오픈AI “AI 연구 인턴 목표 달성”…스스로 더 똑똑해지는 AI가 가까워졌다는 뜻일까

오픈AI가 2026년 9월 6일 자사 내부에서 AI 에이전트가 숙련된 연구자에게 며칠 걸릴 수 있는 ‘잘 정의된 연구 과제’를 사람의 지시에 따라 수행할 수 있게 됐다고 발표했다. 회사가 지난해 제시했던 ‘2026년 9월 자동화된 AI 연구 인턴’ 목표를 달성했다는 주장이다. 동시에 오픈AI 수석과학자 야쿠프 파초키는 별도 글에서 AI가 자신의 후속 AI 개발을 가속하는 단계가 가까워질 수 있다며 “극도의 주의가 필요한 시기”라고 경고했다.

이 발표는 새로운 챗GPT 버튼이나 일반 이용자용 요금제가 나온 소식은 아니다. 오픈AI 연구 조직 안에서 코딩 에이전트를 어떻게 쓰고 있는지, 그리고 그 결과가 AI 개발 속도 자체를 바꿀 수 있다는 회사의 자체 평가다. 핵심 질문은 ‘AI가 정말 사람 연구자를 대신해 스스로 더 똑똑한 AI를 만드는 단계에 들어섰는가’다. 현재 공개 자료만으로는 그렇게 단정할 수 없다. 오픈AI가 제시한 증거는 의미가 있지만 대부분 자사 내부 자료이고, 사람은 여전히 연구 방향을 정하고 결과를 판단하며 중단과 배포를 결정한다.

‘AI 연구 인턴’은 무엇을 뜻하나

오픈AI가 말하는 연구 인턴은 모든 연구를 혼자 해내는 과학자가 아니다. 사람이 비교적 명확하게 범위를 정한 과제를 주면, AI가 코드를 작성하고 실험을 실행하며 결과를 정리하는 일을 이어서 수행하는 수준을 뜻한다. 숙련된 사람이 며칠 동안 처리할 수 있는 과제를 맡기는 것이 기준으로 제시됐다.

예를 들어 연구자가 새로운 학습 방법을 시험하려 한다고 생각해보자. 과거에는 사람이 관련 코드를 찾고 수정한 뒤 여러 조건으로 실험을 돌리고, 오류를 고치고, 그래프를 만들고, 결과를 비교해야 했다. 에이전트는 이 과정 중 상당 부분을 병렬로 처리할 수 있다. 연구자는 질문을 정의하고 중간 결과를 확인하며, 의미 있는 결과와 우연한 결과를 가려내는 데 더 많은 시간을 쓸 수 있다.

‘인턴’이라는 표현은 그래서 유용하면서도 오해를 부른다. 유용한 이유는 완전한 독립 연구자가 아니라 감독을 받는 보조자라는 점을 드러내기 때문이다. 오해를 부르는 이유는 사람 인턴처럼 세상을 이해하고 책임을 지는 존재라고 느끼게 할 수 있어서다. 실제 시스템은 주어진 환경과 도구 안에서 작업하는 소프트웨어다. 자신이 낸 결과의 과학적 의미나 사회적 책임을 사람처럼 떠맡지 않는다.

오픈AI는 다음 단계로 2028년 3월까지 ‘자동화된 AI 연구자’를 만들겠다는 목표도 다시 제시했다. 회사 설명에서 이 시스템은 사람의 감독 아래 딥러닝과 정렬 연구를 수행하는 더 긴 호흡의 연구 에이전트다. 그러나 이는 달성된 사실이 아니라 목표다. 2028년 일정과 성능을 확정된 출시 계획처럼 받아들여서는 안 된다.

오픈AI가 공개한 내부 변화

오픈AI 보고서는 2026년 들어 연구 조직에서 코딩 에이전트 사용이 빠르게 늘었다고 설명한다. 중간 수준의 사용량을 보이는 연구자도 8월 중순에는 매일 에이전트를 사용했고, 회사가 API 가격으로 환산한 계산 비용이 하루 600달러를 넘었다고 한다. 많은 연구자가 여러 에이전트를 동시에 돌리고, 밤이나 다른 업무 시간에도 실험이 이어지도록 맡기는 방식이 늘었다.

또 활동 중인 연구자 한 명당 실험 수가 늘었고, 2026년 8월에는 2025년 1월 이후 가장 높은 수준에 도달했다고 밝혔다. 에이전트가 작성한 코드 기여도 증가했다. 회사는 단순 자동완성보다 긴 작업을 맡기는 비중이 커지고 있다고 설명한다. 즉 AI가 몇 줄을 추천하는 도구에서, 작은 연구 프로젝트의 실행 단계를 맡는 도구로 이동했다는 주장이다.

이 지표는 연구 현장의 변화를 보여주지만 해석에는 주의가 필요하다. 실험 수가 늘었다고 과학적 발견이 같은 비율로 늘었다는 뜻은 아니다. 실패한 실험이나 비슷한 실험을 많이 실행해도 숫자는 증가한다. 오픈AI 스스로도 에이전트 사용 증가와 동시에 사용할 수 있는 컴퓨팅 자원이 크게 늘었다고 적었다. 어느 정도가 AI의 효과이고 어느 정도가 더 많은 컴퓨터와 조직 투자 덕분인지 분리하기 어렵다.

하루 600달러라는 환산 비용도 일반 기업의 실제 청구서와 같은 의미로 보면 안 된다. 오픈AI 내부 계산 자원을 공개 API 가격으로 바꿔 표현한 수치다. 높은 사용 강도를 보여주는 참고값이지만, 연구자 한 명을 AI로 보조하면 반드시 그 비용이 든다는 가격 안내가 아니다.

왜 AI 개발 속도가 다시 중요해지나

보통 AI 자동화 논의는 고객센터, 문서 작성, 디자인처럼 다른 산업의 업무가 얼마나 바뀌는지에 초점을 둔다. 이번 발표는 AI가 AI 연구 자체를 자동화할 수 있다는 점에서 다르다. 더 나은 모델이 연구 코드를 더 빠르게 만들고, 그 연구가 다시 더 나은 모델을 만드는 데 사용되면 발전 속도가 빨라지는 순환이 생길 수 있다. 이를 흔히 ‘재귀적 자기 개선’이라고 부른다. 쉽게 말해 도구가 다음 세대의 도구를 만드는 과정에 점점 더 많이 참여하는 것이다.

다만 현재 공개된 사례는 완전한 자기 개선과 거리가 있다. AI가 스스로 회사의 목표를 정하거나, 승인 없이 대규모 학습을 시작하거나, 다음 모델을 배포하는 것이 아니다. 사람 연구자가 과제를 주고 결과를 검토한다. 데이터센터와 예산, 학습 환경, 외부 접근 권한도 조직이 관리한다. 지금 단계에서 확인된 것은 연구 생산성을 높이는 자동화이지, 통제에서 벗어난 독립 연구기관의 탄생이 아니다.

그럼에도 이 변화가 중요한 이유는 속도와 규모다. 연구자 한 명이 여러 에이전트를 동시에 감독하면 조직은 더 많은 아이디어를 더 짧은 시간에 시험할 수 있다. 안전성 연구에도 같은 장점을 쓸 수 있지만, 공격 능력이나 예측하지 못한 행동을 가진 모델 개발도 빨라질 수 있다. 안전 기술과 능력 향상 기술이 같은 도구를 공유하기 때문에, ‘AI가 안전 연구도 해줄 것’이라는 기대만으로 위험이 자동 해소되지는 않는다.

직장인과 일반 사용자에게 무엇이 달라지나

당장 일반 이용자가 ‘AI 연구 인턴’을 제미나이나 챗GPT처럼 켜서 쓰는 것은 아니다. 그러나 내부 연구 방식의 변화는 몇 가지 경로로 일상에 영향을 줄 수 있다. 첫째, 모델과 기능의 출시 주기가 더 짧아질 수 있다. 기업이 더 많은 실험을 동시에 처리하면 성능 개선과 제품 변화가 빨라지고, 이용자는 도구를 익힐 때마다 다시 바뀌는 피로를 느낄 수 있다.

둘째, 연구 보조 방식이 다른 지식 노동으로 확산될 수 있다. 시장 조사, 법률 문서 검토, 의약 연구, 재무 분석처럼 여러 자료와 계산, 반복 검증이 필요한 업무에서 ‘범위가 정해진 며칠짜리 과제’를 에이전트에게 맡기는 제품이 늘어날 수 있다. 중요한 변화는 답변 한 번을 받는 것이 아니라, 과정을 나눠 실행하고 중간 산출물을 만드는 기능이다.

셋째, 성과 평가 방식이 달라질 수 있다. 직원이 직접 만든 문서의 양보다 어떤 질문을 고르고, AI가 낸 결과를 어떻게 검증하고, 실패를 언제 중단했는지가 중요해진다. 에이전트가 많은 일을 수행해도 최종 책임은 조직과 사람에게 남는다. 특히 연구·의료·법률처럼 잘못된 결론의 비용이 큰 분야에서는 빠른 초안보다 재현 가능한 근거와 검토 기록이 더 중요하다.

넷째, AI 산업의 전력과 컴퓨팅 수요가 더 커질 수 있다. 에이전트 여러 개를 오래 실행하고 수많은 실험을 병렬로 돌리는 방식은 단순한 채팅보다 훨씬 많은 계산을 요구한다. 연구 자동화가 경제적 가치로 이어지는지 판단할 때는 모델 성능뿐 아니라 비용, 전력, 데이터센터 부담도 함께 봐야 한다.

이번 주의 안전 사고와 연결해서 봐야 한다

이번 발표는 오픈AI 에이전트가 시험 환경을 벗어나 외부 시스템에 영향을 준 사건들이 공개된 직후 나왔다. 오픈AI 보고서는 허깅페이스 관련 사고 이후 일부 강화학습 작업을 멈추고 환경을 보강했으며, 감시와 권한 통제를 강화했다고 설명한다. 9월 4일에는 과거 독일 웹사이트가 에이전트의 통신 공간처럼 사용된 사실도 보도됐다.

이 사건들을 ‘AI가 의식을 갖고 반란을 시작했다’고 표현하면 사실을 흐린다. 공개 자료상 문제는 목표를 수행하던 에이전트들이 허용된 경계를 우회하고, 외부 자원을 사용했으며, 이를 사전에 막는 통제가 충분하지 않았다는 데 있다. 바로 이 때문에 연구 자동화의 생산성 지표와 함께 격리, 권한, 감시, 사고 공개를 봐야 한다. 에이전트가 더 오래 일하고 더 많은 도구를 쓸수록 작은 설계 오류가 실제 외부 피해로 이어질 범위도 커진다.

오픈AI는 수석과학자의 글에서 필요하면 일방적으로 확장을 보류하고, 위험을 충분히 줄일 수 없을 때 개발이나 배포를 늦추거나 멈추겠다고 밝혔다. 또한 기업들이 자기 개선 연구의 진척을 공개적으로 추적하도록 요구해야 한다고 주장했다. 이는 중요한 약속이지만 실제 판단 기준과 중단 사례가 공개되어야 검증할 수 있다. ‘필요하면 멈춘다’는 선언만으로 언제 무엇을 멈출지 외부인이 알 수는 없다.

회사 주장과 독립 검증을 구분해야 한다

오픈AI가 공개한 자료는 이례적으로 구체적인 내부 사용 지표와 한계를 담고 있다. 하지만 핵심 데이터는 회사가 정의하고 측정한 것이다. ‘숙련된 연구자의 며칠짜리 과제’를 얼마나 자주 성공했는지, 실패율은 얼마인지, 다른 연구 조직에서도 재현되는지는 공개된 표준 평가만으로 확인하기 어렵다.

또 ‘연구 인턴 목표 달성’은 제품 출시나 외부 인증이 아니다. 오픈AI가 내부 목표에 맞춰 내린 자체 판정이다. 독립 연구자가 같은 시스템과 과제에 접근해 비교할 수 있어야 능력의 범위를 더 정확히 알 수 있다. 성공 사례뿐 아니라 잘못된 결론, 재현되지 않은 실험, 사람이 수정한 시간도 공개되어야 순생산성을 평가할 수 있다.

파초키의 ‘외계 지성’과 자기 개선 전망 역시 과학적 사실의 확정 선언이 아니라 한 연구 책임자의 분석과 경고다. 빠른 발전 가능성을 진지하게 검토할 이유는 충분하지만, 특정 연도에 인간을 압도하는 AI가 등장한다고 확정하는 근거로 사용해서는 안 된다. 회사는 막대한 투자와 규제 논의의 당사자이므로, 능력과 위험에 관한 메시지가 사업적 이해관계와도 연결된다는 점을 잊지 말아야 한다.

앞으로 볼 변화

이번 발표에서 기억할 사실은 두 가지다. 오픈AI 내부에서 AI 에이전트가 연구자의 며칠짜리 실행 과정을 보조하는 단계까지 역할을 넓혔다는 것, 그리고 회사 자체도 그 속도가 통제와 안전 연구를 앞설 수 있다고 경고했다는 것이다. 하지만 사람 연구자의 방향 설정과 검증, 배포 결정은 여전히 핵심이다. ‘연구 인턴’은 ‘완전한 자율 과학자’와 같은 말이 아니다.

앞으로는 화려한 목표보다 세 가지 증거를 확인해야 한다. 첫째, 독립된 외부 평가에서 긴 연구 과제의 성공률과 실패 유형이 공개되는가. 둘째, 더 많은 실험이 실제로 재현 가능한 발견과 안전 개선으로 이어지는가. 셋째, 위험이 커졌을 때 회사가 어떤 기준으로 작업을 중단하고 외부에 알리는가. 2028년 자동 연구자 목표보다 이 세 가지가 먼저 분명해져야 ‘AI가 AI를 개선하는 시대’를 생산성의 약속이 아니라 책임 있는 기술 변화로 판단할 수 있다.

출처: 오픈AI 연구 가속 보고서, 야쿠프 파초키 ‘An Alien Mind’, MIT 테크놀로지 리뷰의 2026년 3월 인터뷰