AI 연구 자동화

2028년 말까지 no-human-involved AI R&D가 등장할 가능성을 60% 이상으로 본다. AI가 단순히 코드를 보조하는 수준을 넘어, 다음 세대 모델을 스스로 설계·구현·평가하는 단계로 들어가고 있다는 판단이다.

2026년 안에 완성형이 나오리라 보진 않지만, 1~2년 내에는 모델이 하위 단계에서 스스로 후속 모델을 학습시키는 proof-of-concept가 나올 수 있다고 본다. 임계점은 AI 연구가 인간의 개입 없이 닫힌 루프로 돌아가기 시작하는 순간이며, 그 이후는 예측이 거의 불가능한 국면으로 넘어간다.

근거의 중심에는 코드와 자율 작업 시간이 있다. SWE-Bench는 출시 초기 2% 수준에서 최근 **93.9%**까지 올라왔고, METR의 시간 지평은 30초(GPT-3.5)에서 4분(GPT-4), 40분(o1), 6시간(GPT 5.2 High), 12시간(Opus 4.6)으로 늘었다.

연구 재현과 실험 자동화도 빠르게 진전됐다.

• CORE-Bench는 **21.5%**에서 **95.5%**로 뛰었다.
• MLE-Bench는 **16.9%**에서 **64.4%**로 올라갔다.
• PostTrainBench에서는 AI가 인간의 절반가량 수준의 성능 향상을 만들었다.
• LLM 학습 최적화 과제에서는 speedup이 2.9배에서 52배까지 커졌다.

커널 최적화, PyTorch-to-CUDA 변환, Triton 커널 생성, 비표준 하드웨어용 커널 작성 같은 작업도 AI가 점점 맡고 있다. 마지막으로 Automated Alignment Research는 AI 에이전트가 인간이 설계한 기준선을 넘어서는 결과를 낼 수 있음을 보여줬지만, 아직은 소규모 proof-of-concept에 가깝다.

개별 벤치마크마다 잡음과 편향이 있다는 점은 인정되지만, 여러 지표를 합치면 오늘날 AI 시스템 생산에 필요한 대부분의 공정이 이미 자동화 범위 안으로 들어왔다. 그 결과 AI R&D의 엔드투엔드 자동화가 생각보다 가까워졌다는 결론에 이른다.