Executive Summary

편집자의 노트. 에이전트의 행동 자산을 진단 가능한 상태로 만든다는 명제는 페블러스가 데이터에 대해 해온 일의 자연스러운 다음 단계다. 한컴·LG ChatEXAONE 협약(2026-05-22)이 한국 SkillOps 의제화의 출발점이라면, 이 글은 그 닷새 뒤에 행동 자산의 진단이라는 카테고리를 한국어로 정리하려는 시도다. 시리즈 흐름은 Voyager → Hermes → SkillOpt → MUSE로 이어지고, 이 글은 그 네 번째 좌표다.

주요 수치

출처: arXiv:2605.27366 · arXiv:2602.12670, McKinsey State of AI 2026, LangChain State of AI Agents 2025(n=1,340), Mem0.ai.

AI 에이전트와 한 시간 동안 깊이 있는 대화를 나누어 본 사람이라면 누구나 한 번쯤 느꼈을 것이다. "내일이면 이 대화를 전혀 기억하지 못하겠지." 어제 사용자가 알려준 회사 규칙, 어제 함께 발견한 풀이 절차, 어제 받은 미묘한 피드백. 다음 세션이 열리는 순간 모든 흔적이 깨끗하게 지워진다. 사람이라면 단 한 번의 실수에서도 배우는데, AI는 같은 자리에서 같은 실수를 백 번이라도 반복한다.

2025년에는 이 한계를 "메모리 기능"으로 부분적으로 봉합하려는 시도가 빅테크 전반에서 가시화되었다. ChatGPT memory, Anthropic Memory, Google Gemini 개인화. 모두 사용자나 세션 단위에서 누적되는 메모리다. 깊이 들여다보면 한 가지 공통점이 보인다. 지금까지의 메모리는 "누가 대화하고 있는가"의 단위로만 작동한다. 사용자 단위, 세션 단위, 잘해야 에이전트 단위. "어떤 일을 하는가", 즉 스킬 그 자체가 자신의 경험을 갖는다는 발상은 학술적으로도 산업적으로도 비어 있는 자리였다.

페블러스는 닷새 전 Microsoft SkillOpt 논문을 다루면서 스킬 문서를 학습 가능한 텍스트 자산으로 다룬다는 명제를 소개했다. SkillOpt가 풀어낸 질문이 "한 개의 스킬을 어떻게 학습시킬 것인가"였다면, 다음 질문은 자연스럽게 따라온다. 학습된 스킬을 어떻게 기억하고, 누적하고, 검증하고, 갱신할 것인가. 한 번 잘 만들어진 절차가 매 호출마다 어제의 자신을 잊는다면, 그것을 학습되었다고 말할 수 있는가.

시장의 정량 신호도 이 질문이 막연한 추상이 아님을 보여준다. McKinsey의 State of AI 2026에 따르면 에이전트 파일럿 프로젝트의 88%가 production 도달에 실패했고, 실패 기업의 64%가 그 원인으로 "evaluation gap"을 꼽았다. LangChain의 2025년 말 설문(n=1,340)은 layered memory를 도입한 조직에서 task completion이 31%에서 79%로 뛰었고 비용은 62% 줄었다고 보고한다. 기억 없는 에이전트는 그저 답답한 정도가 아니라 운영 단계에서 무너진다는 현장 데이터다.

MUSE-Autoskill(arXiv:2605.27366, Lin · Li · Song · Jiang · Zhang, 2026-05-26)의 핵심 명제는 abstract 첫 줄에 또렷이 박혀 있다.

"Existing skill creation approaches treat skills as isolated and static artifacts, limiting their reusability, reliability, and long-term improvement."

— MUSE-Autoskill abstract (arXiv:2605.27366)

풀어 쓰면 지금까지의 스킬은 한 번 만들어 두면 그 자리에 박힌 채로 늙어 간다는 진단이다. Voyager가 만든 스킬 라이브러리도, Hermes가 5+ tool call 후에 자동으로 적어 둔 절차 문서도, SkillOpt가 텍스트 공간에서 다듬어 낸 best_skill.md도, 일단 결정되고 나면 자기 자신의 경험을 누적하지 못했다. 같은 스킬이 100번 호출되어도 그 100번의 경험은 어디에도 남지 않는다. MUSE의 답은 다섯 단계의 통합 lifecycle이다.

"We propose MUSE-Autoskill Agent (Memory-Utilizing Skill Evolution), a skill-centric agent framework that manages skills through a unified lifecycle (creation, memory, management, evaluation, and refinement), highlighting the importance of treating skills as long-lived, experience-aware, and testable assets."

— MUSE-Autoskill abstract

다섯 단계가 모두 처음 등장한 것은 아니다. Creation은 Voyager가, Memory는 MemGPT가, Management는 산업 AgentOps 도구들이, Evaluation은 Reflexion이, Refinement는 GEPA가 부분적으로 다뤘다. 다섯을 하나의 통합 lifecycle로 묶어 "스킬이라는 자산"의 일생을 처음으로 그린 작업이 MUSE다. 단계별로 따로 일하던 흐름을 하나의 운영 모델로 묶었다는 점이 학술적 새로움이다.

다섯 단계를 늘여 놓으면 그 안에 한 자산의 일생이 들어 있다. 태어나고(Creation), 경험을 누적하고(Memory), 도서관 안에서 정돈되고(Management), 검진을 받고(Evaluation), 필요할 때 갱신된다(Refinement). 사람이 한 직업을 평생 키워 가는 흐름과 닮았다. 처음 배우고, 일하면서 익숙해지고, 동료들과 나누고, 평가받고, 더 나은 버전으로 다시 자란다. MUSE 논문은 이 다섯 단계를 하나의 그림으로 정리했다.

다음 카드들은 이 다섯 단계가 한 스킬 안에서 어떻게 맞물려 돌아가는지를 한눈에 보여준다.

이 lifecycle이 왜 지금 필요해졌는가. MUSE 논문이 발표되기 정확히 3개월 전(2026-02-13), 또 다른 한 편의 논문이 자기진화 에이전트 연구에 충격을 던졌다. SkillsBench(arXiv:2602.12670, Li et al.) — 86 tasks × 11 domains × 7,308 trajectories 규모의 첫 본격 벤치마크. 그 결정적 한 줄은 이렇다.

"Self-generated Skills provide no benefit on average, showing that models cannot reliably author the procedural knowledge they benefit from consuming."

— SkillsBench abstract (arXiv:2602.12670)

해석하면 모델이 스스로 만든 스킬을 다시 자신에게 먹였을 때 평균적으로는 도움이 되지 않았다는 뜻이다. 같은 논문은 사람이 큐레이션한 스킬은 평균 +16.2pp 향상(도메인별 +4.5~+51.9pp 편차)을 보고했고, 84개 task 중 16개는 자가 생성 스킬을 먹였을 때 오히려 점수가 더 떨어졌다고 했다. 생성만으로는 안 된다는 진단이었다. 정확히 3개월 뒤, 같은 SkillsBench를 평가 도구로 사용한 MUSE 논문이 lifecycle 처방으로 답했다. SkillsBench가 진단했고, MUSE가 처방했다.

한 가지 주의가 필요하다. SkillsBench는 MUSE 팀이 만든 벤치마크가 아니다. 별개 연구진(Li et al.)의 독립 작업이며, MUSE는 이를 평가 도구로 채택했을 뿐이다. MUSE 자체의 SkillsBench 점수는 v1 단계에서 "lifecycle-managed skills can improve task success, efficiency, reuse, and cross-agent transfer"라는 초기 증거 수준으로만 표기되어 있다. 정확한 baseline 비교 수치는 아직 공개되지 않았다. 이 글은 MUSE의 정량 단정을 피하고, lifecycle 프레임 자체의 통합력에 가치를 둔다.

스킬은 어떻게 결정되는가. MUSE의 Creation 단계는 학술적으로 갑자기 출현한 발상이 아니다. 페블러스가 정리해 온 시리즈를 따라가면 그 계보가 또렷하다.

3.1Voyager — 스킬 라이브러리의 원형

2023년 NVIDIA · Caltech 연구진이 발표한 Voyager(arXiv:2305.16291)는 GPT-4 위에 ever-growing skill library를 처음으로 구현했다. Minecraft 환경에서 에이전트가 자율적으로 도구를 만들고, 그 도구를 라이브러리에 등록하고, 다음 태스크에서 그것을 재사용했다. 스킬을 자산으로 다룬다는 발상의 학술 원형. 다만 Voyager의 스킬 관리는 "추가"에 머물렀다. 한 번 등록된 스킬은 갱신·평가·도태의 절차 없이 라이브러리에 쌓일 뿐이었다.

3.2Hermes Agent — 산업 구현체의 등장

2025년 4월 NousResearch가 공개한 Hermes Agent는 Voyager의 학술 직관을 산업 코드로 옮겼다. 사용자와 5번 이상 도구 호출이 일어난 작업을 자동 감지해 스킬 문서로 적어 두는 메커니즘 — "사용자와 함께 자라는 에이전트"의 첫 산업 구현체. 다만 Hermes 역시 스킬을 한 번 적은 뒤 그 스킬의 운영 데이터를 체계적으로 다시 학습 신호로 흡수하는 폐쇄 루프는 갖추지 않았다.

3.3MUSE의 Creation — unit test가 동반된다

MUSE의 Creation은 한 가지 결정적 차이가 있다. 스킬이 만들어지는 그 순간부터 unit test가 동반된다. 함수 코드를 짜면서 동시에 테스트를 짜는 TDD(Test-Driven Development)의 발상이 스킬 단위로 이식된 셈이다. 자가 생성된 스킬이 평균적으로 도움이 되지 않았다는 SkillsBench의 진단은, 검증되지 않은 채로 라이브러리에 풀려난 스킬이 노이즈로 작용한 결과로 읽을 수 있다. MUSE는 Creation 시점에서 검증 게이트를 끼워 넣어 그 노이즈를 원천에서 줄이려 한다.

스킬은 어떻게 태어나는가. Voyager가 "라이브러리에 등록한다"고 답했다면, Hermes는 "5번의 반복을 감지한다"고 답했고, MUSE는 "검증을 동반한 채로 lifecycle에 진입한다"고 답한다. 같은 질문에 매번 한 칸씩 정교해진 답이다.

MUSE의 가장 큰 학술적 새로움은 Memory 단계에 있다. abstract의 한 줄이 이를 정확히 드러낸다.

"Skill-level memory that accumulates experience for each skill across tasks, enabling more effective reuse and adaptation over time."

— MUSE-Autoskill abstract

지금까지의 에이전트 메모리 연구는 두 개의 단위로 발전해 왔다. 세션/사용자 단위(MemGPT 2023, ChatGPT memory 2024, Anthropic Memory 2025)와 에이전트 단위(Generative Agents 2023, Reflexion 2023). 세션 메모리는 "내가 누구와 대화했는가"를, 에이전트 메모리는 "이 에이전트가 무엇을 겪었는가"를 기억한다. MUSE는 여기에 세 번째 층, 스킬 단위 메모리를 명시적으로 도입한다.

세 층의 차이를 표로 정리하면 의미가 또렷해진다.

이 발상을 가장 직관적으로 설명하는 비유는 객체지향 프로그래밍의 instance/class 분리다. class는 메소드를 정의하지만, 그 메소드가 어떤 instance에서 어떻게 호출되었는지는 따로 기록되지 않는다. 만약 메소드 자신이 "내가 몇 번 호출되었는가, 그 중 몇 번이 성공했는가, 어떤 인자 패턴에서 자주 실패했는가"를 기억한다면, 그것이 바로 MUSE가 말하는 skill-level memory다. 메소드가 instance처럼 자기 자신의 호출 이력을 갖는 새 차원이다.

4.1cross-task transfer — 같은 스킬, 다른 태스크

skill-level memory의 한 가지 결정적 효과는 cross-task transfer다. 같은 사용자가 다른 태스크를 시켰을 때, 또는 다른 사용자가 같은 종류의 태스크를 시켰을 때, 스킬은 이전 호출들에서 누적된 경험을 그대로 들고 가서 작동한다. 사용자가 누구든·태스크가 무엇이든 그 스킬이 만난 모든 경험이 다음 호출에 같이 따라가는 구조. 데이터의 가치가 행동의 가치로 옮겨가는 통로가 여기서 처음 명시화된다.

4.2LangChain의 layered memory 효과 — 정량 근거

skill-level memory의 정량 가치를 직접 보여주는 학술 데이터는 아직 v1 단계라 비어 있지만, 인접 산업 데이터는 강한 신호를 준다. LangChain의 2025년 말 설문(n=1,340)은 layered memory(세션·에이전트 메모리의 통합 운영)를 도입한 조직에서 task completion이 31%에서 79%로 뛰었고, 비용은 62% 줄었다고 보고했다. 단일 층 메모리에서 다층 메모리로 옮기는 것만으로 production 성과가 두 배 가까이 오른 셈이다. MUSE의 skill-level memory는 그 위에 세 번째 층을 더한 것이고, 정량 효과는 동등하거나 더 클 것이라는 추정이 자연스럽다.

MUSE 논문은 한 스킬 안에 무엇이 누적되는지를 구체적인 SKILL.md 분해도로 보여준다. SKILL.md 본문(median 326줄), 보조 스크립트(9%), unit test(9%), references(0%). 한 스킬이 어떤 구성요소로 자산화되는지의 정량 단면이다.

SkillsBench가 진단한 문제, "self-generated Skills provide no benefit on average"의 핵심은 검증 없이 만들어진 스킬에 있다. MUSE의 Evaluation 단계는 정확히 이 진단의 처방이다.

"We evaluate them through unit tests and runtime feedback for continuous refinement."

— MUSE-Autoskill abstract

검증의 이중성이 핵심이다. unit test는 정적(static)이고, runtime feedback은 동적(dynamic)이다. 둘은 서로 다른 종류의 결함을 잡는다.

5.1unit test — 스킬 단위 TDD

함수가 코드 리뷰에서 단위 테스트를 통과해야 하듯, 스킬도 라이브러리에 들어가기 전에 명시된 입력·출력·예외 동작에 대해 통과해야 한다. SoftWare engineering의 50년 누적이 이 자리에서 스킬 단위 검증으로 이식된다. 사람이 짜야 하는 절차였던 unit test가 이제는 옵티마이저 모델이 함께 생성하고 검증하는 자동화된 게이트가 된다.

5.2runtime feedback — 운영 중 발견되는 결함

unit test가 모든 것을 잡지는 못한다. 분포가 미묘하게 다른 입력, 도구 환경의 사소한 변화, 시간이 흐르며 누적되는 의미적 표류. 이런 결함은 운영 중에만 드러난다. Reflexion(2023)이 처음 제안한 verbal feedback 메커니즘이 MUSE의 두 번째 검증 축으로 들어와, 운영 중 발견되는 실패·이상 패턴을 자가 비판으로 잡아낸다. 정적 게이트가 막지 못한 동적 결함을 동적 게이트가 잡는 이중 안전망이다.

5.3Refinement — 검증 신호의 폐쇄 루프

Evaluation 신호가 모이면 Refinement가 작동한다. unit test에서 잡힌 구조적 결함은 스킬 본문 수정으로, runtime feedback에서 잡힌 의미적 결함은 메모리·메타데이터 갱신으로 흡수된다. 갱신된 스킬은 다시 Memory에 누적되어 다음 호출의 시작점이 된다. Creation → Memory → Management → Evaluation → Refinement → Memory의 폐쇄 루프. 한 번 만들고 끝나는 게 아니라 lifecycle 그 자체가 학습의 주체가 되는 구조다.

MUSE 논문 자체도 이 검증과 Refinement 결합의 효과를 한 그림에 응축해 두었다. 보상(품질)을 그대로 유지하면서 latency와 tokens가 줄어드는 결과. lifecycle 관리된 스킬은 더 싸고 더 빠르고 더 정확하다.

왜 지금 이 lifecycle이 산업적으로 절실해졌는가. 다음 세 개의 숫자가 한 그림을 그린다. 현장은 무너지고 있고, 무너지는 이유의 절반 이상이 평가의 부재이며, lifecycle 한 층만 더해도 두 배 가까이 회복된다. McKinsey가 진단하고, LangChain이 응답한다.

McKinsey의 88%와 64%는 단순한 평균값이 아니다. 현장의 거의 모든 파일럿이 무너지고 있고, 그 중 절반 이상이 "평가 시스템이 없어서" 무너진다는 신호다. SkillOpt가 텍스트 공간 학습으로 +23.5pt를 만든 결과 위에, MUSE의 lifecycle 평가가 그 84%의 진입로를 열어준다면, 산업적 의의는 학술 점수 한두 자릿수 향상보다 훨씬 크다.

페블러스의 자기진화 에이전트 시리즈는 처음부터 한 가지 가정을 따라왔다. 학술의 직관이 산업으로 흐르고, 산업의 구현이 다시 학술의 정교화로 돌아온다. Voyager부터 MUSE까지 4년 사이의 좌표가 그 가정을 정확히 보여준다.

시리즈를 통과해서 보면 추상화가 매번 한 칸씩 올라간다. Voyager는 "스킬이라는 객체가 존재한다"는 발상의 학술 원형이었다. Hermes는 그 객체를 "산업 코드 안에서 어떻게 자동 생성하는가"로 보였다. SkillOpt는 그 객체를 "어떻게 학습 가능한 상태로 다루는가"로 풀었다. MUSE는 마침내 그 객체를 "어떻게 살아 있는 자산으로 관리하는가"로 묻는다. 단일 스킬에서 스킬 도서관 전체로, 학습 기법에서 lifecycle 거버넌스로. 다섯 해 사이의 사고가 단계적으로 깊어졌다.

6.1AgentOps → SkillOps → MemoryOps — 카테고리 진화

IT 산업은 운영(operations) 카테고리를 통해 새로운 기술 패러다임을 흡수해 왔다. DevOps(2007), MLOps(2017), LLMOps(2023). 2024년 무렵부터 AgentOps가 안정화 단계에 진입했다. Mem0(GitHub 48,000+ stars, Series A $24M, AWS Agent SDK 독점), Letta, Zep, LangMem 4강 체제. Anthropic의 Agent Skills Open Standard(2025-12)가 Claude·OpenAI Codex·Gemini CLI에 동시 채택된 것은 이 흐름의 결정적 시그널이었다.

그 위에 2026년 봄부터 새로운 sub-segment가 모습을 드러내고 있다. SkillOps. SkillOpt와 MUSE가 학술 청사진을 그렸고, 산업 도구는 아직 표준화되지 않았다. 그 옆에는 더 큰 빈자리, MemoryOps가 있다. skill-level memory가 본격화되면 메모리 그 자체의 lifecycle 관리(생성·진단·삭제·전이)가 별도 카테고리로 떨어져 나올 가능성이 크다.

6.2빅테크 메모리 전쟁

2026년 봄은 메모리·스킬 전선에서 빅테크가 동시에 자기 깃발을 꽂은 시기였다. Anthropic의 Dreaming(2026-05-06, VentureBeat 보도)은 에이전트가 자신의 실수에서 학습하는 시스템을 제안했고, Microsoft의 SkillOpt는 단일 스킬 학습으로 +23.5pt를 만들었다. Meta의 HyperAgent와 Google의 Astra도 같은 시기에 메모리·도구 사용 통합을 가속화했다. MUSE의 ByteDance Infra AI Lab 추정 출처는 이 전선에 동방 기술기업도 학술적으로 참여하기 시작했음을 시사한다.

6.3혼동 주의 — 동명 인접 사례

한 가지 사실관계를 정리하고 넘어간다. 이 글이 다루는 MUSE-Autoskill(arXiv:2605.27366, Lin et al., 2026-05-26)과는 별개로, 비슷한 시기에 발표된 동명의 다른 프레임워크가 존재한다. "Learning on the Job"(arXiv:2510.08002, Cheng Yang et al., 5기관 공동, 2025-10-09, GitHub KnowledgeXLab/MUSE). 같은 약자 "MUSE"를 쓰지만 저자·소속·접근이 다른 별개 연구다. 이 글은 사용자 link verbatim 검증을 거친 arXiv:2605.27366을 1차 출처로 명시한다.

페블러스는 지난 몇 해 동안 한 가지 명제를 따라 움직였다. 데이터를 진단 가능한 상태로 만든다. DataClinic이 학습 데이터의 다섯 신호를 진단했고, AI-Ready Data가 그 진단의 출력 카테고리였으며, DataGreenhouse와 PebbloSim이 진단된 데이터의 운영 환경을 제공해 왔다. MUSE-Autoskill이 던진 명제는 이 흐름의 자연스러운 다음 단계다. 행동(behavior) 자산도 진단 가능한 상태로 만들 수 있는가.

7.1AI-Ready Data → AI-Ready Behavior

명제는 한 칸 확장된다. AI 학습용 데이터의 품질을 진단해 온 회사가, AI 에이전트의 행동 자산 품질을 진단하는 회사로 자연스럽게 옮겨간다. SkillOpt가 "스킬 문서를 학습 가능한 텍스트 자산으로 다룬다"를 보였다면, MUSE는 "그 텍스트 자산이 lifecycle을 가진 long-lived asset"임을 선언한다. 두 명제가 모이는 자리에 페블러스의 다음 카테고리가 있다. AI-Ready Behavior. 데이터 진단의 명제를 행동 차원으로 확장한 명제다.

7.2DataClinic 5신호 → SkillClinic 5신호 재맵핑

페블러스 DataClinic은 학습 데이터를 다섯 가지 신호로 진단해 왔다. 레이블 무결성, 분포 균형, 신선도, 결측, 이상치. 이 다섯 신호는 lifecycle 5단계로 1:1 재맵핑된다. 같은 진단 철학이 데이터에서 행동으로 옮겨붙는 자리다.

이 매핑은 페블러스의 한국어 자산이다. 영어권에서도 아직 DataClinic 5신호와 lifecycle 5단계의 1:1 매핑을 시도한 작업은 보이지 않는다. 행동 자산을 진단 가능한 상태로 본다는 명제가 한국어로 정리되는 한 자리다.

7.3고객/파트너 실무 함의 — 네 가지 질문

MUSE의 lifecycle 관리는 매력적이지만 동시에 "스킬 자산을 누가 어떻게 관리할 것인가"라는 새로운 운영 부담을 등장시킨다. 고객/파트너 실무자가 자연스럽게 묻게 되는 질문은 명확하다.

• • 우리 회사의 스킬 라이브러리에서 살아 있는 스킬·죽은 스킬·중복 스킬은 각각 몇 개인가?
• • 한 스킬에 누적된 경험 메모리는 신뢰할 만한가? 잘못된 누적이 잠복해 있지는 않은가?
• • unit test가 통과해도 잡지 못하는 구조적 결함은 어떻게 진단하는가?
• • 한국 AI 기본법 audit trail 요건을 lifecycle 데이터로 어떻게 충족시킬 것인가?

이 질문들은 데이터 진단 회사의 일이다. 페블러스가 행동 자산의 가시화·진단·관리 도구를 한국어 환경에 맞춰 제공할 수 있다면, MLOps 너머 AgentOps와 SkillOps 시장의 자연스러운 진입로가 열린다.

7.4한국 동시일 — 5월 22일과 5월 27일 사이

한국 시장의 정량 좌표도 이 흐름을 받쳐 준다. 한국 AI 시장은 IITP 기준 2025년 3.44조원 → 2027년 4.46조원(CAGR 14.3%)으로 향하고 있다. 같은 봄, 결정적인 한 주가 한국 AI 산업에 펼쳐졌다.

아래 timeline은 단순 연표가 아니다. 규제(AI 기본법)가 audit trail의 문법을 먼저 깔았고, 산업(한컴·LG 협약)이 같은 날 한국형 SkillOps의 첫 깃발을 꽂았으며, 학술(SkillOpt·MUSE)이 그 위에 lifecycle의 도면을 그렸다. 닷새 안에 규제·산업·학술이 한 자리에서 만났고, 페블러스의 발행일은 그 만남을 한국어로 정리하려는 자리에 놓인다.

시점은 우연이 아니다. 한국 AI 기본법의 audit trail 요건이 시행되고 넉 달, 한컴·LG ChatEXAONE 협약으로 한국 첫 SkillOps 의제가 가시화되고 닷새. 정확히 이 자리에서 학술이 lifecycle 프레임을 제시했고, 페블러스는 그 프레임을 한국어로 받아 적는다. AI-Ready Data → AI-Ready Behavior, DataClinic → SkillClinic, DataGreenhouse → BehaviorGreenhouse. 세 쌍의 명제가 한 줄로 늘어선다.

AI 에이전트와 한 시간 동안 깊이 있는 대화를 나누어 본 사람이라면 누구나 한 번쯤 느꼈을 것이다. 내일이면 이 대화를 기억하지 못한다는 사실이 묘하게 아쉽다는 것을. MUSE-Autoskill이 던진 발상은 그 아쉬움에 대한 첫 학술적 답에 가깝다. 기억은 사용자에게도, 에이전트에게도, 마지막에는 스킬 자체에게도 산다. 한 절차가 자기 자신의 호출 이력을 갖는다. 한 스킬이 백 번의 경험을 자기 안에 누적한다. 어제의 자신을 기억하는 행동 자산이라는 카테고리가 학술 프레임으로 처음 그려진 자리다.

기억을 가진 AI는 단순히 더 똑똑한 AI가 아니다. 더 인간적인 협력자가 된다. 어제 사용자가 알려준 회사 컨벤션을 오늘도 기억한다면, 어제 실패한 절차를 오늘은 살짝 다듬어 다시 시도한다면, 작은 운영 자산 하나하나가 자기 자신의 경험을 갖는다면. 매번 같은 자리에서 같은 실수를 반복하는 도구가 아니라 함께 자라는 동료가 된다. 그 미래를 MUSE는 lifecycle이라는 다섯 단계 프레임으로 그렸고, 페블러스는 그 프레임을 한국어로 받아 적었다.

한 가지는 분명하다. MUSE의 정량 결정타는 아직 v1 단계라 비어 있다. 실제 비교 점수, baseline 대비 향상폭, 통계적 신뢰구간. 모두 다음 버전을 기다린다. 그러나 그것이 이 글의 무게중심이 아니다. 중요한 것은 프레임 자체의 통합력이다. 다섯 단계의 lifecycle, 세 층의 메모리, 두 갈래의 검증, 한 가지 새 카테고리. 정량 수치가 채워지기 전에 정성적 지도가 먼저 그려진다. 데이터 진단의 명제가 행동 진단의 명제로 한 칸 확장된, 그 첫 한국어 좌표다.

참고문헌

이 글이 인용한 학술 논문, 산업 표준, 시장 보고서, 정책 문헌을 출처별로 묶어 두었다. 1차 출처(arXiv 논문)는 직접 링크를 따라가 verbatim 인용을 확인할 수 있다.

1차 소스 — 이 글의 주제 논문

• 1.Lin, H., Li, P., Song, J., Jiang, F., & Zhang, T. (2026). MUSE-Autoskill: Self-Evolving Agents via Skill Creation, Memory, Management, and Evaluation. arXiv:2605.27366. (ByteDance Infra AI Lab 추정), 2026-05-26.
• 2.Li, X., Chen, W., Liu, Y., Zheng, S. et al. (2026). SkillsBench: Benchmarking How Well Agent Skills Work Across Diverse Tasks. arXiv:2602.12670. 2026-02-13.

자기진화 에이전트 계보 (학술)

• 3.Wang, G., Xie, Y., Jiang, Y., Mandlekar, A., Xiao, C., Zhu, Y., Fan, L., & Anandkumar, A. (2023). Voyager: An Open-Ended Embodied Agent with Large Language Models. NeurIPS 2023 Workshop. arXiv:2305.16291.
• 4.Yao, S., Zhao, J., Yu, D., Du, N., Shafran, I., Narasimhan, K., & Cao, Y. (2023). ReAct: Synergizing Reasoning and Acting in Language Models. ICLR 2023. arXiv:2210.03629.
• 5.Shinn, N., Cassano, F., Berman, E., Gopinath, A., Narasimhan, K., & Yao, S. (2023). Reflexion: Language Agents with Verbal Reinforcement Learning. NeurIPS 2023. arXiv:2303.11366.
• 6.Park, J. S., O'Brien, J. C., Cai, C. J., Morris, M. R., Liang, P., & Bernstein, M. S. (2023). Generative Agents: Interactive Simulacra of Human Behavior. UIST 2023. arXiv:2304.03442.
• 7.Packer, C., Wooders, S., Lin, K., Fang, V., Patil, S. G., Stoica, I., & Gonzalez, J. E. (2023). MemGPT: Towards LLMs as Operating Systems. arXiv:2310.08560.
• 8.Wang, Z. Z., Mao, J., Fried, D., & Neubig, G. (2024). Agent Workflow Memory. arXiv:2409.07429.
• 9.Agrawal, L. A. et al. (2025). GEPA: Reflective Prompt Evolution Can Outperform Reinforcement Learning. ICLR 2026 (Oral). arXiv:2507.19457.
• 10.Yang, Y., Gong, Z., Huang, W. et al. (2026). SkillOpt: Executive Strategy for Self-Evolving Agent Skills. arXiv:2605.23904. Microsoft Research, 2026-05-22.
• 11.Yang, C., Yang, X., Wen, L. et al. (2025). Learning on the Job: An Experience-Driven, Self-Evolving Agent for Long-Horizon Tasks. arXiv:2510.08002. (별개 동명 사례 — 본 보고서 §6.3 참조.)

산업 / 표준 / 도구

• 12.NousResearch (2026-04-16). Hermes Agent v0.10.0.
• 13.Anthropic (2025-12). Agent Skills Open Standard. (Claude · OpenAI Codex · Gemini CLI 채택.)
• 14.VentureBeat (2026-05-06). Anthropic introduces 'dreaming': a system that lets AI agents learn from their own mistakes.
• 15.Mem0.ai (2026). State of AI Agent Memory 2026. (GitHub 48,000+ stars, Series A $24M, AWS Agent SDK 독점.)
• 16.Microsoft (2026). microsoft/SkillOpt. GitHub repository (MIT License).

시장 · 정량 보고서

• 17.Stanford HAI (2026). AI Index Report 2026.
• 18.McKinsey & Company (2026). The State of AI 2026. (에이전트 파일럿 88% production 실패, 64% evaluation gap.)
• 19.LangChain (2025). State of AI Agents 2025. (n=1,340. Layered memory: task completion 31% → 79%, 비용 −62%.)
• 20.Gartner (2026). Hype Cycle for Agentic AI 2026. (40%+ 프로젝트 2027 취소 전망.)

한국 시장 · 정책

• 21.국가법령정보센터. 인공지능 발전과 신뢰 기반 조성 등에 관한 기본법. 시행 2026-01-22.
• 22.ZDNet Korea (2026-05-22). 한컴 · LG AI연구원 ChatEXAONE 전략 협약.
• 23.IITP (2026). 2026 인공지능(AI) · ICT 산업 보고서. (한국 AI 시장 2025 3.44조원 → 2027 4.46조원, CAGR 14.3%.)

페블러스 시리즈 선행 글 (4부작)

• 24.페블러스 (2026-05). Voyager — 스스로 배우는 AI의 기원. 4부작 1편 · 학술 원형 트랙.
• 25.페블러스 (2026-05-13). 에이전트도 성장한다 — Hermes Agent와 자율형 데이터 운영체제의 시대. 4부작 2편 · 산업 구현 트랙.
• 26.페블러스 (2026-05-27). 스킬 문서가 학습하기 시작했다 — 행동 운영체제의 시대 (Microsoft SkillOpt 심층 분석). 4부작 3편 · 학습 기법 트랙.