대규모 언어 모델 (Large language models)은 연구 생산성을 확장 가능하게 만들고 있으며, 병목 현상을 결과물 생성에서 주장의 판단 단계로 이동시키고 있습니다. 우리는 워크플로우 내부에서 검증 가능한 사항을 확인하고, 남은 판단은 인간 과학자에게 맡기는 연구 오케스트레이터 (research orchestrator)인 \textsc{Agon}을 제시합니다. \textsc{Agon}은 프롬프트 경제 (Prompt Economy), 미래 지향성 (Future-Facing), 최소 프롬프트 (Minimal Prompts), 다학제적 (OmniDisciplinary), 대규모 병렬 처리 (Massive Parallelism), 그리고 제로 코드 (Zero-Code)라는 6가지 설계 원칙을 기반으로 구축되었습니다. 우리는 작은 시작 주제만을 사용하고 인간이 작성한 실험 코드를 전혀 사용하지 않은 채, 다양한 도메인에 걸쳐 444회의 프롬프트 경제 (Prompt Economy) 루프 반복을 통해 \textsc{Agon}을 실행했습니다. 이러한 배포는 확장성을 입증하는 동시에 새로운 유형의 실패 사례들을 드러냈습니다. 우리는 이러한 실패들을 심각도 (severity), 수정 가능성 (fixability), 가시성 (visibility), 그리고 역량 위치 (capability locus)에 따라 분류 체계 (taxonomy)로 정리했습니다. 이 분류 체계는 루프가 스스로 인지하고 수정할 수 있는 실패와 인간의 판단이 필요한 실패를 구분합니다. 종합적으로, 이러한 결과들은 \textsc{Agon}이 연구를 새로운 패러다임, 즉 '기계가 확장하고 인간이 조종하는 (machine scales, human steers)' 방향으로 밀어붙이고 있음을 보여줍니다.