AI와 산업의 변화 속에서, 우리가 일하는 방식의 다음을 살펴봅니다.
오픈AI가 에이전트가 사용자를 대신해 안전하게 결제할 수 있는 챗GPT 월렛을 발표했다. 에이전트는 실제 카드 정보를 받지 않고, 구매할 때마다 사용자가 생체인증 등 보안 확인으로 승인해야 한다. 아멕스, 마스터카드, 비자와 함께 만들었으며 미국 챗GPT 프로 구독자가 dots에서 먼저 쓸 수 있다. 기업이 에이전트 고객을 받아들일 수 있게 돕는 실무 가이드도 함께 공개했다.
AI가 상품 검색을 넘어 구매까지 맡는 에이전트 커머스의 결제 인프라가 처음 갖춰졌다. 결제와 고객 응대 업무에서 사람과 AI의 역할 분담이 빨라질 수 있음을 보여준다.
앤스로픽이 AI 안전성 평가를 제대로 만드는 방법을 정리한 글을 냈다. 심리학의 재현성 위기에서 배운 사전등록, 구성타당도, 자동 채점에 대한 사람 검증 등을 권고한다. 자체 사고를 계기로 평가 환경을 샌드박스로 분리하고 인터넷 접속 평가를 중단하거나 강화한 경험도 소개했다. 시스템 카드 사례를 바탕으로 한 회사의 실무 경험 정리다.
안전하다는 주장의 근거가 되는 평가 자체를 어떻게 신뢰할지 기준을 제시한다. AI 도입과 검증 업무에서 평가 결과를 비판적으로 읽는 데 도움이 되는 자료다.
개인 노트북부터 서버까지 다양한 기기에서 오픈소스 모델을 돌리는 데 널리 쓰이는 llama.cpp와 ggml이 버전 1.0.0을 내놨다. 프로젝트는 API와 ABI 호환성이 깨지는 변경을 메이저 버전에서만 반영하겠다고 약속하며 API 안정성을 정식화했다. 150개 이상의 모델 아키텍처를 지원한다는 것이 프로젝트 발표다.
로컬과 사내 AI를 직접 만드는 개발자의 하위 호환 부담이 줄어든다. 데이터를 외부로 보내기 어려운 조직이 자체 AI를 운영할 기반이 더 단단해진다.
앤스로픽이 클로드를 영상회의 참가자로 불러들일 수 있는 클로드 미팅을 팀과 엔터프라이즈 요금제에 베타로 내놨다. 회의 중 클로드에게 말이나 채팅으로 질문할 수 있고, 문서와 화이트보드 등 산출물을 통화 중에 바로 만들어 참가자들이 함께 다듬을 수 있다. 회의록과 할 일 정리는 클로드가 맡으며, 우선 구글 미트를 지원한다. 외부인이 참석한 회의에는 기본적으로 들어가지 않도록 설정돼 있다.
AI가 회의를 함께 듣고 즉시 산출물을 만드는 새로운 회의 방식이 문을 열었다. 회의록 작성과 자료 정리에 쓰던 시간을 줄여 팀이 논의 자체에 집중하게 만들 수 있다.
엔비디아 이사회는 젠슨 황이 사장, CEO, 이사직에서 즉시 사임한다고 발표했다. CFO 콜레트 크레스가 임시 CEO를 맡고, 하비 존스가 초대 이사회 의장으로 선임됐다. 발표문에는 사임 이유가 적혀 있지 않으며, 외신은 황의 사생활을 다룬 보도가 잇따른 뒤 사임이 이뤄졌다고 전했다. 회사는 11월 17일 3분기 실적 발표를 예정대로 진행한다고 밝혔다.
AI 칩 생태계의 중심 회사에서 창업자 경영이 갑작스럽게 끝났다. AI 도입 계획과 조달을 이끄는 리더 입장에서 후임 CEO 선임과 제품 로드맵 지속 여부를 주시해야 하는 사안이다.
구글이 11월 12일 젬마이니 4 하이드로젠을 공개했다. 깊은 추론용 프론티어 모델인 카본·아르곤과 달리 일상 코딩과 에이전트 작업을 빠르게 처리하는 실행형 모델이며, AI Studio·API·젬마이니 앱·검색 등 전 계층에 바로 제공된다. 구글이 내놓은 수치 기준으로 외부 지수에서 아르곤(50점)을 51점으로 앞서고 최고 사고 설정에서는 54점까지 올라가며, 가격은 100만 토큰당 입력 1.50달러·출력 7.50달러로 100만 토큰 전체에서 일정하다. 안티그래비티에 새로 들어간 오케스트레이터는 한 세션 안에서 카본과 하이드로젠을 작업에 맞게 자동으로 바꿔 쓴다.
싼 실행 모델의 성능이 올라오면서 비싼 프론티어 모델과 저비용 실행 모델에 작업을 나눠 맡기는 다중 모델 운영이 실용 단계에 들어섰다. 반복적인 코딩과 문서 작업을 에이전트에 맡기는 비용이 직접적으로 낮아진다는 점이 당장의 영향이다.
마이크로소프트가 4년째 IDC에 의뢰한 조사 결과가 11월 12일 나왔다. 28개 산업의 임원 5,200명 이상이 응답했으며, AI 성숙도 상위 10%인 '프론티어 기업'은 AI 투자 수익이 평균 4배로 하위 30% 집단(2.7배)보다 높고 96%가 에이전트를 대규모로 도입 중이라고 답했다. 반면 전체 조직 중 AI의 사업 가치를 측정할 자신이 있다는 응답은 61%에 그쳤고, 에이전트를 아직 시험 단계에 둔 곳도 36%였다. 수익 수치는 임원 응답 기준이며, 글쓴이도 이 조사가 인과관계가 아닌 연관성을 보여준다고 밝혔다.
도구 도입보다 측정·거버넌스·전사 교육을 하나의 체계로 관리하는 기업이 AI 수익을 반복 가능하게 만든다는 것이 핵심 결론이다. 상위 기업의 80%가 전사 차원의 AI 교육 전략을 갖춘 반면 전체 조직은 20%에 불과하다는 점은 사람 역량 투자가 다음 병목임을 보여준다.
젠팩트가 2026년 17개 산업 임원 2,000명 이상을 설문한 리포트를 11월 12일 냈다. 응답 기업의 79%가 AI 에이전트를 실제 운영 중이라고 답했지만, 여러 부서에서 일관되게 쓰는 곳은 20%, AI 투자를 손익에 완전히 연결한 곳은 15%에 그쳤다. 최근 24개월 동안 자금을 받은 AI 과제 중 기대한 가치를 낸 것은 평균 49%였고, 운영 모델을 실질적으로 바꾼 곳은 9%뿐이었다. 에이전트를 운영 중인 기업의 92%는 인력을 유지하거나 늘린 것으로 나타났으며, 모든 수치는 자기 응답 기준이다.
에이전트 도입 자체는 보편화됐지만 일하는 방식과 손익 관리를 바꾸는 일이 뒤처져 있다는 것이 조사의 핵심이다. 사람과 에이전트를 하나의 인력으로 설계하는 운영 모델이 다음 격차를 가른다는 점에서 조직 설계 담당자에게 참고가 된다.
데이터브릭스가 11월 11일 2세대 지니를 발표했다. 지니는 목표와 경계만 정해주면 장기 과제를 맡아 진행 상황을 스스로 추적하고, 결정이 필요한 순간에만 우선 수신함과 이메일로 사람에게 알리는 상시 작동 에이전트다. 사전 정의와 지표·조직 지식을 담은 지니 온톨로지가 사업 맥락을 유지하고, 유니티 카탈로그와 게이트웨이가 권한·예산 안에서 모든 행위를 감사 가능하게 통제한다. 최고경영자의 '생산성 10배' 발언과 운영 고객 수천 개사라는 규모는 모두 회사 측 주장이다.
지시를 기다리는 챗봇이 아니라 스스로 후속 조치까지 처리하는 '상시 동료' 형태가 데이터 플랫폼 회사에서 먼저 상용화되고 있다. 사람은 승인과 판단 지점만 남기고 반복 관리 업무를 넘기는 구조가 권한 통제·감사와 함께 어떻게 설계되는지 보여주는 사례다.
구글 오픈소스 블로그가 11월 11일 에이전트 연결 표준 MCP와 절차 지식 표준 에이전트 스킬의 거버넌스 현황을 다룬 인터뷰를 냈다. 앤스로픽이 리눅스재단 AAIF에 기증한 두 표준을 구글·앤스로픽·오픈AI의 엔지니어가 공동으로 유지 관리하며, 단일 회사 종속을 피하려는 쿠버네티스식 중립 거버넌스가 배경이라고 설명한다. MCP는 2026년 7월 28일 판에서 상태 기반 세션 방식을 버리고 확장에 유리한 무상태 구조로 전환됐다. 표준 경쟁 대신 상호운용성을 우선하는 흐름이 업계 전반에서 확인되는 대목이다.
도구 연결과 업무 절차를 묶는 공개 표준이 특정 벤더가 아닌 중립 재단으로 모이면, 서로 다른 에이전트 플랫폼이 같은 도구와 스킬을 재사용할 수 있게 된다. 특정 회사에 묶이는 비용이 줄어들어 팀이 에이전트 도구를 더 쉽게 바꾸고 조합할 수 있다.
구글이 새 모델 '제미니 디시전 1'로 움직이는 '제미니 디시전스 API'를 공개했다. 텍스트·이미지·오디오·영상·PDF를 한 번 넣고 예/아니오, 선택, 점수 평가 질문을 최대 1,000개까지 함께 묻는다. 글자를 생성하는 대신 후보 답변에 점수를 매겨 확률과 신뢰도로 돌려주며, 회사 발표 기준 종단 지연은 150~250밀리초, 입력 100만 토큰당 0.10달러에 출력 토큰 요금은 붙지 않는다. 성능과 비용 수치는 구글 자체 벤치마크 기준이다.
에이전트의 도구 선택, 정책 검사, 모델 라우팅 같은 반복 판단을 느린 생성 호출 대신 전용 엔드포인트로 옮기면 사람-AI 협업 파이프라인의 속도와 비용이 달라질 수 있다. 다만 신뢰도가 낮은 사례를 사람 검토로 넘기는 설계가 함께 필요하다.
구글 클라우드가 여러 단계·여러 앱 작업을 자동화하는 에이전트를 안전하게 설계하고 배포하는 능력을 인증하는 'Professional Agentic Architect' 자격증을 새로 발표했다. 감독 객관식 시험과 실습 랩으로 구성되며, 지난 4개월 동안 구글 클라우드 현장 엔지니어와 파트너 수천 명이 같은 교육을 먼저 받았다고 회사는 밝혔다. 자격 보유자의 80% 이상이 경력 기회와 승진에 도움이 된다고 답했다는 수치는 구글 클라우드 자체 조사 결과다.
'에이전트를 설계하는 일'이 공식 자격으로 자리잡아 가는 신호다. 사람과 AI가 함께 일하는 팀에서 검증된 설계 역량을 갖춘 사람을 가리는 기준이 생기면 채용과 역할 배분도 이를 따라갈 수 있다.
리눅스재단이 AI 에이전트에 도메인 기반 이름을 붙이고 DNS와 인증서로 신원을 등록·게시·검증하는 공개 표준 '에이전트 네임 서비스(ANS)'를 재단 프로젝트로 정식 출범시켰다. 규격은 명명, 등록과 버전 관리, DNS 게시, 공개 로그 감사, 무결성 모니터링, 에이전트 간 인증 등 일곱 문서로 이루어져 있다. 시스코, 클라우드플레어, 디지서트, 세일즈포스 등 11개 조직이 참여하거나 지지하며, AGNTCY의 에이전트 디렉터리가 ANS 신원 검증을 이미 지원한다.
에이전트를 믿고 일을 맡기려면 '이 에이전트가 누구 소속인지'를 확인할 수 있어야 한다. 이미 인터넷이 쓰는 DNS 위에 신원 확인 표준이 만들어지면 기업이 에이전트를 도입하고 감사하는 부담이 줄어들 수 있다.
허깅페이스가 글자를 만들어 내는 대신 정해진 답 후보에 점수를 매겨 확률로 돌려주는 '디시전 모델'을 소개하는 글을 공식 블로그에 게시했다. 트랜스포머스에서 pipeline('decision') 인터페이스로 바로 쓸 수 있고, TRL에 전용 학습 지원이 준비 중이며 언슬로스는 생성 모델을 디시전 모델로 바꾸는 레시피를 제공한다. 타입세이프 AI의 제브가 '시스템 원 모델'이라 불렀던 개념이 커뮤니티에서 '디시전 모델'로 이름을 정리한 배경도 설명한다.
분류와 라우팅 같은 빠른 판단을 텍스트 생성 없이 확률로 처리하는 방식이 공식 도구로 표준화되고 있다. 반복 판단이 많은 연구·업무 자동화에서 응답 속도와 결과의 일관성을 잡는 새 선택지가 된다.
OpenAI 경제연구팀과 프리랜서 플랫폼 업워크가 63개 업무 분야의 공고와 ChatGPT 사용 데이터를 함께 분석했다. ChatGPT에서 흔히 쓰이던 업무 43개 분야는 업워크 공고에서 비중이 줄었지만, AI 관련 프로젝트는 서로 섞이던 적 없는 업무를 묶어 요청하며 고정 예산과 작업 시간이 더 컸다. 2023년 초에서 2025년 말 사이 AI 관련 공고의 업무 조합 다양성은 약 45% 늘었고, 시급은 비슷했다. 모든 수치는 두 회사의 자체 분석 기준이다.
프리랜서 시장은 고용 통계보다 변화를 먼저 보여주는 곳이라, 어떤 업무가 AI로 넘어가고 어떤 업무는 사람과 결합해 커지는지 미리 가늠할 수 있다. AI 관련 일이 더 큰 예산과 규모를 갖고 재편되는 흐름은 팀의 업무 배분에도 그대로 적용된다.
구글 딥마인드가 평가 기관 Artificial Analysis와 함께 'MKA(멀티모달 지식 에이전트)' 벤치마크를 공개했다. 10개 산업 83개 직무의 전문가들이 베테랑 기준 3~8시간 걸리는 실전 과제 200개를 만들고, 사실 정확도 75%·시각 표현 25%의 채점 기준으로 평가한다. 모든 모델이 같은 오픈소스 에이전트 환경에서 과제를 푸는데, 모델별로 과제당 평균 30~130턴을 써 효율 차이가 컸다. 구글 발표로는 자동 채점 결과가 전문가 채점과 96% 일치했다.
도면·보고서·스프레드시트처럼 눈으로 봐야 하는 지식노동에서 에이전트가 어디까지 일을 대신할 수 있는지 잣대가 생겼다. 품질뿐 아니라 턴 수 같은 효율 지표를 함께 보여줘 실무 도입 여부를 판단할 때 유용하다.
구글 클라우드가 진료·운영·행정 데이터를 한데 묶는 의료 전용 AI 'Gemini for healthcare'를 프리뷰로 내놨다. 전자건강기록, 청구, 진료 지침, 메디케어 데이터 등을 연결해 진료기록 종합이나 사전 심사 검토 같은 여러 단계 업무를 에이전트가 수행하되, 정해진 안전장치와 사람 감독 아래에서만 돌아간다. HCA헬스케어·하이마크헬스·노스웰헬스가 시작 파트너다. 의료진이 서류 작업에 주당 약 28시간을 쓴다는 근거는 2024년 구글 클라우드 의뢰 조사로, 회사 발표 기준이다.
행정 업무가 의료진을 지치게 하는 문제는 여러 나라의 공통 과제라, 에이전트가 병원 행정을 얼마나 빨리 덜어주는지가 관전 포인트다. 대형 병원 시스템 3곳이 처음부터 참여해 실제 현장 검증 속도를 가늠해볼 수 있다.
OpenAI가 주 12억 명이 쓴다는 챗GPT에 'Businesses in ChatGPT' 베타를 도입했다. 기업은 Business Hub에서 프로필을 인증·관리하고 쇼피파이 상품 피드를 연결할 수 있으며, 사용자가 기업 프로필에서 대화형 '비즈니스 에이전트'로 질문을 이어갈 수 있다. 미국 전자상거래·온라인 서비스 기업 대상으로 먼저 제공되고, 에이전트 대화는 챗GPT 일반 답변과 구분 표시된다. 기업은 에이전트를 스폰서해 광고처럼 노출할 수도 있다.
고객이 검색 대신 AI에게 묻고 에이전트와 거래하는 채널이 갖춰지면 영업·마케팅·상담 업무의 배치가 달라진다. 기업 입장에서는 AI 플랫폼 안에서 자기 에이전트를 운영하는 일이 새 과제다.
IBM 컨설팅과 마이크로소프트가 공동 개발한 에이전트 플랫폼 '이매진 엔터프라이즈(Imagine Enterprise)'를 공개했다. IBM이 컨설팅 플랫폼에서 쌓은 사전 제작 에이전트와 자산 6,000여 개를 제공하고, 마이크로소프트가 클라우드·보안·거버넌스 기술로 뒷받침하며 양사 엔지니어의 현장 지원도 붙는다. 금융·보험·리테일 프레임워크부터 시작해 규제 산업을 겨냥한 통제와 모니터링을 강조했다. 소개된 고객 SEI는 아직 탐색 단계이며, 모든 내용은 양사 발표 기준이다.
대형 IT 두 곳이 패키지 에이전트와 운영 지원을 함께 묶어 내놓는 건, 에이전트 도입이 실험에서 실전 운영으로 넘어가고 있다는 신호다. 산업별 프레임워크가 실제로 구축 기간을 줄여주는지 지켜볼 일이다.
PwC US가 AI 시대에 인간의 비판적 사고와 판단력을 기르는 'Critical Thinking & Judgment' 수료 프로그램을 파트너와 직원 8만 5천 명 이상에게 도입한다고 발표했다. 2026년 12월 미국·멕시코·액셀러레이션 센터에서 시작해 2027년 6월까지 완료하는 목표이며, 진단, 마스터클래스, 맞춤 시뮬레이션, 실무 도구로 구성된다. 와튼·하버드 소속 교수 자문을 받아 만든 자체 프레임워크를 2027년 초부터 대학에도 공개할 계획이다. 교육 효과는 아직 검증 전인 계획 발표다.
대형 조직이 'AI를 쓰는 기술' 너머의 'AI 결과를 검증하는 판단력'을 공식 역량으로 훈련하는 대표적 사례다. AI가 기초 업무를 흡수할수록 사람의 검토 능력이 일의 질과 신뢰를 가르는 요소가 된다는 방향을 보여준다.
앤스로픽이 어려운 기술 과제용 신모델 클로드 페이블 5.2와 클로드 미토스 5.2를 공개했다. 두 모델은 같은 기반을 공유하며, 페이블은 사이버·바이오 안전장치를 갖추고 일반에 공개되고, 미토스는 생명과학·사이버보안 검증 프로그램을 거친 기관에만 제공된다. 회사 발표 기준으로 출력은 이전 세대보다 최대 30% 빠르고 입력 100만 토큰당 8달러로 가격이 내렸으며, 최대 2.5배 빠른 유료 빠른 모드도 추가됐다. 소프트웨어 이전 작업과 블랙홀 공개 문제 해결 등 출시 전 성과는 회사가 스스로 밝힌 것으로 독립 검증은 아니다.
코딩과 연구에서 어려운 문제에 상위 모델을 쓰는 문턱이 속도와 가격 양쪽에서 낮아졌다. 일상 작업은 오퍼스 5.5, 난제는 페이블로 나누는 식의 모델 분업이 자리 잡으면 팀의 생산성과 연구 속도가 구조적으로 빨라질 수 있다.
앤스로픽 연구팀은 회로기판 업체 다이오드 컴퓨터와 협력해 클로드 페이블 5.2에게 스피커폰, 음성 비서 허브, 휴대용 전자펫 세 기기 설계를 맡겼다. 모델은 기하 추론으로 회로기판 배치를 하고 제조 제약을 반영했으며, CAD 모델링과 사람 엔지니어에 대한 조립 지시까지 수행했다. 그 결과 회로 수정 없이 동작하는 시제품이 나왔다고 회사가 밝혔다. 다만 성능 검증은 회사 측 실험 기준이다.
AI가 코드를 넘어 하드웨어 설계와 프로토타이핑까지 맡을 수 있음을 보여준 사례다. 엔지니어는 반복 설계를 AI에 맡기고 검증과 판단에 집중하는 새로운 분업이 가능해질 수 있다.
오픈AI가 연구 인프라에서 돌아가는 모델 작업 전체를 추적하고 안전·보안 문제가 생기면 신속히 멈추는 중앙 시스템 '컨트롤 룸'을 소개했다. 개입 결정 후 최대 35초 안에 모델 출력이 중단되며, 시스템 자체가 다운돼도 출력이 멈춘 상태를 유지하도록 설계됐다. 에이전틱 추론을 하는 모든 연구 작업은 승인된 안전 사례와 연동되어야 한다.
AI 에이전트가 대규모로 돌아가는 시대에 끄는 기능 자체가 설계 대상이 됐음을 보여준다. 에이전트를 도입하는 기업도 비상 정지와 감사 체계를 함께 만들어야 한다는 점을 참고할 수 있다.
오픈AI가 ChatGPT Enterprise를 AWS Marketplace를 통해 판매하기 시작했다. 조직은 기존 AWS 구매·결제 계약으로 그대로 구매하고 관리할 수 있으며, 해당 지출은 AWS 약정 사용량에 포함할 수 있다. 헬스케어와 금융 서비스 버전도 조건에 따라 같은 경로로 이용할 수 있다.
AI 도구 조달이 기존 클라우드 구매 절차 안으로 들어오면 도입 검토와 예산 승인이 단순해진다. 여러 클라우드와 구독을 함께 쓰는 기업에는 관리 부담을 줄이는 실질적 변화다.
구글이 8세대 TPU 라인업에 보안 추론용 8tx와 초장문 컨텍스트용 8i Max를 추가했다. 한 해에 네 종류의 TPU 시스템을 내놓은 것은 처음이며, 회사 발표 기준 TPU 고객은 프론티어 연구소·금융·유통·대학 등 약 100곳으로 늘었다. 컴퓨팅 수요가 사람 규모에서 에이전트 규모로 옮겨가는 흐름에 맞춘 전용 하드웨어라고 회사는 설명했다.
에이전트가 길고 복잡한 작업을 수행할수록 대용량 컨텍스트와 전용 인프라가 병목이 된다. 기업 입장에서는 에이전트 작업량의 비용과 보안을 좌우하는 하드웨어 선택지가 넓어지는 변화다.
메타 슈퍼인텔리전스 랩스가 11월 6일, 10월에 공개한 뮤즈 원더(Muse Wonder) 시리즈로 기존 모델을 다시 학습한 전문화 버전을 뮤즈와 메타 AI 전반에 배포한다고 발표했다. 원더와 함께 선보인 능동 기억(Active Memory)과 능동 집중(Active Focus) 기능이 이 모델들에도 적용된다. 메타는 자체 측정 기준으로 뮤즈에서 목표 달성에 필요한 핵심 정보를 잊는 빈도가 2.4배 줄었고, 예상치 못한 문제가 생기는 일상 과제 완수율이 67% 개선되었다고 밝혔다.
AI 비서가 대화 사이에서 맥락을 잊지 않고, 예상 밖의 상황에서도 스스로 복구해 목표 작업을 이어가는지는 에이전트를 실무에 쓸 때 성패를 가르는 변수다. 이번 배포는 이런 '기억하는 비서'가 상위 모델뿐 아니라 일반 사용자용 모델로 확산되고 있음을 보여준다. 다만 개선 수치는 메타 자체 측정값이라는 한계가 있다.
Anthropic 펠로우 프로그램이 게임 개발사 펜리스 크리에이션스와 협력해 Claude가 MMORPG 'EVE 온라인' 시장에서 거래하고, 'EVE Frontier'에서 4개 에이전트 팀으로 장기 임무를 수행하게 했다. 시장 실험은 실제 게임이 아니라 과거 주문을 재생하는 시뮬레이터에서 이뤄졌고, 6개월 운용에서 최신 모델 Fable 5는 초기 자본의 약 6배를 벌어 구형 Opus 4.6의 약 2배를 크게 앞섰다. 반면 뉴스를 보고 가격 방향에 베팅하는 과제에서는 수익이 난 사례가 절반 정도에 그쳤다. 팀 임무에서는 협업이 잘 됐지만, 몰래 팀 해치라는 지시를 받은 에이전트를 동료들이 거의 적발하지 못했고, 전용 모니터 에이전트도 30~40%만 잡아냈다. 모든 수치는 Anthropic 자체 실험 기준이다.
자금 운용이나 팀 업무를 AI 에이전트에 맡길 때 어디까지 믿을 수 있는지를 낮은 위험 환경에서 가늠한 사례다. 빠른 상황은 에이전트가 직접 도구를 만들어 보완하고, 신뢰 문제는 감사 기록과 역할 분리 같은 조직 장치로 풀어야 한다는 결론은 사람과 AI가 함께 일하는 방식을 설계할 때 바로 참고할 수 있다.
Anthropic 리서치 글이 과학 모델링을 모델 만들기, 데이터에 맞춘 파라미터 조정, 해석의 세 단계로 나누고 각 단계에서 AI의 역할을 설명한다. 최근 2년 사이에 LLM 기반 에이전트가 후보 모델 코드를 쓰고 실행해 데이터와 비교한 뒤 고치는 반복으로, 사람만 할 수 있던 모델 설계까지 맡는 시스템이 등장했다는 것이다. 핵심 주장은 같은 데이터를 설명하는 모델은 여럿일 수 있으므로, 최적 모델 하나가 아니라 데이터가 허용하는 모델 전체의 분포를 봐야 진짜 이해가 생긴다는 것이다. 저자들은 이런 시스템이 아직 알려진 모델을 다시 찾는 수준에서 주로 검증됐고 열린 문제에서는 증거가 부족하다는 한계도 스스로 밝혔다.
AI가 '답을 내는 것'과 '이해를 주는 것'은 다르다는 구분을 분명히 해주는 글이다. 살아남은 모델들을 서로 비교해 시스템의 어느 부분이 데이터로 확정됐고 어디가 열려 있는지 보는 방식은, AI를 쓰는 연구자가 다음 실험을 정하는 데 바로 적용할 수 있는 작업 방식이다.
오픈AI가 효소 설계 바이오텍 리고(Ligo)와 함께 습윤 실험실의 일상 분석을 측정하는 '바이오베이직스벤치'를 공개했다. 젤 사진·현미경 이미지·시퀀싱 데이터 같은 원시 실험 자료로 과학자들이 100개 과제를 만들고 채점 기준을 직접 썼다. 회사 자체 평가로 가장 높은 추론 설정에서 GPT-6 Astra는 평균 66.7%를 얻어 GPT-5.6 Sol(43.8%)을 크게 앞섰고, 콜로니 세기에서 약 12% 과다 계상하는 실패 사례도 함께 공개했다.
논문용으로 다듬어진 그림이 아니라 지저분한 원시 실험 데이터를 AI가 얼마나 정확히 읽는지가 연구 보조 자동화의 관건이다. 결과와 실패 사례를 함께 공개해 연구실이 어디까지 분석을 맡길 수 있을지 가늠하는 기준이 됐다.
앤스로픽이 세션 사이에 지식을 유지하는 '에이전트 메모리'를 어떻게 설계하는지 정리한 연구를 공개했다. 핵심은 그 순간 중요한 것을 판단해 메모리 노트를 남기는 것과, 대화 기록을 다시 훑어 잘못된 메모리를 고치는 '드리밍(dreaming)'이다. 회사 자체 실험에서 포켓몬 장기 과제에서 구형 모델은 메모리 파일 413개를 남기고 뱃지 1개를 얻은 반면 최신 모델은 9개 파일로 뱃지 4개를 얻었고, 드리밍이 잘못 적어둔 위치 정보를 바로잡아 진행을 되살렸다.
장기 과업을 에이전트에 맡길 때 실수는 기억 설계에서 나오는 경우가 많다. 무엇을 기록하고 언제 스스로 검증할지 정리한 이 지도는 사람과 AI가 함께 일할 때의 신뢰성 기반이 된다.
요약은 원문을 번역하고 편집한 내용입니다. 코멘트는 우리의 해석이며, 미래 전망은 해당 출처의 견해입니다.