이 글은 Claude Opus 4.8 을 이용해 초안이 작성되었으며, 이후 퇴고를 거쳤습니다.

이어가며#

Part 1에서는 능력의 변화를 측정값으로 봤습니다. 벤치마크 점수, METR 자율 작업 시간지평, 올림피아드 성적이 1년 사이에 모두 크게 올랐습니다.

이번 편의 질문은 다릅니다. 그 변화를 가장 가까이서 지켜보는 사람들은, AGI가 언제 올지에 대한 자신의 예상을 어떻게 바꿨는가. 랩을 이끄는 CEO들, 분야를 만든 연구자들, 그리고 예측시장과 전문가 설문을 차례로 봅니다.

미리 결론의 형태를 말하면, 지난 1년의 패턴은 수렴이 아니라 분기(分岐) 였습니다. 랩 CEO들은 이미 공격적이던 일정을 유지하거나 약간 앞당겼고, 일부 핵심 연구자들은 “스케일링은 한계에 왔고 새 아이디어가 필요하다"는 쪽으로 더 단단해졌습니다. 그리고 그 사이에서 “AGI란 무엇인가"라는 정의 자체가 공개적으로 갈라졌습니다.

랩 CEO들: 유지하거나, 앞당겼다#

Demis Hassabis (Google DeepMind) — 약간 앞당김#

2025년 3월, Hassabis는 “5~10년 안에 50% 확률로 AGI"라는 틀을 제시했습니다. AGI를 인간의 모든 인지 능력(창의·발명 포함)을 갖춘 시스템 으로 정의하고, 거기에 도달하려면 LLM 스케일링 외에 한두 개의 돌파구(추론, 계획)가 더 필요하다고 봤습니다.

2026년 들어 이 틀은 약간 좁혀졌습니다. 2026년 5월 보도 기준으로 그는 AGI를 “2030년 전후, 어쩌면 2029년“으로 당겼고, Google I/O에서는 인류가 “특이점의 산기슭에 서 있다"고 표현했습니다. 다만 “한두 개의 큰 아이디어가 아직 남았다"는 입장은 그대로였고, 미해결 과제로 세계 모델·기억·일관성·지속 학습을 꼽았습니다. 정리하면 5~10년 창에서 2029~2030으로 소폭 앞당김, 단 추가 돌파가 필요하다는 신중함은 유지입니다.

Dario Amodei (Anthropic) — 거의 그대로, 오히려 강화#

Amodei는 2024년 10월 에세이 “Machines of Loving Grace"에서 데이터센터 안의 천재들의 나라(country of geniuses in a datacenter) 라는 표현을 만들고, 강력한 AI가 2026년, 늦어도 2027년 에 가능하다고 봤습니다.

2026년에도 이 입장은 거의 그대로였습니다. 2026년 1월 말 새 에세이 “The Adolescence of Technology"에서 같은 시기를 재확인했고, 2026년 2월 한 인터뷰에서는 “우리는 지수곡선의 끝자락에 가까이 와 있다”, “10년 안 AGI에 90% 확신"이라고 말했습니다. 흥미로운 점은 “지수곡선의 끝자락"이라는 표현이 강세론 이라는 것입니다. 곡선을 다 올라왔다는 뜻이니까요. 같은 “곡선이 성숙했다"는 관찰을 두고 뒤에 나올 Sutskever는 정반대 결론을 냅니다. 세 CEO 중 가장 일관되게 같은 일정을 유지 한 사람입니다.

Sam Altman (OpenAI) — 일정보다 수사(修辭)가 바뀜#

Altman은 2025년 1월 “Reflections"에서 “우리는 이제 전통적 의미의 AGI를 어떻게 만드는지 안다"고 썼고, 같은 해 6월 “The Gentle Singularity"에서는 “이륙은 시작됐다"며 2026년 새로운 과학적 통찰, 2027년 현실 세계 로봇, 2030년대 초 풍요로운 지능 이라는 구체적 일정을 제시했습니다.

2026년의 변화는 시기가 아니라 어조 에 있었습니다. “AGI를 안전하게 만든다"에서 “AI를 널리 분배하고 사회가 실시간으로 적응하게 한다"는 쪽으로 강조점이 이동했습니다. 데이터센터 안의 지능이 바깥을 넘어서는 시점을 2028년경으로 보고, 초기 초지능은 “몇 년 안"으로 언급했습니다. 일정은 여전히 공격적이고 모호하지만, 수사는 한결 부드러워졌습니다. 다만 그가 못 박은 “2026년 과학, 2027년 로봇"은 이제 현실과 대조해 검증할 수 있는 예언이 됐습니다.

연구자 진영: 회의가 단단해졌다#

Ilya Sutskever (SSI) — “스케일링의 시대는 끝났다”#

스케일링 패러다임을 함께 설계한 당사자의 입에서 나왔다는 점에서 이 발언은 무게가 다릅니다. 2025년 11월 한 인터뷰에서 Sutskever는 이렇게 말했습니다. “2020년부터 2025년까지는 스케일링의 시대였다. 이제는 다시 연구의 시대로 돌아왔다. 다만 큰 컴퓨터를 가지고서.” 핵심 문제로는 일반화 를 꼽았습니다. “이 모델들은 사람보다 훨씬 못한 수준으로 일반화한다"는 것입니다. 사전학습 데이터는 유한하고, 스케일링 법칙은 수확 체감에 들어섰다고 봤습니다. AGI 시기를 물었을 때의 답은 “5~20년“이었습니다.

Amodei의 “지수곡선의 끝자락"과 Sutskever의 “스케일링의 시대는 끝났다"는 같은 현상(스케일링 곡선의 성숙)을 가리키지만 결론은 정반대입니다. 한쪽은 “거의 다 왔다”, 다른 쪽은 “이제 새 연구가 필요하다"입니다.

Yann LeCun (Meta → AMI Labs) — 회의가 10억 달러 베팅이 되다#

LeCun은 오래전부터 “LLM은 AGI로 가는 길이 아니라 갓길"이라는 입장이었고, 토큰 예측 대신 잠재 공간에서 작동하는 세계 모델(JEPA)을 주장해 왔습니다. 지난 1년의 변화는 그가 이 입장을 행동으로 옮겼다 는 점입니다. 2025년 11월 약 12년간 몸담은 Meta를 떠나 파리에 세계 모델 스타트업 AMI Labs 를 세웠고, 2026년 3월 보도 기준 약 10.3억 달러(프리머니 35억 달러) 규모의 시드를 유치했습니다. 유럽 사상 최대 규모의 시드 라운드로 보도됐습니다.

논지는 그대로지만 강도는 세졌습니다. LLM 회의론자 중 가장 유명한 인물이, LLM 랩들이 “승리가 가깝다"고 선언하던 바로 그 시점에, 반대 명제에 10억 달러를 걸었다는 것입니다.

Andrej Karpathy — “에이전트의 10년”#

Karpathy는 2025년 10월 한 인터뷰에서 “에이전트의 해"라는 표현을 “에이전트의 10년“으로 정정하며, AGI가 약 10년 정도 남았다고 봤습니다. 현재의 에이전트를 “조잡하다(slop)“고 표현하며 “업계가 너무 큰 도약을 가정하고 있다"고도 했습니다. 장기적으로는 강세, 단기적으로는 과열을 경계하는 — 랩 CEO와 순수 회의론자 사이의 신뢰할 만한 중간 목소리입니다.

Gary Marcus — “내가 말했지 않았나”#

대표적 회의론자인 Marcus는 2025년에 자신이 내놓은 “고신뢰” 예측 17개 중 16개가 맞았다고 주장합니다. AGI는 오지 않았고, GPT-5는 기대에 못 미쳤으며, 환각은 해결되지 않았고, 스케일링은 수확 체감에 들어섰다는 것입니다. 2027년 말까지 AI가 자신이 지정한 AGI 과제들을 통과하지 못한다는 데 10대 1로 공개 베팅도 걸어 두었습니다. 다만 균형을 위해 덧붙이면, 그의 채점은 본인이 직접 하는 자가 채점이고, 아슬아슬한 판정을 승리로 분류한다는 비판도 있습니다.

“AGI를 달성했다"는 말과 정의 논쟁#

2026년의 가장 흥미로운 현상은, AGI의 정의 자체가 공개적으로 갈라졌다 는 것입니다.

2026년 3월, Nvidia의 Jensen Huang은 한 인터뷰에서 “이제 AGI를 달성했다고 본다"고 말했습니다. 단, 이는 “AI가 10억 달러 규모 사업을 시작할 수 있는가” 같은 본인 나름의 특이한 기준에 대한 것이었습니다. 정의를 자기에게 유리하게 고르면 “AGI는 이미 왔다"고도 말할 수 있게 된 것입니다.

이런 정의 게임을 가능하게 한 배경에는 서로 다른 정의들의 난립이 있습니다.

  • DeepMind: 인간의 모든 인지 능력을 갖춘 시스템.
  • Hendrycks·Bengio 등의 “A Definition of AGI” 논문(2025-10): “교양 있는 성인의 인지적 다재다능함과 숙련도"를 기준으로, 심리측정학(Cattell-Horn-Carroll 이론)에 근거한 10개 인지 영역으로 측정. 이 틀로 채점하면 GPT-4는 27%, GPT-5는 57%였고, 가장 큰 결손은 장기 기억이었습니다.
  • OpenAI와 Microsoft의 계약상 정의: AGI를 “1,000억 달러의 이익 을 내는 시스템"으로 규정(2023년 합의, 2024년 말 보도). 이 정의는 Microsoft의 독점 접근권 종료 조건과 묶여 있습니다.

이렇게 정의가 갈라지면, “AGI가 왔는가"는 더 이상 사실의 문제가 아니라 어느 정의를 고르느냐의 문제 가 됩니다. 측정 가능한 점수가 올라가는 만큼이나, “무엇을 측정할 것인가"에 대한 합의는 오히려 흐려진 1년이었습니다.

예측시장과 전문가 설문#

발언은 인상에 좌우됩니다. 그래서 집계 지표를 따로 봅니다.

예측시장 (Metaculus)#

Metaculus의 “약한 일반 AI(weakly general AI)가 공개적으로 알려지는 시점” 질문은 2026년 중반 기준 커뮤니티 중앙값이 대략 2027년 말~2028년 상반기 에 형성돼 있습니다(요약 출처에 따라 2027-10~2028-05로 갈림). 더 강한 정의의 “최초 일반 AI 시스템” 질문은 중앙값이 2022년 1월 2055년에서 2025년 6월 2033년으로 크게 당겨졌습니다.

지난 12개월의 미세한 움직임이 흥미롭습니다. 2025년 중후반에는 GPT-5의 실망과 “스케일링 정체” 담론으로 일정이 뒤로 밀렸다가, 2026년 초에 다시 앞으로 당겨졌습니다. 보도에 따르면 2026년 1~4월 사이 업데이트한 예측자들은 대체로 시기를 앞당기는 쪽으로 움직였습니다. 한 통합 대시보드(2026-06 기준)는 AGI를 약 2031년(80% 신뢰구간 2027~2043)으로 집계합니다. 단일 날짜보다 범위로 읽는 편 이 정직합니다.

전문가 설문 (AAAI 2025)#

랩 CEO의 낙관과 가장 날카롭게 대비되는 데이터입니다. 2025년 3월 발표된 AAAI 대통령 패널 설문에서, AI 연구자 475명 중 76% 가 “현재 접근법을 스케일업하는 것으로 AGI에 도달할 가능성은 낮거나 매우 낮다"고 답했습니다. 응답자의 다수(67%)가 학계 소속이었습니다.

이 연구자 중앙값과 랩 CEO 사이의 간극 이야말로 지난 1년을 관통하는 가장 중요한 긴장입니다. 한쪽은 2026~2030년을 말하고, 다른 한쪽의 4분의 3은 “지금 방식으로는 어렵다"고 말합니다.

스케일링 논쟁: 무엇을 “스케일링"이라 부를 것인가#

이 분기를 이해하는 열쇠는 “스케일링"이라는 말의 뜻이 1년 사이에 바뀌었다는 데 있습니다.

  • 정체론 진영(Sutskever, LeCun, Marcus, AAAI 다수)은 사전학습 스케일링 이 한계에 왔다고 봅니다. 인터넷 텍스트 말뭉치가 사실상 고갈됐고, GPT-5가 기대에 못 미친 것이 방아쇠였습니다.
  • 새 패러다임 진영 은 사전학습이 둔화된 자리를 강화학습(RL)과 추론 시점 연산(test-time compute), 즉 추론 모델이 메웠다고 봅니다. Amodei의 “지수곡선의 끝자락"이 여기 속합니다. 한 곡선이 평평해져도 새 방법이 짐을 넘겨받으므로 일정은 바뀌지 않는다는 것입니다.

2026년 중반의 종합은 이렇습니다. 이제 “스케일링"은 더 이상 “더 큰 사전학습"만을 뜻하지 않고 “RL + 추론 시점 연산"을 포함합니다. 양쪽 진영 모두 사전학습 단독 스케일링이 성숙했다는 데는 동의 하고, 그 새 레시피가 AGI까지 가는 마지막 구간인지(CEO들), 아니면 점진적 공학에 불과한지(회의론자들)에서 갈립니다.

Part 2 정리#

  • 랩 CEO들은 일정을 유지하거나(Amodei) 약간 앞당겼고(Hassabis), 일정보다 어조를 바꿨습니다(Altman).
  • 연구자 진영(Sutskever, LeCun, Karpathy, Marcus)은 “스케일링 한계, 새 아이디어 필요” 쪽으로 단단해졌고, LeCun은 그 회의에 10억 달러를 걸었습니다.
  • 예측시장은 약한 AGI를 2027~2028년, 강한 AGI를 2031~2033년쯤으로 보지만, 2025년에 밀렸다가 2026년에 당겨지는 진동이 있었습니다.
  • AAAI 연구자의 76%는 “현재 방식으로는 AGI에 도달하기 어렵다"고 봅니다.
  • 그리고 “AGI란 무엇인가"라는 정의 자체가 갈라져, “AGI가 왔는가"가 부분적으로 마케팅의 문제가 됐습니다.

발언과 예측은 여기까지입니다. 그렇다면 실제 현실—실전 배치, 경제, 노동—에서는 어떤 일이 벌어졌을까요. Part 3에서는 “검증된 진보와 보도자료 과장"을 가르며, 회의론과 낙관론을 각각 가장 강한 형태로 세워 보겠습니다.

References#