샘 올트먼 – 세 가지 관찰 (Three Observations)
원문: Sam Altman, Three Observations (Feb 2025) 전문은 원문에서 확인하실 수 있습니다. 아래 글은 번역이 아니라, 샘 올트먼의 논증을 한국어로 재구성한 정리입니다.
글의 배경과 개요
샘 올트먼(Sam Altman)은 오픈AI(OpenAI)의 최고경영자이며, 이 글은 2025년 2월 자신의 개인 블로그에 올린 짧은 에세이입니다. 글 전체는 ‘지금 우리는 어떤 국면에 서 있으며, AI의 경제학은 앞으로 사회를 어떻게 바꾸는가’라는 하나의 질문에 답하려 합니다. 논증 경로는 비교적 단순합니다. 먼저 범용인공지능(AGI)를 인류가 쌓아온 도구의 계보 위에 올려놓고, 그다음 AI의 경제학을 세 가지 경험적 관찰로 압축한 뒤, 그 세 관찰이 계속 유지된다면 사회에 어떤 결과가 따라오는지를 순차적으로 풀어냅니다. 마지막에는 기술적 경로보다 분배와 정책이 더 어려운 문제라는 쪽으로 논의를 옮기고, 자본과 노동의 균형이 깨질 수 있다는 경고와 함께 구체적인 정책 아이디어를 던집니다. 개인 블로그에 실렸지만 글의 주어는 대부분 ‘우리’입니다.
핵심 내용 정리
- AI 모델의 지능은 학습·추론에 투입된 자원의 로그(log)에 대체로 비례하며, 돈을 더 쓰면 예측 가능한 성능 향상이 계속 나온다고 올트먼은 주장합니다.
- 동일한 수준의 AI를 쓰는 비용은 12개월마다 약 10분의 1로 떨어지고 있으며, 이는 무어의 법칙보다 훨씬 강력한 속도라고 말합니다.
- 선형적으로 증가하는 지능이 만들어내는 사회경제적 가치는 초지수적(super-exponential)이기 때문에, 투자가 기하급수적으로 늘어나는 흐름이 가까운 미래에 멈출 이유가 없다고 봅니다.
- 곧 등장할 AI 에이전트는 상대적으로 주니어인 가상 동료에 가까우며, 이런 존재가 수백만 단위로 모든 지식노동 분야에 퍼질 것이라고 전망합니다.
- AGI의 충격은 불균등해서 거의 변하지 않는 산업도 있겠지만 과학 발전의 가속이 그중 가장 큰 영향일 수 있고, 다수 재화의 가격은 급락하는 반면 토지 같은 희소 자원과 사치재 가격은 더 크게 오를 수 있다고 봅니다.
- 기술적 경로는 비교적 명확한 반면 공공정책과 여론이 훨씬 중요하며, 안전과 개인 역량 강화 사이의 상충을 인정하면서도 방향으로는 개인 역량 강화 쪽으로 기울어야 한다고 주장합니다.
- 자본과 노동의 힘의 균형이 쉽게 망가질 수 있으므로 조기 개입이 필요할 수 있으며, 전 지구인에게 컴퓨트 예산을 주는 식의 낯선 아이디어에도 열려 있다고 밝힙니다.
AGI는 어디쯤 놓인 도구인가
미션 문장으로 시작하는 이유
올트먼은 이 글을 한 문장으로 엽니다. AGI가 전 인류에게 이롭도록 보장하는 것이 오픈AI의 미션이라는 선언입니다.
그리고 곧바로 지금 글을 쓰는 이유를 댑니다. AGI를 가리키기 시작하는 시스템들이 시야에 들어오고 있기 때문에, 우리가 어느 국면에 와 있는지를 이해하는 일이 중요해졌다는 것입니다.
다만 그는 용어의 한계를 먼저 인정하고 들어갑니다. AGI는 정의가 느슨한 말이라고 못 박은 뒤, 이 글에서는 여러 분야에 걸쳐 점점 더 복잡한 문제를 인간 수준으로 처리할 수 있는 시스템 정도의 의미로 쓰겠다고 밝힙니다.
도구를 만드는 종(種), 그리고 그 계보
이어지는 논증은 인류사적 배경 설명입니다. 올트먼이 보기에 인간은 본래 도구를 만드는 존재이며, 이해하고 창조하려는 내재적 충동을 지니고 있고, 그 충동이 결과적으로 모두의 세계를 더 낫게 만들어왔습니다. 각 세대는 앞선 세대의 발견 위에 올라서서 더 유능한 도구를 만들어낸다는 것입니다.
그가 드는 계보는 전기, 트랜지스터, 컴퓨터, 인터넷, 그리고 곧 도래할 AGI입니다. 이 행진이 매끄럽게 진행되었다고 말하지는 않습니다. 들쭉날쭉한 부침을 겪으면서도 꾸준히 이어진 혁신이 이전에는 상상하기 어려웠던 수준의 번영과 삶의 개선을 가져왔다는 것이 그의 정리입니다.
해설 ‘정의가 느슨하다’는 단서는 수사적 겸양만은 아닙니다. AGI는 오픈AI의 지배구조와 계약 구조에서 실제 효력을 갖는 단어이기 때문입니다. 이 글 맨 끝에 붙은 각주가 바로 그 문제를 의식해, 마이크로소프트(Microsoft)와의 관계에 관한 정의나 절차를 이 글이 바꾸려는 것이 아니라고 미리 방어하는 내용입니다. 대중을 향해서는 느슨하게 쓰되 계약상 정의와는 분리해두려는 셈이며, 이 각주는 글 마지막에서 다시 다루겠습니다.
전기에서 AGI로 이어지는 계보에는 경제학의 별도 개념어가 붙습니다. 범용기술(GPT, General Purpose Technology)입니다. 특정 산업에만 쓰이는 기술이 아니라 경제 전반에 스며들어 다른 모든 부문의 생산성을 끌어올리는 기술을 가리키며, 증기기관·전기·반도체가 전형적인 사례로 꼽힙니다.
이 개념의 핵심은 파급이 느리다는 점에 있습니다. 전기가 발명된 뒤 공장의 생산성이 실제로 뛰어오르기까지 수십 년이 걸렸는데, 기계 배치와 작업 방식 자체를 새로 짜야 했기 때문입니다. 올트먼이 이 계보를 끌어오면서도 뒤에서 세계는 한꺼번에 바뀌지 않는다고 말하는 대목은 이 문제의식과 맞닿아 있습니다.
이번엔 다르다
여기서 글의 긴장이 생깁니다. 올트먼은 한편으로 AGI가 인류가 함께 쌓아 올린 진보의 구조물 위에 놓인 또 하나의 도구일 뿐이라고 말합니다. 그러나 다른 한편으로는 ‘this time it’s different’라고 말하지 않기가 어려운 무언가의 시작이기도 하다고 덧붙입니다. 같은 문단 안에서 연속성과 단절을 동시에 주장하는 구성입니다.
그가 단절의 근거로 내세우는 것은 두 가지입니다. 앞에 놓인 경제성장의 규모가 놀라운 수준으로 보인다는 점, 그리고 이제는 모든 질병을 치료하고 가족과 보낼 시간이 훨씬 늘어나며 창의적 잠재력을 온전히 실현하는 세계를 실제로 상상할 수 있게 되었다는 점입니다.
서문은 하나의 예측으로 닫힙니다. 10년쯤 뒤에는 아마도 지구상의 모든 사람이 오늘날 가장 영향력 있는 사람이 해낼 수 있는 것보다 더 많은 일을 해낼 수 있게 되리라는 것입니다. 이 예측에는 ‘아마도(perhaps)’라는 단서가 붙어 있습니다.
[관점] ‘이번엔 다르다’는 금융사에서 가장 값비싼 표현 중 하나로 통합니다. 카먼 라인하트(Carmen Reinhart)와 케네스 로고프(Kenneth Rogoff)가 8세기에 걸친 금융위기를 정리한 저서의 제목이 바로 그 문장이며, 책의 결론은 매번 사람들이 이번 국면만은 과거와 구조가 다르다고 믿었고 매번 틀렸다는 것이었습니다. 올트먼이 ‘말하지 않기 어렵다’는 우회적 어법을 택한 것은 그 함의를 의식한 결과로 읽을 여지가 있습니다.
확신의 강도를 단어로 조절하는 방식도 이 글 전체에서 반복됩니다. 서문의 ‘아마도’처럼, 뒤로 갈수록 그는 단정과 조건부 표현을 섞어 쓰며 책임의 범위를 조정합니다.
투자자 관점에서 이 서문이 갖는 의미는 분명합니다. AGI가 기존 범용기술의 연장선이라면 밸류에이션은 과거 기술 사이클의 배수 안에서 움직여야 하고, 진짜 단절이라면 그 배수 자체가 무의미해집니다. 이 글은 두 해석을 모두 열어둔 채, 자본 배분의 근거로는 후자를 쓰고 있습니다.
[이해관계] 올트먼은 오픈AI의 최고경영자이고, 이 글이 나온 2025년 2월은 회사가 대규모 자본을 끌어모으던 시점이었습니다. 직전인 1월에 오픈AI는 소프트뱅크(SoftBank)·오라클(Oracle)과 함께 수천억 달러 규모의 AI 인프라 구상인 스타게이트(Stargate)를 발표했고, 소프트뱅크가 주도하는 대형 투자 라운드 협상도 진행 중이었습니다.
같은 1월에는 중국 딥시크(DeepSeek)가 저비용 추론 모델을 공개하면서 ‘막대한 자본 투입이 정말 필요한가’라는 질문이 시장에 퍼진 직후이기도 했습니다. 따라서 자원을 더 투입하면 지능이 예측 가능하게 올라간다, 투자가 멈출 이유가 없다는 이 글의 핵심 명제는 회사의 자금 조달 논리 및 규제 환경과 직접 맞물려 있습니다. 이는 주장의 진위를 판정하는 근거가 아니라, 발화 위치를 확인하는 것입니다.
AI의 경제학, 세 가지 관찰
관찰의 성격
올트먼은 AI 개발에서 빠른 진전이 계속 보인다고 말한 뒤, 세 가지를 제시합니다. 그가 붙인 수식어는 AI 기술에 관한 관찰이 아니라 AI의 경제학에 관한 관찰이라는 것입니다. 성능이 어디까지 올라가느냐가 아니라, 돈과 성능과 가격이 어떤 함수 관계에 있느냐를 말하겠다는 선언입니다.
세 가지는 다음과 같습니다.
- 관찰 1(스케일링) — 모델의 지능은 투입 자원의 로그에 대략 비례합니다.
- 관찰 2(비용) — 동일한 성능을 쓰는 비용은 12개월마다 약 10분의 1이 됩니다.
- 관찰 3(가치) — 선형적으로 늘어나는 지능의 사회경제적 가치는 초지수적입니다.
관찰 1 — 지능은 자원의 로그다
첫 번째 관찰에서 올트먼은 AI 모델의 지능이 그것을 학습시키고 구동하는 데 투입된 자원의 로그와 대략 같다고 말합니다. 여기서 자원은 주로 세 가지입니다. 학습 컴퓨트(training compute), 데이터, 그리고 추론 컴퓨트(inference compute)입니다.
그리고 이 관계에서 하나의 결론을 끌어냅니다. 임의의 금액을 쓰면 연속적이고 예측 가능한 성능 향상을 얻을 수 있는 것으로 보인다는 것입니다. 이를 예측하는 스케일링 법칙(scaling laws)이 여러 자릿수에 걸쳐 정확하게 들어맞는다고 그는 덧붙입니다.
관찰 2 — 비용은 12개월마다 10분의 1
두 번째 관찰은 가격에 관한 것입니다. 주어진 수준의 AI를 사용하는 비용이 12개월마다 약 10배씩 떨어지고 있으며, 가격이 낮아지면 사용량은 훨씬 더 크게 늘어난다는 것입니다.
그가 제시하는 근거는 구체적인 수치 하나입니다. 2023년 초 GPT-4의 토큰 비용과 2024년 중반 GPT-4o의 토큰 비용을 비교하면 그 기간에 토큰당 가격이 약 150배 떨어졌다는 것입니다.
그리고 비교 대상으로 무어의 법칙(Moore’s law)을 끌어옵니다. 18개월마다 2배라는 속도로 세상을 바꿔놓은 것이 무어의 법칙인데, 지금 벌어지는 일은 믿기 어려울 만큼 더 강력하다는 것이 그의 평가입니다.
해설 ‘로그’라는 말이 여기서 무엇을 뜻하는지부터 짚어볼 수 있습니다. 로그 관계란 결과를 한 칸 올리려면 투입을 한 칸이 아니라 한 자릿수씩 늘려야 한다는 뜻입니다. 지능을 1단위 더 얻으려면 컴퓨트를 두 배가 아니라 열 배로 늘려야 한다는 것이므로, 이것은 본질적으로 수익 체감의 관계입니다. 관찰 1은 그 자체로는 낙관이 아니라 비관에 가까운 명제인 셈입니다.
스케일링 법칙은 2020년 오픈AI 연구진(제러드 카플란(Jared Kaplan) 등)의 논문에서 체계화되었고, 2022년 딥마인드의 이른바 친칠라(Chinchilla) 논문이 모델 크기와 데이터 양의 최적 배분을 다시 계산하면서 수정되었습니다. 요지는 모델 크기·데이터·컴퓨트를 늘릴 때 손실(loss)이 매끄러운 멱함수 곡선을 따라 떨어진다는 것입니다. 예측 가능성은 곧 자본 지출 계획을 세울 수 있다는 뜻이므로, 이 대목의 강조점은 실무적입니다.
자원 목록에 추론 컴퓨트가 나란히 올라간 것도 그냥 지나칠 대목이 아닙니다. 기존 스케일링 논의는 학습 단계에 집중했는데, 2024년 이후 등장한 추론형 모델은 답을 내는 순간에 계산을 더 쓰면 성능이 올라가는 별도의 축을 열었습니다. 학습 쪽 확장이 벽에 부딪히더라도 추론 쪽에 여지가 남아 있다는 주장의 밑돌이 여기에 깔립니다.
무어의 법칙과의 비교는 직관적이지만, 두 숫자가 같은 종류의 것은 아닙니다. 무어의 법칙은 집적회로에 들어가는 트랜지스터 수라는 물리적 지표를 가리켰고, 여기서 말하는 10배는 동일한 성능을 시장에서 사는 가격을 가리킵니다. 가격 하락에는 반도체 성능 향상뿐 아니라 모델 아키텍처 개선, 양자화·증류 같은 경량화 기법, 서빙 최적화, 경쟁에 따른 마진 압축이 모두 섞여 들어갑니다.
“가격이 내려가면 사용이 훨씬 늘어난다”는 뒷부분은 경제학에서 제번스의 역설(Jevons paradox)로 알려진 현상입니다. 19세기 영국의 경제학자 윌리엄 스탠리 제번스(William Stanley Jevons)는 석탄을 더 효율적으로 쓰는 기관이 등장하자 석탄 소비가 줄기는커녕 늘어났다고 관찰했습니다. 효율 개선이 단가를 낮추고, 낮아진 단가가 새로운 용도를 열어 총수요를 키운 것입니다.
이 글이 나오기 직전인 2025년 1월 딥시크 충격 당시, 마이크로소프트의 사티아 나델라(Satya Nadella)가 바로 이 개념을 공개적으로 언급하며 추론 비용 하락이 AI 수요를 폭증시킬 것이라고 반박한 바 있습니다. 관찰 2의 후반부는 당시 업계가 저비용 모델이 나오면 인프라 투자가 필요 없어지는 것 아니냐는 질문에 내놓던 표준 답변이기도 합니다.
관찰 3 — 가치는 초지수적이다
세 번째 관찰은 앞의 둘과 성격이 다릅니다. 선형적으로 증가하는 지능이 만들어내는 사회경제적 가치가 본질적으로 초지수적이라는 주장입니다.
그리고 여기서 곧바로 귀결이 따라 나옵니다. 그 결과로, 기하급수적으로 늘어나는 투자가 가까운 미래에 멈출 이유를 찾을 수 없다는 것입니다.
이 대목은 조건절로 닫힙니다. 세 가지 관찰이 계속 참으로 유지된다면, 사회에 미치는 영향은 상당할 것이라는 문장입니다.
[관점] 세 관찰을 하나의 논증으로 이어 붙이면 구조가 선명하게 드러납니다. 관찰 1은 수익 체감이므로, 그것만 놓고 보면 계속 돈을 쏟아붓는 것은 어리석은 일입니다. 관찰 2는 시간이 지나면 같은 성능을 훨씬 싸게 살 수 있다는 뜻이므로, 그것만 놓고 보면 지금 당장 최고 사양을 사들일 이유가 약해집니다. 이 두 가지의 비관적 함의를 뒤집어주는 것이 오직 관찰 3입니다. 지능이 선형으로 늘 때 가치가 초지수적으로 늘어난다면, 로그 곡선을 따라 자릿수 단위로 돈을 넣어도 남는 장사가 되기 때문입니다.
문제는 근거의 비대칭입니다. 관찰 1에는 스케일링 법칙이라는 연구 문헌이, 관찰 2에는 150배라는 구체적 수치가 붙어 있는 반면, 자본 지출을 정당화하는 결론을 실제로 지탱하는 관찰 3에는 어떤 데이터도 사례도 제시되지 않습니다. 투자 판단의 관점에서 검증이 필요한 지점은 스케일링의 지속 여부가 아니라 바로 이 세 번째 명제입니다.
덧붙이면 관찰 2는 AI 기업의 수익성 측면에서 양날입니다. 동일 성능의 가격이 매년 10분의 1이 된다는 것은 곧 모델 자체가 급속히 범용재화(commodity)가 된다는 뜻이며, 마진은 최상위 신모델을 계속 먼저 내놓는 쪽에만 얇게 남습니다.
[반론] 관찰 1에 대해 가장 무게 있는 반론은 오픈AI 내부에서 나왔습니다. 공동창업자이자 전 수석과학자였던 일리야 수츠케버(Ilya Sutskever)는 이 글이 나오기 두 달 전인 2024년 12월 NeurIPS 학회 강연에서, 지금까지 알려진 방식의 사전학습(pre-training)은 틀림없이 끝날 것이라고 말했습니다. 하드웨어와 알고리즘 개선으로 컴퓨트는 계속 늘지만 인터넷은 하나뿐이어서 데이터가 따라 늘지 않는다는 이유였고, 그는 데이터를 두고 ‘the fossil fuel of AI’라 부르며 이미 정점에 도달했다고 표현했습니다. 올트먼이 자원 목록에 데이터를 포함시켜 놓고도 데이터의 유한성 문제를 언급하지 않는 것과 대비되는 지점입니다.
관찰 3에 대해서는 거시경제학 쪽의 정면 반박이 있습니다. MIT의 대런 아제모을루(Daron Acemoglu)는 2024년 NBER 워킹페이퍼로 발표하고 2025년 1월 학술지 Economic Policy에 게재한 논문 「The Simple Macroeconomics of AI」에서, 과업(task) 단위 노출도와 생산성 개선 추정치를 합산하는 방식으로 계산할 때 AI가 향후 10년간 미국의 총요소생산성(TFP)을 끌어올리는 폭은 0.66%를 넘지 않을 것이라고 추산했습니다.
그는 초기 증거가 배우기 쉬운 작업에서 나온 것이라는 점을 감안하면 실제 수치는 0.53%에도 못 미칠 수 있다고 봅니다. 연간으로 환산하면 0.1%에도 미치지 않는 수준으로, 가치가 초지수적으로 늘어난다는 명제와는 정반대 방향의 추정입니다. 다만 아제모을루 자신이 이 계산에서 과학 발견 가속 같은 효과는 10년 안에 실현되지 않는다고 보아 제외했다는 점은 함께 밝혀둘 필요가 있습니다. 공교롭게도 올트먼이 뒤에서 가장 큰 영향일 수 있다고 지목하는 것이 바로 그 과학 발전의 가속입니다.
가상 동료의 등장과 노동의 재편
이제 막 내보내기 시작한 것
올트먼은 앞의 세 관찰이 계속 참이라면 사회적 영향이 상당할 것이라고 말한 뒤, 그 영향이 구체적으로 어떤 모습일지를 하나의 사례로 풀어냅니다. 지금 오픈AI가 내보내기 시작한 AI 에이전트(agent)가 결국에는 가상의 동료처럼 느껴지게 될 것이라는 전망입니다.
그가 고른 사례는 소프트웨어 엔지니어링 에이전트입니다. 그는 이것이 특히 중요해질 것으로 본다고 명시합니다.
능력의 경계
올트먼이 그리는 그림은 이렇습니다. 이 에이전트는 결국 일류 기업에서 몇 년 경력을 쌓은 소프트웨어 엔지니어가 할 수 있는 일의 대부분을 해낼 수 있게 됩니다. 다만 과업의 길이에 제한이 붙습니다. 며칠 정도까지 걸리는 작업이 대상입니다.
한계도 나란히 적어둡니다. 이 에이전트는 가장 큰 새로운 아이디어를 내놓지는 못하고, 사람의 감독과 방향 제시를 많이 필요로 하며, 어떤 일은 훌륭하게 해내는 반면 어떤 일에서는 놀라울 만큼 서툴 것이라고 말합니다.
그다음은 하나의 사고 실험입니다. 이것을 실재하지만 상대적으로 주니어인 가상 동료로 상상해보라고 한 뒤, 그런 존재가 1,000명 있다고 상상해보라고 합니다. 혹은 100만 명. 그리고 그런 에이전트가 모든 지식노동 분야에 존재한다고 상상해보라고 요구합니다.
트랜지스터라는 비유
이어서 올트먼은 AI가 경제적으로는 트랜지스터를 닮은 것으로 드러날 수도 있다고 말합니다. 확장이 잘 되고 경제의 거의 모든 구석으로 스며드는 큰 과학적 발견이라는 점에서입니다.
그가 이 비유에서 강조하는 것은 두 가지입니다. 우리는 트랜지스터나 트랜지스터 회사에 대해 별로 생각하지 않으며, 그 이득은 매우 넓게 분산되어 있다는 점이 하나입니다. 다른 하나는 그럼에도 우리가 컴퓨터, TV, 자동차, 장난감 같은 것들이 기적을 수행해주기를 기대한다는 점입니다.
[관점] 사고 실험의 구조부터 보면, 개별 에이전트의 능력은 신입 수준으로 낮춰 잡고 대신 수량을 몇 자릿수씩 늘려서 충격의 규모를 만들어내는 방식입니다. 능력에 대한 주장을 보수적으로 유지하면서도 결론의 크기는 키울 수 있는 논법입니다.
AI 기업의 최고경영자가 자기 산업을 트랜지스터에 비유하는 것은 자본시장 관점에서 보면 기묘한 선택입니다. 트랜지스터 산업의 역사는 급격한 범용재화화의 역사이기 때문입니다. 트랜지스터 단가는 수십 년에 걸쳐 사실상 0에 수렴했고, 그 과정에서 대부분의 초기 제조사는 사라지거나 흡수되었으며, 잉여의 대부분은 생산자가 아니라 응용 산업과 소비자에게 흘러갔습니다.
이 비유를 관찰 2와 결합하면 오픈AI 자신에게 불리한 결론이 나옵니다. 동일 성능의 가격이 매년 10분의 1이 되고 이득이 넓게 분산된다면, 기초 모델 제공자의 몫은 얇아집니다. 기하급수적 투자가 계속될 이유는 있어도, 그 투자로 이익을 회수할 주체가 투자자라는 보장은 없어지는 셈입니다. 미국 철도와 광케이블 투자 붐에서 반복적으로 관찰된 구도이기도 합니다.
반대로 읽을 여지도 있습니다. 이 비유는 규제 담론에 대한 방어로도 기능합니다. AI를 특정 기업이 독점하는 전략 자산이 아니라 경제 전반에 스며드는 기반 부품으로 규정하면, 소수 기업에 권력이 집중된다는 비판의 전제가 약해지기 때문입니다.
세계는 한꺼번에 바뀌지 않는다
여기서 올트먼은 속도를 늦춥니다. 세계가 한꺼번에 바뀌지는 않을 것이며, 원래 그런 적이 없다는 것입니다. 단기적으로 삶은 대체로 그대로 흘러갈 것이고, 2025년의 사람들은 2024년과 거의 같은 방식으로 시간을 보낼 것이라고 말합니다.
그가 드는 예시는 평범합니다. 우리는 여전히 사랑에 빠지고, 가정을 꾸리고, 온라인에서 싸우고, 자연 속을 걸을 것이라는 것입니다.
그러나 곧바로 단서가 뒤집힙니다. 미래가 무시할 수 없는 방식으로 다가올 것이고, 사회와 경제에 대한 장기적 변화는 거대할 것이라는 것입니다. 우리는 새로 할 일과 서로에게 유용해지는 새로운 방식, 그리고 새롭게 경쟁하는 방식을 찾아낼 테지만, 그것들이 오늘날의 일자리와 크게 닮아 보이지는 않을 수 있다고 그는 말합니다.
무엇이 값어치를 갖게 되는가
이 대목의 마지막에서 올트먼은 앞으로 무엇이 귀해질지를 제시합니다. 주체성(agency), 의지(willfulness), 결단력(determination)이 극도로 가치 있어질 가능성이 높다는 것입니다.
구체적으로는 무엇을 할지 올바르게 결정하는 능력, 그리고 끊임없이 변하는 세계를 어떻게 헤쳐 나갈지 알아내는 능력이 큰 가치를 갖게 된다고 봅니다. 회복력과 적응력은 길러둘 만한 유용한 기술이라고 덧붙입니다.
그리고 하나의 단언으로 닫습니다. AGI는 인간의 의지에 작용하는 역사상 가장 큰 지렛대가 될 것이며, 개인이 이전보다 더 적은 영향력이 아니라 더 큰 영향력을 갖게 해줄 것이라는 주장입니다.
[반론] 새로운 일자리를 찾아낼 것이라는 전망에 대해, 같은 산업 내부에서 훨씬 어두운 진단이 나온 바 있습니다. 앤트로픽(Anthropic)의 최고경영자 다리오 아모데이(Dario Amodei)는 이 글로부터 약 3개월 뒤인 2025년 5월 악시오스(Axios) 인터뷰에서, AI가 1-5년 안에 신입 화이트칼라 일자리의 절반을 없애고 미국 실업률을 10-20% 수준까지 끌어올릴 수 있다고 경고했습니다. 그는 기술·금융·법률·컨설팅 같은 전문직 분야, 특히 주니어 직급이 취약하다고 지목하면서, AI 기업과 정부가 다가올 일을 미화하는 것을 멈춰야 한다고 말했습니다. 두 사람 모두 AI 기업 최고경영자이지만, 같은 기술 궤적에서 정반대의 고용 시나리오를 도출한 셈입니다.
실증 연구도 축적되고 있습니다. 스탠퍼드 디지털이코노미랩(Stanford Digital Economy Lab)의 에릭 브리뇰프슨(Erik Brynjolfsson) 연구팀은 2025년 발표한 「Canaries in the Coal Mine?」에서, 미국 급여처리 업체 ADP의 데이터를 분석해 생성형 AI 확산 이후 소프트웨어 개발자와 고객 응대직 같은 AI 노출도가 높은 직종에서 22-25세 청년층 고용이 상대적으로 13% 감소했다고 보고했습니다. 2026년 8월 개정판에서 이 격차는 약 19%로 더 벌어졌으며, 같은 직종의 경력자에게서는 유사한 격차가 관찰되지 않았습니다.
연구팀은 이것이 해고 증가가 아니라 신규 채용 감소를 통해 작동하고 있으며, AI가 인간의 작업을 대체하는 쪽으로 쓰이는 직종에 감소가 집중된다고 분석했습니다. 다만 이 연구는 인과 추정이 아니라 조기 경보 성격의 기술적(descriptive) 지표라고 연구팀 스스로 밝히고 있습니다. 공교롭게도 올트먼이 몇 년 차 엔지니어 수준이라고 특정한 바로 그 층이 통계에서 먼저 줄어들고 있는 셈입니다.
[한국 관점] 소프트웨어 엔지니어링 에이전트라는 사례는 한국에서 다르게 착지할 가능성이 큽니다. 한국 소프트웨어 산업의 상당 부분이 시스템통합(SI) 및 외주 구조 위에 서 있고, 이 구조의 수익 모델은 오랫동안 투입 인력과 투입 공수(맨먼스)를 기준으로 대가를 산정하는 방식이었기 때문입니다. 공공 소프트웨어 사업 대가 산정에서도 기능점수와 투입 공수 기반 방식이 오래 쓰여왔습니다.
산출물이 아니라 투입량이 매출을 결정하는 구조에서는, 에이전트가 같은 결과를 더 적은 인력으로 만들어낼수록 공급 기업의 매출이 줄어드는 역설이 생깁니다. 미국식 제품 회사에서는 생산성 향상이 곧 마진 개선이지만, 국내 수주형 구조에서는 계약 방식이 바뀌지 않는 한 그렇지 않습니다.
신입 채용 쪽은 더 직접적입니다. 올트먼이 대체 가능하다고 본 며칠짜리 과업, 몇 년 차 수준은 국내 IT 기업의 신입·주니어 개발자가 맡는 업무 범위와 상당 부분 겹칩니다. 문제는 한국의 노동시장이 경력자 중도 채용보다 공채 기반의 내부 육성에 더 기대어 왔고, 정규직 고용 조정이 미국보다 경직적이라는 점입니다.
따라서 조정은 기존 인력 감축이 아니라 신규 채용 축소라는 형태로 나타나기 쉬우며, 이는 앞서 인용한 스탠퍼드(Stanford) 연구가 미국에서 관찰한 경로와 같은 방향입니다. 다만 한국에서는 그 충격이 청년 취업난이라는 기존 구조적 문제와 겹쳐 원인을 분리해내기가 더 어렵습니다.
무엇이 싸지고 무엇이 비싸지는가
충격은 고르게 오지 않는다
올트먼은 AGI의 영향이 불균등할 것으로 예상한다고 말합니다. 어떤 산업은 거의 변하지 않을 것이라는 단서를 먼저 답니다.
그러나 한 영역만은 예외로 지목합니다. 과학 발전이 지금보다 훨씬 빨라질 가능성이 높다는 것이며, 이 효과가 다른 모든 것을 능가할 수도 있다고 그는 말합니다. 글 전체를 통틀어 AGI의 가장 큰 파급이 어디일지에 대해 그가 내놓은 유일한 지목입니다.
가격 구조가 갈라진다
이어지는 것은 가격에 대한 예측입니다. 많은 재화의 가격이 결국 극적으로 떨어질 것이라는 전망입니다.
그가 괄호 안에 적어둔 이유는 이렇습니다. 지금은 지능의 비용과 에너지의 비용이 많은 것들을 제약하고 있다는 것입니다. 재화 가격의 하락은 그 두 제약이 풀리는 데서 나온다는 인과 구조입니다.
그런데 모든 것이 싸지지는 않습니다. 올트먼은 사치재, 그리고 토지처럼 본질적으로 제한된 소수의 자원 가격은 오히려 더 극적으로 오를 수 있다고 봅니다. 하락과 상승을 동시에 예측하면서, 상승 쪽에는 훨씬 더 극적으로라는 수식을 붙입니다.
해설 이 예측의 밑에는 경제학의 오래된 구분이 깔려 있습니다. 생산을 늘릴 수 있는 것과 늘릴 수 없는 것의 차이입니다.
지능과 에너지가 싸지면, 그 둘을 많이 투입해서 만드는 재화와 서비스의 한계비용은 떨어집니다. 여기에 더해, AI가 의료·법률·교육처럼 사람의 시간이 곧 원가인 분야에 침투하면 이른바 바우몰 비용병(Baumol’s cost disease)이 완화될 수 있습니다. 이 개념은 생산성이 오르는 제조업 임금 상승이 생산성이 잘 오르지 않는 서비스업 임금까지 끌어올려, 결과적으로 서비스 가격이 계속 비싸지는 현상을 가리킵니다. 선진국에서 공산품은 싸지는데 대학 등록금과 의료비는 계속 오르는 이유를 설명하는 틀입니다.
반대편의 토지는 공급이 원천적으로 고정되어 있습니다. 데이비드 리카도(David Ricardo) 이래 경제학은 생산성이 올라가면 그 이득의 상당 부분이 공급이 고정된 자산의 지대(rent)로 흡수된다고 설명해왔습니다. 소득이 늘고 다른 모든 것이 싸질수록, 늘릴 수 없는 것에 대한 지불 의사는 오히려 커지기 때문입니다.
올트먼의 예측은 이 논리를 AGI 시대에 그대로 적용한 것이며, 결과적으로 자산 보유자와 비보유자 사이의 격차가 벌어진다는 함의를 품고 있습니다. 그가 뒤에서 분배 문제를 꺼내는 이유와도 연결됩니다. 한 가지 더 짚자면, 이 글이 에너지를 지능과 나란히 제약 조건으로 놓았다는 점은 AI 확산이 곧 전력 수요 급증을 뜻한다는 인식이 2025년 초 이미 업계의 전제였음을 보여줍니다.
기술은 명확하고, 정치는 그렇지 않다
여기서 글의 무게 중심이 옮겨갑니다. 올트먼은 기술적으로 말하자면 앞에 놓인 길이 꽤 명확해 보인다고 단언합니다. 그러나 AGI를 사회에 어떻게 통합할 것인가에 관한 공공정책과 집단적 여론이 대단히 중요하다고 덧붙입니다.
그리고 회사의 제품 전략을 정당화하는 논리를 제시합니다. 제품을 일찍, 그리고 자주 내놓는 이유 가운데 하나가 사회와 기술이 함께 진화할 시간을 주기 위해서라는 것입니다.
이어 그는 AI가 경제와 사회의 모든 영역으로 스며들 것이며, 우리는 모든 것이 똑똑하기를 기대하게 될 것이라고 말합니다. 그리고 사내 분위기를 전합니다. 오픈AI 사람들 중 다수가, 역사적으로 해온 것보다 사람들에게 기술에 대한 통제권을 더 많이 넘겨야 한다고 예상하며 여기에는 오픈소스 확대가 포함된다는 것입니다. 동시에 안전과 개인 역량 강화 사이에는 상충을 요구하는 균형점이 존재한다는 사실을 받아들여야 한다고 말합니다.
[이해관계] 제품을 일찍 자주 내놓는 이유가 사회와 기술의 공진화를 위해서라는 논리는 오픈AI가 오래 견지해온 이른바 반복적 배포(iterative deployment) 원칙입니다. 다만 이 원칙이 회사의 상업적 이해와 완전히 일치한다는 점은 함께 봐야 합니다. 빠르게 출시할수록 사용자 데이터와 매출이 쌓이고 시장 선점 효과가 커지기 때문입니다. 안전 논거와 사업 논거가 같은 방향을 가리킬 때는, 어느 쪽이 실제 동인인지를 글 자체로는 구분할 수 없습니다.
오픈소스 언급의 시점도 맥락이 있습니다. 이 글이 나오기 불과 열흘 남짓 전인 2025년 1월 31일, 올트먼은 레딧(Reddit) AMA에서 모델 가중치 공개에 관한 질문을 받고 자신은 개인적으로 오픈AI가 이 문제에서 역사의 잘못된 편에 서 있었다고 생각하며 다른 오픈소스 전략을 찾아야 한다고 답했습니다. 다만 그는 사내 모두가 이 견해를 공유하는 것은 아니고 현재 최우선 과제도 아니라고 덧붙였습니다.
이 발언은 중국 딥시크가 저비용 공개 가중치 모델을 내놓아 시장에 충격을 준 직후에 나왔습니다. 따라서 이 글의 오픈소스 확대 언급은 순수한 가치 선언이라기보다, 경쟁 환경의 변화와 함께 읽을 때 의미가 더 분명해집니다. 회사명이 오픈AI이면서 주력 모델을 공개하지 않는다는 오랜 비판을 의식한 대목이기도 합니다.
개인의 역량 강화인가, 감시 국가인가
이 대목의 마지막에서 올트먼은 방향성을 못 박습니다. 무모해지고 싶지는 않으며 AGI 안전과 관련해 인기 없는 주요 결정과 제약이 나올 가능성이 크다는 점을 먼저 인정합니다.
그럼에도 방향으로 보면, AGI에 가까워질수록 개인의 역량 강화 쪽으로 더 기우는 것이 중요하다고 믿는다고 말합니다. 그가 이 판단의 근거로 제시하는 것은 대안의 모습입니다.
그가 보기에 또 하나의 유력한 경로는 권위주의 정부들이 대규모 감시와 자율성 박탈을 통해 국민을 통제하는 데 AI를 사용하는 것입니다. 여기서의 선택지는 안전이냐 자유냐가 아니라, 개인에게 힘을 주는 길이냐 국가가 감시하는 길이냐로 제시됩니다.
[한국 관점] 첫째는 에너지와 인프라입니다. 올트먼이 지능과 나란히 제약으로 지목한 에너지 비용은 한국에서 더 무겁게 걸립니다. 한국은 전력계통이 다른 나라와 연결되지 않은 사실상의 전력 섬이고, 발전 설비는 수도권 밖에 있는데 데이터센터 수요는 수도권에 몰려 송전망 병목이 반복적으로 문제가 되어 왔습니다. 재생에너지 비중도 주요 제조업 국가 가운데 낮은 편입니다. 지능이 싸지면 많은 것이 싸진다는 인과는 전력을 원하는 만큼 원하는 위치에 공급할 수 있을 때 성립하는데, 국내에서는 그 조건 자체가 정책 변수입니다.
둘째는 비용 하락과 인프라 투자 전략의 관계입니다. 동일 성능의 사용 비용이 12개월마다 10분의 1이 된다는 관찰 2를 그대로 받아들이면, 국내 기업과 정부가 자체 대규모 학습 인프라를 구축해 선단 모델을 직접 만드는 전략의 손익은 미묘해집니다. 2년만 기다리면 오늘의 성능을 100분의 1 가격에 살 수 있다는 뜻이기 때문입니다.
그럼에도 각국이 이른바 소버린 AI(sovereign AI)에 투자하는 이유는 성능 대비 가격이 아니라 공급 안정성, 데이터 주권, 안보에 있습니다. 이 투자를 경제성 논리로 정당화하려 하면 관찰 2가 곧바로 반론이 되며, 정당화의 근거는 다른 곳에서 찾아야 합니다. 원문은 이 구분을 다루지 않습니다.
한편 개인 역량 강화 대 권위주의적 감시라는 이분법은 한국의 논의 지형과 잘 맞지 않습니다. 국내 쟁점은 감시 국가화보다는 개인정보보호법상 처리 근거, 학습 데이터의 저작권 문제, 그리고 2024년 말 국회를 통과해 2026년 1월 시행된 AI 기본법의 고영향 AI 규율 범위처럼 실무적 규제 설계에 집중되어 있습니다.
분배라는 마지막 문제
좋아지는 것과, 저절로 좋아지지 않는 것
올트먼은 AGI의 이득이 널리 분배되도록 보장하는 것이 결정적으로 중요하다는 문장으로 마지막 논의를 엽니다. 그리고 곧바로 역사적 근거와 그 한계를 함께 제시합니다.
기술 진보의 역사적 영향을 보면, 우리가 신경 쓰는 지표 대부분은 평균적으로 그리고 장기적으로 나아진다는 것이 그가 인정하는 부분입니다. 그가 예로 드는 것은 건강 결과와 경제적 번영입니다.
그러나 곧바로 단서가 붙습니다. 평등의 증가는 기술적으로 결정되는 것처럼 보이지 않으며, 이것을 제대로 해내려면 새로운 아이디어가 필요할 수도 있다는 것입니다. 파이가 커지는 것은 기술이 알아서 하지만, 파이가 어떻게 나뉘는지는 기술이 정해주지 않는다는 구분입니다.
자본과 노동의 균형
그다음은 경고입니다. 특히 자본과 노동 사이의 힘의 균형이 쉽게 망가질 수 있어 보이며, 여기에는 조기 개입이 필요할 수 있다는 것입니다.
올트먼은 두 가지 대응을 나란히 놓습니다. 하나는 지구상의 모든 사람이 AI를 많이 쓸 수 있도록 일종의 컴퓨트 예산(compute budget)을 나눠주는 것 같은, 그 자신의 표현으로 이상하게 들리는 아이디어들에도 열려 있다는 것입니다.
다른 하나는 훨씬 소극적입니다. 그저 지능의 비용을 가능한 한 낮게 밀어붙이는 것만으로도 원하는 효과가 나오는 경로 역시 많이 보인다는 것입니다. 그는 둘 중 어느 쪽이 더 유력한지는 판정하지 않습니다.
해설 컴퓨트 예산은 이 글에서 갑자기 튀어나온 착상이 아닙니다. 올트먼은 2021년 에세이 「Moore’s Law for Everything」에서 AI가 노동의 가치를 떨어뜨리고 자본의 가치를 올릴 것이라고 전망하면서, 소득이 아니라 자본에 과세하는 방식을 제안한 바 있습니다. 구체적으로는 기업 지분과 토지에 과세해 이를 모든 성인에게 분배하는 기금 구상이었습니다.
다만 이번 글의 아이디어는 형태가 다릅니다. 현금을 나눠주는 보편기본소득(UBI, Universal Basic Income)이 아니라 연산 자원 자체를 배분하는 구상이기 때문입니다.
이 차이는 생각보다 큽니다. 현금 분배는 재원을 어디서 걷을지를 먼저 정해야 하는 재정 문제인 반면, 컴퓨트 배분은 그 자원을 보유한 소수 기업의 협조나 의무화가 전제되는 산업정책 문제에 가깝습니다. 또한 컴퓨트는 현금과 달리 저축하거나 다른 용도로 전용하기 어렵기 때문에, 수급자의 선택권이라는 측면에서는 오히려 제한적입니다. 원문은 이 설계상의 쟁점을 다루지 않고 아이디어만 던져둡니다.
[관점] 두 대안은 대등하게 제시된 것처럼 보이지만 실은 비대칭입니다. 컴퓨트 예산은 새로운 제도와 재원과 강제력을 요구하는 개입이고, 지능의 비용을 계속 낮추는 것은 AI 기업이 이미 하고 있는 일, 즉 아무런 추가 의무도 발생시키지 않는 선택지입니다. 그리고 관찰 2에 따르면 비용 하락은 어차피 일어나게 되어 있습니다. 결국 이 대목은 분배 문제를 제기하면서 동시에 지금 하는 대로 하면 해결될 수도 있다는 출구를 열어둔 셈입니다.
내용 자체로 보면 자본-노동 경고는 상당히 강한 발언입니다. 지능이 값싸고 무한히 복제 가능해지면 노동의 협상력을 지탱하던 희소성이 약해지고, 잉여는 컴퓨트·데이터센터·전력·토지처럼 복제할 수 없는 자산을 쥔 쪽으로 이동합니다. 앞서 본 토지 가격 예측과 이 경고는 같은 동전의 양면입니다. 자산 배분 관점에서 이 글이 함축하는 결론은 단순합니다. AI의 이득은 모델을 만드는 회사보다 AI가 늘릴 수 없는 것을 가진 쪽에 더 오래 남습니다.
다만 조기 개입이 필요할 수 있다고만 적고 누가 무엇을 언제 해야 하는지는 비워둔 점은 지적할 만합니다. 규제 논의에서 가장 흔한 형태의 서술, 즉 문제의식은 선점하되 구체적 의무는 남기지 않는 방식입니다.
2035년의 한 사람
글은 하나의 기준선으로 마무리됩니다. 2035년의 누구든 2025년의 인류 전체에 해당하는 지적 역량을 동원할 수 있어야 한다는 것입니다. 그리고 모든 사람이 자신이 상상할 수 있는 어떤 방향으로든 부릴 수 있는 무제한의 천재성에 접근할 수 있어야 한다고 말합니다.
그가 이 목표를 정당화하는 방식은 결핍의 지적입니다. 지금도 재능은 많지만 그 재능을 온전히 발현할 자원을 갖지 못한 경우가 대단히 많다는 것입니다.
그것을 바꾼다면, 그 결과로 세계가 만들어낼 창조적 산출이 우리 모두에게 엄청난 이익을 가져다줄 것이라고 그는 결론짓습니다. 글머리의 예측, 즉 10년 뒤에는 모두가 오늘날 가장 영향력 있는 사람보다 더 많은 일을 해낼 수 있으리라는 문장이 여기서 구체적 기준으로 다시 돌아옵니다.
감사 표기와 각주
본문 뒤에 올트먼은 초안을 검토해준 세 사람에게 특별히 감사를 표합니다. 조시 아치암(Josh Achiam), 보아즈 바라크(Boaz Barak), 알렉산데르 마드리(Aleksander Madry)입니다. 세 사람 모두 당시 오픈AI 소속 연구자이며, 외부 검토자는 언급되지 않습니다.
그리고 별표가 붙은 각주가 하나 달려 있습니다. 여기서 AGI라는 용어를 사용한 것은 명확하게 소통하기 위함이며, 마이크로소프트와의 관계를 규정하는 정의와 절차를 바꾸거나 새롭게 해석하려는 의도가 아니라는 내용입니다. 그는 마이크로소프트와 장기적으로 파트너 관계를 유지할 것으로 온전히 기대한다고 덧붙입니다.
각주의 마지막 문장은 어조가 다릅니다. 이 각주가 우스꽝스러워 보이지만, 일부 기자들이 클릭을 얻으려고 우스꽝스러운 기사를 쓰려 할 것을 알기 때문에 미리 선수를 치는 것이라는 설명입니다.
[사후 맥락] 이 각주가 왜 필요했는지는 당시 계약 구조를 알아야 이해됩니다. 오픈AI와 마이크로소프트의 계약에는 AGI 달성 선언이 일종의 방아쇠로 들어 있었습니다. AGI가 선언되면 마이크로소프트의 지식재산권 접근과 독점적 권리에 변화가 생기는 구조였고, 선언 권한이 사실상 오픈AI 측에 있다는 점 때문에 AGI에 도달했다는 표현 하나가 계약상 파장을 낳을 수 있다는 관측이 돌았습니다.
이 구조는 이후 실제로 바뀌었습니다. 2025년 10월 28일 양사는 새 계약을 발표했고, 오픈AI는 영리 부문을 공익법인(PBC)인 오픈AI 그룹 PBC로 재편했습니다. 마이크로소프트는 약 1,350억 달러 가치의 지분 약 27%를 보유하게 되었으며, 이는 종전의 32.5%에서 희석된 수치입니다.
핵심은 AGI 조항입니다. 이제 오픈AI가 AGI를 선언하더라도 그 선언은 독립적인 전문가 패널의 검증을 거쳐야 하며, 수익 배분 약정은 그 패널이 AGI를 확인할 때까지 유지됩니다. 마이크로소프트의 지식재산권 및 애저(Azure) API 독점은 2032년까지, 연구 방법론에 대한 권리는 2030년 또는 패널의 AGI 확인 시점 중 이른 쪽까지로 정리되었습니다. 또한 마이크로소프트는 독자적으로 또는 제3자와 함께 AGI를 추구할 수 있게 되었습니다.
요컨대 이 각주가 계약상 정의를 건드리지 않는다고 미리 선을 그었던 바로 그 지점이, 약 20개월 뒤 한 회사의 선언이 아니라 외부 패널의 검증 사안으로 바뀐 셈입니다.
원문: Sam Altman, Three Observations (Feb 2025) 전문은 원문에서 확인하실 수 있습니다.
참고할만한 글
- 샘 올트먼 – 온화한 특이점 (The Gentle Singularity) — 같은 저자가 지능이 흔해진 세계의 모습을 연표로 그린 글로, 이 글의 경제학이 어디로 이어지는지 볼 수 있습니다.
- 데이비드 칸 – AI의 6,000억달러 질문 (AI’s $600B Question) — AI 투자에 걸맞은 매출이 어디에 있느냐고 묻는 글로, 이 글의 낙관 논리를 투자자의 시선으로 점검할 수 있습니다.
- 애스워스 다모다란 – AI의 바르 미츠바 순간 (AI’s Bar Mitzvah Moment) — 다모다란이 AI의 사업 규모와 단위 경제성을 숫자로 따져 본 글로, 초지수적 가치라는 주장을 시장 데이터와 대조해 볼 수 있습니다.
