AI 트렌드

AGI

AI 발전 단계 분야에서 쓰이는 Artificial General Intelligence(범용 인공지능)의 약자로, 사람이 할 수 있는 거의 모든 지적 작업을 동등하거나 그 이상으로 수행할 수 있는 인공지능을 가리킵니다.

쉬운 풀이

AGI는 사람처럼 거의 모든 분야의 일을 스스로 배우고 풀어내는 AI예요. 지금의 ChatGPT나 번역기, 추천 알고리즘은 "특정 작업만" 잘하는 좁은 AI(ANI)에 가까운데, AGI는 처음 보는 과목을 빠르게 익혀 시험을 보고, 다음 학기엔 발표 자료를 짜고, 그다음엔 코딩 과제까지 분야를 자유롭게 옮겨 다니는 수준을 가리킵니다. 아직 실현된 적은 없고, 학계와 빅테크가 "이 정도면 AGI라고 부르자"는 기준을 두고 한창 토론 중인 단계예요. 일자리·산업·정책에 미칠 파장이 크다 보니 정의·평가·거버넌스가 함께 묶여 다뤄집니다.

한 줄 비유

한 가지 업무만 잘하는 신입이 아닌, 부서 어디로 보내도 제 몫을 하는 직원입니다.

활용 예시

Case 1

Google DeepMind — AGI 수준을 5단계로 나눈 분류 체계 발표

DeepMind 연구진은 2023년 11월 arXiv에 "Levels of AGI" 논문을 공개하며 성능을 다섯 단계로 나누었습니다: Emerging(맹아), Competent(유능), Expert(전문가), Virtuoso(거장), Superhuman(초인간).^[3] Competent는 "비물리적 작업의 다양한 범위에서 숙련된 성인의 50%를 능가"하는 수준으로 정의했고, ChatGPT·Bard 같은 현행 거대 언어 모델은 가장 낮은 Emerging 단계로 분류했습니다.^[3] 보고서·기획서 작성 같은 인지 노동을 어디까지 자동화할 수 있는지 단계별로 가늠하는 산업 표준 프레임으로 자리 잡고 있습니다.

Case 2

OpenAI — Deep Research가 HLE 벤치마크 26.6% 기록

OpenAI가 2025년 2월 공개한 Deep Research 에이전트는 "Humanity's Last Exam"(HLE) 벤치마크에서 26.6%를 기록했습니다.^[4] HLE는 100여 개 분야 박사급 전문가가 출제한 2,500문항의 폐쇄형 학술 시험으로, 발표 직전 최상위 모델이 한 자릿수 정답률에 머물던 평가입니다.^[4] HLE 제작진은 "100% 정답률이 곧 AGI를 의미하지는 않는다"고 명시했지만, 컨설팅·연구 조사 업무에서 AI를 1차 리서처로 쓰는 흐름의 출발점이 됐습니다.

Case 3

한국 LG AI연구원·KAIST — 일반화 능력 연구로 AGI 토대 마련

KAIST 전산학부 안성진 교수 연구팀은 Google DeepMind·Rutgers 대학과 공동으로 "체계적 일반화(systematic generalization)" 능력을 측정하는 새 벤치마크를 발표했습니다.^[5] LG AI연구원은 의료·법률·제조 등 도메인 데이터를 통합해 EXAONE 모델군을 확장 중이며, "특화 데이터의 결합이 AGI로 가는 한 축"이라는 입장을 공식 발표했습니다.^[6] 산업 데이터를 단계적으로 결합해 다영역 추론을 시험하는 한국형 접근이 자리 잡는 중입니다.

Case 4

AI Futures Project — "AI 2027" 시나리오 예측 보고서

2025년 4월 Daniel Kokotajlo 등이 발표한 "AI 2027" 시나리오는 AGI가 2027년경 도달하고 ASI(초지능)가 수개월 내 뒤따른다는 분기별 로드맵을 제시했습니다.^[7] 저자는 2026년 시점에 자신의 중앙값 예측 시점을 2028년에서 2029년으로 조정했고, Anthropic의 Dario Amodei는 1~3년 내 AGI 가능성을 공개적으로 언급했습니다.^[8] 미래전략·정책 보고서가 AGI 시한을 가정해 시나리오 플래닝을 돌리는 표준 참고 자료로 쓰입니다.

참고사항

Wikipedia "Artificial general intelligence" 영문 페이지를 열어 ANI·AGI·ASI의 차이를 한 단락으로 정리해 봅니다.
DeepMind "Levels of AGI" 논문(arXiv:2311.02462) 도표를 캡처해 현재 자사가 쓰는 AI 도구가 어느 단계에 해당하는지 표시해 봅니다.
HLE 리더보드(agi.safe.ai)에서 최근 3개월 상위 모델 정답률 변화를 메모해 분기 보고서 자료로 보관합니다.
자사 업무를 "인지 노동"과 "물리 노동"으로 나눠 보고, 각 항목이 AGI 도달 시 자동화 가능성이 어디에 가까운지 1~5점으로 표시해 봅니다.
OpenAI 2026년 5대 원칙 문서를 읽고 "민주화·보편적 번영" 항목이 자사 AI 도입 정책에 시사하는 바를 두 줄로 적어 봅니다.

현재 시점에서 AGI는 실현된 적이 없고, "어디까지를 AGI로 볼 것인가"부터 합의가 없습니다. DeepMind는 일반성·성능을 두 축으로 나눈 매트릭스를 제안했지만, 학자마다 AGI 기준을 다르게 정의하는 상황은 여전합니다.^[3] 현재 거대 언어 모델은 학술 시험·코딩·번역 같은 좁은 작업에서 사람 수준에 근접했지만, 처음 보는 문제를 스스로 정의하고 다영역 지식을 묶어 해결하는 일반화 능력에는 여전히 큰 격차가 있습니다. HLE 제작진도 "정답률 100%가 곧 AGI를 뜻하지는 않는다"고 명시했습니다.^[4] 일자리·안전·권력 집중에 미치는 영향이 워낙 크기 때문에 학계·정책 진영은 정의·평가·거버넌스를 함께 묶어 다루는 추세입니다.

진화 방향은 크게 세 갈래로 정리됩니다.

평가 기준의 정교화 — HLE처럼 사람 전문가도 어려운 시험을 만들어 일반화 능력을 측정하고, 박사급 정답률 26.6%라는 출발점에서 분기별로 갱신되는 리더보드가 사실상의 산업 표준이 되고 있습니다.^[4]
자율성 단계의 도입 — DeepMind는 "도구 → 컨설턴트 → 협력자 → 전문가 → 에이전트" 5단계로 자율성을 별도 축으로 제안했고, 같은 성능이라도 사람의 개입 없이 작업을 끝낼 수 있는 단계인지를 따로 평가합니다.^[3]
거버넌스 — OpenAI는 2026년 4월 헌장을 갱신해 민주화·보편적 번영 같은 사회적 원칙을 전면에 배치했고, 한국 정부·기업도 EXAONE 같은 자체 모델을 키우며 주권 AI(Sovereign AI) 논의를 본격화하고 있는 분위기입니다.^[2][6]