이질 Agent는 패러다임적 혁명이다

I 서론

AI 시스템의 경쟁 중심에 구조적 이동이 일어나고 있다. 대화 패러다임에서 시스템의 상한선은 단일 최강 모델에 의해 결정되었다——최강 모델이 곧 최강 시스템이었다. 실행 패러다임에서 최종 Output은 계획, 실행, 검증, 도구 호출, 권한 경계, 비용 라우팅, 오류 롤백이 함께 결정한다——시스템 최적성의 단위가 ‘모델’에서 ‘오케스트레이션 구조’로 이동한다. 본 논문은 이 이동을 모델 중심주의에서 오케스트레이션 중심주의로의 패러다임 혁명으로 명명하며, 이질 Agent가 이 혁명의 필수적 조직 형태임을 논증한다.

본 논문은 한 명의 인간 연구자와 Claude Opus 4.6, GPT 5.5, Gemini 3.1 세 가지 이질적 기반 모델이 대립적 협업을 통해 완성하였다. 동일 연구 팀이 동일 방법론으로 40여 편의 독창적 사상 논문을 산출했으며, 각 논문은 V1-V4 네 차례 반복을 거쳐 총 160개 이상의 추적 가능한 문서 버전을 생성했다. 세 가지 협업 모드가 실천 과정에서 창발적으로 나타났다: 발산형(내용 +65.7%), 수렴형(내용 -24.5%), 순차 심사형(용어 정밀화). 본 논문의 생산 과정은 이질 협업 패러다임의 자기 참조적 시연이다——이것은 이질 Agent 협업이 실제 지식 생산에서 동일 팀에 의해 같은 날 실현된 다형적 기능 다양성을 어떻게 산출하는지 보여준다. 이것이 고품질 동질 시스템으로 재현 불가능한지는 별도의 대조 실험 검증이 필요하다. 그러나 동질 시스템이 이러한 형태를 부분적으로 재현할 수 있더라도, 그 오류 상관성과 심사 관점의 독립성은 이질 시스템의 구조적 수준에 도달할 수 없다.

II 개념 사다리: 멀티모델에서 패러다임 혁명까지

본 논문에서 말하는 ‘유일’은 구조적 수준의 유일성이다: 실행형 AI의 시스템 수준 최적화 문제에서, 오류 비상관화, 비용 계층화, 영역 커버리지, 권한 분업, 검증 중복성이라는 다섯 가지 제약 조건을 동시에 수용할 수 있는 것은 이질 Agent뿐이다. 여기서 ‘유일’은 형식적 검증, 테스팅, 샌드박스, 인간 승인 등 비-Agent 안전 메커니즘을 배제하지 않는다——이러한 메커니즘은 이질 실행 시스템의 도구 계층과 검증 계층에 통합되어야 한다. 본 논문의 유일성이 의미하는 바는: LLM-Agent 조직 형태 내부에서 오류 비상관화는 동일 출처 모델의 반복 샘플링으로 실현될 수 없으며, 이질적 인지 원천과 이질적 검증 경로의 도입이 필수적이라는 것이다. 본 논문의 최강 제품 수준 증거(OpenRouter Fusion)는 개념 사다리의 두 번째 계층(멀티모델 융합)에 해당하며, 최상위 계층(이질 실행 시스템)에는 아직 완전한 제품 수준 증거가 없다——이 계층 간 불일치는 학술적 벤치마크 실험과 구조적 추론에 의해 공동으로 보완된다.

III 구(舊) 패러다임의 위기: 동질 Agent의 구조적 한계

3.1 오류 상관성——동질 시스템의 급소

동질 멀티 Agent의 근본적 한계는 능력 부족이 아니라, 오류 상관성이 역할 프롬프트로 제거될 수 없다는 점이다. 350개 이상의 LLM을 대상으로 한 ICML 2025 연구가 이 문제를 직접 정량화했다: 하나의 리더보드 데이터셋에서 두 모델이 모두 오류를 범했을 때, 동일한 오답을 선택할 확률이 약 60%로——무작위 수준인 33%를 훨씬 상회했다^[1]. 동일 개발자이거나 동일 기반 아키텍처인 모델의 오류 상관성은 더 높았으며, 모델이 정확할수록 오류 수렴이 더 심했다^[1].

3.2 실패율 데이터

MAST 연구(NeurIPS 2025 Spotlight)는 1,642건의 실행 추적을 분석하여 41%-86.7%의 실패율을 밝혔다. 조정 붕괴와 Agent 간 불일치가 주요 실패 원인이며, 멀티 Agent 시스템의 성능 이득은 단일 Agent 대비 종종 제한적이어서, 더 정교한 오케스트레이션과 검증 방안이 필요하다^[2].

3.3 단일 Agent 기준선의 도전과 그 경계

단일 Agent는 동등한 토큰 예산 하에서 동질 멀티 Agent의 성능에 필적할 수 있다^[3]. 그러나 임상 규모 테스트가 분기점을 제시한다: 작업 배치가 10개를 초과하면 단일 Agent의 정확도는 73.1%에서 16.6%로 급락하는 반면, 멀티 Agent는 65.3%를 유지한다^[4]. 복수의 연구가 종합적으로 보여주는 45% 정확도 임계값^[5]은 기반 모델의 정확도가 이 값을 초과할 때 멀티 Agent의 다양성 이점이 조정 비용에 의해 상쇄되기 시작함을 나타낸다. 실행 패러다임 하의 작업은 본질적으로 배치형이고, 교차 영역적이며, 오류 허용도가 낮아 멀티 Agent의 우위 영역에 정확히 속한다.

IV 패러다임 도약: 의미적 산출물에서 상태 전이로

4.1 AI 4세대와 단절점

대화 패러다임의 Output은 의미적 산출물(semantic artifact)——텍스트, 요약, 번역, 코드 조각이다. 실행 패러다임의 Output은 상태 전이(state transition)——시스템이 직접 또는 간접적으로 외부에서 추적 가능한 상태 변화를 촉발하는 것이다: 데이터베이스 기록, API 호출, 권한 변경, 코드 배포, 거래 실행, 의료 프로세스 수행^[6]. 본 논문이 구분하는 것은 ‘텍스트가 중요한지 여부’가 아니다——법률 의견, 의료 자문도 심대한 결과를 초래할 수 있다——AI 출력이 실행 가능한 체인에 진입하여 추적 가능한 상태 전이를 발생시키는지 여부이다. 2026년, 기업 애플리케이션의 40%가 작업 전용 AI Agent를 내장할 것이며^[7], 멀티 Agent 시스템은 4개월 만에 327% 성장했다^[8].

4.2 실행 패러다임의 6대 제약이 이질성의 필요를 도출한다

V 핵심 이론: 파동 원리

파동 원리는 본 논문의 중심 이론이다. 그 핵심 주장: 이질성이 자유도를 제공하고, 오케스트레이션 계층이 진폭을 제어하며, 평가 계층이 최적 구성을 특정하고, 보안 계층이 진폭 상한을 제한한다.

5.1 파동 원리의 준형식화 모델

여기서 H는 이질도 벡터(단일 스칼라가 아님)이며, 각 항은 다음의 대리 지표로 측정 가능하다: G항은 작업 정확도/커버리지 향상 폭으로, C항은 토큰 소비 증가율, 지연 증가율, 보안 사고율로 대리할 수 있다. 시스템 최적화 목표는 단일 최적점 H*를 찾는 것이 아니라, 정확도, 비용, 지연, 보안 위험 사이에서 작업 조건 하의 파레토 최적 이질 구성을 탐색하는 것이다.

H → 0(동질 극한)일 때: 오류 고도 상관(≈60% 수렴^[1]), 탐색 이득 제로. H가 중간 구간일 때: 오류 상관성 하락, 관점 상보성 강화, judge/router가 효과적으로 선택 가능, P가 파레토 전선에 도달. H가 과도하게 클 때(극단적 이질): 소통 비용, 목표 불일치, 형식 비호환이 급증하여 P 하락——순차적 추론이 과도한 조정 속에서 39-70%의 성능 저하 발생^[9]; 3-5개 Agent로 시작한 팀이 처음부터 10개 이상의 Agent를 배치한 팀보다 일관되게 우수^[9]; 4-Agent 임계값을 초과하면 이득이 포화되거나 변동^[10]. (주: 현재 우반부 곡선 데이터가 측정하는 것은 Agent 수량 증가의 효과이지 이질도 증가의 효과가 아니다——Agent 수량은 H의 대리 지표이지 직접 측정값이 아니며, ‘Agent 수량을 고정하고 이질도를 변화시키는’ 직접 검증 실험은 아직 수행되지 않았다.)

5.2 추론 1: 최약 고리 원리(木桶原理)의 조건부 전복

혼합형 집계에서 약한 Agent는 시스템을 끌어내리며, 최약 고리 원리가 성립한다. 선택형 집계에서 약한 Agent는 후보로서 judge에 의해 선별되어, 끌어내림이 아닌 차별성에 기여할 수 있다. 42개 작업 × 7개 범주 실험: 이질 + 평가자 선택의 승률 0.810, 동질은 0.512에 불과^[11]. 약한 모델은 약점이 아니라 제어 가능한 섭동원이다.

5.3 추론 2: 평가 현상(顯像) 명제

생산 환경 멀티 Agent 팀의 약 75%가 벤치마크 테스트를 갖추지 못하고 있다^[12]. 평가 인프라는 이질 Agent의 외부 보조가 아니라 패러다임의 현상 장치(顯像裝置)이다——평가가 없으면 이질성은 혼란으로 나타나고, 평가가 있어야 이질성이 최적화 가능한 시스템 자유도로 나타난다.

5.4 모델 이질성의 자연 감소와 H의 차원 중심 이동

최전선 연구소들이 서로가 생성한 합성 데이터에 점점 더 의존하여 훈련하며, RLHF 목표가 전 세계적으로 수렴하고 있다. 실증에 따르면, 서로 다른 모델 패밀리의 22개 LLM이 창의적 사고 테스트에서 산출한 다양성은 102명의 인간 참여자보다 훨씬 낮았으며, 효과 크기는 1.4-2.2에 달했다^[13]. 이 수렴은 훈련 후 데이터 구성에 내재되어 있으며, 추론 시 파라미터 조정으로는 이 격차를 해소할 수 없다^[14]. 합성 데이터의 재귀적 훈련은 모델 붕괴(model collapse)를 더욱 가속화하여, 출력 분포를 ‘평범한 중심 경향’으로 표류시킨다^[15].

이는 H 벡터의 h_model 차원이 자연적으로 감소하고 있음을 의미한다. 파레토 최적 구성을 유지하는 부담은 h_role, h_tool, h_permission 등 비모델 차원으로 비대칭적으로 이전될 것이다. 이 추세는 파동 원리에 대한 반박이 아니라——파동 원리의 연장 예측이다: h_model이 감소할 때 시스템은 최적 구성을 유지하기 위해 다른 차원에서 이질도를 보상해야 하며, 이에 따라 오케스트레이션 계층의 중요성은 더욱 상승한다.

5.5 Ground Truth 지연과 대리 보상

고지연 피드백 시나리오(기업 전략 시뮬레이션, 복잡한 금융 배포)에서는 환경 피드백이 도달하기까지 수 주가 소요될 수 있으며, 오케스트레이션 계층이 C_select를 실시간 계산하고 H를 동적으로 조정하는 것이 불가능하다. 해결 경로는 단계별 검증 아키텍처이다: 즉시 계층(형식 검증, 도구 콜백) → 단주기 계층(A/B 테스트, 대리 보상 신호) → 장주기 계층(비즈니스 지표 환류, Ground Truth 보정). 파동 원리의 동적 조정은 단일 즉시 신호에 의존하지 않으며, 복수의 시간 척도 피드백의 중첩에 의존한다.

VI 실험 증거 종합

6.1 제품 수준 검증: OpenRouter Fusion

2026년 3월 31일 출시. 융합 출력이 각 모델의 개별 출력을 상회했으며^[16], 비용은 최전선 단일 모델의 약 절반이다^[17]. Fusion은 오케스트레이션 중심주의의 초기 제품 형태——개념 사다리의 두 번째 계층이며, 최종 증거는 아니다.

6.2 증거 → 명제 매핑

VII 시스템 주권 이동: 이질 Agent가 산업 권력을 어떻게 재구성하는가

모델 계층은 여전히 능력을 제공하지만, 오케스트레이션 계층이 능력이 어떻게 결과가 되는지를 정의하기 시작한다.

7.1 5단계 이동 메커니즘

7.2 각 계층의 가치 재정의

모델 거대 기업은 사라지지 않을 것이며, ‘시스템 주권자’에서 ‘이질 시스템 내의 강력한 구성 요소’로 전환된다. A2A/MCP의 Linux Foundation 기부는 표면적으로 플랫폼 종속을 낮추었지만, 실질적으로는 오케스트레이션 계층 표준 제정권의 쟁탈이기도 하다——Agent 간 통신 프로토콜을 정의하는 자가 새로운 패러다임에서 인프라 수준의 영향력을 보유하게 된다. 파동 원리는 궁극적으로 기술적 물리적 극한뿐 아니라 프로토콜 표준화 과정에서의 상업적 게임에 의해서도 제약을 받는다.

VIII 위험, 한계 및 반론 대응

8.1 보안——이질성 필연성의 또 다른 원천

이질 시스템이 자연스럽게 수용하는 보안 아키텍처 원칙: (1) 실행 Agent가 최종 기록 권한을 직접 보유하지 않음; (2) 검증 Agent와 실행 Agent는 반드시 이질적 출처; (3) 고위험 작업은 이질 쿼럼(quorum)을 통과해야 함; (4) 도구 권한은 Agent 유형별로 등급화; (5) 핵심 기록 작업은 롤백 Agent와 감사 Agent의 독립 서명 필요^[19]. 보안 비용은 P(H) 내 C_security 항의 현실적 구현이며, 파레토 최적 구성 결정에 참여할 뿐 이질 아키텍처 자체를 부정하지 않는다.

8.2 엔지니어링 엔트로피 증가

서로 다른 기반 모델의 시스템 프롬프트 준수 능력, JSON 출력 안정성은 천차만별이다. 해결 경로는 프로토콜 표준화(MCP/A2A 형식 계약)와 라우팅 계층의 형식 검증 미들웨어에 있다.

8.3 신뢰도 신호의 신뢰성 경계

환각(hallucination)은 종종 극도로 높은 신뢰도를 동반한다——외부 Ground Truth가 없는 신뢰도는 신뢰할 수 없는 라우팅 근거이다. 완전한 신뢰도 감지 시스템은 외부 검증 계층(도구 콜백, 데이터베이스 검증, 인간 표본 검사)을 중첩해야 하며, 모델 자체의 불확실성 추정에만 의존해서는 안 된다.

8.4 파레토 최적 구성의 계산 가능성

H의 6차원 공간에서 파레토 최적 구성을 찾는 것은 NP-Hard 수준의 탐색 문제이다. 엔지니어링 실무의 근사 경로는 휴리스틱 탐색 + 평가 피드백 루프 + 비용 제약 하의 탐욕적 최적화이다. 파동 원리의 가치는 최적 구성을 정확히 계산하는 데 있지 않고, 이질 조합을 ‘관리 불가능한 복잡성’에서 ‘근사 가능한 최적화 문제’로 전환하는 데 있다.

8.5 “단일 Agent가 점점 더 강해진다”

단일 모델이 강해질수록, 이질 시스템에 편입될 가치가 높아지는 것이지 이질 시스템을 대체할 수 있게 되는 것이 아니다. 실행 시스템의 오류 비상관화와 권한 분리에 대한 요구는 단일 모델이 강해진다고 사라지지 않는다.

8.6 “조정 비용이 너무 높다”

조정 비용은 이질 Agent에 대한 부정이 아니라, 파동 원리가 성립하는 이유이다——이는 이질 Agent에 오케스트레이션 계층이 필요함을 증명하며, 따라서 오케스트레이션 계층이 핵심 인프라가 된다.

8.7 “완전한 실험이 없으므로 혁명이라 칭할 수 없다”

패러다임 논문의 과제는 새로운 문제 구조, 설명 프레임워크, 검증 경로를 제시하는 것이다. 본 논문은 실험의 종국이 아니라 연구 강령의 시작이다.

IX 결론

파동 원리가 전체를 통괄한다: 이질성이 자유도를 제공하고, 오케스트레이션 계층이 진폭을 제어하며, 평가 계층이 파레토 최적 구성을 특정하고, 보안 계층이 진폭 상한을 제한한다. 모델 동질화 추세는 이질 Agent의 필요성을 해소하지 못한다——h_model이 자연 감소할 때, 시스템은 역할, 도구, 권한 등의 차원에서 이질도를 보상하며, 오케스트레이션 계층의 패러다임적 지위는 이로써 더욱 공고해진다. 이것은 예측이 아니다——이것은 실행 패러다임의 제약 조건, LLM 오류 상관성의 실증 데이터, 모델 동질화의 물리적 추세로부터 공동으로 도출된 구조적 결론이다.