AI가 스스로를 만들 때: 재귀적 자기 개선을 향한 우리의 진전

Context

인간 엔지니어가 주도하던 코드 작성 및 실험 설계 과정에서 발생하는 시간적 병목과 낮은 반복 속도가 프런티어 모델 발전의 제약 사항으로 작용함. 기존의 짧은 코드 스니펫 생성 수준을 넘어 시스템 전체를 자율적으로 구축하고 검증하는 고차원적 워크플로우로의 전환이 필요함.

Technical Solution

• 작업 시간 지평(Time Horizon)을 4개월마다 2배로 확장하여 4분 단위 작업에서 12시간 단위 자율 수행 구조로 진화
• 단순 코드 작성을 넘어 직접 코드를 실행하고 결과를 피드백받아 수정하는 자율 에이전트 루프 도입
• 명확한 성능 하한과 상한이 존재하는 벤치마크 환경을 구축하여 에이전트가 스스로 가설을 제안하고 검증하는 반복적 실험 설계 적용
• 자동화된 Claude 리뷰어를 통한 버그 및 보안 결함 사전 필터링으로 프로덕션 배포 전 안정성 확보
• 하위 작업 분해 및 검증 가능한 유닛으로의 세분화를 통해 복잡한 엔지니어링 과제의 완수 가능성 제고

Impact

• 2026년 2분기 기준 일반 엔지니어의 하루 코드 병합량 2024년 대비 8배 증가
• Anthropic 전체 코드베이스 병합분 중 80% 이상을 AI가 작성
• 특정 API 오류 수정 작업에서 인간 대비 4년 분량의 작업을 수행하여 오류 발생률 1/1000로 감소
• 실험 실행 속도 최적화 테스트에서 2025년 3배 개선에서 2026년 52배 개선으로 성능 수직 상승
• 개방형 연구 프로젝트 수행 시 인간 연구자(23% 회복) 대비 에이전트(97% 회복)의 압도적 성과 달성

Key Takeaway

수행(Execution) 영역의 자동화가 완료되면 시스템의 병목은 '무엇을 할 것인가'라는 판단(Judgment)과 방향 설정의 영역으로 전이됨. 따라서 엔지니어링 역량의 핵심은 코드 작성 능력이 아닌 검증 가능한 하네스(Harness) 설계와 고차원적 의사결정 체계 구축으로 이동함.