정의
AI 에이전트를 병렬로 실행할 때 발생하는 숨겨진 구조적 비용. 에이전트 생산 속도와 실제 머지 가능 처리량 사이의 격차. 원인은 모든 판단·리뷰·병합 작업이 단 하나의 직렬 자원(사람)을 통해야 한다는 구조적 제약이다. — Addy Osmani(Google Chrome 팀)가 명명.
핵심 속성
- 당신 = GIL: Python의 Global Interpreter Lock처럼, 모든 에이전트 작업이 진짜 이해·판단이 필요한 순간 단 하나의 락(당신의 주의력)을 획득해야 한다. 에이전트는 동시에 실행하지만 락은 직렬이다
- Amdahl의 법칙 적용: 병렬화 성능 향상은 직렬 부분의 비율에 의해 제한된다. 에이전트를 8배 늘려도 당신의 판단 속도는 같다 — 큐만 깊어진다
- 비병목 최적화의 함정: 에이전트 추가는 병목(리뷰)이 아닌 비병목(코드 생성)을 최적화한다. 처리량은 리뷰 처리량과 정확히 같다
- 컨텍스트 스위치 비용: 에이전트를 확인할 때마다 뇌를 플러시하고 다른 컨텍스트를 콜드 리로드. 에이전트 5개 = 5번의 콜드 리로드 + 백그라운드 걱정 프로세스
- 세금 미지급의 결과: 얕은 코드 리뷰 → 인지 항복(에이전트 코드를 그냥 수용) → 기술 부채 + 인지 부채 동시 누적
해결 원칙 — 주의력 아키텍처
- 리뷰 속도에 맞게 에이전트 수 조정: 대부분 한 자리 수. UI가 20개를 허용해도 그건 UI 기능일 뿐
- 작업 분류: ① 격리된 비동기 작업(최종 게이트에서만 개입) ② 판단이 곧 작업인 복잡한 과제(직렬 전용)
- 배치 리뷰: 에이전트를 하나씩 확인하는 것보다 한 번에 4개 리뷰가 컨텍스트 스위치 비용에서 훨씬 저렴
- 락을 판단에만: 기계가 직접 검증 가능한 것(테스트 통과, 스크린샷)은 에이전트에게. 나머지 20%에만 주의력 투자
- 직렬 시간 보호: 최고의 시간을 병목에. 때로는 모든 에이전트를 닫고 단일 문제에 집중하는 것이 최고 레버리지
관계
- 20260515-agent-bottleneck-is-management-not-intelligence — 동의: 에이전트 병목은 지능이 아니라 관리(판단)
- 20260531-you-are-the-gil-of-your-ai-agents — 인사이트: GIL 비유로 이 구조를 설명
- 20260531-agent-count-should-match-review-rate — 인사이트: 실천적 해결책
- 20260512-ai-bottleneck-design-workflow — 연장: 병목 설계 원칙의 에이전트 시스템 적용
인용
“Spawning agents is not the skill. Anyone can run 20. The real skill is designing the system around the one serial resource that cannot be cloned or parallelized. That resource is your attention.”