Google DeepMind가 AI 에이전트(AI agents)를 사용하는 모든 이들이 우려해야 할 연구를 방금 발표했습니다.

그들은 동일한 예산으로 동일한 작업을 수행하는 180가지의 서로 다른 에이전트 팀 구성을 테스트했습니다.

그리고 그 결과는 작업의 유형에 따라 완전히 달랐습니다.

조사, 감사 또는 광범위한 분석과 같이 작업을 독립적인 부분으로 나눌 수 있는 경우, 에이전트 팀은 단일 에이전트보다 80.9% 더 뛰어난 성능을 보였습니다.

하지만 각 단계가 이전 단계에 의존하는 경우에는 정반대의 결과가 나타났습니다.

여러 에이전트로 구성된 모든 설정은 혼자 작업하는 단일 에이전트보다 성능이 낮았습니다.

가장 우려되는 데이터는 오류에서 나타났습니다.

에이전트들이 코디네이터(coordinator) 없이 작업할 때, 오류를 최대 17.2배까지 증폭시켰습니다.

하나의 잘못된 발견이 마치 이미 검증된 것처럼 한 에이전트에서 다른 에이전트로 전달되었습니다.

결과를 검토하고 통합하는 단일 코디네이터가 있을 경우, 이 문제는 급격히 줄어들었습니다.

결론은 상당히 명확합니다:

→ 더 많은 에이전트가 더 나은 결과를 의미하지는 않습니다
→ 작업이 독립적인 작업으로 나뉠 수 있을 때 팀이 효과적으로 작동합니다
→ 각 단계가 이전의 모든 문맥(context)을 필요로 한다면, 단일 에이전트를 사용하는 것이 더 낫습니다
→ 검토할 책임자 없이 결과를 결합해서는 안 됩니다

현재 모든 사람이 에이전트의 수를 늘리려고 시도하고 있습니다.

하지만 어쩌면 숫자는 결코 중요한 변수가 아니었을지도 모릅니다.

작업의 구조가 중요합니다.