OpenAI, '자동화 연구 인턴' 달성 공식화... 에이전트가 인간의 3.1배 작업

핵심 요약

OpenAI가 2026년 9월 6일 공식 블로그 'Research acceleration: the view inside OpenAI'를 통해 자사 내부 연구 현황을 공개했다 (OpenAI 공식 발표). 핵심은 코딩 에이전트가 인간 연구자 워크데이 1일당 3.1 에이전트-워크데이만큼의 작업을 수행하고 있다는 수치다. OpenAI는 이를 근거로 지난 가을 목표로 세웠던 '자동화된 연구 인턴(automated research intern)'을 2026년 9월 기준 달성했다고 밝혔다.

주요 내용

1. 3.1배 노동 비율의 의미

OpenAI에 따르면 2026년 8월 중순 기준 에이전트-인간 노동 비율(agent-to-human labor ratio)은 3.1x다. 인간 연구자가 하루 동안 처리할 수 있는 작업량을 1 워크데이로 놓았을 때, Codex 기반 에이전트가 같은 기간 3.1 워크데이에 해당하는 작업을 수행한다는 뜻이다 (OpenAI 공식 발표). 이 수치는 Epoch AI가 개발한 연구 분류체계를 활용해 측정됐으며, 연구 과정을 Decide, Design, Build, Run, Analyze, Communicate 6단계로 나눠 각 단계별 성공률을 산출하는 방식이다.

2. 급증하는 API 사용량과 비용

에이전트 활용이 늘면서 추론 비용도 함께 증가했다. 8월 중순 기준 중간값(median) 사용 연구자는 하루 API 추론 비용으로 600달러 이상을 지출했다. 상위 90퍼센타일 사용자는 하루 토큰 비용이 7,000달러를 넘었다 (OpenAI 공식 발표). 이는 일부 연구자가 다수의 에이전트를 동시에 고강도로 운용하고 있음을 보여주는 지표다.

3. 실험 생산성 역대 최고치 기록

OpenAI는 2026년 8월이 2025년 1월 추적을 시작한 이래 활성 연구자 1인당 실험(experiment) 수가 가장 높았던 달이라고 밝혔다. 이 지표의 상승은 Codex 채택 증가와 상관관계를 보였다 (OpenAI 공식 발표). 아울러 다수의 연구자가 4개 이상의 에이전트를 동시에 병렬로 운용하는 사례가 늘고 있다고 덧붙였다.

4. '자동화 연구 인턴'의 정확한 정의

OpenAI는 이번에 달성했다고 밝힌 '자동화 연구 인턴'을, 연구 의제를 스스로 설정하는 '자율적 과학자'와 명확히 구분했다. 이 시스템은 인간의 감독 하에 명확히 정의된 연구 과제(숙련된 연구자가 며칠 걸리는 작업 포함)를 코드와 실험을 오가며 수행하고, 결과를 인간 평가를 위해 반환하는 감독형 에이전트에 가깝다. 연구 우선순위 설정과 스케일링 결정은 여전히 인간이 담당한다.

5. 다음 목표: 2028년 완전 자동화 AI 연구자

OpenAI는 공식 발표에서 "According to our measurements, we have now reached the goal, announced last fall, of having an automated research intern"라고 밝히며, 다음 단계로 2028년 3월까지 완전히 자동화된 AI 연구자(fully automated AI researcher) 개발을 목표로 제시했다.

사용성 분석 및 영향

이번 발표는 소비자 대상 제품 업데이트가 아니라 OpenAI 내부 연구 조직의 운영 지표 공개다. 그럼에도 AI 연구·개발 조직에는 실질적인 참고 자료다. 3.1배라는 노동 비율과 연구자당 하루 수백~수천 달러의 추론 비용 규모는, 대규모 언어모델 연구에이전트를 실무에 투입할 때 예상되는 비용 구조와 운영 방식을 가늠하는 근거가 된다. 다만 이 수치들은 OpenAI 내부 환경(Codex, 자체 인프라, 자체 연구 과제)에 특화된 결과이므로 외부 조직에 그대로 적용하기는 어렵다.

장점

1. 구체적 정량 지표 공개: 3.1배 노동 비율, 비용 구간 등 검증 가능한 수치를 제시했다
2. 방법론 명시: Epoch AI 분류체계 기반 6단계 측정 방식을 공개했다
3. 목표-달성 추적 투명성: 지난 가을 세운 목표와 현재 달성 여부를 명확히 대조했다
4. 역할 경계 명확화: '자동화 연구 인턴'과 '자율적 과학자'를 구분해 과장을 억제했다

단점 및 한계

1. 예비적 측정치: OpenAI 스스로 이 수치들이 아직 예비적(preliminary) 단계라고 인정했다
2. 정렬 연구 지연 우려: 역량 확장 속도에 정렬(alignment) 연구가 못 미칠 수 있다는 우려를 자체적으로 언급했다
3. 내부 데이터 한정: 측정 대상이 OpenAI 내부 연구 환경에 국한돼 일반화하기 어렵다
4. 비용 부담: 상위 사용자 기준 하루 7,000달러 이상의 추론 비용은 소규모 조직에는 진입 장벽이다

전망

OpenAI는 이번 발표를 통해 '자동화 연구 인턴' 달성을 공식화하는 동시에, 다음 이정표로 2028년 3월까지의 완전 자동화 AI 연구자 개발 목표를 제시했다. 연구자 1인당 실험 수가 역대 최고치를 기록하고 다중 에이전트 병렬 운용 사례가 늘고 있다는 점은, 향후 AI 연구 조직의 작업 방식이 에이전트 중심으로 재편될 가능성을 시사한다. 다만 OpenAI가 직접 언급한 정렬 연구의 상대적 지연 우려는 역량 확장 속도와 안전성 확보 사이의 균형이 앞으로도 핵심 쟁점이 될 것임을 보여준다.

결론

OpenAI는 Codex 기반 에이전트가 내부 연구에서 인간 대비 3.1배의 작업량을 수행한다는 수치와 함께 '자동화 연구 인턴' 목표 달성을 공식 확인했다. 이는 AI 에이전트가 연구개발 실무 영역에 실질적으로 투입되고 있다는 구체적 증거다. 다만 예비적 측정치라는 단서와 정렬 연구 지연 우려도 함께 명시된 만큼, AI 연구 자동화 동향을 추적하는 연구자·조직에게는 참고할 가치가 있는 발표다.