텐센트의 야오순위(Vinces Yao)와 에이전트 AI

Dec 26. 2025

전략 분석 보고서: 텐센트의 야오순위(Vinces Yao) 영입과 에이전트 AI(Agentic AI)로의 패러다임 전환

1. 총괄 요약 (Executive Summary)

2025년 12월, 중국 테크 거인 텐센트(Tencent Holdings)는 오픈AI(OpenAI)의 핵심 연구원이었던 **야오순위(姚顺雨, Vinces Yao)**를 그룹 차원의 수석 AI 과학자(Chief AI Scientist)로 영입했다.1 이 인사는 단순한 인재 영입을 넘어, 텐센트가 기존의 '모델 중심' 전략에서 '인프라 및 에이전트 중심' 전략으로 급선회하고 있음을 알리는 신호탄으로 해석된다.

야오순위는 27세의 젊은 나이에도 불구하고, 대규모 언어 모델(LLM)이 단순한 텍스트 생성기를 넘어 복잡한 작업을 수행하는 자율적 주체, 즉 **'에이전트(Agent)'**로 진화하는 과정에서 결정적인 이론적 토대를 제공한 인물이다. 그의 대표적인 연구 성과인 **ReAct(Reasoning + Acting)**와 **생각의 나무(Tree of Thoughts, ToT)**는 전 세계 AI 연구 개발의 표준 방법론으로 자리 잡았으며, 오픈AI 재직 시절에는 컴퓨터 제어 에이전트(Computer-Using Agent, CUA)와 '오퍼레이터(Operator)' 프로젝트를 주도하며 실용적인 AI 에이전트 구현에 앞장섰다.4

텐센트는 야오순위의 영입과 동시에 기술공학사업군(TEG) 내 머신러닝 플랫폼 부서를 해체하고, AI 인프라(AI Infra) 부서를 신설하여 그에게 전권을 위임하는 파격적인 조직 개편을 단행했다.6 이는 텐센트가 위챗(WeChat)이라는 거대한 슈퍼 앱 생태계에 에이전트 기술을 접목하여, 사용자의 명령을 수행하는 '행동하는 AI'로의 전환을 꾀하고 있음을 시사한다.

본 보고서는 야오순위의 생애와 학문적 성취, 그가 주도한 에이전트 AI의 기술적 본질, 그리고 텐센트의 조직 개편과 맞물린 전략적 함의를 심층적으로 분석한다.

2. 인물 분석: 야오순위(Vinces Yao)의 성장 배경과 학문적 궤적

야오순위의 커리어는 현대 AI 연구의 최전선이 어떻게 형성되었는지를 보여주는 축소판과 같다. 그는 중국 최고의 엘리트 교육 시스템과 미국 아이비리그의 연구 환경, 그리고 실리콘밸리 빅테크의 현장 경험을 모두 거친 융합형 인재의 전형이다.

2.1 칭화대 '야오반(Yao Class)'과 초기 천재성

1998년생인 야오순위는 중국 컴퓨터 과학 영재 교육의 정점이라 불리는 칭화대학교의 '야오반(Yao Class)' 출신이다.2 튜링상 수상자 앤드류 야오(Andrew Yao)가 설립한 이 프로그램은 매년 중국 전역에서 가장 뛰어난 수학 및 과학 영재들을 선발하여 세계적인 컴퓨터 과학자로 육성하는 것으로 정평이 나 있다.

그의 학문적 수월성은 칭화대 입학 전부터 입증되었다.

정보올림피아드(NOI) 은메달: 2014년, 그는 전국 정보올림피아드(National Olympiad in Informatics, NOI)에 출전하여 495점의 성적으로 은메달을 획득했다.8 이는 알고리즘적 사고와 코딩 능력에서 이미 고교 시절부터 전국 최상위권에 위치했음을 증명한다.

가오카오(Gaokao)의 성취: 2015년 대학 입시(가오카오)에서 그는 704점이라는 경이로운 점수를 기록하며 안후이성(Anhui Province) 이과 전체 3위를 차지했다.8 이러한 성적은 그가 단순히 코딩 기술만 뛰어난 것이 아니라, 수학적 논리와 기초 과학 분야에서도 탁월한 역량을 갖추고 있음을 보여준다.

칭화대 재학 시절, 야오순위는 야오반 학생회장을 역임하며 리더십을 발휘했다.9 이는 훗날 그가 텐센트에서 대규모 인프라 조직을 이끄는 관리자로서의 역량을 발휘할 수 있는 잠재적 기반이 되었다. 또한, 학부 시절 **구글(Google)**과 **마이크로소프트(Microsoft)**에서 인턴십을 수행하며 산업계의 연구 프로세스를 조기에 경험했다.3

2.2 프린스턴 대학과 카르틱 나라심한(Karthik Narasimhan)과의 만남

2019년, 칭화대를 졸업한 야오순위는 미국 프린스턴 대학교(Princeton University) 박사 과정에 진학했다.2 여기서 그는 자신의 연구 인생에 결정적인 영향을 미친 지도 교수 **카르틱 나라심한(Karthik Narasimhan)**을 만나게 된다.

당시 야오순위는 진로에 대한 불확실성을 가지고 있었으나, GPT-2와 같은 초기 언어 모델의 등장을 목격하고 지도 교수에게 "언어 모델이 텍스트 기반 게임을 해결할 수 있을 것 같다"는 제안을 했다.9 나라심한 교수는 이 아이디어를 전폭적으로 지지했고, 이는 야오순위가 '언어 에이전트(Language Agent)'라는 새로운 분야를 개척하는 시발점이 되었다.

야오순위의 박사 학위 논문인 **"언어 에이전트: 다음 토큰 예측에서 디지털 자동화로(Language Agents: From Next-Token Prediction to Digital Automation)"**는 현재 AI 에이전트 연구의 교과서적인 문헌으로 꼽힌다.12 이 논문에서 그는 AI의 목표가 단순히 그럴듯한 텍스트를 생성하는 것(Next-Token Prediction)에 그치지 않고, 현실 세계나 디지털 환경에서 구체적인 작업을 수행하는 자동화(Digital Automation)로 나아가야 함을 역설했다.

3. 이론적 아키텍트: 에이전트 AI의 3대 기술적 기둥

야오순위가 텐센트의 수석 과학자로 영입될 수 있었던 핵심 배경은 그가 구축한 세 가지 혁신적인 기술 방법론에 있다. 이들은 현재 모든 LLM 기반 에이전트 시스템의 근간을 이루고 있다.

3.1 ReAct: 추론(Reasoning)과 행동(Acting)의 결합

2023년 ICLR에서 발표된 **ReAct(Reasoning + Acting)**는 야오순위의 가장 널리 알려진 업적이다.4

배경: 기존의 언어 모델은 '생각(Chain of Thought)'만 하거나 '행동(API 호출)'만 하는 경향이 있었다. 생각만 하는 모델은 현실 세계와 단절되어 환각(Hallucination)을 일으키기 쉬웠고, 행동만 하는 모델은 맥락을 파악하지 못하고 오류를 범하기 쉬웠다.

혁신: ReAct는 이 두 과정을 인터리빙(Interleaving)했다. 모델이 "나는 지금 A 정보를 찾아야 한다(Reasoning)"라고 생각한 후, 실제 "검색 명령어(Action)"를 실행하고, 그 결과인 "관측값(Observation)"을 받아 다시 다음 추론을 이어가는 루프(Loop)를 설계한 것이다.

영향: 이 방법론은 랭체인(LangChain)과 같은 에이전트 프레임워크의 표준이 되었으며, AI가 외부 도구(검색 엔진, 계산기 등)를 사용하여 정확도를 획기적으로 높이는 계기를 마련했다.14

3.2 생각의 나무 (Tree of Thoughts, ToT): 시스템 2적 사고의 구현

2023년 NeurIPS에 발표된 **Tree of Thoughts(ToT)**는 LLM의 문제 해결 능력을 한 차원 높인 연구다.4

문제 의식: LLM은 기본적으로 왼쪽에서 오른쪽으로 토큰을 생성하는 선형적 구조를 가진다. 이는 한 번 잘못된 길로 들어서면 되돌아갈 수 없다는 한계를 의미했다. 인간의 사고 과정, 특히 대니얼 카너먼이 정의한 '시스템 2(느리고 신중한 사고)'와는 거리가 멀었다.

해결책: ToT는 모델이 여러 가지 가능한 사고의 가지(Branch)를 생성하고, 각 가지의 유망함을 자체적으로 평가한 뒤, 막다른 길이면 이전 단계로 되돌아가는(Backtracking) 탐색 알고리즘(BFS/DFS)을 언어 모델에 적용했다.14

성과: 이 방법론은 '24 게임(Game of 24)'이나 창의적 글쓰기, 복잡한 코딩 문제 등에서 기존 GPT-4 대비 압도적인 성능 향상을 입증했다. 이는 최근 오픈AI가 공개한 추론 모델(o1 시리즈)의 사상적 기반이 되었다.

3.3 CoALA: 인지 아키텍처의 표준화

야오순위는 개별적인 기법을 넘어, 에이전트를 설계하는 범용적인 프레임워크인 **CoALA(Cognitive Architectures for Language Agents)**를 제안했다.4

그는 모든 언어 에이전트가 다음 세 가지 핵심 요소로 구성된다고 정의했다:

메모리(Memory): 단기 작업 기억(Context Window)과 장기 기억(Vector DB 등).

행동 공간(Action Space): 외부 환경과의 상호작용(웹 클릭, API 호출) 및 내부 사고 과정.

의사결정(Decision Making): 기억과 현재 상태를 바탕으로 최적의 행동을 선택하는 정책.

이 프레임워크는 연구자들이 중구난방으로 개발하던 에이전트 시스템을 체계적으로 비교하고 설계할 수 있는 공학적 기준을 제시했다는 점에서 높은 평가를 받는다.14

4. 오픈AI 시절과 '컴퓨터 사용 에이전트(CUA)'의 완성

박사 학위 취득 후, 야오순위는 2024년 8월 **오픈AI(OpenAI)**에 합류하여 연구원(Researcher)으로서 가장 비밀스럽고 중요한 프로젝트인 **'오퍼레이터(Operator)'**와 '딥 리서치(Deep Research)' 개발에 참여했다.4

4.1 CUA: API를 넘어선 시각적 제어

오픈AI에서 그가 주도한 **컴퓨터 사용 에이전트(Computer-Using Agent, CUA)**는 에이전트 기술의 정점이라 할 수 있다.4

개념: 기존 에이전트가 웹사이트의 API(응용 프로그램 인터페이스)에 의존했다면, CUA는 인간처럼 화면(Screen)을 보고 마우스와 키보드를 사용하여 컴퓨터를 조작한다. 이는 API가 없는 레거시 소프트웨어나 복잡한 웹사이트도 AI가 제어할 수 있음을 의미한다.

기술적 난관: 이를 위해서는 GPT-4o와 같은 비전 모델이 화면의 픽셀을 이해하고, 버튼의 정확한 좌표를 계산하며, 클릭 후 화면이 어떻게 변했는지를 실시간으로 추적하는 고도의 시각-행동 정렬(Vision-Action Alignment) 기술이 필요하다.

성과: 야오순위 팀이 개발한 CUA는 OSWorld 벤치마크에서 38.1%의 성공률을 기록하며 기존 최고 기록(22.0%)을 압도했고, WebVoyager 벤치마크에서는 87.0%의 성공률을 달성했다.17

4.2 'AI의 후반전(The Second Half)' 철학

야오순위는 개인 블로그를 통해 현재 AI 산업이 '후반전'에 돌입했다고 진단했다.18

전반전: 딥러닝과 데이터 스케일링을 통해 모델의 지능을 높이는 단계(GPT-4의 탄생).

후반전: "무엇을 해결할 것인가?"를 정의하고, 실제 환경에서 에이전트가 얼마나 잘 작동하는지 '평가(Evaluation)'하는 단계.

그는 이제 단순히 모델을 훈련하는 것보다, 모델을 둘러싼 **환경(Environment)**과 평가 지표를 설계하는 것이 더 중요하다고 주장한다. 이러한 그의 철학("제품 관리자형 연구자")은 그가 왜 순수 연구 조직인 오픈AI를 떠나, 실제 서비스와 사용자가 있는 텐센트로 이동했는지를 설명하는 중요한 단서다.

5. 텐센트의 위기와 2025년 대규모 구조조정

야오순위의 영입은 텐센트 내부의 절박한 위기감 속에서 이루어졌다. 2024년까지 텐센트의 AI 전략은 경쟁사 대비 뒤처졌다는 평가를 받았다.

5.1 '경마(Horse Racing)' 문화의 한계와 훈위안(Hunyuan)의 부진

텐센트는 전통적으로 내부의 여러 사업부(위챗, 게임, 클라우드 등)가 각자 경쟁하며 제품을 만드는 '경마' 문화를 가지고 있었다. 그러나 이는 막대한 컴퓨팅 자원과 데이터의 집중이 필요한 초거대 AI 모델 개발에는 치명적인 약점으로 작용했다.

자원 파편화: 컴퓨팅 파워가 분산되면서, 텐센트의 자체 모델인 '훈위안(Hunyuan)'은 바이트댄스(ByteDance)의 '도우바오(Doubao)'나 바이두(Baidu)의 '어니봇'에 비해 시장 선점 효과를 누리지 못했다.19

효율성 저하: 각 부서가 별도의 머신러닝 플랫폼을 구축하여 중복 투자가 발생했고, 이는 전체적인 R&D 효율을 떨어뜨렸다.20

5.2 2025년 12월의 파격적 조직 개편

이에 텐센트는 2025년 12월, 야오순위의 합류와 함께 기술공학사업군(TEG)의 구조를 완전히 뜯어고쳤다.6

이 개편의 핵심은 **'머신러닝 플랫폼 부서의 해체'**와 **'AI 인프라 부서의 신설 및 야오순위 겸직'**이다. 이는 기존의 파편화된 개발 방식을 버리고, 야오순위 1인에게 '모델 연구'와 '하드웨어 인프라'의 전권을 쥐어주는 중앙집권적 체제로의 전환을 의미한다.7

6. 전략적 융합: 슈퍼 앱을 위한 에이전트 인프라

왜 텐센트는 '과학자'인 야오순위에게 '인프라' 부서까지 맡겼을까? 이는 에이전트 AI의 특성과 텐센트의 비즈니스 모델(위챗)이 만나는 지점에서 해답을 찾을 수 있다.

6.1 '추론(Inference) 헤비' 시대를 대비한 인프라

야오순위가 주창한 **ToT(Tree of Thoughts)**와 ReAct 방식은 기존 모델보다 훨씬 더 많은 계산 비용을 요구한다. 모델이 한 마디를 내뱉기 전에 수십 번의 내부 사고 과정을 거쳐야 하기 때문이다.

추론 비용의 폭증: 에이전트가 복잡한 작업을 수행하려면 훈련(Training)보다 추론(Inference) 단계에서 막대한 컴퓨팅 파워가 소모된다.

인프라 최적화의 필요성: 이를 감당하기 위해서는 기존의 단순한 서빙(Serving) 인프라가 아닌, KV 캐싱 최적화, 스페큘레이티브 디코딩(Speculative Decoding) 등 고도의 추론 전용 인프라가 필요하다. 야오순위가 오픈AI에서 경험한 대규모 인프라 운영 노하우가 여기에 투입될 것이다.10

6.2 위챗(WeChat): 에이전트가 뛰어놀 최적의 OS

텐센트의 위챗은 단순한 메신저가 아니라, 결제, 쇼핑, 예약, 공공 서비스가 모두 가능한 하나의 운영체제다. 야오순위의 CUA(Computer-Using Agent) 기술은 위챗 생태계에 엄청난 파괴력을 가져올 수 있다.

미니 프로그램(Mini Program)의 자동화: 현재 위챗에는 수백만 개의 미니 프로그램이 있지만, 사용자가 일일이 터치해야 한다. 야오순위의 기술이 적용된 '위챗 에이전트'는 "내일 저녁 강남역 근처 식당 예약하고 친구에게 위치 보내줘"라는 명령을 받으면, 스스로 미니 프로그램을 열어 예약하고 결제까지 완료할 수 있다.

API 통합의 한계 극복: 모든 미니 프로그램 개발자가 AI용 API를 따로 만들 필요 없이, 야오순위의 비전 기반 에이전트(Vision-based Agent)가 화면을 인식해 직접 조작(UI Navigation)할 수 있기 때문이다.

6.3 내부 개발 생산성 혁신: SWE-agent의 적용

야오순위는 SWE-agent(소프트웨어 엔지니어링 에이전트) 연구의 저자이기도 하다.4 텐센트는 이미 내부적으로 90% 이상의 엔지니어가 AI 코딩 도구(CodeBuddy)를 사용하고 있으며, 신규 코드의 50%가 AI에 의해 생성된다고 밝혔다.23 야오순위는 이 내부 도구를 고도화하여, 단순 코딩 보조를 넘어 깃허브 이슈를 스스로 해결하는 수준의 '자율 코딩 에이전트'를 텐센트의 거대한 개발 조직에 이식할 것으로 예상된다.

7. 지정학적 맥락과 미래 전망

야오순위의 귀환은 미중 기술 패권 경쟁이라는 거시적 흐름 속에서 상징적인 사건이다.

7.1 인재의 역류와 '유리천장'

중국 출신의 최고급 AI 인재들이 미국 빅테크에서 경험을 쌓은 뒤, 중국 기업의 리더급으로 복귀하는 현상이 가속화되고 있다.

직급의 차이: 오픈AI에서 야오순위는 뛰어난 '연구원' 중 한 명이었지만, 텐센트에서는 '총재 직속 수석 과학자'로서 그룹의 기술 방향을 결정하는 권한을 가진다.

데이터의 우위: 미국의 제재로 최첨단 GPU(H100/Blackwell) 확보는 어렵지만, 텐센트가 보유한 위챗의 방대한 사용자 데이터(Human interaction data)는 에이전트 훈련에 있어 세계적으로도 유니크한 자산이다. 야오순위는 이 데이터를 활용해 오픈AI가 할 수 없는 실험을 할 수 있다.

7.2 향후 로드맵 예측

야오순위 체제 하의 텐센트 AI는 다음과 같은 로드맵을 따를 것으로 전망된다.

단기 (2026년): 인프라 통합 완료 및 추론 비용 절감. 훈위안 모델에 ToT 기반의 강화된 추론 능력(System 2) 탑재.

중기 (2026-2027): 위챗 내 '슈퍼 에이전트' 출시. 단순 챗봇이 아닌, 미니 프로그램을 조작하는 행동형 비서의 상용화.

장기: 게임 내 NPC(Non-Player Character)의 완전 지능화. 야오순위의 에이전트 기술을 활용해, 정해진 대본 없이 플레이어와 상호작용하고 스스로 목표를 설정하는 게임 AI 구현.24

8. 결론

야오순위의 텐센트 합류는 단순한 인사이동이 아니다. 이는 "채팅하는 AI"에서 "일하는 AI"로의 거대한 산업적 전환을 상징한다. 27세의 젊은 천재 과학자는 ReAct와 ToT라는 강력한 이론적 무기를 가지고, 텐센트라는 거대한 데이터 제국에 도착했다. 텐센트는 그에게 AI 인프라라는 강력한 물리적 권한과 수석 과학자라는 전략적 권한을 동시에 부여했다.

기존 머신러닝 부서의 해체와 AI 인프라 부서의 신설은 텐센트가 더 이상 과거의 방식으로는 생존할 수 없음을 인정한 결과다. 야오순위가 이끄는 새로운 텐센트의 AI는 위챗이라는 플랫폼을 통해 전 세계에서 가장 먼저 **'대중화된 에이전트 서비스(Consumer Agent Service)'**를 실현할 잠재력을 가지고 있다. 이는 오픈AI나 구글조차 쉽게 따라올 수 없는, 앱 생태계와 결합된 독자적인 AI 진화 경로가 될 것이다.

야오순위는 그의 블로그에서 AI의 후반전은 "평가와 정의"의 시대라고 말했다. 이제 그는 13억 명이 사용하는 위챗이라는 거대한 시험대 위에서, 자신이 정의한 에이전트의 시대를 직접 증명해 내야 하는 과제를 안게 되었다.

참고 자료

Former OpenAI researcher joins Tencent - Kr Asia, 12 월 20, 2025 에 액세스 , https://kr-asia.com/pulses/159031

腾讯引入 27 岁前 OpenAI 研究员姚顺雨担任 AI 负责人 , 12 월 20, 2025 에 액세스,

https://companies.caixin.com/2025-12-18/102394533.html

Tencent appoints former OpenAI researcher as chief AI scientist, 12 월 20, 2025에 액세스,

https://www.investing.com/news/stock-market-news/tencent-appoints-former-openai-researcher-as-chief-ai-scientist-93CH-4412412

About – Shunyu Yao – 姚顺雨, 12월 20, 2025에 액세스, https://ysymyth.github.io/

Overnight Sensation: 27-Year-Old Yao Shunyu Exits OpenAI - Is the Tsinghua Yao Class Genius Shifting to Product Management?, 12 월 20, 2025에 액세스,

https://eu.36kr.com/en/p/3463205077046665

Tencent Fully Reconstructs Its AI Architecture: Establishes Three Core Departments, Yao Shunyu, Former OpenAI Researcher, Leads the Infrastructure of Large Models, 12월 20, 2025에 액세스, https://news.aibase.com/news/23805