MIT 전기공학·컴퓨터과학과(EECS) 및 컴퓨터과학·인공지능연구소(CSAIL) 소속 필립 이솔라(Phillip Isola) 부교수가 에이전트 AI의 현재 상태와 한계, 미래 방향에 대한 견해를 밝혔다. 그는 에이전트 AI를 ‘세상에서 직접 행동을 취하는 AI’로 정의하며, 텍스트·이미지를 생성하는 생성형 AI와 구분했다. 현재 대부분의 에이전트는 소수의 기반 모델에 다양한 도구와 메모리 래퍼를 얹은 구조라고 설명했다. 2025년 11월 MIT 슬론 경영대학원과 보스턴컨설팅그룹 공동 보고서에 따르면 조사 기업의 35%가 이미 AI 에이전트를 배포했고, 44%는 도입을 계획 중이다.
이솔라 교수는 에이전트 AI가 가장 성공적인 분야로 코딩을 꼽았다. 코드의 경우 실행 후 결과가 맞는지 즉시 확인할 수 있어 시행착오 기반의 강화학습 루프가 자연스럽게 작동하기 때문이다. 반면 의료·보안·고위급 경영 의사결정 같은 고위험 영역은 기술 준비도와 사회적 수용 양면에서 완전 자동화까지 넘어야 할 장벽이 크다고 봤다. 에이전트 도입 시 가장 큰 위험 중 하나로 그는 ‘탈숙련화(de-skilling)’를 지목했다. 에이전트가 코딩·수학·연구를 대신 처리하다 보면 인간이 해당 능력 자체를 잃을 수 있고, 기술이 아직 완전한 자동화를 감당할 준비가 안 된 시점에 그런 의존이 생긴다면 위험하다는 지적이다. 에이전트 AI 시스템은 최소 구성으로 작동하는 방향으로도 진화하고 있으며, 인간의 감독 수준을 어떻게 설계하느냐가 핵심 과제로 부상하고 있다.
에이전트 AI의 미래 아키텍처를 둘러싼 근본적 질문도 제기됐다. 현재 에이전트는 텍스트 기반 언어 모델 아키텍처 위에 구축돼 있어 영상·물리력·시계열·레이더 스캔 같은 다양한 모달리티를 다루는 데 구조적 한계가 있다. 이솔라 교수는 “극도로 뛰어난 코딩 모델이 센서·액추에이터·웹 API의 조율자 역할을 맡는 방식으로 물리 공간 문제를 해결할 수 있을지, 아니면 처음부터 새로운 방식으로 설계된 아키텍처가 필요할지가 현재 AI 연구 커뮤니티의 핵심 논쟁”이라고 말했다. ‘클로드에 센서와 도구를 더하는 것이 차세대 AI인가, 아니면 완전히 새로운 무언가인가’라는 질문이 그 핵심이다.
