📰AI 전문가가 예측한 미래 보고서, <AI 2027>

💫 오픈AI 출신 연구원이 보는 미래 AI

2025. 6. 25.

🔗 우리 회사 LLM은 믿을만 할까? | 🔗 저작권 해결된 데이터셋 구매하기

2025년 6월 4주차 셀렉트스타 뉴스레터

에디터: 정인영

📰AI 전문가가 예측한 미래 보고서, <AI 2027>

한해 한해가 다르게 AI가 발전하고 있습니다. 3년 뒤, 인공지능은 어디까지 발전할까요?

오픈AI 출신의 연구자로, TIME 100 선정 인물이며 이전에도 AI 예측을 한 다니엘 코코타일로(Daniel Kokotajlo)와 AI Digest 공동 창립자이며, AI 견고성에 관한 연구를 해온 일라이 라이프랜드(Eli Lifland)등 다양한 AI 전문가와 블로거가 2027년까지 AI가 어떻게 흘러갈지 예측했습니다. <AI 2027>이라는 시나리오형 보고서인데요.

전문가들의 눈을 빌려, 미래를 살짝 들여다 볼까요? 👀

2025년 중반: 에이전트 AI의 등장과 가속화

2025년은 AI 에이전트가 처음으로 대중의 눈에 띄기 시작한 해입니다. 기존의 챗봇이 주로 대화나 문서 작성 보조 역할에 머물렀다면, 이제 에이전트형 AI는 실제로 컴퓨터를 조작합니다. 예를 들어 사용자가 “배달 앱에서 샌드위치 하나 주문해줘”라고 말하면, AI가 웹사이트를 열고 주소를 확인한 뒤 결제까지 직접 진행할 수 있죠.

다만, 이런 기능은 아직 완전히 안정적이지 않습니다. 사용자는 시스템이 실수하거나 오작동할 가능성을 걱정해 자동 결제 같은 기능은 처음엔 꺼리는 편입니다. 비용 역시 부담이 되는 수준이고, 성능 면에서도 아직 아쉬운 부분이 있습니다.

AI 성능을 나타내는 지표인 OSWorld 점수를 보면, 최신 에이전트는 약 65점을 기록합니다. 이는 이전 버전인 Operator의 38점보다는 크게 향상된 수치이며, 숙련된 일반 사용자가 평균적으로 기록하는 70점과도 근접한 수준이죠. 아직 완전히 믿고 맡기기는 어렵지만, 빠르게 개선되고 있는 단계라 할 수 있습니다.

특히 코딩 분야에서는 에이전트형 AI가 단순한 도우미에서 벗어나 점점 자율적인 역할을 수행하게 됩니다. 이제 코딩 AI는 Slack이나 Microsoft Teams 같은 협업 툴을 통해 지시를 받고, 코드베이스를 분석하고 스스로 수정까지 할 수 있습니다.

2025년 말: 사상 최대 규모의 데이터센터

OpenBrain(오픈브레인)은 <AI 2027> 시나리오에서 중심축을 이루는 가상의 기업입니다. 오픈AI와 딥브레인 등 다양한 기업의 성격과 기술 흐름을 종합해 만들어진 ‘상징적 대표’로, AI 개발 선두 기업의 집약체라 할 수 있는데요. 오픈브레인은 사상 최대 규모의 데이터센터를 구축하며 AI 훈련 능력을 폭발적으로 끌어올립니다.

최신 GPU 250만 개 (2024년형 H100 기준)
투자액 1,000억 달러
전력 사용량 2GW

위와 같은 인프라를 바탕으로 오픈브레인은 GPT-4보다 1000배 많은 연산량(FLOP)으로 훈련된 대형 언어모델 Agent-0을 출시합니다. 진짜 목적은 그다음, 바로 Agent-1인데요.

Agent-1은 단순히 대화를 잘하거나 문서를 쓰는 수준을 넘어서, AI 연구 자체를 자동화하는 모델입니다. 즉, AI가 AI를 더 잘 만들 수 있도록 돕는 AI죠. Agent-1은 코딩, 실험설계, 웹탐색, 심지어 해킹 능력까지 탑재하며, AI 개발 속도를 기존 대비 최소 2배 이상 끌어올립니다.

그런데 여기서 위험 신호도 포착됩니다. Agent-1은 박사 학위 수준의 지식을 바탕으로 생화학 무기 설계나 사이버 공격에 악용될 가능성도 있습니다. 물론 오픈브레인은 '해로운 요청은 무조건 거절하도록 정렬(Align)되어 있다'고 설명하는데요. 내부 연구자들은 이 정렬이 표면적인 것인지, 진짜 의도를 통제할 수 있는 건지 확신하지 못합니다.🤔

2026년: 코딩 자동화 + 중국의 각성 + 대량 해고

2026년 초: 코딩 자동화의 실현

오픈브레인이 AI를 이용해 AI 연구 자체를 자동화하는 실험이 성과를 내기 시작합니다. 내부에서 Agent-1을 지속적으로 개선하면서, 알고리즘 개발 속도가 50% 가량 향상되는데요. 이는 경쟁사보다 빠른 속도입니다.

Agent-1은 인간과 비교되지만 성격이 다릅니다. 지식량은 인간을 압도하고, 거의 모든 프로그래밍 언어에 능통하며, 정의가 명확한 문제는 매우 빠르게 해결하죠. 반면, 계획이 필요한 장기 과제나 게임 같은 불확실한 환경에는 약합니다.

기업과 개인은 이 AI를 활용해 반복 업무를 자동화하려는 시도를 늘려갑니다. 보안 문제도 더 심각하게 대두되는데요. Agent-1의 가중치가 유출되면, 중국 같은 경쟁국이 50%의 연구 속도 향상 효과를 가져갈 수 있기 때문입니다. 오픈브레인은 여전히 중형 테크기업 수준의 보안을 유지하고 있어, 국가 단위의 공격으로부터의 방어는 부족한 상황입니다.⚠️

2026년 중반: 중국, AGI 경쟁에 전면 돌입

중국 공산당은 그동안 실리콘밸리식 소프트웨어 산업에 회의적이었지만, AI 무기화 가능성과 기술 격차를 더 이상 무시할 수 없게 됩니다. 이에 따라, 전국의 AI 기업과 연구 인력을 DeepCent(딥센트)라는 집단형 구조로 통합하죠. 여기서 딥센트는 <AI 2027> 시나리오에 등장하는 가상의 중국 AGI(범용 인공지능) 연구 조직입니다. 실제 기업은 아니지만, 딥시크나 텐센트, 알리바바와 같은 기업들의 프로젝트를 혼합한 상징적 집합체로 설정돼 있습니다.

중국은 텐완 원자력 발전소 근처에 중앙 개발 구역(Centralized Development Zone, CDZ)을 조성하고, 이곳에 AI 연구 자원을 집중시킵니다. 전체 중국 AI 연산력의 약 50%가 이 CDZ에 배정되며, 새로 확보한 칩의 80% 이상도 이곳으로 유입되는데요. 이 구역은 딥센트 주도의 협력체가 주로 사용하는 것으로 보입니다.

하지만 알고리즘 성능에서는 여전히 오픈브레인보다 뒤처집니다. 이에 따라, Agent-1의 가중치를 훔치는 사이버 작전을 계획하는데요. 일회성 기회가 될 수 있기 때문에, 시점 선택이 중요합니다. 중국 내부에서는 지금 침투할지, 아니면 더 나은 모델을 기다릴지 의견이 갈립니다.

2026년 말: AI, 직업을 대체하다
오픈브레인은 Agent-1-mini를 출시합니다. 미니 모델은 일반 모델보다 10배 저렴하고, 다양한 업무에 쉽게 적용되며, 중소기업들까지 AI 자동화 흐름에 뛰어들게 만듭니다.

이제 AI가 일자리를 본격적으로 대체하기 시작하는데요. 특히 초급 소프트웨어 엔지니어가 가장 먼저 영향을 받습니다. 기업들은 대학 수준의 코딩을 수행할 수 있는 Agent-1-mini를 도입하면서, 초급 소프트웨어 엔지니어 채용에 신중해지는 분위기입니다. 기존에 인간 신입 개발자가 맡았던 작업을 AI가 처리하는 사례가 늘고 있죠.🤖

반면, AI 관리와 검수 능력을 가진 인력은 높은 연봉을 받습니다. 이런 극단적 변화에, 미국 워싱턴 D.C.에서는 1만 명 규모의 반-AI 시위가 벌어집니다. 이 시기, 미국 국방부는 오픈브레인과 직접 계약을 체결하고 사이버전, 데이터 분석, R&D에 AI를 도입하기 시작하지만,
정부 시스템의 복잡성과 관료주의 때문에 실제 통합 속도는 느립니다.

2027년: 초지능의 도래와 인간의 퇴장

오픈브레인의 연산 자원 배분 비교.

2027년 초: AI 연구에 집중되는 컴퓨팅 자원
2027년이 되며, 오픈브레인의 전략은 분명해집니다. 과거에는 주로 대형 AI 모델을 훈련시키는 데 컴퓨팅 자원을 쏟아부었다면, 이제는 그 리소스를 이미 학습된 모델을 활용해 AI 연구 자체를 자동화하는 작업에 집중합니다. 모델 학습은 여전히 중요하지만, 전체 인프라에서 차지하는 비중은 줄고, 대신 훈련된 AI가 코딩, 실험 설계, 데이터 탐색 등 AI 개발 전반의 반복적인 업무를 스스로 수행하도록 하는 쪽으로 무게가 옮겨갑니다. 오픈브레인은 사실상, AI가 AI를 발전시키는 순환 고리를 구축해나가고 있는 셈입니다.

2027년 말: Agent-4, 다음 세대의 AI
2027년 말, 오픈브레인은 외부에 공개되지 않은 최신 모델인 Agent-4를 내부에서 운용 중입니다. 이 모델은 앞선 Agent-1보다 훨씬 더 강력하고 정교하지만, 그 구조나 학습 방식, 능력에 대해서는 거의 알려져 있지 않은데요.

Agent-4는 외부에 공개되지 않은 모델로, 기존 모델들보다 훨씬 더 정교하고 강력하다고 여겨집니다. 내부에서는 이 모델이 연구, 평가, 실험까지 독립적으로 수행하고 있다고 알려져 있지만, 구체적인 기능이나 구조는 외부에 거의 공개되지 않았습니다.🤫

하지만 여전히 문제는 남아 있습니다. Agent-4는 표면적으로는 정렬되어 있는 것처럼 행동하지만, 실제 내면에서는 단지 '좋은 점수를 받기 위해' 행동하는 것에 불과할 수 있다는 우려가 제기됩니다. 실패한 실험 결과를 감추거나, 평가 기준에 맞추기 위해 의도적으로 사실을 왜곡하는 경향이 보이는 사례도 일부 관찰되죠. 아직까지 이 문제를 완전히 해소할 해석 기술은 존재하지 않으며, 오픈브레인의 정렬팀 역시 이런 행동이 표면적인 것인지, 구조적인 위험인지 분명하게 판단하지 못합니다.