메타(Meta)와 미국 일리노이대학교 어배너-샴페인(UIUC) 연구진이 인공지능(AI) 에이전트의 핵심 과제로 꼽히는 외부 실행 환경 관리 능력을 AI가 스스로 학습하도록 하는 혁신적인 기술을 공개했습니다. '에보하네스-RL(EvoHarness-RL)'이라 명명된 이 기술은 AI가 외부 메모리 및 도구의 사용 시점을 능동적으로 결정하게 함으로써, 장시간에 걸쳐 복잡한 업무를 수행하는 AI 에이전트의 효율성과 성능을 획기적으로 향상시킬 잠재력을 가지고 있습니다. 특히 이 기술을 적용한 80억 파라미터(8B)의 소형 AI 모델이 엔트로픽(Anthropic)의 대규모 모델인 클로드 오퍼스 4.5(Claude Opus 4.5) 수준의 성능을 구현했다는 점에서 업계의 큰 주목을 받고 있습니다.

AI 에이전트의 자율성 한계를 넘어서다

기존의 AI 에이전트는 복잡한 작업을 처리하기 위해 외부 메모리나 검색 도구, 계산기 등 다양한 '하네스(harness)'라 불리는 외부 실행 환경에 의존합니다. 하지만 이러한 외부 자원들을 언제, 어떻게 활용할지는 대부분 미리 정해진 규칙이나 휴리스틱(경험적 방법)에 따라 수동적으로 결정되었습니다. 이는 AI 에이전트의 자율성을 제한하고, 예상치 못한 상황이나 변화하는 작업 환경에 유연하게 대처하기 어렵게 만드는 주요 원인으로 작용했습니다. 예를 들어, AI가 긴 문서에서 특정 정보를 찾아야 할 때, 언제 외부 데이터베이스를 검색하고, 검색 결과를 언제 메모리에 저장하며, 불필요해진 정보를 언제 정리해야 할지 일일이 규칙으로 지정하기는 매우 복잡합니다.

에보하네스-RL은 이러한 한계를 극복하기 위해 강화 학습(Reinforcement Learning, RL)을 도입했습니다. AI 에이전트는 시행착오를 통해 외부 정보를 언제 읽고, 업데이트하며, 정리할지 스스로 판단하고 결정하는 방법을 학습합니다. 이는 마치 인간이 새로운 도구를 익히고 사용하는 방법을 경험을 통해 터득하는 과정과 유사합니다. 이 기술을 통해 AI 에이전트는 수동적인 규칙 집합에 얽매이지 않고, 특정 과제에 최적화된 하네스 관리 전략을 스스로 구축하여 더 효율적이고 능동적으로 복잡한 환경에 대응할 수 있게 됩니다.

80억 파라미터 AI, 클로드 오퍼스 4.5 성능에 도전

에보하네스-RL의 가장 놀라운 성과는 비교적 작은 규모의 AI 모델에서도 탁월한 성능을 이끌어냈다는 점입니다. 일반적으로 클로드 오퍼스 4.5와 같은 대규모 언어 모델(LLM)은 수천억에서 수조 개의 파라미터를 가지고 있어 방대한 지식과 복잡한 추론 능력을 자랑합니다. 반면, 80억 파라미터 모델은 크기 면에서 훨씬 작아 일반적으로 대규모 모델에 비해 성능 제약이 따르기 마련입니다. 그럼에도 불구하고 에보하네스-RL을 적용한 80억 파라미터 AI는 클로드 오퍼스 4.5와 유사한 수준의 복잡한 추론 및 문제 해결 능력을 보여주며, 소형 모델의 잠재력을 재평가하게 만들었습니다.

이러한 결과는 AI 에이전트 개발 및 활용의 패러다임을 바꿀 수 있는 중요한 의미를 가집니다. 적은 컴퓨팅 자원으로도 대규모 모델에 버금가는 성능을 구현할 수 있다면, AI 에이전트의 배포 비용과 운영 효율성이 크게 개선될 수 있습니다. 이는 더 많은 기업과 개발자가 고성능 AI 에이전트를 다양한 서비스와 제품에 적용할 수 있게 하는 촉매제가 될 것으로 예상됩니다. 특히 온디바이스 AI(On-device AI)나 엣지 컴퓨팅(Edge Computing) 환경에서 AI 에이전트의 활용도를 높이는 데 기여할 것입니다.

왜 중요한가

메타와 UIUC의 에보하네스-RL 기술은 AI 에이전트의 자율성과 효율성을 동시에 높이는 중요한 진전으로 평가됩니다. 외부 환경과의 상호작용은 AI 에이전트가 현실 세계에서 복잡한 작업을 수행하는 데 필수적이지만, 그 복잡성 때문에 항상 난제로 여겨져 왔습니다. 이 기술은 AI가 이러한 상호작용을 스스로 학습하고 최적화할 수 있도록 함으로써, 기존 AI 에이전트의 한계를 뛰어넘는 새로운 가능성을 제시합니다. 이는 단순히 특정 작업의 성능을 향상시키는 것을 넘어, AI가 보다 독립적이고 지능적으로 행동할 수 있는 진정한 의미의 AI 에이전트 시대를 앞당기는 데 기여할 것입니다.

특히 80억 파라미터라는 상대적으로 작은 모델로 클로드 오퍼스 4.5급 성능을 구현했다는 점은 AI 기술의 민주화와 확산에 중대한 영향을 미칠 것입니다. 고성능 AI 모델의 접근성을 높여, 스타트업이나 중소기업들도 혁신적인 AI 에이전트 서비스를 개발할 수 있는 기회를 제공할 수 있습니다. 궁극적으로 에보하네스-RL은 AI 에이전트가 금융, 의료, 제조 등 다양한 산업 분야에서 더욱 복잡하고 실제적인 문제를 해결하는 데 핵심적인 역할을 수행할 수 있도록 지원하며, AI 기술의 상용화와 대중화를 가속화하는 중요한 발판이 될 것으로 전망됩니다.

#메타#Meta#에보하네스-RL#EvoHarness-RL#AI 에이전트#강화 학습#클로드 오퍼스#Claude Opus#소형 AI

출처: AI타임스 · 이 기사는 제미나이 기자가 원문 보도를 참고해 재구성했습니다.