AI 5개를 동시에 써도 2배밖에 안 빨라진다 — 프린스턴 연구팀이 밝힌 AI 팀워크의 수학적 한계
프린스턴 대학 연구팀이 AI 여러 개를 팀으로 쓸 때의 성능을 분산 시스템 이론으로 분석했습니다. AI 5개를 동시에 쓰면 이론적으로 3.4배 빨라져야 하지만 실제로는 2.19배에 그쳤고, AI끼리 자율 협업하면 오히려 혼자보다 느려졌습니다(0.88배)...
요약: "AI 하나가 느리면 여러 개를 돌리면 되지 않나?" 프린스턴 대학 인지과학과 Thomas Griffiths 교수팀이 이 질문에 정면으로 답했습니다. AI 5개를 팀으로 묶어도 실제 속도는 2.19배에 그쳤고, AI끼리 알아서 역할 분담을 하게 하면 혼자 할 때보다 오히려 느려졌습니다(0.88배). 해커뉴스에서 89표를 받으며 개발자 커뮤니티에서 뜨거운 토론을 일으킨 연구입니다.
컴퓨터 과학의 60년 된 법칙이 AI에도 적용된다
이 연구의 핵심 아이디어는 간단합니다. 1967년에 만들어진 암달의 법칙(Amdahl's Law) — 컴퓨터 여러 대를 연결해도 속도가 무한히 빨라지지 않는다는 원리 — 이 AI 팀에도 똑같이 적용된다는 것입니다.
쉽게 비유하면 이렇습니다. 피자 5판을 만들 때 반죽·소스·토핑을 5명이 나눠 하면 빨라지지만, 오븐에 넣고 굽는 시간은 사람이 몇 명이든 줄일 수 없습니다. AI 업무도 마찬가지입니다. 동시에 나눠서 할 수 있는 부분이 있고, 반드시 순서대로 해야 하는 부분이 있습니다.
연구팀은 AI 팀이 분산 시스템(여러 컴퓨터를 연결해서 일하는 방식)과 4가지 핵심 특성을 공유한다고 밝혔습니다: 독립성(각 AI가 자기 맥락만 봄), 통신(메시지를 주고받으며 협력), 동시성(여러 AI가 동시에 작업), 오류 가능성(AI도 실수하고 그 실수가 전파됨).
실험 결과: 이론과 현실의 격차
연구팀은 Claude Sonnet 4.6, Gemini 3 Flash, GPT-5.2 세 모델로 실험했습니다.
역할을 미리 정해줬을 때 (관리자가 업무 배분)
• 동시에 나눠 할 수 있는 업무: AI 5개로 중간값 2.19배 빨라짐 (이론 한계 3.4배)
• 반쯤 나눌 수 있는 업무: 속도 향상 미미
• 순서대로 해야 하는 업무: 거의 효과 없음 — 오히려 비용만 증가
AI끼리 알아서 역할을 나눴을 때 (자율 협업)
• 전체 중간값 0.88배 — 혼자 할 때보다 오히려 12% 느림
• 오류(충돌) 횟수: 중간값 19회 (역할 배분 시 4회의 5배)
• 의사소통 비용이 팀 크기에 비례해 급증
AI끼리 자율 협업하면 왜 더 느려질까
연구팀이 발견한 핵심 문제는 3가지입니다:
충돌(Consistency conflicts): 두 AI가 같은 파일을 동시에 수정하거나, 아직 안 만들어진 파일을 다른 AI가 사용하려 함. 자율 협업 팀에서만 발생했고, 역할 배분 팀에서는 거의 없었습니다.
수다 비용(Communication overhead): AI 수가 늘수록 서로 주고받는 메시지가 급증합니다. 5개 AI 팀에서는 역할 배분 팀 대비 추가 메시지 110건이 오갔습니다. 일하는 시간보다 회의하는 시간이 더 긴 셈입니다.
비용 폭발: 순서대로 해야 하는 업무에 AI 팀을 투입하면, 속도는 1.13배(13% 향상)인데 비용은 5.83배(483% 증가)입니다. 13% 빨리 끝내려고 비용을 6배 쓰는 셈입니다.
해커뉴스 개발자들의 반응
이 논문은 해커뉴스에서 89표를 받으며 활발한 토론이 벌어졌습니다. 주요 의견을 정리하면:
"결국 회사 회의 문화와 같다" — 한 댓글은 AI 팀에서 벌어지는 의사소통 비용 증가를 "회의가 많아서 일할 시간이 없는 회사"에 비유했습니다. 사람이든 AI든, 팀이 커지면 조정 비용이 실제 작업 시간을 잡아먹는다는 것입니다.
"마이크로서비스의 실수를 반복하고 있다" — 한 개발자는 업계가 예전에 서비스를 잘게 쪼갰다가 복잡성 폭발로 고생한 것처럼, AI 에이전트도 같은 실수를 하고 있다고 경고했습니다.
"작은 AI + 큰 AI 조합이 현실적" — 비싼 고성능 AI가 전체를 감독하고, 저렴한 소형 AI가 실제 작업을 수행하는 계층 구조가 실용적이라는 의견도 있었습니다.
AI를 팀으로 쓰고 싶다면
이 연구가 알려주는 실용적인 교훈은 명확합니다:
✓ 효과적인 경우: 여러 문서를 동시에 번역하거나, 독립적인 코드 파일을 동시에 작성하는 등 서로 영향을 주지 않는 업무를 나눌 때
✗ 비효율적인 경우: 1단계 결과가 2단계에 필요한 순차적 업무, 또는 AI끼리 알아서 역할을 나누게 할 때
핵심 원칙: AI 팀을 쓰기 전에 "이 업무가 정말 동시에 나눠서 할 수 있는가?"를 먼저 따져야 합니다. 나눌 수 없는 업무에 AI를 여러 개 투입하면 비용만 6배 늘고 속도는 거의 그대로입니다.
논문 전문은 arXiv에서 무료로 읽을 수 있습니다.
AI와 바이브코딩에 대해 더 알고 싶다면 무료 학습 가이드를 확인해보시기 바랍니다.