전국통합뉴스 임명락 기자 | 인공지능(AI)이 일상의 도구를 넘어 사회 시스템의 핵심 인프라로 자리 잡은 지금, 우리는 한 단계 더 큰 전환을 목전에 두고 있다. 바로 좁은 영역에서만 뛰어난 ‘좁은 AI(Narrow AI, 또는 ANI)’에서 인간 수준의 범용성을 갖춘 인공일반지능(AGI, Artificial General Intelligence)으로의 이동이다.
이 과정에서 AGI 빌더, 언러닝(unlearning) 에이전트, 스스로 기능을 설계하고 구현·테스트하는 코딩 에이전트와 연구 에이전트가 핵심 키워드로 떠오르고 있다. 본 칼럼은 전 세계 최신 연구와 산업 동향을 바탕으로 전문 용어를 해석하고, 인간 지능(HI, Human Intelligence)과 AGI의 본질적 차이를 짚으며, AI 시대에서 AGI 시대로의 변화에 어떻게 대응해야 하는지를 살펴본다.
◇ 전문 용어의 정확한 이해
먼저 용어부터 정리하자.
AGI 빌더는 AGI 수준의 시스템을 설계·구축하는 개발자나 조직, 또는 그 과정을 자동화하는 메타 시스템을 가리킨다.
언러닝(Unlearning)은 이미 학습된 모델에서 특정 지식이나 행동(개인정보, 유해 콘텐츠, 편향 등)을 선택적으로 제거하는 기술이다. 재학습 없이 추론 시점에 다중 에이전트가 협력해 잊게 만드는 ‘에이전틱 언러닝(Agentic Unlearning)’ 연구가 2025~2026년 활발하다. 이는 프라이버시(잊힐 권리)와 안전성을 위한 필수 기능으로 자리 잡고 있다.
코딩 에이전트는 코드를 생성하고 테스트·수정까지 스스로 반복하는 에이전트다. 최근에는 자신의 코드와 아키텍처를 수정해 성능을 높이는 자기 개선(self-improving) 코딩 에이전트가 등장했다.
연구 에이전트는 실험 아이디어를 제안하고, 코드를 작성·실행하며, 결과를 분석해 논문을 초안까지 작성하는 시스템이다. ‘실험 아이디어를 코드로 구워내는’ 과정이 자동화되는 단계에 이르렀다.
전체 기능을 스스로 설계·구현·테스트하는 에이전트는 Meta Agent Search나 Self-MAS처럼, 에이전트 자체가 새로운 에이전트 구조를 코드로 발명하고 검증하는 시스템을 말한다.
이러한 에이전트들은 단순한 프롬프트-응답을 넘어 장기 목표를 세우고, 도구를 사용하며, 실패를 반영해 반복하는 ‘에이전틱 AI(Agentic AI)’의 핵심이다.
■ HI와 AGI의 근본적 차이
HI(Human Intelligence)는 생물학적 뇌에서 나오는 일반 지능이다. 에너지 효율이 극히 높고(약 20와트), 소량의 경험으로도 빠르게 학습하며, 맥락·감정·상식·가치 판단을 통합한다. 한 영역에서 배운 것을 전혀 다른 영역에 유연하게 전이하고, 모호한 상황에서 판단하며, 장기 목표와 사회적 규범을 스스로 조절한다.
반면 현재의 AI는 대부분 좁은 AI다. 특정 작업(텍스트 생성, 이미지 인식, 코드 완성 등)에서는 인간을 압도하지만, 영역 간 전이가 제한적이고, 훈련되지 않은 새로운 상황에서는 취약하다.
AGI는 이론적으로 ‘잘 교육받은 성인 수준의 인지 유연성과 숙련도를 모든 지적 작업에서 보여주는’ 시스템으로 정의된다. 지식을 전이하고, 자율적으로 학습하며, 낯선 문제를 해결할 수 있어야 한다. 2026년 현재 합의된 AGI는 아직 존재하지 않는다는 견해가 다수지만, 코딩 에이전트와 장기 호라이즌(long-horizon) 에이전트가 ‘기능적으로 AGI에 가깝다’는 주장(Sequoia Capital 등)도 나오고 있다. 즉, 기술적 정의와 기능적 정의 사이에서 논쟁이 진행 중이다.
요약하면, HI는 생물학적·경험적·사회적 지능의 총합이고, AGI는 이를 기계적으로 재현하거나 능가하려는 목표다. 현재 AI는 HI의 일부 능력을 극대화한 도구이며, AGI는 그 범위를 전면적으로 확장하려는 시도다.
■ AI 시대에서 AGI 시대로의 변화와 대응
AI 시대(대략 2022~2025년)는 생성형 모델과 좁은 에이전트가 생산성을 폭발적으로 높인 시기였다. 반면 AGI 시대의 징후는 ‘자기 설계·자기 개선·자기 실험’이 가능한 에이전트의 등장에서 나타난다. 연구 에이전트가 아이디어를 코드로 구현하고 실험하며, 코딩 에이전트가 자신의 구조를 수정하고, 언러닝 에이전트가 위험 지식을 실시간으로 제거하는 시스템이 동시에 발전하고 있다. 이는 단순한 자동화 수준을 넘어 ‘지능이 지능을 만드는’ 재귀적 자기 개선(Recursive Self-Improvement)의 초기 단계로 해석된다.
변화에 대응하기 위한 핵심은 세 가지다.
첫째, 인간-에이전트 협업 체계의 재설계다. AGI에 가까운 에이전트가 실험과 코딩을 주도하더라도, 목표 설정·가치 판단·최종 책임은 인간이 유지해야 한다. HI의 강점인 윤리·맥락·장기적 비전을 에이전트에 주입하는 ‘정렬(Alignment)’과 언러닝이 필수다.
둘째, 안전과 거버넌스의 선제적 구축이다. 에이전트가 도구를 사용하고 기억을 유지하는 환경에서는 단순 파라미터 언러닝만으로는 부족하다. 도구를 통한 지식 복구(tool-mediated recovery)를 막는 에이전틱 언러닝, 감사 가능한 로그, 실패 시 인간 개입 지점 등이 표준화되어야 한다.
셋째, 교육과 사회 시스템의 전환이다. 단순 반복 업무는 에이전트가 담당하고, 인간은 에이전트를 설계·감독·평가하는 ‘AGI 빌더’ 역량과 다학제적 판단력을 키워야 한다. 국가 차원에서는 연구 에이전트와 코딩 에이전트의 안전한 배포 기준, 데이터·지식의 소유권, 노동 시장의 재배치를 동시에 준비해야 한다.
세계적으로 생성되는 방대한 정보와 연구 결과물은 이미 AGI로의 경로를 가속하고 있다. 코딩 에이전트가 장기간 자율적으로 목표를 추구하고, 연구 에이전트가 과학 실험을 자동화하며, 언러닝이 안전장치를 강화하는 흐름은 되돌리기 어렵다. 그러나 AGI가 도래하더라도 HI가 사라지는 것은 아니다. 오히려 HI의 고유한 가치—창의성, 공감, 책임, 의미 부여—가 더욱 빛을 발하는 시대가 될 수 있다.
우리는 지금, AI 도구를 쓰는 소비자를 넘어 AGI 시대의 설계자가 될 것인지, 아니면 변화에 휩쓸릴 것인지를 선택하는 기로에 서 있다. 전문 용어를 정확히 이해하고, 기술 발전의 속도와 방향을 주시하며, 인간과 에이전트가 상호 보완하는 시스템을 구축하는 것. 그것이 이 전환기를 슬기롭게 통과하는 길이다.
(임명락 기자는 AI·기술 정책과 미래 사회 변화를 집중 취재하고 있다.)
