우리는 흔히 여러 대의 LLM 에이전트가 협업할 때 발생하는 문제는 각 에이전트의 지능(Reasoning capability)이 부족하기 때문이라고 생각하기 쉽다. 하지만 최근 연구(CollabSim)는 정반대의 사실을 가리키고 있다. 에이전트들이 개별적인 과업 수행 능력을 갖추고 있더라도, ‘협업 역량(Collaborative Competence)‘이 결여되면 전체 시스템은 붕괴한다.
이는 인간 사회의 컴퓨터 지원 협동 작업(CSCW) 이론이 AI 생태계에도 그대로 적용됨을 시사한다. 에이전트가 단순히 명령을 수행하는 것을 넘어, 파트너의 의도를 모델링하고 행동 수준에서 멘탈 모델을 동기화하는 능력이 향후 에이전트 아키텍처의 핵심이 될 것이다.
근거
CollabSim 연구는 멀티 에이전트 시스템의 실패 원인을 분석하며, 개별 태스크 해결 능력보다 협업을 위한 사회적 기술과 조정 능력이 더 결정적임을 밝혀냈다.
Multi-agent system의 실패 원인이 개별 agent의 task-solving 능력 부족이 아니라 collaborative competence 부족임을 밝힘. CSCW 이론 기반 평가 방법론 제안.
연결된 생각
- 20260609-grpo-reasoning-rl-finetuning — 추론 모델의 RL 학습 시, 협업 행동에 대한 보상 설계가 포함되어야 진정한 멀티 에이전트 협업이 가능해질 것이다.