AI 에이전트 여러 개를 팀으로 묶으면 각자 맡은 역할만 바꾸면 쉽게 대체할 수 있을까요. 2026년 9월 5일 공개된 프리프린트는 이 질문을 협동 게임 환경에서 시험했습니다. 조건마다 8개 팀을 만들고 팀이 10번의 형성 과정을 거친 뒤, 역할이 맞는 에이전트를 바꿔 보았습니다.
결과는 점수보다 통신 비용이 더 크게 흔들렸습니다. 역할 교체 뒤 대화 비용은 결합 정도에 따라 16~63% 늘었고, 과제 점수는 상대적으로 빠르게 회복됐습니다. 팀은 모델의 능력만으로 만들어지는 것이 아니라, 함께 쌓은 대화 관습으로도 만들어진다는 뜻입니다.
역할만 바꿔 본 실험
연구진은 같은 모델들로 팀을 만들고, 개인 노트와 팀 관습을 형성하게 했습니다. 이후 역할이 잘 맞는 에이전트를 교체하고, 홀드아웃 과제에서 점수와 통신을 측정했습니다. 교체 자체의 효과와 팀이 만든 역사 효과를 구분하기 위해 placebo 조건도 두었습니다.
이 설계가 중요한 이유는 “새 에이전트가 더 똑똑한가”를 묻는 실험이 아니기 때문입니다. 같은 능력을 가진 구성원이라도 그 팀에서 어떤 정보를 언제 말하는지에 따라 교체 비용이 달라질 수 있는지를 본 것입니다.
점수는 돌아와도 대화는 남는다
역할 교체 직후 과제 점수는 내려갔다가 회복되는 흐름을 보였습니다. 그러나 통신 비용은 더 크게 튀었고, 시간이 지나도 교체 전 수준과 완전히 같아지지 않았습니다. 새 구성원이 팀의 약속과 정보 전달 순서를 다시 배워야 했기 때문입니다.
사람 팀에서도 비슷한 일이 일어납니다. 담당자가 바뀌면 업무 결과가 당장 무너지지 않아도 회의와 확인 메시지가 늘어납니다. AI 팀에서는 이 비용이 토큰, 지연, 컨텍스트 창 사용량으로 나타납니다.
결합된 팀일수록 교체가 비싸다
논문이 보고한 통신 비용 증가는 낮은 결합 조건에서 16%, 높은 결합 조건에서 63%였습니다. 역할 사이의 의존성이 클수록 한 구성원의 교체가 다른 구성원의 계획과 기억까지 흔든다는 뜻입니다.
따라서 여러 에이전트를 붙일 때 단순히 역할 목록만 문서화해서는 부족할 수 있습니다. 어떤 정보를 공유하고, 어떤 신호를 생략하며, 충돌이 생기면 누가 결정하는지까지 인터페이스로 남겨야 대체 가능한 팀이 됩니다.
긴 팀의 기억은 자산이자 잠금이다
형성 이력이 길어질수록 팀별 관습의 차이가 커지고 교체 뒤 맞추는 대화도 늘어났습니다. 이 기억은 반복 업무에서는 효율을 높일 수 있지만, 구성원을 바꾸는 순간 잠금 효과가 됩니다. 팀이 잘 돌아간다는 이유로 그 안의 암묵적 규칙을 기록하지 않으면 운영자가 교체 비용을 예측하기 어렵습니다.
이 결과는 실제 기업 에이전트 시스템 전체의 법칙이라기보다 시뮬레이션 게임에서 얻은 경고에 가깝습니다. 다음 단계는 실제 도구 호출과 장기 업무에서 팀 관습을 관찰하고, 역할 교체 전에 사용할 수 있는 표준 프로토콜을 만드는 일입니다. AI 팀의 경쟁력은 에이전트 수보다 교체 가능한 협업 규칙에 달릴 수 있습니다.