Intelligent AI Delegation

AI 에이전트가 일을 쪼개 다른 에이전트나 사람에게 맡길 때 권한과 책임, 신뢰까지 함께 넘기는 방법을 정리한 Google DeepMind 연구진의 개념 제안이다.

이 논문은 실험으로 성능을 보여 주는 연구가 아니라, Google DeepMind 연구진이 내놓은 개념 틀과 프로토콜(에이전트끼리 주고받는 통신 규약) 구상이다. 저자들은 지금의 에이전트가 일을 단순한 규칙으로 잘게 나누는 데 그치고, 권한과 책임을 넘기며 신뢰를 쌓는 과정은 빠져 있다고 지적한다. 그래서 일을 맡기는 쪽과 맡는 쪽이 역할과 경계, 감시 방식, 결과 확인 방법을 미리 계약처럼 정하고, 상황이 바뀌면 도중에 담당 에이전트를 바꿀 수 있어야 한다고 말한다. 사람 조직에서 오래 다뤄 온 문제도 끌어왔는데, 맡은 쪽이 맡긴 쪽의 뜻과 다르게 움직이는 문제나 관리자 한 명이 감당할 수 있는 인원 한계 같은 것이다. 마지막으로 MCP, A2A, AP2, UCP 같은 기존 에이전트 프로토콜이 이 요구를 어디까지 채우는지 따져 보고, 모자란 부분을 메울 확장 예시를 보여 준다. 실제 구현이나 실험으로 효과를 확인한 내용은 논문에 없다.

핵심 요약

• 논문은 일을 잘게 쪼개 나눠 주는 작업 분해와 지능형 위임을 구분한다. 지능형 위임은 여기에 더해 권한과 책임을 넘기고, 역할과 경계를 분명히 하며, 의도를 맞추고, 서로 신뢰를 쌓는 절차까지 포함한다.
• 제안한 틀은 다섯 기둥으로 이뤄진다. 상대의 현재 상태를 계속 살피는 동적 평가, 상황이 바뀌면 계획을 고치는 적응 실행, 과정과 결과를 들여다볼 수 있게 하는 구조적 투명성, 많은 참여자를 값싸게 이어 주는 확장 가능한 시장 조정, 연쇄 실패를 막는 시스템 회복력이다.
• 핵심 원칙은 contract-first decomposition, 즉 검증할 수 있는 단위로 먼저 쪼개는 것이다. 결과를 확인하기 어렵거나 너무 주관적인 하위 작업은 단위 테스트나 형식 증명처럼 확인 가능한 크기가 될 때까지 더 잘게 나누라고 말한다.
• 맡길 상대를 고를 때는 누구나 볼 수 있는 평판과 맡기는 쪽이 스스로 정한 신뢰 기준을 나눠서 본다. 권한은 그 일에 꼭 필요한 만큼만 주고 하위 위임에서는 더 좁히며, 진행 상황 감시와 완료 검증, 누가 무엇을 누구에게 맡겼는지 남기는 책임 추적 기록을 함께 둔다.
• MCP는 권한을 세밀하게 줄이는 장치가 없고, A2A는 완료를 증명해 붙일 자리가 없으며, AP2는 조건부 정산이 빠져 있고, UCP는 상거래에 맞춰져 있어 일반 작업 위임에는 확장이 필요하다고 짚는다. 다만 이 제안을 실제로 만들어 보거나 실험으로 검증한 내용은 논문에 없다.

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.