Meta·하버드대, AI 에이전트 분업 조건 연구

Meta 연구 부문 FAIR와 하버드대 등의 연구진은 2026년 10월 12일, 여러 AI 에이전트의 협업 방식을 개선하는 ScaleMAS를 제안하는 논문을 공개했습니다. 연구진은 에이전트 수를 늘려도 성능이 수에 비례해 오르지 않는 원인을 세 가지로 정리하고, 정보 공유 방식을 중심에 둔 조정 방법을 제시했습니다.

소프트웨어 수정 과제에서는 4개 에이전트로 구성한 ScaleMAS가 독립적으로 작동하는 8개 에이전트와 같은 성과를 냈으며, 토큰 사용량은 절반 가까이로 줄었습니다. 문서 모순 탐지 과제의 성능은 에이전트 128개까지 계속 향상됐지만, 수학 정리 증명에서는 약 16개에서 개선이 정체됐습니다. 에이전트를 늘리는 효과는 작업에 따라 달랐습니다.

여러 에이전트에게 작업을 나누는 방식은 기업과 AI 개발사 사이에서 확산되고 있습니다. Gartner는 2025년 10월, 복잡한 목표를 위해 여러 에이전트가 협력하는 멀티 에이전트 시스템을 2026년 전략적 기술 트렌드 중 하나로 꼽았습니다. OpenAI와 Anthropic의 개발 플랫폼에는 에이전트끼리 작업을 넘기거나 보조 에이전트를 호출하는 기능이 있습니다. Google은 2026년 10월 8일 ‘Gemini at Work 2026’에서 필요에 따라 보조 에이전트를 구성하고, 병렬·순차 작업을 몇 시간 또는 며칠 동안 수행하는 Gemini agent를 발표했습니다.

Google이 소개한 도입 사례에서 싱가포르 DBS은행은 기업 신용 심사 자료를 만들 때 전문 에이전트 70~80개를 정해진 절차에 따라 연결했습니다. SOMPO는 직원 3만 4,000명을 대상으로 맞춤형 에이전트 1만 개 이상을 배포했습니다. 한편 Anthropic은 2025년 6월, 여러 보조 에이전트에 검색 작업을 나누는 조사 기능이 효과를 보였지만 토큰 소비량은 일반 채팅의 약 15배였다고 설명했습니다.

OpenAI는 개발자 가이드에서 우선 에이전트 1개로 시작하라고 권고하며, 너무 일찍 작업을 나누면 성능 개선 없이 관리 부담만 늘 수 있다고 밝혔습니다. AI 코딩 기업 Cognition도 2025년 6월 글에서 서로의 맥락을 공유하지 않는 병렬 에이전트는 모순된 판단을 반복할 수 있다고 경고했습니다. 이 연구는 정보 공유 방식과 작업 종류에 따라 분업의 성능과 계산량이 달라진다고 밝혔습니다. 연구가 짚은 기업의 검토 항목은 작업 분담, 계산 자원, 정보 공유 방식입니다.

Meta 연구 부문 FAIR와 하버드대 등의 연구진은 2026년 10월 12일, 여러 AI 에이전트의 협업 방식을 개선하는 ScaleMAS를 제안하는 논문을 공개했습니다. 연구진은 에이전트 수를 늘려도 성능이 수에 비례해 오르지 않는 원인을 세 가지로 정리하고, 정보 공유 방식을 중심에 둔 조정 방법을 제시했습니다.

소프트웨어 수정 과제에서는 4개 에이전트로 구성한 ScaleMAS가 독립적으로 작동하는 8개 에이전트와 같은 성과를 냈으며, 토큰 사용량은 절반 가까이로 줄었습니다. 문서 모순 탐지 과제의 성능은 에이전트 128개까지 계속 향상됐지만, 수학 정리 증명에서는 약 16개에서 개선이 정체됐습니다. 에이전트를 늘리는 효과는 작업에 따라 달랐습니다.

여러 에이전트에게 작업을 나누는 방식은 기업과 AI 개발사 사이에서 확산되고 있습니다. Gartner는 2025년 10월, 복잡한 목표를 위해 여러 에이전트가 협력하는 멀티 에이전트 시스템을 2026년 전략적 기술 트렌드 중 하나로 꼽았습니다. OpenAI와 Anthropic의 개발 플랫폼에는 에이전트끼리 작업을 넘기거나 보조 에이전트를 호출하는 기능이 있습니다. Google은 2026년 10월 8일 ‘Gemini at Work 2026’에서 필요에 따라 보조 에이전트를 구성하고, 병렬·순차 작업을 몇 시간 또는 며칠 동안 수행하는 Gemini agent를 발표했습니다.

Google이 소개한 도입 사례에서 싱가포르 DBS은행은 기업 신용 심사 자료를 만들 때 전문 에이전트 70~80개를 정해진 절차에 따라 연결했습니다. SOMPO는 직원 3만 4,000명을 대상으로 맞춤형 에이전트 1만 개 이상을 배포했습니다. 한편 Anthropic은 2025년 6월, 여러 보조 에이전트에 검색 작업을 나누는 조사 기능이 효과를 보였지만 토큰 소비량은 일반 채팅의 약 15배였다고 설명했습니다.

OpenAI는 개발자 가이드에서 우선 에이전트 1개로 시작하라고 권고하며, 너무 일찍 작업을 나누면 성능 개선 없이 관리 부담만 늘 수 있다고 밝혔습니다. AI 코딩 기업 Cognition도 2025년 6월 글에서 서로의 맥락을 공유하지 않는 병렬 에이전트는 모순된 판단을 반복할 수 있다고 경고했습니다. 이 연구는 정보 공유 방식과 작업 종류에 따라 분업의 성능과 계산량이 달라진다고 밝혔습니다. 연구가 짚은 기업의 검토 항목은 작업 분담, 계산 자원, 정보 공유 방식입니다.