OpenAI의 ‘AI 연구 인턴’이 등장했다…성과 판단은 아직 인간 몫이다

OpenAI가 2026년 9월 6일 공개한 내부 측정 자료 는 인간의 지시 아래 잘 정의된 연구 과제를 수행하는 ‘자동화 연구 인턴’ 목표에 도달했다고 밝혔다. 숙련된 연구자에게 며칠 걸릴 수 있는 작업까지 맡는다는 뜻이지만, 스스로 연구 주제를 고르고 성과의 가치를 판정하는 독립 연구자가 완성됐다는 발표는 아니다.

2026년 9월 6일 발표를 정리한 AI/TLDR의 후속 검토 도 이 단계를 인간 지시 아래 작동하는 시스템으로 설명하며, 8월 중순 연구 조직의 인간 근무일당 에이전트 실행 시간이 3.1일에 이르렀고 중앙값 연구자의 하루 추론 지출이 API 가격 기준 600달러를 넘었으며 최근 6개월간 성공한 4∼8시간 작업의 절반 이상에는 한 차례 이상의 인간 개입이 있었다고 정리했다. 공개된 수치가 보여주는 것은 자동 실행의 확대이지 연구 품질이나 독립성의 입증이 아니다.

‘연구 인턴’은 공개 제품이 아니라 내부 능력 단계다

이번 명칭은 새로 출시된 서비스나 별도의 모델 이름이 아니다. OpenAI가 연구 자동화의 진척을 설명하기 위해 세운 내부 이정표이며, 핵심 조건은 사람이 목표와 범위를 먼저 정하고 과제가 충분히 명확해야 한다는 점이다.

따라서 ‘며칠짜리 과제를 수행한다’는 표현은 달력상 며칠 동안 아무 감독 없이 연구한다는 뜻과 다르다. 비교 기준은 숙련된 연구자가 해당 과제를 처리하는 데 걸릴 것으로 추정되는 시간이며, 실제 에이전트 작업에는 병렬 실행과 중간 개입이 포함될 수 있다. 과제의 난도도 연구 질문의 중요성보다는 인간에게 예상되는 작업 시간으로 구분됐다.

이 단계에서 에이전트는 코드 작성, 데이터 처리, 실험 실행, 연구 인프라 문제 해결처럼 목표가 구체적인 업무를 길게 이어갈 수 있다. 반대로 모호한 문제를 연구 질문으로 바꾸거나 여러 가설 중 무엇에 자원을 배분할지를 독자적으로 결정하는 능력까지 확인된 것은 아니다.

사용량과 실험 활동은 늘었지만 원인은 하나로 좁혀지지 않았다

내부 지표에서는 코딩 에이전트가 OpenAI 연구 조직의 일상적인 작업 수단으로 자리 잡은 흐름이 뚜렷하다. 연구자들은 여러 세션을 동시에 실행하고 있으며, 전체 에이전트 실행 시간은 인간 노동시간을 넘어섰다. 활동 중인 실험자 한 명당 실험 횟수도 2026년에 증가해 8월에는 2025년 1월 집계 시작 이후 최고 수준에 도달했다.

그러나 실험 증가를 Codex 도입만의 결과로 볼 수는 없다. 같은 기간 사용 가능한 컴퓨팅 자원도 크게 늘었기 때문에 에이전트 성능, 연구자의 사용 습관, 계산 자원의 확대가 각각 얼마나 기여했는지는 공개 자료만으로 분리되지 않는다. 상관관계는 보이지만 단일 원인이 입증된 것은 아니다.

특히 연구자당 추론 지출 곡선은 7월 말부터 가파르게 상승했다. Simon Willison의 그래프 분석 은 내부 직원의 신형 모델 접근이 원인이었을 가능성을 제시했지만 이를 ‘최선의 추정’으로 명시했다. 지출 증가의 정확한 원인이나 그 결과로 나온 과학적 성과는 확인되지 않았다.

자동 실행이 늘어도 결정과 승인은 인간이 맡는다

연구 과정에서 자동화가 가장 많이 진행된 곳은 사람이 정한 문제를 코드와 실험으로 옮기는 구간이다. 에이전트는 연구·인프라 코드를 만들고, 훈련과 평가 작업을 실행하며, 내부 환경의 오류를 해결하거나 실행 상태를 감시한다. 최근에는 더 길고 복잡한 작업의 위임도 늘었다.

반면 고수준 계획은 에이전트 출력에서 여전히 작은 비중을 차지한다. 무엇을 연구할지, 어느 아이디어를 계속 추적할지, 제한된 계산 자원을 어디에 배분할지는 인간 연구자가 정한다. 에이전트가 결과를 분석하거나 후속 작업을 제안할 수 있어도 제안의 중요성과 위험을 평가하는 책임까지 넘겨받은 것은 아니다.

공개된 역할 분담을 단계별로 나누면 경계가 선명해진다.

• 결정: 연구 주제, 우선순위와 자원 배분은 사람이 맡는다.
• 설계: 가설과 평가 기준에는 인간 연구자의 판단이 중심적으로 남는다.
• 구축·실행: 코드와 데이터 작업, 훈련·평가 실행은 에이전트가 폭넓게 지원한다.
• 분석: 에이전트가 결과를 정리할 수 있지만 무엇을 후속 검증할지는 사람이 고른다.
• 최종 승인: 시스템의 확대·중단·배포 여부는 인간이 결정한다.

장시간 작업의 성공 사례에 인간 개입이 포함됐다는 점도 중요하다. 개입은 실패의 증거라기보다 현재 시스템이 감독형 도구라는 사실을 보여준다. 에이전트가 작업을 오래 이어갈 수 있다는 능력과 작업 전반을 독립적으로 책임진다는 능력은 구분해야 한다.

작업량 지표만으로 연구 성과를 판단할 수 없는 이유

추론 지출, 실행 시간, 코드 기여량과 실험 횟수는 처리된 작업의 규모를 보여준다. 그러나 더 많은 코드가 더 정확한 가설을 뜻하지는 않으며, 실험 횟수가 늘었다고 해서 결과의 참신성·재현성·안전성이 함께 높아졌다고 볼 수도 없다. 연구의 병목이 코드 작성에서 아이디어 선택이나 평가로 옮겨갈 가능성도 있다.

작업 성공률은 단순 사용량보다 결과에 가까운 지표지만 그 역시 제한이 있다. 공개 그래프의 성공 여부는 에이전트 분류기로 판정됐고, 결과가 불확실한 사례와 세션 또는 고유 사용자가 50개 미만인 지점은 제외됐다. 이 수치는 모든 연구 작업을 외부 전문가가 검증한 전수 평가가 아니다.

측정 범위도 OpenAI 내부 환경에 한정된다. 여기서 ‘연구자’는 모델 연구자뿐 아니라 연구 인프라를 만들거나 프로젝트 운영을 지원하는 구성원까지 포함하며, 빠르게 바뀌는 도구 탓에 집계가 모든 코딩 에이전트 사용을 포괄하지도 않는다. 대학이나 다른 연구소의 생산성에 같은 비율을 그대로 적용할 근거는 아직 없다.

다음 검증 대상은 독립성과 결과의 질이다

현재까지 확인된 변화는 사람이 구체적으로 정의한 과제의 실행 구간이 크게 자동화됐다는 것이다. 코딩 에이전트는 더 오래 작업하고 더 많은 실험을 지원하지만, 복잡한 과제에는 인간의 수정 지시가 필요하며 연구 방향과 결과의 의미를 결정하는 권한도 사람에게 남아 있다.

독립적인 연구 능력을 판단하려면 작업량 외의 자료가 필요하다. 같은 과제를 사람과 에이전트가 수행했을 때 정확성·재현성·참신성이 어떻게 달라지는지, 내부의 성공 판정이 외부 평가에서도 유지되는지, 늘어난 컴퓨팅 자원의 효과를 어떻게 분리했는지가 공개돼야 한다. 그 검증 전까지 ‘AI 연구 인턴’은 독립 연구자의 탄생이 아니라 인간이 설정하고 승인하는 연구 과정에서 실행 자동화의 범위가 넓어진 단계로 보는 것이 정확하다.