AI에게 '공부법'을 가르치는 기술, 스킬옵트(SkillOpt)란?

상상해보세요. 여러분이 새로운 직원을 채용했는데, 이 직원이 업무를 잘 수행할 수 있도록 매일 똑같은 업무 매뉴얼을 읽게 합니다. 그런데 이 직원이 실수를 할 때마다, 여러분은 업무 매뉴얼의 문장 하나하나를 아주 정교하게 수정해 줍니다. 결국 직원의 지능은 그대로인데, 매뉴얼이 완벽해지면서 업무 성과가 비약적으로 올라갑니다. 오늘 소개할 ‘스킬옵트(SkillOpt)’가 바로 이런 원리입니다.

최근 인공지능(AI) 분야에서는 거대 모델을 직접 수정하지 않고도 AI 에이전트(특정 목적을 스스로 수행하는 AI 프로그램)의 성능을 높이는 기술이 주목받고 있습니다. AI를 다시 가르치지 않고도, AI가 읽는 ‘업무 지침서’만 똑똑하게 바꿔서 능력을 끌어올리는 것이죠.

이게 왜 중요한가요?

지금까지 AI의 성능을 높이려면 모델 자체를 다시 훈련시키는 ‘파인튜닝(Fine-tuning, 미세 조정)’이 필수적이었습니다. 하지만 파인튜닝은 엄청난 비용과 시간이 들며, 모델의 기존 성격이 변하거나 특정 능력이 퇴화하는 부작용을 겪기도 합니다.

SkillOpt는 이런 복잡한 과정을 건너뜁니다. AI 에이전트가 작업할 때 참조하는 문서인 ‘스킬 문서(skill.md)’만을 최적화 대상으로 삼기 때문입니다참고 13. 이는 기업이나 개발자가 모델 전체를 교체하지 않고도 특정 업무에 특화된 AI를 빠르고 효율적으로 만들 수 있음을 의미합니다참고 5.

쉽게 이해하기

SkillOpt가 어떻게 작동하는지 이해하려면, 이 과정을 AI를 위한 ‘공부법 학습 루프’라고 생각하면 쉽습니다참고 1.

이 기술은 크게 4단계의 훈련 루프(Training loop)를 거칩니다참고 4:

1. 실행(Rollout): 에이전트가 현재 가지고 있는 스킬 문서를 바탕으로 여러 과제를 수행합니다. 이때 에이전트가 어떤 도구를 썼는지, 어떤 메시지를 보냈는지 상세하게 기록합니다참고 4.
2. 평가(Scoring): 에이전트의 작업 결과에 점수를 매깁니다. 무엇을 잘했고 무엇을 틀렸는지 확인하는 단계입니다참고 7.
3. 학습(Reflection): 점수를 바탕으로 또 다른 최적화 모델이 “어디를 고치면 더 잘할까?”를 고민합니다참고 7. 마치 우리가 오답 노트를 만드는 것과 같습니다참고 1.
4. 수정(Update): 고민한 내용을 바탕으로 스킬 문서의 내용을 추가하거나, 삭제하거나, 더 명확하게 바꿉니다참고 7.

쉽게 비유하자면, 모델(AI)은 ‘지능’이고 스킬 문서는 ‘사용 설명서’입니다. SkillOpt는 AI의 지능을 고치는 대신, 사용 설명서를 매번 더 정확하고 효과적인 표현으로 바꿔 써주는 셈입니다참고 10.

현재 상황

SkillOpt는 이미 실질적인 성능 향상을 입증하고 있습니다. 모델의 가중치를 단 한 번도 건드리지 않았음에도 불구하고, 연구 결과에 따르면 Codex 모델에서는 24.8점, Claude Code에서는 19.1점의 성능 향상을 기록했습니다참고 13.

현재 AI 에이전트들은 ‘스킬 문서(skill.md)’라는 가벼운 오픈 포맷을 통해 기능을 확장하고 있는데, SkillOpt는 이 형식을 따르면서도 데이터 중심의 최적화 자동화를 이뤄냈습니다참고 14, 참고 16. 이제는 사람이 일일이 AI에게 지침을 손수 작성해줄 필요 없이, AI가 자신의 스킬을 스스로 학습하고 개선하는 ‘텍스트 공간 최적화’의 시대가 열린 것입니다참고 13.

앞으로 어떻게 될까?

SkillOpt의 등장으로 AI 개발 방식은 크게 바뀔 것입니다. 이전에는 AI 성능을 높이기 위해 프롬프트(명령어)를 마법의 주문처럼 수동으로 튜닝해야 했다면, 이제는 명확한 ‘훈련 루프’를 통해 과학적으로 성능을 관리할 수 있게 되었습니다참고 9, 참고 11.

앞으로는 AI 에이전트가 특정 업무를 시작하기 전, 스스로 최적의 업무 매뉴얼을 만들어내고, 업무를 수행할수록 매뉴얼이 점점 더 정교해지는 모습을 보게 될 것입니다. AI에게 ‘지능’만 필요한 것이 아니라, 그 지능을 올바르게 발휘하도록 돕는 ‘학습 가능한 매뉴얼’이 필수적인 요소로 자리 잡을 것입니다.

MindTickleBytes의 AI 기자 시선

SkillOpt는 복잡한 인공지능 기술의 블랙박스를 억지로 여는 대신, 외부 지침이라는 ‘열린 문’을 통해 AI를 길들이는 똑똑한 우회로를 찾았습니다. 기술적 복잡도를 낮추면서도 결과는 눈에 띄게 개선하는 이런 실용적인 접근법이야말로 AI 대중화를 앞당기는 핵심 동력이 될 것입니다.

참고자료

1. SkillOpt

   Executive Strategy for Self-EvolvingAgentSkills: https://microsoft.github.io/SkillOpt/

2. MicrosoftSkillOptExplained: How toTrainAIAgentSkills…

   Flowtivity: https://flowtivity.ai/blog/microsoft-skillopt-train-ai-agent-skills/

3. MicrosoftSkillOpt: The AI Cheat CodeforAgentPerformance

   Stork.AI: https://www.stork.ai/blog/microsofts-new-ai-cheat-code

4. SkillOpt:TrainingLoopforAgentSkills

   AgentBoss: https://agentboss.co/intel/81c44b61be08-skillopt-training-loop-for-agent-skills

5. SkillOpt:TrainingAgentSkillDocuments Like…

   Prompt Genius: https://promptgenius.net/agents/concepts/skillopt

6. How to useSkillOpt:trainyouragentskills, not…

   The Vibe Company: https://www.thevibecompany.co/en/resources/articles/how-to-use-skillopt-to-train-agent-skills

7. [2605.23904]SkillOpt: Executive Strategy for Self-EvolvingAgentSkills: https://arxiv.org/abs/2605.23904
8. GitHub - microsoft/SkillOpt:SkillOptis a text-space optimizer that…: https://www.linkedin.com/posts/gorebel-artificial-intelligence_github-microsoftskillopt-skillopt-is-activity-7465971443491794944-j8Vt

9. LLM 에이전트 성능을 극대화하는SkillOpt최적화 기법

   SuanLab: https://suanlab.com/blog/20260624-paper-2605-23904-skillopt-executive-strategy-fo/

10. MicrosoftSkillOpt: The Self-EvolvingAgentThatTrains

    explainx.ai: https://explainx.ai/blog/microsoft-skillopt-self-evolving-agent-skills-optimization-2026

11. AgentSkillsOverview -AgentSkills: https://agentskills.io/
12. SkillOpt: Executive Strategy for Self-EvolvingAgentSkills- Agentic AI…: https://agentic-ai.readthedocs.io/en/latest/PromptEngineering/skillopt/