# 새 제어 시스템, 자율형 AI 에이전트의 불필요한 작업 줄여

> 연구진이 제안한 ‘글로벌 이그제큐티브 컨트롤’이라는 거버넌스 계층은 성공률을 높게 유지하면서 토큰 사용량을 3분의 1 줄인다.

Oossa · 2026-09-28 · https://oossa.com/ko/new-control-system-cuts-wasted-steps-in-autonomous-ai-agents

Dongsheng Xiao가 이끄는 연구팀은 2026년 9월 28일 ‘LLM 파킨슨증’이라는 문제를 다룬 논문을 발표했다. 이 용어는 과제가 이미 끝났는데도 계속 작업하면서 가치가 낮은 수정을 더하고 스스로 한 일을 재검토하는 AI 에이전트를 가리킨다. 저자들은 행동을 생성하는 동일한 루프가 작업을 언제 멈출지도 결정하기 때문에 이런 일이 생긴다고 설명한다. 연구팀이 제안한 해결책은 행동 생성과 프로젝트 수준의 감독을 분리하는 새로운 아키텍처인 Global Executive Control (GEC) v0.2다.

## 배경

대규모 언어 모델(LLM)은 계획을 세우고, 코드를 작성하고, 도구를 사용할 수 있지만 명확한 ‘중단’ 신호가 없는 경우가 많다. 테스트에서 하나의 최선 추정 계획을 따르는 기본 에이전트는 어려운 목표의 67%를 달성했다. 같은 테스트에서 모델이 여러 후보 행동 중 하나를 고를 수 있도록 하자 성공률은 96.5%로 올랐다. 연구진은 모델에 여러 선택지를 주는 것이 성능 향상의 대부분을 설명한다고 주장한다. 다만 이 방식은 모델이 처리하는 텍스트의 기본 단위인 토큰을 더 많이 사용하게 한다.

## 새 아키텍처의 기능

GEC는 에이전트의 진행 상황을 살피고 언제 작업을 끝낼지 판단하는, 불확실성을 고려한 거버넌스 계층을 추가한다. 최대 4만 토큰을 사용할 수 있는 2만4,000회 에피소드 벤치마크에서 GEC는 후보 집합 방식과 같은 96.5%의 성공률을 기록하면서 평균 토큰 사용량을 19,782개에서 12,574개로 줄였다. 이는 36% 감소한 수치다. 또한 토큰 한도 내에서 과제를 끝내는 데 필요한 평균 토큰 수도 16,136개에서 13,114개로 줄어 18.7%를 절감했다. 저자들은 거버넌스 단계가 주기당 합성 토큰 약 500개를 추가하지만, 그래도 효율적인 수준이라고 설명한다.

## 앞으로의 과제

논문은 시뮬레이션 결과를 통해 범위, 근거, 자원 사용, 중단 여부를 명시적으로 관리하는 방식이 타당하다는 점을 확인했지만, 실제 환경에서의 검증은 아직 필요하다고 밝혔다. 앞으로는 외부 도구나 사용자와 상호작용하는 실제 에이전트를 대상으로 GEC를 시험할 가능성이 크다. 이 접근법이 효과를 입증하면 개발자들은 챗봇과 코드 작성 도우미를 비롯한 자율형 AI 서비스에 유사한 제어 계층을 탑재해 불필요한 연산을 줄이고, 과제가 끝난 뒤에도 시스템이 과도하게 작업하는 것을 막을 수 있다.

## 팩트

- 논문은 2026년 9월 28일 arXiv에 게시됐다(arXiv:2609.30662).
- 후보를 하나만 사용하는 기본 에이전트의 어려운 목표 달성률은 67.42%였다.
- 후보 집합 제어 방식은 같은 벤치마크에서 96.53%의 성공률을 기록했다.
- Global Executive Control v0.2는 성공률 96.57%를 유지하면서 평균 토큰 사용량을 36.4% 줄였다.
- GEC를 적용하자 토큰 한도가 4만 개인 조건에서 과제 완료까지 필요한 평균 토큰 수가 16,136개에서 13,114개로 감소했다.
- 거버넌스 주기마다 합성 토큰 약 500개가 추가되며, 저자들은 이를 크지 않은 추가 비용으로 본다.

## 왜 중요한가

일반 사용자에게는 더 세밀한 제어를 통해 AI 비서가 과제를 더 빨리 끝내고 컴퓨팅 자원을 덜 사용하게 되며, 이에 따라 비용과 에너지 사용량도 줄어들 수 있다. 개발자는 일이 끝나면 멈춰 불필요한 단계를 반복하거나 혼란스러운 결과를 내놓지 않는 더 똑똑한 에이전트를 만들 수 있다. 또한 이 접근법은 AI 도구가 널리 보급되는 상황에서 행동을 관리해 안전성과 신뢰성을 높일 수 있는 더 명확한 방법을 제시한다.

## 출처 및 참고 자료

1. [LLM Parkinsonism: Executive-Control Failure, Token-Inefficient Persistence, and an Uncertainty-Aware Global Executive Control Architecture for Autonomous Language-Model Agents](https://arxiv.org/abs/2609.30662) – arXiv, 2026-09-28

최종 업데이트: 2026-09-28