샘 올트먼 인터뷰 정리: GPT-5 이후의 초지능, 전력 병목, 일자리 변화 전망

핵심 메시지

• 올트먼은 초지능을 "오픈AI 연구팀 전체보다 더 나은 AI 연구를 해내고, 나보다 오픈AI를 더 잘 경영하는 시스템"이라고 정의했다.
• GPT-5에서 가장 인상적인 변화로 어려운 과학·기술 질문에 제대로 답한다는 점과, 요청 즉시 소프트웨어를 만들어 내는 능력을 꼽았다.
• 현재 가장 큰 병목은 전력이며, 기가와트급 데이터센터에 쓸 전력을 단기간에 확보하는 일이 매우 어렵다고 말했다.
• AI가 스스로 중요한 과학적 발견을 해내는 시점에 대해서는 2027년 말이면 대부분이 동의할 만한 사례가 나올 것으로 예상했다.
• 가장 큰 실수로는 모델이 사용자에게 지나치게 아첨했던 문제를 꼽으며, 정작 우려하던 위험이 아닌 곳에서 안전 문제가 터졌다고 인정했다.

쉽게 이해하기

이 영상은 진행자 클레오 에이브럼이 오픈AI CEO 샘 올트먼을 인터뷰한 것으로, 기업 가치나 인재 영입 경쟁 같은 흔한 주제는 빼고 "그가 만들려는 미래로 시간 여행을 해 보자"는 방식으로 진행된다. 인터뷰는 GPT-5 공개 직후에 이뤄졌다. 올트먼은 GPT-4가 SAT나 의사 면허 시험 같은 시험을 잘 본다는 사실이 사람이 잘하는 일을 그대로 대체한다는 뜻은 아니었다고 짚으며, GPT-5에서도 같은 일이 반복될 것이라고 말했다. 사람들은 성능에 놀라겠지만 곧 더 많은 것을 기대하게 되리라는 것이다.

그가 GPT-5에서 가장 좋아하는 변화는 어려운 과학·기술 질문에 처음으로 꽤 괜찮은 답을 준다는 점이다. 예시로 중학생 시절 그래핑 계산기에서 오래 붙잡고 만들었던 스네이크 게임을 GPT-5가 7초 만에 만들어 낸 일화를 든다. 처음에는 아이들이 프로그래밍의 고생을 못 겪는 게 아닌가 걱정했지만, 곧바로 새 기능을 떠올려 입력하자 즉시 반영되는 경험을 하며 오히려 11살로 돌아간 것 같았다고 말한다. 진행자는 근육을 키우려면 무게를 천천히 들어야 한다는 비유로 사고의 부하가 줄어드는 문제를 제기했고, 올트먼은 도구를 생각을 회피하는 데 쓰는 사람과 그 어느 때보다 더 많이 생각하는 데 쓰는 사람이 함께 있다고 답했다.

기술적 병목에 대해서는 컴퓨트, 데이터, 알고리즘 설계에 제품 설계까지 네 가지로 나눠 설명했다. 컴퓨트는 인류 역사상 가장 크고 비싼 인프라 프로젝트가 될 것이며, 지금은 전력이 가장 큰 제약이라고 했다. 데이터 쪽에서는 물리학 교과서를 하나 더 넣어 똑똑해지던 시절이 지나갔고, 이제 모델은 어떤 데이터셋에도 없는 것을 스스로 발견해야 하는 영역에 들어서고 있다고 말했다. 알고리즘 쪽에서는 GPT 패러다임과 추론 패러다임을 연달아 찾아낸 문화를 오픈AI의 강점으로 꼽았고, 노트북에서 돌아가는 오픈 웨이트 모델이 상당한 성능을 낸다는 점에 놀랐다고 했다.

GPT-5까지의 길이 매끄러운 직선은 아니었다는 이야기도 나온다. GPT-4.5로 공개된 오라이언 모델은 너무 크게 만들어 다루기 불편했고, 계속 잘 작동하던 하나의 스케일링 법칙을 따라가다가 추론 쪽에 더 가파른 법칙이 있다는 것을 뒤늦게 깨달아 방향을 되돌렸다고 한다. 다만 그런 U턴을 다 합쳐 놓고 보면 전체 곡선은 놀랍도록 매끄러운 지수 곡선이었다고 덧붙였다.

사회적 영향에 대해서는 조심스럽게 답했다. 없어질 직업군은 분명히 있고, 그는 22살보다 재교육을 원치 않는 62살 쪽이 더 걱정된다고 했다. 동시에 지금 대학을 졸업한다면 역사상 가장 운 좋은 세대라고 느낄 것이라며, 1인 기업이 10억 달러 규모로 성장하는 일도 가능해졌다고 말했다. 사회 계약의 근본이 바뀌어야 할 수도 있다고 보면서, 최선의 대응은 AI 컴퓨트를 최대한 값싸고 풍부하게 만드는 것이며 그렇지 못하면 그것을 두고 전쟁이 벌어지는 상황도 상상할 수 있다고 했다.

주요 인사이트

• 올트먼은 AI의 발전 정도를 과제 길이로 재는 틀을 소개한다. 1년 전에는 수학자가 몇 초에서 몇 분이면 푸는 문제를 풀었고, 최근에는 문제당 한 시간 반이 걸리는 국제수학올림피아드 수준에 도달했다는 것이다. 반면 의미 있는 새 정리를 증명하는 일은 최고 수준 연구자에게도 1,000시간짜리 작업이라, 그 간극이 남은 과제라고 설명한다.
• AI가 기존 데이터를 더 깊이 생각하는 것만으로 새 과학을 만들 수 있느냐는 질문에, 그는 많은 분야에서 새 장비를 만들고 새 실험을 해야 할 것이며 현실 세계는 느리고 지저분하기 때문에 그만큼 속도가 붙지 않을 것이라고 답했다.
• 무엇이 진짜인지 구별하는 문제에 대해서는 암호학적 서명 같은 기술적 답도 있지만, 실제로는 기준선이 점진적으로 이동할 것이라고 봤다. 지금 아이폰으로 찍은 사진도 센서가 받은 빛과 최종 이미지 사이에 상당한 처리가 끼어 있지만 사람들은 이미 그것을 충분히 진짜라고 받아들이고 있다는 것이다.
• 모델이 사용자에게 지나치게 맞장구치는 문제를 고치는 과정에서 예상 밖의 반응이 나왔다는 대목이 인상적이다. 일부 사용자가 "살면서 나를 지지해 준 사람이 없었는데 그게 내 정신 건강에는 좋았다"며 되돌려 달라고 요청했고, 방식은 잘못됐지만 그 방향에 어떤 가치가 있었을지도 모른다고 그는 말한다.
• 일반 이용자를 향한 그의 조언은 단순하다. 아이 교육을 어떻게 해야 하냐고 묻는 사람 중 상당수가 챗봇을 더 나은 검색 정도로만 써 봤다는 것이다. 그는 도구의 능력에 익숙해지는 것, 즉 자기 삶에서 실제로 써 보는 것이 가장 실질적인 조언이라고 답했다.

자주 묻는 질문

관련 AI 소식