당신이 거대하고 불가능해 보이는 퍼즐을 풀려고 노력 중이라고 상상해 보십시오. 하지만 당신은 한 번에 아주 작은 조각 하나만을 볼 수 있습니다. 이것이 현대의 "AI 에이전트(AI agents)"들이 매일 겪는 고충입니다. 이들은 복잡한 문제를 해결하기 위해 인간처럼 생각하고 행동하도록 설계된 컴퓨터 프로그램입니다. 이 에이전트들은 매우 똑똑하지만, 주의 지속 시간이 짧습니다. 만약 그들에게 인기 있는 앱의 뒷면에 있는 코드와 같은 거대한 소프트웨어 프로젝트를 이해하라고 요청하면, 그들은 압도당합니다. 더 많은 정보를 한꺼번에 "마음"에 담으려 할수록, 그들은 이야기의 시작 부분을 잊어버리거나 중간에 숨겨진 결정적인 단서들을 놓치기 시작합니다.

이를 해결하기 위해 과학자들은 작업을 여러 에이전트에게 나누어 주는 방식을 시도했습니다. 마치 거대한 저택의 서로 다른 방에 서로 다른 사람을 배치하는 것과 같습니다. 하지만 여기에는 함정이 있습니다. 만약 주방에 있는 사람이 침실에 있는 사람에게 필요한 행동을 바꿀 만큼 중요한 단서를 발견하더라도, 두 사람이 현재의 작업을 모두 마치고 문 앞에서 만나기 전까지는 서로에게 알릴 수 없습니다. 현실 세계에서 우리는 정해진 회의 시간을 기다려 "이봐, 중요한 걸 찾았어!"라고 외치지 않습니다. 우리는 작업하는 동안에도 대화를 나눕니다. 지금까지 AI 팀들은 작업을 마칠 때까지 대화를 할 수 없는 '예약된 휴식 시간'에 갇혀 있었으며, 이로 인해 작업 중에 발견한 새로운 사실들에 대해 눈이 먼 상태로 있었습니다. 이 논문은 AI 팀이 작업하는 동안 서로 대화할 수 있는 새로운 방법을 탐구하여, 고립된 작업자 집단을 진정한 협업 팀으로 탈바로 변모시키는 방법을 제시합니다.

문제점: "침묵하는 작업자"의 함정

연구진은 어려운 과제에서 시작했습니다: 실제 세계의 소프트웨어 코드베이스에 대한 심도 있는 질문에 답하는 것입니다. 그들은 11개의 서로 다른 소프트웨어 프로젝트에 관한 124개의 어려운 질문이 포함된 SWE-Atlas QnA라는 벤치마크를 통해 이를 테스트했습니다. 단일하고 매우 똑똑한 AI 에이전트(Claude Code Opus 4.6 모델 사용)에게 이를 해결하도록 요청했을 때, 성공률은 **32.3%**에 불과했습니다. 에이전트는 엄청난 양의 정보 속에서 길을 잃었습니다.

명백한 해결책은 팀을 고용하는 것처럼 보였습니다. 만약 네 명의 에이전트에게 작업을 나누어 준다면, 각자가 맡은 일은 더 작고 깔끔해질 것입니다. 하지만 연구진은 이러한 팀들이 보통 어떻게 운영되는지에 대한 숨겨진 결함을 발견했습니다. 대부분의 시스템은 특정 단계가 끝날 때까지 에이전트들이 "침묵" 속에서 작업하도록 강제합니다. 이는 마치 범죄를 해결하는 형사 팀과 같습니다. 형사 A는 차고를 수색하고 있고, 형사 B는 다락방을 확인하고 있습니다. 만약 형사 A가 용의자가 다락방에 간 적이 없음을 증명하는 진흙 묻은 신발을 발견하더라도, 두 사람이 수색을 마치고 보고를 위해 만날 때까지 형사 B에게 이를 말할 수 없습니다. 그때가 되면 형사 B는 존재하지 않는 단서를 찾느라 몇 시간을 허비했을지도 모릅니다.

이 논문은 이 "멈춰서 대화하기(stop-and-talk)" 방식이 문제라고 주장합니다. 현실 세계에서 우리는 "수동적 인지(passive awareness)"를 가지고 있습니다. 즉, 하던 일을 멈추지 않고도 동료가 경고를 외치거나 발견을 공유하는 것을 들을 수 있습니다. 저자들은 AI 에이전트에게도 이러한 능력을 부여했을 때 게임의 판도가 바뀔 수 있는지 확인하고자 했습니다.

해결책: AgentRadio

여기에 AgentRadio가 등장합니다. 연구진은 AI 에이전트들을 위한 무전기 시스템 역할을 하는 새로운 소프트웨어 "레이어"를 구축했습니다. 이는 세 가지 간단한 도구를 제공합니다:

1. 스레드(Threads): 다양한 주제를 위한 전용 채팅방.
2. 메시지(Messages): 그룹에 노트를 보낼 수 있는 능력.
3. 언급 대기(Wait for Mentions): 이것이 마법 같은 기술입니다. 에이전트는 메시지를 확인하기 위해 작업을 멈추는 대신, 자신의 이름이 불리는 것을 듣는 작은 백그라운드 작업을 실행합니다. 만약 팀원이 "이것 좀 봐"라고 말하면, 메시지는 에이전트의 현재 작업을 방해하지 않고 휴대폰 알림처럼 작업 단계 사이에 나타납니다.

운전자가 라디오를 들으며 운전하는 상황을 생각해 보십시오. 운전자는 핸들을 잡고 시선은 도로에 고정하고 있지만(주요 작업 수행), 교통 상황 보고(팀원의 메시지)를 들을 수 있으며 즉시 경로를 조정할 수 있습니다. 보고를 듣기 위해 차를 세울 필요가 없습니다.

실험: 5단계의 댄스

이를 테스트하기 위해, 연구진은 네 명의 에이전트가 함께 작업하는 엄격한 5단계 프로토콜을 설정했습니다:

1. 탐색(Explore): 모두가 독립적으로 코드베이스를 둘러봅니다.
2. 분배(Divide): 서로 무엇을 할지 합의하기 위해 만납니다.
3. 실행(Execute): 다시 작업으로 돌아갑니다. 이 단계에서 AgentRadio가 빛을 발합니다. 만약 어떤 에이전트가 계획을 바꿔야 할 무언가를 발견하면, 즉시 외칩니다.
4. 검토(Review): 서로의 작업을 확인합니다.
5. 제출(Submit): 모든 것을 결합하여 최종 답변을 만듭니다.

연구진은 세 가지 설정을 비교했습니다:

• 단독 에이전트(The Solo Agent): 혼자서 모든 것을 수행하는 하나의 에이전트.
• 침묵하는 팀(The Silent Team): 네 명의 에이전트가 병렬로 작업하지만 각 단계의 끝에서만 대화하는 방식(기존 방식).
• AgentRadio 팀: "수동적 인지" 시스템을 갖춘 네 명의 에이전트.

결과: 거대한 도약

결과는 극적이었습니다. 단일 에이전트가 124개의 과제를 해결하려고 했을 때, 성공률은 **32.3%**에 그쳤습니다.

"침묵하는 팀" 방식(작업을 나누고 협상하지만 작업 도중에는 대화하지 않음)을 사용했을 때, 성공률은 **51.6%**로 뛰어올랐습니다. 이는 작업을 나누는 것이 도움이 된다는 것을 증명했지만, 에이전트들이 여전히 서로의 단서를 놓치고 있음을 보여주었습니다.

그 후, AgentRadio를 가동했습니다. 작업하는 동안 발견한 내용을 즉시 공유할 수 있게 되자, 팀의 정확도는 **62.1%**로 치솟았습니다.

이는 단순히 작은 개선이 아닙니다. AgentRadio를 사용하는 팀은 공개 리더보드에서 가장 강력한 단일 에이전트(Opus 4.8이라는 더 강력한 최신 모델)의 성적을 넘어섰습니다. 해당 모델의 성공률은 **57.2%**였습니다. 즉, 좋은 통신 시스템을 갖춘 네 명의 구형 에이전트가 혼자 일하는 한 명의 최신 슈퍼 에이전트를 이긴 것입니다.

왜 중요한가: "경로 수정"의 힘

연구진은 왜 이것이 효과적이었는지 이해하기 위해 더 깊이 파고들었습니다. 그들은 가장 어려운 과제에서 가장 큰 이득이 발생했다는 것을 발견했습니다. 과제가 까다로울 때, "침묵하는 팀"은 팀원의 수정을 제때 듣지 못해 잘못된 경로를 너무 오랫지 동안 따르는 경우가 많았습니다.

AgentRadio를 사용하면, 만약 한 에이전트가 "잠깐, 계획이 틀렸어"라고 깨달으면 즉시 다른 이들에게 알릴 수 있습니다. 이는 팀이 "경로 수정(mid-course corrections)"을 할 수 있게 해줍니다. 이는 마치 등산객 그룹과 같습니다. 만약 한 사람이 절벽 끝을 발견한다면, 모두가 캠프파이어에 모일 때까지 기다려 "그쪽으로 가지 마세요"라고 말하지 않습니다. 그들은 즉시 소리치고, 그러면 모두가 즉시 멈춥니다.

또한 이 연구는 이것이 단순히 더 많은 컴퓨터 자원을 투입하는 문제가 아님을 보여주었습니다. 단일 에이전트에게 예산을 6배로 늘려 작업을 6번 다르게 시도한 뒤 가장 좋은 결과를 고르게 했음에도 불구하고, 성공률은 여금 **37.9%**에 머물렀습니다. AgentRadio를 사용한 팀 방식이 훨씬 더 효율적이고 효과적이었습니다.

한계: 마법은 아니다

논문은 AgentRadio가 모든 것을 해결하는 마법 지팡이가 아님을 주의 깊게 언급합니다. Grafana 관련 과제에 대한 한 가지 사례 연구에서, 에이전트들은 침묵 버전과 라디오 버전 모두에서 문제를 해결하는 데 실패했습니다. 왜일까요? 그 해결책은 특정 부정적 결론("이 기능은 존재하지 않는다")을 요구했는데, 어떤 단일 에이전트도 스스로는 그 결론에 도달하지 못했기 때문입니다. AgentRadio는 에이전트가 이미 발견한 것을 공유할 수 있을 뿐, 무에서 유를 창조하거나 새로운 아이디어를 만들어낼 수는 없습니다. 만약 방 안에 있는 누구도 답을 가지고 있지 않다면, 소리를 지르는 것만으로는 도움이 되지 않습니다.

요약

이 논문은 복잡하고 장기적인 과제를 수행할 때, 팀원 개개인이 얼마나 똑똑한가만큼이나 어떻게 소통하는가가 중요하다는 것을 입증합니다. AI 에이전트에게 작업하는 동안 서로의 목소리를 들을 수 있는 능력(즉, "수동적 인지" 상태)을 부여함으로써, 팀은 실수를 조기에 발견하고, 중요한 단서를 즉시 공유하며, 이전에는 불가능했던 문제들을 해결할 수 있습니다. 이는 AI의 미래가 단순히 더 크고 똑똑한 뇌를 만드는 것뿐만 아니라, 그 뇌들이 서로 대화하는 더 나은 방법을 만드는 것에 달려 있음을 시사합니다.