AI 연구자가 몇 주씩 조율하던 모델 훈련을 AI가 몇 시간 만에 끝냈어요. 그것도 사람 전문가가 설계한 것보다 35% 더 잘한 결과로요.
어떻게 된 건데?
AI 모델을 내 서비스에 맞게 만드는 과정, 파인튜닝(fine-tuning)을 들어보셨을 거예요. GPT 같은 범용 모델을 가져와서 "법률 문서 분석"이나 "고객 응대"처럼 특정 용도에 맞게 다시 훈련하는 거예요.
문제는 이게 엄청나게 복잡하다는 거예요. 어떤 데이터를 쓸지, 데이터 중에서 어떤 걸 버릴지, 학습률은 얼마로 할지, 몇 에폭을 돌릴지, 손실 함수는 어떻게 설정할지 — 이 조합의 경우의 수는 천문학적이에요. 그래서 지금껏 제대로 된 파인튜닝은 AI 연구소 수준의 전문가만 할 수 있었어요.
Adaption이 내놓은 AutoScientist는 이 과정 전체를 AI에게 맡겨요. 데이터 선별과 훈련 레시피를 동시에 최적화하면서, 어느 조합이 목표에 수렴하는지 스스로 찾아요. 둘 중 하나만 최적화하던 기존 도구들과 근본적으로 달라요.
회사를 만든 Sara Hooker는 Cohere의 AI 리서치 VP 출신이고 그 전에는 Google DeepMind에서 5년을 보냈어요. 2026년 2월에 Emergence Capital, Mozilla Ventures, Fifty Years로부터 $5천만 시드 투자를 받았고요. Co-founder Sudip Roy는 Cohere의 추론 디렉터 출신이에요. 단순 테크 스타트업이 아니라, AI 훈련의 핵심을 가장 잘 아는 팀이 만든 제품이에요.
파인튜닝이 왜 그렇게 어려웠냐면
기존 파인튜닝의 3대 실패 원인이 있어요. (1) 치명적 망각: 새걸 배우면 기존 능력을 잊는 현상. (2) 과적합: 훈련 데이터에만 최적화되고 실전에서 무너짐. (3) 충돌 신호: 서로 모순되는 학습 데이터가 섞여 모델이 혼란에 빠짐. AutoScientist는 이 세 가지를 자동으로 탐지하고 회피하도록 설계됐어요.
근데 얼마나 잘하는 건데?
Adaption이 공개한 내부 벤치마크는 명확해요. Adaption의 자체 AI 연구자들이 설계한 훈련 설정과 AutoScientist를 붙여서 비교했을 때, 8개 분야 전체에서 평균 35%를 이겼어요. 승률로 보면 48%에서 64%로 올라갔고요.
테스트 환경도 다양했어요. 5,000개부터 100,000개까지 다양한 데이터셋 크기, Together AI의 100B+ 파라미터 모델 아키텍처들, 의료·기술·금융·엔터프라이즈 등 8개 분야에서 일관된 성과를 냈어요.
| 기존 파인튜닝 | AutoScientist | |
|---|---|---|
| 최적화 대상 | 데이터 또는 레시피 (따로) | 데이터 + 레시피 동시 최적화 |
| 소요 시간 | 몇 주 (수동 실험 반복) | 몇 시간 (자동 수렴) |
| 필요 전문성 | 고급 ML 엔지니어 필수 | 비전문가도 사용 가능 |
| 데이터 처리 | 전체 사용 (노이즈 포함) | 고신호 데이터 자동 선별, 독성 노이즈 제거 |
| 주요 실패 원인 | 치명적 망각, 과적합, 충돌 신호 | 3대 실패 원인 자동 탐지 및 회피 |
물론 주의할 점은 있어요. 이 벤치마크는 Adaption이 직접 진행한 내부 평가예요. SWE-Bench나 ARC-AGI 같은 표준 벤치마크로 검증이 어려운 이유는 AutoScientist가 일반 성능이 아닌 특정 고객의 특정 작업에 적응하도록 설계됐기 때문이에요. 외부 독립 검증은 2026년 6월 중순 무료 체험 기간이 끝난 뒤 고객 사례가 나와야 가능해요.
그럼에도 핵심 주장은 강력해요: "Big Lab 밖에서도 프런티어 수준의 모델 훈련이 가능하다." Hooker는 이를 코드 생성이 새로운 AI 능력을 잠금 해제했던 것처럼, AutoScientist가 AI 훈련의 민주화를 가져올 것이라고 봐요.
핵심만 정리: 시작하는 법
- 목표 정의
어떤 태스크에 특화된 모델이 필요한지 정의해요. "고객 응대 이메일 자동화", "법률 문서 요약", "도메인 특화 코드 생성" 등 구체적일수록 좋아요. - 데이터 준비
5,000개 이상의 예제 데이터가 있으면 시작할 수 있어요. AutoScientist가 어떤 데이터가 고신호인지 직접 판단하니 완벽하게 정제하지 않아도 돼요. - AutoScientist 실행
adaptionlabs.ai에서 무료 30일 체험으로 접근 가능해요. 목표를 입력하면 데이터와 레시피를 반복 최적화해요. - 수렴 과정 확인
AI가 여러 조합을 시험하며 목표에 수렴하는 과정을 자동 추적해요. 연구자가 수동으로 수백 번 실험하던 과정이에요. - 모델 배포
최적화된 모델은 Together AI 기반으로 100B+ 파라미터 모델까지 지원해요. 클라우드에서 바로 서빙 가능해요.
아직 독립 검증 없음
AutoScientist의 성능 주장은 모두 Adaption 내부 벤치마크예요. 외부 독립 검증은 아직 없어요. 30일 무료 체험 기간에 직접 테스트해보는 게 가장 정확해요.
