2025년이 MoE와 RLVR의 패러다임 전환을 정착시킨 해였다면, 2026년은 그 다음 단계로의 도약이 필요한 해다. 단순히 더 큰 모델, 더 많은 데이터로 점진적 개선을 해서는 현재의 천문학적 투자(GPU, 인프라)를 정당화하기 어렵다. 핵심은 (1) 사람의 개입 없이 스스로 작업을 수행하고 개선하는 자율적 에이전트, (2) 모델이 스스로 무엇을 배울지 결정하는 continual learning, (3) 인간의 가치와 정렬된 self-play 메커니즘이다. 이 세 가지는 모두 ‘내적 동기’와 ‘인간 정렬’이라는 하나의 문제로 수렴한다.
근거
“지속 학습이라는 게 계속해서 그냥 데이터를 추가해 준다는 정도를 넘어서, 여기서 말하는 지속 학습은 모델이 알아서 학습하는 것에 가깝다고 볼 수 있을 것 같습니다. … 학습 자체가 가능한 게 중요한 게 아니라, 실제 상황에 던져졌을 때 필요한 것들을 배우는 능력, 이게 필요한 거죠.” (김성현)
“제 생각에는 지금 투자를 정당화하기 위해서는 … 이런 형태의 혁신이 있지 않으면 2026년에 점진적인 개선 정도로는 많은 의심을 사지 않을까 하는 생각을 합니다.” (김성현)
이 전망은 AI 업계의 거품론과 투자 정당성 논쟁을 이해하는 프레임을 제공한다. 자율적 에이전트와 continual learning이 실현된다면 AI가 창출하는 경제적 가치는 질적으로 도약할 것이고, 그렇지 않으면 현재의 투자는 거품으로 평가될 위험이 있다.
연결된 생각
- 20260606-moe-rlvr-paradigm-shift — 2025년 패러다임의 연장선에서 2026년의 도약 필요성
- human-alignment — self-play와 continual learning의 핵심 조건으로서의 인간 정렬
- autonomous-agents-framework — 자율적 에이전트의 개념적 프레임워크