🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

“This is AGI”의 핵심은 AI가 단순한 도구를 넘어, 장기 작업을 수행하고 실패에서 회복하는 에이전트 기반의 실용적 AGI 단계로 이동하고 있다는 주장이다.

📌 핵심 요점

1. AI는 트랜지스터, 인터넷, 클라우드, 모바일 등 누적된 기술 기반 위에서 등장한 가장 큰 기술 파동으로 제시된다.
2. 이번 변화는 정보 배포 방식이 아니라 정보 처리 방식을 바꾸는 계산 혁명이며, 소프트웨어뿐 아니라 법률·의료 같은 서비스 시장까지 겨냥한다.
3. 발표자는 에이전트가 작업을 맡고, 도구를 사용하며, 실패를 복구하고, 완료까지 지속할 수 있다면 상업적·기능적 의미의 AGI에 가까워진다고 본다.
4. AI 애플리케이션의 경쟁력은 모델 기능 자체보다 고객 문제, 워크플로, 신뢰, 유통, 사용성, 확산 격차를 어떻게 잡느냐에 달려 있다.
5. 장기적으로 고급 지능의 호출 비용이 급격히 낮아지면 인지 노동의 상당 부분이 기계로 이동하고, 인간의 가치는 경험·관계·해석에서 더 중요해질 수 있다.

🧩 배경과 문제 정의

• AI는 트랜지스터, 네트워크, 인터넷, 클라우드, 모바일로 이어진 기술 진화 위에서 등장했으며, 컴퓨트·대역폭·데이터·인재가 함께 축적된 결과로 현재의 전환점이 가능해졌다.
• 이번 AI 파동은 기존 소프트웨어 시장을 넘어 법률 같은 서비스 시장까지 직접 겨냥하며, 단일 수직·단일 지역만으로도 기존 소프트웨어 전체에 맞먹는 규모가 될 수 있다.
• AI는 정보의 배포 방식을 바꾼 인터넷·클라우드·모바일과 달리, 정보 처리 방식을 바꾸는 계산 혁명이다. 기반 기술이 매일 바뀌는 환경에서 기업의 구축 방식과 경쟁 방식도 함께 달라지고 있다.
• 장기 작업을 수행하고, 실패에서 회복하며, 완료까지 지속하는 에이전트가 등장하면서 생산성 향상은 보조 도구 수준을 넘어 업무 방식과 조직 구조 자체를 바꾸는 단계로 진입하고 있다.

🕒 시간순 섹션별 상세정리

1. AI 파동을 가능하게 한 누적 기술 기반 [00:35]

• 실리콘 기반 트랜지스터에서 출발한 기술 흐름은 시스템, 네트워크, 인터넷, 소셜미디어, 클라우드, 모바일 기기를 거쳐 AI로 이어졌다
• 이전 기술 파동들은 서로를 대체한 것이 아니라 누적되었고, 수십 년간 축적된 컴퓨트·대역폭·데이터·인재가 현재 AI 활용의 기반이 되었다

2. 가장 빠른 파동과 계산 혁명으로서의 AI [02:53]

• AI 파동은 이전 기술 파동보다 빠르게 빈 공간을 채우고 있으며, 클라우드·모바일·AI 전환 속에서 10억 달러 이상 매출에 도달한 기업들이 이미 여럿 등장했다
• 인터넷, 클라우드, 모바일이 정보 배포 방식을 바꾼 커뮤니케이션 혁명이었다면, AI는 정보 처리 방식을 바꾸는 계산 혁명이다

3. 실용적 AGI와 ‘자동차’ 단계의 생산성 변화 [05:11]

• 기술적 정의와 별개로, 에이전트가 작업을 맡고 실패에서 회복하며 완료까지 지속할 수 있다면 상업적·실용적·기능적 관점에서는 AGI에 가까워진다
• 지난 몇 년간의 AI 애플리케이션은 생산성을 10~40% 높이는 ‘더 빠른 말’에 가까웠고, 업무 방식 자체를 근본적으로 바꾸지는 못했다

4. 10조 달러 경쟁과 고객 중심 구축 전략 [06:24]

• 최근 몇 달 사이 AI 경쟁은 본격화되었고, 자동차를 운전하는 방식이 말을 타는 방식과 다르듯 제품을 만들고 운영하는 방식도 기존 소프트웨어 경쟁과 달라진다
• 상업적 관점에서 약 10조 달러 규모의 기회가 걸려 있으며, 연구소들은 기술 중심으로 접근하는 반면 스타트업들은 고객 문제에서 출발한다

5. 빠르게 변하는 제품 환경에서 affordance의 중요성 [09:33]

• affordance는 사용자가 별도 설명 없이 무엇을 해야 하는지 직관적으로 이해하게 만드는 성질이며, 디자인 분야에서 빌려온 개념이다
• 망치는 사용법이 거의 설명 없이 전달되는 물건의 예시이며, 강한 affordance를 가진 제품은 사용자의 행동을 자연스럽게 유도한다

6. 애플리케이션 계층의 기회는 확산 격차에서 커진다 [10:01]

• 강력한 AI 도구라도 일반 Fortune 500 직원이 터미널을 열어 곧바로 성과를 내기는 어렵고, 이 사용성의 간극이 특정 고객 문제에 맞춘 제품 기회가 된다
• 고객이 원하는 비즈니스 결과에 가장 쉽게 도달하도록 경로를 설계하는 것이 affordance의 핵심이며, 복잡한 능력을 단순한 실행 흐름으로 바꾸는 기업이 유리하다

7. 초기 에이전트 실패 이후 실제 작동하는 에이전트가 등장한다 [11:57]

• 2022년 AutoGPT와 baby AGI는 GPT-3에 도구와 반복 루프를 붙여 목표를 실행하려 했지만, 잦은 실패로 실질적 생산성까지 이어지지는 못했다
• 당시에도 에이전트의 방향성은 보였으나 모델이 준비되지 않았고, 연초 전후로 성능과 실행 안정성이 개선되면서 에이전트가 실제로 작동하기 시작했다

8. 에이전트의 핵심은 계획, 행동, 반복 지속성의 결합이다 [13:46]

• 에이전트는 환경을 인식하고, 행동을 선택하며, 목표를 향해 자율적으로 진전하는 시스템으로 정의할 수 있다
• 기능적으로는 즉석 판단과 계획을 맡는 reasoning and planning, 검색·작성·컴파일 같은 도구 실행 능력, 긴 시간 동안 목표를 향해 반복하는 persistence가 필요하다

9. 도구와 하네스가 에이전트의 실행력과 지속성을 만든다 [15:17]

• 터미널, 파일 시스템, 개발 도구, iMessage, Slack, 웹 검색, 컴퓨터 사용 같은 인간용 도구는 에이전트에게도 팔과 다리처럼 작동한다
• 지난 20년 동안 인간 생산성을 위해 구축된 SaaS와 소프트웨어 도구는 에이전트 사용량이 늘수록 가치가 줄기보다 오히려 커질 가능성이 있다

10. 에이전트는 보조 도구에서 비감독 실행 체계로 확장된다 [16:36]

• 코딩 영역은 2023년의 탭 자동완성처럼 인간 옆에서 한 줄을 돕는 단계에서, 인간이 에이전트나 에이전트 팀을 지시·관리하는 agentic development로 이동했다
• 비동기 에이전트, 백그라운드 에이전트, 하위 에이전트를 생성하는 구조는 시스템 내부 레버리지가 커서 현재의 대화형 개발 방식보다 더 큰 작업량을 맡을 가능성이 있다

11. 서비스가 소프트웨어화되며 에이전트 배치가 빠르게 확산된다 [18:02]

• 의료에서는 게놈 분석, 개인화 추천, 약 처방, 임상시험 추천 같은 업무를 에이전트가 맡을 수 있고, 법률에서는 계약 협상, 소송 수행, 합의까지 대행할 수 있다
• 수학과 과학에서는 난제 해결이나 새로운 초전도체 발견 같은 연구형 작업이, 소비자 영역에서는 inbox·캘린더·재정·세금 관리 같은 개인 업무가 에이전트 적용 대상이 된다

12. 에이전트가 실행 시간을 압축하는 단계 [20:00]

• 장기 실행 에이전트는 이미 현실에 등장했으며, 앞으로는 사이버 보안이나 대규모 재난 같은 위험을 막기 위해 여러 에이전트가 서로를 감시하는 미래까지 논의될 만큼 변화 속도가 빨라지고 있다
• Zed의 Nathan은 Claude Code로 3년짜리 문샷 프로젝트를 휴일 동안 혼자 완성했고, Brett Taylor는 Sierra를 주말에 다시 만들었으며, Notion 팀은 6주 만에 800만 줄의 코드를 재작성했다

13. 물리 노동과 인지 노동의 혁명 구조 [21:07]

• AI 시대의 변화를 이해하려면 노동을 물리적 노동과 인지 노동으로 나눠 볼 수 있다. 물리적 노동은 힘을 가하고 거리를 이동시키는 일이며, 인지 노동은 정리, 추론, 발견처럼 의식적 사고에 가까운 활동이다
• 산업혁명 이전의 물리적 노동은 주로 사람과 동물의 근육에 의존했지만, 물과 바람, 증기기관, 내연기관, 전기모터를 거치며 기계가 그 역할을 점차 대체했다

14. 신경망 이후 인지의 대부분이 기계로 이동하는 미래 [23:16]

• 신경망은 인지 노동을 바꾸는 다음 대규모 물결로 제시되며, 가까운 미래에는 지구상의 인지 활동 대부분을 기계가 수행할 수 있다는 전망이 나온다
• 이 변화는 산업혁명과 닮았지만 규모는 더 크고 속도는 더 빠르다. 노동과 생산성뿐 아니라 인간이 지식과 판단을 다루는 방식 자체를 바꾸는 변화다

15. 알루미늄처럼 흔해지는 고급 지능 [24:45]

• 1800년대 중반 워싱턴 기념탑에는 당시 매우 귀했던 알루미늄 100온스가 사용됐고, 그 희소성 때문에 맨해튼 티파니에 전시될 정도였다
• 전기분해로 흙에서 알루미늄을 분리할 수 있게 되자, 수십 년 뒤 알루미늄은 사탕과 샌드위치를 싸고 버리는 흔한 일회용 재료가 됐다

16. 인간 직관을 벗어나는 설계와 새로운 AI 과학 [26:27]

• 지금의 세계는 인간이 대부분의 인지를 담당해 왔기 때문에 인간의 뇌와 직관에 맞춰 설계돼 있다. 그러나 기계가 더 많은 인지를 맡게 되면, 그 결과물은 인간에게 낯선 형태로 나타날 수 있다
• 2006년 NASA의 안테나 최적화 사례에서 전통적 안테나는 대칭적이고 기하학적인 형태였지만, 진화 알고리즘이 만든 안테나는 더 효과적이면서도 인간 직관에는 어긋나는 모습이었다

17. 사진 기술이 회화의 목적을 흔들다 [30:03]

• 초기 사진 기술은 인간이 오랜 훈련을 통해 익혀 온 사실적 묘사 능력을 기계가 대신할 수 있다는 충격을 줬다
• 회화가 끝났다는 반응은 기술이 기존 전문성을 압도할 때 나타나는 전형적인 불안이며, 인간 창작의 가치를 다시 묻게 만든다

18. 새로운 예술 양식은 기술 변화에 대한 인간의 응답이다 [30:49]

• 인상주의, 표현주의, 입체주의, 신표현주의 같은 흐름은 사진 이후에도 예술이 사라지지 않았음을 보여준다
• 기술이 재현의 일부 기능을 가져가자, 인간은 더 주관적이고 해석적인 방식으로 창작의 영역을 넓혔다

19. AI 시대에도 가치는 인간의 경험과 관계에서 나온다 [31:06]

• “인간은 만물의 척도”라는 관점에서 보면, 알루미늄과 예술, 지능은 모두 인간의 경험과 연결될 때 비로소 가치를 갖는다
• AI는 앞으로 더 많은 일을 수행하겠지만, 사람들이 관심을 갖고 의미를 느끼는 이유는 결국 인간적 경험과 관계에서 나온다

🧾 결론

• 이 키노트는 AI를 기존 소프트웨어 개선이 아니라, 인지 노동의 비용 구조를 바꾸는 거대한 계산 혁명으로 해석한다.
• 발표의 중심축은 “모델이 똑똑해졌다”가 아니라, 모델·도구·하네스가 결합되며 에이전트가 실제 업무를 지속 수행하기 시작했다는 점이다.
• 다만 10조 달러 기회, 생산성 10~40배, 인지 활동 99.9% 기계 수행 같은 표현은 발표자의 전망 또는 영상 속 주장으로 보아야 하며, 별도 검증이 필요하다.
• AI 시대에도 최종 가치는 인간 경험과 관계에서 나온다는 메시지로 마무리되며, 기술 변화와 인간적 의미를 함께 다룬다.

📈 투자·시사 포인트

• 투자 관점에서는 파운데이션 모델 자체보다 특정 고객 문제를 깊게 파고드는 애플리케이션 계층의 기회가 크게 강조된다.
• 모델 성능이 빠르게 변할수록 단순 기능 모방은 방어력이 약하고, 고객 관계·워크플로 통합·유통·신뢰가 더 중요한 해자로 제시된다.
• 확산 격차가 클수록, 복잡한 AI 능력을 누구나 바로 쓸 수 있는 업무 흐름으로 바꾸는 기업이 유리할 수 있다.
• 법률, 의료, 연구, 개인 업무 관리처럼 서비스 비용이 큰 영역은 에이전트 도입으로 소프트웨어화될 가능성이 있는 시장으로 언급된다.
• 영상 속 시장 규모와 생산성 사례는 강한 방향성 신호로는 의미가 있지만, 실제 투자 판단에는 각 기업의 고객 채택률, 비용 구조, 규제 리스크, 품질 검증이 별도로 필요하다.

⚠️ 불확실하거나 확인이 필요한 부분

• 영상의 시장 규모 수치들, 예를 들어 서비스 시장 10조 달러, 미국 법률 서비스 약 4,000억 달러, 클라우드 TAM 변화 등은 발표자가 제시한 주장으로 보이며 외부 통계 검증은 별도로 필요하다.
• “생산성 10~40배”, “100년에 걸릴 일이 100일 안에 가능” 같은 표현은 방향성을 강조하는 전망 또는 비유에 가깝고, 일반화 가능한 실증 수치로 단정하기 어렵다.
• Zed, Sierra, Notion 관련 사례는 발표 속 사례로 정리되었지만, 실제 범위·측정 기준·완성도·인간 검토 개입 정도는 추가 확인이 필요하다.

✅ 액션 아이템

• 발표 속 주요 수치인 소프트웨어 TAM, 클라우드 시장 규모, 서비스 시장 10조 달러, 미국 법률 서비스 규모를 신뢰 가능한 외부 자료로 검증한다.
• Zed, Sierra, Notion 사례가 실제로 어떤 작업 범위와 기준에서 수행된 것인지 원문 발표 또는 관련 공개 자료로 확인한다.
• “MAD 전략”의 moat, affordance, diffusion을 스타트업 제품 전략 체크리스트로 재구성한다.
• 에이전트 제품을 만들 때 고객 워크플로, 신뢰, 유통, 사용성 중 어떤 요소가 방어력으로 작동할지 점검한다.

❓ 열린 질문

• 실제 비즈니스 환경에서 에이전트가 “실용적 AGI”에 가깝다고 판단할 수 있는 최소 성능 기준은 무엇인가?
• AI 애플리케이션 기업의 moat는 모델 성능이 빠르게 평준화되는 상황에서 고객 관계와 워크플로 결합만으로 충분히 유지될 수 있는가?
• 에이전트가 장기 작업을 수행할 때 인간 리뷰를 어느 지점까지 줄일 수 있으며, 어떤 분야에서는 반드시 유지해야 하는가?