Meta가 "랭킹 엔지니어"를 AI로 대체했다

2026-03-17 Meta 엔지니어링 블로그가 공개한 REA(Ranking Engineer Agent). 이름 그대로 "랭킹 알고리즘을 개선하는 엔지니어" 역할을 자율 AI 에이전트가 대신하기 시작했다.

광고주한테 바로 와닿는 수치:

• 모델 정확도 2배 개선 — REA가 자동 반복한 실험이 기존 대비 평균 2배
• 엔지니어 산출물 5배 — 엔지니어 3명이 8개 모델 개선안 제출. 과거엔 모델당 2명 필요

출처: Meta Engineering — Ranking Engineer Agent (REA)

기존 ML 실험 방식의 병목

Meta 광고 시스템을 지탱하는 수천 개 랭킹 모델은 꾸준히 개선돼야 한다. 기존 방식은:

1. 엔지니어가 가설 설계
2. 실험 설계 · 설정 파일 작성
3. 훈련 잡(job) 실행
4. 며칠 후 실패 디버깅 · 재실행
5. 결과 분석 · 다음 가설

한 사이클에 며칠~몇 주. 모델이 성숙할수록 개선 여지가 줄어 엔지니어가 반복에 묶인다.

REA는 무엇을 자동화하나

REA는 위 1~5단계를 자율 실행한다. 핵심은:

• 가설 자동 생성 — 기존 모델 성능·데이터·최근 실험 결과 기반으로 다음에 시도할 가설 제안
• 훈련 잡 실행·모니터링 — 며칠 걸리는 긴 작업을 hibernate-and-wake 메커니즘으로 관리
• 실패 디버깅 — 복잡한 코드베이스에서 원인 자동 탐색
• 결과 분석 및 반복 — 한 실험 끝나면 자동으로 다음 실험 세팅

사람은 전략적 결정 지점에서만 개입. "방향성 승인" 수준이지 세부 실행은 REA가 알아서.

기존 AI 도구와 뭐가 다른가

ChatGPT·Copilot 같은 도구는 어시스턴트: "이 로그 해석해줘", "이 가설 다듬어줘" 같은 단발성 지원. 엔지니어가 직접 단계를 이어가야 함.

REA는 자율 에이전트: 시작부터 끝까지 스스로 실행. 한 실험이 일 단위로 걸려도 계속 붙어 관리.

광고주 입장에서 뭐가 바뀌나

랭킹 알고리즘 개선 주기가 짧아진다.

1. 월 단위 변동에 익숙해져야 — 예전엔 분기 단위로 큰 업데이트가 오갔다. REA 시대엔 2~4주 단위로 미세 조정이 들어온다. 월 초엔 CPA 튀는 게 보이고 월말엔 안정되는 패턴이 늘어남
2. 알고리즘 변화 감지 루틴 필요 — "이번 주 CPA가 왜 달라졌지?"의 답이 "우리 계정 문제가 아니라 알고리즘" 일 가능성이 높아진다. 매주 예산·타겟 건드리지 말고 2주 평균 CPA로 판단
3. Advantage+·GEM 혜택이 더 빠르게 쌓인다 — REA가 하위 모델들을 지속 개선 → GEM 업데이트가 더 자주 반영 → Advantage+ 사용자가 먼저 체감

그래서 우리는?

안 해야 할 것:

• 일 단위 CPA 변동에 예산 조정 — 알고리즘 리롤링 시기에 뭘 건드리면 학습만 헛돌아간다
• "어제까지 잘 됐는데 오늘 갑자기 왜?" 식 즉시 진단 — 24~48시간 두고 보기

해야 할 것:

• 주간 단위 리포트 작성 습관화. 일별 편차는 리포트에 안 찍고 주 평균으로
• Advantage+ 비중 점진 확대 — REA 혜택은 자동화 영역에서 먼저 나옴
• 소재 공급 속도 올리기 — 알고리즘이 빨리 진화하면 "빨리 지쳐요"도 많아진다. 주당 새 소재 1~2개 기본

회의론 한 스푼

REA가 공개한 수치("2배 정확도", "5배 산출물")는 Meta 내부 실험 기준. 광고주가 체감하는 개선은 훨씬 작을 수 있다. 모델 정확도 2배가 직접적으로 CPA 2배 하락을 의미하는 건 아니다.

그럼에도 방향은 명확하다. "랭킹 엔지니어가 일하는 속도 × 5" = "알고리즘이 변하는 속도 × 5". 광고주가 이 속도에 적응하는 운영법을 체득한 팀이 앞선다.

앞으로 나올 것

Meta는 "이번 글은 ML 실험 부분만 다뤘다. REA의 다른 능력은 후속 포스트에서 공개"라고 예고. 배포·A/B 테스트·긴급 대응 같은 영역도 순차적으로 자동화 중. 업데이트 나오면 다음 포스트에서 다룬다.

성과 분석·A/B 테스트·스케일링의 구조적 프레임은 메타 광고 4권에서 다룬다.