 투입하고 있다고 공개했다. AI의 자기개선 가능성이 커질수록 통제 불능 위험을 사전에 점검하기 위한 안전 연구가 선택이 아닌 필수 조건이 되어가고 있다는 것이다.
국제 검증 기관 “측정 파편화 심각… 공통 지표 필요”
이번 자료 공개를 계기로 AI 안전·평가 분야에서는 통일된 측정 기준 마련의 필요성이 다시 제기되고 있다. AI 평가기관 METR은 프런티어 AI 모델이 인간 전문가 수준의 자율 소프트웨어 엔지니어링 과업을 50% 확률로 완수할 수 있는 작업 시간 지평(Time Horizon)이 빠르게 늘어나고 있다고 분석했다.
다만 METR의 원래 추세 추정에서는 해당 지표가 약 7개월마다 두 배가 됐지만, 2026년 1월 갱신 추정에서는 2023년 이후 배가 주기가 약 130.8일, 즉 약 4.3개월로 짧아진 것으로 제시됐다. 2024년 이후에는 약 88.6일로 더 짧아졌다. 다만 이는 특정 벤치마크와 과업 정의에 기반한 추정치이며, 실제 연구 현장의 자율성이나 재귀적 자기개선 속도를 그대로 의미하지는 않는다.
스탠퍼드 HAI 등도 AI 에이전트의 성능이 과업 유형과 평가 방식에 따라 크게 달라진다고 지적해왔다. 기업마다 과업 분류 체계와 자동화 척도, 가중치 산정 방식이 제각각인 만큼, 현재의 지표만으로는 재귀적 자기개선의 실제 속도와 잠재적 위험도를 객관적으로 비교하기 어렵다는 지적이 나온다.
이에 앤트로픽은 향후 외부 독립 평가자를 자사 내부 시스템에 직접 배치해 안전 관행과 핵심 R&D 지표를 검증받겠다고 제안했다. 오픈AI 역시 주요 AI 연구소들이 재귀적 자기개선 속도를 추적·공개하는 지표를 의무화해야 한다고 주장했다.
시사점
이번 정량 자료 공개가 AI R&D 자동화의 현주소를 보여준 중요한 이정표다. 현재까지의 자료는 AI 에이전트가 AI R&D의 보조적 실행층에서 빠르게 자리 잡았음을 보여준다. 오픈AI 기준으로는 중간 규모 과업의 절반 가까이를, 앤트로픽 기준으로는 전체 연구 업무량의 4분의 1가량을 AI가 주도하는 시대가 열리고 있기 때문이다.
하지만 그 이면에는 여전히 인간의 날카로운 문제 정의와 엄격한 검증이 자리 잡고 있다. 연구 방향 설정, 문제 정의, 실험 설계, 결과 검증, 안전성 판단은 인간 연구자의 몫으로 남아 있다. AI가 AI를 만드는 시대의 서막은 올랐지만, 그 지휘봉을 쥔 주체는 아직 ‘혼자 개발하는 기계’가 아닌 ‘기계 군단을 지휘하는 인간’이라는 점이 이번 글로벌 데이터들이 남긴 가장 중요한 결론이다.
김들풀 기자 itnews@
























![[보고서] 딥씨크 출현과 한국 AI 미래전략](https://www.itnews.or.kr/wp-content/uploads/2025/02/7-218x150.png)

![[2024 애플 동향] ③ 애플카 ‘프로젝트 타이탄’의 실패 원인](https://www.itnews.or.kr/wp-content/uploads/2024/03/1-2-218x150.png)
![[2024 애플 동향] ② 애플카 ‘프로젝트 타이탄’ 10년간 의 여정](https://www.itnews.or.kr/wp-content/uploads/2024/03/4-218x150.png)
![[2024 애플 동향] ① 애플 프로젝트 타이탄’ 종료](https://www.itnews.or.kr/wp-content/uploads/2024/03/Midjourney-218x150.png)








