AGI 타임라인 2026 재점검: 코딩 에이전트 도약과 지저분한 실제 업무라는 벽

핵심 메시지

• 2025년 10월의 비관론은 두 달 만에 뒤집혔고, 그 계기는 실제로 쓸 만해진 코딩 에이전트였다.
• 오픈AI와 앤스로픽의 매출은 연 환산 수백 퍼센트 속도로 늘고 있으며, 추론 인프라 총이익률도 개선됐다.
• METR의 과제 수행 시간 지평선은 4개월마다 두 배로 늘고 있지만, 해석에는 네 가지 유보 조건이 붙는다.
• AI는 여전히 카페나 상점 운영 같은 지저분한 실제 업무에서 사람에게 크게 못 미친다.
• 발표자는 올해 증거를 종합해 자신의 AGI 예상 시점을 약 1년 앞당겼지만, 2030년대 중반 시나리오도 여전히 열어둔다.

쉽게 이해하기

올해 초만 해도 분위기는 정반대였다. 추론 모델의 일반화가 기대에 못 미쳤고 에이전트는 실사용하기엔 불안정했으며, 업계 담론은 지속 학습 같은 구조적 돌파구가 없으면 AI가 진짜 일을 맡을 수 없다는 쪽으로 기울어 있었다. 그러다 코딩 에이전트가 실제로 쓸 만해지자 프로그래머 안드레이 카파시조차 두 달 만에 입장을 뒤집었다. 진행자 롭 위블린은 그 변화가 무엇을 근거로 한 것인지, 아니면 또 한 번의 자기강화적 열광인지를 증거 단위로 점검한다.

첫 번째 증거는 돈이다. 오픈AI와 앤스로픽의 합산 매출은 최근 6개월간 연 환산 700%, 최근 3개월 기준으로는 1600% 속도로 늘었다. 손해를 보며 파는 구조도 아니어서, 앤스로픽의 추론 인프라 총이익률은 1년 사이 38%에서 70% 이상으로 올라갔다. 흥미롭게도 2022년에 나온 구형 칩의 임대료가 에이전트 붐 이후 50% 올랐는데, 반도체 장비의 증설 속도가 연 20%에 그치는 동안 수요가 그보다 빨리 커졌기 때문이다.

두 번째는 가장 자주 인용되는 METR의 시간 지평선 그래프다. 모델이 절반의 확률로 해내는 과제를 사람이 얼마나 오래 걸려 처리하는지로 재는데, 최근에는 4개월마다 두 배씩 늘어 이제 사람 기준 12~24시간짜리 작업까지 해낸다. 다만 발표자는 네 가지 유보를 단다. 대상이 피드백이 촘촘한 소프트웨어 과제에 한정된다는 점, 코딩은 AI 연구개발의 일부일 뿐이라는 점, 비교 대상인 사람이 해당 코드베이스를 처음 보는 외부 인력이라는 점, 그리고 50% 성공률은 사람을 완전히 대체하기엔 턱없이 낮다는 점이다. METR의 경험칙으로는 이 구간 과제의 3분의 1은 모델이 아예 성공하지 못한다.

세 번째는 내부 가속이다. 앤스로픽은 병합된 코드의 80%를 자사 모델이 작성하며 직원 1인당 코드 산출이 18개월 전의 8배가 됐다고 밝혔다. 다만 연구 방향 제안 실험에서 64%라는 수치는 사람이 스스로 오판했다고 인정한 사례만 골라 비교한 결과이고, 사람이 옳은 판단을 했다고 본 경우에는 20%에 그쳤다. 발표자는 이런 지표가 2027~2028년 재귀적 자기개선의 가능성과 모순되지 않지만 결정적 증거도 아니라고 본다. 인력이 늘어도 연산 자원이 병목이면 연구 속도는 그만큼 빨라지지 않기 때문이다.

반대 방향의 증거는 지저분한 업무다. 자동판매기 시뮬레이션에서 모델은 1만 달러 수준을 벌지만 능숙한 사람은 6만 달러를 벌 것으로 추정된다. 실제 사업에서는 더 두드러진다. 스톡홀름 카페를 운영하는 AI는 관공서 절차를 통과하고 바리스타 두 명을 관리하지만, 도면을 지어내고 계란을 조리 설비도 없이 120개 주문하며 두 달 만에 잔고를 1만 8천 달러에서 2천 달러로 줄였다. 샌프란시스코 매장도 일상 운영은 그럭저럭 해내지만 장기 전략은 사실상 손대지 못한다. 발표자는 이 격차가 좁혀지는지 벌어지는지를 잴 평가 도구가 없다는 점을 가장 큰 연구 공백으로 꼽으며, 종합적으로 자신의 예상 시점을 1년 앞당기되 2030년대 중반까지 늦어질 가능성도 여전히 열어둔다.

주요 인사이트

• 같은 지표라도 무엇과 비교하느냐에 따라 인상이 달라진다. 코드베이스를 처음 보는 외부 인력이 아니라 그 일을 매일 하는 담당자를 기준으로 삼으면 AI의 성과는 훨씬 덜 인상적으로 보인다.
• 50% 성공률은 자동화의 문턱이 아니다. 사람을 완전히 빼려면 여러 차례의 성능 배가가 더 필요하다.
• 피드백 밀도가 높은 영역일수록 진보가 빠르다는 규칙은, 왜 코딩과 수학이 앞서고 경영 판단이 뒤처지는지를 함께 설명한다.
• 연구개발 자동화의 실질 효과는 인력이 아니라 연산 자원이 결정할 수 있다. 직원을 전부 대체해도 실험할 칩이 없으면 속도는 두 배에 그칠 수도 있다.
• 추론 비용은 사람 대비 약 3% 수준으로 유지되고 있어, 정말 중요한 문제라면 훨씬 많은 연산을 투입할 여지가 아직 남아 있다.

자주 묻는 질문

관련 AI 소식