코코 AI 에이전트와 공동 계획과 실행

초록

코코는 연구 문서 환경에 AI 에이전트를 통합해 사용자가 계획 단계와 실행 단계를 자유롭게 오가며 작업을 할당하고 수정할 수 있게 하는 시스템이다. 실험 결과, 기존 챗 기반 도구 대비 에이전트 조정성이 높아지고 사용성은 유지되는 것으로 나타났다.

상세 분석

본 논문은 인간‑AI 협업을 위한 새로운 인터랙션 패턴을 제시한다. 기존 연구들은 계획과 실행을 별개의 단계로 구분하거나, 에이전트가 전적으로 주도하는 워크플로우에 인간이 사후에 개입하도록 설계돼 왔다. 이러한 접근은 복잡하고 지식‑집약적인 과학 연구와 같이 계획이 실행 결과에 따라 지속적으로 수정돼야 하는 상황에 부적합하다. 코코는 이러한 한계를 극복하기 위해 ‘공동 계획·공동 실행(co‑planning, co‑execution)’이라는 개념을 도입한다. 구체적으로, 사용자는 문서 내 인터랙티브 플랜을 통해 각 단계에 인간 또는 AI 에이전트를 할당하고, 실행 중에 플랜을 즉시 수정하거나 새로운 단계 를 삽입할 수 있다. 이는 전통적인 컴퓨팅 노트북의 셀 기반 실행 모델을 차용한 것으로, 셀(단계)마다 독립적인 실행과 결과 검증이 가능하도록 설계돼 있다.

시스템 구현 측면에서 코코는 (1) 플랜 제안 인터페이스, (2) 단계 할당 및 재할당 UI, (3) 에이전트 출력 편집을 지원하는 사이드바, (4) 실행 결과를 바로 플랜에 반영하는 메커니즘을 제공한다. 특히, 에이전트가 생성한 중간 결과를 사용자가 직접 수정하고 다시 실행할 수 있게 함으로써 ‘피드백 루프’를 강화한다.

실험 설계는 두 단계로 나뉜다. 첫 번째는 16명의 연구자를 대상으로 한 실험실 연구로, 코코와 강력한 챗 기반 베이스라인을 비교하였다. 결과는 코코 사용 시 작업 조정 빈도가 현저히 높았으며, 사용성 설문 점수는 차이가 없었다는 점을 보여준다. 두 번째는 7명의 연구자를 대상으로 7일간 현장 배치를 진행했으며, 참가자들은 실제 논문 조사, 메타데이터 정리, 실험 설계 등 다양한 연구 활동에서 코코의 단계 할당 및 플랜 수정 기능을 활용해 작업 효율과 인지적 부담 감소를 경험했다.

이러한 결과는 (1) 인간과 AI가 동일한 작업 표현을 공유함으로써 의사소통 비용이 감소하고, (2) 계획과 실행을 동시 진행하는 인터페이스가 복잡한 과학 작업에 적합함을 시사한다. 또한, 에이전트가 완전 자동화된 상태가 아니라 인간과 협업하는 ‘하이브리드’ 역할을 수행할 때, 사용자는 에이전트의 강점을 살리면서도 자신의 전문 지식을 삽입해 결과 품질을 높일 수 있다. 논문은 향후 에이전트의 메모리 관리, 다중 사용자 협업, 그리고 도메인‑특화 플러그인 확장 등에 대한 연구 방향을 제시한다.