최근 IEEE Spectrum에 AMD의 AI 에이전트 스웜 성과가 올라왔다. AMD는 2024년부터 코드 생성, 테스트 자동화, 버그 분석, 코드 리뷰용 AI 시스템을 만들기 시작했다. 처음 목표는 2027년까지 AI 생성 코드 비율 25%였다. 그런데 그 목표보다 빠르게 성과가 나오고 있다. 올해 초 AI가 생성하고 리뷰와 테스트를 통과해 최종 제품에 들어간 코드가 전체 코드베이스의 20%를 넘었고, 지금은 50%를 향해 가고 있다. 일부 컴포넌트는 80% 이상이 AI 생성 코드다.
가장 구체적인 사례는 Radeon Software eXperience(RSX)다. 2025년 10월 AI 에이전트로 이슈를 자동 디버깅하고 수정하기 시작했는데, 처음엔 기본 도구만으로 6%의 이슈만 해결됐다. 이후 실패 사례를 분석하며 학습 루프를 만들었고, 2026년 6월에는 자동 해결률 75%에 도달했다. 코드 분석, 트라이지, 디버깅, 테스트 생성, 릴리스 승인 준비까지 에이전트가 전체 생애주기에 붙어 있다는 점이 핵심이다.
이 소식이 피투피 블로그에서 중요한 이유는 AMD가 말하는 ‘내일의 에이전트’가 사실상 분산 시스템 아키텍처를 닮았기 때문이다. AMD는 지금까지 AI 에이전트가 인간의 작업 방식을 그대로 모방했다고 설명한다. 엔지니어가 시스템 지식을 가르치고, 어떤 버그를 어떻게 고칠지, 변경을 어떻게 구현할지 지시했다. 하지만 다음 단계는 다르다. 엔지니어는 해결할 문제와 원하는 결과, 품질·성능·시스템 제약만 정의하고, 에이전트 스웜이 병렬로 여러 해결 방안을 만들어 평가하고 정제한다.
각 에이전트가 독립적으로 후보를 만들고 자동으로 정확성과 성능을 검증한 뒤, 결과를 비교해 엔지니어가 승인할 수 있는 형태로 제시하는 구조다. 이건 중앙 오케스트레이터가 모든 단계를 지시하는 방식이 아니라, 피어들이 자율적으로 작업하고 결과를 모아 비교하는 피투피 방식에 가깝다. WebRTC나 분산 스토리지에서 보던 ‘각 노드가 판단하고 협력한다’는 원리가 AI 에이전트 설계로 옮겨 가는 신호로 보인다.
내 판단은 이렇다. AI 에이전트 스웜은 단순한 개발 생산성 이야기가 아니라, 소프트웨어 공학에 분산 시스템의 문제들이 들어오는 신호다. 여러 에이전트가 결과를 만들어 내면 어떤 에이전트의 결과를 신뢰할지, 서로 다른 후보를 어떻게 순위화할지, 실패를 어떻게 학습해 다음에 재사용할지 같은 문제가 생긴다. AMD도 에이전트들이 서로 학습하고 성공 전략을 재사용해야 한다고 말한다. 이건 분산 네트워크에서 노드 간 신뢰와 평판 문제를 푸는 것과 구조가 비슷하다.
피투피 제품을 만드는 입장에서도 낯설지 않다. 사용자 기기 간 연결을 만들 때 중앙 서버 없이 각 피어가 협력하는 설계는 항상 ‘누가 최선의 결정을 내리는지’와 맞닿는다. AMD 사례는 그 판단이 중앙 관리자에서 자율 에이전트들로 옮겨가는 실험이 실제 제품에서 통계로 입증되고 있음을 보여준다. 다만 6%에서 75%까지 가는 데는 도구 도입만으로 부족했고, 반복적인 실패 분석과 개선 루프가 필요했다. 에이전트의 자율성은 그런 학습 인프라 위에서만 의미를 가진다.
앞으로 주목할 지점은 세 가지다. 첫째, AMD가 말하는 ‘무엇을 원하는지만 정의하고 어떻게 해결할지는 에이전트가 정하는’ 방식이 실제로 어디까지 확장되는지다. 둘째, 에이전트 스웜이 서로의 성공 전략을 재사용하는 학습 루프가 제품 차원에서 어떻게 구현되는지다. 셋째, 에이전트가 만든 결과를 사람이 검토하는 승인 병목이 어디서 생기는지다.
분산 시스템을 만들던 사람들에게 이건 익숙한 질문이다. 수많은 독립적인 실행자가 있을 때 전체 일관성과 신뢰를 어떻게 보장할까. AI 에이전트 스웜도 결국 같은 질문을 소프트웨어 공학 안에서 다시 하게 될 것이다. 피투피 기술이 중앙 서버 중심 구조에 대안을 제시했듯, 에이전트 스웜이 중앙 집중식 개발 프로세스에 대한 대안으로 자리 잡을 수 있을지 지켜보고 있다. AMD의 RSX 자동 해결률 75%는 그 가능성을 보여주는 하나의 데이터 포인트다.
댓글