오늘 가장 중요한 발표입니다.
OpenAI는 9월 6일 Research acceleration: The view inside OpenAI를 공개하고, 지난해 세웠던 2026년 9월까지 ‘Automated Research Intern’을 만들겠다는 목표를 달성했다고 평가했습니다. 여기서 연구 인턴은 인간 연구자의 지시 아래, 숙련 연구자가 며칠 걸릴 정도의 잘 정의된 연구 작업을 수행할 수 있는 시스템을 뜻합니다. 다음 목표는 2028년 3월까지 더 독립적인 Automated AI Researcher를 만드는 것입니다. openai.com
내부 사용량 데이터가 상당히 인상적입니다. 2026년 초만 해도 연구자들의 coding agent 사용은 제한적이었지만, 8월 중순에는 중앙값 연구자가 API 가격 기준 하루 $600 이상의 inference를 사용하고 있었습니다. 전체 연구 조직을 합치면 현재 인간 연구자 1 workday당 약 3.1 agent-workdays가 실행됩니다. 동시에 연구자들이 4개 이상의 agent를 병렬로 돌리는 concurrent workflow도 증가하고 있습니다. openai.com
실험량도 늘었습니다. OpenAI에 따르면 연구자 1인당 실험 횟수는 2026년 들어 증가했고 8월이 2025년 1월 측정 시작 이후 최고치였습니다. Codex 채택 증가와 상관관계가 있지만, OpenAI 스스로 compute 증가도 원인 중 하나라며 “agent 사용 증가 = 연구 속도 증가”라고 단순 해석하면 안 된다는 제한을 붙였습니다. openai.com
아직 사람을 대체한 단계는 아님
중요한 제한도 있습니다.
난도가 높은 작업에서는 여전히 human intervention이 많습니다. 최근 6개월 동안 성공한 4~8시간급 작업의 절반 이상에서 사람이 한 번 이상 개입했습니다. 또 Decide → Design → Build → Run → Analyze → Communicate로 R&D를 나눠 보면 agent 사용은 대부분 증가했지만, 고수준 연구 방향 결정은 아직 agent output에서 매우 작은 비중입니다. openai.com
즉 현재 구조는:
Human Researcher
├─ 연구 방향 결정
├─ 가설 선택
└─ 결과 판단
↓
Agents
├─ 코드 작성
├─ 실험 실행
├─ 인프라 문제 해결
└─ 분석 지원
에 더 가깝습니다.
산업·시장 영향
이 변화는 단순히 “Codex가 코드를 잘 짠다”보다 훨씬 중요합니다.
AI 업계의 발전 속도는 지금까지:
연구자 수 × Compute × 알고리즘
에 크게 의존했지만, 앞으로는:
연구자 × Agent 병렬성 × Compute
형태로 바뀔 수 있습니다.
특히 동일한 연구자 한 명이 5~10개의 실험을 동시에 감독할 수 있다면 AI 연구 생산성은 일반 소프트웨어 개발보다 훨씬 빠르게 증가할 수 있습니다.
그 결과 장기적으로 가장 희소한 자원도 바뀝니다.
코딩 능력보다:
좋은 연구문제 / Eval / Compute / 결과 판별 능력
이 더 큰 병목이 될 가능성이 있습니다.
실무에서 바로 적용할 것
일반 개발 조직에서도 이 구조를 그대로 차용할 수 있습니다.
한 agent에게 긴 작업 하나를 맡기는 것보다:
Agent A → 구현안
Agent B → 테스트
Agent C → 보안·edge case
Agent D → 성능 분석
↓
Human → 최종 선택
같은 병렬 agent workflow를 만드는 방식입니다.
다만 agent 호출 수를 생산성으로 착각하지 말고 다음을 같이 기록해야 합니다.
완료율 / 사람 개입 횟수 / 실험 성공률 / 총 inference 비용 / 최종 human review 시간