AI 동료 되기 위한 핵심은 대답이 아닌 작업 완수, 심층분석
인공지능 산업이 하나의 전환점에 서 있다는 분석이 나왔습니다. 텐센트 유투랩과 중국 다수의 대학 연구팀이 발표한 서베이 논문은 AI가 진정한 직장 동료가 되려면 “질문에 답하는 것”을 멈추고 “작업을 끝까지 완료하는 것”으로 전환해야 한다고 주장합니다. 이 주장은 단순한 기술 논의를 넘어, AI 산업의 방향성을 근본적으로 재정의할 수 있는 중요한 시사점을 담고 있습니다.
챗봇에서 디지털 동료까지, 다섯 단계의 진화
연구팀은 대규모 언어 모델의 발전 과정을 다섯 단계로 구분합니다. 첫 번째 단계는 기본적인 챗봇으로, 언어 패턴과 사실을 파라미터에 저장한 뒤 가장 유력한 다음 토큰을 순서대로 생성하는 방식이었습니다. 두 번째 단계는 툴 호출 에이전트로, API를 호출하고 코드를 작성하며 웹을 탐색할 수 있었지만 여전히 취약했습니다. 세 번째는 사고 모델로, 추론 과정에서 더 많은 연산을 투입해 해결 탐색과 자기 교정을 수행합니다. 네 번째와 다섯 번째는 영구적 작업 환경을 기반으로 하는 오픈클로 시대와 디지털 동료 단계입니다.
이 구분은 경쟁 관계에 있는 다른 연구 기관들의 분석과도 궤를 같이합니다. 구글 딥마인드와 오픈AI 역시 유사한 진화 단계를 제시한 바 있지만, 텐센트 연구팀의 차별점은 환경의 영속성을 핵심 축으로 설정했다는 점입니다. 화웨이의 패ANGES 모델이나 바이두의 어니봇 에이전트 기능을 강조하지만, 작업 환경의 지속성까지 체계적으로 정리한 사례는 드뭅니다.
빠른 대답에서 깊은 사고로, 시스템 사고의 전환
챗봇 시대의 모델은 주로 빠르게 텍스트를 생성했습니다. 언어 패턴을 활용해 한 번에 답변을 작성하며, 중간 단계를 검증하거나 해결책을 탐색하지 않았습니다. 마치 즉석에서 직감에 의존해 답을 내놓는 것과 같습니다.
반면 오픈AI의 o1과 딥시크 알 같은 사고형 대규모 언어 모델은 답변 순간에 더 많은 연산을 투자합니다. 긴 사고 체인을 생성하고 중간 단계를 검증하며, 강화 학습을 통해 탐색과 자기 교정을 학습합니다. 검증 가능한 올바른 해결책만 보상을 받는 구조입니다. 연구팀은 이를 심리학자 다니엘 카너먼의 프레임워크를 빌려 빠르고 직관적인 시스템 1 사고에서 느리고 신중한 시스템 2 추론으로의 전환이라고 설명합니다.
이러한 변화는 한국 AI 생태계에도 직접적인 영향을 미칩니다. 네이버 하이퍼클로바 X나 카카오의 코그니자트 등 국내 대형 모델들도 추론 능력 강화에 주력하고 있습니다. 사고형 모델이 보편화되면 한국 기업의 고객 상담 자동화나 개발 지원 도구의 정확도가 크게 향상될 것으로 기대됩니다.
도구 호출의 한계와 구조적 병목
초기 에이전트들은 API 호출, 코드 작성, 웹 탐색이 가능했지만 여전히 불안정했습니다. 연구팀은 네 가지 구조적 병목을 식별했습니다. 첫째, 에이전트가 환경을 단편적으로만 인식했다는 점입니다. 둘째, 도구 호출이 지속적인 상태를 남기지 못했다는 점입니다. 셋째, 예상치 못한 행동이 에이전트를 중간에 끊어놓았다는 점입니다. 넷째, 작업을 끝까지 완료하는 경우가 드물었다는 점입니다.
이러한 한계는 국내에서도 유사하게 나타나고 있습니다. 한국 기업들이 도입한 다양한 AI 어시스턴트들이 초기에는 높은 기대를 모았으나, 실제 업무 흐름에 안정적으로 통합되지 못하는 사례가 빈번했습니다. 원인은 단순한 모델 성능의 문제가 아니라 작업 환경의 지속성과 관련이 있습니다.
오픈클로 시대, 영속적 작업 환경의 등장
오투클로 시대는 환경 자체가 영속적으로 변환되는 시기입니다. 파일, 세션, 로그, 브라우저, 권한, 스킬이 전체 워크플로우에 걸쳐 보존됩니다. 연구팀은 오픈핸즈와 SWE에이전트를 사례로 제시하며, 이들이 에이전트를 통제된 개발 환경에 안착시킨 점을 높이 평가합니다.
스킬은 반복적으로 사용할 수 있는 작업 단위로 정의됩니다. 마치 직장인이 템플릿을 활용해 반복 업무를 효율적으로 처리하듯, AI 에이전트도 재사용 가능한 스킬을 조합해 복잡한 작업을 완수합니다. 이 개념은 앤스로픽의 컴퓨터 사용 에이전트나 마이크로소프트의 오픈AI 에이전트 개발 키트와도 맞닿아 있지만, 텐센트 연구팀은 작업 공간과 스킬의 결합을 핵심 누락 요소로 명시적으로 지적한 점에서 차별화됩니다.
한국 사용자에게 미치는 영향
이 연구 결과는 한국 사용자에게 여러 방면에서 영향을 미칩니다. 기업 입장에서는 AI 도입 전략을 단순한 챗봇 배치에서 업무 자동화 플랫폼 구축으로 전환해야 한다는 의미입니다. 개발자 입장에서는 AI 코딩 어시스턴트가 단순 코드 완성 도구에서 작업 단위를 끝까지 처리하는 동료로 진화할 것임을 시사합니다. 일반 사용자 입장에서는 AI와의 상호작용이 질의응답 형태에서 위임 형태로 바뀔 수 있음을 뜻합니다.
특히 한국의 강소기업과 스타트업 관점에서는 작업 환경 지속성 기술의 확보가 경쟁력과 직결될 것으로 보입니다. 글로벌 기업들이 오픈소스 기반의 영속적 워크스페이스를 속속 공개하고 있는 상황에서, 한국 기업도 유사한 인프라를 구축하거나 적극적으로 도입할 필요가 있습니다.
마무리: 대답 너머, 완수의 시대로
텐센트 유투랩의 서베이는 AI 산업이 해결해야 할 과제가 명확해졌음을 시사합니다. 더 좋은 대답을 만드는 것이 목표가 아니라, 의도를 신뢰할 수 있는 작업 완수로 전환하는 것이 목표입니다. 작업 공간의 영속성과 재사용 가능한 스킬의 결합이 그 열쇠를 쥐고 있습니다.
한국 AI 생태계도 이 변화의 흐름에서 예외일 수 없습니다. 모델의 지능만으로는 충분하지 않으며, AI가 실제로 업무를 끝까지 수행할 수 있는 환경을 갖추는 것이 다음 단계의 경쟁력이 될 것입니다. 대답하는 AI의 시대는 저물고, 일하는 AI의 시대가 열리고 있습니다.
#AI에이전트 #LLM진화 #디지털동료 #작업자동화 #오픈클로 #텐센트유투랩 #사고형모델 #업무자동화 #한국AI #AI동료