글을 시작하기 전에 먼저 말씀드리고 싶은 것이 있습니다.
저는 'AI가 곧 인간을 넘어선다'는 식의 단정적인 이야기를 별로 좋아하지 않습니다. 한쪽 주장만 떼어다 겁을 주거나, 반대로 김을 빼는 글이 너무 많은데요. 정작 'AI가 지금 어디까지 왔고 앞으로 어디로 가는지'를 차분히 정리해주는 글은 의외로 드뭅니다.
그래서 이 글은 AI의 진화 단계, 즉 ANI, AGI, ASI 세 단계를 입문자 눈높이에서 정리해본 이야기입니다. 결론부터 말씀드리면 — 우리는 아직 첫 번째 계단에 서 있습니다.
AI의 진화 단계는 세 칸으로 나뉩니다
AI는 흔히 '얼마나 두루두루 잘하느냐', 즉 능력의 범위에 따라 세 단계로 구분합니다. 어려운 말 같지만 한 줄씩 보면 간단한데요.
첫 번째는 ANI입니다. 우리말로 '좁은 AI' 또는 '약한 AI'입니다. 정해진 한 가지 일만 잘하는, 오늘날 실제로 쓰이는 모든 AI가 여기에 해당합니다.
두 번째는 AGI입니다. '범용 AI'라고 부릅니다. 인간이 할 수 있는 거의 모든 지적인 일을 인간 수준으로 해내는 AI인데요. 아직 세상에 존재하지 않는 '가상의' 시스템입니다.
세 번째는 ASI입니다. '초지능'입니다. 논리, 창의성, 사회적 이해, 전략까지 모든 영역에서 인간을 능가하는 AI입니다. 지금으로서는 순수하게 이론적인 개념입니다.
딱 한 줄로 정리하면 이렇습니다. ANI는 한 가지를 잘하고, AGI는 인간만큼 두루 잘하고, ASI는 모든 면에서 인간을 넘어섭니다.
ANI는 지금 우리가 매일 쓰는 그 AI입니다
ANI를 가장 쉽게 이해하는 방법은 주변을 둘러보는 것입니다.
음성비서 시리와 알렉사, ChatGPT 같은 챗봇, 사진 속 얼굴을 알아보는 이미지 인식, 자율주행, 스팸 필터, 체스 엔진, 미드저니 같은 그림 생성 AI, 쇼핑몰의 추천 엔진. 이 모든 것이 ANI입니다.
핵심은 이것인데요. ANI는 특정 과제 하나는 인간 수준 또는 그 이상으로 해내지만, 정해진 범위를 넘어 스스로 새 기술을 배우거나 세계를 깊이 이해하지는 못합니다.
체스를 두는 AI에게 갑자기 번역을 시킬 수 없고, 번역 AI가 알아서 운전을 배우지도 않습니다. 한 우물만 깊게 파도록 만들어진 도구라고 보시면 됩니다.
다시 강조하면 — 현재 실제로 배포되어 쓰이는 모든 AI는 ANI입니다. 우리가 'AI 대단하다'며 감탄하는 그 모든 것이 사실은 진화의 첫 번째 칸에 있는 셈입니다.
AGI는 '인간처럼 두루 잘하는' 가상의 AI입니다
그렇다면 다음 칸인 AGI는 ANI와 무엇이 다를까요.
결정적 차이는 '일반화'와 '전이' 능력입니다. AGI는 인간처럼 학습하고 추론하며 새로운 상황에 적응하고, 한 분야에서 배운 것을 다른 분야로 옮겨 쓸 수 있다고 정의됩니다. 과제마다 새로 프로그래밍하지 않아도 처음 보는 문제를 풀어내는 것입니다.
ANI가 정해진 한 가지만 한다면, AGI는 그 경계를 넘나든다고 보시면 됩니다.
다만 여기서 분명히 해둘 것이 있는데요. AGI는 아직 존재하지 않습니다. 요즘 LLM(거대 언어 모델)이 여러 과제에서 인상적인 성능을 보이는 것은 사실인데요. 그래도 여전히 훈련 데이터에 근본적으로 의존하고, 스스로 지속적인 목표를 형성하지는 못합니다.
한 자료는 AGI를 '공학 프로젝트라기보다 공학적 지평선'이라고 표현했습니다. 가까이 다가갈수록 또 멀어지는, 그런 목표 지점이라는 뜻으로 읽힙니다.
그래서 지금 우리는 정확히 어디쯤 있을까요
2026년 6월 현재, 대체적인 합의는 명확합니다. 아직 AGI가 아니라는 것입니다.
지금 가장 앞선 모델들, 이른바 프런티어 모델인 Claude Opus 계열, GPT-5, Gemini 3 같은 AI는 도구를 쓰고 스스로를 비판하며, 수십에서 수백 단계에 걸친 과제를 계획하고 수정하며 실행할 수 있습니다. 분명 매우 강력한데요.
그런데 여기 핵심적인 한계가 하나 남아 있습니다. 모델이 경험으로부터 배우지 못한다는 것입니다. 모든 대화가 똑같은 '고정된 스냅샷'에서 시작합니다. 어제 나눈 대화로 더 똑똑해진 채 오늘을 맞이하는, 그런 진짜 의미의 지속 학습이 없는 것입니다.
숫자로도 격차가 드러납니다. 최신 고난도 평가인 'Humanity's Last Exam'에서 최고 수준 AI의 정확도는 약 35% 수준인데요. 같은 시험에서 해당 분야 인간 전문가는 평균 약 90%를 받습니다. 50포인트가 넘는 차이입니다.
그래서 정리하면 이렇습니다. 'AGI 초입에 들어섰다'는 낙관론과 '여전히 ANI일 뿐'이라는 견해가 함께 존재합니다. 어느 쪽이든, 아직 도착하지 않았다는 점만은 분명합니다.
AGI는 언제 올까요 (의견이 크게 갈립니다)
가장 궁금한 질문일 텐데요. 솔직히 말씀드리면, 이 부분은 전문가마다 답이 크게 다릅니다. 그래서 한쪽 말만 믿으시면 안 됩니다.
낙관론부터 보겠습니다. OpenAI의 샘 올트먼은 2025년 6월 에세이 'The Gentle Singularity'에서 OpenAI를 처음으로 '초지능 연구 회사'로 규정하며, "우리는 사건의 지평선을 지났고 이륙이 시작됐다"고 표현했습니다. Anthropic의 다리오 아모데이는 강력한 AI가 2026년 말에서 2027년 초에 등장할 수 있다고 기대하기도 했습니다.
조금 더 신중한 쪽도 있습니다. DeepMind의 셰인 레그는 2026년 1월 기준으로 '최소한의 AGI'가 2028년까지 실현될 확률을 약 50%로 봅니다. 같은 DeepMind의 데미스 하사비스는 더 신중해서, AGI를 2030년 전후로 약 50% 확률로 전망합니다.
회의적인 쪽도 분명히 있는데요. 메타의 얀 르쿤은 지금의 LLM만으로는 AGI에 도달할 수 없다고 봅니다. 새로운 아키텍처가 필요하다며, 시점을 10년에서 20년 후로 잡습니다.
여기서 꼭 짚어둘 점이 있습니다. 이런 '50% 확률' 같은 수치는 발언 시점과 'AGI를 무엇으로 보느냐'는 정의에 따라 달라집니다. AGI의 기준 자체가 연구자마다 제각각이라, 사실 직접 비교가 어렵다는 지적이 거듭 나옵니다.
그러니 'AGI는 ○○년'이라고 단정하는 글이 있다면, 한 번쯤 의심해보셔도 좋습니다.
마지막 칸 ASI, 기대와 두려움이 함께 있습니다
가장 먼 미래의 이야기, ASI 초지능입니다.
이 개념의 중심에는 '지능 폭발'이 있습니다. 옥스퍼드의 철학자 닉 보스트롬은 2014년 저서 'Superintelligence'에서, AI가 스스로를 개선하기 시작하면 지능이 급격하게 폭발하고, 최초의 초지능이 '결정적 전략적 우위'를 차지할 수 있다고 주장했습니다.
흥미로운 점은 그의 입장 변화인데요. 보스트롬은 2025년 인터뷰에서 오히려 '초지능을 개발하지 못하는 것 자체가 실존적 재앙'이 될 수 있다고 말했습니다. 단, '위험의 관문을 지혜롭게 통과한다는 조건'에서만 그렇다고 덧붙였습니다.
그 위험이 바로 '정렬 문제'입니다. 정렬되지 않았거나 통제되지 않은 초지능은 인류에게 실존적 위험이 될 수 있다는 경고인데요. 세심한 설계와 거버넌스 없이는 고도의 AI가 중대한 위험이 된다는 것입니다.
그래서 DeepMind는 2025년 안전 프레임워크 논문에서 AGI 위험을 오용, 정렬 실패, 사고, 구조적 위험 네 가지로 분류하고, 한 지점의 실패가 곧장 파국으로 이어지지 않도록 여러 겹의 방어를 제안했습니다.
기대와 두려움이 같은 자리에 있는 것입니다. 그래서 더 조심스럽게 다뤄야 하는 단계니까요.
그렇다면 정말 AGI가 곧 올까요 (반대편 목소리)
여기까지 읽고 'AGI가 코앞이구나' 생각하셨다면, 반대편 목소리도 꼭 들어보셔야 합니다.
대표적인 회의론자 게리 마커스는 최근 몇 달이 AGI 낙관론에 '파괴적'이었다고 평가했습니다. 그는 LLM이 의미를 '이해'해서가 아니라, 텍스트에서 패턴을 끌어와 그럴듯하게 들릴 뿐이라고 지적합니다. 그러면서 "지적 정직성을 가진 누구도 순수한 스케일링만으로 AGI에 도달한다고 더는 믿어선 안 된다"고 못 박았습니다.
여기서 '스케일링'이란 모델과 데이터를 키우기만 하면 똑똑해진다는 접근인데요. 흥미롭게도 샘 올트먼조차 AGI에 도달하려면 단순 스케일링을 넘어선 돌파구가 필요하다고 인정했습니다. 마이크로소프트의 나델라, 구글의 피차이도 비슷한 회의를 내비쳤습니다. 빅테크 리더들의 이런 변화는, 순수 스케일링에 대한 내부 신뢰가 약해지고 있다는 신호로 읽힙니다.
남아 있는 기술적 장벽을 정리하면 이렇습니다. 첫 번째는 지속 학습의 부재입니다. 두 번째는 처음 보는 상황에 약하다는 점입니다. 세 번째는 진짜 이해가 아닌 패턴 매칭이라는 점입니다. 네 번째는 어려운 시험에서 인간 전문가와의 큰 격차입니다.
물론 그렇다고 'AGI는 영영 안 온다'는 뜻은 아닌데요. 임박론과 신중론, 회의론이 지금도 활발히 공존하고 있고, 어느 한쪽이 정설은 아닙니다. 그래서 양쪽을 함께 보는 것이 가장 정확합니다.
정리하며
길게 풀었지만 핵심은 한 줄입니다. 우리는 아직 ANI 단계에 있고, AGI는 가까운 미래의 가능성이며, ASI는 먼 이론입니다.
AGI가 언제 올지는 아무도 단정할 수 없습니다. 2027년을 말하는 사람도, 2030년대를, 또 그 이후를 말하는 사람도 있는데요. 분명한 것은, 그 시점만큼이나 'AGI를 무엇으로 정의하느냐'부터 합의가 안 돼 있다는 점입니다.
그러니 새로운 AI 뉴스를 보실 때 이 세 칸의 지도를 떠올려보시길 권해 드립니다. '이건 ANI 이야기인가, AGI 전망인가, 아니면 ASI라는 먼 상상인가.' 이 한 가지 질문만으로도 과장된 헤드라인에 덜 휘둘릴 수 있습니다.
기술이 어디로 흐르는지는 결국 우리가 얼마나 또렷한 눈으로 바라보느냐에 달려 있으니까요.