AI 에이전트(agent) 프로토콜이 빠르게 확산되면서, 이들의 상호운용성(interoperability) 표준을 형성하는 거버넌스(governance) 구조에 대한 실증적 연구가 부족하다는 지적이 있었습니다. 최근 발표된 연구는 이러한 간극을 메우기 위해 대규모 언어모델(LLM)을 활용한 새로운 분석 파이프라인을 제안했습니다. 이 파이프라인은 AI 에이전트 프로토콜의 거버넌스 담론을 대규모로 비교 분석하여, 사회 기술적 권력 구조를 심층적으로 이해하는 데 기여합니다.
연구팀은 LLM 기반 파이프라인에 자동 주석, 신경망 토픽 모델링(neural topic modeling), 다층 네트워크 분석(multi-layer network analysis) 기술을 통합했습니다. 이를 통해 4,323건의 거버넌스 참여 기록을 분석했으며, 특히 두 가지 대조적인 에이전트 상호운용성 표준인 ERC-8004(탈중앙화 자율 조직, DAO 기반의 허가 없는 온체인 방식)와 구글 A2A(기업 주도 방식)를 비교 대상으로 삼았습니다. LLM의 지원을 받아 코딩하고, 토픽 모델링 및 다층 네트워크 분석을 결합하여 제도 설계가 주제 우선순위와 커뮤니티 구조에 어떤 영향을 미치는지 면밀히 조사했습니다.
분석 결과, 거버넌스 형태가 실질적인 초점에 영향을 미치기는 하지만, 두 가지 거버넌스 체제 모두 참여 불평등과 커뮤니티 분열 수준은 비슷하게 나타났습니다. 흥미로운 점은 허가 없는(permissionless) 설정에서 담론의 정렬(discourse alignment)이 더 밀집되어 있다는 것입니다. 이는 개방형 거버넌스가 분산된 참여에도 불구하고 더 큰 주제적 수렴(thematic convergence)을 촉진할 수 있음을 시사합니다. 이러한 발견은 LLM 기반 방법론이 기술 거버넌스에 대한 실증 연구를 발전시키고, 보다 공평한 에이전트 AI 표준을 설계하는 데 중요한 시사점을 제공함을 보여줍니다. 모든 데이터와 코드는 공개적으로 이용 가능합니다.