OpenAI 연구조직, 코딩 에이전트 노동량이 인간의 3.1배로 역전된 내부 데이터 첫 공개

연구 현장의 노동 비중이 뒤집혔다

OpenAI 내부에서 코딩 에이전트가 보조 도구를 넘어 연구 생산의 주된 실행 계층으로 올라섰다. 연구원 Kevin Liu가 공유한 데이터에 따르면 2026년 6월 전까지는 연구조직 전체의 에이전트 실행 시간이 인간 노동시간보다 적었지만, 8월 중순에는 표준 8시간 근무일 기준 인간 노동 1일당 에이전트 노동 3.1일로 역전됐다. 중앙값 연구자는 API 가격으로 환산해 하루 600달러가 넘는 추론을 사용했고, 사용량 상위 10% 연구자는 하루 7,000달러를 넘겼다.

“Today we're releasing data on models accelerating research at OpenAI.”

이 수치는 단순히 코드 생성량이 늘었다는 뜻보다 크다. 연구자는 평가 설계, 실험 인프라 구축, 훈련 중 결함 탐지, 결과 분석처럼 여러 단계가 연결된 업무를 수행한다. OpenAI가 공개한 자료에서는 2026년 들어 활성 실험자 1인당 실험 횟수가 늘었고, 8월 수치는 2025년 1월 추적을 시작한 뒤 최고치였다. 다만 회사는 Codex 채택과 함께 사용 가능한 연산 자원도 크게 증가했기 때문에 생산성 상승의 원인을 에이전트 하나로 분리할 수 없다고 선을 그었다.

더 긴 업무를 맡지만 사람의 조향은 남는다

업무 구성도 변했다. 1월에는 연구 코드와 인프라 코드가 중심이었으나 8월에는 기술 지원과 모니터링 실행까지 위임 범위가 넓어졌다. 반면 무엇을 연구할지 정하는 고수준 계획은 에이전트 출력 토큰에서 여전히 작은 비중이다. 난도가 높아질수록 성공을 위해 사람의 조향이 많이 필요하다는 내부 평가도 함께 공개됐다. 에이전트가 연구자를 없애기보다, 사람이 병렬 작업을 설계하고 결과를 판별하는 쪽으로 역할을 이동시키고 있다는 해석이 타당하다.

측정 방식에도 주의가 필요하다. 에이전트 실행시간은 사람의 집중 노동시간과 품질이 같은 단위가 아니며, 병렬로 돌아간 실패 실험도 합계에 포함될 수 있다. API 정가 환산 비용 역시 내부 실제 원가와 다르다. 공개 자료는 생산성의 확정적 인과효과보다 연구조직의 작업 배분이 얼마나 빠르게 변했는지를 보여주는 선행 지표로 보는 편이 맞다. 향후에는 채택 전후의 완료시간, 오류율, 재작업률이 함께 공개돼야 한다.

Liu는 재귀적 자기개선의 징후가 소수 프런티어 연구소 안에서만 관측될 위험을 지적하며 다른 AI 기업에도 유사한 데이터 공개를 요청했다. 다음 관전점은 실험 횟수 증가가 실제 모델 성능 개선으로 얼마나 이어지는지, 추론비와 연산 자원 증가를 통제한 생산성 지표가 제시되는지다. 원문 데이터와 방법론은 OpenAI 분석에서, 공개 취지는 Kevin Liu의 원문 게시물에서 확인할 수 있다.