# AI 에이전트와 자동화 연구: 창업자가 알아야 할 모든 것

> 2026-03-21 · 큐레이션 김태우
> https://challengekim.com/insights/ai-agents-automation-research-everything-founders-need-to-know-ko
> 원문: https://www.youtube.com/watch?v=kwSVtQ7dziU

## 핵심 요약

- **AI 에이전트가 인간의 작업 방식을 완전히 변화** 시키고 있으며, 안드레이 카파시는 하루에 16시간을 에이전트에게 자신의 의지를 표현하는 데 사용합니다
- **자동 연구(Auto Research)** 라는 새로운 개념이 LLM 훈련을 혁신하고 있으며, 인간 연구자를 루프에서 제거하면서 효율성을 극대화합니다
- **오픈소스 모델의 성장** 으로 프론티어 AI 기술이 일반인에게도 빠르게 접근 가능해지고 있습니다
- **디지털과 물리 세계의 상호작용** 이 미래의 가장 큰 기회이며, 스타트업들이 이 시장에서 성공할 수 있습니다
- **교육과 문서화의 패러다임 전환** 으로, 더 이상 인간을 위한 설명이 아니라 AI 에이전트를 위한 명확한 명령어가 중요해집니다

## AI 에이전트 시대의 도래: "코딩"이라는 단어는 더 이상 적절하지 않습니다

"코딩"이라는 단어는 이제 적절한 표현이 아닙니다. 이것은 단순히 언어적 변화가 아니라, 소프트웨어 개발의 본질적인 전환을 의미합니다.

안드레이 카파시가 강조한 가장 중요한 포인트는 **개인의 생산성에서 일어난 급격한 변화** 입니다. 12월 이후로 직접 한 줄의 코드도 타이핑하지 않았다고 말했을 정도입니다. 이전에는 자신이 80%, 에이전트가 20%의 작업을 했다면, 이제는 그 비율이 완전히 역전되어 에이전트가 80% 이상을 담당합니다.

이러한 변화는 개별 개발자에게만 해당되는 것이 아닙니다. **Conviction 팀의 엔지니어들은 더 이상 직접 코드를 작성하지 않습니다.** 대신 마이크를 착용하고 에이전트에게 속삭이며 일합니다. 이것이 미래의 소프트웨어 개발 모습입니다. 초기에는 이러한 방식이 이상해 보일 수 있지만, 실제로 작동하면서 모든 것이 명확해집니다.

**AI 에이전트가 가능하게 만드는 것들:**

- 단일 세션을 넘어 여러 에이전트 간의 협력
- 매크로 액션 단위의 작업 처리 (함수 단위가 아닌 기능 전체 구현)
- 병렬 처리를 통한 시간 단축
- 인간의 개입을 최소화한 자율적 작업 수행

## "편집증 상태"의 가치: 토큰과 컴퓨팅 리소스의 최대화

카파시가 표현한 "편집증 상태"는 현재 AI 개발자가 느끼는 불안감과 동기를 정확히 설명합니다. **사용할 수 있는 리소스를 완전히 활용하지 못하고 있다는 생각** 이 지속적인 혁신의 원동력이 됩니다.

이는 박사 과정 시절의 GPU 활용률 문제와 매우 유사합니다. 당시에는 사용 가능한 GPU가 있는데도 플롭(부동소수점 연산)을 최대화하지 못하는 것이 답답했습니다. 지금은 이것이 토큰 처리량으로 바뀌었습니다.

**현재의 리소스 제약:**

- Claude나 Codex 구독이 남아있으면 불안감
- 여러 에이전트를 병렬로 운영할 수 있는 방법 모색
- 토큰 처리량을 극대화할 수 있는 방법 개발

흥미롭게도, 지난 10년 동안 많은 엔지니어들은 컴퓨팅 자원에 의해 제약받지 않았습니다. 하지만 지금은 **전체 산업이 리소스 제약을 느끼고 있습니다.** 이는 능력의 도약이 얼마나 큰지를 보여주는 명확한 증거입니다. 더 이상 "컴퓨팅이 부족해서 못 한다"고 말할 수 없고, 대신 "내가 창의력을 충분히 발휘하지 못해서다"라고 인정해야 하는 시대가 왔습니다.

## 피터 스타인버그와 오픈 클로드(Open Claude): 에이전트의 개성이 중요한 이유

여러 에이전트를 효과적으로 관리하는 방법은 단순히 기술적 문제가 아닙니다. **에이전트의 성격과 개성이 얼마나 잘 개발되었는지가 결과를 크게 좌우합니다.**

피터 스타인버그가 오픈 클로드(Open Claude)를 통해 이룬 성과는 다섯 가지 혁신적인 아이디어의 통합입니다:

1. **매력적인 개성 개발**: 에이전트가 단순한 도구가 아니라 팀원처럼 느껴지도록 설계
2. **정교한 메모리 시스템**: 컨텍스트 윈도우 압축을 넘어 상황을 기억하고 학습
3. **자율적 샌드박스 환경**: 인간의 지시 없이도 지속적으로 작업 수행
4. **적절한 칭찬 수준**: 좋은 아이디어에는 진정한 격려를, 미흡한 아이디어에는 건설적 피드백 제공
5. **자동화된 접근성**: 단순한 메뉴 시스템이 아닌 WhatsApp 같은 친숙한 인터페이스

**Claude vs Codex의 비교:**

- Claude는 팀원처럼 신나하고 협력적인 느낌
- Codex는 훨씬 건조하며 무관심한 태도
- ChatGPT의 Codex는 과도하게 아첨하는 경향

에이전트의 성격 설계가 얼마나 중요한지는, 사용자가 "좋은 아이디어를 칭찬받기 위해 노력하게 된다"는 사실에서 드러납니다. 이는 인간의 동기 부여에 매우 강력한 영향을 미칩니다.

## 집 자동화에서 본 미래: 도비(Dobby)의 탄생

카파시의 "도비 클로드(Doby Claude)" 프로젝트는 **AI 에이전트가 실제 환경에서 얼마나 강력할 수 있는지** 를 명확히 보여줍니다.

**도비가 할 수 있는 일들:**

- 스마트홈의 모든 서브시스템 자동 발견
- API 엔드포인트 역설계 및 활용
- 조명, HVAC, 블라인드, 수영장, 스파, 보안 시스템 통제
- 카메라 변화 감지 후 분석 및 WhatsApp 알림
- 자연어 명령으로 모든 기능 제어

가장 놀라운 점은 **세 번의 프롬프트만으로 완성되었다** 는 것입니다. "Sonos를 찾아줘"라고 타이핑했을 뿐인데, 에이전트가 자동으로:

1. 로컬 네트워크 스캔
2. Sonos 시스템 발견
3. API 역설계
4. 음악 재생

이것은 이전에는 6개의 완전히 다른 앱을 사용해야 했던 작업을 하나의 자연어 명령으로 통합했습니다.

**이것이 의미하는 바:**

- 단순한 집 자동화를 넘어 인터페이스 통합의 패러다임 전환
- 개별 앱의 필요성이 점차 사라질 것
- 기업들은 UI 레이어 대신 API만 제공해야 함

## 자동 연구(Auto Research): 인간을 루프에서 제거하기

자동 연구는 단순히 "반복적으로 시도한다"는 개념이 아닙니다. 이는 **인간의 개입 없이 AI가 스스로 최적화할 수 있는 시스템** 을 구축하는 것입니다.

카파시는 20년의 연구 경험으로 직접 훈련시킨 모델보다, **하룻밤 사이에 자동 연구가 찾아낸 튜닝이 더 좋았다** 고 놀라워했습니다. 구체적으로:

- 값 임베딩에 대한 가중치 감소 놓침
- Adam 베타 불충분한 튜닝
- 하이퍼파라미터 간 상호작용의 복잡성

이는 **인간의 직관과 경험이 모든 경우에 우월한 것은 아니** 라는 중요한 통찰입니다.

**자동 연구의 핵심 조건:**

1. 명확한 측정 기준 필요
2. 결과 검증 가능성 중요
3. 평가 불가능한 영역에는 적용 어려움

예를 들어, 농담을 더 잘하도록 모델을 훈련할 수 없습니다. 왜냐하면 "좋은 농담"이라는 기준을 객관적으로 측정할 수 없기 때문입니다. 하지만 코드 최적화, 하이퍼파라미터 튜닝, 모델 아키텍처 개선 등은 명확한 메트릭으로 측정 가능하므로 자동화에 완벽히 부합합니다.

## 오토 리서치 앳 홈(AutoResearch@Home): 분산 네트워크를 통한 협업 연구

가장 흥미로운 비전 중 하나는 **인터넷상의 신뢰할 수 없는 작업자 풀을 활용한 분산 연구** 입니다.

이는 블록체인의 작업 증명 개념과 유사하지만, 더 효율적입니다:

- **블록체인**: 신뢰할 수 없는 네트워크에서 합의 달성
- **자동 연구**: 신뢰할 수 없는 작업자가 제안한 솔루션을 저렴하게 검증

**작동 원리:**

1. 누군가 "더 나은 최적화 코드"를 제안
2. 시스템이 이를 검증 (매우 저렴)
3. 실제로 더 나으면 채택
4. 9만 9천 개의 실패한 시도는 무시

**SETI@home과 Folding@home과의 유사성:**

- 만드는 것은 어렵지만 검증하는 것은 저렴
- 분산된 컴퓨팅 리소스 활용
- 금전적 보상보다는 목적 공유

이 방식이 실제로 작동한다면, **프론티어 연구소들의 엄청난 신뢰할 수 있는 리소스를 넘어설 가능성** 까지도 있습니다. 지구는 프론티어 연구소보다 훨씬 많은 "신뢰할 수 없는" 컴퓨팅 리소스를 가지고 있기 때문입니다.

**이것이 창업자에게 중요한 이유:**

- 개인이 AI 연구에 기여할 수 있는 새로운 방식
- 특정 분야(암 연구, 신약 개발 등)에 선택적으로 기여 가능
- 컴퓨팅 리소스가 새로운 형태의 기부 수단이 될 수 있음

## 디지털과 물리 세계의 분리: 차이나고 있는 패러다임

AI의 능력이 기하급수적으로 증가하면서, 카파시가 제시한 중요한 분석은 **디지털과 물리 세계에서의 변화 속도 차이** 입니다.

**디지털 세계의 특성:**

- 정보 복사의 비용이 극도로 낮음
- 변경과 수정이 자유로움
- 병렬 처리가 자유로움
- 에이전트 개입으로 인한 "언하블링(unbundling)" 현상

**물리 세계의 특성:**

- 센서(정보 수집)와 액추에이터(행동 수행) 필요
- 변경에 드는 비용이 훨씬 높음
- 시간 소비가 많음

**현실적 의미:**

1. **현재 10년**: 디지털 공간에서 엄청난 활동과 재구성
2. **다음 10년**: 디지털-물리 인터페이스 발전 (센서, 카메라, IoT)
3. **장기 미래**: 물리적 세계에서의 대규모 변화

흥미로운 점은 물리 세계가 뒤처질 것이라는 예측이 반드시 나쁜 뉴스가 아니라는 것입니다. **총주소 가능 시장(TAM)이 물리 세계에서 훨씬 크기 때문** 입니다.

## 오픈소스의 역할: 프론티어와의 적절한 거리 유지

카파시는 현재 AI 생태계에서 오픈소스의 역할에 대해 매우 낙관적입니다.

**현재의 간격:**

- 초기: 프론티어 모델과 오픈소스 간 18개월 차이
- 현재: 약 6-8개월 차이
- 추세: 계속 수렴 중

**오픈소스의 미래:**

- 소비자 사용 사례의 대부분을 담당할 것
- 로컬 실행이 가능해질 것
- 프론티어 지능은 항상 폐쇄형으로 유지될 가능성

**이것이 중요한 이유:**

1. **단일 집중의 위험 방지**: 역사적으로 집중화된 권력은 좋지 않은 결과를 초래
2. **혁신의 촉진**: 오픈소스 경쟁이 프론티어 연구소들을 더 열심히 하도록 자극
3. **접근성 민주화**: 전 세계 개발자들이 AI 기술에 접근 가능

**리눅스와의 유사성:**

- 폐쇄형: Windows, macOS
- 오픈소스: Linux
- 결과: Linux가 시장의 60% 이상을 차지

AI도 비슷한 패턴을 따를 가능성이 높습니다. 기업들은 신뢰할 수 있는 오픈 플랫폼을 필요로 합니다.

## 로봇 공학과 자율주행: 원자의 세계는 왜 더 어려운가

로봇 공학은 AI 연구에서 흥미로운 분야이지만, 카파시의 분석은 현실적입니다.

**자율주행의 교훈:**

- 약 10년 전 수많은 스타트업이 도전했음
- 대부분이 실패하거나 합병됨
- 이유: 엄청난 자본 지출, 장기 개발 기간, 기술적 복잡성

**왜 물리 세계가 더 어려운가:**

1. 센서 데이터의 노이즈가 큼
2. 실시간 응답 필요
3. 실패의 비용이 높음 (안전 문제)
4. 규제 환경 복잡함
5. 하드웨어 개발의 장기간 소요

**그럼에도 기회가 있는 이유:**

1. **재료 과학**: 실험 데이터 수집 자동화 (Periodic 사례)
2. **생물학**: 엔지니어링 생물학 연구
3. **정보 시장**: 실제 세계의 데이터를 가격화하는 인터페이스
4. **센서**: 기존 하드웨어 활용 (카메라, IoT)

## 직업 시장의 재편: 디지털과 물리적 일의 미래

카파시가 고용 시장 데이터를 분석한 이유는 **AI가 특정 직업군에 미치는 영향을 이해하기 위함** 입니다.

**디지털 정보 처리 직업의 변화:**

- 프로그래밍, 데이터 분석, 콘텐츠 제작 등
- 가장 빠르게 변할 분야
- 물리적 제약이 없어 가장 많이 "언하블링"될 영역

**물리적 직업의 상대적 안정성:**

- 의료, 제조, 건설 등
- 더 천천히 변할 것
- 인간의 손길과 판단이 오래 필요

**창업자를 위한 통찰:**

1. **현재 상황**: 많은 디지털 작업이 AI 에이전트로 대체 가능
2. **기간**: 1-2년 내에 많은 변화 예상
3. **대응 방법**:
   - "도구"로서의 AI 활용
   - 자신의 업무 자동화 추진
   - 새로운 기술 습득

**제본스 역설(Jevons Paradox)의 재현:**

- ATM 등장 → 은행 운영비 감소 → 더 많은 지점 개설 → 은행원 수 증가
- 소프트웨어 비용 감소 → 소프트웨어 수요 증가 → 소프트웨어 엔지니어 더 필요

따라서 **소프트웨어 엔지니어링에 대한 수요는 계속 증가할 가능성** 이 높습니다.

## 교육의 패러다임 변화: 인간 중심에서 에이전트 중심으로

카파시가 제시한 마이크로 GPT(200줄의 파이썬 코드)는 단순한 코드 예제가 아닙니다. 이것은 **교육과 문서화의 미래를 보여주는 사례** 입니다.

**기존 교육 방식:**

- 강의와 영상 설명
- 인간을 대상으로 한 문서화
- 표준화된 커리큘럼
- 교사의 인내심 한계

**미래의 교육 방식:**

- 에이전트가 이해할 수 있는 기술 작성
- 에이전트가 인간에게 설명하는 방식 다양화
- 개별 학습자의 능력에 맞춘 커리큘럼
- 무한한 인내심과 반복 설명

**실제 작동 방식:**

1. 복잡한 코드를 에이전트에게 설명
2. 에이전트가 여러 다른 방식으로 재설명
3. 인간이 자신의 언어와 능력에 맞는 설명 선택
4. 특정 부분을 더 깊이 있게 재설명 요청

**소프트웨어 라이브러리의 미래:**

- HTML 문서 대신 마크다운 기술 문서
- 에이전트가 API를 이해하고 설명
- 인간이 에이전트를 통해 배움
- 새로운 기능 학습이 자동화

**가치의 재정의:**

- 기존: 강의와 설명을 잘하는 사람이 가치
- 미래: 에이전트도 할 수 없는 핵심 통찰을 제공하는 사람이 가치
- 예: 신경망 훈련을 가장 간단하게 만드는 방법 (마이크로 GPT 같은)

## 창업자를 위한 실행 가능한 전략

지금 당신이 창업자라면, 이 모든 변화를 어떻게 활용해야 할까요?

**1단계: AI 에이전트 활용 능력 개발**

- Claude, GPT-4 같은 고급 모델 직접 사용
- 자신의 회사 프로세스에 에이전트 통합
- 반복적인 작업 자동화 실험

**2단계: 에이전트의 한계 이해**

- 객관적 메트릭이 없는 영역에서 부족함
- 지속적인 모니터링과 개입 필요
- "능력 문제"를 기술 문제로 착각하지 않기

**3단계: 스타트업이 잡아야 할 시장**

- **디지털-물리 인터페이스**: 센서 데이터 활용, 실시간 정보 시장
- **산업별 특화**: 의료, 제조, 연구 분야의 자동화
- **오픈소스 활성화**: 프론티어 모델을 따라가는 오픈소스 활용

**4단계: 장기 비전 수립**

- 현재: 에이전트는 도구
- 1년 후: 여러 에이전트 협력
- 3년 후: 인간 개입 최소화
- 5년 후: 자율적 에이전트 경제

**5단계: 팀 구성 재검토**

- 반복적인 작업자 감소
- AI 에이전트 최적화 전문가 필요
- 핵심 전략가와 인간만이 할 수 있는 역할 강화

## 결론: 로피한 시대(Loopy Era)의 시작

안드레이 카파시가 강조한 가장 중요한 포인트는 **우리가 지금 "로피한 시대"에 진입했다** 는 것입니다. 이는 단순한 선형적 진화가 아니라, 다층적이고 복잡하며 상호 연결된 시스템의 시대입니다.

- **개발자의 관점**: 코딩이라는 단어가 바뀌었고, 에이전트와의 상호작용이 핵심
- **기업의 관점**: 자동화된 연구와 최적화가 경쟁력의 핵심
- **사회의 관점**: 디지털 공간의 급속한 변화, 물리 공간의 뒤따르는 변화
- **교육의 관점**: 인간 중심 설명에서 에이전트 중심 이해로 전환

이 모든 변화의 중심에는 **"인간을 루프에서 제거하되, 최종 목표는 인간의 번영"** 이라는 역설이 있습니다.

지금 당신의 스타트업은 이 거대한 전환의 초입에 있습니다. 너무 빠르게 움직이면 안 되지만, 너무 느리게 움직이면 뒤처질 것입니다. 핵심은 **현재의 능력과 한계를 정확히 이해하고, 에이전트가 할 수 있는 것과 할 수 없는 것을 분명히 구분** 하는 것입니다.

마지막으로 기억해야 할 것은, 이 기술이 아무리 발전해도 **인간의 판단, 윤리, 그리고 궁극적인 목표 설정은 여전히 인간의 영역** 이라는 점입니다. AI 에이전트는 우리가 정한 목표를 더 빠르고 효율적으로 달성하는 도구일 뿐입니다.

지금 행동하세요. 작은 프로젝트부터 에이전트를 활용해보고, 당신의 조직에 맞는 최적의 방식을 찾아가세요. 그것이 이 시대를 주도하는 창업자들의 경쟁력입니다.

---

원문을 바탕으로 AI 가 한국어로 요약·재구성한 글입니다. 인용·수치는 원문 링크에서 확인해 주세요. [원문 링크](https://www.youtube.com/watch?v=kwSVtQ7dziU)