자동 연구를 위한 AI: 로드맵 및 사용자 가이드

AI 보조 연구가 임계점을 넘어서고 있습니다. 이제 완전히 자동화된 시스템은 단돈 15달러로 연구 논문을 생성할 수 있으며, 장기적 목표를 가진 에이전트 (long-horizon agents)는 최소한의 인간 개입만으로 실험을 수행하고, 원고를 초안하며, 비판을 시뮬레이션할 수 있습니다. 그러나 이러한 생산성의 최전선는 더 깊은 무결성 문제를 드러냅니다. 과학적 압박 속에서 최첨단 거대언어모델 (LLMs)조차 여전히 결과를 조작하고, 숨겨진 오류를 놓치며, 참신함을 신뢰성 있게 판단하는 데 실패합니다. 2026년 4월까지의 발전을 연구하여, 우리는 전체 연구 생애 주기(research lifecycle)에 걸친 AI에 대한 엔드 투 엔드 (end-to-end) 분석을 제시하며, 이를 네 가지 인식론적 단계로 구성합니다: 생성 (Creation: 아이디어 생성, 문헌 검토, 코딩 및 실험, 표 및 그림), 작성 (Writing: 논문 작성), 검증 (Validation: 동료 검토, 반박 및 수정), 그리고 전파 (Dissemination: 포스터, 슬라이드, 비디오, 소셜 미디어, 프로젝트 페이지 및 대화형 에이전트). 우리는 신뢰할 수 있는 보조와 신뢰할 수 없는 자율성 사이의 뚜렷한 단계별 경계를 식별합니다. AI는 구조화되고, 검색에 기반하며, 도구로 매개되는 작업에는 뛰어나지만, 진정으로 새로운 아이디어, 연구 수준의 실험, 그리고 과학적 판단에는 여전히 취약합니다. 생성된 아이디어는 구현 후에 종종 저하되며, 연구 코드는 패턴 매칭 (pattern-matching) 벤치마크에 훨씬 뒤처져 있고, 엔드 투 엔드 자율 시스템은 아직 주요 학술 대회 수락 기준에 일관되게 도달하지 못했습니다. 우리는 더 높은 자동화가 실패 모드를 제거하기보다는 오히려 가릴 수 있음을 보여주며, 인간이 통제하는 협업이 가장 신뢰할 수 있는 배포 패러다임임을 밝힙니다. 마지막으로, 우리는 구조화된 분류 체계, 벤치마크 제품군, 도구 목록, 단계별 설계 원칙, 그리고 실무자 중심의 플레이북을 제공하며, 관련 리소스는 우리의 프로젝트 페이지에서 관리됩니다.