Markdown 버전

AI-translated from English; not yet reviewed by a fluent editor.

# 한 AI 모델 프로젝트에서 에이전트는 방법을 제안하고 연구자들이 최종 선택을 했다

> Atria Dawn 개발팀은 자체 모델 개발 과정의 과제 기록 769건을 분석했다. 에이전트는 방법을 자주 제안하고 결과물을 수정했으며, 참가자들은 대부분의 최종 선택을 자신들이 했다고 보고했다. 이 연구 결과는 한 프로젝트만을 설명한다.

By BIG CHANGE Editorial

Published: 2026-09-27T17:05:31.968Z
Updated: 2026-09-27T17:05:31.968Z
Canonical: https://bigchange.ai/blog/atria-dawn-ai-agents-human-research-decisions

![Conceptual charcoal illustration of an anonymous researcher in profile considering code-like marks on a desktop monitor, with one hand on a mouse.](https://bigchange.ai/api/media/file/atria-dawn-research-choice-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE.

Atria Dawn Preview 개발팀은 AI 사용 여부에 참가자들이 명확히 답한 과제 739건 중 713건에서 AI를 사용했다. 이 팀의 [자체 개발 연구](https://arxiv.org/html/2609.15818v2)에서는 기록된 방법 또는 매개변수 결정의 85.5%에서 사람들이 최종 선택을 내렸다. 논문 제목에는 ‘에이전트형 초지능’이라는 표현이 들어가지만 과제 기록이 보여 주는 것은 이 팀이 업무를 어떻게 분담했는지에 관한 더 구체적인 이야기다.

해당 [프리프린트는](https://arxiv.org/abs/2609.15818) 2026년 9월 14일 제출돼 9월 17일 개정됐다. 하나의 모델 개발 프로젝트에서 참가자 56명의 과제 기록 769건과 에이전트 로그를 활용한다. 저자들은 이 기록을 자신들의 팀이 Atria Dawn Preview를 개발할 때 에이전트를 어떻게 사용했는지에 관한 사례 연구로 설명한다.

## 큰 변화

- **무엇이 달라졌나:** 한 모델 개발 프로젝트에서 에이전트와 사람이 구체적인 연구 결정을 어떻게 나눠 맡았는지 기록했다. 방법을 제안하는 일과 최종 선택을 하는 일을 구분했다.
- **왜 중요한가:** 연구자가 목표를 정하고 방법을 승인하며 결과가 과제의 기준을 충족하는지 판단하는 동안 에이전트는 방법을 만들어 내고 수정 작업을 수행할 수 있다. 에이전트의 행동만 세면 이런 서로 다른 역할을 놓치게 된다.
- **앞으로 지켜볼 점:** 이는 한 팀의 작업을 관찰한 결과이며 의사결정 증거의 상당 부분은 참가자들이 제공했다. 이 연구 결과로 다른 AI 연구소가 결정을 어떻게 나누는지, 에이전트가 스스로 후속 모델을 개발할 수 있는지는 알 수 없다.

## 에이전트는 여러 방법을 제안했고 사람은 대부분을 선택했다

실행 역할을 맡은 참가자들의 방법 또는 매개변수 관련 결정 567건을 보면 가장 분명한 차이가 드러난다. 논문에 따르면 이 가운데 64.6%에서 AI가 선택지를 제안했다. 가장 큰 단일 유형은 55.4%를 차지한 ‘AI가 제안하고 사람이 선택’이었다. 사람은 85.5%에서 최종 선택을 했고 AI는 9.2%에서 최종 선택을 했다. 나머지 결정은 외부 제약에 따른 것으로 분류됐다.

질문의 종류에 따라 분담은 달랐다. 목표나 범위에 관한 결정 603건 중 93.4%에서 사람이 최종 선택을 했고, 수용 기준 관련 결정 542건에서는 그 비율이 81.9%였다. AI의 제안은 목표보다 방법과 관련해 훨씬 흔했다. 논문의 도표에는 참가자들이 AI 없이는 실현 불가능하다고 평가한 과제 151건 중 144건에서 사람이 최종 목표를 선택했다고도 기록돼 있다.

이 비율은 참가자들이 보고한 의사결정 역할을 설명한다. 각 사람의 선택이 충분한 정보를 바탕으로 이뤄졌는지 측정한 것은 아니다. 저자들은 연구자가 작업 방향을 잡고 에이전트는 사람이 설정한 방향 안에서 선택지를 만들어 내는 양상으로 해석한다. 이 사례 연구는 해당 프로젝트에서 최종 권한은 유지하면서 실행 업무를 위임한 모습을 기록한다.

## 사람의 피드백을 받은 에이전트는 작업을 이어 가는 경우가 많았다

참가자들은 각 과제에서 가장 큰 어려움이 무엇이었는지 회상해 답했다. 어려움과 대응 방식이 기록된 과제 588건 중 447건, 즉 76.0%는 사람의 도움을 받아 진행됐다. 에이전트가 독립적으로 문제를 해결한 경우는 135건, 즉 23.0%였다. 주된 도움은 추가 맥락 제공이나 요구 사항 명확화(207건)와 문제 원인 파악 또는 방법 변경(204건)이었다. 네 과제에서는 사람이 주요 작업을 넘겨받았다.

산출물 기록에서도 비슷한 분담이 나타난다. 주요 AI 산출물의 처리 결과를 확인할 수 있는 과제 627건 중 354건은 상당한 수정이 필요했다. 이 수정 대상 중 75.4%에서는 사람이 피드백을 준 뒤 에이전트가 변경 작업을 했고, 19.2%에서는 사람이 직접 편집했다. 연구자는 직접 수정하지 않고 변경 사항만 지시할 수도 있었다.

개발 과정에서 한 로그 지표도 상승했다. 참가자 22명으로 구성된 코호트에서 사람의 프롬프트 1회당 기록된 에이전트 행동의 일일 중앙값은 8월 7일 11.0회에서 9월 4일 28.5회로 늘었다. 이 지표는 직전 7일 구간을 사용하며 매일 21명 또는 22명에 대해 유효한 비율을 계산했다. 이는 활동량을 세므로 에이전트의 권한이 늘었거나 산출물이 개선됐음을 입증하지 않는다.

## 과제 기록으로 확인할 수 있는 것

참가자들은 같은 범위와 품질, 다른 자원을 전제로 AI 없이 자기 몫의 과제를 끝낼 수 있었을지 추정했다. AI 보조 과제 중 완료됐고 응답을 활용할 수 있었던 455건 가운데 151건, 즉 33.2%를 참가자들이 AI 없이는 수행 불가능하다고 평가했다. 이는 자체 보고된 반사실적 판단이지, 팀이 에이전트 없이 해당 과제를 반복한 실험이 아니다. 다른 조건에서 그 작업을 시도한 사람이 아무도 없었을 것이라고 입증할 수는 없다.

논문은 참가자 56명이나 과제 기록 769건의 표집 절차를 제시하지 않으며, 공개 링크에서도 독립적인 재분석에 필요한 과제별 응답과 에이전트 로그를 제공하지 않는다. 벤치마크 결과는 모델로서의 Atria Dawn Preview를 평가한다. AI 시스템이 자율적으로 후속 모델을 개선했다는 뜻은 아니다. 무엇을 위임할지 결정하는 팀이 참고할 수 있는 결과는 구체적이다. 이 프로젝트에서는 에이전트가 자주 작업을 제안하고 수정했으며 참가자들은 목표와 방법, 수용 기준에 관한 선택 대부분을 자신들이 했다고 보고했다.

## Sources

- [Atria 팀, Atria Dawn: The Dawn of Agentic Superintelligence, arXiv 2판](https://arxiv.org/html/2609.15818v2) — 1차 사례 연구다. 4절과 그림 6~10은 과제와 결정, 개입, 수정, 로그 지표를 제시한다. 기록은 저자들이 직접 수행한 모델 개발 프로젝트에서 나왔다. 논문은 대표성 있는 표집을 설명하지 않으며 참가자의 원응답과 에이전트 로그도 제공하지 않는다.
- [Atria Dawn arXiv 기록 및 버전 이력](https://arxiv.org/abs/2609.15818) — 프리프린트가 9월 14일 제출되고 9월 17일 2판으로 개정됐음을 확인하며 전체 PDF로 연결한다. 논문 제목만으로 자율 초지능이 실현됐다고 볼 수는 없다.
- [Atria Dawn Preview 공개 저장소](https://github.com/atria-asi/Atria-Dawn-Preview) — 링크된 공개 저장소에는 모델 출시 자료와 논문 PDF가 있다. 살펴본 결과 과제별 연구 응답이나 에이전트 로그, 사람과 에이전트의 의사결정 도표를 재분석할 스크립트는 포함돼 있지 않았다.
- [The Decoder: AI agents do more of the work in model development, but humans still make the decisions](https://the-decoder.com/ai-agents-do-more-of-the-work-in-model-development-but-humans-still-make-the-decisions/) — 이 과제의 계기가 된 2차 보도다. BIG CHANGE는 연구 관련 주장을 1차 논문과 대조했으며, AI 없이 과제를 수행할 수 없었다는 결과는 작업을 시작할 수 없었다는 증명이 아니라 참가자의 판단으로 다룬다.