[리서치] 2026-06-11 · LLM시대 DS 개발자 AI경진대회 DACON 미래 | DAKER 커뮤니티

"내가 짠 전처리 코드와 파이프라인, 과연 내년에도 경쟁력이 있을까?" 혹은 "AI가 알아서 최적화까지 다 해주는 마당에, 대회 리더보드 점수 올리기가 실무적으로 어떤 의미가 있지?"

최근 데이터 사이언티스트나 개발자라면 한 번쯤 해봤을 현실적인 고민입니다. 2025년에서 2026년으로 넘어오는 시점, 초거대 언어 모델(LLM)의 폭발적인 발전은 우리가 딛고 있는 경쟁의 무대 자체를 뒤흔들고 있습니다 . 사람만의 고유 영역이 좁아지고 직무의 핵심 가치가 '직접 코드를 작성하는 것'에서 '전체 워크플로우를 기획하고 검증하는 것'으로 급격히 이동하는 지금, 이 흐름을 읽는 것은 개인의 커리어와 플랫폼의 생존에 직결된 중요한 과제입니다 .

에이전트의 약진과 대회 시장의 역설
2025년 8월을 기준으로, 구글의 자율 기계학습 에이전트(MLE-STAR)는 캐글 환경을 모방한 벤치마크 테스트에서 무려 63.6%의 메달 획득률을 기록했습니다 . 불과 1년도 채 지나지 않아 성능이 4배나 뛰어오르며, AI가 직접 데이터 파일을 받아 모델을 학습시키고 메달권에 드는 결과를 자율적으로 제출할 수 있는 시대에 진입했습니다 .

놀라운 역설은 이처럼 AI가 자동화를 이끌고 있음에도 불구하고, AI 경진대회 시장은 오히려 급격히 팽창했다는 사실입니다 . 2025년 한 해 동안 총상금 규모는 1,600만 달러에 달했고, 진행된 대회 수는 390개를 돌파했으며 캐글 플랫폼의 사용자 수는 700만 명이 증가한 2,900만 명을 기록했습니다 . 이는 대회의 패러다임이 전통적인 예측 모델 설계에서, 알리바바의 Qwen 시리즈와 같은 프론티어 오픈소스 LLM을 선택해 합성 데이터로 파인튜닝하거나 RAG 파이프라인을 구축하는 방식으로 재정의되었기 때문입니다 .

'평가 인프라'로 진화하는 플랫폼
글로벌 선두 주자인 캐글은 단순히 리더보드를 운영하던 방식에서 벗어나, 'LLM 시대의 평가 및 호스팅 인프라'로 스스로의 정체성을 바꿨습니다 . AI 모델들이 서로 맞붙는 게임 아레나 토너먼트를 도입하고, 자연어로 평가 태스크를 생성하는 벤치마크 인프라를 구축하며 시장을 선점하고 있습니다 .

국내 플랫폼인 데이콘(DACON) 역시 기민하게 LLM 시대의 포맷으로 전환을 시작했습니다 . 스마트 제조 AI 에이전트 해커톤에서는 단일 채점 지표를 폐기하고 기획서부터 실제 동작 데모까지 2단계에 걸쳐 에이전트를 평가했으며, 프롬프트 엔지니어링 대회나 기업의 생성형 AI 반복 대회를 성공적으로 도입하며 실무 중심의 수익화 모델을 검증하고 있습니다 .

다음 18개월, 실무와 플랫폼을 위한 3가지 제안
하지만 2026년 3월 캐글이 누구나 상금을 걸고 대회를 개최할 수 있는 커뮤니티 해커톤 기능을 무료로 출시하면서, 데이콘을 비롯한 로컬 플랫폼의 비즈니스 모델은 중대한 도전에 직면했습니다 . 다가올 18개월의 생존과 성장을 위해 즉시 적용해야 할 3가지 제안은 다음과 같습니다 .

첫째, 글로벌 플랫폼이 침투하기 어려운 '한국형 버티컬 컴플라이언스'를 무기화해야 합니다 . 국내 개인정보 보호법, 망분리 규제, 공공 보안 등 특수한 법무 및 세무 환경을 반영한 대회 호스팅 서비스를 출시하여 강력한 방어선을 구축해야 합니다 .

둘째, 다각화된 '평가 포맷의 표준화'입니다 . 단순한 점수 줄세우기를 넘어 최소 기능 제품(MVP) 데모, AI 에이전트 구동, 프롬프트 작성 역량 등을 객관적으로 채점할 수 있는 운영 매뉴얼과 심사 기준을 패키지 형태로 규격화해야 합니다 .

셋째, 인간과 AI가 공존하는 'AI 에이전트 참가 전용 트랙'의 신설입니다 . 자율 기계학습 에이전트들이 이미 메달권에 진입한 현실을 수용하여, 인간 참가자의 순수 역량을 겨루는 트랙과 AI 도구 활용의 극한을 보여주는 트랙을 분리 운영함으로써 양쪽의 성장을 모두 견인해야 합니다 .

기술의 한계, 그리고 던지는 질문
다만 이 시점에서 유의할 한계가 있습니다. 현재까지 보고된 AI 에이전트의 높은 메달 획득률은 2025년 8월 기준 22개의 큐레이션된 부분집합 벤치마크에서 측정된 결과이며, 과거 공개 포럼의 데이터가 학습 과정에 포함되었을 오염(Contamination) 가능성을 배제할 수 없습니다 . 아직 실시간 라이브 대회에서 인간 최고수를 꺾은 사례가 공식 확인된 것은 아니며, 데이콘의 모든 대회가 LLM 포맷으로 전환된 것도 아닙니다 .

모든 것이 빠르게 자동화되는 전환기입니다. AI가 당신의 코드를 대신 작성하고 분석 결과를 내놓는 지금, 당신은 주어지는 데이터에 맞춰 '경쟁의 룰'을 따르는 플레이어로 남으시겠습니까, 아니면 AI의 역량을 활용해 '새로운 평가의 기준'을 설계하는 기획자로 진화하시겠습니까?