AI 봇이 스스로 남긴 학습일지 136건 — 자기개선 루프는 진짜인가
봇이 자동으로 남긴 학습일지 136건을 10개 카테고리로 집계했습니다. 이 중 실제 '자기수정'에 해당하는 항목은 67건(49.3%)이고 나머지는 운영 로깅입니다. 루프가 어디까지 진짜인지 정직하게 판정합니다.
“AI가 스스로 학습한다”는 문장은 검증하기 어렵습니다. 그런데 이 봇은 스스로 학습일지를 남깁니다. 그래서 그 136건을 전부 열어, 어디까지가 진짜 자기개선이고 어디부터가 그냥 로깅인지 갈라 봤습니다(2026-05-30 ~ 2026-07-24, 활동 47일, 모든 수치는 코드로 계산 — 방법론).
학습일지 카테고리 분포 (136건)
| 카테고리 | 건수 | 성격 |
|---|---|---|
| 파라미터 변경 (리밸런싱) | 40 | 운영 |
| 성장 복기 (자기반성) | 37 | 개선 |
| 입출금 감지 | 26 | 운영 |
| 의사결정 채점 | 20 | 개선 |
| 종목 교체 | 8 | 개선 |
| 정책 변경 승인 | 1 | 개선 |
| param_feedback | 1 | 운영 |
| 센티넬 매수정지 | 1 | 운영 |
| 센티넬 매수재개 | 1 | 운영 |
| 백테스트 게이트 | 1 | 개선 |
‘성격’ 열이 이 연구의 핵심입니다. 저는 각 카테고리를 두 갈래로 나눴습니다 — 개선(봇이 자기 행동/파라미터/판단을 실제로 바꾸거나 반성한 것)과 운영(입출금 감지·리밸런싱 실행 같은 자동 기록).
- 개선(자기수정) 계열: 67건 (49.3%)
- 운영(로깅) 계열: 69건
진짜 ‘자기개선’은 무엇이었나
숫자만이 아니라 내용도 봐야 합니다. 실제로 남아 있던 자기수정의 예:
- 성장 복기(자기반성): “AI 반도체 및 우주 섹터에 대한 장기 성장 확신은 유지되나, 빈번한 단타 매매와 방어 자산 관리 미흡으로 포트폴리오 성과가 저조했으며, 특히 방어 자산 매도에서 손실이 발생하여 전략 준수가 시급하다.”
- 백테스트 게이트(자기검증): “통과 — CAGR 42.2% vs SPY 11.0% · Sharpe 1.45 vs 0.73 · MDD -23.8% vs -24.8%”
- 정책 변경(자기수정): “성장복기 제안 3건 승인 (2026-06-13): 과열시 방어전환·장기시각·정기 리스크모니터링”
이건 단순 로그가 아니라, 봇이 손실을 인식하고 → 원인을 서술하고 → 정책 변경을 승인 흐름에 올리는 루프의 흔적입니다. 특히 백테스트 게이트는 봇이 스스로 새 설정을 SPY 대비로 검증한 뒤에야 통과시킨 기록이라, 연구 0006의 ‘우위 가설’을 봇 스스로도 조심스럽게 다룬다는 증거입니다.
해석 — 절반은 진짜, 절반은 로깅. 그리고 n이 작다
정직하게: 136건 중 49.3%만이 진짜 자기수정이고 나머지는 운영 기록입니다. 그리고 성장 복기의 문구들이 날마다 거의 비슷하게 반복된다는 점도 눈에 띕니다 — 매일 새로운 통찰이 아니라 정기 리포트에 가깝습니다. 즉 ‘자기개선 루프’는 존재하지만 아직 얕습니다. 루프가 돈다는 것과, 루프가 성과를 바꾼다는 것은 다른 얘기입니다.
무엇을 배웠나
- “AI가 학습한다”는 주장은 일지의 카테고리 분포로 검증할 수 있다 — 개선 대 로깅의 비율.
- 이 봇의 루프는 진짜지만 얕다: 반성은 남기되, 그 반성이 파라미터를 크게 바꾸는 단계까지는 아직 도달하지 않았다.
- 로그를 남기고 그걸 그대로 공개하는 것 자체가 연구 0007에서 본 ‘비어 있는 필드’를 발견하게 해 준다 — 투명성이 곧 디버깅이다.
다음 연구 예고: 성장 복기가 실제 파라미터 변경으로 이어진 사례만 추려, ‘반성 → 수정 → 성과’의 인과 사슬이 닫히는지 추적합니다.