AGI는 이미 왔다 - 데이터브릭스 알리가 본 기업 AI의 컨텍스트 문제와 소프트웨어의 미래

핵심 메시지

• 발표자는 이미 AGI(범용인공지능)에 도달했다고 본다. 2009년 UC 버클리 AMPLab에서 정의한 기준을 넘어섰고, 지금 모델은 우리가 상호작용하는 많은 사람보다 똑똑하다는 것.
• 그럼에도 기업 AI 파일럿의 상당수(MIT 보고서 기준 약 95%, 발표자는 75%일 수도 있다고 봄)가 실패한다. 조직 안에서 자율 에이전트가 사람과 섞여 일하는 모습은 아직 현실이 아니다.
• 핵심 원인은 '컨텍스트 문제'다. 조직과 사람의 머릿속에 있는 맥락을 모델에 전달하지 못하면 AI는 엉뚱한 실수를 하고 쓸모없어진다.
• 소프트웨어는 죽지 않는다. 진입장벽과 전환비용은 크게 낮아졌지만 데이터·규모의 경제·브랜드·신뢰 같은 해자는 남는다.
• 생산성은 더 큰 모델이 아니라 인간의 프로세스를 재설계할 때 나온다. 가치는 시간이 지날수록 스택의 위(애플리케이션)로 이동한다.

쉽게 이해하기

스탠퍼드 MS&E435 'AI 슈퍼사이클의 경제학' 강연에 데이터브릭스를 이끄는 알리가 초대됐다. 그는 먼저 청중에게 "진정하라"고 말한다. 트위터에서 화제가 되는 것에 휩쓸려 초조해하면 시야가 좁아지고 엉뚱한 일에 매달리게 된다는 것이다. 매년 데이터브릭스에 오는 인턴들이 최근 2년간 "지금 창업하지 않으면 AGI 시대를 놓치는 것 아니냐"며 불안해한다는 일화를 든다.

그의 도발적 주장은 "AGI는 이미 왔다"는 것이다. 2009년 UC 버클리 AMPLab에서 당시 최고의 AI 연구자들과 세웠던 AGI의 정의를 지금 모델은 이미 충족한다고 말한다. 사람들이 계속 골대를 옮길 뿐이며, 오늘날 모델은 우리가 일상에서 상호작용하는 많은 사람보다 똑똑하다고 본다. 따라서 '초지능'을 좇으며 GPU와 데이터센터에 막대한 돈을 쏟는 일은 꼭 필요하지 않다는 입장이다.

그렇다면 왜 기업에서는 AI가 잘 작동하지 않을까? 그는 MIT 보고서가 말한 '기업 AI 파일럿의 약 95% 실패'를 인용하며, 실제 조직 안에는 자율 에이전트가 돌아다니며 일하는 모습이 없고 여전히 사람이 문서를 나른다고 지적한다. 원인은 '컨텍스트'다. 모든 회사에는 10~30년 근속하며 모든 맥락을 머릿속에 담고 있는 '존이나 제인' 같은 사람이 있는데, 그 지식이 모델 안에는 없기 때문에 AI가 제 역할을 못 한다는 것이다.

그는 데이터브릭스의 커넥터 개발 사례로 이를 뒷받침한다. 원래 프로덕션 커넥터 하나를 만드는 데 9개월이 걸렸다. AI만 도입했을 때는 7.5개월로 줄었을 뿐이다. 그러나 한 엔지니어가 제1원리에서 전체 프로세스(요구사항 수집, 테스트 환경 구축, 1인 1커넥터 구조)를 재설계하자 한 분기에 커넥터 7개를 출시했다. 더 똑똑한 모델이 아니라 인간의 프로세스 재배선이 관건이었다는 것이다. 그는 전기 모터가 공장 생산성에 반영되기까지 1880~1920년 약 40년이 걸린 역사를 예로 든다.

소프트웨어의 미래에 대해서는 "죽지 않는다"고 답한다. 소프트웨어 작성 비용이 급락해 진입장벽과 전환비용이 낮아졌지만, 데이터·규모의 경제·브랜드·신뢰 같은 해자는 여전히 유효하다. 다만 10년간 혁신 없이 매출만 올린 회사는 위험하다고 경고한다. 그는 또한 가치는 늘 스택의 위로 이동한다며, 헬스케어(미국 GDP의 약 17%)와 교육 같은 분야에서 조 단위 기업이 나올 수 있다고 전망한다. 프론티어 모델 사업 자체는 오픈소스(예: 중국 문샷의 Kimi 2.6)의 압박 속에 규모의 경제·박한 마진 게임이 될 것이라고 내다본다.

주요 인사이트

• 'AGI 도달 여부' 논쟁보다 중요한 것은, 조직의 암묵지를 모델에 어떻게 전달하느냐다. 발표자는 여기에 세상을 바꿀 기회가 있다고 강조한다.
• 도구만 바꾸고 프로세스를 그대로 두면 생산성은 오르지 않는다. PC를 타자기처럼 쓰거나 증기기관을 전기모터로만 바꾼 과거처럼, 조직 전체를 재설계해야 효과가 난다.
• AI 시대에도 해자는 사라지지 않는다. 오히려 데이터 독점, 규모, 브랜드, 신뢰가 소프트웨어의 저비용화 속에서 더 중요한 차별점이 된다.
• '가장 시끄러운 주제'가 반드시 가장 중요한 문제는 아니다. 발표자는 자신의 박사과정 시절 모두가 매달렸던 '멀티캐스트' 문제가 결국 무의미해진 경험을 들며 장기적 관점을 권한다.

자주 묻는 질문

관련 AI 소식