AI 분야에서 무언가 빠르게 가속되고 있다는 느낌이 든다면, 그 직감은 아마 맞을 것이다. 미국 선도 AI 연구소들의 모델은 그 어느 때보다 빠르게 출시되고 있다(단, 정부 개입으로 인해 가장 강력한 모델 두 개—Claude Fable과 GPT-5.6—의 접근이 일시적으로 차단되기도 했다).

하지만 이는 단순히 출시 속도만의 문제가 아니다. 각종 증거는 성능 향상도 가속화되고 있음을 보여준다(물론 최전선은 여전히 들쭉날쭉하고, AI가 취약한 영역도 여전히 많다). 이는 AI가 실제 업무를 수행하는 능력을 살펴보면 특히 두드러진다. AI가 인간의 업무를 얼마나 수행할 수 있는지 측정하려는 신뢰할 만한 평가 도구들이 몇 가지 있다. 그중 가장 유명한 두 가지인 METR 과 영국 정부 공식 기관인 AI Security Institute의 평가는, 프롬프트 하나로 AI가 수행할 수 있는 작업량을 인간 프로그래머의 작업 시간으로 환산해 보여준다. GDPval은 전문 심사위원을 활용해 다양한 분야의 인간 전문가와 AI의 성과를 비교한다. 이 수치들은 모두 지수 이상의 속도로 증가하고 있다.

유사한 실험을 진행 중인 또 다른 기관 Epoch는 최근 Opus 4.7이 단독으로 14시간 동안 작업해, 인간 엔지니어라면 2~17주가 걸릴 소프트웨어 패키지를 완성해냈다고 밝혔다(토큰 비용은 251달러였다). 물론 AI 시스템이 모든 테스트를 통과하는 것도 아니고, 실행 비용이 항상 저렴한 것도 아니다. 그러나 발전 속도만큼은 분명 매우 빠르다. 필자가 직접 진행한 실험에서도 Fable은 9시간 동안 자율적으로 작동해, 팀이 일주일 이상 매달려야 할 복잡한 소프트웨어 프로젝트를 완수해냈다.

지금까지는 '지능'이 가장 높은 최전선 모델들을 중심으로 살펴봤다. 이 모델들은 Anthropic, OpenAI, Google, 세 미국 기업이 만든다(단, Google은 새 모델을 출시한 지 꽤 시간이 지났다). 그런데 이 최전선에서 통상 6~12개월 뒤처진 준최전선(near-frontier) AI 모델군이 있는데, 이들은 모두 중국산이다. 이 모델들은 오픈 웨이트(open weights) 모델로, 출시 후 누구든 자유롭게 사용하거나 수정할 수 있다(독점 방식인 최전선 모델들과는 대조적이다). 덕분에 운영 비용도 상당히 저렴하다. 이 모델들 역시 미국 클로즈드 모델보다는 뒤처지지만, 지수적 성능 향상 곡선을 타고 올라가고 있다. AI가 여러 종류의 분석을 수행해야 하는 복잡한 수주 단위 컨설팅 업무를 시뮬레이션하는 AA-Briefcase 테스트에서 AI 성능을 그래프로 확인할 수 있다. 오픈 웨이트 중국 모델들(다른 나라들도 오픈 웨이트 모델을 출시하지만, 최전선에 근접한 모델은 없다)은 미국 클로즈드 모델에 뒤처진 채 독자적인 지수 곡선을 그리고 있다.

하지만 추상적인 그래프만으로는 한계가 있다. 최전선이 얼마나 들쭉날쭉한지, 그리고 오픈 웨이트 모델들이 인상적이긴 해도 벤치마크 수치만큼 실제 성능이 항상 따라오지는 않는다는 사실이 그래프에서는 가려지기 쉽다. 진짜 인사이트를 얻으려면 다양한 사용 사례에 직접 AI를 써보고, 자신에게 중요한 영역에서 얼마나 잘 작동하는지 면밀히 평가해야 한다. 흥미로운 사례로, 필자는 AI에게 시간에 따라 변화하는 항구의 인터랙티브 시뮬레이션을 구축하게 하는 테스트를 만들었다. 결과물은 여기서 직접 체험해볼 수 있다. 이 테스트는 디자인, 스타일 접근 방식, 심지어 판단력에 이르기까지 모델들 사이에 얼마나 큰 차이가 있는지 흥미로운 관점을 제시해준다고 생각한다. 시스템이 더 길고 복잡한 작업을 수행하게 될수록, 벤치마크로 측정하기 어려운 이런 요소들의 중요성은 더욱 커진다.

AI를 활용하는 방식이 바뀌고 있다

AI가 점점 더 긴 작업을 수행할 수 있게 되면서, 사람들이 AI를 활용하는 방식도 달라지고 있다. 얼마 전까지만 해도 AI를 활용하는 주된 방식은 '공동 지성(co-intelligence)'으로 함께 일하는 것이었다. AI에게 무언가를 요청하고, 결과를 확인한 뒤, 다음 단계를 또 요청하는 식이었다. 신중한 프롬프팅과 사람의 지속적인 관여를 통해 복잡하고 장기적인 작업을 AI에게 맡길 수 있었다.

이 방식은 여전히 흔하고 유용하지만, 점차 가치 있는 실제 업무에서는 주류가 되지 못하고 있다. 장시간 실행되고 스스로 오류를 수정하는 스마트한 AI 시스템은 끊임없는 인간의 개입을 필요로 하지 않으며, 이에 맞는 새로운 업무 방식을 요구한다(이 주제는 필자의 차기 도서 Co-Existence에서도 다루고 있으니 여기서 사전 주문할 수 있다). 또한 챗봇과 달리 에이전트에는 추가적인 인프라가 따라온다. AI가 도구와 실행 환경에 접근할 수 있게 해주는 하네스(harness), 그리고 Claude Code나 OpenAI의 Codex처럼 에이전트를 위해 설계된 앱이 그것이다. 결과적으로 이미 향상되고 있는 AI 모델의 성능은 좋은 하네스나 앱을 만나면 한층 더 끌어올려질 수 있다.

이제 업무의 무게중심은 챗봇과 함께 일하는 것에서 에이전트에게 일을 맡기는 것으로 점차 이동하고 있다. OpenAI와 경제학자들이 진행한 공동 연구는 이러한 변화가 OpenAI 내부에서도 얼마나 빠르게 일어나고 있는지 보여준다. 주목할 점은, 에이전트를 활용하는 것이 개발자만의 이야기가 아니라는 것이다. 법무, 인사 등 비기술 부서에서도 거의 비슷한 속도로 에이전트를 도입하고 있다. OpenAI는 앞으로 직장 전반에서 벌어질 변화를 예고하는 광산 속 카나리아인지도 모른다.

OpenAI에서의 업무는 점점 AI를 관리하는 일에 가까워지고 있다. OpenAI 직원의 4분의 1은 매주 최소 4개의 에이전트를 동시에 운용한다. 코딩이 전문화된 하네스와 앱을 통해 AI에게 맡겨지면서, 다른 직군의 사람들도 일종의 코더가 되어가고 있다. 그리고 그들은 꽤 잘해낸다. Claude Code 사용자 연구에 따르면, 소프트웨어 엔지니어들이 Claude Code로 코딩 작업을 수행할 때의 성공률은 다른 직군과 크게 다르지 않았다.

실제로 중요한 것은 사용자의 직업이 아니라 전문성이었다. 특정 도메인의 경험이 많을수록 해당 도메인에서 Claude Code를 더 효과적으로 활용했다. 더 흥미로운 점은, 프롬프트 하나로 Claude에서 얻어내는 유용한 결과물도 그만큼 풍부했다는 것이다.

우리는 비전문가들이 챗봇으로 빈틈을 메우던 세계에서, 전문가들이 에이전트를 활용해 실질적인 성과를 내는 세계로 이동하고 있다. 그리고 에이전트를 가장 잘 활용하는 방법은 스스로를 관리자로 생각하는 것이다.

지금 이 순간

지수 곡선 위에 있다는 것은, 같은 기간 동안의 변화가 이전보다 항상 더 크다는 의미다. 조직이 2025년 겨울 이전에 AI 계획을 수립했다면, 그 계획은 꽤 높은 오류율로 몇 시간의 작업만 처리하는 시스템을 기준으로 한 것이었다. 그런데 불과 몇 달 후, 프롬프트 하나로 16시간 이상의 작업을 수행할 수 있게 됐다. AI가 그래프 위의 완만한 곡선임에도 불구하고 계속해서 도약하는 것처럼 느껴지는 이유가 바로 여기에 있다. 능력의 꾸준한 두 배 증가가 일련의 충격으로 경험되기 때문이다. 우리는 지수 곡선 안에 있을 때 그것을 감지하는 데 매우 서투르다. 그리고 지금, 우리는 그 안에 있다.

이러한 관점은 AI를 둘러싼 혼란을 단순한 과대광고(hype)로 설명하는 것보다 훨씬 명쾌하게 이해시켜 준다. AI는 어느 순간 갑자기 실질적인 사이버보안 위협이 되고, 그로 인해 정부 최고위급에서 즉흥적인 정책 변화가 촉발된다. 시장은 AI가 기존 비즈니스 모델을 위협할 가능성을 외면하다가 어느 날 갑자기 그 현실과 마주하며 주가가 요동친다. 이런 급격한 변화는 결국 안정될 미성숙한 분야의 징표로 읽히곤 한다. 하지만 필자는 가까운 시일 내에 안정될 것이라고 생각하지 않는다. 이 불안정성은 사람의 속도(혹은 더 느린 위원회의 속도)로 움직이는 기관들이, 인간의 본성과는 전혀 다른 성격의 성능 곡선을 따라잡으려 할 때 불가피하게 나타나는 현상이다. 그리고 어떤 형태로든 지수 곡선이 지속되는 한, 그 격차는 계속 벌어질 뿐이다.

지금 구독하기