에이전트 협업은 '시스템 능력'에서 '모델 능력'으로 전환되고 있을 수 있습니다.

동차 Beating AI 속보, Agent 간의 분업, 조정 및 장기 협업은 더 이상 인간이 사전에 복잡한 시스템 전체를 설계할 필요가 없을 수 있으며, 모델 스스로 학습할 수 있는 능력으로 변화하고 있습니다.

만약 가장 강력한 모델이 단지 공유 공간, 충분히 긴 실행 시간, 그리고 대량의 연산력만 있으면 스스로 분업하고, 경험을 공유하며, 조직 방식을 조정할 수 있다면, 오늘날의 많은 복잡한 Multi-Agent Harness는 모델이 아직 충분히 똑똑하지 않을 때의 과도기적 발판에 불과할 수 있습니다.

과학 연구가 가장 직접적인 응용 분야일 수 있습니다. 다수의 Agent가 동시에 가설을 제시하고, 실험을 실행하며, 결과를 교환하고, 계속 탐구할 수 있습니다. 진정으로 대체 불가능한 것은 Planner, Manager 및 다양한 고정 워크플로우가 아니라, 공유 상태, 실제 실험 환경, 권한 경계, 그리고 속지 않는 객관적인 평가기일 것입니다.

이것은 아직 재귀적 자기 개선은 아니지만, 핵심 부품은 점점 더 갖춰지고 있습니다: AI가 장기적으로 작업하고, 자동으로 과학 연구를 수행하며, 대규모 병렬 실행이 가능해졌고, Agent 간 협업 능력도 보여주기 시작했습니다. 이러한 능력이 최종적으로 폐쇄 루프를 이룰 수 있다면, AI의 발전 방식은 더 이상 '단일 모델이 점점 더 똑똑해지는 것'이 아니라, '점점 더 많은 AI가 함께 차세대 AI를 만들어내는 것'이 될 수 있습니다.