AI Scientist v2, AI가 스스로 연구하는 시대의 문이 열렸다

# AI Scientist v2, AI가 스스로 연구하는 시대의 문이 열렸다

"AI가 논문을 쓴다"는 말을 처음 들으면 SF 같다. 그런데 SakanaAI가 공개한 AI Scientist v2는 실제로 워크숍 논문 심사를 통과했다. 연구 가설 수립부터 실험 설계, 결과 분석, LaTeX 논문 작성까지 사람이 개입 없이 전 과정을 자율 수행했다.

이게 단순한 흥미로운 기술 데모일까, 아니면 지식 노동 전반에 파급될 진짜 변화의 시작일까.

AI Scientist v2는 무엇을 하는가

기존 AI Scientist v1도 주목받았지만 한계가 있었다. 인간이 작성한 연구 템플릿에 의존했다. 연구 방향을 미리 정해주면 AI가 그 안에서 실험하고 쓰는 구조였다.

v2는 그 의존성을 제거했다. Agentic Tree Search 기법을 도입해 연구 주제 탐색 자체를 자율화했다. 어떤 문제를 연구할 것인지, 어떤 실험 방법이 적합한지를 스스로 트리 탐색으로 결정한다. 머신러닝 전 분야로 일반화됐으며, 새로운 영역에도 처음부터 연구를 설계할 수 있다.

실제 워크숍 논문 심사를 통과한 논문을 배출했다는 점이 중요하다. 심사위원들이 사람이 쓴 논문과 구분하지 못했다는 것이 아니라, AI가 생성한 논문이 학술적 기준을 충족했다는 의미다.

"AI가 논문을 쓰면 연구자 일자리가 없어지나?"

이 질문을 먼저 꺼내는 게 솔직한 순서다. 결론부터 말하면, 지금 단계에서는 "아니다"이지만 장기적으로는 "일부 맞다"다.

AI Scientist v2가 잘하는 것:

• 방대한 선행 연구를 빠르게 소화하고 참고
• 정형화된 실험 프로세스의 반복 실행
• 통계 분석과 결과 정리
• 논문 형식에 맞는 글쓰기

AI Scientist v2가 아직 약한 것:

• 연구의 사회적 의미와 중요성 판단
• 예상 밖의 실험 결과에 대한 창의적 재해석
• 현실 세계와의 연결 (실험실 밖 변수들)
• 다른 연구자들과의 협업과 토론

지금은 보조 도구다. 하지만 반복적인 실험 설계, 초안 작성, 문헌 정리 같은 작업에서는 이미 실용적이다. 연구자가 이 도구를 잘 쓰는 사람과 그렇지 않은 사람으로 나뉘는 시기가 빠르게 오고 있다.

기업 R&D와 지식 노동에 미치는 영향

학술 연구에서 논문을 쓰는 게 포인트가 아니다. AI Scientist v2의 기술적 핵심 — 가설 수립, 실험 설계, 데이터 분석, 보고서 작성을 자율 수행하는 에이전트 — 은 기업 R&D와 지식 업무에 그대로 이식 가능하다.

신소재/신약 개발 가속화: 제약·소재 기업의 초기 후보군 탐색 실험을 AI 에이전트가 자율 수행하면 속도가 달라진다. 사람이 설계하고 기다리는 시간을 AI가 병렬로 채운다.

시장 조사 자동화: "특정 산업의 시장 동향, 경쟁사 분석, 진입 전략 보고서"를 AI가 스스로 데이터 수집-분석-작성하는 파이프라인. 컨설팅의 일부 업무가 이미 이 방향으로 움직이고 있다.

내부 기술 문서 자동화: 새 기능 개발 후 기술 스펙 문서, 성능 분석 보고서를 AI 에이전트가 자동 생성하는 시스템. 개발팀의 숨겨진 시간 비용을 줄인다.

에이전틱 AI 연구 시스템, 어디까지 왔나

AI Scientist v2만 있는 게 아니다. 같은 주간 GitHub Trending에 오른 Obra Superpowers 같은 에이전틱 소프트웨어 개발 프레임워크도 같은 흐름에 있다. AI 에이전트가 정해진 태스크를 실행하는 것을 넘어, 스스로 계획하고 탐색하고 실행하는 방향으로 빠르게 진화 중이다.

흥미로운 건 이 흐름의 속도다. 1년 전만 해도 "AI 에이전트가 복잡한 멀티스텝 태스크를 수행한다"는 말이 과장처럼 들렸다. 지금은 오픈소스 프레임워크들이 우후죽순 나오고, 실제 서비스에 도입되고 있다. 나무숲 팀도 에이전틱 AI 파이프라인 프로젝트를 여러 건 진행하면서 1년 전과 체감 난이도가 완전히 달라졌음을 느낀다.

이 기술 흐름에서 우리가 주목해야 할 것

AI Scientist v2의 논문은 학술적으로 의미 있지만, 실용적으로는 다음 질문이 더 중요하다:

"우리 조직에서 가장 반복적이고 형식화된 지식 생산 작업은 무엇인가?"

그게 자동화의 1순위 후보다. 보고서, 제안서, 기술 문서, 분석 리포트 — 어떤 형식이든 구조화된 지식 생산 작업은 에이전틱 AI의 타겟이 된다.

지금 당장 AI Scientist v2를 기업 R&D에 도입하는 건 아직 이르다. 하지만 "어떤 지식 노동을 AI 에이전트로 위임할 수 있는가"를 지금 설계하는 조직이 2~3년 후 격차를 만들 것이다.

---

*참고: SakanaAI AI-Scientist-v2 GitHub 저장소, GitHub Trending 2026.03.29*