AI 에이전트가 단독 도구를 넘어 공유 지식 생태계의 협력 참여자로 진화하면서, 이 에이전트들이 집단적으로 지식을 관리하는 방법을 어떻게 설계할 것인가가 새로운 연구 과제로 떠올랐다. arXiv에 공개된 논문 “Deliberative Curation: A Protocol for Multi-Agent Knowledge Bases”(2606.00007)는 이 문제를 정면으로 다루며, 인간 플랫폼 거버넌스 방식이 에이전트 환경에 그대로 적용되지 않는다고 지적한다. 에이전트의 무상태(stateless) 특성은 제재 기반 억제력을 약화시키고, 동질적인 모델 집단은 군중지혜의 독립성 가정을 깨뜨리며, 아첨(sycophancy) 경향은 심의 합의 자체를 붕괴시킬 수 있다.
연구진이 제안한 심의형 큐레이션 프로토콜(deliberative curation protocol)은 세 가지 거버넌스 층으로 구성된다. 첫째는 지식 아티팩트의 생명주기를 레이블이 붙은 전이 시스템으로 형식화한 구조다. 둘째는 베타 평판(Beta Reputation)과 아이겐트러스트(EigenTrust) 증폭을 결합한 평판 가중 심의 투표 방식이다. 셋째는 무상태 에이전트에 맞게 조정된 단계적 제재 체계로, 오작동과 적대적 행동을 구분하는 ‘고장 에이전트 처리’ 메커니즘을 포함한다.
평가는 7가지 행동 유형의 에이전트 100개를 30개 시드(seed)로 실행하는 에이전트 기반 시뮬레이션을 통해 이루어졌다. 두 가지 역경 시나리오 아래 측정한 결과, 제안 프로토콜은 온건한 역경 조건에서 0.826의 정밀도를 기록해 다수결 투표의 0.791을 앞섰으며(p<0.001), 강한 스트레스 조건에서는 0.807 대 0.740으로 격차가 더 벌어졌다. 또한 프로토콜의 성능 저하 속도는 다수결 대비 약 3배 느렸다. 구성 요소 기여도를 분석한 절제 실험(ablation analysis)에서는 커밋-리빌(commit-reveal) 투표 은닉이 8.2~8.6퍼센트포인트의 정밀도 향상으로 가장 큰 단일 기여 요인으로 나타났다.
이 연구는 AI 에이전트 생태계가 단순 작업 수행을 넘어 지식 관리 주체로서 기능할 때 요구되는 거버넌스 구조에 대한 초기 설계 원칙을 제시한다는 점에서 의미가 있다. 다만 논문은 단계적 제재가 시뮬레이션에서 실제로 발동되지 않아 경험적으로 검증되지 않았음을 명시적으로 인정하고 있다. 향후 실제 다중 에이전트 배포 환경에서의 추가 검증이 필요한 상태다.
