AGI란 무엇이며, 언제 등장할까?

젠슨 황과 일론 머스크가 서로 다른 미래를 말하는 이유

2024년, 엔비디아의 CEO 젠슨 황은 한 컨퍼런스 무대에서 이렇게 말했습니다. “앞으로 5년 안에 AGI가 등장할 것입니다.” 청중석에서는 박수가 터져 나왔습니다. 그런데 같은 해, 테슬라의 CEO 일론 머스크는 한 술 더 떠 이렇게 예측했습니다. “AGI는 2026년, 그러니까 지금으로부터 1~2년 안에 나타날 것입니다.” 그리고 2026년 2월, 구글 딥마인드의 CEO 데미스 허사비스는 또 다른 숫자를 꺼냈습니다. “5년 안에 AGI가 현실이 될 것입니다.”

흥미로운 건 이겁니다. 이 세 사람 모두 인공지능 분야에서 가장 많은 정보를 가진, 가장 많은 돈을 이 기술에 쏟아붓고 있는 사람들입니다. 그런데도 그들이 말하는 ‘AGI가 오는 시점’은 1년 차이부터 5년 차이까지 제각각입니다. 왜 이런 일이 벌어질까요?

답은 의외로 단순합니다. 이들이 말하는 ‘AGI’가 서로 다른 것을 가리키고 있기 때문입니다. 놀랍게도 2026년 현재까지도, 전 세계 AI 업계는 AGI가 정확히 무엇인지에 대해 합의하지 못했습니다. 오픈AI의 정의와 딥마인드의 정의, 그리고 학계의 정의가 모두 다릅니다. 심지어 같은 회사 안에서도 시기에 따라 정의가 바뀌기도 했습니다. 그러니까 우리는 지금, 목적지가 정확히 어디인지도 모른 채 수천조 원을 쏟아부으며 그곳을 향해 질주하고 있는 셈입니다.

이 글은 그 목적지의 정체를 파헤쳐 보려고 합니다. AGI란 대체 무엇이고, 왜 이렇게 정의조차 어려운지, 그리고 정말로 우리 생애 안에 등장할 가능성이 있는지를 차근차근 짚어보겠습니다. 다 읽고 나면 뉴스에서 “AGI가 몇 년 안에 온다”는 헤드라인을 볼 때, 그 말이 정확히 무엇을 의미하는지 스스로 판단할 수 있게 될 것입니다.

왜 이것이 중요한가

AGI 논의는 더 이상 SF 영화의 소재가 아닙니다. 오픈AI, 구글, 메타, 마이크로소프트, 아마존 같은 세계 최대 기업들이 AGI 개발을 명시적인 목표로 내걸고 있고, 여기에 투입되는 자본의 규모는 한 나라의 국가 예산에 맞먹습니다. 아마존은 100조 원이 넘는 돈을, 마이크로소프트도 비슷한 규모를 AI 인프라에 쏟아붓고 있습니다. 이 돈의 향방과 속도, 그리고 그로 인해 일어날 산업 구조의 변화는 우리 모두의 일자리, 우리 아이들이 배워야 할 기술, 심지어 국가 간 힘의 균형에까지 영향을 미칩니다.

게다가 AGI는 단순한 기술적 이정표가 아닙니다. 만약 정말로 인간 수준의, 혹은 그 이상의 범용 지능을 가진 시스템이 등장한다면, 그것은 인류 역사에서 불의 발견이나 농업혁명, 산업혁명에 견줄 만한 사건이 될 것이라고 많은 전문가들이 말합니다. 반대로 어떤 전문가들은 AGI라는 개념 자체가 과장된 마케팅 용어에 불과하며, 지금의 기술적 접근으로는 결코 도달할 수 없는 신기루라고 주장합니다. 이렇게 극단적으로 갈리는 전망 속에서, 우리는 무엇을 믿어야 할까요? 그 답을 찾으려면 먼저 이 용어가 어디서 왔는지부터 알아야 합니다.

지능을 정의하려는 오래된 싸움

‘인공지능(AI)’이라는 말은 1956년 다트머스 회의에서 처음 공식적으로 사용되었습니다. 당시 연구자들은 앞으로 한 세대 안에 기계가 인간처럼 생각하게 될 것이라고 낙관했습니다. 하지만 그 후 수십 년 동안 AI 연구는 몇 차례의 ‘겨울’을 겪었습니다. 기대에 비해 성과가 턱없이 부족했기 때문입니다.

‘AGI(Artificial General Intelligence, 범용 인공지능)’라는 용어가 지금과 같은 의미로 널리 쓰이기 시작한 것은 2000년대 이후입니다. 특정 작업 하나만 잘하는 ‘좁은 인공지능(Narrow AI)’과 구분하기 위해서였습니다. 예를 들어 체스를 두는 딥블루, 바둑을 두는 알파고는 각자의 분야에서는 인간 최고수를 뛰어넘었지만, 체스 프로그램에게 요리 레시피를 물어보거나 바둑 프로그램에게 소설을 써 달라고 할 수는 없었습니다. 이런 ‘한 가지만 잘하는’ 인공지능과 대비되는, 인간처럼 다양한 영역을 넘나들며 사고하고 학습하는 인공지능을 가리켜 사람들은 AGI라고 부르기 시작했습니다.

그런데 2022년, 챗GPT가 등장하면서 상황이 완전히 달라졌습니다. 하나의 언어 모델이 시를 쓰고, 코드를 짜고, 수학 문제를 풀고, 법률 자문 비슷한 것까지 내놓는 모습을 보면서 사람들은 “혹시 이게 AGI의 초기 형태 아닐까?”라는 질문을 던지기 시작했습니다. 그전까지는 먼 미래의 이야기로 취급되던 AGI가, 갑자기 몇 년 안의 현실적인 목표로 앞당겨진 것입니다. 이때부터 오픈AI, 구글 딥마인드 같은 기업들은 회사의 정관이나 공식 문서에 ‘AGI 개발’을 아예 사명(社命)으로 못 박기 시작했습니다.

AGI란 정확히 무엇인가

좁은 AI, 일반 AI, 초지능이라는 세 단계

AGI를 이해하는 가장 쉬운 방법은 인공지능을 세 단계로 나눠보는 것입니다.

첫 번째는 ‘좁은 인공지능(Narrow AI, ANI)’입니다. 이건 지금 우리가 실생활에서 쓰는 거의 모든 AI를 포함합니다. 스팸 메일을 걸러내는 AI, 얼굴을 인식하는 AI, 번역을 해주는 AI, 심지어 매우 똑똑해 보이는 챗봇들도 대부분 여기 속합니다. 이들은 정해진 범위 안에서는 놀라운 성능을 보이지만, 그 범위를 벗어나면 무력해집니다.

두 번째는 ‘범용 인공지능(AGI)’입니다. 이는 인간처럼 배운 적 없는 새로운 문제도 스스로 파악하고, 여러 분야의 지식을 넘나들며 유연하게 사고하고, 낯선 상황에도 적응할 수 있는 지능을 말합니다. 요리를 배운 적 없는 사람이 요리책 한 권을 읽고 나름대로 요리를 시도해볼 수 있는 것처럼, AGI는 특정 작업을 위해 특별히 훈련받지 않아도 그 작업을 이해하고 수행할 수 있어야 합니다.

세 번째는 ‘초지능(ASI, Artificial Superintelligence)’입니다. 이는 모든 영역에서 인류 최고 수준의 전문가들을 능가하는 지능을 말합니다. 옥스퍼드대의 철학자 닉 보스트롬이 2014년 저서 「슈퍼인텔리전스」에서 대중화시킨 개념으로, 많은 전문가들은 만약 AGI가 등장한다면 초지능으로의 전환은 매우 빠르게, 어쩌면 순식간에 일어날 수 있다고 경고합니다. 인간 수준의 지능을 가진 AI가 스스로를 개선하는 능력까지 갖추게 되면, 그 개선 속도가 기하급수적으로 빨라질 수 있기 때문입니다.

왜 정의가 이렇게 제각각일까

문제는 두 번째 단계, 즉 AGI를 정확히 어떻게 정의할 것인가에서 전 세계가 합의하지 못하고 있다는 점입니다. 몇 가지 대표적인 정의를 살펴보겠습니다.

오픈AI는 AGI를 “대부분의 경제적으로 가치 있는 작업에서 인간을 능가하는 자율적 시스템”이라고 정의합니다. 철저하게 경제적 유용성 중심의 정의입니다. 이 정의대로라면, 굳이 인간처럼 ‘생각’하지 않아도, 회계나 코딩, 고객 상담 같은 실질적인 일들을 인간보다 잘 해내기만 하면 AGI라고 부를 수 있습니다.

반면 구글 딥마인드는 조금 다른 접근을 취합니다. 자율주행차의 발전 단계(레벨 0부터 레벨 5까지)를 흉내 낸 5단계 분류법을 사용해, AGI를 하나의 이분법적 사건이 아니라 점진적으로 도달하는 스펙트럼으로 봅니다. 이 분류법에 따르면 2023년경 이미 ‘1단계 AGI’에는 도달했다고 보는 시각도 있지만, 훨씬 높은 수준인 ‘2단계’에 도달했다고 평가받는 시스템은 2026년 현재까지도 사실상 없습니다.

또 다른 접근으로는, AGI를 이분법적으로 “됐다 안됐다”로 나누는 대신 시간 단위로 재는 방법도 있습니다. 예를 들어 ‘주어진 시간 t 동안 대부분의 인간 전문가를 능가하는 시스템’을 ‘t-AGI’라고 부르는 식입니다. 1초짜리 t-AGI는 즉각적인 직관이나 인식 작업에서 인간을 이기면 되지만, 1년짜리 t-AGI는 장기적인 연구 프로젝트를 인간 연구자보다 잘 수행해야 합니다. 이런 관점에서 보면 AGI는 어느 날 갑자기 스위치를 켜듯 등장하는 것이 아니라, 점점 더 긴 시간 단위의 과제에서 인간을 능가해가는 연속적인 과정이 됩니다.

이렇게 정의가 갈리다 보니, 같은 뉴스 기사를 보고도 사람마다 완전히 다른 그림을 떠올립니다. 누군가는 “AGI가 온다”는 말을 들으면 영화 「her」나 「터미네이터」 속 존재를 상상하고, 누군가는 그저 “지금보다 훨씬 유능한 사무 보조 프로그램” 정도를 떠올립니다. 실제로는 이 둘 사이에 엄청난 간극이 있는데도 말입니다.

언제 등장할까 – 왜 이렇게 예측이 다를까

앞서 소개한 젠슨 황, 일론 머스크, 데미스 허사비스, 그리고 샘 올트먼 오픈AI CEO의 예측을 나란히 놓고 보면 흥미로운 패턴이 보입니다. 올트먼은 “4년 안에 가능하다”고 했고, 젠슨 황은 “5년 안”이라고 했으며, 허사비스 역시 2026년 2월 “5년 안”이라는 표현을 썼습니다. 반면 머스크는 가장 공격적으로 “2026년”이라는 구체적인 연도를 못 박았습니다.

이런 차이가 나는 이유 중 하나는 앞서 설명한 정의의 차이 때문이지만, 또 다른 이유는 이들이 서 있는 위치가 다르기 때문이기도 합니다. 이들은 모두 자기 회사의 기술과 투자를 정당화해야 하는 사람들입니다. AGI가 임박했다는 메시지는 투자자들의 자금을 끌어모으고, 최고의 인재를 채용하고, 정부의 규제를 자신에게 유리한 방향으로 이끄는 데 효과적인 도구가 됩니다. 그렇다고 이들이 거짓말을 하고 있다는 뜻은 아닙니다. 다만 예측에는 항상 이해관계가 섞여 있다는 점을 염두에 둘 필요가 있습니다.

한편, 이런 낙관적 전망에 강하게 반박하는 목소리도 있습니다. AI 학계의 거물 중 한 명인 얀 르쿤은 지금의 대규모 언어모델(LLM) 방식으로는 결코 AGI에 도달할 수 없다고 오랫동안 주장해왔습니다. 그의 논리는 이렇습니다. 언어모델은 텍스트로 표현된 세상의 ‘설명’만 학습할 뿐, 인간이 아기 때부터 몸으로 부딪히며 배우는 물리적 세계에 대한 직관은 배우지 못한다는 것입니다. 아이는 컵을 몇 번 떨어뜨려 보면 중력을 몸으로 이해하지만, 언어모델은 아무리 많은 텍스트를 읽어도 그런 종류의 이해에는 구조적인 한계가 있다는 주장입니다. 실제로 2026년에도 이 논쟁은 학문적 논쟁에 그치지 않고 있습니다. 데이터를 더 많이, 컴퓨팅 자원을 더 크게 투입하면 AGI에 도달할 수 있다고 믿는 ‘규모 확장론’ 진영과, 아예 다른 구조의 접근이 필요하다는 ‘구조 재설계론’ 진영이 조 단위의 실제 투자를 걸고 맞서고 있는 형국입니다.

이처럼 AGI의 등장 시점을 둘러싼 논쟁은 단순한 기술적 예측의 문제가 아니라, “지능이란 무엇인가”라는 아주 오래된 철학적 질문과 맞닿아 있습니다. 그리고 그 답을 아직 아무도 확실히 알지 못한다는 것이, 어쩌면 이 논쟁에서 가장 정직한 결론일지도 모릅니다.

2026년, 우리는 지금 어디쯤 와 있을까

가장 최근의 실제 사례를 통해 지금 우리 위치를 가늠해보겠습니다. 2026년 초, 오픈AI의 최신 모델은 수학 올림피아드나 복잡한 코딩 벤치마크에서 인간 전문가 수준을 뛰어넘는 성적을 냈습니다. 이를 두고 낙관론자들은 “봐라, AGI가 코앞이다”라고 말합니다. 실제로 2026년 3월에는 구글 연구팀이 「다음 지능 폭발(The Next Intelligence Explosion)」이라는 논문을 발표해, 다음 단계의 도약이 하나의 거대한 초지능이 아니라 여러 AI가 인간과 얽혀 상호작용하며 만들어내는 복합적인 형태일 것이라는 주장을 내놓기도 했습니다.

하지만 동시에, 같은 모델들이 아주 간단해 보이는 문제, 예를 들어 처음 보는 형태의 퍼즐이나 상식적인 물리 문제에서는 어이없는 실수를 저지르는 경우도 여전히 많습니다. 수학 경시대회 문제는 척척 풀면서, “물이 든 컵을 뒤집으면 어떻게 되는가” 같은 아주 단순한 질문에서 예상 밖의 오답을 내놓는 식입니다. 이런 불균형은 지금의 AI가 특정 유형의 지적 작업에서는 인간을 뛰어넘었지만, 여전히 인간이라면 누구나 가지고 있는 ‘상식’이라는 영역에서는 허점을 보인다는 것을 뜻합니다.

또 하나 눈여겨볼 사례는 산업 전반의 대응입니다. 2026년 들어 여러 나라 정부가 AI 반도체 수출 규제나 관세 같은 정책 수단을 통해 AI 경쟁에 직접 개입하기 시작했습니다. 이는 단순히 학문적 관심의 대상이었던 AGI가 이제 국가 안보와 경제 패권의 문제로 격상되었다는 신호입니다. 실제로 2026년 초 미국 정부가 반도체 기업의 지분을 인수하는 등 국가가 직접 AI 산업에 개입하는 사례가 나타나면서, AGI 개발 경쟁은 기업 간 경쟁을 넘어 국가 간 경쟁의 양상을 띠기 시작했습니다.

주요 인물들의 AGI 정의와 예측 비교

구분	정의/예측의 핵심	시기 예측	특징
오픈AI (샘 올트먼)	대부분의 경제적으로 유용한 작업에서 인간을 능가하는 자율 시스템	약 4년 이내	경제적 유용성 중심의 정의
엔비디아 (젠슨 황)	인간 수준의 다양한 인지 작업 수행 능력	약 5년 이내	하드웨어 관점, 산업 확장에 초점
구글 딥마인드 (데미스 허사비스)	5단계로 나뉜 점진적 스펙트럼	약 5년 이내 (2026년 2월 기준)	이분법이 아닌 단계적 접근
테슬라 (일론 머스크)	인간 지능을 능가하는 시스템	2026년 (가장 공격적 예측)	가장 짧은 시간표 제시
얀 르쿤 (메타, AI 학자)	현재의 LLM 구조로는 도달 불가능	예측 불가 / 구조 전환 필요	회의론, 신체화된 학습 강조
t-AGI 개념	특정 시간 단위 과제에서 인간 전문가 능가	과제 시간 단위별로 점진적 도달	이분법을 지양하는 연속적 척도

이 표에서 알 수 있듯, AGI에 대한 예측은 ‘누가 말하느냐’에 따라 완전히 다른 그림을 그립니다. 하드웨어를 파는 사람은 하드웨어의 발전 속도를 기준으로, 자율주행차를 만드는 사람은 자율주행의 단계 개념을 빌려와, 학자는 학습 방식의 근본적 한계를 기준으로 이야기합니다. AGI라는 하나의 단어 안에 이렇게 다른 여러 개의 지도가 겹쳐져 있는 셈입니다.

오늘날 우리에게 주는 의미

그렇다면 우리는 이 논쟁에서 무엇을 얻어가야 할까요. 첫째, “AGI가 몇 년 안에 온다”는 뉴스 헤드라인을 볼 때마다, 그 말을 한 사람이 어떤 정의를 쓰고 있는지, 그리고 그 사람이 어떤 이해관계를 가지고 있는지 한 번쯤 되짚어보는 습관이 필요합니다. 같은 “AGI”라는 단어라도 누가 말하느냐에 따라 완전히 다른 무게를 지니기 때문입니다.

둘째, AGI가 언제 오느냐와 별개로, 지금의 AI 기술만으로도 이미 일자리 구조, 교육 방식, 산업 지형이 눈에 띄게 바뀌고 있다는 사실입니다. 우리는 어쩌면 “AGI가 오느냐 안 오느냐”라는 이분법적 질문에 매몰되어, 이미 진행 중인 더 근본적인 변화를 놓치고 있는지도 모릅니다. 좁은 인공지능만으로도 세상은 이미 충분히 빠르게 달라지고 있습니다.

셋째, AGI를 둘러싼 기술적 불확실성은 오히려 우리 사회가 이 기술을 어떻게 다룰지에 대한 방향성 논의를 더 중요하게 만듭니다. 기술의 속도를 우리가 통제할 수는 없어도, 그 기술을 어떤 방향으로 쓸지, 누가 그 혜택과 위험을 나눠 가질지에 대한 선택은 여전히 인간 사회의 몫으로 남아 있습니다.

핵심 정리

• AGI(범용 인공지능)는 특정 작업에만 특화된 ‘좁은 AI’와 달리, 인간처럼 다양한 영역에서 유연하게 사고하고 학습하는 지능을 의미합니다.
• 2026년 현재까지도 AGI에 대한 통일된 정의는 존재하지 않으며, 오픈AI·딥마인드·개별 학자들이 각기 다른 기준을 사용하고 있습니다.
• 업계 리더들의 AGI 등장 시점 예측은 최단 1~2년(머스크)부터 5년 이상(허사비스, 젠슨 황)까지 폭넓게 갈립니다.
• 얀 르쿤 같은 저명한 AI 학자는 현재의 언어모델 구조로는 AGI에 도달할 수 없다고 반박합니다.
• AGI를 이분법이 아니라 t-AGI처럼 시간 단위의 연속적 스펙트럼으로 이해하는 관점도 있습니다.
• AGI가 언제 오느냐와 별개로, 현재의 AI 기술만으로도 산업과 일자리 구조는 이미 빠르게 재편되고 있습니다.

오늘의 한 문장

AGI가 언제 올지는 아무도 확실히 알지 못하지만, 그 질문을 던지는 태도야말로 이미 시작된 변화를 준비하는 첫걸음입니다.

FAQ

Q1. AGI와 일반 AI(챗GPT 같은 서비스)의 차이는 무엇인가요? 지금 우리가 쓰는 챗GPT, 클로드 같은 서비스는 매우 뛰어난 성능을 보이지만 여전히 ‘좁은 AI’로 분류됩니다. 특정 유형의 작업에서는 인간을 능가하지만, 낯선 상황에 대한 유연한 적응력이나 신체적 직관 등에서는 여전히 인간과 차이가 있기 때문입니다. AGI는 이런 한계를 넘어 인간처럼 폭넓게 사고하고 학습하는 지능을 의미합니다.

Q2. AGI는 정말 2026년이나 2027년 안에 등장하나요? 일부 기업 CEO들은 그렇게 예측하지만, 이는 각 기업이 사용하는 AGI의 정의와 이해관계에 따라 크게 달라지는 주관적 전망입니다. 학계에서는 여전히 회의적인 시각도 강하며, 정확한 시점을 확신할 수 있는 사람은 현재로서는 없다고 보는 것이 정확합니다.

Q3. AGI가 등장하면 인간의 일자리는 어떻게 되나요? AGI의 등장 여부와 별개로, 현재의 좁은 AI 기술만으로도 이미 여러 직군에서 자동화가 진행되고 있습니다. 다만 역사적으로 새로운 기술은 기존 일자리를 대체하는 동시에 새로운 형태의 일자리를 만들어왔다는 점도 함께 고려해야 합니다.

Q4. AGI와 초지능(ASI)은 같은 개념인가요? 아닙니다. AGI는 인간 수준의 범용 지능을, 초지능(ASI)은 모든 영역에서 인류 최고 전문가를 능가하는 지능을 의미합니다. 많은 전문가들은 AGI에 도달하면 초지능으로의 전환이 매우 빠르게 일어날 수 있다고 경고합니다.

Q5. AGI 개발에서 한국은 어떤 위치에 있나요? 한국은 반도체 제조 역량에서는 세계적 수준이지만, 대규모 언어모델 자체 개발 경쟁에서는 미국과 중국에 비해 상대적으로 후발주자로 평가받습니다. 다만 정부와 기업 차원에서 AI 투자를 빠르게 확대하고 있는 상황입니다.