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.

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?

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