젠슨 황의 AGI 발언 이해하기: 선언과 평가 결과를 구분하는 법

AGI(Artificial General Intelligence), 즉 범용 인공지능은 여러 종류의 지적 작업을 폭넓게 수행하는 AI를 뜻합니다. 다만 어느 범위에서 어느 수준에 도달해야 AGI라고 부를지는 연구와 기관마다 다릅니다. 누군가 AGI가 왔다고 말한 사실과, 그 판단이 합의된 평가로 입증됐다는 주장은 구분해야 합니다.

2026년 9월 7일 젠슨 황의 아스트라 관련 발언을 다룬 기존 글에, 10월 4일 확인한 공식 발표와 평가 기관의 설명을 반영했습니다. 처음 읽는 분은 아래의 세 문장 분류부터 시작합니다.

첫 연습: 선언과 점수, 결론을 나눠 보기

브라우저와 메모 앱을 준비합니다. AI 계정이나 유료 구독은 필요하지 않습니다. 아래 세 문장을 메모에 옮기고 각각 발언, 조건이 붙은 평가 결과, 추가 근거가 필요한 결론 중 하나로 분류합니다.

ARC Prize는 AI 평가 과제를 운영하는 재단입니다. 벤치마크는 능력을 비교하기 위해 정한 평가용 과제 묶음입니다.

ARC Prize의 아스트라 평가를 열고 페이지 내 찾기에서 99.9를 찾습니다. 윈도우는 Ctrl + F, 맥은 Command + F를 사용합니다. 점수가 있는 표에서 실행 환경 이름인 Provider Adapter와 추론 설정 high까지 읽습니다. 추론 설정은 모델이 문제를 풀 때 들일 계산량에 관한 설정이며 high와 max는 서로 다른 값입니다. 이어 proof of achieving AGI를 찾아 보고서가 고득점을 어떻게 해석하는지 확인합니다.

예시 답안은 첫째가 발언, 둘째가 조건이 붙은 평가 결과, 셋째가 추가 근거가 필요한 결론입니다. 세 번째 문장은 앞의 두 문장만으로 입증되지 않습니다. 메모에 원문 주소와 확인일, 점수의 조건을 붙이고 저장합니다. 다시 열어 세 문장과 근거가 함께 남았는지 확인합니다.

검색어가 안 보이면 영문 원문으로 전환합니다. 페이지를 열 수 없다면 확인하지 못했다고 적습니다. 검색 결과의 짧은 설명이나 AI의 요약만 보고 평가 조건을 추정하지 않습니다.

젠슨 황의 게시물에서 확인할 수 있는 것

기존 화면에는 데이터센터 회사 경영자의 축하 글에 젠슨 황 계정이 답글을 단 모습이 있습니다. 아스트라와 엔비디아 학습 시스템을 언급한 뒤 AGI가 왔다고 적었습니다. 여기에는 어떤 AGI 정의를 적용하고 어떤 평가로 판정했는지가 제시돼 있지 않습니다.

화면의 조회수는 캡처 당시 값입니다. 현재 반응의 규모나 전체 여론을 뜻하지 않습니다. 게시물 속 시스템 수를 GPU 개수나 데이터센터 랙 수로 임의 환산하지도 않습니다.

오픈AI의 아스트라 발표문은 모델의 성능과 평가 결과를 설명합니다. 발표문에 있는 ARC-AGI-3는 벤치마크 이름이며, 그 이름에 AGI가 들어간다고 공식 AGI 인증을 받았다는 뜻은 아닙니다. 관련 주장과 모델의 실제 기능은 나누어 읽어야 합니다.

발언자의 사업상 이해관계도 배경으로 살필 수 있습니다. 다만 칩 공급사나 모델 개발사라는 이유만으로 발언이 참이거나 거짓이라고 결론 내릴 수는 없습니다. 공개된 기준과 결과가 주장을 뒷받침하는지가 핵심입니다.

AGI 정의가 서로 다른 이유

AGI를 논할 때는 수행하는 작업의 범위, 사람과 비교한 수준, 혼자 일하는 정도 등을 다르게 강조합니다. 다음은 서로 다른 접근을 보여 주는 예입니다.

인지 능력은 기억하고 추론하며 정보를 알아보는 능력을 말합니다. 자율성은 사람이 매 단계 개입하지 않아도 목표를 수행하는 정도입니다. 넓은 능력과 높은 자율성은 관련이 있지만 같은 뜻은 아닙니다.

튜링 테스트처럼 대화 상대가 사람인지 구별하는 시험도 지능 논의의 역사에 등장합니다. 그러나 대화에서 사람처럼 보이는 능력 하나가 경제 활동이나 장기 기억 등 모든 기준을 대신하지는 않습니다. 회사 가치나 계약상의 조건도 과학적 성능 평가와는 구분해서 읽어야 합니다.

어느 정의를 쓰는지 먼저 적으면 서로 다른 기준으로 나온 주장을 같은 결론처럼 비교하는 일을 줄일 수 있습니다. 정의가 여러 개여도 각 주장을 뒷받침하는 근거의 수준은 다릅니다.

62.7%와 99.9%는 무엇이 달랐나요?

ARC-AGI-3는 처음 접하는 환경에서 규칙을 파악하고 행동하는 능력을 평가합니다. ARC Prize의 2026년 9월 3일 보고서는 다음 두 조건을 구분합니다.

하네스(harness)는 모델에 정보를 전달하고 도구 사용이나 상태 보존을 관리하는 실행 환경입니다. 위 비교는 실행 환경뿐 아니라 추론 설정도 다릅니다. 두 점수의 차이는 37.2퍼센트포인트입니다. 이것을 모델의 전체 능력이 37.2% 높아졌다는 뜻으로 해석하면 안 됩니다.

보고서는 Provider Adapter가 요청 사이 추론 상태를 보존하는 방식을 설명합니다. 동시에 이 벤치마크의 높은 점수가 AGI 달성의 증명은 아니라고 명시합니다. 평가 환경은 현실의 복잡하고 끝이 정해지지 않은 모든 작업을 대표하지 않습니다.

혼자 다시 읽을 때는 보고서 표에서 같은 max 행을 찾아 봅니다. Standard는 62.7%, Provider Adapter는 98.6%입니다. 첫 연습의 99.9%와 다른 이유를 추론 설정이 다름이라고 메모할 수 있으면, 숫자만 옮기지 않고 조건까지 읽은 것입니다.

아스트라만 AGI인지 점수표로 알 수 있나요?

아니요. 특정 평가에서 다른 모델과 비슷한 점수를 받았다는 사실만으로 둘 다 AGI이거나 둘 다 아니라고 결론 내릴 수는 없습니다. 종합 점수가 같아도 세부 작업의 강점과 오류는 다를 수 있습니다.

Artificial Analysis의 9월 9일 보고서는 해당 조건에서 아스트라와 클로드 페이블 5.1의 종합 지능 지수를 53점, 코딩 에이전트 지수를 62점으로 설명합니다. 종합 지능 지수는 아스트라 max와 페이블 max with fallback 조건이며, 코딩 지수는 각각 Codex와 Claude Code에서 실행한 결과입니다. 이는 그 보고서의 평가 결과이지 현재의 고정 순위나 AGI 인증이 아닙니다. 예전 글에 있던 61점 대 66점 비교를 이 보고서의 결과와 섞어 쓰지 않습니다.

모델을 고를 때도 같은 원칙을 적용합니다. 지표가 앞선 모델이 내 업무의 모든 부분에서 앞서는 것은 아닙니다. 모델별 기능과 조건은 아스트라 모델 비교를 참고하되 실제로 맡길 작업으로 확인합니다.

SNS 반응은 여론 조사와 다릅니다

위 화면의 게리 마커스는 정의와 증거가 부족하다고 비판하며 AGI 정의 연구를 언급합니다. 이 이미지에서 확인할 수 있는 것은 그의 주장입니다. 화면에 보이지 않는 다른 연구자의 발언이나 전체 커뮤니티의 찬반 비율까지 보여 주지는 않습니다.

AGI 관련 반응에서는 성능 향상을 반기는 의견, 정의를 요구하는 의견, 비용과 일자리 변화를 걱정하는 의견이 함께 나올 수 있습니다. 게시물 몇 개의 추천 수를 근거로 “대부분이 냉소적이었다”고 말하려면 조사 대상과 집계 방법이 더 필요합니다. 조회수나 주가 변화도 AGI 판정의 정확성을 직접 증명하지 않습니다.

내 업무에서는 작은 작업의 결과부터 비교하기

AGI 판정과 업무 도입 판단은 별개의 문제입니다. 처음부터 일주일치 실제 업무를 맡기기보다 정답을 확인할 수 있는 짧은 작업 하나를 정합니다. 예를 들어 가상 회의 메모에서 날짜와 담당자, 할 일을 표로 옮기는 작업입니다.

다음은 실제 측정치가 아닌 계산 연습입니다. 사람의 시간 비용을 시간당 18,000원으로 가정하고 직접 작업에 12분이 걸렸다면 3,600원입니다. AI를 쓰면서 지시 준비 2분, 검토 4분, 수정 2분이 걸리고 서비스 이용료가 500원이라면 18,000 × 8 ÷ 60 + 500 = 2,900원입니다. 같은 품질을 확보했다는 조건에서 계산상 700원이 줄었습니다. 시간의 가치를 환산한 금액이므로 실제 급여 지출이 그만큼 줄었다는 뜻은 아닙니다.

다시 계산할 때는 수정 시간만 2분에서 6분으로 바꿉니다. 사람의 시간이 총 12분으로 늘어 3,600 + 500 = 4,100원이 됩니다. 모델의 답변 생성 속도만 보고 업무 전체가 빨라졌다고 판단하면 놓치기 쉬운 부분입니다.

계산을 업무 비교 메모로 저장하고 단위와 가정을 적습니다. 이용료 500원도 가상 값입니다. 실제 비교에서는 사용량 청구액이나 정액 구독료의 배분액 등 어떤 비용을 넣었는지 적습니다. 실제 업무에 적용할 때는 직접 기록한 시간으로 바꾸고, 정답을 확인할 수 없는 결과는 성공으로 집계하지 않습니다. 자료가 부족하면 더 큰 업무로 확대하기보다 같은 작은 과제를 다른 예제로 반복합니다.

이 비교에서 비용이 줄었다고 AGI가 증명되는 것은 아닙니다. 비용이 더 든다고 지적 능력이 없다는 뜻도 아닙니다. 특정 업무에 도움이 되는지 판단하는 자료입니다. 업무 변화에 관한 논의는 아스트라와 업무 전환, AI와 노동시간의 역사에서 이어갈 수 있습니다.

자주 묻는 질문

AGI와 ASI는 어떻게 다른가요?

AGI는 넓은 작업 범위에서 사람 수준의 능력을 논할 때 쓰이고, ASI(Artificial Superintelligence)는 초지능, 즉 사람의 능력을 폭넓게 넘어서는 지능을 말합니다. 구체적인 수준과 범위는 정의를 확인해야 합니다. 특정 제품의 출시명이 아닙니다.

AGI 발언 때문에 쓰던 모델을 바꿔야 하나요?

발언 하나만으로 바꿀 필요는 없습니다. 현재 모델에서 어려웠던 작은 작업을 정하고 같은 자료와 기준으로 후보를 비교합니다. 정확도와 수정 시간, 총비용을 함께 보고 판단합니다.

높은 점수와 실제 업무 실패가 동시에 있을 수 있나요?

그럴 수 있습니다. 벤치마크와 실제 업무는 입력 자료, 도구, 제한 시간과 성공 기준이 다를 수 있습니다. 점수는 해당 평가 범위의 결과로 읽고, 내 작업은 별도로 확인해야 합니다.

Sources

• 젠슨 황 X 게시물 원문 주소
• OpenAI: GPT-6 Astra 발표
• OpenAI 헌장
• Levels of AGI 논문
• A Definition of AGI 연구
• ARC Prize: Astra 평가 보고서
• Artificial Analysis: 9월 9일 Astra 평가

3줄 요약

1. 젠슨 황의 AGI 발언은 그가 내린 판단이며 특정 벤치마크 점수나 모든 연구자가 동의한 판정과 구분해야 합니다.

2. ARC-AGI-3 고득점은 특정 평가 환경의 성과이며 AGI 전체 능력을 입증하는 결과는 아닙니다.

3. 내 업무에서는 작은 과제로 정확도와 수정 시간, 총비용을 비교하되 그 결과를 AGI 판정으로 일반화하지 않습니다.