「기계는 절대 그걸 해내지 못한다」— 그리고 결국 해낸다

내 머릿속에서 떠나지 않는 패턴이 하나 있다. 똑똑하고 존경받는 사람이 어떤 기술을 보고 완전한 확신을 담아 「이건 절대 안 될 거야」라고 말한다 — 그리고 몇 년 후 바로 그 일이 일상이 되어 있다.

1997년 프린스턴 고등연구소의 피에트 헛(Piet Hut)은 바둑이라는 보드게임에 대해 《뉴욕타임스》에 이렇게 말했다: “It may be a hundred years before a computer beats humans at Go — maybe even longer.” 2016년 3월, 알파고(AlphaGo)는 세계적 수준의 기사 이세돌을 4대 1로 꺾었다. 백 년이 아니라, 19년 만이었다.

인지과학 분야에서 가장 명석한 사람 중 한 명인 더글러스 호프스태터(Douglas Hofstadter)는 2018년 《애틀랜틱(Atlantic)》에 「구글 번역의 얄팍함(The Shallowness of Google Translate)」이라는 제목의 에세이를 썼다. 그는 “No reasonable person thinks that a machine translation can ever achieve elegance and style.”라는 문장을 동의하며 인용했다. 2023년 6월에 공개된 한 대화에서, 같은 호프스태터는 이렇게 말했다: “I don’t think it’s interesting. I think it’s terrifying. I hate it. I think about it practically all the time, every single day.” 그리고: “It’s a very traumatic experience when some of your most core beliefs about the world start collapsing.”

이게 낯익다면, 아마 다른 데서 본 기억일 것이다. 2017년, 제이미 다이먼(Jamie Dimon)은 바클레이스 컨퍼런스에서 비트코인을 사기라고 불렀다: “It’s worse than tulip bulbs. It won’t end well. Someone is going to get killed.” 2018년 1월, 그는 그 발언을 후회한다고 말했다. 워런 버핏(Warren Buffett)은 2018년 버크셔 주주총회에서 비트코인을 “probably rat poison squared”라고 불렀고, 찰리 멍거(Charlie Munger)는 암호화폐 거래를 “just dementia”라고 불렀다. 그리고 폴 크루그먼(Paul Krugman)은 1998년, 2005년쯤이면 인터넷이 경제에 미치는 영향이 “no greater than the fax machine’s” 수준이라는 게 드러날 거라고 썼다 — 근거 중 하나는 “most people have nothing to say to each other!”였다.

나는 이 사람들보다 똑똑해 보이려고 이 글을 쓰는 게 아니다. 나는 그렇지 않다. 지금 같은 패턴이 다시 돌아가고 있고, 이번에는 그게 일어나는 과정을 지켜볼 수 있기 때문에 쓰는 것이다. 이건 그 과정에 대한 나의 타임라인이다. 계속 자라나도록 일부러 이렇게 만들었다.

예전엔 어땠는지 (그래야 도약이 실감난다)

2022년 11월 ChatGPT가 등장하기 전, 「텍스트를 쓰는 AI」는 소수의 내부자들만 아는 것이었다.

그 뒤에 있는 모델인 GPT-3는 2020년 5월 28일 프리프린트(「Language Models are Few-Shot Learners」)로 공개되었고, API 베타는 2020년 6월 11일에 시작되었다. 1,750억 개 파라미터 — 그리고 컨텍스트 윈도우는 겨우 2,048토큰, 몇 개 문단 분량이 전부였다. 학습 비용은 약 460만 달러로 추정되며, 단일 GPU로는 계산상 약 355년이 걸렸을 것이다.

그리고 그냥 들어갈 수도 없었다. GPT-3는 대기 명단 뒤에 있었다. OpenAI가 대기 명단을 없애고 API를 전면 공개한 건 2021년 11월 18일 — 1년 반이 지난 뒤였다.

이 시기의 가장 유명한 텍스트는 실제 수준에 대해 많은 것을 말해준다. 2020년 9월 8일, 《가디언(Guardian)》은 GPT-3가 작성한 칼럼을 실었다: “A robot wrote this entire article. Are you scared yet, human?” 그 글은 “I am not a human. I am Artificial Intelligence.”로 시작했고, “I have no desire to wipe out humans.”라는 문장도 담고 있었다. 인상적으로 들린다 — 작은 글씨를 읽기 전까지는. GPT-3는 (버클리 대학생이 입력을 넣어) 여덟 개의 시도를 만들어냈고, 편집진이 그중 최고의 부분들을 잘라 붙였다. 그러니 “entirely written by AI”는, 말하자면 넉넉하게 반올림한 표현이었다.

전문가들은 예상대로 냉정했다. 2020년 8월 22일, 게리 마커스(Gary Marcus)와 어니스트 데이비스(Ernest Davis)는 《MIT 테크놀로지 리뷰》에 이런 제목의 글을 실었다: “GPT-3, Bloviator: OpenAI’s language generator has no idea what it’s talking about.” 저자들이 스스로 벤치마크가 아니라고 명시한, 의도적으로 비체계적인 테스트 모음에서, GPT-3는 일상적 추론 문제의 절반 정도는 명백히 맞혔고 절반 정도는 명백히 틀렸다. 2021년 3월, FAccT 컨퍼런스에서 에밀리 벤더(Emily Bender)와 동료들은 계속 회자되는 용어를 만들어냈다: 「확률적 앵무새(stochastic parrots)」 — 아무것도 이해하지 못한 채 단어 패턴을 앵무새처럼 따라 하는 기계라는 뜻이다. 2년 뒤인 2022년 3월, 마커스의 판단은 이랬다: “For all its fluency, GPT-3 can neither integrate information from basic web searches nor reason about the most basic everyday phenomena.”

그럼 이미지는? 2021년 1월 5일, OpenAI는 달리(DALL·E)를 공개했다 — GPT-3에서 파생된 120억 파라미터 모델로, 텍스트로부터 이미지를 그려냈다. 낮은 해상도, 종종 엉뚱한 결과. 도구가 아니라 진기한 구경거리였다.

이 그림을 붙잡아두자: 대기 명단, 앵무새, 엄선된 텍스트, 픽셀 깨진 새끼 고양이. 그게 3년 반 전의 상태였다.

타임라인

여기서부터는 빽빽해진다. 핵심 릴리스들을 날짜와 함께 적고, 각각이 처음으로 실제로 가능하게 만든 것을 함께 적는다. 이 목록은 계속 자라난다. 새로운 게 나오면 추가할 것이다.

2020년 5월/6월 — GPT-3가 프리프린트와 API 베타로 등장. OpenAI 자체 테스트에서 평가자들은 기계가 쓴 단문 기사를 겨우 52%만 정확히 구별해냈다 — 동전 던지기보다 약간 나은 수준. 처음으로: 문단 길이에서 인간처럼 들리는 텍스트.

2021년 1월 — 달리(DALL·E) 1. 처음으로: 임의의 텍스트로부터 만드는 이미지 — 다만 거칠고 작았다.

2022년 6월 21일 — 깃허브 코파일럿(GitHub Copilot)이 월 10달러로 정식 출시. 처음으로: 코딩할 때 함께 타이핑해주는 AI가, 모든 개발자가 감당할 수 있는 가격으로.

2022년 7월/8월 — 이미지 분야의 돌파구가 연달아 찾아온다: 달리(DALL·E) 2 (4월 6일 발표, 7월 20일 베타), 미드저니(Midjourney) (7월 12일 공개 베타), 스테이블 디퓨전(Stable Diffusion) (8월 22일, 오픈소스, 소비자용 하드웨어에서 로컬 구동 가능). 처음으로: 사진처럼 사실적이고 조합 가능한 이미지 — 그리고 스테이블 디퓨전과 함께, 클라우드 없이 자신의 컴퓨터에서.

2022년 8월 말/9월 초 — 제이슨 앨런(Jason Allen)의 미드저니 이미지 「Théâtre D’opéra Spatial」이 콜로라도 주 박람회에서 1위를 차지한다(디지털 편집 사진 부문, 상금 300달러). 심사위원단은 그것이 AI로 만든 것인 줄 몰랐다. 대중적 논쟁은 9월에 뒤따랐다.

2022년 11월 30일 — ChatGPT, GPT-3.5 기반의 무료 프리뷰. 5일 만에 사용자 100만 명, 두 달 만에 월간 약 1억 명. 처음으로: 앵무새가 대화창을 갖게 되었다 — 그리고 전 세계가 그 안으로 들어갈 수 있게 되었다.

2023년 3월 14일 — GPT-4, 멀티모달(이미지도 이해함), 컨텍스트가 2,048에서 최대 32,000토큰으로 확장. 같은 달, Runway의 Gen-2가 실제로 쓸 만한 최초의 텍스트-투-비디오 베타 중 하나로 출시된다. 처음으로: 업로드된 이미지를 「보는」 AI — 그리고 텍스트로부터 만든 최초의 움직이는 몇 초.

2023년 10월 — 달리(DALL·E) 3, ChatGPT에 직접 탑재. 처음으로: 타이핑한 내용을 실제로 정확히 반영하는 이미지, 읽을 수 있는 글자까지 포함해서.

2024년 2월 15일 — OpenAI가 소라(Sora)를 발표: 프롬프트 하나로 최대 60초 분량의 매우 사실적인 1080p 영상. 처음으로: 언뜻 보면 진짜라고 믿을 수 있는 영상.

2024년 3월 12일 — Cognition이 자체 셸·에디터·브라우저를 갖춘 「최초의 AI 소프트웨어 엔지니어」 데빈(Devin)을 공개. 처음으로: 코딩 작업을 처음부터 끝까지 스스로 처리하는 AI.

2024년 3월/4월 — 수노(Suno) V3 (3월 21일, 보컬이 들어간 최대 4분 길이의 완성곡, 무료로도 가능)와 우디오(Udio) (4월 10일, 공개 베타). 처음으로: 문장 하나로 만들어내는, 목소리가 들어간 완성곡.

2024년 5월 13일 — GPT-4o, 텍스트·오디오·이미지를 하나로 묶은 「옴니(omni)」 모델. 처음으로: 기계와 실시간으로 자연스럽게 대화하기.

2025년 2월 24일 — Claude Code가 리서치 프리뷰로 출시되고, 2025년 5월 정식 출시. 처음으로: 코딩이 터미널 안의 대화가 된다 — 나에게도 마찬가지고, 이 사이트도 그렇게 만들어졌다.

2025년 3월 25일 — OpenAI가 이미지 생성 기능을 GPT-4o에 네이티브로 탑재. 「스튜디오 지브리」 열풍이 서비스를 압도한 나머지 무료 버전 출시가 미뤄져야 했다. 처음으로: 대화하듯 이미지를 편집하기 — 「하늘을 더 따뜻하게 해줘」라고 하면, 그렇게 된다.

2025년 5월 20일 — 구글(Google) 베오(Veo) 3: 최초로 동기화되어 함께 생성되는 소리 — 대사, 효과음, 립싱크까지. 베오 3.1이 2025년 10월 중순에 뒤따른다. 처음으로: 보이기만 하는 게 아니라 들리기도 하는 영상.

2025년 8월 7일 — GPT-5, OpenAI는 이를 「주머니 속 박사급 전문가 팀」이라고 표현했다.

2025년 9월 30일 — 소라(Sora) 2: 동기화된 소리, 더 나은 물리 법칙, 「카메오(Cameo)」 기능 — 거기에 틱톡 형식의 자체 앱까지. 처음으로: 실험실 데모가 아니라 소셜 미디어로서의 AI 영상.

이 5년을 한 번에 읽어보면, 2020년의 앵무새는 마치 다른 세기의 것처럼 느껴진다.

거의 아무도 주목하지 않는 것

ChatGPT에 대해서는 모두가 이야기한다. 이것에 대해서는 너무 적은 사람들만 이야기한다 — 그런데 어쩌면 이게 이야기의 더 큰 부분일지도 모른다.

2020년 11월, 알파폴드(AlphaFold) 2는 중앙값 약 92 GDT_TS의 점수로 CASP14 대회에서 우승하며, 생물학이 50년간 풀지 못했던 문제를 해결했다: 아미노산 서열로부터 단백질의 3차원 접힘 구조를 예측하는 것. 이건 장난이 아니다. 단백질 접힘은 질병이 작동하는 방식과 약물이 결합하는 방식을 이해하는 토대다. 알파폴드 데이터베이스는 2022년부터 2억 개가 넘는 구조를 담고 있었고, 2024년까지는 2억 1,400만 개를 넘어섰으며, 190개국 200만 명이 넘는 연구자들이 이용했다. 2024년 5월 8일에는 단백질·DNA·RNA·약물 분자의 복합체까지 예측하는 알파폴드 3가 나왔다.

인정은 최고 수준에서 이어졌다: 2024년 노벨 화학상의 절반은 컴퓨터 기반 단백질 설계를 이룬 데이비드 베이커(David Baker)에게, 나머지 절반은 단백질 구조 예측을 이룬 데미스 하사비스(Demis Hassabis)와 존 점퍼(John Jumper)에게 공동으로 돌아갔다. AI 시스템이 노벨 화학상의 중심에 서 있는 것이다.

그리고 단백질에서 끝나지 않는다:

  • 의학: 폐질환 IPF 치료를 위해 AI가 발견한 약물 렌토서티브(Rentosertib)는 22개 센터의 환자 71명을 대상으로 한 2a상 임상시험에서 12주 후 용량에 비례한 폐 기능 개선을 보였다 — 2025년 6월 3일 《Nature Medicine》에 발표됨. 2023년에는 딥러닝 모델(맥마스터 대학교와 MIT의 협업)이 약 7,500개의 분자를 스크리닝한 끝에 병원 내 위험한 병원균에 대응하는 약물 아바우신(Abaucin)을 찾아냈다.
  • 소재: 딥마인드(DeepMind)의 GNoME은 2023년 말 220만 개에 달하는 새로운 결정 구조의 안정성을 예측했다. 같은 날, 버클리의 A-Lab은 머신러닝을 이용한 로봇이 17일 만에 새로운 무기 소재를 합성하는 모습을 보여줬다. (공정하게 말하자면: 두 연구 모두 이후 비판을 받고 있다 — GNoME의 경우 많은 이들이 진짜 새로운 구조의 수가 부풀려졌다고 보고, A-Lab의 경우 《Nature》가 정정 보도를 내야 했다. 돌파구는 실재하지만, 그 성과는 논란의 여지가 있다.)
  • 날씨: 그래프캐스트(GraphCast)는 컴퓨터 한 대로 1분도 안 되는 시간에 최대 10일간의 날씨를 예측하며 — 검증된 1,380개 목표 지표 중 90% 이상에서 기존 ECMWF 모델보다 더 정확했다. 젠캐스트(GenCast)는 2024년 말 더 나은 사이클론 경로 예측으로 뒤를 이었다.
  • 순수 수학: 알파프루프(AlphaProof)와 알파지오메트리(AlphaGeometry) 2는 2024년 국제수학올림피아드에서 6개 문제 중 4개, 42점 만점에 28점을 풀어냈다 — 은메달 수준, 금메달보다 딱 1점이 모자랐다. 풀어낸 문제 중 하나는 600명이 넘는 인간 참가자 가운데 단 다섯 명만이 완전히 풀었던 것이었다. 그리고 2023년 말, 펀서치(FunSearch)는 미해결 수학 문제에 대해 입증 가능한 새로운 해법을 찾아냈다 — 언어 모델이 진짜로 검증 가능한 새로운 지식을 기여한 첫 사례였다.

그저 따라 한다던 그 앵무새가, 결국 단백질을 접고, 약물을 찾아내고, 인간이 거의 해내지 못하는 수학을 해낸 것이다.

숫자들

어떤 기술이 진짜인지 알고 싶을 때, 나는 돈을 따라간다 — 그리고 일자리를.

스탠퍼드 HAI(Stanford HAI)에 따르면 전 세계 기업의 AI 투자는 2024년 약 2,520억 달러에 달했다. 2025년에는 5,817억 달러로 두 배가 되었다. 민간 투자만 놓고 보면 127.5% 뛰어 3,447억 달러가 되었다. 이미지·텍스트·영상을 만드는 부문인 생성형 AI는 2025년 약 200% 성장해 약 1,710억 달러에 이르렀는데, 이는 전체 민간 AI 투자의 거의 절반이다. 미국이 2,859억 달러의 민간 투자로 선두를 달리고 있으며, 이는 중국의 23배다.

활용도도 그에 발맞춘다: 2024년 조직의 78%가 AI 사용을 보고했다(전년도 55%에서 상승); 맥킨지(McKinsey)는 2025년 적어도 하나의 비즈니스 기능에서 정기적으로 AI를 사용하는 비율을 88%로 집계했다. 여기서의 함정 — 그리고 나는 일부러 이걸 짚는다: 기업의 약 3분의 1만이 파일럿 프로젝트를 넘어 확장하고 있고, 이익 효과를 측정 가능하게 보여주는 곳은 소수에 불과하다. 시도는 많지만, 끝까지 밀어붙이는 경우는 적다.

그럼 일자리는? 바로 여기가 신경이 곤두서는 지점이다. IMF는 전 세계 고용의 약 40%가 AI에 노출되어 있고, 선진국에서는 그 비율이 약 60%에 이른다고 추정한다. 이 일자리들 중 절반은 혜택을 볼 것으로 보이고, 나머지 절반은 핵심 업무를 잃을 것으로 보인다. IMF 총재 크리스탈리나 게오르기에바(Kristalina Georgieva)는 이렇게 정리했다: “We are on the brink of a technological revolution that could jumpstart productivity, boost global growth and raise incomes around the world. Yet it could also replace jobs and deepen inequality.”

WEF는 2030년까지 새로운 일자리 1억 7천만 개, 사라지는 일자리 9,200만 개를 예상한다 — 순증 7,800만 개. 그러니 손실만 있는 게 아니다. 가장 빠르게 성장하는 직군은 빅데이터 전문가(+110%), 핀테크 엔지니어(+95%), AI/ML 전문가(+85%)이며, 가장 크게 줄어드는 건 사무직원·계산원 같은 전통적 사무직이다. 오늘날 요구되는 핵심 역량의 39%는 2030년까지 시대에 뒤떨어진 것으로 여겨질 것이다.

나를 낙관적으로 만드는 한 가지 세부 사항: Anthropic 이코노믹 인덱스는 2026년 초 약 200만 건의 AI 대화를 분석했다. 처음으로 증강(augmentation, 52%) — AI가 사람이 업무를 수행하는 걸 돕는 것 — 이 자동화(automation, 45%) — AI가 작업을 완전히 대신하는 것 — 를 앞질렀다. 대체보다는 조수인 경우가 더 많다는 것이다. 적어도 지금까지는.

그때 vs. 지금 — 나만의 계산

이제 구체적인 이야기로 들어간다. 바로 여기가 내가 살고 있는 곳이기 때문이다. AI 스토어, 블로그 — 거기에 들어가는 이미지들은 어디선가 와야 한다. 그래서 나는 전통적인 광고 사진 촬영이 실제로 무엇을 요구하는지 살펴봤다. 클리셰가 아니라, 계산을.

권리 문제부터 시작해보자. 대부분의 사람들이 이 부분을 간과하기 때문이다. 이미지를 사용하려면 출연료 위에 「바이아웃(buy-out)」이 추가로 붙는다 — 도달 범위와 사용 기간에 따라 단계별로 매겨지는 할증료로, 에이전시들의 표현을 빌리면 「longer period, higher buyout」이다. 라이선스는 보통 1년에서 5년까지 지속되며, 그 이후에는 그 이미지를 더 이상 사용할 수 없다. 그리고 미국에서는 식별 가능한 모든 인물에 대해 모델 릴리스(Model Release)가 필요하다 — 이것 없이는 유명인이든 아니든 상업적 사용이 그냥 불법이다.

그다음은 촬영장의 사람들이다. 에이전시는 모델에게서 1520%의 수수료를 떼고, 의뢰인에게도 별도로 추가 금액을 얹는다. 하루짜리 패션 촬영 하나만 해도 금세 불어난다: 사진작가 1,0003,500달러(뉴욕이나 LA에서는 3,0008,000달러 이상도 흔함), 모델 5003,000달러, 스튜디오 3001,500달러, 헤어·메이크업 4001,200달러, 스타일리스트 4001,800달러, 사진 한 장당 보정 비용은 별도. 단출한 제작은 약 2,600달러, 중간 규모는 약 12,700달러, 하이엔드는 25,000100,000달러 사이 — 하루 기준이다. 그리고 촬영 당일은, 한 제작사가 무덤덤하게 지적하듯 「the smallest part」다: TV 광고의 경우 사전 제작이 전체 시간의 4050%를 차지하고, 광고 하나에 총 610주, 캠페인 하나에는 8~12주가 필요하다. 캐스팅, 허가와 보험이 딸린 로케이션 헌팅, 2명에서 200명에 이르는 스태프, 날씨 대비책까지.

머릿속에 남는 예시 하나: 어느 유명 헤어스타일리스트는 이틀간의 촬영에 12,000달러를 청구했다 — 순전히 작업비만이고, 출장비도 에이전시 비용도 빠진 금액이다. 그냥 머리 하나에.

그럼 오늘은? 바로 그 결과물 — 인물, 조명, 장소, 분위기 — 이 프롬프트 한 줄이다. 몇 주가 아니라 몇 초. 바이아웃도, 만료되는 라이선스 계약도, 날씨 걱정도 없다. 이 사이트와 샵이 살아있는 예시다: 여기서 보는 이미지들은 3년 전이었다면 5만 달러 안팎의 제작비와 한 달의 준비 기간을 의미했을 것이다. 이 이미지들이 어떻게 만들어지는지는 AI 페이지에서 보여주고, AI 도구들은 그 뒤에 있는 도구 상자다.

이 말을 하는 이유는 누군가의 실력을 깎아내리려는 게 아니다. 좋은 사진작가, 좋은 스타일리스트 — 그건 여전히 실력의 영역이다. 내가 이 말을 하는 이유는 그 문턱이 사라졌기 때문이다. 예전에는 예산과 인맥을 요구하던 일이, 오늘날에는 좋은 아이디어와 정확한 문장 하나를 요구한다.

함정

이게 광고 글이 되지 않도록, 솔직한 부분도 짚고 넘어가겠다. 정부는 이런 모델들을 거의 사용하지 않고, 많은 기업들도 마찬가지다 — 데이터 보호 때문이다. 그리고 이건 어리석은 게 아니라 충분히 납득할 만하다. 민감한 데이터를 낯선 클라우드 모델에 입력하는 사람은, 어쩌면 넘겨서는 안 될 통제권을 넘기는 셈이다. 관공서, 병원, 법률사무소는 개인 데이터를 미국 제공업체에 그냥 넘길 수 없다.

다만: 이에 대한 답은 「아예 안 한다」가 아니라 「어떻게 거기에 도달할까」다. 2022년 8월의 스테이블 디퓨전(Stable Diffusion)을 떠올려보라 — 그건 처음부터 로컬에서, 평범한 하드웨어 위에서 돌아갔고, 단 한 바이트도 자신의 기기를 벗어나지 않았다. 바로 이 방향 — 자신의 컴퓨터나 자체 시설 안에서 돌아가는 모델 — 이 관공서와 데이터에 민감한 기업들이 통제권을 잃지 않고 갈 수 있는 길이다. 이를 위한 기술은 매달 더 좋아지고 더 작아지고 있다. 이걸 무시하는 사람은 문제를 해결하는 게 아니라 그저 미루는 것일 뿐이다.

마치며

패턴은 항상 똑같다. 처음엔 「그건 절대 안 돼」, 그다음엔 「그래, 좋아, 근데 그건 안 쳐줘」, 그러다 어느새 일상이 되고 아무도 그걸 의심했던 걸 기억하지 못한다. 바둑. 번역. 단백질 접힘. 이미지, 목소리, 소리가 있는 영상. 그리고 그렇다, 그때는 인터넷도, 그저 쥐약일 뿐이라던 「디지털 화폐」도 마찬가지였다.

이게 어디서 끝날지 안다고 주장하지는 않겠다. 아무도 그건 모른다. 하지만 3년 반에서 얻은 한 가지 교훈만큼은 용기 내어 적어본다: 거의 모든 사람이 생각하는 것보다 더 빨리 온다 — 「절대」라고 말하는 똑똑한 사람들이 생각하는 것보다도 더 빨리.

그래서 나는 이 타임라인을 계속 이어간다. 어제까지만 해도 불가능하다고 여겨졌던 무언가가 또 무너질 때마다, 항목이 하나 더 추가된다. 함께 자라나고 싶다면 가끔 들러서 봐주길 바란다 — 그리고 여기 빠진 무언가를 봤다면, 연락 페이지를 통해 알려달라. 이 목록은 끝나지 않았다. 이제 막 시작됐을 뿐이다.