메인주 사우스 포틀랜드 (Newsworthy.ai) 2026년 2월 18일 수요일 오전 7:00 동부 표준시 —

17명의 개발자. 동일한 버그. 17가지 다른 해결책. 모두 OpenClaw의 풀 리퀘스트 백로그에서 검토되지 않은 채로 남아 있었고, 아무도 그들이 동일한 문제를 해결하고 있다는 사실을 알지 못했습니다.

이러한 혼란은 현대 오픈소스 개발의 핵심에 무언가가 고장났음을 드러냅니다. 그리고 오늘 VectorCertain LLC가 발표한 획기적인 분석에 따르면, 이는 고립된 사건이 아니라 OpenClaw 프로젝트에 약 2,000시간의 낭비된 개발자 시간을 초래하는 체계적인 위기입니다.

자체적인 다중 모델 AI 합의 플랫폼을 사용하여, VectorCertain은 197,000명의 팔로워를 보유한 세계에서 가장 많은 별을 받은 AI 프로젝트 중 하나인 OpenClaw GitHub 저장소의 모든 3,434개의 열린 풀 리퀘스트를 분석했습니다. 결과는 뚜렷합니다: 보류 중인 기여의 20%가 중복이며, 이는 이미 해결된 문제에 대한 해결책을 재발명하는 대신 혁신에 쓸 수 있었던 수천 시간의 중복 노력을 나타냅니다.

VectorCertain의 분석이 확인한 내용:

• 283개의 중복 클러스터 - 여러 개발자가 독립적으로 동일한 수정을 구축하여 약 2,000시간의 개발 시간을 낭비
• 688개의 중복 PR - 검토 파이프라인을 막히게 하고 부족한 유지 관리자의 주의를 소모
• 54개의 비전 드리프트로 플래그된 PR - 프로젝트 목표와 일치하지 않는 기여
• 보안 수정이 각각 3~6회 중복 - 알려진 취약점은 여전히 패치되지 않은 상태
• 단일 Slack 다이렉트 메시징 버그에 대한 17개의 독립적인 해결책 - 지금까지 문서화된 가장 큰 중복 클러스터

그리고 주목할 부분은: VectorCertain의 전체 분석—세 개의 독립적인 AI 모델을 통해 4,840만 토큰 처리—이 계산 비용으로 단 12.80달러만 들었고 약 8시간 동안 실행되었다는 점입니다.

VectorCertain의 발견은 OpenClaw에게 결정적인 순간에 도착했습니다. 2월 15일, 프로젝트 창시자 Peter Steinberger는 OpenAI로의 이직과 프로젝트의 재단 구조로의 전환을 발표했습니다. 다음 날, ClawdHub 스킬 마켓플레이스는 프로덕션 데이터베이스 중단을 겪었습니다. Steinberger의 공개 응답은 직설적이었습니다: "단위 테스트는 대규모로 플랫폼을 유지하는 데 충분하지 않다"고 했습니다.

VectorCertain 분석은 그가 옳다는 것을 증명하지만, 문제가 테스트보다 훨씬 더 깊이 있다는 것을 보여줍니다.

"단위 테스트는 코드가 개발자가 의도한 대로 작동하는지 확인합니다,"라고 VectorCertain의 창립자 겸 CEO Joseph P. Conroy가 설명합니다. "다중 모델 합의는 개발자가 구축한 것이 구축해야 할 올바른 것인지 확인합니다. 이는 근본적으로 다른 질문이며, 대규모 오픈소스 프로젝트는 둘 다 필요합니다."

OpenClaw의 거버넌스 문제는 중복 PR을 넘어 확장됩니다. 이 프로젝트는 마켓플레이스에서 341개의 악성 스킬을 식별한 ClawHavoc 캠페인과 등록된 스킬의 7.1%에서 자격 증명 처리 결함을 발견한 Snyk 보고서를 포함한 증가하는 보안 문제에 직면해 왔습니다. 한편, PR 제출은 검토 능력을 훨씬 초과했습니다—유지 관리자가 매일 수백 개의 커밋을 병합함에도 불구하고, 언제든지 3,100개 이상의 PR이 보류 중입니다.

VectorCertain이 확인한 2,000시간의 낭비된 개발자 시간은 빙산의 일각에 불과합니다: 이미 손실된 시간, 이미 소모된 에너지, 그리고 중복 작업을 검토하며 이미 소모된 유지 관리자 역량입니다.

VectorCertain의 claw-review 플랫폼은 단일 AI 모델에 의존하지 않습니다—세 개의 독립적인 모델(Llama 3.1 70B, Mistral Large, Gemini 2.0 Flash)을 사용하여 각 PR을 별도로 평가한 다음, 합의 투표를 사용하여 그들의 판단을 융합합니다. 이는 자율 주행 차량과 의료 AI 시스템에 사용되는 동일한 안전-중요 접근 방식으로, 이제 오픈소스 거버넌스에 적용되었습니다.

발견 파이프라인은 네 단계로 작동합니다:

1. 의도 추출: 각 모델이 PR이 달성하려는 목표를 독립적으로 분석
2. 중복 클러스터링: 임베딩 기반 알고리즘이 의미적으로 유사한 기여를 식별
3. 품질 순위: 인간 검토를 위한 불일치 플래깅이 포함된 다차원 점수 매기기
4. 비전 정렬: 프로젝트 문서에 대한 정책 준수 확인

결과는? 15,000회의 API 호출, 4,840만 토큰 처리, 8시간 실행 시간, 그리고 인간 유지 관리자가 발견하는 데 몇 달이 걸렸을 발견—모두 점심값으로 해결되었습니다.

이 분석에 사용된 claw-review 도구는 오픈 소스(MIT 라이선스)이며 지금 GitHub에서 사용 가능하여, 모든 프로젝트가 자체 저장소에 대한 유사한 분석을 수행할 수 있게 합니다. 하지만 VectorCertain의 야망은 풀 리퀘스트 분석을 훨씬 넘어섭니다.

회사의 엔터프라이즈 플랫폼은 다중 모델 합의 접근 방식을 자율 주행 차량, 사이버 보안, 의료, 금융 서비스를 포함한 안전-중요 도메인으로 확장합니다—20개 이상의 병렬 모델을 지원하며 공식 합의 융합과 수학적 안전 보장을 제공합니다. 연방 기관(EPA, DOE, DoD, NIH)을 위한 안전-중요 AI 개발 25년 경력의 베테랑인 Joseph P. Conroy가 창립한 VectorCertain은 AI 앙상블 시스템과 다중 모델 합의 아키텍처를 포괄하는 광범위한 특허 포트폴리오를 보유하고 있습니다.

openclaw/openclaw 저장소의 포괄적인 분석은 세 개의 AI 모델(Llama 3.1 70B, Mistral Large, Gemini 2.0 Flash)을 사용하여 모든 3,434개의 열린 풀 리퀘스트를 검토했습니다. 플랫폼은 8시간 실행 시간 동안 4,840만 토큰을 처리했으며, 총 계산 비용은 단 12.80달러—분석된 PR당 0.0037달러로 변환됩니다. 분석은 283개의 중복 클러스터를 식별했으며, 이는 688개의 중복 PR(전체 백로그의 20%)과 약 2,000시간의 낭비된 개발자 시간을 나타내며, PR의 평균 품질 점수는 10점 만점에 8.35점이었습니다.

• 대화형 대시보드: jconroy1104.github.io/claw-review/dashboard.html
• 완전한 보고서: jconroy1104.github.io/claw-review/claw-review-report.html
• 오픈소스 도구 (MIT 라이선스): github.com/jconroy1104/claw-review
• VectorCertain: vectorcertain.com

VectorCertain LLC는 메인주 카스코에 기반을 둔 델라웨어 법인으로, 다중 모델 합의 시스템을 통해 AI 안전 및 거버넌스 기술을 선도하고 있습니다. 회사는 연방 및 상업 응용 분야에서 수십 년의 실제 배포 경험과 광범위한 특허 포트폴리오를 바탕으로 안전-중요 도메인 전반에 걸쳐 AI 의사 결정에 대한 수학적 확실성 보장을 제공합니다.

미디어 연락처

Joseph P. Conroy, 창립자 & CEO
VectorCertain LLC
X: @JosephConroyJr | LinkedIn
웹사이트: vectorcertain.com

면책 조항: 이 번역은 NewsRamp™ 가 Newsworthy.ai (“THE COMPANIES”로 총칭)을 위해 공개적으로 접근 가능한 생성형 인공지능 플랫폼을 사용하여 자동 생성되었습니다. THE COMPANIES는 이 번역의 정확성이나 완전성을 보장하지 않으며, 어떠한 오류, 누락, 부정확함에 대해서도 책임을 지지 않습니다. 이 번역에 대한 의존은 사용자의 책임하에 이루어집니다. THE COMPANIES는 이러한 의존으로 인해 발생하는 어떠한 손해나 손실에 대해서도 책임지지 않습니다. 이 보도자료의 공식적이고 권위 있는 버전은 영어 버전입니다.