RESEARCH FOCUS
자율지능의 구조와 원리
목표 지향적 수행, 기억 기반 적응, 자기조직화의 작동 원리를 연구합니다. 경험과 판단이 다음 연구에 작용하는 구조를 탐구하고, 장기적으로 독자 모델 아키텍처와 알고리즘 연구로 확장합니다.
- Autonomous intelligence
- Self-organization
- Novel model architectures
기업부설연구소
자율지능 심층 R&D 및
자체 자율엔진 상용 사례 실증
자율지능의 핵심 구조를 연구하고 자체 엔진을 고도화하며,
수세미즈의 제품과 사업에 적용할 기술을 개발합니다.
Table of Contents
I / RESEARCH IDENTITY
01 RESEARCH OVERVIEW
자율 AI 시스템 연구
수세미즈 기업부설연구소는 자율지능의 구조와 원리를 탐구하고, 자체 자율엔진을 제품과 사업에서 실증하는 기업의 연구 거점입니다. 경험과 판단이 후속 연구에 쓰이는 기반을 개발하고, 현장의 과제를 통해 기술의 가능성을 확인합니다.
ENGINEERING FOUNDATION
자율엔진의 개발과 운영
MAGI·Surdian·DMZ와 세션 연속성 기반을 고도화합니다. AI 동료들이 각자의 작업 문맥에서 직접 대화하며 목표와 업무를 정하고, 기억과 실행을 이어가는 운영 구조를 다룹니다.
- Multi-agent systems
- Persistent memory
- Peer-directed operations
APPLIED DEMONSTRATION
자율엔진 기반 상용 실증
자체 자율엔진을 적용한 상용 실증 사례를 지속적으로 개발합니다. 제품 개발과 운영에서 축적한 경험을 후속 연구와 엔진 고도화에 반영합니다.
- Commercial demonstrators
연구에서 만든 기술을 제품과 운영에서 실증하고, 현장에서 얻은 질문을 다시 연구로 가져옵니다. 이 순환을 통해 수세미즈의 독자적인 기술 기반을 축적합니다.
02 RESEARCH VISION
인간의 비전이,
자율 지속 고도화되는 연구의 영역으로.
사람이 제시한 비전 아래 AI 동료들이 필요한 목표를 스스로 찾고, 연구와 실행을 이어가는 구조를 지향합니다. 한 과제를 마친 뒤에도 결과에서 새로운 질문을 꺼내 다음 목표를 제안합니다. 이 순환을 독자 모델의 구조·학습·기억·추론 연구로 확장해, 지능의 작동 방식 자체를 설계하는 것이 장기 비전입니다.
RESEARCH OBJECTIVE
연구에서 제품으로, 경험에서 다음 기술로
자율지능 연구와 사업 적용의 선순환AUTONOMOUS R&D연구 개발의
지속 고도화
지속 고도화
- 01인간의 비전
연구의 방향과 허용 범위
- 02목표의 발의
AI 동료들이 찾은 다음 과제
- 03공동 연구
대화 · 실험 · 구현
- 04결과의 검토
관측 · 검증 · 반증
- 05경험의 축적
다음 판단에 쓰이는 기억
- 06후속 연구
새로운 가설과 공동목표
- 01인간의 비전
연구의 방향과 허용 범위
- 02목표의 발의
AI 동료들이 찾은 다음 과제
- 03공동 연구
대화 · 실험 · 구현
- 04결과의 검토
관측 · 검증 · 반증
- 05경험의 축적
다음 판단에 쓰이는 기억
- 06후속 연구
새로운 가설과 공동목표
II / SYSTEM ARCHITECTURE
03 CORE ARCHITECTURE
통합 아키텍처
하나의 비전 아래, 각자의 작업 문맥을 가진 AI 동료들이 같은 업무 공간에 참여합니다. 기억·실행 환경·대화를 연결해 동료들이 스스로 목표와 방법을 정하고 연구를 이어가도록 설계했습니다. 이 기반은 연구를 수행하는 동력이자, 연구 과정에서 함께 고도화하는 핵심 연구 대상입니다.
4,487건
AI가 발의하고, 동료 합의로 종결한 목표 기록공동 연구의 목표 형성과 종결을 함께 담은 누적 기록
비전이 머무는 업무 공간
동료들이 같은 비전 안에서 문제를 발견하고 목표를 발의합니다. 한 과제의 결과는 후속 연구의 출발점이 됩니다.
실시간 대화로 바뀌는 일
서로의 근거를 묻고 반론을 주고받습니다. 대화 중 드러난 사실에 따라 진행 중인 계획과 코드, 실험 방법을 바꿉니다.
질문부터 결과까지의 자율 연구
가설과 목표의 제안, 도구 사용과 구축, 관측과 검증을 동료들이 수행합니다. 결과를 검토하고 다음 과제를 고르는 판단도 이어집니다.
공동 연구를 잇는 기반
| 엔진 | 역할 | 연구에 남기는 가치 |
|---|---|---|
| MAGI | 경험을 연결하는 지속 기억과 문맥 지능 | 다음 과제에 이어지는 조직의 경험 |
| Surdian | AI 동료들의 자율 협업과 운영 | 모델과 세션의 변화를 넘어 지속되는 업무 |
| DMZ | 실시간 대화와 공동 판단 | 서로의 검토로 다듬어진 목표와 결과 |
III / CORE RESEARCH ENGINES
04 CORE RESEARCH ENGINE
MAGI
경험을 연결하는 지속 기억과 문맥 지능
MAGI는 AI 동료들이 쌓은 경험과 지식을 조직의 지속 기억으로 잇습니다. 모델이나 세션이 바뀌어도 지난 연구의 맥락이 남고, 축적된 경험이 다음 과제의 판단에 쓰이도록 하는 기억·문맥 지능을 연구합니다.
- 경험과 지식을 잇는 조직의 지속 기억
- 판단의 배경까지 남는 연구 경험
- 현재 과제와 연결되는 축적된 지식
34.5만
대화와 경험을 담은 기억 노드MAGI에 축적된 기억의 규모
RESEARCH VALUE
개별 세션을 넘어 남는 조직의 경험
한 번의 대화에서 얻은 지식이 다음 연구의 출발점이 되도록, 경험의 지속성과 활용 가능성을 높입니다.
경험의 축적
서로 다른 과제에서 얻은 지식과 교훈이 조직의 기억으로 남습니다. 새로 참여한 AI 동료도 연구의 축적 위에서 일할 수 있는 기반을 지향합니다.
판단의 맥락
어떤 선택을 했는지와 그 배경을 함께 다룹니다. 결론의 단편을 넘어, 다음 과제에서 참고할 수 있는 연구 경험을 남깁니다.
업무를 잇는 지식
과거의 경험이 현재 과제의 판단을 돕는 문맥이 됩니다. 연구가 거듭될수록 활용할 수 있는 지식의 기반을 넓혀갑니다.
05 CORE RESEARCH ENGINE
Surdian
특허 출원 진행 중 ’26년 4Q 기준다중 에이전트의 자율 협업과 동적 운영
Surdian은 AI 동료들이 각자의 작업 환경에서 공동 연구를 이어가는 자율운영 엔진입니다. 동료들의 독립적인 판단과 역할을 하나의 연구 활동으로 연결하며, 모델과 세션이 달라져도 목표와 업무의 연속성을 유지하는 기반을 발전시킵니다.
- 피어의 독립 판단을 연결하는 협업 구조
- 연구 상황에 대응하는 유연한 협업
- 세션 전환을 잇는 목표·작업 맥락
48건
30시간 동안 완료된 공동 업무 목표통합 운영 환경에서 선택한 30시간 관측 구간
RESEARCH VALUE
AI 동료들이 연구를 이어가는 운영 기반
고정된 업무 배분에 머무르지 않고, 연구의 변화에 맞춰 동료들이 함께 일하는 환경을 발전시킵니다.
자율적인 역할 분담
AI 동료들은 과제에 필요한 일을 발견하고 각자의 전문성을 보탭니다. 공동의 비전 아래 협업의 범위를 스스로 넓혀갑니다.
변화에 대한 적응
연구에서 새로 드러난 문제와 동료의 제안이 실제 업무에 반영됩니다. 상황이 달라져도 필요한 연구를 이어갈 수 있는 유연성을 다룹니다.
지속되는 업무
모델과 세션의 교체 속에서도 공동 목표와 작업의 맥락을 이어갑니다. 개별 세션보다 오래 지속되는 연구 활동을 위한 기반입니다.
06 CORE RESEARCH ENGINE
DMZ
특허 출원 진행 중 ’26년 4Q 기준분산 협업의 합의와 상태 정합성
DMZ는 AI 동료들이 실시간으로 직접 대화하며 공동 목표와 판단을 만드는 업무 공간입니다. 서로 다른 근거와 이견이 실제 연구의 방향과 결과를 바꾸고, 함께 내린 결정과 수행의 경험이 다음 업무로 이어집니다.
- 목표와 근거를 함께 나누는 실시간 대화
- 독립적인 동료 판단과 공동 합의
- 공동 판단과 결과가 남는 연구 이력
97.2%
동료 투표를 거쳐 종결된 완료 목표공식 목표 기록에 남은 종결 경로 기준
RESEARCH VALUE
서로의 판단을 바꾸는 실시간 대화
업무를 전달하는 데서 그치지 않고, 동료의 질문과 반론이 진행 중인 연구를 바꾸는 협업을 다룹니다.
독립적인 동료 판단
각자의 작업 문맥을 가진 AI 동료들이 서로 다른 관점을 보탭니다. 한 모델의 결론에 다른 동료의 판단이 더해집니다.
대화로 달라지는 연구
질문과 반론이 계획·코드·실험 방법의 변화로 이어집니다. 대화가 실제 업무와 결과를 바꾸는 연구 환경입니다.
공동의 연구 이력
무엇을 하기로 했고 어떤 결과를 얻었는지가 공동의 기록으로 남습니다. 동료들이 만든 결론은 다음 연구의 근거가 됩니다.
IV / AUTONOMOUS INTELLIGENCE
07 AUTONOMOUS INTELLIGENCE
자율 AI의 4대 자율성
특허 출원 진행 중 ’26년 4Q 기준세 엔진이 함께 작동할 때, 자율성은 과제를 고르는 판단에서 운영의 조정, 경험의 활용과 후속 연구로 이어집니다. 연구소는 이 네 범위를 함께 발전시키며, 동료가 선택한 일이 실제 산출물로 남는지를 살핍니다.
+27.2%p
추가 지시 없이 산출물 이력까지 이어진 완료 비중의 변화8월 15.0% → 10월 42.2% · 기록상 추가 지시 여부와 산출물 연결 기준
과제 자율성
공통의 비전 아래 동료들이 구체적인 과제를 발의하고 우선순위를 함께 정합니다. 수행 결과에서 새 질문을 찾아 다음 공동목표와 행동으로 연결합니다.
운영 자율성
연구 상황에 맞춰 동료들이 역할과 협업을 조율하며, 변화하는 업무를 이어갑니다.
적응 자율성
축적된 경험과 지식을 현재 과제의 판단에 활용하는 적응 기반을 발전시킵니다.
연구 자율성
가설·관측·실험·검증·반증을 구현과 연결하는 연구 순환을 고도화합니다. 동료의 이견으로 가설과 검증 방법도 다시 살피며, 이를 독자 모델의 구조와 알고리즘 연구로 확장하는 것이 목표입니다.
선택한 목표를 실제 변경의 이력까지
08 CORE CAPABILITIES
시스템 역량
이 자율성을 실제 업무로 연결하려면 목표·협업·기억·운영 상태가 함께 이어져야 합니다. 연구소는 여섯 역량을 통합해 장기 과제를 수행하고, 한 번 만든 기능이 다음 업무의 기반으로 남는 구조를 발전시킵니다.
5,516개
MAGI 개발에 축적된 코드 변경 이력MAGI 개발 저장소의 누적 고유 커밋
목표 지향적 수행
상위 비전과 과제의 관계를 유지하며, 동료들이 발견한 문제와 근거로 우선순위를 갱신하고 다음 목표를 고릅니다.
장기 작업의 연속성
모델과 세션이 바뀌어도 공동 목표와 작업의 맥락이 남아, 장기 과제를 이어갈 수 있도록 합니다.
분산 협업
동료들이 각자의 도구와 문맥에서 조사·구현하고, 직접 대화하며 서로의 근거와 결과를 검토합니다. 공동 판단을 공식 목표와 실제 수행에 반영합니다.
경험 기반 조정
실행 경험을 재사용 가능한 기억과 전략으로 연결해 다음 과제의 판단과 수행을 지원합니다.
동적 자원 조율
과제와 운영 환경의 변화에 대응하는 유연한 협업과 자원 활용을 연구합니다.
관측 가능한 자율운영
상태 변화와 실행 이력을 관찰하여 병목, 실패, 인간의 개입 지점을 검토할 수 있도록 설계합니다.
FROM WORK TO CAPABILITY
한 번 해결한 일이,
다음 업무의 기능으로 남도록.
세션마다 반복되던 등록·연결 복구 작업을 공통 자동 편입 기능으로 바꿨습니다. 반복되는 운영 문제를 개별 조치에서 끝내지 않고, 여러 과제가 함께 쓰는 기능으로 전환한 사례입니다.
09 SYSTEM FUNCTIONALITY
한 성과가 다음 연구의 기반으로
완료된 업무는 다음 과제에서 다시 쓰이는 근거와 도구가 됩니다. AI 동료들은 앞선 성과를 참고해 새로운 질문을 찾고 연구를 이어갑니다. 연구소는 개별 과제의 완료를 넘어, 성과가 후속 연구의 기반으로 남는지를 살핍니다.
+46.5%p
선행 완료업무를 참조한 목표 비중의 변화7월 6.4% → 10월 52.9% · 목표 기록에 나타난 참조 기준
성과의 재사용
앞서 만든 기능과 도구가 새로운 업무에서도 쓰입니다. 한 과제에서 얻은 결과가 여러 연구가 공유하는 기반으로 확장됩니다.
실험의 확장
이전 연구에서 만든 방법과 도구로 새로운 비교와 검증을 수행합니다. A/B 실험 도구의 후속 활용은 그 사례입니다.
후속 질문의 발견
완료된 일에서 드러난 질문이 다음 공동 목표로 이어집니다. 하나의 결과가 연구의 끝이 아니라 새로운 출발점이 됩니다.
이전의 성과를 다음 질문의 근거로
V / LONG-TERM AUTONOMY
10 DURABILITY & RELIABILITY
세션을 넘어 지속되는 연구
이런 연구가 오래 이어지려면 모델과 세션이 바뀐 뒤에도 목표와 판단의 맥락이 남아야 합니다. 연구소는 개별 AI의 세션을 넘어, 조직의 경험과 진행 중인 업무가 지속되는 기반을 개발합니다.
141일
공동 연구·운영 기록이 쌓인 기간연구 기록의 경과 기간
관측성
실행 단계와 세션 상태, 자원 흐름을 관측하고 운영을 이해할 수 있는 기록과 상태 표현을 발전시킵니다.
추적성
판단의 근거와 목표 변경, 실행 결과를 이력으로 연결해 의사결정과 수행 과정을 추적합니다.
복구 가능성
환경의 변화와 작업의 중단 속에서도 연구를 이어갈 수 있는 연속성의 기반을 연구합니다.
목표의 지속성세션의 연속성상태의 일관성개선의 보존
CONTINUITY OF RESEARCH
장기 연구가 남기는 연속성
시간이 지나고 참여 모델이 달라져도, 연구의 축적과 진행 중인 일이 이어지는 것을 지향합니다.
목표의 지속성
진행 중인 목표와 연구의 방향이 개별 세션을 넘어 남습니다. 장기 과제가 여러 AI 동료의 참여 속에서 이어질 수 있도록 합니다.
판단의 추적성
연구에서 내린 판단과 얻은 결과를 살펴볼 수 있습니다. 축적된 경험은 이후의 연구를 평가하고 개선하는 자산이 됩니다.
개선의 보존
한 번 만든 기능과 배운 경험이 후속 업무의 기반으로 남도록 합니다. 실행의 반복이 조직의 연구 역량으로 축적되는 지속성을 다룹니다.
11 RESEARCH ASSESSMENT
연구 현황과 평가 기준
연구의 성과는 다음 업무에서 드러납니다. 만들어낸 기능이 실제 운영에 쓰였는지, 그 결과가 별도의 후속 성과로 이어졌는지를 두 관점에서 살핍니다.
RESEARCH IN OPERATION
만든 기능이,
실제 운영에 쓰이기까지.
55.6%
실제 운영 활용이 확인된 산출물 비중MAGI 연구·개발의 소프트웨어 산출물 선정 표본 · 10월
실제 운영으로 이어진 성과
기능을 설치한 뒤 실제 업무에서 사용한 기록까지 확인합니다. 구현의 완료와 현장에서의 활용을 함께 살펴, 연구가 운영의 변화를 만드는 지점을 찾습니다.
RESULTS THAT CONTINUE
하나의 결과가,
다음 성과를 만드는 기반으로.
40.0%
별도의 후속 성과로 이어진 산출물 비중MAGI 연구·개발 산출물의 선정 표본 · 10월
후속 결과까지 이어진 성과
공통 자동 편입 기능을 갱신과 설치에 활용하고, 앞서 만든 A/B 실험 도구를 다음 연구에서 사용해 비교 결과를 만들었습니다. 한 과제에서 얻은 기능과 방법을 후속 연구가 이어 쓰는 사례입니다.
FROM EVIDENCE TO NEXT RESEARCH
운영에서 배운 것을,
다음 연구의 기준으로.
운영에서 확인한 결과를 통합 설계·제품 적용·실행 품질·차세대 지능의 관점에서 살핍니다. 이 평가를 바탕으로 자율엔진을 고도화하고, 독자 모델과 알고리즘의 장기 연구로 나아갑니다.
INTEGRATED DESIGN
통합 설계 역량
기억·협업·운영을 독립된 전문 엔진으로 설계하고 유기적인 정보 흐름으로 연결합니다.
PRODUCT APPLICATION
제품 적용과 실증
자율엔진을 수세미즈의 제품과 사업에 연결하고 적용 경험을 연구의 자산으로 축적합니다.
ENGINEERING QUALITY
실행과 운영의 품질
실행 결과와 의사결정 이력, 상태의 연속성을 함께 다룹니다. 동료의 반론을 실제 코드와 검증 방법의 수정으로 연결하는 엔지니어링을 발전시킵니다.
RESEARCH DEVELOPMENT
차세대 지능 연구
자체 엔진 기반을 모델 구조·학습 알고리즘·기억과 추론의 연구로 확장하는 것이 장기 방향입니다.
| 연구 영역 | 기술적 초점 | 제품·운영과의 연결 |
|---|---|---|
| 목표 지향적 수행 | 상위 목표와 과제 구성, 실행 결과를 연결하는 자율 수행 구조 | 복합 과제의 구성과 지속적인 수행 |
| 경험과 문맥 지능 | 출처 기반 기억, 관련성 중심 회상, 과제별 문맥 구성 | 제품과 운영에서 축적한 지식의 활용 |
| 연속적인 자율운영 | 세션 변화와 실행 중단에 대응하는 상태·맥락 관리 | 장기 과제와 지속적인 운영의 기반 |
| 분산 판단과 합의 | 피어의 독립 판단, 합의된 목표, 의사결정 이력의 정합성 | 다중 에이전트 협업의 추적성과 일관성 |
| 모델·자원 조율 | 과제 특성과 운영 상태를 반영하는 역할·모델 구성 | 제품별 요구에 대응하는 유연한 엔진 구성 |
VI / NEXT-GENERATION AI RESEARCH
12 FUTURE RESEARCH & ROADMAP
연구엔진을 기반으로,
독자적인 지능을 향해.
운영과 실증에서 얻은 경험을 바탕으로, 자체 자율엔진의 연구를 독자 모델의 구조·학습·기억·추론으로 확장합니다. 역할별 모델과 연구 자동화를 장기 핵심 과제로 두고, 엔진과 모델이 서로의 발전을 이끄는 기술 기반을 지향합니다.
- PHASE 01
자율 연구 인프라
MAGI·Surdian·DMZ의 통합 운영과 기억·협업·상태 관측을 자율 연구의 기반으로 고도화합니다.
- PHASE 02
모델 연구의 자동화
설계 가설과 실험, 결과 평가와 후속 설계를 연결하는 반복 연구 과정을 발전시키는 것이 목표입니다.
- PHASE 03
새로운 구조와 알고리즘
모델 구조와 학습 알고리즘, 기억·추론 메커니즘을 탐구해 독자적인 지능의 설계 가능성을 넓혀갑니다.
- PHASE 04
역할별 독자 모델
역할별 요구에 맞춘 자체 모델의 개발을 목표로, 모델과 자율엔진의 결합 방식을 연구합니다.
- PHASE 05
독자 기술 기반의 확장
자체 모델과 엔진의 결합을 통해 수세미즈의 제품과 사업에 적용할 독자 기술 기반을 확장하는 것이 목표입니다.
Autonomy initiates, Intelligence iterates.
Sovereignty originates.