[논문] AI 에이전트가 지식 노동을 재편한다: 자율성·효율성·범위

개요

최전선 AI 시스템은 대화형 어시스턴트에서 작업을 처음부터 끝까지 수행하는 자율 에이전트로 전환함으로써 지능과 활용성 사이의 격차를 메우고 있습니다. Perplexity의 Search와 Computer 제품에서 얻은 실사용 데이터를 활용해, AI 에이전트가 지식 노동을 어떻게 가속화하고 재구성하는지를 조사함으로써 이 전환을 연구합니다. 세 가지 주요 실증적 발견이 도출되었습니다.

첫째, 거의 동일한 초기 쿼리 쌍을 가진 세션을 동일 과제에 대한 자연 실험으로 활용한 결과, Computer는 사용자 세션당 26분의 자율 작업을 수행한 반면, Search는 33초에 불과했습니다. Computer는 사용자가 수동으로 수행하고 조정해야 할 작업 분해와 실행을 자동화합니다. 그 결과, Computer는 후속 쿼리 분포를 검증·확장과 같은 고차원 작업으로 이동시킵니다. 자율성은 실행 품질도 향상시켜, 쿼리당 불만족 비율이 Search에 비해 Computer에서 55% 낮았습니다.

둘째, 자율성 우위 덕분에 Computer는 동일 과제에서 완료 시간을 269분에서 36분으로 단축시켜, Search만을 활용한 인간 대비 추정 시간과 비용을 각각 87%와 94% 감소시켰습니다.

셋째, Computer는 사용자가 시도하는 작업 범위를 변화시킵니다. Computer 쿼리는 직업 경계를 넘는 경우가 더 많고, 고차원 인지를 요구하며, 보다 폭넓은 전문성을 활용하고, 상호 의존적인 하위 작업을 하나의 쿼리로 묶는 복합 작업 형태를 띠며, 동일 사용자의 Search 이용에서는 사실상 존재하지 않던 작업 활동을 열어줍니다.

이러한 증거는 AI 에이전트가 워크플로를 가속화하고, 산출물 품질을 향상시키며, 비용을 절감하고, 자동화된 작업의 폭과 깊이를 확장한다는 점을 보여줍니다.

핵심 기여

이 논문은 다음 분야의 연구를 제시합니다:

• cs.AI
• econ.GN

방법론

자세한 방법론은 전체 논문을 참고하십시오.

실용적 시사점

이 연구는 cs.AI 분야의 발전에 기여합니다.

저자

• Jeremy Yang
• Kate Zyskowski
• Noah Yonack
• Jerry Ma

논문 정보

• arXiv ID: 2606.07489v1
• 분류: cs.AI, econ.GN
• 발표일: 2026년 6월 5일
• PDF: PDF 다운로드