세일즈포스, '하네스' 최적화로 브라우저 작업 성공률 93% 달성

(aitimes.com)

AI타임스2026년 9월 17일AI 코딩

세일즈포스가 모델 재학습 없이 작업 수행 방식 최적화만으로 브라우저 작업 성공률을 93%까지 끌어올린 새로운 에이전트 최적화 프레임워크 '다윈X(DarwinX)'를 공개하며 AI 에이전트 성능 향상의 새로운 패러다임을 제시했습니다.

이 글의 핵심 포인트

1세일즈포스 AI 리서치와 에이전트포스가 새로운 프레임워크 '다윈X(DarwinX)'를 공개함
2AI 모델의 가중치를 직접 수정하거나 재학습하지 않는 방식임
3작업 수행 방식(harness)의 최적화를 통해 성능을 개선함
4복잡한 브라우저 작업의 성공률을 93%까지 달성함
5에이전트의 성능을 높이기 위한 새로운 진화형 최적화 프레임워크를 제시함

이 글에 대한 공공지능 분석

왜 중요한가?

AI 모델의 파라미터를 수정하는 막대한 비용과 시간 대신, 실행 환경과 프로세스를 최적화하는 것만으로도 압도적인 성능 향상이 가능함을 입증했기 때문입니다. 이는 AI 에이전트 개발의 효율성을 근본적으로 바꿀 수 있는 기술적 돌파구입니다.

어떤 배경과 맥락이 있나?

기존 AI 에이전트 연구는 주로 모델의 지능을 높이기 위한 재학습이나 가중치 조정에 집중해 왔으나, 이는 막대한 컴퓨팅 자원을 요구합니다. 최근에는 모델의 지능을 어떻게 효율적으로 활용할 것인가에 대한 '에이전트 오케스트레이션' 기술이 핵심 과제로 떠오르고 있습니다.

업계에 어떤 영향을 주나?

AI 에이전트 스타트업들은 거대 모델을 직접 학습시키는 경쟁에서 벗어나, 기존 모델을 효율적으로 제어하고 워크플로우를 설계하는 프레임워크 개발에 집중하여 비용 효율적인 서비스 구축이 가능해질 것입니다.

한국 시장에 어떤 시사점이 있나?

한국의 AI 솔루션 기업들은 범용 모델 개발 경쟁보다는 특정 도메인(금융, 커머스, 물류 등)의 브라우저 기반 워크플로우를 최적화하는 '버티컬 에이전트' 기술 확보에 집중하여 차별화된 경쟁력을 확보해야 합니다.

이 글에 대한 큐레이터 의견

이번 세일즈포스의 발표는 AI 에이전트의 성능 병목 현상이 모델 자체의 지능 부족이 아닌, '도구 활용 및 실행 프로세스의 미비'에 있을 수 있음을 시사합니다. 이는 거대 모델(LLM)을 직접 개발할 자본력이 부족한 스타트업들에게, 기존 모델을 지렛대 삼아 고성능 에이전트 서비스를 구축할 수 있는 강력한 기회를 제공합니다.

하지만 모든 에이전트 문제가 이 방식으로 해결될 수는 없습니다. 극도로 높은 수준의 논리적 추론이 필요한 영역에서는 여전히 모델 자체의 지능(Reasoning) 향상이 필수적이며, 프레임워크 최적화만으로는 해결할 수 없는 근본적인 한계가 존재합니다. 따라서 창업자들은 '모델의 지능'과 '실행의 최적화' 사이의 균형을 맞추는 하이브리드 전략을 취해야 하며, 단순한 자동화를 넘어 복잡한 의사결정이 필요한 영역을 구분하여 접근하는 영리한 실행력이 필요합니다.

원문 보기 →