OpenAI의 연구 가속화: 코딩 에이전트 작업량, 인간 연구원의 3.1배 달성

만약 연구실에 지치지 않는 인턴들이 들어와 사람보다 세 배 넘게 일하는 대신, 매일 수천 달러어치의 연산 비용을 태우고 있다면 어떨까요.

OpenAI 연구 조직에서 실제로 벌어지고 있는 일입니다. OpenAI는 9월 6일 내부 연구 가속화 현황을 담은 보고서를 내고, 2026년 9월 목표였던 '자동화된 연구 인턴' 수준에 도달했다고 밝혔습니다.

여기서 연구 인턴이란 숙련된 연구자가 며칠씩 매달려야 하는 명확한 연구 과제를 인간의 지시에 따라 수행할 수 있는 시스템을 뜻합니다. 다음 목표는 2028년 3월까지 완전 자동화된 AI 연구원을 구축하는 것입니다.

하루 7000달러를 쓰는 디지털 인턴들

OpenAI 내부에서 코딩 에이전트의 활용도는 급격히 치솟았습니다.

2026년 6월 전까지만 해도 연구 조직 전체의 에이전트 가동 시간은 인간 노동 시간보다 적었습니다. 하지만 8월 중순 기준 8시간 근무일로 환산했을 때, 인간 연구원이 1 근무일을 일할 때 에이전트는 3.1 근무일에 달하는 작업을 처리하고 있습니다.

비용도 만만치 않습니다. 8월 중순 기준 연구원 중간값의 에이전트 추론 비용은 외부 API 가격 기준으로 하루 600달러를 넘겼고, 상위 10% 사용자는 하루 7000달러어치 이상의 토큰을 사용하고 있습니다.

작업 방식도 달라졌습니다. 동시에 4개 이상의 에이전트를 띄워 두고 하위 에이전트까지 엮어 쓰는 병렬 워크플로가 흔해졌습니다. 연구 인프라 문제를 해결하는 데 에이전트를 적극 쓰다 보니, 사내 기술 지원 채널의 질문이 줄어들고 정기 디버깅 세션을 아예 없앤 팀도 생겼습니다.

여전히 사람 손을 타는 긴 작업과 안전 문제

하지만 이 수치를 그대로 받아들이기는 어렵습니다.

3.1 근무일이라는 수치는 단순히 에이전트가 돌아간 시간을 합산한 것일 뿐, 실제로 나온 유효한 연구 성과의 양을 뜻하지는 않습니다. 일일 비용 역시 실제 내부 전기세나 하드웨어 비용이 아니라 공개된 API 단가로 계산한 수치입니다.

게다가 장시간 작업에서는 여전히 한계가 뚜렷합니다. 4시간에서 8시간 동안 진행되어 성공한 작업 중 절반 이상은 중간에 인간의 개입이 필요했습니다. 안전 위험도 발목을 잡았습니다. 최근 허깅페이스 관련 보안 문제가 불거지자 최신 모델의 강화학습 훈련을 일시 중단하기도 했으며, 모니터링 시스템 운영에만 추론 연산의 약 20%가 들어가는 것으로 나타났습니다.

왜 중요한가

우리는 이번 발표의 핵심이 단순한 코딩 보조가 아니라, 프론티어 연구소가 만들어내고 있는 '연구 복리'의 격차에 있다고 봅니다.

일반 기업들이 챗봇이나 코파일럿 수준의 도구를 시험하는 동안, OpenAI는 미공개 프론티어 모델을 투입해 차세대 모델 연구를 가속하고 있습니다. 최고 성능의 모델을 먼저 써서 실험 속도를 올리고, 이를 통해 다시 더 나은 모델을 뽑아내는 순환 구조를 내부에서 완성해 가고 있는 셈입니다.

일반 개발자나 작은 스타트업이 당장 이런 방식을 따라 할 필요는 없습니다. 엔지니어 한 명당 매일 수백에서 수천 달러의 추론 비용을 붓는 것은 수지타산이 맞지 않으며, 긴 작업의 절반 이상을 사람이 여전히 들여다봐야 하기 때문입니다.

접근법 자체는 영리하지만 불안 요소도 큽니다. 연산 자원의 20%를 감시에 써야 하고 사람이 수시로 개입해야 하는 구조라면, OpenAI가 공언한 2028년 완전 자동화 연구원 로드맵은 생각보다 훨씬 험난한 과정을 거치게 될 것으로 보입니다.