AI의 미래를 가늠하기 어려운 이유

AI의 미래는 대형언어모델의 지속적인 발전 여부, 대중의 반감 등으로 점점 예측하기 어려워지고 있다. 그럼에도 2026년 AI의 향방을 짚어볼 필요가 있다.

인공지능(AI)은 때때로 다소 제한적인 주제처럼 느껴진다. 그러나 다양한 연령대의 친척들이 한데 모이는 명절 시즌이 오면 분위기는 달라진다. 챗봇 사용 이후 정신 이상 증상이 나타난 사례에 대한 이야기가 나오고, 데이터센터가 들어서며 전기 요금이 올랐다고 불평하는가 하면, 아이들이 AI에 아무 제약 없이 접근하도록 둬도 되는지를 두고 논쟁을 벌이기도 한다. 요컨대 AI은 이제 일상 곳곳에 스며들어 있다. 그리고 사람들은 이를 불안한 시선으로 바라보고 있다.

이런 대화는 결국 한 가지 질문으로 수렴한다. 이미 사회 전반에 막대한 영향을 미치고 있는 AI가 지금보다 더 발전한다면, 그 변화는 어디까지 이어질 것인가 하는 문제다. 이 지점에 이르면 사람들은 파국적인 결말이나 희망적인 전망 가운데 하나를 기대하며 AI의 미래에 대한 필자의 예측을 묻곤 한다. 하지만 필자는 종종 그런 기대에 부응하지 못한다. AI의 향후 모습을 예측하는 일이 갈수록 어려워지고 있기 때문이다.

그럼에도 MIT 테크놀로지 리뷰는 AI의 향방을 짚어내는 데 있어 비교적 탄탄한 기록을 쌓아왔다. 최근에는 2026년에 주목해야 할 5대 AI 트렌드에 대한 전망을 발표했으며, 여기에는 AI를 둘러싼 법적 공방에 대한 필자의 분석도 포함돼 있다. 지난해 제시한 전망이 모두 현실로 이어졌다는 점도 눈에 띈다. 다만 해가 갈수록 AI가 사회에 어떤 영향을 미칠지를 가늠하는 일은 점점 더 어려워지고 있다. 그 배경에는 아직 답을 찾지 못한 세 가지 핵심 쟁점이 자리하고 있다.

첫 번째는 대형언어모델(LLM)의 성능이 앞으로도 계속 개선될 수 있을지에 대한 의문이다. LLM은 현재 AI를 둘러싼 거의 모든 기대와 불안을 떠받치고 있다. AI 동반자부터 고객 상담 에이전트에 이르기까지 수많은 활용 사례가 이 기술을 기반으로 한다. 만약 LLM의 발전 속도가 둔화된다면 그 파장은 상당할 수밖에 없다. 실제로 본지는 12월 한 달 동안 AI 열풍 이후의 시대가 어떤 모습일지를 집중적으로 조명한 바 있다.

두 번째는 AI가 대중의 지지를 거의 얻지 못하고 있다는 점이다. 다음 사례만 봐도 현실은 결코 가볍지 않다는 것을 알 수 있다. 약 1년 전 샘 올트먼 오픈AI 최고경영자(CEO)는 도널드 트럼프 미국 대통령과 나란히 서서 미국 전역에 대형 데이터센터를 건설해 더 크고 강력한 AI 모델을 훈련하겠다는 5,000억 달러 규모의 프로젝트를 발표했다. 그러나 두 사람은 많은 미국인들이 자신이 사는 지역에 이런 시설이 들어서는 데 강하게 반발할 것이라는 점을 미처 예상하지 못했거나, 애초에 크게 개의치 않았던 것으로 보인다. 1년이 지난 지금 오픈AI를 비롯한 빅테크 기업들은 여론을 설득하며 데이터센터 건설을 이어가기 위해 쉽지 않은 싸움을 벌이고 있다. 이 싸움에서 결국 승기를 잡을 수 있을지는 아직 알 수 없다.

이 같은 불만에 대한 입법부의 대응 역시 혼란스럽다. 트럼프 대통령은 AI 규제를 주 정부가 아닌 연방 정부 차원의 사안으로 다루겠다는 뜻을 내비치며 빅테크 CEO들의 호응을 얻었고, 기술 기업들은 이를 법으로 굳히기를 바라고 있다. 반면 챗봇으로부터 아이들을 보호해야 한다고 주장하는 쪽은 한데 묶기 어렵다. 캘리포니아의 진보 성향 의원들부터 최근 들어 트럼프 진영과 비슷한 입장을 보이는 연방거래위원회(Federal Trade Commission)에 이르기까지 정치적 성향과 접근 방식이 서로 크게 다르기 때문이다. 이들이 입장 차이를 좁혀 AI 기업들을 효과적으로 규제할 수 있을지는 여전히 불투명하다.

명절 식탁에서 이어지던 우울한 대화가 여기까지 이르면 AI가 긍정적인 역할을 하는 분야도 분명 있지 않느냐고 반문하는 목소리도 나온다. AI가 사람들의 건강을 개선하고, 과학적 발견을 앞당기며, 기후 변화를 더 깊이 이해하는 데 기여하고 있다는 지적이다.

물론 대체로는 그렇다. AI의 한 갈래인 머신러닝은 오래전부터 다양한 과학 연구에 활용돼 왔다. 그중 딥러닝은 단백질 구조를 예측하는 도구인 알파폴드(AlphaFold)의 핵심 기술로, 생물학 연구의 판도를 바꿔 노벨상 수상으로도 이어졌다. 이미지 인식 모델 역시 암세포를 식별하는 정확도를 꾸준히 끌어올리고 있다.

반면 비교적 최근에 등장한 LLM 기반 챗봇의 성과는 그에 비해 제한적이다. 챗GPT와 같은 기술은 방대한 연구 결과를 분석해 이미 알려진 내용을 정리하는 데 상당한 강점을 보인다. 그러나 미해결 수학 문제를 해결했다는 등 이들 모델이 진정한 발견을 이뤘다는 일부 보도는 사실이 아닌 것으로 밝혀졌다. 이 기술은 의사의 진단을 보조하는 데 활용될 수 있지만, 한편으로 전문의의 상담 없이 스스로 건강 문제를 판단하도록 부추겨 심각한 결과로 이어지는 경우도 있다.

내년 이맘때쯤이면 가족들이 던졌던 질문에 대해 지금보다 나은 답을 내놓을 수 있을지도 모른다. 동시에 지금은 떠올리지 못한 새로운 질문들이 등장할 가능성도 크다. 그때까지는 올해 AI를 둘러싼 변화를 전망한 MIT 테크놀로지 리뷰 AI팀의 기사를 참고해 보길 바란다.

The post AI의 미래를 가늠하기 어려운 이유 appeared first on MIT 테크놀로지 리뷰 | MIT Technology Review Korea.