AGI란 무엇인가? 범용 인공지능의 정의와 전망이 엇갈리는 이유

AGI란 무엇인가요?

범용 인공지능(AGI)은 번역이나 체스처럼 한 가지 좁은 작업에서만 뛰어난 것이 아니라, 폭넓은 지적 작업을 인간 수준 이상으로 처리할 수 있는 가상의 AI를 말합니다. 진지한 정의라면 모두 이러한 범용성 개념을 공유하지만 세부 내용은 다릅니다. 2025년의 한 연구 논문은 구체적인 정의가 없기 때문에 오늘날의 특화된 AI와 인간 수준의 인지 사이의 간극이 흐려진다고 주장하며 시작합니다^[3].

널리 인용되는 세 가지 정의를 보면 그 폭을 알 수 있습니다.

• 경제적 정의: OpenAI 헌장은 AGI를 ‘경제적 가치가 있는 대부분의 일에서 인간을 능가하는 고도로 자율적인 시스템’으로 정의합니다^[1].
• 단계적 정의: Google DeepMind 연구진은 시스템을 능력의 깊이(성능)와 폭(범용성)이라는 두 축으로 평가하며, AGI를 하나의 결승선이 아니라 여러 단계로 이루어진 경로로 설명합니다^[2].
• 심리측정적 정의: Dan Hendrycks가 이끈 2025년 논문은 AGI를 교육을 잘 받은 성인의 인지적 다재다능함과 숙련도에 필적하는 것으로 정의하고, 열 가지 인지 영역에 걸쳐 이를 시험합니다^[3].

이 용어 자체를 피하는 리더도 있습니다. Anthropic 최고경영자 Dario Amodei는 AGI가 공상과학적 선입견과 과장이 덧씌워진 부정확한 용어라고 보고, 대신 ‘강력한 AI(powerful AI)’라는 표현을 선호합니다. 그는 이를 대부분의 관련 분야에서 노벨상 수상자보다 똑똑한 AI로 설명합니다^[4].

AGI는 오늘날의 AI, 그리고 초지능과 어떻게 다른가요?

오늘날의 챗봇은 범용적이지만 능력이 고르지 않습니다. 국제 AI 안전 보고서 2026은 최고 수준의 시스템이 국제수학올림피아드 문제에서 금메달 수준의 성과를 냈지만, 겉보기에 간단한 일부 작업에서는 여전히 실패한다고 지적합니다^[13]. 초지능은 인간 수준을 넘어서는 것을 뜻합니다. DeepMind의 단계 구분에서 범용 AI의 최상위 등급은 인공 초지능(ASI)으로 불리며, Superhuman 성능은 인간의 100%를 능가하는 것으로 정의됩니다^[2].

AGI의 단계는 어떻게 나뉘나요?

Google DeepMind의 Meredith Ringel Morris, Shane Legg 등이 ICML 2024 논문집에 발표한 ‘Levels of AGI’ 논문은 AGI 모델과 그 전 단계 모델을 분류하는 프레임워크를 제안하며, 이를 시스템을 비교하고 진전을 추적하기 위한 공통 언어로 삼고자 합니다^[2]. 이 논문은 여섯 가지 원칙을 제시하는데, 여기에는 시스템이 어떻게 작동하는지가 아니라 무엇을 할 수 있는지로 AGI를 판단할 것, 물리적 작업보다 인지적·메타인지적 작업에 초점을 둘 것, AGI를 종착점이 아니라 경로로 볼 것 등이 포함됩니다^[2].

범용 AI의 단계는 다음과 같습니다^[2].

1. Emerging(초기): 숙련되지 않은 사람과 같거나 약간 더 나은 수준. 논문은 ChatGPT, Bard, Llama 2, Gemini를 예로 듭니다.
2. Competent(유능): 숙련된 성인의 최소 50번째 백분위수.
3. Expert(전문가): 숙련된 성인의 최소 90번째 백분위수.
4. Exceptional(탁월): 숙련된 성인의 최소 99번째 백분위수(이전 버전에서는 ‘Virtuoso’로 불림).
5. Superhuman(초인): 인간의 100%를 능가.

2025년 Google DeepMind의 안전 관련 논문은 이 척도를 바탕으로 Exceptional AGI에 초점을 맞추며, 이를 폭넓은 비물리적 작업에서 숙련된 성인의 99번째 백분위수에 도달하거나 이를 넘어서는 시스템으로 정의합니다^[10].

연구자들은 AGI를 향한 진전을 어떻게 측정하나요?

정의가 다르니 잣대도 다릅니다. 최근의 두 가지 시도가 이러한 접근법을 잘 보여 줍니다.

인지 기반 ‘AGI 점수’

Hendrycks가 이끈 프레임워크는 인간을 위한 심리측정 검사 묶음을 AI에 맞게 조정하고, 이를 인간 인지 능력에 관한 카텔-혼-캐럴(Cattell-Horn-Carroll) 이론에 근거를 둡니다^[3]. 이 프레임워크는 GPT-4의 AGI 점수를 27%, GPT-5를 57%로 보고합니다^[3]. 연구진은 ‘들쭉날쭉한’ 프로필을 설명합니다. 지식 집약적인 영역에서는 성과가 뛰어나지만, 기초 능력, 특히 장기 기억 저장에서는 결정적인 결함이 있다는 것입니다^[3]. 이 점수는 연구진이 선택한 영역과 가중치에 따라 달라지므로, 공식 등급이 아니라 한 연구 집단의 측정치입니다.

사람에게는 쉬운 퍼즐

주최 측은 ARC Prize 벤치마크인 ARC-AGI를 새로운 과제에 대한 퓨샷 일반화 능력을 측정하는 지표라고 설명합니다^[14]. ARC-AGI-2 데이터 세트로 진행된 2025년 대회에는 1,455개 팀이 15,154건을 제출했으며, 비공개 평가 세트의 최고 점수는 24%였습니다^[14]. 주최 측은 탐색, 계획, 기억, 목표 획득을 시험하는 대화형 과제를 추가한 ARC-AGI-3을 미리 공개했습니다^[14].

벤치마크에는 알려진 약점이 있습니다. ARC Prize 보고서는 프런티어 모델의 추론이 지식 범위에 의해 제한되며, 이 때문에 새로운 형태의 벤치마크 오염이 생긴다고 주장합니다^[14]. 국제 AI 안전 보고서는 새로운 능력이 어떻게, 언제 나타나는지 추정하는 방법이 여전히 신뢰할 수 없다고 덧붙입니다^[13].

AI 업계 리더들은 AGI가 언제 올 것이라고 보나요?

기업 리더들의 공개적인 전망은 증거가 아니라 믿음의 표명이며, 서로 다른 정의를 쓰는 경우가 많습니다. 2026년 11월 3일 기준 그 범위는 매우 넓습니다.

• Sam Altman(OpenAI)은 2025년 1월 ‘우리는 이제 전통적으로 이해되어 온 AGI를 어떻게 만드는지 안다고 확신한다’고 썼습니다^[5].
• Dario Amodei(Anthropic)는 2024년 10월 강력한 AI가 이르면 2026년에 등장할 수 있지만 훨씬 오래 걸릴 수도 있다고 썼습니다^[4]. 2025년 1월에는 CNBC에 거의 모든 작업에서 거의 모든 인간보다 나은 AI가 2~3년 안에 등장할 수 있다고 말했습니다^[6].
• Demis Hassabis(Google DeepMind)는 2025년 3월 인간이 가진 복잡한 능력을 모두 보여 줄 수 있는 시스템으로 설명한 AGI가 앞으로 5~10년 사이에 나타나기 시작할 것이라고 말했습니다^[6].
• Google DeepMind 안전팀은 2025년 4월 실현 시점은 매우 불확실하지만 2030년까지 강력한 AI 시스템이 개발될 가능성은 충분하다고 썼습니다^[10].
• Meta를 떠나 스타트업 AMI를 세운 Yann LeCun은 2026년 1월 MIT Technology Review에 대규모 언어 모델은 세계에 대한 모델이 없기 때문에 진정으로 추론하거나 계획할 수 없으며, 인간 수준의 AI는 내년이나 2년 뒤에 오지 않을 것이고 LLM을 바탕으로 만들어지지도 않을 것이라고 말했습니다^[7].
• Robin Li(Baidu)는 2024년 AGI가 10년도 더 남았다고 말했다고 CNBC가 보도했습니다^[6].

AI 연구자 대상 설문 조사는 무엇을 말하나요?

연구자 대상 설문 조사는 경영자들의 예측을 점검하는 데 유용하지만, 이 역시 사실이 아니라 의견을 측정한 것입니다.

가장 큰 규모는 Katja Grace 연구진이 2024년에 발표한, 최상위 AI 학회와 학술지에 논문을 낸 연구자 2,778명 대상 설문 조사입니다^[8]. 응답자들은 기계가 가능한 모든 작업에서 인간을 능가할 확률을 2027년까지 10%, 2047년까지 50%로 보았는데, 이는 같은 연구진의 2022년 설문 조사보다 13년 앞당겨진 시점입니다^[8]. 인간의 모든 직업이 완전히 자동화될 수 있는 시점에 대한 50% 추정치는 2116년이었습니다^[8].

인공지능발전협회(AAAI)는 2025년 회장 패널 보고서를 위해 475명의 응답자를 조사했으며, 그중 약 3분의 2가 학계 출신이었습니다^[9]. 이 조사에서 76%는 현재의 AI 방식을 규모만 키워서는 AGI에 이를 가능성이 낮거나 매우 낮다고 답했습니다^[9]. 대부분의 응답자(77%)는 AGI를 직접 추구하는 것보다 위험과 이익의 균형이 수용 가능한 시스템을 설계하는 것을 우선시했으며, 70%는 완전한 안전 장치가 마련될 때까지 AGI 연구를 중단하는 데 반대했습니다^[9].

두 결과가 반드시 충돌하는 것은 아닙니다. 연구자들은 수십 년 안에 매우 유능한 AI가 나오리라 예상하면서도, 오늘날의 방식을 단순히 키우는 것만으로 그곳에 도달할 수 있을지는 의심할 수 있습니다^[8][9].

전문가들은 왜 AGI에 대해 의견이 갈리나요?

AGI 논쟁에는 서로 다른 여러 쟁점이 한데 얽혀 있습니다.

• 정의. 경제적 가치가 있는 일을 기준으로 한 시험^[1], 숙련된 성인의 백분위수^[2], 심리측정적 프로필^[3]은 같은 시스템에 대해 서로 다른 답을 내놓을 수 있습니다.
• 방법. 일부 리더는 현재의 방식이 계속 빠르게 개선될 것으로 기대하지만^[5], LeCun은 세계 모델에 기반한 새로운 아키텍처가 필요하다고 주장하며^[7], AAAI 응답자 대부분은 규모 확대만으로 효과가 있을지 의심합니다^[9].
• 고르지 않은 능력. 어려운 수학에서 뛰어난 시스템도 간단한 작업에서 실패할 수 있어 하나의 판정을 내리기 어렵습니다^[13]. Hendrycks 프레임워크도 같은 들쭉날쭉함을 발견했습니다^[3].
• 예측 자체의 어려움. 국제 AI 안전 보고서는 앞으로의 진전 속도에 상당한 불확실성이 있으며, OECD 분석에 따르면 2030년까지의 결과는 완만한 개선부터 급격한 도약까지 다양할 수 있다고 말합니다^[13].
• 이해관계. Microsoft와 OpenAI의 계약에서 보듯 일부 기업에 AGI는 계약상, 상업상 의미를 지니므로^[11][12], 공개 발언에는 사업적 무게가 실릴 수 있습니다.

AGI의 정의는 비즈니스에서 왜 중요한가요?

가장 분명한 예는 Microsoft와 OpenAI의 파트너십입니다. 2025년 10월 28일 발표된 계약에 따르면 OpenAI의 AGI 선언은 독립적인 전문가 패널의 검증을 거치도록 되어 있었습니다^[11]. OpenAI 모델과 제품에 대한 Microsoft의 권리는 2032년까지 연장되었고, Microsoft의 연구 IP 권리는 패널이 AGI를 검증하는 시점과 2030년 중 먼저 오는 때까지 유지되도록 했으며, Microsoft는 독자적으로 AGI를 추구할 권리를 얻었습니다^[11].

두 회사는 2026년 4월 27일 다시 방향을 바꾸었습니다. CNBC 보도에 따르면 OpenAI가 Microsoft에 지급하는 수익 배분금에는 이제 총액 상한이 적용되고 ‘OpenAI의 기술 진전과 관계없이’ 2030년까지 지급되며, OpenAI가 AGI를 선언하더라도 Microsoft가 대응 방침을 정할 필요가 없어졌고, 2032년까지인 Microsoft의 IP 라이선스는 더 이상 독점적이지 않습니다^[12]. 이 사례는 ‘AGI’가 과학적 목표일 뿐 아니라 법적 발동 조건으로도 기능해 왔으며, 그 계약상 역할은 재협상될 수 있음을 보여 줍니다.

AGI 추구의 이점과 위험은 무엇인가요?

주장되는 이점

• Amodei는 AI 기반 생물학과 의학이 인간 생물학자들이 앞으로 50~100년에 걸쳐 이룰 진전을 5~10년으로 압축할 수 있다고 예측하며, 강력한 AI를 ‘데이터 센터 안의 천재들의 나라’로 묘사합니다^[4].
• OpenAI가 밝힌 사명은 AGI가 인류 전체에 이익이 되도록 하는 것입니다^[1].

위험과 우려

• Google DeepMind의 안전 논문은 AGI의 위험을 오용, 정렬 실패, 실수, 구조적 위험으로 분류하고, 인류에게 심각한 피해를 줄 만큼 중대한 해악에 초점을 맞춥니다^[10].
• 국제 AI 안전 보고서는 일부 연구자와 기업 리더는 통제력 상실을 심각한 가능성으로 보는 반면, 다른 이들은 그런 시나리오가 개연성이 없다고 본다고 지적합니다^[13].
• AAAI 설문 조사에서 응답자의 82%는 민간 주체가 개발한 AGI 시스템을 공공이 소유해야 한다고 답했습니다^[9].

앞으로 어떻게 될까요?

구호가 아니라 시험으로 이 용어를 명확히 하려는 시도가 늘어날 것입니다. DeepMind의 단계 구분^[2]과 Hendrycks의 AGI 점수^[3] 같은 프레임워크, 그리고 ARC-AGI-3 같은 새로운 벤치마크가 그 예입니다^[14]. 또한 정의가 여전히 논쟁 중이므로, 새로운 모델이 출시될 때마다 주장과 반박이 되풀이될 것으로 예상됩니다^[2][3].

아직 알 수 없는 것

• 현재 방식의 규모 확대가 계속 성과를 낼지. AAAI 응답자 대부분은 이를 의심합니다^[9].
• 장기 기억 같은 기초적인 공백을 빠르게 메울 수 있을지^[3].
• Grace 연구진의 2022년 설문 조사와 최근 조사 사이에 13년 앞당겨진 연구자들의 전망이^[8] 앞으로도 계속 움직일지.

비전문가를 위한 실용적인 해석 방법은 이렇습니다. ‘AGI가 도래했다’거나 ‘AGI는 불가능하다’는 주장을 접하면, 먼저 어떤 정의를 쓰고 있으며 어떤 근거가 이를 뒷받침하는지 물어보십시오.