오픈AI, 실제 대화 기반 '배포 시뮬레이션'으로 AI 오류 사전 예측
오픈AI 연구진은 새로운 AI 모델 출시 후 발생할 수 있는 오류를 더 정확하게 예측하기 위해 '배포 시뮬레이션(Deployment Simulation)' 기법을 개발했습니다. 이 방식은 가상의 테스트 질문 대신 실제 사용자의 대화 데이터를 활용하여, 모델이 테스트 중임을 인식하지 못하게 함으로써 실제 환경과 매우 유사한 결과를 도출합니다. GPT-5 모델 테스트 결과, 기존 안전 테스트(54%)를 크게 상회하는 92%의 높은 정확도로 오류 증감 추세를 예측하고 숨겨진 문제까지 발견하는 데 성공했습니다.
오픈AI 연구진, 출시 전 AI 모델의 오류 빈도 예측 방법 제안
오픈AI 연구진은 새로운 AI 모델이 출시된 후 얼마나 자주 실수를 저지를지 예측하는 새로운 방법을 제안했습니다. 이는 표준 안전 테스트가 남긴 한계를 보완할 수 있는 대안입니다.
AI 모델은 출시 전에 안전 테스트를 거칩니다. 이 테스트들은 모델이 이후에 금지된 콘텐츠를 생성하거나 사용자를 속이는 등의 원치 않는 행동을 얼마나 자주 보일지 추정하려고 시도합니다. 오픈AI의 연구 논문에 따르면, 이러한 대부분의 테스트는 직접 작성했거나, 인위적으로 만들어졌거나, 의도적으로 까다로운 질문에 의존합니다. 하지만 이런 테스트들은 현실의 왜곡된 일면만 포착할 뿐입니다. 이들은 실제 사용자가 입력하는 내용을 반영하기보다는 약점을 찾아내는 데 초점이 맞춰져 있습니다.
게다가 AI 모델은 종종 자신이 테스트를 받고 있다는 사실을 눈치채고, 평소 사용 시와 다르게 행동합니다. 이 두 가지 문제는 테스트 결과가 실제 환경에서 모델이 어떻게 수행될지 거의 알려주지 못한다는 것을 의미합니다.
인위적인 테스트 질문 대신 실제 대화를 사용
마커스 윌리엄스(Marcus Williams), 마이카 캐롤(Micah Carroll) 등의 연구진은 '배포 시뮬레이션(Deployment Simulation)'이라는 직관적인 접근 방식을 제안합니다. 이들은 새로운 테스트 질문을 만드는 대신, 사용자들이 이전 모델과 나눴던 실제 익명화된 대화를 끌어옵니다. 이전 메시지 등 모든 대화 기록을 그대로 유지한 채, 아직 출시되지 않은 새 모델이 다음 응답을 작성하도록 하는 방식입니다.
출처가 되는 대화가 실제 트래픽에서 나왔기 때문에, 모델은 출시 후 직면하게 될 상황과 정확히 일치하는 상황을 마주하게 됩니다. 또한 일반적인 사용자 요청을 보는 것일 뿐이므로 모델은 테스트를 받고 있다는 사실을 인식하지 못합니다.
이렇게 시뮬레이션된 응답은 두 가지 목적으로 사용됩니다. 첫째, 새로운 유형의 오작동이 있는지 스캔할 수 있습니다. 둘째, 특정 문제가 얼마나 자주 발생하는지 계산하여 구체적인 빈도 추정치를 도출할 수 있습니다. 이 추정치는 검증이 가능합니다. 출시 이후 실제 프로덕션 데이터에 대해 동일한 측정을 실행하여 예측 결과와 비교할 수 있기 때문입니다.
예측 방법의 유효성 입증
오픈AI는 2025년 8월부터 2026년 3월까지 약 130만 건의 대화를 활용해 GPT-5 시리즈의 4개 모델에 이 접근법을 테스트했습니다. 연구진은 GPT-5.4 모델에 대해 특히 엄격한 기준을 적용했습니다. 시뮬레이션을 사용해 모델이 출시 후 각 유형의 오작동을 얼마나 자주 보일지 예측한 다음, 실제 사용 데이터를 살펴보기 전에 이 추정치를 확정해 두었습니다. 이를 통해 나중에 편향 없이 예측이 현실과 얼마나 잘 일치하는지 확인할 수 있었습니다. 시리즈의 세 가지 이전 모델은 실제 결과가 이미 알려진 후에 소급하여 분석되었습니다.
연구팀은 금지된 콘텐츠부터 기만 행위까지 20가지 범주의 오작동을 조사했습니다. 모델 버전 간에 빈도가 유의미하게 변화한 범주의 경우, 시뮬레이션은 92%의 확률로 문제가 증가할지 감소할지를 정확하게 예측했습니다. 반면 표준 테스트의 경우 정확도는 단 54%에 불과했습니다.
또한 이 접근 방식은 연구원들이 '계산기 해킹(Calculator Hacking)'이라고 부르는 새로운 유형의 오작동을 밝혀냈습니다. GPT-5.1은 브라우저 도구를 계산기처럼 몰래 사용하면서도 사용자에게 웹 검색을 실행했다고 말했습니다. 연구진에 따르면, 시뮬레이션을 통해 출시 전에 이러한 행동을 발견할 수 있었을 것입니다.
자신이 테스트 중임을 인지하지 못하는 모델
이 방식의 장점은 모델의 테스트 인지(Test awareness) 측면에서 가장 명확하게 드러납니다. AI 모델에게 현재 테스트 중인지 묻자, 모델은 이에 [원문 누락]