예측은 앞당겨졌고, 불확실성은 더 짙어졌다. AGI를 둘러싼 논의는 더 이상 기술 낙관론자들의 장밋빛 전망이나 종말론적 경고만으로 설명되지 않는다. 최근 몇 년 사이 전문가 설문, 예측시장, 컴퓨트 중심 분석이 서로 다른 방법으로 비슷한 방향을 가리키기 시작했다. 문제는 그 방향이 “임박한 도착”이라는 단순한 결론으로 수렴하지 않는다는 점이다. 오히려 지금 드러나는 것은 하나의 역설이다. 가능성은 가까워졌는데, 그것을 판단하고 대비할 사회의 언어와 제도는 아직 충분히 준비되지 못했다. RAND가 2026년 펴낸 「Artificial General Intelligence Forecasting and Scenario Analysis」는 바로 이 지점에서 출발한다. AGI의 날짜를 맞히는 일보다, 흔들리는 예측을 어떻게 읽고 어떤 준비를 서둘러야 하는지를 묻는 쪽이 더 중요해졌다는 문제의식이다.

AGI를 둘러싼 시간표가 갑자기 사회적 질문이 된 데에는 이유가 있다. 인공지능은 이제 검색과 생산성 도구를 넘어 물류, 사이버 보안, 연구개발, 국가안보와 같은 핵심 영역에 빠르게 침투하고 있다. 이런 흐름 속에서 정부는 정책을 다시 짜야 하고, 투자자는 자본 배분의 방향을 점검해야 하며, 연구기관과 기업은 기술 로드맵을 재설정해야 한다. 더는 “AI가 언젠가 세상을 바꿀 것”이라는 추상적 수준의 문장으로는 부족하다. 어떤 종류의 시스템이 어느 수준까지 도달할 수 있는지, 그리고 그 속도가 얼마나 빨라졌는지를 대략이라도 읽어내야만 하는 단계로 들어섰다. 문제는 이 질문이 커질수록 오히려 답이 더 불안정해진다는 사실이다. AGI는 아직 존재하지 않는 대상이고, 예측 방법은 충분히 검증되지 않았으며, 같은 단어 아래 서로 다른 미래가 중첩돼 있기 때문이다.

그럼에도 불구하고 많은 관측이 한 방향으로 움직이고 있다. 최근 5년 사이 AGI 도달 시점에 대한 전망은 전반적으로 앞당겨졌다. 대규모 전문가 조사에서는 고수준 기계지능(HLMI)의 중간값이 불과 1년 전 조사보다 13년이나 앞당겨진 2047년으로 제시됐고, 예측시장과 컴퓨트 중심 모델들은 중심 추정을 2030년대로 두고 있다. 더 넓은 사회적 자동화를 뜻하는 “노동의 완전 자동화” 전망 역시 크게 앞당겨졌다. 각 수치는 정의에 따라 다르고, 프레이밍 방식에 따라 얼마든지 흔들릴 수 있다. 하지만 서로 독립적인 여러 방법이 공통적으로 시계를 앞쪽으로 돌리고 있다는 사실 자체는 무시하기 어려운 신호가 된다. 이것이 지금 AGI 논쟁이 과거의 사변적 토론과 달라진 첫 번째 이유다. 더는 몇몇 기술 낙관론자의 과장으로만 치부하기 어려운 정렬이 나타나고 있기 때문이다.

그러나 바로 이 지점에서 가장 중요한 오해가 생긴다. 시계가 빨라졌다는 말은 곧 도착이 확정됐다는 뜻이 아니다. 오히려 지금의 상황은 신호는 강해졌지만, 해석의 신뢰도는 아직 충분히 높지 않은 상태에 가깝다. 예측 인프라는 미성숙하다. 무엇보다 AGI 예측에는 기상예보처럼 반복적으로 적중률을 점검할 수 있는 “해결된 사례”가 없다. 아직 발생하지 않은 대상을 예측하고 있기 때문이다. 현재 널리 쓰이는 벤치마크는 빠르게 포화되고, 오염되며, 특정 최적화 압력에 취약하다. 여기에 실시간으로 모델 능력을 추적하는 체계도 충분하지 않고, 큰 영향력을 갖는 예측 모델을 독립적으로 검증하는 구조도 촘촘하지 않다. 말하자면 사회는 점점 더 큰 결정을 내려야 하는데, 그 판단의 계기는 아직 시험운전 중인 계기판에 의존하고 있는 셈이다.

이 대목은 매우 중요하다. AGI 논쟁에서 흔히 반복되는 구도는 두 가지다. 하나는 “곧 온다”는 쪽이고, 다른 하나는 “아직 멀었다”는 쪽이다. 하지만 실제로 필요한 질문은 어느 편이 더 자극적인가가 아니다. 지금 사용 중인 예측의 언어와 방법이 어디까지 말할 수 있고, 어디서부터는 더 조심해야 하는가다. RAND의 문제제기는 이 단순하지만 결정적인 차이를 드러낸다. 지금 필요한 것은 날짜를 둘러싼 승부가 아니라, 불완전한 예측을 전략적 판단에 어떻게 연결할 것인가에 대한 기준이다. AGI를 둘러싼 논의가 진지해질수록 확신의 문장은 줄어들고, 조건부 판단과 시나리오 기반 대응은 더 많아져야 한다는 뜻이기도 하다.

왜 이런 변화가 일어났을까. 첫째는 스케일링에 대한 경험적 신호가 축적됐기 때문이다. 최근 인공지능 발전을 둘러싼 핵심 관찰 가운데 하나는, 더 많은 계산 자원과 더 큰 모델, 더 많은 데이터, 더 정교한 학습 방식이 일정한 조건 아래 성능 향상과 이어질 수 있다는 점이다. 과거에는 이것이 일종의 실험실 관찰에 머물렀다면, 이제는 실제 산업 투자와 기술 경쟁의 중심 논리가 되었다. 둘째는 자본의 방향이 바뀌었다는 점이다. 전례 없는 규모의 AI 인프라 투자, 반도체와 데이터센터 경쟁, 모델 훈련에 필요한 막대한 자원의 동원은 단순한 유행 이상의 의미를 갖는다. 셋째는 전문가 기대의 이동이다. 모두가 같은 답을 말하는 것은 아니지만, 과거보다 훨씬 더 많은 연구자와 분석가가 “세기 중반”이 아니라 “더 이른 시점”을 검토하기 시작했다. 바로 이 세 축, 즉 스케일링 신호와 자본 집중, 전문가 기대 이동이 동시에 겹치면서 AGI 시간표는 더 이상 주변 담론이 아니라 전략과 정책의 질문이 되었다.

광고

하지만 여기서도 주의해야 할 점이 있다. 스케일링이 곧바로 일반지능으로 이어진다고 단정할 수는 없고, 대규모 투자 역시 언제나 기술적 돌파를 보장하지는 않는다. AI는 과거에도 여러 차례 겨울을 겪었다. 기술적 정체, 컴퓨트 병목, 신용 환경 악화, 사회적 반발, 규제 개입 같은 조건이 겹치면 확산의 속도는 얼마든지 둔화될 수 있다. 현재 궤적이 지속된다는 가정은 유용한 출발점이지만, 그것이 유일한 미래는 아니다. 이 점에서 AGI 예측은 “낙관적 조기 도래”와 “장기 정체”라는 양극단 사이의 확률 게임이 아니라, 복수의 경로를 염두에 둔 준비의 문제로 바뀐다. 예측의 핵심은 미래를 하나로 고정하는 데 있지 않고, 서로 다른 미래가 요구하는 준비 비용과 대응 시간의 차이를 읽어내는 데 있다.

지금 AGI 논의에서 가장 자주 빠지는 함정 중 하나는, 시간표의 압축을 곧바로 기술의 완성으로 읽어버리는 것이다. 어떤 예측은 “2030년 전후”를 말하고, 어떤 예측은 “수십 년 이후”를 말한다. 이때 사람들은 하나가 맞고 하나는 틀렸다고 생각하기 쉽다. 그러나 실제로는 서로 다른 대상을 말하고 있을 가능성이 크다. 어떤 예측은 “특정 능력을 갖춘 시스템이 처음 존재하는 시점”을 겨냥하고, 어떤 예측은 “그 기술이 실제 산업과 노동시장에 널리 배치되는 시점”을 가리키며, 또 다른 예측은 “생산성, 안보, 경제질서에 유의미한 사회 변화가 나타나는 시점”을 상정한다. 다시 말해 같은 AGI라는 말이 기술적 존재, 운영적 배치, 사회적 변환이라는 서로 다른 단계들을 뒤섞어 사용되고 있는 셈이다. 이후 회차에서 더 깊게 다루겠지만, 1회차에서 반드시 짚어야 할 점은 하나다. 빨라진 시계는 하나의 바늘만 움직이는 것이 아니라는 사실이다. 능력의 등장과 사회의 체감은 같은 시각에 오지 않을 수 있다.

이 차이를 보지 못하면 논쟁은 쉽게 공회전한다. 예컨대 한 연구자가 “2030년이면 AGI급 능력이 등장할 수 있다”고 말하고, 다른 경제학자가 “2045년 이전에 노동시장 전반에 큰 변화는 없을 수 있다”고 말할 때, 둘 중 하나만 맞는 것이 아닐 수 있다. 전자는 능력의 존재를, 후자는 사회 변환의 속도를 보고 있기 때문이다. 이 구분은 단지 학술적 정교함을 위한 것이 아니다. 준비의 순서를 바꾸는 문제이기 때문이다. 안전과 보안의 관점에서는 널리 배치되기 전의 능력 변화가 더 중요할 수 있다. 반면 노동과 교육, 복지와 같은 분야에서는 시장과 제도 변화가 확인되는 시점이 더 실질적인 기준이 될 수 있다. 즉 하나의 날짜로 모든 영역을 묶어 판단하려는 순간, 준비는 오히려 늦어진다.

더 불편한 사실도 있다. AGI에 도달하지 않아도 이미 위험한 능력은 출현할 수 있다는 점이다. 사이버 보안, 생물학 연구, 정교한 설득과 여론 조작처럼 특정 영역에서 인간 수준 혹은 그 이상의 성능을 보이는 시스템은 전체적 의미의 일반지능과 별개로 심각한 영향을 줄 수 있다. 이 때문에 일부 선도 기업과 연구기관은 “AGI 도달 여부” 자체보다 특정 위험 능력을 기준으로 안전 조치를 강화하는 틀을 채택하고 있다. 이것은 지금의 논쟁이 단순히 “언제 인간처럼 똑똑해질까”를 넘어서고 있음을 보여준다. 실제 위험은 종종 완전한 일반지능 이전에 출현하며, 사회가 체감하는 충격도 반드시 AGI라는 이름표를 달고 오지 않는다. 이 점은 1회차의 핵심 주제인 ‘빨라진 시계’가 무엇을 뜻하는지 다시 묻게 만든다. 진짜 문제는 “그날이 언제냐”가 아니라, 어떤 능력이 얼마나 이른 시점에 어떤 영역을 흔들 수 있느냐는 질문이다.

바로 여기서 준비의 지연이 더 또렷해진다. 기술은 빠르게 움직이는데, 이를 읽고 판단할 인프라는 상대적으로 느리다. 현재의 벤치마크는 새로운 모델이 등장할수록 급격히 포화되는 경향을 보이고, 학습 데이터 오염 문제도 반복된다. 모델의 진짜 능력은 내부 테스트와 외부 공개 사이에서 비대칭적으로 분포할 수 있으며, 대중이 보는 데모와 실험실이 확인한 한계 사이에는 커다란 간극이 존재한다. 게다가 예측은 단순한 관찰이 아니다. 일정한 방향의 예측이 투자와 정책, 연구 우선순위를 움직이면, 예측은 자신이 말한 미래를 일정 부분 만들어내는 개입이 되기도 한다. AGI 예측은 현실을 설명하는 동시에 현실을 재구성한다. 이것이 기후 예측이나 경기 전망과도 닮아 있으면서 또 다른 이유다. 그래서 지금 필요한 것은 예측을 신앙처럼 받아들이는 태도도, 헛소리처럼 무시하는 태도도 아니다. 예측이 어떻게 작동하고 어디에서 왜곡되는지를 포함해 읽어낼 수 있는 공적 문해력이다.

최근의 기술 경쟁은 이러한 문해력의 부족을 더욱 뚜렷하게 보여준다. 2025년 말과 2026년 초 사이 여러 선도 실험실이 잇달아 새로운 모델을 내놓았고, 각각이 잠시 최고 수준의 능력을 주장한 뒤 곧바로 다음 모델에 자리를 내주는 장면이 이어졌다. 연간 보고 주기와 정교한 검증 절차를 갖춘 공식 안전 보고조차 발전 속도를 따라잡지 못해 추가 업데이트와 후속 판본을 내야 했다는 사실은 상징적이다. 발표 주기는 짧아지고, 담론은 과열되며, 검증은 뒤따라가고 있다. 모델 성능에 대한 사회적 인식은 실험실의 세밀한 검토보다 종종 더 빠른 속도로 확산된다. 이 상황은 두 가지를 동시에 말해준다. 하나는 역량의 진전이 실제로 빨라지고 있다는 점이고, 다른 하나는 그 속도가 판단 체계를 압박하면서 과잉 해석과 오판의 가능성도 함께 키운다는 점이다.

그렇다면 지금 가장 위험한 태도는 무엇일까. 첫째는 ‘아직 불확실하니 조금 더 두고 보자’는 태도다. 불확실성은 행동 유예의 근거가 아니라, 유연하고 강건한 준비의 이유가 된다. AGI가 내년 오느냐, 20년 뒤 오느냐를 둘러싼 완전한 합의가 있기 전까지 기다리겠다는 방식은 실제 전략이 아니다. 둘째는 반대로 ‘곧 오니 모든 것을 즉시 재편하자’는 조급한 태도다. 이것 역시 검증되지 않은 확신 위에 사회적 비용을 과도하게 얹을 위험이 있다. 중요한 것은 중간 지점이다. 확실한 도착 선언 없이도, 충분히 중대한 가능성에 대해 대비를 앞당기는 것. 그리고 그 대비가 하나의 시나리오에 고정되지 않도록 설계하는 것이다. RAND가 강조하는 유연성, 적응성, 충격에 대한 강건성은 바로 이런 맥락에서 등장한다. 미래가 빨라질수록 계획은 단단해야 하지만, 동시에 고정돼서는 안 된다.

이 말은 준비가 추상적 구호에 머물러서는 안 된다는 뜻이기도 하다. 실제로 필요한 것은 재평가의 기준을 세우는 일이다. 어떤 징후가 나타나면 기존 가정을 바꿔야 하는지, 어느 수준의 능력 시연이 나오면 안전·보안 조치를 강화해야 하는지, 노동시장 변화나 생산성 이동이 어느 정도 관찰되면 교육과 복지의 대응을 전환해야 하는지와 같은 구체적 문턱이 필요하다. 예측을 단일한 숫자로 소비하는 문화에서는 이런 질문이 자주 사라진다. “몇 퍼센트 확률로 AGI가 온다”는 문장은 그럴듯해 보이지만, 실제 의사결정에는 거의 도움이 되지 않는다. 어떤 조치를 취하면 무엇이 달라지는지, 특정 신호가 나타났을 때 무엇을 앞당기고 무엇을 보류해야 하는지에 대한 연결이 빠져 있기 때문이다. 결국 예측이 전략의 입력값이 되려면, 날짜가 아니라 선택의 구조와 이어져야 한다.

이 지점에서 AGI 담론은 기술 기사와 정책 기사 사이의 경계도 다시 흔든다. 지금 필요한 서술은 “최신 모델이 얼마나 똑똑해졌는가”를 나열하는 데 머물지 않는다. 더 중요한 것은 지금의 모델 경쟁과 인프라 투자, 실험실 내부 자동화, 능력 측정 방식의 변화가 어떤 구조적 압박을 만들고 있는지를 설명하는 일이다. 예컨대 AI가 AI 연구개발 자체를 가속하는 수준에 접근할수록, 이후의 발전 속도는 기존의 점진적 예측을 무력화할 수 있다. 반대로 외부 관찰자들은 그 가속 정도를 정확히 파악하기 어렵다. 내부 정보는 제한적이고, 공개 지표는 늘 늦기 때문이다. 이 비대칭성은 앞으로 더 커질 가능성이 있다. 그런 의미에서 AGI의 시간표는 단순한 “기술의 진보 속도”가 아니라, “사회가 기술의 진보를 인지하고 대응하는 속도”와의 차이에서 진짜 문제가 발생한다. 지금 우리가 마주한 것은 AGI의 가능성 그 자체만이 아니라, 인지와 대응의 지연이라는 또 다른 시간차다.

이 연재의 첫 회차가 다루는 핵심은 결국 하나의 문장으로 압축된다. AGI의 시계는 빨라지고 있지만, 우리가 그 시계를 읽는 방식은 아직 낡아 있다. 과거에는 혁신이 수십 년에 걸쳐 확산되며 사회가 느리게 적응할 수 있었다. 그러나 소프트웨어 기반 기술은 훨씬 빠르게 배포되고, 생성형 AI는 이미 전례 없는 속도로 대중과 산업 현장에 스며들었다. 그렇다면 “시간이 더 있으니 나중에 생각하자”는 방식은 더 이상 유효하지 않다. 동시에 빠른 배포 속도가 곧바로 일반지능의 완성을 뜻하지도 않는다. 이 두 사실을 함께 붙들어야만 비로소 지금의 상황을 제대로 이해할 수 있다. 너무 이른 확신과 너무 늦은 대응 사이, 지금 필요한 것은 긴박함과 절제를 동시에 가진 판단이다.

AGI 논의가 지금처럼 뜨거워진 또 하나의 이유는, 그것이 단순한 기술 전망을 넘어 정치와 안보, 산업과 노동, 연구개발과 규제의 경계를 한꺼번에 건드리기 때문이다. 누군가에게 AGI는 투자 기회이고, 누군가에게는 국가 경쟁력의 변수이며, 또 다른 누군가에게는 안전 관리와 제도 설계의 난제다. 같은 예측을 두고도 서로 다른 이해관계자들이 다른 결론에 도달하는 것은 이상한 일이 아니다. 정부 관료와 벤처 투자자, 선도 연구소와 공공 연구지원기관은 같은 미래를 두고도 전혀 다른 비용 구조와 책임 구조를 안고 있기 때문이다. 그래서 예측은 결론을 강요하는 도구가 아니라, 서로 다른 행위자들이 무엇을 더 일찍 준비해야 하는지 가늠하게 하는 공통 언어가 돼야 한다. 이 언어가 부실하면 사회는 더 크게 갈라지고, 각자 자기에게 유리한 시간표만 선택적으로 받아들이게 된다. 지금 AGI 논쟁에서 필요한 것은 공포의 확대가 아니라, 판단 언어의 정교화다.

물론 여기에는 또 다른 아이러니가 있다. AGI가 가까워졌다는 예측은 준비를 촉구하지만, 동시에 과장과 피로도 함께 낳는다. 너무 많은 경고가 쏟아지면 사람들은 오히려 무감각해지고, 지나치게 선명한 서사가 반복되면 복잡한 조건들은 쉽게 사라진다. “5년 안에 온다”는 주장과 “한 세기 안에는 어렵다”는 주장이 충돌할 때, 대중은 어느 쪽이 더 정확한가보다 어느 쪽이 더 드라마틱한가에 끌리기 쉽다. 그러나 실제 정책과 제도는 드라마가 아니라 애매함 속에서 움직여야 한다. 준비의 정치학은 언제나 확신보다 애매함을 다루는 능력에서 갈린다. AGI 문제는 그 전형적인 사례다. 다수의 방법론이 시계를 앞당기고 있지만, 그 시계의 눈금은 아직도 흐릿하다. 그래서 더 필요한 것은 ‘맞히기’보다 ‘버틸 수 있는 준비’다.

이 첫 회차를 마무리하며 남는 질문은 선명하다. AGI는 정말 더 가까워졌는가. 지금까지의 답은 “그럴 가능성을 더 진지하게 다뤄야 할 만큼 가까워졌지만, 그 도착 방식을 아직 단순하게 말할 단계는 아니다”에 가깝다. 다시 말해 현재의 변화는 허황된 공상으로 치부하기엔 너무 구조적이고, 확정된 미래로 받아들이기엔 아직 너무 불안정하다. 바로 이 긴장 속에서 준비가 시작돼야 한다. 날짜의 정확성보다 중요한 것은, 압축된 시간표 가능성을 사회가 이미 하나의 실질적 시나리오로 받아들일 준비가 돼 있는가 하는 점이다. 기술은 전진하고 있는데, 판단과 제도는 여전히 과거의 속도로 움직이고 있다면 진짜 위기는 AGI의 도래 그 자체보다 그에 대한 늦은 인식에서 먼저 시작될 수 있다. 그리고 그 늦은 인식은 언제나 “아직 확실하지 않다”는 문장 속에 숨어 들어온다. 지금 필요한 것은 그 문장을 핑계가 아니라 출발점으로 바꾸는 일이다.

다음 회차에서는 이 앞당겨진 시간표가 도대체 무엇으로 만들어지는지를 본격적으로 파고들게 된다. 전문가 설문은 얼마나 믿을 수 있는가. 예측시장은 어떤 신호를 주고, 컴퓨트 중심 모델은 무엇을 포착하며 무엇을 놓치는가. 그리고 왜 서로 다른 방법들이 비슷한 방향으로 움직이면서도 여전히 강한 불일치를 남겨두는가. AGI를 둘러싼 시간표 논쟁은 결국 예측의 전쟁이 아니라, 예측 방법의 신뢰도를 둘러싼 싸움이기도 하다. 빨라진 시계를 제대로 읽기 위해서는, 그 시계를 만든 톱니바퀴부터 들여다봐야 한다.

#AGI #인공지능 #AGI예측 #AGI타임라인 #생성형AI #AI정책 #AI안전 #기술전망 #RAND