일반인공지능(AGI)과 초지능(Superintelligence)이 언제 등장할 것인가를 둘러싼 예측은 최근 몇 년 사이 눈에 띄게 요동치고 있습니다. 같은 시점을 두고 어떤 연구자는 이미 코앞에 다가왔다고 말하고, 어떤 연구자는 아직 한두 차례의 근본적인 기술 돌파가 더 필요하다고 말합니다. 예측의 폭은 짧게는 1~2년에서 길게는 수십 년까지 벌어져 있으며, 이 격차 자체가 초지능이라는 현상을 이해하는 데 중요한 단서가 됩니다. 2027년, 2030년, 2040년이라는 세 개의 시간축을 따라가 보면, 각 시점마다 근거로 삼는 데이터와 정의가 다르다는 사실이 드러납니다.

2027년, 인공지능이 스스로를 개선하기 시작하는 해라는 시나리오

2025년 초 공개된 AI 2027 시나리오 보고서는 초지능 논의에서 가장 널리 인용되는 예측 모델 가운데 하나입니다. 전직 오픈AI 연구자 다니엘 코코타일로가 이끄는 AI 퓨처스 프로젝트는 2026년까지 인공지능 에이전트가 본격적으로 확산되고, 2027년 초에는 소프트웨어 개발 업무가 거의 완전히 자동화되며, 2027년 말에는 인공지능이 스스로의 연구개발 속도를 가속하는 이른바 지능 폭발이 시작될 수 있다는 시나리오를 제시했습니다. 다만 이 예측은 발표 이후 반년 만에 스스로 수정되었습니다. 코코타일로는 자신의 중위 예측 시점을 2028년에서 2029년으로 한 해 늦췄고, 공동 연구자인 엘리 리플랜드는 중위값을 2032년까지 늦춰 잡았으며, 니콜라 유르코비치는 원격 근무 업무의 95%를 인공지능이 처리하게 되는 시점에 대한 예측을 약 3년에서 4년으로 늘려 잡았습니다. 예측이 늦춰진 배경으로는 주요 인공지능 기업들이 시나리오가 전제한 만큼 내부 연구개발 가속에 자원을 집중하지 않았다는 점이 꼽힙니다. 오픈AI는 소비자용 제품 확장에 무게를 두었고, 내부 연구개발 속도를 실제로 끌어올리는 데 주력한 곳은 앤스로픽 정도였으며, 그마저도 자체 안전 정책에 따른 속도 조절이 작용했다는 분석입니다. 인공지능 연구자 안드레이 카르파티는 이러한 흐름에 대해 업계 전반의 예측이 과도하게 낙관적이라고 지적하며, 자신의 시간 전망은 실리콘밸리 통념보다 5배에서 10배가량 보수적이라고 밝힌 바 있습니다.

2030년, 초지능의 경제적 무게가 가시화되는 시점

2030년은 초지능 자체의 등장 여부보다, 이미 존재하는 인공지능 기술이 경제 전반에 어떤 규모로 스며드는지를 가늠하는 시점으로 다뤄지는 경우가 많습니다. 컨설팅사 PwC는 인공지능이 2030년까지 전 세계 경제에 15조 7,000억 달러 규모의 가치를 더할 것으로 추산했으며, 세계경제포럼 역시 인공지능으로 인해 2030년의 세계 경제 규모가 수조 달러 단위로 커질 것이라는 분석을 내놓은 바 있습니다. 물리적 영역에서는 인간형 로봇의 상용화 속도가 하나의 지표로 주목받고 있습니다. 골드만삭스 리서치는 2030년 한 해에만 25만 대 이상의 인간형 로봇이 출하될 것으로 전망했으며, 이 가운데 대부분은 소비자용이 아닌 산업 현장용으로 예측됩니다. 로봇 제조 단가가 매년 40%씩 하락하는 추세가 이어지면서, 2035년에는 관련 시장 규모가 380억 달러, 출하량은 140만 대에 이를 것이라는 상향 조정된 전망도 함께 제시되었습니다. 즉 2030년은 초지능이 인간의 지적 능력을 전면적으로 넘어서는 시점이라기보다, 인공지능과 로봇공학이 결합해 실물 경제에 본격적으로 편입되는 분기점으로 이해하는 편이 더 정확합니다.

2040년, 초지능이 산업 구조 자체를 재편하는 장기 시나리오

더 먼 시계에서 보면 예측의 성격도 달라집니다. 맥킨지는 인공지능 소프트웨어와 서비스가 2040년까지 연간 15조 5,000억~22조 9,000억 달러 규모의 경제적 가치를 창출할 수 있다고 분석했으며, 이는 현재 미국 국내총생산과 맞먹는 수준입니다. 같은 분석은 관련 매출이 2022년 850억 달러에서 2040년 1조 5,000억~4조 6,000억 달러로 늘어날 것으로 내다봤습니다. 맥킨지는 이 전망조차 향후 등장할 더 정교한 모델과 일반인공지능의 영향을 충분히 반영하지 못했을 가능성이 있다고 밝히며, 일부 연구자들은 초지능이 실제로 등장할 경우 연간 경제 성장률이 30%를 넘어설 수 있다는 추정치를 제시하고 있다고 덧붙였습니다. 다만 이러한 성장이 곧바로 실현되기보다는 사회적·제도적 마찰로 인해 지연될 가능성도 함께 언급됩니다. 이 시기와 맞물려 자주 인용되는 다른 두 개의 숫자도 있습니다. 인공지능 연구자를 대상으로 한 대규모 설문에서는 응답자들이 인공지능이 모든 과제에서 인간을 능가할 확률을 50%로 보는 시점을 2047년으로 답했으며, 이는 1년 전 같은 설문에서 나온 2060년보다 13년이나 앞당겨진 결과입니다. 발명가이자 미래학자인 레이 커즈와일은 2029년까지 인공지능이 튜링 테스트를 통과할 수준의 지능에 도달하고, 2045년에는 인간과 인공지능이 융합하는 특이점이 도래할 것이라는 전망을 오래전부터 유지하고 있습니다. 결국 2040년 전후는 경제적 파급력과 인지적 대등함이라는 서로 다른 두 기준이 비슷한 시기에 수렴하는 구간으로 볼 수 있습니다.

왜 이렇게 예측이 갈리는가, 같은 데이터 다른 결론

2026년 초 다보스포럼에서 벌어진 인공지능 업계 리더들의 논쟁은 이러한 예측 격차가 어디에서 비롯되는지를 잘 보여줍니다. 구글 딥마인드의 데미스 하사비스는 현재의 인공지능이 일반인공지능과는 여전히 거리가 멀다고 진단하며, 도달 시점을 5년에서 10년 사이로 제시했습니다. 그는 소수의 사례만으로 학습하는 능력, 지속적 학습, 기억력과 추론 능력 등에서 현재의 거대언어모델 방식만으로는 한두 차례의 근본적인 돌파가 더 필요하다고 설명했습니다. 얀 르쿤 역시 회의적인 입장을 취하며, 언어를 다루는 일은 상대적으로 쉬운 문제이고 물리적 세계를 이해하는 일이야말로 진짜 난제라고 지적했습니다. 그는 업계 전체가 거대언어모델에 지나치게 매몰되어 있으며, 영상 데이터를 통해 세계 자체를 모델링하는 방식으로 전환해야 한다고 주장했습니다. 반대로 앤스로픽의 다리오 아모데이는 훨씬 짧은 시간표를 제시했습니다. 그는 1년 안에 인공지능이 모든 소프트웨어 개발자의 업무를 대체하고, 2년 안에 노벨상 수준의 과학 연구를 수행하며, 5년 안에는 화이트칼라 일자리의 절반이 사라질 수 있다고 전망했습니다. 오픈AI의 샘 알트먼 역시 이미 초지능에 근접하고 있다는 취지의 발언을 이어가고 있습니다. 이처럼 같은 시점을 놓고 정반대의 결론이 나오는 이유는 각자가 사용하는 정의가 다르기 때문입니다. 한쪽은 특정 과제에서의 극적인 성능 돌파를 기준으로 삼고, 다른 한쪽은 경제 전반으로의 실질적 확산 속도를 기준으로 삼으며, 또 다른 쪽은 인간 수준의 범용적 인지 능력 자체를 기준으로 삼고 있습니다.

시점보다 방향에 주목해야 하는 이유

세 개의 시간축을 종합해 보면 한 가지 공통점이 드러납니다. 인공지능 업계 안팎의 어떤 진영도 변화의 방향 자체를 부정하지는 않는다는 점입니다. 다만 그 속도를 두고는 최근 들어 상반된 조정이 동시에 일어나고 있습니다. 2027년을 정조준했던 내부자들의 예측은 실제 개발 속도를 반영해 2029년, 2032년으로 뒤로 밀려났고, 반대로 폭넓은 연구자 집단을 대상으로 한 설문에서는 인간 수준 인공지능의 도래 시점이 2060년에서 2047년으로 오히려 앞당겨졌습니다. 이는 예측이라는 것이 고정된 사실이 아니라 매번의 기술적 도약과 정체를 반영해 계속 갱신되는 살아 있는 수치임을 보여줍니다. 따라서 특정 연도 하나에 의사결정을 걸기보다는, 2027년의 자동화 속도, 2030년의 경제·산업 지표, 2040년의 구조적 변화라는 세 겹의 신호를 함께 관찰하며 대응 범위를 넓혀두는 접근이 더 현실적입니다. 예측의 정확한 시점을 맞히는 일보다 중요한 것은, 그 변화가 도달했을 때 흔들리지 않을 준비를 어느 시점부터 시작하느냐에 있습니다.