인공지능이 특정 작업을 처리하는 수준에서 인간의 인지 능력을 대체하는 인공 일반 지능(AGI) 쪽으로 옮겨 가고 있다. 새 모델이 나오고 하드웨어 인프라가 크게 늘면서 상상 속 이야기였던 AGI가 현실 문제가 됐다. 개발자는 기술의 한계를 알고, 이를 업무 현장에 안정적으로 붙일 방법을 현실적으로 세워야 한다.

젠슨 황의 AGI 도래 선언과 GPT-6 아스트라

엔비디아의 젠슨 황 CEO는 2026년 9월 7일 소셜 미디어 '엑스(X)'에 오픈AI의 'GPT-6 아스트라' 출시를 축하하는 글을 올리며 AGI 시대가 왔다고 선언했다. 황 CEO는 이번 모델이 인공 일반 지능을 실제로 구현해 보인 결과물이라고 말했다.

GPT-6 아스트라 학습에는 엔비디아의 그레이스 블랙웰 NVL72 GPU가 10만 개 이상 들어갔고, 앞으로 GPU 40만 개가 추가로 가동될 예정이다.

인프라 투자의 결과는 지표에 나타난다. 새로운 환경을 스스로 탐색하는 능력을 보는 ARC-AGI-3 벤치마크에서 GPT-6 아스트라는 99.9%를 기록했다. 전작 GPT-5.6 Sol의 점수는 7.8%였다.

엔비디아 젠슨 황 CEO는 GPT-6 아스트라 출식을 계기로 AGI 시대가 왔음을 선언했다.

AGI의 개념 정의와 두 가지 평가 축

인공 일반 지능(AGI)은 특정 용도에 묶인 좁은 인공지능(ANI)과 달리 유연하게 스스로 학습하고, 익힌 지식을 다른 분야로 옮겨 쓸 수 있는 지능을 말한다.

오픈AI는 AGI를 경제적 가치가 있는 작업 대부분에서 인간보다 나은 성과를 내는 자율 시스템으로 정의하고, 노동 생산성이 크게 바뀔 것이라고 본다.

구글 딥마인드는 성능과 자율성 두 축으로 AGI를 나눈다. 성능 축은 특정 과업을 인간 전문가와 비교해 얼마나 정교하게 해내는지를 재고, 자율성 축은 사람이 개입하지 않아도 시스템이 얼마나 혼자서 과업을 정하고 끝내는지를 본다.

AGI는 광범위한 인지 과업을 수행하는 지능으로, 성능과 자율성이라는 축으로 분류된다.

AGI 달성을 위한 핵심 요구 능력

AGI 수준에 이르려면 여러 지적 영역에서 고르게 높은 성능을 내야 한다. 수학, 코딩, 일상 추론 같은 분야 전반에서 인간 이상의 성과가 필요한데, GPT-6 아스트라는 프론티어매스 티어 4에서 97.6%를 기록해 전문가 수준에 가까워졌다.

외부 개입 없이 스스로 목적을 정하고 세부 계획을 세워 지식을 익혀 가는 자율적 추론 능력도 있어야 한다.

학습 데이터에 없는 가상 환경이나 실제 환경을 만났을 때 이미 가진 상식을 바탕으로 적절한 결정을 내리는 일반화 능력도 필요하다.

AGI 구현을 위해서는 범용 문제 해결과 자율 학습 등 종합적인 지적 역량이 필수적이다.

기업 도입 시 직면하는 현실적 장벽

기술은 발전했지만 실제 업무 환경에 AGI를 들이는 과정에는 분명한 장애물이 있다. 첫째는 정리되지 않은 데이터와 레거시 시스템, 그리고 사내 곳곳에 흩어진 비공식 지식이다.

둘째는 LLM 기반 에이전트의 구조적 한계로 꼽히는 믿기 어려운 기억력이다. 메모리 시스템이 불안정하면 긴 업무 프로세스를 일관되게 처리하기 어렵다.

셋째는 규제 리스크다. 개인정보 보호법은 사용자 정보를 지우라고 요구하는데, 인공지능은 학습 구조상 한 번 들어온 민감 정보를 잘 잊지 못해 법적 기준과 정면으로 부딪힌다.

AGI 기술 발전에도 불구하고 기업 현장의 데이터 오염과 레거시 시스템은 도입 장애물이다.

성공적인 AGI 온보딩과 대응 방향

기업과 개발자에게는 시스템을 연동하는 일 외에 전체를 보는 전략이 필요하다. 먼저 AGI가 회사 고유의 업무 맥락과 세세한 작동 목적을 단계적으로 익히도록 온보딩 파이프라인을 체계적으로 짜야 한다.

조직 문화도 바꿔야 한다. 부서 사이의 벽을 낮춰 협업을 늘리고, 교육에 투자해 구성원 전반의 AI 지식을 키운다.

기술 면에서는 믿을 수 있는 메모리 아키텍처와 보안이 보장되는 데이터 파이프라인을 갖춰, 앞서 말한 한계와 규제 리스크를 실무에서 메워야 한다.

참고