Sakana AI, 독자적 에이전트 기술 기반 비즈니스 AI 리서치 어시스턴트 'Sakana Marlin' 베타 테스터 모집 시작

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

핵심 요약

Sakana AI가 독자적인 에이전트 기술을 적용한 비즈니스 리서치 어시스턴트 'Sakana Marlin'의 클로즈드 베타 테스트를 시작했다. 이 제품은 CSO와 전략 팀이 수주간 수행할 중량감 있는 조사를 단 8시간 만에 자율적으로 완료하여 수십 페이지의 보고서와 요약 슬라이드를 생성한다. 핵심 기술인 AB-MCTS는 추론 과정을 트리 탐색으로 처리하여 유망한 가설을 선별하고 계산 자원을 효율적으로 집중시킨다. 단일 모델의 한계를 넘어 여러 모델을 협조시키고 수천 번의 시행착오를 거치며 사고를 정교화하는 추론 스케일링을 실무에 구현했다.

배경

Inference Scaling 개념, Monte Carlo Tree Search(MCTS) 기본 원리

대상 독자

전략 수립 및 고도화된 의사결정이 필요한 비즈니스 전문가 및 기업 CSO

의미 / 영향

이 기술은 단순한 챗봇을 넘어 장시간 자율 사고가 가능한 AI 에이전트의 실무 도입 가능성을 보여준다. 특히 AB-MCTS를 통한 추론 스케일링은 고비용의 계산 자원을 효율적으로 사용하여 전문적인 비즈니스 통찰을 도출하는 새로운 표준이 될 것이다.

섹션별 상세

비즈니스 전략 수립을 위해 장시간 자율적으로 사고하는 리서치 에이전트 Sakana Marlin이 공개됐다. 사용자가 조사 테마를 입력하면 AI가 최대 8시간 동안 스스로 리서치를 수행하고 수십 페이지의 보고서와 요약 슬라이드를 생성한다. 기존 챗봇 서비스 대비 정보의 깊이와 실무 적용성에서 높은 평가를 받았으며 인간의 개입 없이 전체 프로세스를 완수한다. 이는 전문 인력이 수주간 매달려야 했던 중량감 있는 전략 조사를 단시간에 자동화한다는 점에서 의미가 크다.

추론 단계에서 계산 자원을 집중 투입해 성능을 높이는 Inference Scaling 기술이 적용됐다. 단순히 계산량을 늘리는 것이 아니라 불확실한 비즈니스 환경에서 효율적으로 고품질 통찰을 도출하도록 탐색 과정을 최적화했다. 무계획적인 탐색으로 인한 비용 낭비를 줄이면서도 복잡한 문제에 대해 깊이 있는 사고가 가능하도록 설계됐다. 이를 통해 정답이 정해지지 않은 비즈니스 난제에 대해 실질적인 해결책을 제시할 수 있는 기반을 마련했다.

핵심 알고리즘인 AB-MCTS는 추론 과정을 트리 탐색으로 모델링하여 유망한 가설에 자원을 집중한다. NeurIPS 2025에서 상위 10% 논문으로 선정된 이 기술은 수천 번의 LLM 호출을 통해 가설을 생성하고 검증하며 스스로 논점을 심화한다. 단일 모델의 한계를 극복하기 위해 서로 다른 강점을 가진 여러 AI 모델을 협조시켜 최적의 결과를 도출한다. 연구 단계의 성과를 실제 상용 제품의 핵심 엔진으로 구현하여 기술적 차별성을 확보했다.

실무 Takeaway

전략 조사 업무에 투입되는 수주 간의 시간을 8시간의 자율 추론으로 단축하여 비즈니스 의사결정 속도를 획기적으로 높일 수 있다.
AB-MCTS 기반의 가설 검증과 다중 모델 협업을 통해 기존 AI 챗봇보다 깊이 있는 전문 보고서 작성이 가능하다.