마이크로소프트, 컴퓨터 사용 에이전트 훈련용 에코버스 공개

주장마이크로소프트는 컴퓨터 사용 에이전트의 성능을 높이려면 환경의 개수보다 정교함과 모델과의 동반 진화가 중요하다고 분석합니다. 에이전트가 실무를 수행하려면 상태 변화가 일관되고 논리적인 구조를 갖춘 깊이 있는 환경이 필수적입니다.

팩트마이크로소프트는 10개의 도메인 환경과 2개의 기능 특화 환경을 포함한 총 12개의 훈련 환경을 구축했습니다. 9B 파라미터 모델을 이 환경에서 훈련한 결과, 기본 점수가 36.5%에서 67.1%로 약 2배 가까이 상승했습니다.

교차검증기존의 공개된 웹사이트를 활용한 훈련은 페이지 디자인 변경이나 데이터 변동성으로 인해 일관된 학습이 어렵다는 한계가 있습니다. 마이크로소프트는 데이터베이스를 완전히 통제할 수 있는 합성 환경을 구축하여 훈련의 안정성을 확보했습니다.

팩트에코버스는 패스트에이피아이(FastAPI)와 에스큐엘라이트(SQLite) 백엔드, 리액트(React) 인터페이스를 기반으로 구축되었습니다. 각 환경은 실제 애플리케이션의 동작을 재현하며, 데이터베이스 상태가 사용자 간에 일관되게 유지되도록 설계되었습니다.

주장에이전트가 특정 사용자 인터페이스(UI) 요소에서 반복적으로 실패할 경우, 해당 기능을 집중적으로 훈련하는 기능 특화 환경이 효과적입니다. 날짜 선택기나 중첩 필터와 같은 까다로운 요소를 다양한 형태로 연습하면, 에이전트는 훈련받지 않은 새로운 도메인에서도 이를 능숙하게 다룹니다.

팩트강화 학습을 통해 에이전트는 단순한 모방을 넘어 더 적은 단계로 목표를 달성하는 방법을 학습합니다. 검증기가 제공하는 보상을 통해 에이전트는 작업의 성공 여부를 스크린샷이 아닌 실제 애플리케이션의 상태 변화로 확인합니다.

교차검증얕은 수준의 환경에서 훈련받은 모델은 실제 복잡한 업무 환경에서 성능이 저하되는 현상을 보였습니다. 반면 깊이 있는 환경에서 훈련된 모델은 복잡한 권한 관리나 감사 기록과 같은 실제 업무 구조를 더 잘 이해합니다.

팩트마이크로소프트는 연구 커뮤니티를 지원하기 위해 4개의 환경에 대한 코드와 데이터, 검증 도구를 깃허브와 허깅페이스에 공개했습니다. 연구자들은 고충실도 컴퓨터 사용 환경을 활용하여 에이전트의 성능을 평가하고 개선할 수 있습니다.

주장환경 구축과 모델 훈련은 별개의 과정이 아닌 하나의 순환 과정으로 보아야 합니다. 모델이 실패하는 지점을 찾아 환경과 검증기를 개선하고 다시 훈련하는 과정을 반복할 때 모델의 성능이 비약적으로 향상됩니다.

주장이번 에코버스 공개는 인공지능 에이전트가 실제 업무 환경에 투입되기 위한 기술적 토대를 마련했다는 점에서 의미가 큽니다. 앞으로 더 복잡한 비즈니스 로직을 처리하는 에이전트 개발이 가속화될 전망입니다.

주장마이크로소프트는 향후 더 다양한 도메인 환경을 추가하여 에이전트의 범용성을 넓힐 계획입니다. 이는 단순한 자동화를 넘어 인간과 협업하는 지능형 에이전트의 표준을 제시합니다.

출처마이크로소프트 공식 블로그 및 관련 기술 보고서를 교차 검증했습니다.