전 세계 AI 연구의 심장, 이곳 스탠포드 컴퓨터 사이언스 강단에서 다시 여러분을 마주하게 돼 반갑습니다.

저는 과거에 이곳 AI 연구소장으로서 학계 최전선에 있었고 그 후에는 구글의 전설적인 엔지니어 제프 딘과 함께 구글 브레인을 공동 설립해 지금의 제미나이가 있게 한 딥러닝의 기초를 닦았습니다.

이후 2012년에는 코세라를 공동 설립해 전 세계 1억 3천만 명이 사용하는 교육 플랫폼으로 키워냈고 그중 800만 명에게는 제가 직접 딥러닝과 AI 지식을 가르쳐 왔습니다.

그 후 중국으로 건너가 바이두의 수석 과학자로서 1,300명 규모의 AI 그룹을 총괄 지휘함으로써 중국 AI 기반 기술을 닦았습니다.

그리고 현재는 아마존 이사회에서 매 분기 제프 베이조스, 앤디 재시와 함께 수조 원 규모의 아마존 웹 서비스 클라우드 서버 투자와 AI 칩 개발 예산을 검토하고 또 승인하는 위치에 있습니다.

또한 AI 펀드와 랜딩 AI 그리고 DeepLearning.

AI를 직접 설립해 실리콘 밸리의 유망한 스타트업을 발굴하고 산업 현장을 혁신하는 AI 생태계 가장 깊은 곳까지 뿌리를 내리고 있습니다.

하지만 오늘만큼은 저의 여러 직함과 이력을 내려놓고 대신 연구자이자 선배로서 오늘 여러분과 AI 시대의 생존과 진로에 대해 솔직하고 가감 없는 현실 조언을 나누고자 합니다.

최근 사람들 사이에서 이런 질문이 들려오더군요.

GPT나 제미니 모델이 그렇게 좋은가요?

글쎄요. 제가 보기엔 그냥 좋은 수준이 아닙니다.

확실히 좋습니다. 하지만 여전히 AI 발전 속도가 둔화되지 않았냐, 이제 끝물 아닌가 하는 의심 어린 시선도 있기는 합니다.

피부에 확 와닿는 업데이트 없이 지루한 시간이 좀 흘렀을 때죠.

원인은 바로 포화 상태에 이른 벤치마크 때문입니다. 쉽게 말해 고장 난 점수표죠.

생각해 보시죠. 우리가 AI에게 지어준 시험지의 만점은 100점으로 정해져 있습니다.

이미 AI가 그 100점을 다 맞아 버렸다면 그 뒤로 밤새워 공부해 천재가 되더라도 성적 표현은 여전히 100점으로만 지키겠죠.

120점, 200점, 500점짜리 시험지가 없으니까요.

하지만 우리들의 눈높이는 어떻습니까? 겨우 100점짜리 초등학생 시험지에는 만족하지 못합니다.

더더욱 복잡하고 더 어려운 현실 문제를 풀어야 하니까요.

즉 성장이 멈춘 게 아니라 시험지가 너무 쉬워져서 그래프가 평평해 보이는 착시에 불과합니다.

하지만 제 생각에 가장 큰 충격을 준 연구 중 하나는 오픈 AI나 앤트로픽 같은 빅테크들의 최신 모델을 검증하는 미터라는 조직의 보고서입니다.

이들은 시간의 지남에 따라 AI가 해결할 수 있는 일의 크기를 연구했는데 그들이 사용한 독특한 측정 기준은 바로 인간이 그 일을 하는 데 걸리는 시간이었습니다.

그래서 몇 년 전 GPT-2 시절에는 기껏해야 스마트폰 자동 완성 수준이었습니다.

우리가 애플이라고 치면 기계적으로 아이폰이 튀어나오듯이 거기엔 그 어떤 논리나 고민도 없었죠.

그건 깃털처럼 가벼운 과제였기에 AI는 생각할 필요도 없이 순식간에 답을 내뱉습니다.

그러다가 4초, 8초, 단순히 문장 속을 찾는 수준을 지나 1분, 2분짜리 일들, 복잡한 글을 읽고 요약하거나 코드 오류를 찾아내는 논리적인 일들.

이처럼 시간이 기하급수적으로 늘어난다는 건 뭘 의미할까요?

AI가 다루는 문제 무게가 달라졌다는 뜻입니다. 깃털을 날리려면 1초만 쓰면 되지만 거대한 바위를 옮기려면 필시 물리적 시간이 필요하니까요.

즉, 이 늘어난 시간은 버퍼링이 아니라 AI가 드디어 무거운 현실 문제를 지탱하기 시작했다는 기초 체력의 증거인 셈입니다.

이 연구의 추정치에 따르면 AI가 혼자서 해결할 수 있는 유효 작업 시간은 놀랍게도 매 7개월마다 두 배로 길어지고 있습니다.

반도체가 2년마다 빨라진다는 무어의 법칙보다 무려 3.5배, 5배 이상 빠른 속도로 AI의 지능, 지구력이 폭발하고 있다는 뜻이죠.

제가 AI의 미래를 낙관하는 이유가 바로 여기에 있습니다.

얘는 단순한 속도 경쟁이 아닙니다. AI가 해결할 수 있는 생각의 깊이가 두 배씩 깊어지고 있다는 명백한 증거니까요.

그리고 더 충격적인 건 바로 제가 사랑하는 코딩 분야입니다.

여기서 AI의 실력이 두 배로 점프하는 시간, 즉 더블링 타임은 얼마였을까요?

고작 70일이었습니다. 인간 개발자가 수년을 굴려야 얻는 그런 숙련도를 비웃기라도 하듯 코딩 영역에서만큼은 단 두 달 남짓마다 괴물 같은 속도로 능력이 폭주하고 있다는 뜻입니다.

그러니까 예전에는 제가 작성하는 데 30분에서 한 시간이 걸리던 복잡한 코드를 이제 2026년에 AI는 눈 하나 깜짝 안 하고 혼자서 처리한다는 뜻입니다.

무서운 속도로 인간의 영역을 집어삼키고 있는 거죠. 그래서 저는 확신합니다.

지금이야말로 무언가를 만들어 내려는 사람들에게 역사상 유례 없는 골드러쉬, 즉 최고의 황금기라고 말입니다.

왜일까요? 우리의 손엔 과거에 본 적 없던 두 개의 거대한 무기가 쥐어졌기 때문입니다.

하나는 더 강력해진 지능, 그리고 또 하나는 더 빨라진 속도입니다.

그래서 이제 우리는 불과 1년 전만 해도 지구상 그 어떤 천재 개발자도 구현할 수 없었던 그런 압도적인 소프트웨어를 누구나 손쉽게 만들 수 있게 됐습니다.

비결이 뭘까요? 바로 우리가 손에 쥔 AI 빌딩 블록 덕분입니다.

쉽게 말해 복잡한 코드를 한 줄 한 줄 짜는 게 아니라 이미 완성된 지능형 레고 블록을 조립만 하면 되는 시대가 온 거죠.

AI 빌딩 블록에는 거대 언어 모델은 기본이고 AI가 내 자료를 찾아보고 답하는 검색 증강 생성, 즉 RAG, 스스로 계획을 짜서 행동하는 에이전틱 워크플로 그리고 보고 듣는 음성 AI와 이 모든 것의 뿌리인 딥러닝이 포함됩니다.

흥미로운 건 지금 나와 있는 수많은 LLM들이 자신들의 뿌리인 딥러닝에 대해 이미 박사급 연구원 수준의 깊은 이해도와 구현 능력을 갖추고 있다는 사실입니다.

따라서 여러분이 최첨단 모델에게 오늘날 AI 기술의 정점이라 불리는 최신 신경망 코드를 짜 달라고 시켜보세요.

가령 챗GPT를 탄생시킨 전설적인 엔진 바로 트랜스포머 설계도를 바닥부터 구현해 보라고 하는 겁니다.

이러한 지능형 블록들을 레고처럼 끼워 맞춰 새로운 소프트웨어를 조립하는 데 있어 AI는 단순히 잘하는 수준이 아닙니다.

우리가 상상했던 것보다 훨씬 더 섬뜩할 정도로 능숙한 실력을 보여줍니다.

그래서 이제 여러분은 지구상 그 어떤 거대 기업이나 가장 앞서 나가는 엘리트 개발팀조차 불과 1년 전엔 엄두도 못 냈던 일들을 혼자서 해낼 수 있게 됐습니다.

과거에는 수백 명의 박사급 엔지니어가 붙어야만 가능했던 나사 프로젝트 같은 거대 과업을 이제는 여러분이 방구석에서 고작 랩 하나로 지휘하고 또 완성할 수 있게 됐습니다.

그리고 이 AI 코딩과 함께라면 속도의 차원이 달라집니다. 과거엔 아이디어를 코드로 옮기는 데 몇 시간, 며칠이 걸렸다면 이제는 여러분 머릿속 상상이 현실판 소프트웨어로 튀어나오는 데까지는 거의 시차가 존재하지 않는 즉각적인 구현의 시대가 열린 겁니다.

저는 개인적으로 우리가 도구의 최전선, 즉 늘 신기술을 가장 먼저 선점해야 한다고 생각합니다.

왜일까요? 지금 이 AI 코딩 도구들, 커서나 코파일럿의 발전 양상이 정말 뭐라고 표현해야 할까요?

자고 일어나면 세상이 바뀌어 있을 정도로 미친 듯이 요동치고 있기 때문입니다.

예를 들어 제가 지금 가장 아끼는 도구 중 하나는 앤트로픽의 클로드 코드입니다.

이 녀석은 단순한 챗봇이 아닙니다.

여러분의 터미널 심장부까지 직접 들어와서 수천 개의 파일 속을 헤집고 다니며 스스로 버그를 고치는 일종의 자율주행 에이전트죠.

그리고 GPT-5가 출시되면서 오픈 AI의 O3 같은 고성능 추론 모델 역시 코딩 영역에서 말 그대로 퀀텀 점프를 이뤄냈습니다.

구글의 제미나이 3만 봐도 그렇습니다. 제가 이 모델의 초기 벤치마크와 멀티모달 추론 능력을 면밀히 뜯어본 결과 단언컨대 이는 단순한 업데이트가 아닙니다.

또 한 번의 명백한 종의 진화에 가까운 거대 도약입니다.

그래서 만약 여러분이 제게 3개월마다 찾아와 지금 최고의 도구가 뭡니까라고 묻는다면 제 대답은 장담컨대 길어야 6개월 아니 높은 확률로 단 3개월마다 매번 바뀔 겁니다.

이 바닥의 왕좌는 우리가 적응할 틈도 주지 않고 미친 속도로 교체되고 있으니까요.

솔직히 경고하겠습니다. 이 무자비한 도구들의 세계에선 딱 반 세대, 즉 고작 3개월 한두 번의 업데이트만 뒤처져도 여러분의 생산성은 눈에 띄게 아니 회복 불가능할 정도로 치명적으로 떨어질 겁니다.

네, 저도 압니다. 다들 AI가 너무 빠르다, 현기증 난다라고 호소하는 거 잘 알고 있습니다.

하지만 냉정하게 현실을 뜯어보면 떠들썩한 호들갑에 비해 실제 기술 속도는 그만큼 빠르지 않은 분야도 많습니다.

하지만 단 하나 AI 코딩 도구만큼은 예외입니다.

이곳은 제가 보기에 다른 분야와는 비교조차 안 될 정도로 정말 미친 속도로 폭주하는 유일한 분야입니다.

그렇게 거듭 강조합니다. 익숙함의 속아 반세대 뒤처진 녹슨 차를 고집하지 마십시오.

언제나 가장 최신 도구를 갈아타는 유연함. 그것만이 이 폭주하는 시대에 여러분을 대체 불가능한 존재로 만들어 줄 유일한 생존 열쇠니까요.

앞서 말했듯 지금 우리 손엔 더 강력한 소프트웨어를 그 어느 때보다 훨씬 더 빨리 만들 수 있는 힘이 주어졌습니다.

그렇게 제가 1, 2년 전보다 아니 과거 그 어느 때보다 더 강력하게 거의 호소하듯 드리는 조언이 하나 있습니다.

복잡하게 생각 말고 그냥 가서 뭐라도 만드십시오. 물론 이 강의실에 앉아 있거나 온라인 수업을 열심히 듣는 일 모두 다 좋습니다.

훌륭한 시작이죠. 하지만 단순히 배우는 것에만 머물지 마십시오. 지금 여러분에게 직접 뭔가를 만들고 그 결과물을 세상에 보란듯이 증명할 수 있는 기회가 역사상 가장 활짝 열려 있으니까요.

하지만 이 엄청난 속도 뒤에는 한 가지 기묘한 역설이 숨어 있습니다.

실리콘 밸리의 현장 고수들은 이미 뼈저리게 느끼고 있지만 아직 대중에게는 잘 알려지지 않은 불편한 진실이죠.

그것은 이제 기술이 아니라 결정이 발목을 잡는 제품 관리의 병목 현상입니다.

무슨 말이냐 하면 이제 잘된 기회관을 던져 주면 그걸 실체 코드로 바꾸는 건 AI에게 식은 죽 먹기보다 쉬운 일이 됐다는 겁니다.

그렇다면 진짜 문제는 어디서 터질까요?

병목의 위치가 완전히 뒤집혔습니다. 이제 가장 어렵고 비싼 건 구현이 아닙니다.

도대체 무엇을 만들 것인가? 이 근본적인 질문.

그리고 머릿속에 그 막연한 아이디어를 AI가 오해 없이 실행할 수 있도록 명확한 의도로 번역해내는 능력.

바로 여기가 새로운 승부처가 됐습니다.

저는 소프트웨어를 개발할 때 항상 하나의 거대한 루프를 머릿속에 그립니다.

일단 코드를 짜서 내놓고 사용자의 피드백을 받아 다시 뜯어 고치는 끊임없는 순환이죠.

과거에는 이걸 개발이라고 불렀지만 저는 이제 이 과정을 철저한 프로덕트 매니지먼트, 즉 제품 관리의 영역이라고 정의합니다.

이제 여러분은 벽돌을 나르는 인부가 아닙니다. 건축 결과를 평가하는 현장 소장이 된 것입니다.

AI가 순식간에 지어 올린 결과물을 보고 사용자들의 이 현관문은 너무 들어가기 힘들어요.

저 기둥은 굳이 왜 세운 거죠? 그럼 여러분은 직접 벽을 허무는 대신 조용히 설계도를 수정합니다.

이 수정과 재건축의 루프를 빠르게 반복하며 결국 사용자들이 살고 싶어 안달이 나는 완벽한 꿈의 집을 완성해 나가는 일.

이것이 바로 제가 말하는 AI 시대의 창작입니다. 이게 가능한 이유는 명확합니다.

AI 코딩 덕분이죠. 소프트웨어를 실제로 구현하는 과정 자체가 과거의 인력 기반 방식과는 비교조차 할 수 없을 만큼 압도적으로 저렴해졌고 또 물리적으로 빨라졌기 때문입니다.

하지만 참으로 아이러니하게도 구현이 너무나 쉬워진 탓에 모든 병목이 기술적인 단계에서 무엇을 만들지 결정하는 단계로 완전히 옮겨가 버렸습니다.

그래서일까요? 최근 제가 실리콘 밸리에 테크 기업들을 둘러보며 목격한 아주 기이한 현상이 하나 있습니다.

과거엔 우리가 팀을 짤 때 엔지니어와 제품 관리자를 몇 대 몇으로 구성할지 그 인력 비율을 따지는 게 불문율이었는데요.

전통적인 실리콘 밸리 공식에 따르면 통상적으로는 1대 6 혹은 1대 8이 황금 비율로 통했습니다.

즉 PM 한 명이 느려 터진 엔지니어 8명에게 일감을 던져 줘도 그들이 그걸 다 소화하는 데 한세월이 걸렸으니까요.

충분히 감당이 됐던 거죠. 논리는 간단합니다.

[한글더빙] 2026 코딩 개발자 생존법 with 앤드류 응(AI의 스승)

Scripts