조코딩의 AI 리터러시 특강 1강: 2026년, AI 지능은 어디까지 발전했나?

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

조코딩의 2026년 AI 리터러시 특강은 AI 지능이 여러 평가에서 인간 수준을 넘어 새로운 발견을 돕는 단계로 발전하고 있으며, 비용 하락까지 고려해 업무를 준비해야 한다는 메시지를 전한다.

📌 핵심 요점

1. AI 발전은 종합 벤치마크 점수뿐 아니라 분야별 성과로 살펴봐야 한다. 강의는 프로그래밍, 바둑, 이미지 분류, 수학·과학을 주요 사례로 제시한다.
2. 프로그래밍 대회에서 AI가 인간보다 크게 높은 점수를 얻었다는 사례를 바둑의 알파고와 연결한다. 특정 분야에서 시작된 인간 수준을 넘는 성능이 다른 분야로 확산된다는 설명이다.
3. 평가 문제가 어려워져도 AI 성능은 빠르게 개선된다고 주장한다. ‘인류의 마지막 시험’과 설명 없는 게임의 규칙을 알아내는 평가를 사례로 들지만, 정확한 평가 버전과 점수 조건은 확인이 필요하다.
4. AI의 역할이 정답 맞히기에서 새로운 결과의 발견과 검증으로 넓어지고 있다는 설명이다. 수학 미해결 문제, Lean 형식 검증, AI가 AI 개발을 개선하는 흐름을 소개한다.
5. 성능 향상과 비용 하락이 함께 진행된다는 것이 실무 메시지다. 강의는 구글의 비용 감소와 중국 공개 모델의 가격 경쟁을 들어, 앞으로의 개선을 고려해 개인과 회사의 업무를 계획하라고 권한다.

🧩 배경과 문제 정의

이 영상은 조코딩의 AI 기초 리터러시 강의 첫 번째 영상으로, AI 지능이 어디까지 발전했는지를 살펴본다. 도입부에서는 AI 성능과 생성 콘텐츠, 일하는 방식의 변화, AI 시대의 준비를 강의의 큰 흐름으로 안내한다.

핵심 문제는 빠르게 바뀌는 AI 능력을 어떻게 이해하고 업무 계획에 반영할 것인가이다. 강연자는 분야별 성과와 어려운 평가의 점수 상승을 설명한 뒤, 새로운 발견과 AI 개발 개선, 사용 비용 하락으로 논의를 확장한다. 아래 수치와 사례는 영상에서 제시된 주장으로 정리한다.

🕒 시간순 섹션별 상세정리

1. AI 리터러시의 필요성과 성능 상승 흐름

• AI 역량을 키우려는 시청자를 위한 기초 강의이며, 첫 영상에서는 AI 지능의 발전 수준을 살펴본다고 보여준다. 강의 전체 흐름에는 생성 콘텐츠, 일하는 방식의 변화, 앞으로의 준비도 포함된다. [01:02]
• 오픈AI, 앤트로픽, 구글의 새 모델이 계속 등장하고 있으며, 3년간 추적한 그래프에서 여러 벤치마크 성능이 상승했다고 보여준다. [01:40]

2. 프로그래밍과 바둑에서 나타난 인간 수준을 넘는 성과

• 2026년 프로그래밍 대회에서 오픈AI 모델이 8,300점, 인간 2위가 4,300점을 얻었다고 보여준다. 전년에는 사람이 근소하게 앞섰다는 비교로 변화 속도를 강조한다. [02:37]
• 2016년 알파고와 이세돌의 대결, 이후 알파고 제로의 100대 0 승리 사례를 통해 AI가 기존의 성능 기준을 빠르게 넘어서는 과정을 보여준다. [03:17]
• 이세돌 인터뷰와 바둑계에 먼저 온 미래라는 관점을 소개하며, 프로그래밍을 비롯한 다른 업계에서도 비슷한 변화가 나타난다고 해석한다. [04:14]

3. 더 어려운 평가도 빠르게 따라잡는 AI

• 이미지 분류, 수학, 과학 등에서 인간 기준을 넘는 성능을 보인다고 설명한 뒤, 전문가 수준의 어려운 2,500문항으로 구성된 ‘인류의 마지막 시험’을 보여준다. [05:01]
• 기존 평가에서 높은 점수를 얻던 모델도 이 시험에서는 처음에 한 자리 수 성적에 머물렀지만, 이후 새 모델의 점수가 올라 절반을 넘었다고 주장한다. [05:34]
• 설명 없는 게임을 직접 탐색해 규칙을 파악하는 ARC 계열 평가를 보여준다. 초기 AI는 1%에도 못 미쳤으나 GPT6 아스트라가 거의 만점에 가까운 성적을 얻었다고 설명하며, 정확한 점수 표현은 전사가 불명확하다. [06:45]

4. 새로운 발견과 AI 개발 과정의 개선

• AI가 시험 문제 풀이를 넘어 수학과 이론 컴퓨터과학의 미해결 문제에서 새로운 결과를 도출하고 증명하는 데 참여했다고 보여준다. [07:05]
• 에르데시 문제와 Lean 형식 검증을 예로 들며, 사람이 오래 해결하지 못한 문제에 AI가 답을 제시하고 새로운 발견을 돕기 시작했다고 보여준다. [07:27]
• 개발사 관계자 인터뷰를 바탕으로 성능 향상의 둔화 징후가 보이지 않는다는 발언과, AI가 AI를 개선하는 재귀적 개선 단계를 목격하고 있다는 발언을 전달한다. [08:05]

5. 비용 하락과 업무 계획에 대한 제안

• 구글 최상위 모델의 비용이 18개월 사이 97% 감소했다고 보여준다. 딥시크와 키미 등 중국 공개 모델의 등장도 저렴한 AI 사용과 가격 경쟁의 사례로 제시한다. [08:32]
• 일부 중국 공개 모델이 미국 최첨단 모델 성능의 80~90% 수준을 따라가면서 가격은 약 20% 수준이라고 보여준다. 이러한 경쟁과 트래픽 이동을 근거로 비용 하락이 이어질 가능성을 제시한다. [09:00]
• 더 좋은 모델과 더 낮은 가격을 고려해 개인과 회사의 업무 계획을 세우라고 권한다. 마지막에는 AI를 자신의 업무에 활용하는 차이를 강조하고, 전체 리터러시 강의를 안내하며 마무리한다. [10:15]

🧾 결론

• 강의가 제시하는 AI 발전의 방향은 평가 점수 상승, 새로운 문제 해결, 개발 과정 개선으로 이어진다. 다만 사례별 성과를 모든 업무에서의 능력으로 일반화할 근거는 영상에 제시되지 않는다.
• 바둑은 AI가 한 분야의 기준을 바꾸는 선행 사례로 활용된다. 프로그래밍과 다른 지적 작업에서도 비슷한 변화가 나타난다는 것이 강연자의 해석이다.
• 마지막 메시지는 업무 활용이다. 현재 성능과 가격을 고정된 조건으로 두기보다, 모델 개선과 비용 변화를 확인하며 업무 적용 방식을 갱신하라는 제안이다.

📈 투자·시사 포인트

• 영상의 비용 하락 주장이 이어진다면 기업의 AI 활용 범위가 넓어질 수 있다. 도입 효과를 판단할 때는 모델 가격과 함께 실제 업무 성과를 확인필요가 있다.
• 공개 모델과 최첨단 모델의 가격·성능 경쟁은 공급자 선택에 영향을 줄 수 있다. 영상은 저렴한 중국 공개 모델로 트래픽이 이동하는 흐름을 설명하지만, 규모와 측정 근거는 제시하지 않는다.
• 기업과 개인의 준비에서는 특정 모델의 현재 순위보다 개선된 모델을 업무에 반영하는 능력이 중요하다는 시사점을 얻을 수 있다. 이는 영상의 실무 제안이며, 특정 기업이나 자산의 투자 수익을 뒷받침하는 근거는 아니다.

⚠️ 불확실하거나 확인이 필요한 부분

• 프로그래밍 대회의 정확한 명칭, 개최 시점, 모델명, 8,300점과 4,300점의 산정 방식이 영상 전사만으로는 명확하지 않다. 점수 비율을 실제 개발 생산성의 비율로 해석하기는 어렵다.
• ‘인류의 마지막 시험’의 절반 초과 성적과 ARC 계열 평가의 높은 성적은 평가 버전, 도구 사용, 시도 횟수, 비용 조건을 확인해야 한다. GPT6 아스트라의 점수 구간에는 전사 오류로 보이는 표현도 있다.
• 수학 미해결 문제 해결 사례는 문제 번호, 기존 연구와의 관계, AI와 사람의 기여 범위가 제시되지 않는다. Lean 검증의 대상과 범위도 별도 확인이 필요하다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 영상에서 언급한 대회와 벤치마크의 원자료를 찾아 모델명, 평가 버전, 점수, 실행 조건을 함께 기록한다.
• 자신의 반복 업무 하나를 선정해 AI 결과의 정확도, 작업 시간, 수정 부담을 직접 비교한다.
• 같은 업무를 여러 모델에 맡겨 결과 품질과 실제 사용 비용을 함께 확인한다.
• 현재 모델을 기준으로 한 업무 계획에 재평가 시점을 넣고, 새 모델 출시나 가격 변경 때 적용 방식을 갱신한다.

❓ 열린 질문

• 대회와 벤치마크에서의 높은 성능은 실제 업무의 어떤 작업까지 이어지며, 어디에서 사람의 검토가 필요한가?
• 영상이 설명한 AI의 재귀적 개선은 개발 과정의 어느 부분에서 일어나고 있으며, 개선 효과는 어떻게 측정되는가?
• 모델 가격이 내려갈 때 개인과 기업은 어떤 업무부터 활용을 확대해야 가장 큰 효과를 얻을 수 있는가?