1800 년경, Henry Maudslay 라는 영국 엔지니어가 정밀한 나사산을 깎아낼 수 있는 선반을 만들었습니다. 그리고 이는 인류 역사상 가장 중요한 사건 중 하나로 판명되었죠...
Maudslay 이전에는 나사산을 하나하나 손으로 깎았기 때문에 완전히 똑같은 것은 없었습니다. 한 작업장의 너트는 옆 작업장의 볼트에 맞지 않았고, 세상의 모든 기계는 장인이 직접 맞춰 조립해야 하는 단 하나의 맞춤 제작품이었으며, 오직 장인만이 고칠 수 있었습니다.
부품을 서로 일치시킬 수 없었기 때문에 어떤 것이든 천 개씩 만들어내는 일은 불가능했습니다. 이것이 산업계 전체를 옥죄던 병목이었고, 그 병목은 줄을 쥔 사람의 손안에 있었습니다.
Maudslay 의 선반은 매번 동일한 나사산을 깎아냈습니다. 즉, 한 기계가 다른 기계의 정밀한 부품을 만들 수 있게 되었고, 그 부품들은 정확히 맞아떨어졌습니다. 한 세대도 지나지 않아 그의 선반에서 파생된 공작기계들이 온갖 제품의 부품을 쏟아내기 시작했고, 산업혁명은 자신에게 그런 기어가 있었는지조차 모른 채 새로운 속도를 얻었습니다.
지금쯤 여러분은 이렇게 생각하고 있을 겁니다. Raoul, 대체 왜 1800 년대 나사산 이야기를 하고 있는 거야? 조금만 따라와 주세요. 긴 흐름을 들여다보면 같은 패턴이 계속 반복해서 나타나기 때문입니다.
인류 역사의 대부분 동안 도구는 그것을 만드는 사람들의 속도만큼만 발전했습니다. 다시 말해 아주 느렸죠... 몇 세기에 한 번 더 나은 쟁기가 등장하는 정도였습니다. 그러다 도구가 도구를 만들기 시작했고, 각각의 순환은 이전보다 더 빠르게 돌아갔습니다.
증기기관은 기관차 부품을 깎아내는 선반과 보링 머신을 돌렸고, 그렇게 증기는 더 많은 증기기관을 실어 나를 철도를 건설했습니다.
공작기계는 자동차를 만드는 조립 라인을 구축했습니다. 이제는 컴퓨터가 더 나은 컴퓨터에 들어갈 칩을 설계합니다. 수십억 개의 트랜지스터를 사람이 손으로 배치할 수는 없으니까요. 도구가 다음 세대의 도구를 만드는 작업을 더 많이 떠맡을 때마다 모든 것이 가속되었습니다. 순환에서 가장 느린 부분, 즉 인간의 몫이 점점 작아졌기 때문입니다.
그렇다면 순환 안에 있는 도구 자체가 '지능'이 되면 무슨 일이 벌어질까요?
이미 일어나고 있는 일
2023 년 11 월, 저는 OpenAI 가 AI 를 활용해 아이디어를 내고, 디자인하고, 코딩하고, 제품을 출시하는 방법을 이미 알아냈을 가능성이 높다고 글을 올렸습니다... AI 가 AI 를 만들고 있다는 이야기였죠.
2026 년 5 월 현재, Anthropic 은 자사 코드베이스에 병합되는 코드의 80% 이상이 Claude 에 의해 작성되었다고 밝혔습니다. 2025 년 2 월 Claude Code 가 출시되기 전까지만 해도 이 비율은 한 자릿수 초반에 불과했습니다. 최전선 모델을 개발하는 회사가 차세대 버전이 구동될 소프트웨어를 대부분 해당 모델 스스로에게 작성시키고 있는 셈입니다.
OpenAI 역시 9 월에 자체적인 수치를 공개했습니다. 현재 이 회사의 연구 조직은 인간의 노동 하루당 3.1 에이전트 근무일에 해당하는 노력을 투입하고 있으며, 연구원 1 인당 실험 횟수는 8 월에 사상 최고치를 기록했습니다.
지난해 5 월 DeepMind 는 Gemini 기반의 에이전트 AlphaEvolve 를 발표했습니다. 스스로 알고리즘을 작성하고 테스트하는 이 에이전트가 찾아낸 것 중에는 Google 의 전 세계 컴퓨팅 인프라 전체에서 지속적으로 0.7% 를 회수하는 스케줄링 개선안, 그리고 Gemini 자체 학습 내부의 커널을 가속해 학습 시간을 1% 단축시킨 성과가 있었습니다. 작은 퍼센트라고요? 그것이 무엇을 의미하는지 깨닫는 순간 이야기가 달라집니다. AI 가 다음 AI 를 더 저렴하게 만들고, 더 저렴하게 운영되도록 만들고 있는 것입니다.
바로 Maudslay 의 선반이 다음 기계를 위한 부품을 깎아내고 있는 것과 같습니다.
다른 종류의 병목
지금까지의 모든 순환은 물리적인 노동을 우리에게서 덜어주었습니다. 선반이 줄질을 대신했고, 조립 라인이 무거운 것을 드는 일을 대신했습니다. 그래서 매번 이전보다 더 빠르게 돌아갈 수 있었죠. 하지만 '생각'만큼은 결코 떠나지 않았습니다. 누군가는 여전히 앉아서 다음 선반을 설계해야 했습니다. 누군가는 여전히 그 칩이 무엇을 위한 것인지 고민해야 했습니다. 기계는 물건을 만드는 데는 천재가 되었지만, 다음 세대를 위한 아이디어는 여전히 인간의 머리에서, 인간 머리의 속도대로 나왔습니다... 솔직히 말해 그다지 빠르지 않고, 더 빨라지지도 않는 속도 말이죠.
이것이 역사 내내 천장이었지만 아무도 이를 문제 삼지 않았습니다. 어차피 뾰족한 수가 없었으니까요. 생각을 대신하는 도구를 만들 수는 없는 노릇이었습니다.
하지만 이제는 가능합니다. 사상 처음으로 외부로 위임되는 대상이 지능 그 자체가 되었습니다. 따라서 발전을 가로막는 한계는 사람들이 얼마나 빨리 생각할 수 있느냐가 아니라, 두 가지 물리적인 요소로 바뀌었습니다. 에너지를 얼마나 컴퓨팅으로 전환할 수 있는가, 그리고 그 단위당 얼마나 많은 지능을 뽑아낼 수 있는가. 이 두 가지 모두 지수적 곡선을 그리고 있습니다.
화면을 벗어나고 있다
지금까지는 소프트웨어에 관한 이야기였지만, 여기에 머물지 않습니다.
저와 함께 The Exponentialist를 집필하는 David Mattin 은 다음 단계를 '자율주행 과학'이라고 부릅니다. Tesla 와는 아무 상관이 없지만, 그 발상은 동일합니다...
그가 뜻하는 바는 이렇습니다. 과학은 항상 인간이 운전하는 순환이었습니다. 직감이 떠오르고, 실험을 설계하고, 실행하면 대부분 실패하고, 이유를 분석한 뒤 더 나은 직감을 얻습니다. 이 과정을 한 사람씩 돌아가며, 한 바퀴에 몇 달씩 빙글빙글 돕니다. 우리가 이해해 온 모든 약물, 모든 소재, 모든 물리학 법칙은 바로 그 속도로 그 순환 속에서 나왔습니다.
자율주행 과학은 이 순환의 핸들을 기계에 넘겼을 때 나타나는 결과물입니다. AI 가 과학자를 돕는다는 이야기가 아닙니다... AI 가 직접 발견을 해낸다는 뜻입니다. 새로운 소재, 새로운 분자, 지난해까지만 해도 인류가 전혀 몰랐던 것들이 기계에서 쏟아져 나옵니다. 기계가 아이디어를 내고, 테스트를 실행하고, 결과를 읽고, 다음 아이디어를 떠올리는 전 과정에 인간이 끼어들 여지가 없습니다. 세상이 어떻게 작동하는지 파악하는 일이 외부로 위임되고 있습니다... 그리고 이는 SF 영화 속 먼 미래가 아니라 지금 이 순간 벌어지고 있습니다.
2023 년 DeepMind 의 GNoME 모델은 220 만 개의 새로운 결정 구조를 예측했으며, 그중 약 38 만 개가 안정적인 구조였습니다. 이는 인류가 재료과학 역사 전체에서 발견한 것보다 많은 신소재이며, 누군가 실험실에 들어서기도 전에 모델이 먼저 찾아낸 것입니다.
이어 2025 년 12 월, DeepMind 와 영국 정부는 올해 문을 여는 자동화 소재 연구소를 발표했습니다. 로봇이 하루에 수백 개의 후보 소재를 합성하고 테스트하며, AI 가 다음 배치를 선택하는 곳입니다. 과거 연구팀이 한 바퀴 도는 데 몇 달이 걸리던 순환이 이제는 매일 돌아갑니다. 인간은 실험을 진행하는 것이 아니라 결과를 검토하기 위해 존재합니다.
로봇 분야에서도 같은 일이 벌어지고 있는데, 그 방식이 정말 놀랍습니다. 2025 년 DeepMind 는 Genie 3 를 출시했는데, 이는 스스로를 작성하는 비디오 게임이라고 이해하는 것이 가장 정확합니다. '어질러진 침실' 같은 문장을 입력하면 화면에 실제 방의 물리법칙까지 완벽하게 갖춘 시뮬레이션 공간이 생성됩니다. 그 안에서 움직이는 모든 것은 현실에서와 동일한 피드백을 받습니다.
그런 다음 그 안에 로봇의 두뇌를 넣고 방을 치우라고 지시할 수 있습니다. 실패하면 다시 시도하고, 또 시도합니다. 수백만 개의 시뮬레이션된 방에서 컴퓨터의 속도로 수백만 번 반복하되, 현실의 물건 하나 부수지 않고 물리적 공간도 차지하지 않습니다. 그리고 그렇게 학습한 내용을 실제 로봇에 옮겨 담으면, 로봇은 실제 침실에 들어가면서 이미 청소하는 법을 알고 있습니다. DeepMind 는 지금 자사의 로봇 에이전트로 이 작업을 수행하고 있으며, 누구도 교육 과정을 짜주지 않습니다. 에이전트가 스스로 과제를 설정하고 스스로 채점합니다.
이런 이야기에 흥미를 느끼신다면, David 와 제가 매주 The Exponentialist에서 다루는 내용이 바로 이것입니다. Real Vision 내부에서 시작되어 지금은 Substack 의 독립 출판물이 되었으며, 무료로 받아보실 수도 있습니다.
그리고 스스로를 먹여 살린다
기계는 스스로 코드를 작성하고, 자신의 모델을 개선하며, 우리의 과학 연구까지 대신하기 시작했습니다. 알겠는데, 모두가 들어본 함정이 하나 있지 않냐고 반문하실 수 있습니다.... 이 모든 것이 전력으로 돌아간다는 점, 그것도 막대한 전력이 필요하다는 점이죠. 데이터센터는 이미 전력망에 부담을 주고 있고, 칩은 지구상에서 가장 희귀한 자원 중 하나가 되었으며, 언젠가는 전기 자체가 바닥날 것이라는 우려입니다.
하지만 인간이 풀지 못한 문제를 기계가 해결할 수 있다면, 가장 먼저 겨냥하게 될 문제는 바로 자기 자신의 문제입니다. 앞서 설명한 소재 연구소들은 무작위로 발견을 좇는 곳이 아닙니다. 더 많이 저장하는 배터리 화학물질, 더 많이 변환하는 태양전지, 트랜지스터를 더 촘촘히 채우는 칩을 찾고 있습니다... 에너지와 컴퓨팅을 더 저렴하게 만들어주는 바로 그것들 말이죠.
그리고 그 모든 결과는 곧바로 그것을 찾아낸 기계에게 다시 투입됩니다.
더 나은 패널과 배터리는 에너지를 저렴하게 만들고, 저렴한 에너지는 컴퓨팅을 저렴하게 만들며, 저렴한 컴퓨팅은 더 나은 모델을 학습시키고, 더 나은 모델은 다음 소재를 찾아냅니다. 모두가 걱정하는 병목은 이 순환이 가장 먼저 집어삼키도록 설계된 먹잇감입니다.
이 기저에는 라이트의 법칙(Wright's Law)이 자리하고 있습니다. 어떤 제품이든 누적 생산량이 두 배가 될 때마다 비용은 일정 비율로 하락한다는 법칙입니다. 태양광은 수십 년간 이 법칙을 따랐습니다. 새로워진 점은 설계를 담당하는 주체가 더 이상 인간이 아니라는 것입니다. 따라서 두 배가 되는 주기는 짧아지고 비용 하락 속도는 빨라지며, 이것이 칩, 배터리, 패널에서 동시에 일어납니다.
바퀴가 한 번 구를 때마다 다음 회전은 더 빨라지고, 외부의 투입량에 의존하지 않습니다. 과거 버전의 이 순환은 한 바퀴 도는 데 수십 년이 걸렸습니다. 하지만 이번 순환은 몇 달 만에 한 바퀴를 돌며, 바퀴를 굴리는 주체 자체가 개선의 대상이 되었습니다.
저렴해진다는 것은 적어진다가 아니라 많아진다는 뜻이다
좋습니다. 이쯤에서 당연히 경제적 반론이 나옵니다. 지능이 이렇게 빠르게 저렴해진다면, 그것을 생산하는 데 필요한 것들도 줄어들지 않을까요... 칩도, 데이터센터도, 전력도 더 적게 필요해지는 것 아닐까요?
정반대의 일이 벌어지고 있으며, 그 이유는 석탄 시대부터 이미 알려져 있었습니다. Jevons 는 자원의 효율성이 높아지면 총소비량은 오히려 증가한다는 사실을 발견했습니다. 저렴해지면서 이전에는 경제성이 없어 불가능했던 용도가 열리기 때문입니다. 증기기관의 효율을 높이면 국가는 석탄을 덜 쓰는 것이 아니라 더 많이 태웁니다.
지능도 정확히 이와 같은 경로를 걷고 있습니다. a16z 가 2024 년 말 집계한 바에 따르면, 동일한 성능 기준 지능 단위당 비용은 매년 약 10 배씩 하락해 왔고 소비량은 하늘을 찌를 듯 치솟았습니다. 2025 년 10 월 기준 Google 은 한 달에 약 1.3 쿼드릴리언(10 의 15 제곱) 개의 토큰을 처리했는데, 이는 전년 대비 20 배 이상 증가한 수치이며, 올해 5 월에는 3.2 쿼드릴리언 개에 달했습니다. 생각하는 비용이 떨어질 때마다 이전에는 너무 비싸서 엄두도 못 냈던 문제가 풀리며, 아직 풀리지 않은 문제가 무궁무진하므로 이 수요에는 천장이 없습니다.
이것이 자본 지출(capex)이 멈출 수 없는 이유입니다.
"과대광고일 뿐이야. 정체되고 있어."
몇 달마다 한 번씩 듣는 이야기인데, 보통 이전만큼 눈부시지 않은 새 버전이 출시된 직후에 나옵니다. 흥분은 일주일 만에 사그라들고 일상은 다시 평온해지며, 사람들은 그 평온함 속에서 모든 것이 둔화되고 있다고 결론 내립니다.
제가 사용하는 사고 모델은 아이의 발달 과정입니다. 걸음마를 배우다 넘어지는 유아를 보고 다리가 고장 났거나 이 과제에는 너무 멍청하다고 판단할 수도 있고, 첫 단어를 기다리다 이 아이의 입은 말을 하도록 만들어지지 않았다고 단정할 수도 있습니다. 그러다 어느 순간 그냥 해내기 전까지는요. 이 모델들은 영유아와 같습니다. 어떤 영역에서는 초능력을 발휘하고 다른 영역에서는 인간 아이보다 훨씬 뒤처지지만... 영유아는 배우는 속도가 빠릅니다. 이번 분기에 하지 못하는 일을 보고 3 년 후의 위치를 판단하는 것은 매번 틀리는 실수입니다. 3 년 만에 우리는 형편없는 챗봇에서 우리가 가르치는 모든 과목에서 대부분의 인간보다 높은 점수를 받는 존재로 이동했습니다. 밈에서 말하는 것처럼 그저 편향 때문에 중간에 꺾일 것이라고(midcurve) 단정 짓지 마십시오.
여러분에게 이것이 의미하는 바
이 모든 것 밑바탕에 깔린 두려움은 지극히 개인적인 것이므로, 저도 개인적인 이야기를 해보겠습니다.
저는 기술 전문가가 아닙니다. 지난 1 월, 저는 cowork 에 PDF 하나를 넘겼고 6 분 만에 작동하는 웹사이트를 돌려받았습니다. 이후 Real Vision 의 모든 플랫폼 참여 지표를 모아 대시보드로 만들어달라고 요청했고 15 분 만에 완성되었습니다. 당시 저는 마치 사이보그가 된 기분이라고 글을 올렸습니다.
오늘날, 에이전트 세트를 갖춘 한 사람이 과거에는 기업 하나가 해야 했던 일을 해냅니다. 제 책 The Everything Code (11 월 3 일 출간 예정, 현재 예약 판매 중)에서 저는 전통적인 방식으로 10 년 넘게 회사를 일군 한 소프트웨어 엔지니어의 이야기를 소개합니다. 그는 잠시 물러난 뒤 단 한 번의 겨울 동안 개인 AI 프로젝트를 구축했고, 이 프로젝트는 GitHub 에서 6 자릿수 스타를 기록하며 그를 OpenAI 로 이끌었습니다. 같은 두뇌가 같은 직업윤리를 적용한 것입니다. 바뀐 것은 그가 딛고 선 토대뿐이었습니다.
"이것이 나를 대체하는가?"는 여러분의 자아가 던지는 질문이지만, 잘못된 질문입니다. 원하든 원치 않든 여러분 아래에 있던 업무 계층은 압축되고 있습니다. Maudslay 가 나사산을 손으로 깎던 모든 장인의 일을 압축했던 것과 똑같습니다. 더 나은 질문은 "그 계층을 대신 짊어질 수 있는 기계로 무엇을 할 것인가?"이며, 결국 초능력을 갖게 되는 사람들은 한 단계 위로 올라가 애초에 무엇을 만드는 것이 가치 있는지 판단하는 일에 집중하는 이들입니다.
기계를 만드는 기계를 소유하라
순환이 알려주는 것은 가치가 어디에 모이는가입니다. 지능이 지능을 만들 때, 수익은 그 순환을 소유한 자에게 흘러갑니다. 순환이 돌아가는 컴퓨팅, 컴퓨팅을 먹여 살리는 에너지, 그리고 에이전트들이 기계의 속도로 거래를 시작할 때 정착하는 레일이 그것입니다. 이들은 순환이 우회할 수 없는 요소들이며, 역사상 처음으로 평범한 사람도 그 일부를 소유할 수 있게 되었습니다.
이것은 지수적 시대(Exponential Age)가 이론에서 현실로 이행하는 과정이며, 제가 '경제적 특이점(Economic Singularity)' 프레임워크에서 다룬 2030 년에서 2032 년 사이의 창(window)과 정확히 맞닿아 있습니다. 기계 경제가 이를 측정하기 위해 만들어진 인간의 도구, 즉 GDP, 수익, 임금을 앞지르기 시작하는 시점이며, 낡은 숫자들은 더 이상 벌어지는 일을 설명하지 못합니다. 지금부터 그때까지의 시간이 바로 게임판입니다.
이에 대한 완전한 생각은 The Everything Code에 담겨 있습니다. 이 책은 금융 시스템이 어떻게 이토록 망가졌는지, 우리가 수십 년간 부채 순환에 갇혀 있었던 이유를 추적하고, 지수적 시대가 바로 지금 도래하는 것이 왜 같은 이야기의 나머지 절반인지 설명합니다.
이 글에 담긴 모든 것은 메커니즘을 이해하는 순간 필연적으로 보입니다. 그리고 기묘한 점은 이것이 바로 탈출구라는 사실입니다. 기계는 마침내 세계가 부채에서 벗어나 성장할 수 있도록 만들어주는 존재입니다. 수십 년간 제자리걸음이었던 상황에서, 이는 낙관할 만한 이유가 되며 책에서 저는 이 주장을 온전히 펼쳐 보입니다.
The Everything Code 는 11 월 3 일에 출간됩니다. 부탁 하나 드리자면, 구매하실 계획이라면 지금 예약 주문을 고려해 주시면 정말 영광이겠습니다. 이런 것들이 순위 상승에 큰 도움이 되며 저에게는 정말 큰 의미가 됩니다. 감사합니다.
이 주제에 대해 더 깊이 파고들고 싶으시다면 언제든 저와 대화를 이어가 주세요! raoulpal.ai에 지난 30 년간 제 생각을 학습시킨 AI 를 만들어 두었으며, 무료입니다. 그곳에서 저와 논의를 계속 이어가시길 바랍니다.
