우리는 개인과 조직이 다른 에이전트들과 상호작용하고 협업하는 전용 AI 에이전트를 점점 더 많이 배치하는 시대에 진입하고 있다. 그러나 개인정보 보호 제약 하에서의 다중 에이전트 협업 역학은 아직 충분히 이해되지 못한 상태이다. 본 연구에서는 개인정보 보호 제약 하에서의 다중 에이전트 협업을 체계적으로 평가하기 위한 벤치마크인 $PAC\text{-}Bench$를 제시한다. $PAC\text{-}Bench$에 대한 실험 결과, 개인정보 보호 제약은 협업 성능을 상당히 저하시킬 뿐 아니라 결과가 파트너보다도 개시 에이전트에 더 크게 의존하는 것으로 나타났다. 추가 분석을 통해 이러한 저하는 반복되는 조율(코디네이션) 실패에 의해 좌우됨이 밝혀졌으며, 그에는 초기 단계의 개인정보 보호 위반, 지나치게 보수적인 추상화, 개인정보로 인한 환각이 포함된다. 종합하면, 본 연구는 개인정보 인지형(privacy-aware) 다중 에이전트 협업이 기존 에이전트의 역량만으로는 해결되지 않은 채로 남아 있는 고유한 도전 과제임을 규명하며, 이를 위해서는 기존의 에이전트 능력 너머의 새로운 조율 메커니즘이 필요함을 제시한다.

우리는 개인과 조직이 다른 에이전트들과 상호작용하고 협업하는 전용 AI 에이전트를 점차적으로 배치하는 시대에 진입하고 있다. 그러나 개인정보 보호 제약 하에서의 다중 에이전트 협업 역학은 아직 충분히 이해되지 못한 실정이다. 본 연구에서는 개인정보 보호 제약 하에서의 다중 에이전트 협업을 체계적으로 평가하기 위한 벤치마크인 $PAC\text{-}Bench$를 제시한다. $PAC\text{-}Bench$에서의 실험 결과, 개인정보 보호 제약은 협업 성능을 크게 저하시킬 뿐 아니라 결과가 파트너보다도 초기화하는 에이전트에 더 의존하는 것으로 나타났다. 추가 분석을 통해 이러한 저하가 반복되는 조정(코디네이션) 실패에 의해 유발됨을 확인하였는데, 여기에는 초기 단계에서의 개인정보 보호 위반, 지나치게 보수적인 추상화, 그리고 개인정보 유도(privacy-induced) 환각이 포함된다. 종합하면, 본 연구는 개인정보 인지형 다중 에이전트 협업이 기존 에이전트의 역량만으로는 해결되지 않은 별개의 과제로서, 이를 위해서는 기존의 에이전트 기능을 넘어서는 새로운 조정 메커니즘이 필요함을 규명한다.