세계 3대 인공지능(AI)·머신러닝 학회로 꼽히는 ICML(국제머신러닝학회)이 2026년, 공식 43번째 회차 만에 처음으로 한국에서 열렸다. 2026년 7월 6일부터 11일까지 서울 코엑스(COEX)에서 진행된 이번 ICML 2026에는 1만 명이 넘는 연구자가 모였고, 사상 최대인 2만 4,000여 편의 논문이 제출됐다. 그리고 이 거대한 학회가 던진 한 문장짜리 메시지는 분명했다 — AI는 이제 ‘더 똑똑한 모델’을 넘어 ‘스스로 일하는 시스템(에이전틱 AI)‘으로 넘어가고 있다.

이 글은 ICML 2026의 개요와 핵심 내용, 그리고 그것이 우리가 AI와 ‘일하는 방식’에 던지는 영향을 정리한 초안이다. 결론부터 말하면, 서울에서 확인된 흐름은 하나로 모인다 — 사람이 단계마다 지시하던 AI에서, 목표만 주면 알아서 도구를 쓰고 작업을 끝내는 AI로의 전환이다.

crowd of people sitting on chairs inside room Photo by Headway on Unsplash

ICML 2026 개요 — 한국 최초 개최라는 이정표

ICML은 뉴립스(NeurIPS)·ICLR과 함께 세계 3대 AI 학회로 불리며, 그중 가장 오래된 학회다. 1980년 카네기멜런대의 소규모 워크숍으로 출발해 1993년 정식 학회로 자리 잡은 이 학회의 43번째 회차가 아시아, 그중에서도 서울에서 처음 열렸다는 사실 자체가 한국 AI 연구 위상의 방증이다.

이 폭발적 성장은 우연이 아니다. 1980년 CMU 워크숍에 모인 이는 수십 명에 불과했다. 머신러닝이 데이터·연산·투자를 빨아들이며 산업의 엔진이 된 2010년대 딥러닝 붐 이후, 학회는 ‘연구자들의 소모임’에서 ‘기술 패권의 각축장’으로 성격이 바뀌었다. 논문 2만여 편이라는 숫자는 학문의 성숙이라기보다, AI가 국가·기업 전략의 최전선이 됐다는 신호에 가깝다.

규모는 역대급이었다. 아래 표는 ICML 2026의 핵심 지표다.

항목내용
정식 명칭제43회 국제머신러닝학회(ICML 2026)
기간·장소2026년 7월 6~11일, 서울 코엑스
참가자1만 명 이상
논문 제출약 2만 4,371편(사상 최대, 리뷰 대상 23,918편)
논문 채택약 6,352편(채택률 약 27%)
일정 구성6일 튜토리얼·엑스포 / 79일 본회의 / 1011일 워크숍

출처: ICML 공식(icml.cc), 논문 통계 매체 종합(2026).

제출 논문 수의 증가 곡선이 AI 연구의 폭발을 그대로 보여준다. 2015년 1,037편, 2025년 1만 2,107편이던 것이 2026년 2만 4,000여 편으로 뛰었다. 10년 만에 20배가 넘는다.

ICML 논문 제출 수 (편, 높을수록 연구활발) 1,037 2015 12,107 2025 24,371 2026
ICML 논문 제출 수는 10년 만에 20배 넘게 늘었다. AI 연구 인력·투자의 폭증을 보여준다. 출처: 매체 통계 종합(2026).

기조연설에는 대화형 AI 권위자 파스칼 펑(Pascale Fung), 경제학·인과추론의 수전 애시(Susan Athey), AI 이론의 샴 카카데(Sham Kakade) 등이 올라 대화형 AI부터 AI 안전까지 폭넓은 주제를 다뤘다.

최대 화두 — ‘에이전틱 AI’, 스스로 일하는 기계

ICML 2026을 한 단어로 요약하면 **에이전틱 AI(Agentic AI)**다. 워크숍 의장단에 따르면, 접수된 247건의 워크숍 제안 중 60건에 ‘에이전틱 AI’라는 표현이 들어갔다. 학회 기준으로도 이례적인 쏠림이라는 평가다.

연구의 초점이 분명히 이동했다. 지난 몇 년이 ‘더 크고 똑똑한 모델’을 만드는 경쟁이었다면, 서울에서 확인된 무게중심은 **‘스스로 판단해 안정적으로 일하는 자율 시스템’**이었다. 에이전트 훈련, 장기 과제 수행(long-horizon), 도구 사용(tool use), 다중 에이전트 협력(multi-agent coordination) 같은 주제가 여러 트랙을 채웠다. 사람이 매 단계 개입하지 않아도 현실에서 신뢰성 있게 — 그리고 안전하게 — 작동하는 AI를 만드는 것이 핵심 질문으로 떠오른 것이다.

사실 ‘스스로 일하는 기계’는 AI의 오래된 꿈이자, 그 실현 방식이 시대마다 갈렸던 화두다. 197080년대 전문가시스템은 규칙을 사람이 일일이 짜 넣어 ‘자율’을 흉내 냈고, 19902000년대 통계학습은 데이터에서 규칙을 배우게 했으며, 2010년대 딥러닝은 인식(認識)의 벽을 허물었다. 2020년대 LLM이 ‘언어로 사고하는’ 층을 얹자, 이제 남은 조각이 ‘판단하고 행동하는’ 에이전트다. 에이전틱 AI는 이 반세기 계보의 최신 지층인 셈이다.

바로 이 지점이 실무자에게 중요하다. ‘에이전틱 AI’는 곧 AI와 일하는 방식의 전환을 뜻하기 때문이다. 챗봇에 질문하고 답을 받아 사람이 실행하던 방식에서, 목표만 정해 주면 AI가 스스로 검색하고 도구를 호출하고 작업을 완결하는 방식으로 옮겨간다. ICML 2026은 이 전환이 마케팅 구호가 아니라 연구 최전선의 실제 흐름임을 확인해 준 자리였다.

speaker on stage addressing large audience Photo by Alexandre Pellaes on Unsplash

두 번째 축은 AI 안전이었다. 에이전트가 스스로 행동하는 만큼, 그 행동이 예측 가능하고 통제 가능해야 한다는 문제의식이 커졌다. 자율성이 높아질수록 안전장치의 중요성도 함께 올라가는 것 — ‘에이전트 안전 시대(AI agent safety era)‘라는 표현이 회자된 이유다. 여기에 학습 데이터 부족을 메우는 합성 데이터(synthetic data) 생성도 주요 주제로 다뤄졌다.

수상 논문이 말해주는 흐름 — 확산모델과 A3C

그해의 연구 지형은 수상 논문에서도 읽힌다. 우수논문상(Outstanding Paper)은 확산모델(diffusion model) 연구가 휩쓸었다. ‘The Flexibility Trap: Rethinking the Value of Arbitrary Order in Diffusion Language Models’와 ‘High-Accuracy Sampling for Diffusion Models and Log-Concave Distributions’ 두 편이 선정됐다. 이미지 생성에서 출발한 확산모델이 언어·샘플링 등으로 이론적 외연을 넓히고 있음을 보여준다.

또 하나 눈길을 끈 것은 **시간의 검증상(Test of Time Award)**이다. 10년 이상 지나 그 영향력이 입증된 논문에 주는 이 상은, 딥마인드가 2016년 발표한 ‘Asynchronous Methods for Deep Reinforcement Learning’(A3C 알고리즘)에 돌아갔다. 강화학습의 병렬 학습 기법을 제시한 이 논문은, 오늘날 에이전트 훈련의 밑바탕이 됐다는 점에서 ‘에이전틱 AI의 해’에 주어진 상징적 수상이었다.

한국의 자리 — 네이버·LG가 보여준 것

한국 개최인 만큼 국내 기업의 참여도 두드러졌다. 팀 네이버는 첨단 AI 모델부터 피지컬 AI까지 연구 성과를 세 축으로 나눠 발표했다 — ① AI 안전 강화, ② 모델·에이전트 운영 효율화, ③ 3D 공간 이해와 물리 세계로의 확장. 특히 스포트라이트(Spotlight)로 선정된 ‘Stable-GFlowNet’은 LLM을 실제 서비스에 투입하기 전, 공격 취약점을 더 견고하고 다양하게 검증할 수 있게 학습 불안정성을 구조적으로 해결한 기술로 소개됐다(디지털투데이, The Elec).

LG AI연구원은 자체 초거대 언어모델 엑사원(EXAONE)을 앞세워 산업 현장에 적용되는 AI 사례를 선보였다. 한국 기업이 단순 참관이 아니라 ‘풀스택’(모델·안전·응용) 연구로 세계 최전선에 이름을 올렸다는 점에서, ICML 2026 서울 개최는 상징 이상의 의미를 남겼다. 불과 십수 년 전만 해도 한국 연구자에게 ICML·NeurIPS는 ‘논문을 내러 가는 남의 무대’였다. 그 학회를 서울로 불러오고 자국 모델(엑사원)을 최전선에 세운 것은, 데이터·인프라를 수입하던 나라가 ‘규칙을 만드는 쪽’으로 이동하고 있음을 보여주는 장면이다.

So What — ‘일하는 방식’이 바뀐다는 신호

ICML 2026이 우리에게 남긴 함의는 세 가지다.

첫째, AI 활용의 문법이 ‘질문’에서 ‘위임’으로 바뀐다. 에이전틱 AI가 연구 최전선의 주류가 됐다는 건, 머지않아 실무 도구도 그 방향으로 재편된다는 뜻이다. 앞으로 경쟁력은 ‘AI에게 좋은 질문을 하는 법’만큼이나 ‘AI에게 일을 안전하게 맡기고 검증하는 법’에서 갈릴 것이다. 이 전환에는 기시감이 있다. 산업혁명기의 방직기, 20세기의 자동화 라인, 소프트웨어 시대의 스크립트가 그랬듯, 도구의 역사는 늘 ‘사람이 손으로 조작하던 것’을 ‘알아서 돌아가는 것’으로 바꿔 왔다. 다만 이번엔 자동화되는 대상이 육체노동이나 정형 업무가 아니라 판단과 의사결정 자체라는 점이 다르다.

둘째, 자율성과 안전은 한 쌍이다. AI가 스스로 행동할수록 통제·검증 장치의 가치가 커진다. 네이버가 ‘AI 안전’과 ‘LLM 취약점 검증’을 전면에 내세운 것도 같은 맥락이다. 기업이 에이전트를 도입할 때 ‘얼마나 똑똑한가’만큼 ‘얼마나 통제 가능한가’를 물어야 하는 시대다.

셋째, 한국은 소비국을 넘어 생산국으로 가고 있다. ICML의 첫 한국 개최와 네이버·LG의 성과는, 한국이 AI를 쓰는 나라에서 만드는 나라로 이동 중임을 보여준다. 다만 이 흐름이 일회성 이벤트에 그치지 않으려면 인재·투자·데이터의 지속적 뒷받침이 필요하다.

서울에서 확인된 한 줄은 이것이다 — AI는 이제 ‘무엇을 아느냐’가 아니라 ‘무엇을 할 수 있느냐’로 평가받기 시작했다. 그리고 그 변화는, 우리가 매일 AI와 일하는 방식부터 바꿔 놓을 것이다.

참고 출처

  • ICML 2026 공식 사이트, icml.cc
  • “ICML 2026 Opens in Seoul: Agentic AI Tops Record Year”, TechTimes, techtimes.com
  • “Team Naver showcases AI full-stack technology at ICML 2026”, The Elec, thelec.net
  • “LG AI Research showcases real-world EXAONE AI applications at ICML 2026”, Korea Times, koreatimes.co.kr