--- title: "한국 AI 권위자가 클로드 보고 AGI 연구 방향을 바꾼 이유" published: 2026-06-08T20:05:01.890Z canonical: https://jeff.news/article/3876 --- # 한국 AI 권위자가 클로드 보고 AGI 연구 방향을 바꾼 이유 KAIST 신진우 교수가 앤트로픽 클로드의 추론 능력을 경험한 뒤 AGI 가능성에 대한 관점을 바꿨다고 말했다. 그는 새로운 과학적 돌파구보다 기존 트랜스포머 기반 기술의 엔지니어링 고도화만으로도 AGI에 가까워질 수 있다고 본다. 한국 AI 리더들이 보는 핵심 과제는 인프라 효율, 피지컬 AI, 특화 모델, AI 비즈니스로 압축된다. - KAIST 신진우 교수가 올해 초 클로드를 써보고 AGI 연구 방향을 바꿨다고 함 - 어머니 사후 재산 정리 중 통장 내역에 있는 수천만원 이체가 무엇인지 챗GPT, 제미나이, 클로드에 물어봄 - 클로드가 “부동산 관련 대금일 가능성이 있다”고 추론했고, 신 교수는 어머니가 그 시기에 이사했다는 사실을 떠올림 - 단순 통장 내역만 보고 맥락을 맞힌 경험이 꽤 강한 충격으로 남은 듯함 - 신 교수는 한국을 대표하는 AI 연구자 중 한 명임 - KAIST 김재철AI대학원 석좌교수로, AI 최고 권위 학회에 매년 수십 편 논문을 발표하는 연구자임 - 피지컬 AI 스타트업 리얼월드를 포함해 5개 기업의 AI 기술 개발도 이끌고 있음 - 그래서 이 발언은 단순한 사용자 감상이 아니라, 연구자가 실제 모델 성능을 보고 연구 가설을 조정한 사례로 볼 만함 - 제일 흥미로운 대목은 “AGI에 새 과학적 발견이 꼭 필요하냐”에 대한 생각이 바뀐 부분임 - 신 교수는 지난해까지만 해도 트랜스포머를 뛰어넘는 새로운 과학적 발견이 있어야 AGI가 가능하다고 봄 - 그런데 클로드를 본 뒤 “지금 있는 기술만 잘 다듬으면 AGI가 될 수 있지 않을까”라는 생각이 70%까지 늘었다고 말함 - 말하자면 돌파구가 논문 한 방이 아니라, 모델 학습·평가·제품화 전반의 엔지니어링에 있을 수 있다는 쪽임 > [!IMPORTANT] > 클로드 사례의 핵심은 “모델이 똑똑했다”가 아니라 “후발주자도 전략적 엔지니어링으로 체감 성능을 뒤집을 수 있다”는 점임. 한국 AI 기업들이 모델 크기 경쟁만 볼 수 없는 이유이기도 함. - 신 교수는 클로드의 강점을 코딩 성능에서 출발한 전략으로 봄 - 앤트로픽은 챗GPT나 제미나이보다 데이터와 컴퓨팅 파워가 더 넉넉한 후발주자가 아니었음 - 대신 처음부터 코딩 분야 성능을 끝까지 끌어올린 뒤, 그 성능을 다른 영역으로 확장하는 전략을 썼다고 해석함 - 코딩은 논리, 계획, 디버깅, 긴 문맥 처리 능력이 모두 필요한 영역이라 모델의 추론 체력을 키우는 훈련장처럼 볼 수 있음 - 기사는 한국 AI 리더 30여 명의 고민을 네 가지 질문으로 압축함 - AI 인프라의 가격 대비 성능을 어떻게 높일 것인가 - AGI와 물리적 세계를 이해하는 피지컬 AI를 어떻게 구현할 것인가 - 특정 영역에서 인간을 압도하는 특화 AI 모델을 어떻게 만들 것인가 - AI 비즈니스의 승부처는 어디이고, 어떻게 수익화할 것인가 - AI도 인터넷·모바일처럼 인프라 경쟁 이후 효율화 경쟁으로 넘어간다는 관점이 나옴 - 초기에는 초고속 인터넷망, 모바일 기기처럼 인프라를 깔아야 시장이 열림 - 지금 빅테크들이 AI 데이터센터와 전력 인프라에 천문학적 돈을 쓰는 것도 같은 흐름임 - 인프라가 어느 정도 깔리면 바로 “그래서 돈은 언제 버냐”라는 질문이 시작됨 - 그때부터는 모델 성능만이 아니라 비용을 줄이는 효율화 기술이 생존 조건이 됨 - 한국 AI 생태계에는 꽤 현실적인 메시지임 - 무작정 초대형 모델 경쟁을 따라가기는 어렵지만, 특정 영역의 성능을 끝까지 끌어올리는 특화 전략은 가능함 - 인프라 가성비, 도메인 데이터, 제품화 엔지니어링이 결합되면 후발주자도 의미 있는 포지션을 잡을 수 있음 --- ## 기술 맥락 - 신 교수가 주목한 건 클로드가 단순히 답을 잘했다는 게 아니라, 제한된 자원에서도 특정 능력을 끝까지 밀어붙인 전략이에요. 코딩 성능을 높이면 논리 추론, 긴 문맥 처리, 단계적 계획 같은 능력이 같이 올라갈 가능성이 크거든요. - AGI 논쟁에서 “새로운 알고리즘이 필요하다”는 관점과 “기존 트랜스포머를 더 잘 학습시키면 된다”는 관점은 꽤 큰 차이가 있어요. 전자는 연구 혁신이 중심이고, 후자는 데이터 구성, 평가, 강화학습, 시스템 최적화 같은 엔지니어링 운영 능력이 중심이에요. - 한국 기업 입장에서는 이 차이가 중요해요. 글로벌 빅테크처럼 데이터센터와 GPU를 무한정 깔 수 없다면, 범용 모델 크기 경쟁보다 특정 도메인에서 체감 성능을 확실히 만드는 전략이 더 현실적일 수 있어요. - 기사 후반의 인프라 가성비 이야기도 같은 맥락이에요. AI 시장은 이제 “모델이 신기하다” 단계를 지나 “이걸 얼마에, 얼마나 안정적으로, 어떤 업무에 붙여서 돈을 버나”로 넘어가고 있어요. ## 핵심 포인트 - 신진우 교수는 클로드의 통장 내역 추론 사례를 계기로 AGI 연구 경로를 다시 보게 됨 - 그는 기존 기술만 잘 다듬어도 AGI가 가능할 수 있다는 생각이 70%까지 늘었다고 말함 - 클로드의 강점은 코딩 성능을 끝까지 끌어올린 뒤 영역을 넓힌 엔지니어링 전략으로 해석됨 - 한국 AI 리더들의 고민은 인프라 가성비, 피지컬 AI, 특화 모델, 사업화로 모임 ## 인사이트 이 기사는 클로드 찬양보다 ‘AI 경쟁의 승부처가 과학적 발명에서 엔지니어링 운영 능력으로 옮겨가고 있나’라는 질문이 더 중요함. 한국 AI 업계가 모델 크기만이 아니라 비용, 특화, 실전 배포 전략을 고민해야 하는 이유가 여기에 있음.