독일 콘스탄츠대 연구팀이 대규모 언어 모델(LLM) 기반 AI 에이전트가 외부의 합의 지시 없이도 다수 의견을 좇아 하나의 선택에 도달한다는 연구 결과를 내놨다. 연구진은 성능이 높은 모델일수록 합의를 유지할 수 있는 집단의 규모도 빠르게 커지며, 일부 고성능 모델은 1000개가 넘는 에이전트 집단에서도 조정 능력을 보였다고 밝혔다. 논문은 2026년 국제학술지 사이언스 어드밴시스 12권에 실렸으며, 조르다노 데 마르초·클라우디오 카스텔라노·데이비드 가르시아가 저자로 참여했다.
연구진은 10종의 LLM을 각각 여러 AI 에이전트로 작동시킨 뒤 객관적인 정답이 없는 두 선택지 가운데 하나를 반복해서 고르게 했다. 각 에이전트가 판단에 활용할 수 있는 정보는 다른 에이전트들의 현재 선택뿐이었고, 연구진은 집단에 합의하라는 목표나 중앙 통제 규칙을 주지 않았다. 실험에 쓰인 모든 모델은 다수가 고른 쪽으로 이동하는 경향을 나타냈다. 연구진은 이 성향의 강도를 ‘다수의 힘’이라는 계수로 나타내 모델별 집단 행동을 비교했다.
집단이 작을 때는 다수의 힘이 강해 빠르게 같은 선택으로 모였지만, 규모가 커질수록 그 힘은 약해지고 합의까지 필요한 시간도 늘었다. 모델마다 더는 안정적으로 합의하기 어려워지는 임계 집단 크기가 달랐다. 공식 발표에 따르면 비교적 단순한 모델은 약 30개 에이전트 수준에서 한계를 보인 반면, 가장 강력한 시험 모델은 1000개가 넘는 규모에서도 합의했다. 연구팀은 이 임계치가 모델의 언어 이해 능력과 함께 지수적으로 증가한다고 설명했다.
| 확인 항목 | 연구 결과 | 해석 범위 |
|---|---|---|
| 시험 모델 | LLM 10종 | 두 선택지 반복 실험 |
| 공통 행동 | 모든 모델이 다수 선택을 추종 | 정답·합의 지시 없는 조건 |
| 임계 규모 | 단순 모델 약 30개, 고성능 모델 1000개 초과 | 모델 성능에 따라 차이 |
이런 의견 역학은 자석 내부 요소가 같은 방향으로 정렬되는 현상을 설명해 온 물리학의 수학 법칙과 같은 형태로 나타났다. 데 마르초는 시험한 모델이 모두 동일한 법칙을 따르고 모델 간 차이는 하나의 수치로 표현됐다는 점이 예상 밖이었다고 설명했다. 집단 규모가 임계치를 넘으면 에이전트가 두 진영으로 갈라져 각자의 선택을 유지하는 상태가 나타나므로, 에이전트 수를 늘리는 것만으로 안정적인 협업이 보장되지는 않는다.
연구가 보여준 조정 능력은 중앙 통제 없이 여러 AI가 협력해야 하는 시스템 설계에 활용할 수 있지만, 다수 추종 자체가 판단의 정확성을 뜻하지는 않는다. 모든 구성원이 다수에 맞추면 개별 에이전트의 기준이 약해지고, 누구도 단독으로 택하지 않았을 결론이 집단 규범으로 굳어질 수 있다. 연구진은 개별적으로 정렬된 에이전트도 순응을 거쳐 집단적으로 잘못 정렬된 상태에 머물 수 있다고 지적했다. 따라서 다중 에이전트 서비스를 운영할 때는 합의율뿐 아니라 소수 의견 보존, 독립 검증, 임계 규모 이후의 분열 여부를 함께 점검해야 한다.
저작권자 © STORIUM 무단전재 및 재배포 금지
