알파고에서 지금까지

이 장에서 배우는 것 왜 알파고 때는 내 일상이 안 바뀌었는데 지금은 다른지. 이 질문에 답이 되면 나머지가 전부 쉬워집니다.

2016년 3월, 서울

이세돌 9단과 알파고의 다섯 판이 서울에서 열렸습니다. 3월 9일부터 15일까지, 일주일 동안 전국이 이 대국을 봤습니다.

바둑을 둘 줄 모르는 사람도 봤습니다. 바둑이 궁금해서가 아니라 기계가 사람을 이기는지가 궁금해서였습니다.

결과는 알파고 4승, 이세돌 1승이었습니다.

그 한 판

3연패 뒤 네 번째 판에서 이세돌이 이겼습니다. 78수, 판 한가운데를 파고드는 수였습니다. 해설진은 "신의 한 수"라고 불렀습니다.

알파고의 계산으로는 사람이 그 수를 둘 확률이 1만분의 1이었습니다. 알파고는 79수에서 실수했고, 87수가 되어서야 자기가 밀리고 있다는 걸 알아챘습니다.

이 판은 알파고가 사람에게 진 유일한 공식 기록으로 남아 있습니다.

그때 사람들이 느낀 것

충격이었습니다. 바둑은 경우의 수가 너무 많아 기계가 이기려면 한참 남았다는 게 당시의 상식이었기 때문입니다. 뉴스에는 "이제 어떤 직업이 사라지나" 같은 기사가 쏟아졌습니다.

그런데 그 뒤 6년, 무엇이 바뀌었습니까?

여기서 한번 솔직하게 돌아봅시다.

2016년 3월 이후 여러분의 일하는 방식이 알파고 때문에 바뀐 게 있습니까?

거의 없을 겁니다. 뉴스는 뜨거웠지만 사무실은 그대로였습니다. 여전히 메일을 직접 쓰고, 보고서를 직접 만들고, 긴 문서를 직접 읽었습니다.

왜 그랬을까요?

알파고는 바둑만 두는 기계였기 때문입니다

알파고는 바둑을 인간보다 잘 뒀습니다. 그런데 그게 전부입니다.

• 알파고에게 이메일을 써달라고 할 수 없습니다
• 알파고에게 회의록을 정리해달라고 할 수 없습니다
• 알파고에게 계약서를 검토해달라고 할 수 없습니다

바둑판 밖에서는 아무것도 못 합니다. 바둑을 두지 않는 사람에게 알파고는 "대단하지만 나와는 상관없는 것"이었습니다. 그래서 뉴스가 식자 일상도 그대로 돌아갔습니다.

graph TD
  A["알파고 · 2016"] --> B["바둑을 아주 잘 둠"]
  B --> C["바둑판 밖에서는 못 함"]
  C --> D["바둑 두는 사람 외에는<br/>쓸 일이 없음"]

2022년 11월, 다른 일이 벌어졌습니다

ChatGPT라는 것이 나왔습니다. 이번에는 반응이 달랐습니다.

출시 두 달 만에 사용자 1억 명을 넘었습니다. 비교하면 이렇습니다.

당시 이 분야를 오래 봐온 애널리스트들이 "이런 속도는 처음 본다"고 말할 정도였습니다.

왜 이번에는 달랐나

기술이 더 대단해서가 아닙니다. 쓸 수 있는 사람이 달랐기 때문입니다.

사무실에서 하는 일을 떠올려 보세요. 메일 쓰기, 보고서 만들기, 자료 정리하기, 회의 내용 남기기 — 거의 전부가 말과 글입니다.

알파고가 잘하는 것(바둑)은 대부분의 사람과 상관이 없었고, 지금 AI가 잘하는 것(말과 글)은 거의 모든 사무직과 상관이 있습니다. 이 차이 하나가 반응의 차이를 만들었습니다.

두 AI는 성격도 다릅니다

이 부분이 중요합니다. 알파고와 지금의 AI는 잘하는 종목만 다른 게 아니라 성격이 다릅니다.

마지막 줄을 기억해두세요. 지금 AI가 틀리는 방식은 알파고와 다릅니다. 그럴듯한 말투로 틀립니다. 이건 뒤에서 조심할 것으로 따로 다룹니다.

가장 흔한 오해가 여기서 생깁니다 "알파고가 이세돌을 이겼으니 AI는 사람보다 똑똑하겠지"라고 생각하면 지금 AI를 잘못 쓰게 됩니다. 지금 AI는 천재가 아니라 아주 부지런한 조수에 가깝습니다. 빠르고 지치지 않지만, 확인 없이 맡기면 안 되는 조수입니다.

2024년, 노벨상이 두 개

여기까지는 사무실 이야기였습니다. 같은 시기에 연구 쪽에서도 일이 있었습니다.

한 해에 물리학상과 화학상 양쪽이 AI 관련 연구로 갔습니다. 하나였다면 우연이라고 할 수 있지만 두 개는 다릅니다. AI가 연구를 거드는 도구를 넘어 과학적 발견이 일어나는 자리 쪽으로 넘어왔다는 상징적인 사건입니다.

두 가지만 덧붙입니다.

• AlphaFold가 예측한 단백질 구조는 전 세계 연구자에게 공개되어, 신약과 효소 연구의 출발점이 되었습니다. 결과가 논문 한 편으로 끝나지 않고 남의 연구가 시작되는 자리가 됐다는 뜻입니다.
• 알파고는 정답이 정해진 게임을 풀었습니다. 그 뒤의 AI는 정답이 열려 있는 문제 쪽으로 옮겨 왔습니다 — 단백질이 어떻게 접히는지, 이 회의록을 어떻게 정리해야 하는지에는 채점표가 없습니다. 앞 표에서 "정답: 없음"이 약점처럼 보였다면, 여기서는 그게 다루는 범위입니다.

그래서 이 제품이 있습니다 세계 최고 수준의 연구에서 이미 검증된 AI를, 조직의 일상 업무에서 쓸 수 있게 만드는 것이 HyperTeams Connect가 하는 일입니다. 단백질 구조를 예측하는 일과 회의록을 정리하는 일은 규모가 다르지만, 바탕에 있는 기술은 같은 계열입니다.

2026년 9월, 90년 묵은 문제에 AI 1만 개가 달라붙었다

노벨상이 "AI가 만든 결과에 상을 줬다"는 사건이었다면, 2026년 9월에는 조금 다른 일이 있었습니다. AI가 사람이 100년 가까이 못 푼 문제를 붙들고 직접 답을 만들어 왔습니다.

나비에-스토크스 방정식은 물과 공기 같은 유체의 움직임을 설명하는 식입니다. 비행기 설계, 일기예보, 혈류 분석에 다 쓰입니다. 1822년 나비에가 제시하고 1845년 스토크스가 다듬었으니 200년 된 식인데, 정작 3차원에서 이 식의 해가 언제나 매끄러운지는 아무도 증명하지 못했습니다. 클레이 수학연구소는 2000년 이 문제를 상금 100만 달러가 걸린 밀레니엄 7대 난제에 올렸습니다.

2026년 9월 8일, 오픈AI는 여기에 약 1만 개의 AI 에이전트를 붙여 얻은 결과를 발표했습니다.

여기서 눈여겨볼 것 세 가지

1. 한 대가 푼 게 아니라 여럿이 나눠 붙었습니다. 에이전트를 여러 그룹으로 나눠 어떤 그룹은 "해가 항상 존재한다" 쪽을, 어떤 그룹은 "특이점이 생긴다" 쪽을 밀었고, 일정 시간마다 서로 결과를 공유해 유망한 것만 이어 갔습니다. 사람 연구실이 일하는 모양 그대로입니다. 이 가이드 뒤쪽에서 다루는 AI 에이전트가 바로 이 방식입니다 — 규모만 다릅니다.

2. 사람이 아니라 기계가 채점했습니다. 오픈AI는 증명을 린(Lean) 이라는 증명 검증 언어로 옮겼습니다. AI가 그럴듯한 수학처럼 보이는 문장을 만드는 것과, 기계가 한 줄씩 따져 통과시키는 것은 전혀 다른 일입니다. 이 가이드가 내내 말하는 "믿지 말고 근거를 대게 하라"(근거 대기)의 가장 엄격한 형태라고 보면 됩니다.

3. 그런데 아직 "풀렸다"가 아닙니다. 오픈AI 스스로 상금을 신청할 생각이 없다고 밝혔습니다. 수학계의 동료 평가와 학술지 게재가 남아 있기 때문입니다. 정확한 표현은 "해결했다"가 아니라 "해법과 형식화된 증명을 제시했다" 입니다. 이 결과에는 2026년 8월에 나온 선행 연구가 있었다는 것도 함께 알아두면 좋습니다 — 관련 유체 방정식에서 특이점이 만들어질 수 있다는 것을 먼저 보이고 린으로 형식화한 연구입니다.

이번 일이 갑자기 튀어나온 것도 아닙니다. 아래는 검증을 통과한 것만 골라 적은 줄입니다 — 대회는 사람이 채점했고, 나머지는 증명을 기계가 검사했습니다.

2년 만에 고등학생 경시대회에서 밀레니엄 난제까지 왔습니다. 표를 세로로 읽으면 속도가 보이고, 가로로 읽으면 그 속도를 믿을 수 있게 만든 것이 매번 검증이었다는 게 보입니다.

이 세 번째가 여러분 업무와 가장 가깝습니다 발표는 화려하고, 검증은 아직 안 끝났습니다. 이건 밀레니엄 난제에서만 그런 게 아니라 여러분이 AI에게 시킨 보고서에서도 똑같습니다. 답이 나온 것과 그 답이 검증을 통과한 것은 다른 사건입니다. 뒤의 조심할 것이 이 이야기입니다.

지금 어디까지 왔나

2022년 이후 3년이 조금 넘었습니다. 지금은 신기한 구경거리 단계를 지나 실제 업무에 쓰이는 단계로 넘어왔습니다. 공개된 조사들이 말하는 대략의 그림은 이렇습니다.

• 맥킨지 2025년 조사에서 응답 조직의 상당수가 최소 하나의 AI 과제에서 측정 가능한 성과를 봤다고 답했습니다.
• 업무에 쓰는 사람들은 하루 40~60분 정도를 아낀다고 보고합니다.
• 고객 서비스 분야에서는 AI가 문의의 상당 부분을 직접 처리하는 사례가 빠르게 늘고 있습니다.

숫자는 조사 기관과 시점에 따라 편차가 큽니다. 방향(늘고 있다, 성과가 측정되기 시작했다)만 참고하시고, 구체적 수치가 필요하면 원 조사를 확인하세요.

중요한 건 이겁니다. 알파고 때와 달리 지금은 "나와 상관있는" 단계라는 것.

그래서 이 가이드는

이 파트(AI가 처음이라면)는 오늘 당장 써볼 수 있게 만드는 것이 목표입니다. 바둑처럼 특별한 재능이나 사전 지식이 필요하지 않습니다.

다음 장에서 "그래서 이게 정확히 무엇인지"를 검색과 비교해서 봅니다.

확인

1. 알파고 이후 6년 동안 일반인의 업무가 거의 안 바뀐 이유는 무엇입니까?

2. ChatGPT가 두 달 만에 1억 명을 넘긴 이유를 기술이 아닌 관점에서 설명해보세요.

3. "알파고가 이세돌을 이겼으니 AI는 사람보다 똑똑하다"는 생각이 왜 위험합니까?

4. 오픈AI의 나비에-스토크스 결과를 "밀레니엄 난제가 풀렸다"고 말하면 왜 부정확합니까?

다음 장에서는 이 도구가 정확히 무엇이고 검색과 어떻게 다른지를 봅니다 → AI가 무엇인가