사람 손 없이 논문 한 편을 쓴 AI — 자율 ML 에이전트 4가지 사례 (2026)

4월 28, 2026

도입

논문 한 편을 사람 손 없이 처음부터 끝까지 쓴 AI가 있습니다. 아이디어 발굴, 코드 작성, 실험, 그래프 그리기, 본문 집필, 심지어 자체 동료심사까지요. 비용은 단돈 6~15달러였습니다. 한 끼 식사 값으로 학술 논문 한 편이 나오는 시대가 정말 온 걸까요. 더 놀라운 건 이게 '먼 미래'가 아니라는 점입니다. 메타, 사카나AI, 허깅페이스에서 이미 일이 벌어지고 있어요.

핵심 내용 요약

최근 1년 사이에 'AI가 AI를 개발한다'는 컨셉은 네 가지 흐름으로 한꺼번에 터져 나왔습니다.

첫째, 사카나AI의 AI Scientist v2가 Nature에 게재됐고, 처음으로 완전 자동 생성된 논문이 사람 동료심사를 통과했습니다. 둘째, 메타의 REA(Ranking Engineer Agent)는 광고 랭킹 ML 모델 6개의 정확도를 평균 2배로 끌어올렸어요. 셋째, 허깅페이스의 ml-intern은 논문 읽기부터 학습·배포까지 자동화하는 오픈소스 ML 엔지니어 에이전트입니다. 넷째, 메타·옥스퍼드·UBC·NYU 공동 연구팀이 3월 19일 공개한 HyperAgents는 자기개선 전략을 다른 도메인으로 전이시키는 데 성공했습니다.

쉽게 풀어 설명

'AI가 AI를 만든다'는 말이 구체적으로 어떤 모습일까요. ML 엔지니어가 모델 하나를 개선하는 과정을 떠올려 봅시다. 보통 이렇게 진행됩니다. 가설 세우기 → 코드 짜기 → 학습 돌리기 → 실패하면 디버깅 → 결과 분석 → 다음 실험 설계 → 논문이나 제품으로 마무리. 한 사이클에 며칠, 길면 몇 주가 걸려요.

이 모든 단계를 에이전트 한 무리가 자율적으로 돌리는 게 핵심입니다. 메타 REA는 가설을 만들고 학습 잡(job)을 띄우고 실패한 실험을 디버깅한 뒤 다음 실험을 설계하는 루프를 사람 개입 없이 돕니다. 사카나 AI Scientist는 더 나아가 논문 작성과 자기 동료심사까지 끝냅니다. 허깅페이스 ml-intern은 비슷한 일을 누구나 깃허브에서 받아 쓸 수 있게 오픈소스로 풀었어요.

영향 분석

첫째, ML 엔지니어의 일이 한 단계 위로 올라갑니다. 손으로 실험을 돌리는 사람에서, 어떤 가설을 어떤 순서로 검증할지 결정하는 전략 설계자로 옮겨가요. 메타는 이걸 "실험 실행자에서 전략 감독자로의 이동"이라고 표현합니다.

둘째, 속도와 비용 곡선이 꺾입니다. 6개 모델 정확도 2배, 논문 한 편당 15달러 같은 숫자가 그 신호예요. 한 사람이 한 달에 5개 실험을 돌리던 시대에서, 한 팀이 하루에 수백 개를 돌리는 시대로 갈 수 있습니다.

셋째, 한계도 분명합니다. 자율 에이전트는 결과가 객관적으로 검증되는 영역에서만 잘 돕니다. 코드는 컴파일되거나 안 되고, 수학 증명은 맞거나 틀리니까요. 반대로 새로움 평가나 창의적 판단에서는 약점을 보입니다. AI Scientist 평가에서는 실험의 42%가 코딩 오류로 실패했고, 이미 알려진 기법을 새로운 발견으로 잘못 분류하는 사례도 있었어요.

넷째, 거버넌스가 화두로 올라옵니다. 'AI가 자기를 개선한다'는 표현은 위협처럼 들리지만, 현실은 좁은 영역의 자동화에 가깝습니다. 그래도 자율 에이전트가 학습 잡을 직접 띄우고 결과를 평가하는 구조는 새로운 모니터링·감사 체계를 요구합니다.

한 줄 정리

'AI가 AI를 만든다'는 건 이미 일부 영역에서 현실입니다. 사람의 역할이 사라지는 게 아니라, 실험을 직접 돌리는 자리에서 어떤 실험이 가치 있는지 판단하는 자리로 옮겨가고 있어요. 검증 가능한 영역에서는 빠르게, 창의적 판단이 필요한 영역에서는 천천히. 그 경계가 어디까지 밀릴지가 앞으로 1~2년의 진짜 관전 포인트입니다.

이 블로그 검색

AI 비즈니스 설계도

Pinned Post

ChatGPT는 거들 뿐 — AI는 이미 차·공장·창고 안에 박혀 있습니다 (2026 현장 르포)