문제가 재산이 된 날

수학자는 이 기사를 읽을 필요가 없습니다. 하지만 에이전트를 돌리는 기업이라면, 오늘 아침 가장 중요한 뉴스는 정작 수학에서 나왔습니다.

풀리지 않은 문제의 지위가 바뀌었습니다. 공공의 질문이던 것이 사적 자산이 되는 첫 걸음은 이번 주에 났습니다.

근거는 세 개입니다. OpenAI는 700편의 논문을 한꺼번에 공개했습니다. 연구진이 AI 에이전트와 함께 OpenAI의 정수 곱셈 결과에서 하루 만에 69.13%의 개선을 얻었습니다. 그리고 수학자 Hugo Duminil-Copin은 AI가 연구 문제를 먼저 풀기 전에 수학자들이 문제를 공개적으로 공유하는 것을 중단할 수 있다고 경고했습니다.

세 가지를 한 줄로 묶으면, 이번 아침의 뉴스는 문제의 가격이 바뀐 날입니다. 풀리지 않은 것의 가치가, 푸는 것의 가치와 같은 자리에 놓였습니다.

글의 핵심 개념을 형상화했습니다.

정수 곱셈의 하루

정수 곱셈은 계산의 가장 기초입니다. 우리가 매 순간 하고 있는 연산이며, 이 연산의 효율을 재는 숫자를 줄이는 작업은 수학에서 오래도록 남아 있던 과제였습니다.

오늘의 보고는 그 숫자가 AI의 손으로 움직였다는 점입니다. OpenAI의 정수 곱셈 결과에서 조건부 지수 절감값이 약 0.001289283116까지 올라갔습니다. 개선 폭은 약 69.13%였고, 걸린 기간은 하루였습니다.

에이전트가 밤새고 사람이 아침에 고르던 방식이 이제는 하루 단위 결과로 돌아옵니다. 달라진 것은 발견의 속도만이 아닙니다. 문제를 다루는 손이 바뀌었습니다.

수학에서는 개선 폭보다 개선에 걸린 시간이 기준이 됩니다. 논문 하나, 컨퍼런스 하나, 학술 연차 하나. 수학의 계절은 보통 이렇게 흘러왔습니다. 같은 숫자가 하루 만에 다시 적혔다는 것은, 연구의 일 단위가 바뀐 것이기 때문입니다.

그 하루를 채운 손은 에이전트였습니다. 보도된 사실은 연구진이 AI 에이전트와 함께 작업했다는 점인 셈입니다. 사람이 가설을 세우고 에이전트가 변형을 돌리고 사람이 아침에 결과를 확인하는 구조입니다. 개선된 지수 절감값은 그 루프의 산물입니다. 69.13%라는 폭이 얼마나 큰 성취인지는 수학의 속도를 아는 사람만이 정확히 압니다. 중요한 것은 폭이 아니라 주기입니다.

주기가 하루가 되면 검토의 주기도 하루가 됩니다. 밤사이 나온 결과를 아침에 확인하고, 그 확인이 다음 루프를 시작합니다. 발견과 검토가 같은 속도로 회전할 때, 수학의 단위 자체가 한 주로 줄어듭니다.

이 숫자가 주목을 받는 이유는 또 있습니다. 지수 절감은 공개 기록으로 갱신되는 결과입니다. 오늘 69.13%라는 개선도, 그 기록 위에 쌓이는 다음 개선도, 모두 공유된 숫자 위에서 나옵니다. 이 문이 다음 섹션에서 열리는 이유입니다. 공개된 기록 위에서 일하는 수학은, 동시에 그 기록을 지키려던 수학이기도 합니다.

문을 닫는 수학

시작은 700편의 논문이었습니다. OpenAI가 700편의 논문을 공개한 직후 Duminil-Copin은 수학자들이 AI에 해결당하지 않으려 연구 문제의 공개를 멈출 수 있다고 밝혔습니다.

700편은 한 번에 놓인 규모입니다. 한 편의 논문이 나온 것과 700편이 한꺼번에 나온 것은 다른 일입니다. 개별 문제 하나가 새로 생긴 것이 아니라, 분야의 의제가 한 번에 다시 쓰인 경험입니다. Duminil-Copin의 발언은 바로 그 규모에 대한 응답으로 나왔습니다.

닫을 문을 고르는 일은 문제를 올릴 때 각각의 연구자가 내리는 결정입니다. 이런 결정의 비용은 분야가 감당합니다. 한 연구자가 올리기를 멈추면 다른 연구자는 그 문제가 풀렸는지 아니면 올라오지 않았는지를 알 수 없습니다. 침묵 자체가 문제가 되는 구조입니다.

수학에서 문제는 화폐 같은 역할을 해 왔습니다. 공론장과 컨퍼런스, 논문 사이를 돌아다니며 함께 풀 사람이 늘었습니다. 공개로 쌓은 신뢰가 다음 협력으로 이어졌습니다. 공개된 문제에는 무료한 감시도 붙어 있습니다. 다른 사람이 틀린 부분을 지적하고 다른 사람이 더 짧은 경로를 찾아내는 것입니다. 수학적 검증은 이 감시 위에서 작동해 왔습니다.

이제 그 화폐가 새는 구멍이 되었습니다. 공개한 순간 풀 수 있는 쪽이 먼저 봅니다. Duminil-Copin의 경고는 수학계 전체가 이미 문을 닫았다는 선언이 아닙니다. 하지만 열려 있던 문이 닫힐 수 있는 쪽으로 기울었다는 분명한 방향의 신호입니다.

역설은 여기에 있습니다. 문을 닫으려는 주체는 바로 그 문을 열어 놓은 문헌에서 배운 모델의 능력을 보고 있습니다. 공개된 결과에서 자라난 지능이 공개 자체를 끝내게 만드는 구도입니다.

결과가 더 이상 공공으로 흐르지 않으면 다음 세대의 모델이 배울 새 재료가 줄어듭니다. 역설은 한 단계 더 갑니다. 수학이 사적 작업으로 물러서는 순간, 이 분야는 자신을 공개로 유지해 온 방식과 이별하게 됩니다.

발언을 다시 붙잡겠습니다. 중단할 수 있다는 표현입니다. 이미 닫았다는 말은 아닙니다. 닫는 쪽으로 기울 수 있다는 경고입니다. 경고가 가리키는 곳은 문이 아니라 경사입니다. 경사가 계속되면 언젠가 문제를 공유하던 자리에 조용한 방이 생깁니다.

문을 여는 커뮤니티

커뮤니티의 대답은 반대 쪽에서 왔습니다. Hugging Face가 OpenAI의 수학 문제 데이터셋을 오픈소스 RL 환경으로 만들었습니다. 강화학습의 조건을 붙여 누구나 그 문제 위에서 모델을 학습시킬 수 있게 된 것입니다.

RL 환경이라는 형태가 중요합니다. 문제는 원래 텍스트입니다. 오픈소스 RL 환경으로 바뀌면 문제가 실행 가능한 작업이 됩니다. 정답을 검증할 수 있고, 그 검증이 학습의 신호 역할을 합니다. 문제를 보관하는 것과 문제를 돌릴 수 있게 만드는 것은 다른 일입니다. Hugging Face가 만든 것은 후자입니다. 문제를 돌릴 수 있게 만드는 쪽입니다.

그리고 그 운동장을 돌리는 비용은 커뮤니티 몫으로 이동했습니다. 오픈소스인 이상, 훈련 환경을 돌려보는 비용은 문제를 만든 사람이 아니라 돌려보려는 사람 쪽에 있습니다. 문제는 이제 누구의 문제인가를 다시 물어야 하는 지형이 됐습니다.

운동장의 가치는 반복에서 보입니다. 같은 문제를 수많은 사람이 돌리면 수많은 트레일러지가 남습니다. 그 트레일러지가 다음 세대의 모델 재료가 됩니다. 공개는 윤리적 입장이기도 하고, 공급량의 문제이기도 합니다.

문제를 지키자던 쪽과 문제를 운동장으로 넓히던 쪽이 같은 주에 움직였습니다. 한쪽 끝에서 문이 닫히고 다른 끝에서 문이 열립니다. 문제는 이제 두 모습으로 존재하게 됐습니다.

흥미로운 점은 둘 다 같은 문제를 다루기 시작했다는 것입니다. 어느 쪽이 이기느냐의 질문은 그 다음입니다. 문제 하나가 사적 자산과 공공 훈련장의 두 모습을 갖췄습니다.

두 경로를 한 장의 도표로 그리면 이렇습니다.

flowchart TB
    P["공개된 문제 하나<br/>정수 곱셈 과제"] --> A["닫힌 문 경로<br/>사적 자산: 한 회사의 모델 재료"]
    P --> B["열린 문 경로<br/>공공 훈련장: 오픈소스 RL 환경과 커뮤니티 트레일"]

이번 분열의 의미는 문제 자체가 자산이 됐다는 것입니다. 자산에는 가격이 붙습니다. 사적으로 남는 문제는 한 회사의 모델을 키우는 재료가 됩니다. 공개되는 문제는 모든 모델의 훈련장이 되어 있습니다. 같은 식에 두 값이 붙는 구조가 생겼습니다.

이 분열은 다음 세대의 모델을 만드는 방식에도 이미 스며들었습니다. Sakana AI의 새 프레임워크는 오픈엔디드 연구 과제를 수행할 때 가상 서브에이전트를 동원해 인간 평가의 한계를 넘게 돕게 됩니다. 27B 모델의 성능은 1.6배 올라갔습니다. 사람을 대신해 평가하던 자리에 모델이 만든 모델이 놓였습니다. 오픈엔디드 과제는 답을 채점하기 어려운 영역이기에 인간 평가가 병목이었습니다. 에이전트가 서로를 돕는 연구 루프에서 병목의 자리가 바뀝니다. 사람의 손이던 자리가 실행 환경 쪽으로 이동합니다.

기업의 문제는 이제 자산입니다

같은 압축은 기업의 내부에서도 진행됩니다. 하루짜리 개선을 낸 그 에이전트 루프를 최적화와 데이터 분석 같은 내부 과제로 옮겨도 충분합니다. 그 순간 기업이 풀지 못한 문제는 풀고 있는 결과와 같은 등급의 자리가 됩니다.

기업의 문제는 이미 그런 모양을 하고 있습니다. 내부 데이터로 정의된 최적화 문제, 아직 해결하지 못한 운영 병목, 경쟁사에 먼저 풀리기 전에 해결하고 싶은 알고리즘 과제. 이런 문제는 논문으로 나가지 않습니다. 그러다 보니 그동안은 데이터라는 이름으로만 보호받았습니다. 이제 문제라는 이름으로도 보호를 받아야 합니다.

에이전트가 그 문제를 풀면 문제는 여러 경로로 새어나갑니다. 프롬프트 안의 조건, 실험의 중간 결과, 개선의 기록. 하루 주기의 루프에서는 새는 양도 하루 주기로 늘고 감사할 대상도 하루 주기로 쌓입니다.

주의할 것은 새는 것이 꼭 문제 자체는 아니라는 점입니다. 문제의 모양새도 함께 새고, 어디까지 왔는지가 조건으로 적힌 실험 기록은 사람보다 에이전트가 먼저 읽을 수 있는 형태입니다. 누가 어떤 모델로 어떤 조건에서 어떤 경로로 개선했는가. 이 기록이 없으면 자산의 변동 내역을 모르는 셈입니다.

그래서 질문은 속도에서 한 걸음 더 이동합니다. 그 문제를 어디에서, 누구와 함께, 어떤 기록을 남기며 돌리느냐입니다.

ThakiCloud의 에이전트 네이티브 클라우드 Paxis는 v1.1 GA로 정식 출시된 제품입니다. Paxis에서는 에이전트 운영의 전부가 플랫폼 리소스입니다. Skills, Tools, Policies, Audit Logs가 일급 리소스로 관리되고, 자율도 L0에서 L3까지의 거버넌스가 각 작업의 한계를 정합니다.

문제가 자산이 됐다면 에이전트를 돌리는 자리는 자산과 같은 등급의 결정입니다. Paxis는 소버린, 온프렘 Kubernetes 배포로 플랫폼 전체를 기업 내부에 세웁니다. 풀리지 않은 문제와 실험 기록이 외부 API로 넘어가지 않는 실행 환경이 문제 자산 시대의 첫 번째 안전장치입니다.

실행의 격리도 같은 맥락입니다. 에이전트에게 문제를 주는 순간, 그 에이전트가 닿을 수 있는 도구의 범위가 새는 구멍의 크기가 됩니다. Paxis의 격리 샌드박스 실행은 에이전트를 한 작업의 울타리 안에서 돌립니다. MCP 커넥터와 스킬 마켓은 필요한 도구만 작업별로 빌려줍니다. 울타리 안에서, 필요한 도구만 들고 일하는 구조입니다.

루프가 길어질수록 비용은 다시 계산됩니다. Paxis의 CostRouter는 작업별 모델 선택으로 같은 루프 안에 모델의 등급을 섞어 씁니다. 정책 게이트와 감사 로그는 하루짜리 개선이 어떤 경로로 나왔는지를 기록으로 남깁니다.

재산이 된 아침, 기업이 고르는 자리는 둘 중 하나입니다. 자신의 문제를 지키는 쪽, 자신의 문제를 훈련장으로 여는 쪽. 그 고르기 자체가 에이전트 시대의 역량이 됩니다.

아침의 세 숫자를 다시 나열해 보면, 모두 같은 것을 가리킵니다. 700편은 한꺼번에 공개된 결과입니다. 69.13%는 하루 만에 갱신된 기록이고, 1.6배는 평가의 병목까지 넘은 결과입니다. 남은 질문은 하나입니다. 기업의 문제를 어디에서 돌릴 것인가, 그 대답인 셈입니다. 문이 닫히는 신호와 문이 열리는 신호가 같은 아침에 왔습니다. 문제의 가격이 정해지는 아침이 바로 지금이기 때문입니다.

참고 자료

이 글은 아래 뉴스를 종합해 작성했습니다.

• HuggingNews, Researchers Raise OpenAI Integer Multiplication Exponent Saving 69% in a Day
• HuggingNews, Math Researchers Abandon Openness After OpenAI’s 700 Paper Release
• HuggingNews, Hugging Face Turns OpenAI Math into Open Source RL Environments
• HuggingNews, Sakana AI’s New MASS Method Boosts 27B Model Performance 1.6x