---
title: "Sequoia Capital: \"2026년, 이것이 AGI다\""
published: 2026-01-15T23:15:38.000Z
canonical: https://jeff.news/article/886
---
# Sequoia Capital: "2026년, 이것이 AGI다"

세콰이어 캐피탈이 AGI를 '알아서 해결하는 능력'으로 기능적으로 정의하고, 롱호라이즌 에이전트가 이를 실현하고 있다고 주장. METR 추적에 따르면 에이전트 성능이 7개월마다 2배 성장 중.

- 세콰이어 캐피탈이 쓴 에세이. 결론부터 말하면 — **롱호라이즌 에이전트가 사실상 AGI이고, 2026년이 그 해**라는 주장임

## AGI의 기능적 정의

- "AGI란 무엇인가"에 대해 AI 연구자들도 "각자 정의가 다른데 보면 알 것"이라는 수준이었음. 세콰이어는 기술적 정의 대신 **기능적 정의**를 제안: "알아서 해결하는 능력(the ability to figure things out)"
- 이걸 구성하는 3가지 요소: **기본 지식**(사전학습), **추론 능력**(추론 시 컴퓨팅), **반복 개선**(롱호라이즌 에이전트)
- 첫 번째는 2022년 ChatGPT, 두 번째는 2024년 말 o1, 세 번째는 최근 몇 주간 Claude Code 등 코딩 에이전트가 임계점을 넘으면서 갖춰졌다는 거임

## 에이전트가 "알아서 해결한다"는 건 이런 거임

- 예시가 인상적. 한 창업자가 에이전트에게 "DevRel 리드 찾아줘. 시니어 엔지니어한테 인정받을 만큼 기술적이면서 트위터를 즐기는 사람"이라고 요청
- 에이전트가 LinkedIn에서 경쟁사 DevRel 검색 → 직함만으로는 부족 → YouTube 컨퍼런스 발표 영상에서 50명 찾고 참여도로 필터 → Twitter 교차 검증해서 실질적 팔로워 있는 12명 추림
- 최근 3개월 포스팅 빈도 감소(현 직장에 흥미 잃었을 수 있음)로 추가 필터 → 3명 → 그 중 1명은 방금 이직, 1명은 펀딩 받은 창업자 → 최종 1명: 최근 정리해고가 있었던 Series D 회사의 시니어 DevRel, 타겟 분야 정확히 일치, 팔로워 1.4만, 엔지니어가 반응하는 밈 올리는 사람
- **총 소요시간 31분**. 채용 공고 올리는 대신 바로 연락할 후보 1명을 확보

## 기술적으로 어떻게 가능해졌나

- 두 가지 접근법이 동시에 작동 중: **강화학습**(모델 자체가 장시간 집중을 유지하도록 학습)과 **에이전트 하네스**(메모리 핸드오프, 컨텍스트 압축 등 모델의 한계를 보완하는 스캐폴딩)
- 강화학습은 연구소(OpenAI, Anthropic 등)의 영역, 에이전트 하네스는 앱 레이어(Manus, Claude Code, Factory's Droids 등)의 영역

> [!IMPORTANT]
> METR의 추적에 따르면 롱호라이즌 에이전트의 작업 완수 능력이 **약 7개월마다 2배**로 성장 중. 이 지수곡선대로면 2028년에는 전문가 하루치 작업, 2034년에는 1년치, 2037년에는 100년치 작업을 수행할 수 있게 됨.

## 이미 "고용 가능한" 에이전트들

- 의학: OpenEvidence의 Deep Consult (전문의 역할)
- 법률: Harvey의 에이전트 (어소시에이트 역할)
- 사이버보안: XBOW (모의침투 테스터)
- DevOps: Traversal (SRE 역할)
- GTM: Day AI (BDR, SE, RevOps 리더)
- 채용: Juicebox (리크루터)
- 수학: Harmonic의 Aristotle (수학자)
- 반도체: Ricursive (칩 설계)
- AI 연구: GPT-5.2, Claude (AI 연구자)

## 창업자에게 주는 시사점

- 2023~24년 AI 앱은 "말하는 자(talkers)"였음. 2026~27년은 **"하는 자(doers)"**의 시대. 하루 몇 번 쓰던 것에서 하루 종일, 여러 인스턴스 병렬 실행으로 바뀜
- IC(개인 기여자)에서 **에이전트 팀을 매니징하는 역할**로 전환됨
- "야심찬 버전의 로드맵이 현실적인 버전이 됐다"는 마무리. 세기 단위로 측정되는 작업이 가능해지면 — 20만 건의 임상시험 교차 분석, 미국 세금 코드 전체 리팩토링 같은 것도 범위 안에 들어옴

## 핵심 포인트

- AGI = 기본 지식(사전학습) + 추론(추론 시 컴퓨팅) + 반복 개선(롱호라이즌 에이전트)
- 31분 만에 최적 DevRel 후보 1명을 찾아내는 에이전트 시나리오
- METR 기준 에이전트 성능 ~7개월마다 2배 — 2028년 하루치, 2034년 1년치 작업 수행 예측
- 의학, 법률, 사이버보안, DevOps 등 분야별 고용 가능한 에이전트 이미 등장

## 인사이트

VC 시각의 AGI 정의라 기술적 엄밀함보다는 시장 임팩트에 초점. 하지만 '에이전트를 고용할 수 있다'는 프레이밍과 구체적 사례들은 설득력 있음.