정적인 에이전트(Static agents)는 2026년을 버티지 못합니다.

스스로 학습하는 에이전트(Self-learning agents)가 바로 여러분에게 필요한 것이며, 최고의 에이전트는 누군가가 사용할 때마다 더 나아집니다.

이것을 이해해 봅시다.

여러분의 AI 에이전트는 실제로 세 곳에서 학습합니다:

1. 모델 (Model, 가중치/weights): AI 연구소들이 소유하고 있으며, 개선하기 가장 어려운 계층입니다.

2. 하네스 (Harness, 루프/loop, 도구/tools, 프롬프트/prompts): 중간 난이도입니다. 개선할 수는 있지만, 상당한 노력이 필요합니다.

3. 컨텍스트 (Context, 메모리 + 스킬/skills): 읽고 편집할 수 있는 일반 텍스트로, 시작하기 가장 쉬운 곳입니다.

여러분은 이미 Claude Code와 Codex에서 이 세 가지를 모두 사용하고 있습니다.

하지만 거의 모든 사람이 건너뛰는 것이 있습니다:

에이전트는 단순히 자체 실행(own runs)만으로 학습하는 것이 아니라, 사용자로부터도 학습해야 합니다.

사람이 에이전트의 호출을 수정할 때마다, 그것은 어떤 벤치마크도 제공할 수 없는 레이블링된 예시입니다. 백 개의 합성 테스트보다 가치가 높습니다.

그것을 포착하고, 다시 공급하세요. 이것이 복리 효과를 내는 루프(loop)입니다.