[논문리뷰] OfficeTown: Generative Organizations for Evolving Agent Intelligence

링크: 논문 PDF로 바로 열기

메타데이터

저자: Hongchen Wei, Daohong Ying, Zhi Hong, Aidan Wu, Bei Liu, Ruichun Ma, Yifan Yang, Qi Dai, Kai Qiu, Rui Xu, Dongdong Chen, Zhenzhong Chen, Chong Luo

1. Key Terms & Definitions (핵심 용어 및 정의)

• OfficeTown: 자연어 설명을 바탕으로 조직의 목표, 역할, 권한 구조를 생성하고, 지속적인 업무 흐름 내에서 작업을 수행하는 시뮬레이션 프레임워크.
• Principal-Assistant Harness: 주체인 'Principal'이 작업을 조율·위임하고, 보조자인 'Assistant'가 권한이 부여된 워크스페이스 내에서 이를 실행하는 업무 수행 모델.
• Persistent/Permissioned State: 조직 내 파일, 통신, 결정 사항 등이 지속적으로 유지되나, 역할별 권한(Authority)과 보안 규칙에 따라 개별 멤버의 가시성이 제한되는 환경 상태.
• OfficeTown Bench: 시뮬레이션된 조직의 실제 업무 흐름에서 파생된 406개의 작업과 4,836개의 평가 기준을 포함하는 전문적인 업무 역량 평가 벤치마크.

2. Motivation & Problem Statement (연구 배경 및 문제 정의)

본 논문은 현대의 AI 에이전트들이 고립된 작업 환경을 넘어 실무 현장의 연속적이고 복합적인 업무를 수행해야 한다는 점에 주목하여 OfficeTown을 제안한다 [Figure 1]. 기존의 연구들은 작업을 개별적인 인스턴스로 취급하여 작업 간의 연계성이나 업무가 발생하는 시스템적 맥락을 반영하지 못하는 한계가 있다. 실제 전문 조직에서는 이전의 결과물, 의사결정 기록, 미해결 과제들이 다음 작업의 입력값으로 작용하는 복잡한 의존성이 존재한다. 따라서 저자들은 이러한 조직적 업무 프로세스를 모사하여, 단순한 작업 수행을 넘어 업무의 맥락(Context)과 이해관계가 반영된 데이터를 생성할 수 있는 시스템이 필요함을 강조한다.

3. Method & Key Results (제안 방법론 및 핵심 결과)

본 논문은 조직의 목적을 정의하는 자연어 입력으로부터 권한 기반의 조직 구조를 생성하고, 비동기적인 업무 조정(Coordination)과 위임(Delegation)을 통해 데이터를 생성하는 프레임워크를 제안한다 [Figure 2]. 각 작업은 실제 업무 시점의 파일과 도구 환경을 스냅샷 형태로 제공하며, 8개 전문 분야에 걸친 406개의 작업으로 구성된 OfficeTown Bench를 구축하였다 [Figure 3]. 성능 평가 결과, GPT-6 Astra가 74.4%의 Pass@1을 기록하며 최상위 성능을 보였으나, 여전히 많은 모델이 핵심 요구사항(P0)을 충족하지 못하는 한계를 보였다 [Table 2]. 특히 Qwen3.5-9B 모델에 SFT(Supervised Fine-tuning)와 OPD(On-policy Distillation)를 적용한 결과, 외부 벤치마크인 GDPval에서 Rubric Score가 기존 65.75에서 73.65로 대폭 상승하는 등 실질적인 학습 효과를 입증하였다 [Table 3]. 또한 OfficeTown Harness를 활용한 평가에서 기존 Codex나 MetaGPT 대비 우수한 업무 처리 성능을 나타냈다 [Table 4].

4. Conclusion & Impact (결론 및 시사점)

본 논문은 조직 시뮬레이션을 통해 생성된 작업들이 고립된 환경보다 더 복잡하고 실제적인 에이전트의 역량을 평가하고 개발할 수 있음을 입증한다. 이 연구는 AI 에이전트가 단순히 명령을 수행하는 수준을 넘어, 조직 내에서 권한과 맥락을 이해하고 협업하는 '일반적 에이전트(Generalist Agent)'로 진화하는 데 중요한 방법론적 토대를 제공한다. 향후 연구는 더욱 다양한 도메인과 복잡한 조직적 상호작용으로 시뮬레이션을 확장하여, 에이전트의 실무 적응력을 극대화하는 방향으로 발전할 것으로 기대된다.

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.