인공지능(AI)은 인간 전문가의 창의성과 추론 능력에 준하는 컴퓨터 시스템 메커니즘을 자율적으로 설계할 수 있을까? 우리는 대규모 언어모델(LLM)을 인간의 사고 방식을 모방한 다중 에이전트 워크플로우에 활용하는 AI 아키텍처인 Glia를 제안한다. 각 에이전트는 추론, 실험, 분석에 특화되어 있으며, 추상적 추론을 실증적 피드백에 기반하게 하는 평가 프레임워크를 통해 협업한다. 기존의 시스템 설계를 위한 머신러닝 기법들이 투명하지 않은 블랙박스 정책을 최적화하는 데 그쳤던 것과 달리, Glia는 해석 가능한 설계를 생성하고, 자신의 추론 과정을 투명하게 노출한다. 대규모 언어모델(LLM) 추론을 위한 분산 GPU 클러스터에 적용한 결과, 요청 라우팅, 스케줄링, 자동 확장에 관한 새로운 알고리즘을 도출하였으며, 인간 전문가 수준의 성능을 훨씬 더 짧은 시간 내에 달성하였다. 동시에 작업부하의 동작 특성에 대한 새로운 통찰을 제공하였다. 본 연구 결과는, 추론 기능을 갖춘 대규모 언어모델과 체계적인 실험을 결합함으로써 AI가 복잡한 시스템 문제에 대해 창의적이고 이해하기 쉬운 설계를 생성할 수 있음을 시사한다.