Google DeepMind 연구진, AI가 회사 규모를 바꾸는 조건은 성능보다 협업 능력이라고 분석했습니다
송찬우 5분 분량

10월 31일 Alex Imas, Andrew Koh, Shane Legg가 arXiv에 경제 이론 논문 ‘Organizing Intelligence’를 올렸습니다. 세 저자의 소속은 Google DeepMind로 적혀 있고, Imas는 시카고대, Koh는 컬럼비아대에도 소속돼 있어요. AI가 언제 경제를 크게 바꾸는지를 모델 하나의 벤치마크 점수가 아니라 회사 단위에서 따진 논문입니다.
논문은 AI와 사람의 능력을 둘로 나눕니다. 코딩이나 글쓰기처럼 맡은 일을 해내는 과제 능력과, 여럿이 함께 일할 때 손실을 줄이는 협업 능력이에요. 과제 능력은 회사의 산출 수준을 올리고, 협업 능력은 회사가 커질 때 1인당 산출이 어떻게 변하는지를 정합니다. AI의 과제 능력이 오르면 회사는 오히려 작아질 수 있고, 협업 능력이 임계값을 넘으면 시장이 AI 중심의 거대한 회사로 몰릴 수 있다는 것이 핵심 결과입니다.
이 결과는 실측이나 고용 전망이 아닙니다. 저자들은 논문의 시나리오가 경험적 예측이 아니라 모형의 가정에서 나온 결과라고 밝혔어요. 논문은 저자 개인의 견해이고 Google의 전망이나 제품 로드맵을 나타내지 않는다는 문구도 첫 쪽에 있습니다.
논문은 14명이 일하는 예시 경제에서 시작합니다.
코더 6명, 작가 6명, 조율 담당자 2명이 있는 경제입니다. 코더는 코딩 9, 글쓰기 1이고 작가는 그 반대예요. 조율 담당자는 둘 다 1이지만 협업 능력이 0.97로, 코더와 작가의 0.75보다 높습니다. 회사의 과제 능력은 두 기술 평균의 조화평균으로 계산해서, 한쪽이 약하면 전체가 그쪽에 묶입니다.
코더 6명만 있으면 임금은 1.49입니다. 작가 6명이 들어와 한 회사에서 섞이면 코더의 코딩 실력은 그대로인데 임금이 4.13으로 3배 가까이 올라요. 조율 담당자는 혼자 일하면 0.70을 버는, 단독 시험으로는 가장 약한 사람입니다. 그런데 회사 안에서는 팀의 적정 규모를 6명에서 7명으로 늘리면서 2.41을 받습니다. 임금은 AI 복제본 하나를 돌리는 비용을 1로 둔 모형 안의 단위예요.

논문은 이렇게 강점이 다른 사람들이 모여 만드는 능력을 모자이크 지능(mosaic intelligence)이라고 부릅니다. 같은 모델의 복제본은 잘하는 일과 못하는 일이 겹치기 때문에, 평균적인 사람보다 유능한 AI도 서로 보완하는 사람들의 회사에 질 수 있다는 설명이에요.
AI의 과제 능력이 올라도 AI 회사는 커지지 않습니다.
논문은 AI를 네 구간으로 나눕니다. 사람 평균 수준인 Minimal AGI, 과제 능력만 모든 사람을 넘은 Supercompetent, 협업 능력만 1을 넘은 Supercooperative, 둘 다 넘은 ASI입니다.

Minimal AGI에서는 14명이 모두 일자리를 지킵니다. 대신 AI 복제가 산출 가격을 낮춰서 코더와 작가 같은 전문가의 임금은 4.15에서 2.90으로, 조율 담당자의 임금은 2.41에서 1.30으로 내려가요. 고용이 그대로여도 임금은 떨어질 수 있다는 뜻입니다.
AI의 과제 능력을 12로 올린 Supercompetent에서도 AI만으로 이뤄진 회사의 적정 크기는 복제본 약 7개로 그대로입니다. 복제본 하나의 산출만 늘어나요. 이때 조율 담당자의 임금은 0.48로 전문가의 0.39보다 높아집니다. 논문은 일반 모형에서도 과제 능력 향상이 회사 안의 인력 구성을 바꾸고 회사를 작게 만들 수 있다고 봤습니다.
협업 능력이 1을 넘으면 회사 크기의 상한이 사라집니다.
협업 능력이 1보다 낮으면 인원을 늘릴수록 어느 지점부터 1인당 산출이 줄어듭니다. 왜 거대한 회사 하나가 모두를 고용하지 않느냐는 로널드 코스의 질문에 대한 답이 여기에 있어요. 논문은 이 한계를 코스의 상한(Coasean ceiling)이라고 부릅니다.
1을 넘으면 회사가 커질수록 1인당 산출이 계속 늘어납니다. AI의 과제 능력이 사람 평균 수준이어도, 수요가 충분히 큰 시장은 거대한 AI 회사 하나로 모여요. 협업 능력이 1.60인 예시에서 수요가 작은 시장에는 사람 회사와 사람과 AI가 섞인 회사가 남지만, 조율 담당자 2명 중 약 1.03명은 일자리를 잃습니다. AI끼리 협업을 잘하게 되면서 사람이 AI를 조율해 더하던 가치가 줄어든 결과입니다.
과제 능력과 협업 능력이 모두 임계값을 넘은 ASI에서도 전문가 12명은 작은 시장에서 일합니다. 다만 임금은 0.27까지 내려가고 조율 담당자는 모두 일자리를 잃어요. 저자들은 ASI가 더 발전한 뒤의 고용은 다루지 않았다고 밝혔습니다. 상한을 넘은 뒤 능력이 더 오르면 시장을 채우는 데 필요한 에이전트가 줄어 회사 크기가 다시 작아진다는 설명도 있습니다.

일자리는 서서히 줄 수도, 한 번에 사라질 수도 있습니다.
논문은 AI가 사람을 대체하는 경로도 둘로 나눕니다. 첫째는 회사 안에서 인력 구성이 바뀌는 경우입니다. AI 협업 능력을 0.96으로 고정하고 과제 능력을 3에서 3.4로 올리면, 사람과 AI가 섞인 회사의 전문가 고용은 4.58명에서 서서히 줄어 과제 능력 약 3.30에서 0이 됩니다.
둘째는 회사끼리의 경쟁에서 바뀌는 경우예요. 과제 능력을 4로 고정하고 협업 능력을 0.80에서 1.04로 올리면, 약 0.8521에서 AI만 있는 회사의 생산 비용이 사람 회사보다 낮아집니다. 이때 전문가 고용은 12명에서 0명으로 한 번에 내려갑니다. 이 두 예시는 일하지 않을 때 받는 값을 1로 올려서 계산했어요.

저자들은 그래서 벤치마크 점수만으로는 경제 변화를 읽기 어렵다고 봅니다. 임계값 근처의 경제는 벤치마크에 잡히지 않을 만큼 작은 협업 능력 개선으로도 재편될 수 있고, 임계값에서 먼 경제는 큰 성능 향상을 겪어도 회사 구조가 크게 바뀌지 않을 수 있다는 겁니다.
논문에서는 지금의 AI 에이전트가 아직 1에 못 미친다고 봤습니다.
근거로 든 연구들은 이렇습니다. 여러 LLM이 함께 일하는 시스템은 벤치마크 작업의 41~87%에서 실패했고(Cemri 등, 2025), 순차 계획 작업에서는 에이전트를 더하면 성능이 39~70% 떨어졌어요(Kim 등, 2025). 에이전트 수를 늘릴 때 산출이 늘어나는 정도를 나타내는 값은 0.48~0.68로 1보다 낮았습니다(Ord, 2026). 다만 저자들은 이 값이 작업 속도가 빨라지는 이득을 반영하지 않아서 AI 팀의 경제적 가치를 낮춰 잡았을 수 있다고 덧붙였습니다.
에이전트끼리의 협업이 곧 좋은 결과를 뜻하지도 않습니다. 논문은 7월 사이버 보안 평가에서 격리된 줄 알았던 에이전트 약 1,200개가 공유 패키지 캐시를 찾아 임시 게시판을 만들고 메시지 7만 건을 주고받았으며, 약 700개가 허깅페이스 침입에 나선 일을 통제 없이 규모를 키운 사례로 들었어요.
지금까지의 노동시장 변화도 이 틀로 해석합니다. AI 네이티브 스타트업은 같은 시기에 창업한 회사보다 인원이 25% 적고 조직이 더 평평하며, 고용 전체의 변화는 아직 크지 않다는 연구들을 들었어요. 회사가 커지기보다 작아지고 인력 구성이 바뀌는 단계와 맞는다는 해석입니다.
에이전트 도입을 잴 때는 수를 늘렸을 때의 변화를 봐야 합니다.
저자들은 벤치마크가 모델 하나의 점수뿐 아니라, 복제본당 컴퓨팅을 고정한 채 복제본 수를 늘릴 때 산출이 어떻게 늘어나는지도 재야 한다고 제안합니다. 회사 데이터에서는 인건비와 AI 지출의 관계, AI까지 포함한 조직 규모를 추적해야 한다고 했어요.
FDE로 고객사에 에이전트를 붙일 때도 같은 질문이 나옵니다. 에이전트 하나의 과제 성공률이 높아도, 둘 셋으로 늘렸을 때 끝낸 일이 얼마나 늘고 사람이 조율에 쓰는 시간이 어떻게 변하는지는 따로 재야 합니다. ‘AXIT에서 Claude와 Codex는 한 작업을 어떻게 나눠 맡을까?’에서 소개한 AXIT는 한 작업에서 폴더를 고치는 쪽을 한 번에 하나로 두고, 엔진끼리 일을 넘기는 횟수를 네 번으로 제한합니다. 여러 에이전트를 붙일 때 생기는 조율 문제를 구조로 줄인 방식입니다.
실제 시장을 조사한 결과는 아닙니다.
앞서 본 임금과 고용은 저자들이 모형을 설명하기 위해 만든 예시에서 나온 결과예요. 저자들은 AI의 협업 능력이 언제 1을 넘을지는 경험적으로 확인할 문제라고 했고, 대체 경로의 계산은 수치 점검이지 모든 경우에 대한 증명이 아니라고 부록에서 설명했어요. arXiv에 올라온 1판이고, 동료 심사를 마쳤다는 표시는 없습니다.
지금까지 AI 성능은 주로 모델 하나가 얼마나 잘하는지로 쟀습니다. 회사와 시장에 미치는 영향은 여러 AI와 사람이 함께 일할 때 무엇이 달라지는지에서 갈릴 것 같습니다. 복제본 수를 늘려 가며 재는 벤치마크가 앞으로 더 중요해질 듯싶습니다.