AI를 전기처럼 풍부하게: 샘 올트먼이 전망한 초대형 경제 붐

메타데이터

• 원문 제목: [한영자막] 샘 올트먼이 밝힌 AI 대전환, 사상 최대의 경제적 붐이 찾아오는 이유입니다
• URL: https://www.youtube.com/watch?v=fN_D7PgtUik
• 영상 ID: fN_D7PgtUik
• 날짜: 2026-09-07
• 채널: Tech Bridge
• 주요 인물: Sam Altman, Arthur(대담 진행자)
• 주제: 인공지능(AI), OpenAI, 창업, 경제 성장, 인프라, 민주화, 안전

---

📌 핵심 질문 / 이 대화가 다루는 핵심 논점

==AI를 전기처럼 풍부하고 저렴한 범용 자원으로 만들면 모든 사람이 지능과 교육에 접근하고, 창업과 경제 활동의 진입장벽이 사라져 사상 최대의 기업가정신 붐이 올 수 있다. 다만 사이버보안·바이오보안·권력 집중 같은 위험을 해결하고, AI의 미래를 사람과 각국 사회가 주도하도록 해야 한다.==

• 딥러닝(Deep Learning)은 2012년경부터 컴퓨팅 자원을 늘릴수록 성능이 좋아지는 전환점을 맞았고, 이 통찰이 OpenAI와 GPT 계열의 출발점이 되었다.
• GPT-4를 전후해 AI가 단순히 문장을 생성하는 도구를 넘어 지식을 포착하고, 새로운 지식을 발견하고, 과학과 복잡한 소프트웨어 작업을 수행하는 시스템으로 도약했다.
• AI는 자본·전문가·공급망을 갖추지 못한 사람도 사업을 시작하게 하며, 코딩 에이전트(Coding Agent)와 사무직 에이전트(White-collar Work Agent), 장기 지속형 가상 협력자로 발전하고 있다.
• 국가별 규제 방식은 달라도 AI를 활용하는 것 자체는 협상 불가능한 선택이 되며, 지능을 희소한 사치품이 아닌 풍부한 공공적 자원으로 만드는 인프라 투자가 핵심이다.

샘 올트먼은 AI를 독립된 단절적 혁명으로 과장하기보다 농업·산업·컴퓨터 혁명이 쌓아 올린 비계(scaffolding) 위에 이어지는 연속적인 지수 성장으로 해석한다. OpenAI의 역할은 모든 사회의 맥락과 문제를 대신 결정하는 것이 아니라, 누구나 사용할 수 있는 강력한 지능 엔진을 제공하는 것이다. 경제적 낙관론은 위험을 외면하는 태도가 아니라 걱정과 정책·기술적 대응으로 사고를 줄여 온 인류의 능력에 대한 신뢰에 기반한다.

1. AI에 대한 개인적 집착이 OpenAI로 이어진 경로

AI의 현재는 갑자기 나타난 천재적 도약이 아니라, 작동하지 않던 기술에 대한 관심과 딥러닝의 전환점, 창업 경험이 이어진 결과다.

1.1. AI 덕후에서 창업가로 이어진 우회로

1. 어린 시절부터 AI와 SF에 매료됨

   1. 샘 올트먼은 자신을 늘 AI 덕후(AI nerd)였다고 설명하며, 어릴 때부터 진짜 SF 덕후(real sci-fi nerd)였다고 말한다.
   2. 인공지능을 가장 멋진 기술이라고 생각했고, 언젠가 그 분야에서 일하고 싶어 했다.
   3. 실제로 AI를 만들게 될 것이라고는 거의 생각하지 못했기 때문에, 자신에게 이 일이 일어났다는 사실을 지금도 믿기 어렵다고 표현한다.

2. 학교에서 AI를 공부했지만 기술이 작동하지 않음

   1. AI를 공부하기 위해 학교에 갔지만 당시에는 제대로 작동하는 것이 거의 없었다.
   2. 결국 AI 연구를 잠시 포기하고 창업이라는 ‘사이드 퀘스트(side quest)’로 방향을 틀었다.
   3. 창업 역시 훌륭한 경험이었고, 훗날 기업가정신을 자본주의의 가장 중요한 새로운 동력으로 보는 관점의 기반이 되었다.

1.2. 2012년의 전환점과 OpenAI의 탄생

1. 딥러닝이 갑자기 작동하기 시작한 순간

   1. 2012년 무렵 모든 것이 달라졌다. 당시 많은 사람이 충분히 주목하지 않았지만 딥러닝이 갑자기 실제로 작동하기 시작했다.
   2. 컴퓨팅(Compute)을 더 투입할수록 시스템이 더 좋아지는 현상이 확인되었고, 올트먼은 이후 몇 년 동안 이 사실에 집중했다.
   3. 2015년이 되자 이 흐름이 현실이 될 것이라고 판단했고, “이건 정말 일어날 일이다. 우리가 잡고 시도해야 한다. 인생에서 가장 중요한 일이 될 수도 있다”라고 생각했다.

2. OpenAI의 시작

   1. 무엇을 할지 한동안 고민한 뒤 OpenAI를 시작했다.
   2. OpenAI는 2015년 말에 발표되었고, 실제 첫 업무일은 2016년 1월이었다.
   3. 출발점에는 완성된 청사진이 없었다. 컴퓨팅을 문제에 적용해 시스템이 학습하도록 만들 수 있고, 컴퓨팅 자원을 많이 쓸수록 더 똑똑하고 유능해진다는 사실 외에는 아는 것이 거의 없었다.

3. 언어 모델 이전의 실험

   1. 당시에는 언어 모델(Language Model)이라는 개념이 지금처럼 중심에 있지 않았다.
   2. 연구팀은 로봇 손(Robot Hand)이 루빅 큐브(Rubik’s Cube)를 맞추게 하는 방법을 훈련하려 했다.
   3. 비디오 게임을 플레이할 수 있다는 것을 보여주려 했고, 알고리즘을 개발하면서 우주가 가진 놀라운 학습 속성이 어떻게 작동하는지 이해하려 했다.

1.3. GPT-1에서 GPT-4까지의 인식 변화

1. 비지도 학습과 GPT-1

   1. 2018년경에야 비지도 학습(Unsupervised Learning)에서 진전이 나타났고, 최초의 GPT-1 모델이 나왔다.
   2. GPT-1은 가능성을 보여줬지만, 이 단계만으로는 AI가 경제와 사회에 어떤 의미를 가질지 판단하기 어려웠다.

2. GPT-3가 사용성 기준선을 넘음

   1. 2020년에 학습한 GPT-3는 올트먼이 보기에 실제 사용성의 일정 기준(threshold of usability)을 처음 넘어선 모델이었다.
   2. 당시 대다수 사람은 모델이 논리적으로 말이 되는 문장을 생성할 수 있다는 점을 확인하는 수준에 머물렀다.
   3. 꽤 인상적이기는 했지만 “그래서 경제·사회에 무슨 의미가 있는가?”라는 질문에는 아직 답하기 어려웠다.

3. 확장성의 법칙과 GPT-4의 의미

   1. OpenAI는 이미 확장성의 법칙(Scaling Laws)을 발견했다. 아이디어에 1조 달러(trillion dollars) 규모의 컴퓨팅을 투입할 수 있다면 매우 놀라운 일이 일어날 것이라는 법칙이었다.
   2. “1조 달러어치 컴퓨팅을 실제로 투입할 수 없으니 상관없다”는 반응에 대해 OpenAI는 “왜 안 되는가? 한번 시도해 보자”라고 답했다.
   3. OpenAI 내부에서 GPT-4를 2023년 3월경 출시하기 약 8개월 전부터 보유하며 충분히 관찰했다. 정확한 시점은 올트먼도 확신하지 못한다고 덧붙였다.
   4. 처음에는 이 접근법을 회의적으로 보던 내부 사람들까지 GPT-4를 보고 “이건 정말 멀리 갈 것”이라고 판단했다.
   5. 대담 시점은 그 전환점에서 약 3년 반이 지난 때였고, 곧 새 모델을 내놓을 예정이었다. 올트먼은 새 모델이 또 하나의 전진이며 이후에도 전진이 계속될 것이라고 말했다.

4. 지식 포착을 넘어선 능력

   1. GPT-4 전후의 시스템은 교육과 지식을 포착하는 수준을 넘어 새로운 지식을 발견할 수 있게 되었다.
   2. 과학 연구를 수행하고, 막대한 경제적 가치를 만들며, 복잡한 소프트웨어의 전체 구성 요소를 생성할 수 있을 만큼 유능해졌다.
   3. 올트먼은 자신이 새 모델에 대해 지나치게 열정적으로 말할 수 있다며 양해를 구했지만, 이 변화가 “정신없는 순간”이라는 감정은 숨기지 않았다.

2. AI가 여는 사상 최대의 기업가정신 붐

AI는 아이디어를 가진 사람이 자본·전문가·공급망을 확보하지 못했다는 이유로 멈추지 않도록 사업 실행의 전 과정을 보조한다.

2.1. 창업에 필요한 자원의 병목을 풀다

1. 작은 아이디어가 자원 부족으로 사라지던 이유

   1. 과거에는 좋은 아이디어가 있어도 충분한 자본을 모으거나 적절한 전문가를 고용하지 못하면 실행할 수 없었다.
   2. 새로운 과학기술을 발명하는 데 필요한 지식을 얻거나 복잡한 공급망(Supply Chain)을 관리할 능력이 부족해도 사업은 멈췄다.

2. AI가 제공하는 범용 실행력

   1. AI는 자본·전문가·연구 역량·운영 역량의 부족을 일정 부분 보완해 아이디어를 실제 결과물로 옮긴다.
   2. AI가 대기업과 정부를 바꾸는 것만큼이나, 아이디어를 세상에 빠르게 내놓으려는 개인과 기업가에게 미치는 효과가 놀랍다는 것이 올트먼의 초기 기대였다.
   3. 사람들이 아이디어를 내고, 제품을 만들고, 실제 고객에게 피드백을 받는 주기가 짧아질수록 경제적 가치뿐 아니라 결과물의 품질도 함께 높아진다.

2.2. 빨래방 운영자의 사례가 보여준 초기 변화

1. 사업 전체를 ChatGPT로 운영한 사람

   1. ChatGPT 출시 후 올트먼에게 가장 오래 남은 사례는 한 빨래방(laundromat) 운영자였다.
   2. 빨래방은 일반적으로 괜찮은 사업인 듯하지만, 올트먼에게는 그 사실이 처음부터 분명하지 않았다는 농담이 곁들여졌다.
   3. 그 빨래방은 잘 운영되지 않았지만, 운영자는 사업의 거의 모든 일에 ChatGPT를 사용했다.

2. 활용 범위와 시점의 의미

   1. ChatGPT는 마케팅 자료 작성, 법률 계약에 대한 조언, 공급업체와의 관계 관리에 활용됐다.
   2. 올트먼이 만난 사람 중 AI를 활용해 사업을 효과적으로 운영하는 방법을 처음으로 알아낸 사례였다.
   3. 2023년에는 ChatGPT가 아직 고장 나고 당황스러운 결과를 내는 ‘창피한 도구’였음에도, 그 도구로는 혼자 운영할 수 없었을 사업을 운영했다는 사실 자체가 놀라웠다.

2.3. 코딩 에이전트에서 가상 협력자로

1. 2025년의 가속

   1. 2025년에는 코딩 에이전트(Coding Agent)와 사무직 업무 에이전트(White-collar Work Agent)의 등장으로 변화가 실제로 가속되었다.
   2. AI는 단순한 질문 응답 도구에서 일을 맡아 처리하는 실행 주체로 이동하고 있다.

2. 세 번째 단계: 지속형 에이전트

   1. 올트먼은 머지않아 장기 지속형 에이전트(Long-term Persistent Agent)가 등장할 것이라고 전망했다.
   2. 이런 에이전트는 실제 가상 협력자(Real Virtual Collaborator)처럼 계속 일을 기억하고 수행하며, 사용자에게 지속적으로 도움을 준다.
   3. 이 변화는 창업의 불씨를 붙이는 기업가정신을 대규모로 확산시키고, 세계가 아직 그 결과를 제대로 따라잡지 못한 상태라는 판단으로 이어진다.

2.4. 기업가정신과 OpenAI의 결합

1. 창업을 자본주의의 새로운 동력으로 본 배경

   1. 올트먼은 OpenAI 이전에 스타트업 액셀러레이터(Startup Accelerator)를 운영했다.
   2. 대학에 진학한 뒤 기업가정신에 관심을 가졌고, 수많은 창업팀을 가까이서 관찰한 경험을 통해 기업가정신이 자본주의 전체에서 가장 중요한 새로운 원동력일지도 모른다고 확신하게 되었다.
   3. 지난 20년 동안 기술 업계의 중요한 새 아이디어 중 상당수가 대기업이 아니라 스타트업에서 나왔다는 사실도 이 믿음을 강화했다.

2. 기업의 톱니바퀴가 아닌 라이프스타일 사업

   1. 세계의 많은 사람은 대기업의 작은 톱니바퀴(corporate cog)가 되기보다 좋은 라이프스타일 사업(Lifestyle Business)을 운영하고 싶어 한다.
   2. 올트먼은 이 선택을 낮게 평가하지 않고, 사람들이 원하는 방식으로 일하고 사업을 만들 수 있도록 가능하게 해야 한다고 말했다.
   3. 스타트업 액셀러레이터에서 3개월 동안 해내길 기대했던 작업이 Codex를 사용하면 약 17분 만에 가능해질 수 있다는 비교는 실행 주기 단축을 상징한다.

3. 국가가 AI를 받아들여야 하는 이유와 맥락의 역할

AI 도입의 구체적 방식은 각국이 정할 수 있지만, 활용 여부 자체를 거부하는 것은 전기 도입을 거부하는 것과 비슷한 선택이 된다.

3.1. AI 활용은 협상 불가능한 국가적 선택

1. 국가별 방식은 달라도 활용은 필수

   1. 각국은 AI를 규제하고, 자국에 들여오고, 활용하는 방식에서 매우 다른 접근을 취할 수 있다.
   2. 데이터센터를 직접 건설할지, 다른 기업의 데이터센터를 빌릴지, 데이터센터를 자국에 두지 않을지 역시 국가가 정할 수 있다.
   3. 그러나 경제 성장과 국민에게 돌아갈 이익, 국가 전체가 얻을 가치가 너무 크기 때문에 AI를 사용하지 않는 선택은 협상 불가능한 사안이 된다.

2. 가장 똑똑한 사람들이 이주해 오는 비유

   1. AI를 활용한다는 것은 세계에서 가장 똑똑한 사람들이 한 나라로 이주해 와서 그 나라의 언어를 배우고, 원하는 문제를 열심히 풀며, 필요한 새 지식을 발견해 주는 것과 비슷하다.
   2. 국가는 이 지능을 원하는 만큼 활용할 수 있고, 그 결과는 개인의 삶과 산업 전반에 퍼진다.
   3. 올트먼은 이 자원을 ‘병 속에 담긴 지능(intelligence in a bottle)’이자 ‘병 속에 담긴 교육(education in a bottle)’이라고 표현했다.

3.2. OpenAI가 제공할 것과 제공하지 않을 것

1. 범용 지능 엔진의 제공

   1. OpenAI는 세계의 사람들이 원하는 목적에 사용할 수 있는 놀라운 AI라는 범용 엔진과 상품(commodity)을 제공한다.
   2. 기업과 정부, 개인이 각자 다른 방식으로 활용할 수 있도록 플랫폼이자 전 세계를 위한 서비스가 되는 것이 역할이다.

2. 사회적 맥락은 사용자와 지역의 몫

   1. 어떤 아이디어를 AI에 던질지, 어떤 문제를 풀게 할지, 특정 사회나 기업의 어떤 맥락이 중요한지는 해당 사회와 기업이 결정해야 한다.
   2. OpenAI가 모든 국가와 기업의 맥락을 대신 만들어 주는 것은 적절하지 않으며, 그렇게 하더라도 잘 해내기 어렵다.
   3. 대신 세계 곳곳의 사람들이 자신의 맥락·질문·아이디어를 AI에 연결해 실제 결과를 얻도록 지원할 수 있다.

3. 대화가 되지 않는 만찬 비유

   1. 세계에서 가장 똑똑한 사람들이 한 동네로 이사 와서 일해 주더라도, 그들과 서로 모르고 대화할 수 없다면 즐거운 저녁 식사가 아니다.
   2. 능력만 공급하는 것과 그 능력이 지역의 언어·문제·문화적 맥락 속에서 작동하는 것은 다른 문제다.
   3. 따라서 범용 엔진과 지역별·산업별 맥락을 연결하는 기업가와 기관의 역할이 중요해진다.

3.3. 전기와 같은 기반재가 되는 AI

1. 100여 년 전 전기 도입과의 비교

   1. 국가에 AI를 도입하지 않겠다는 것은 100여 년 전 국가에 전기를 도입하지 않겠다고 말하는 것과 대략 같은 수준의 실수가 될 수 있다.
   2. AI는 개인과 기업뿐 아니라 사회 전체가 시민이 요구하는 삶의 질을 제공하기 위해 필요한 기반이 된다.

2. 전기가 일상에 녹아든 과정

   1. 전기는 복잡한 문제와 위험을 동반했고, 안전하게 사용하는 방법을 알아내는 데 시간이 걸렸다.
   2. 그럼에도 사회는 빠르게 발전했고, 지금은 불을 켜거나 실내에서 목소리를 듣거나 스마트폰을 사용하는 순간 전기를 거의 의식하지 않는다.
   3. 정전으로 마이크가 작동하지 않아 소리를 질러야 한다면 짜증이 날 것이라는 농담은 전기가 이미 보이지 않는 일상 인프라가 되었음을 보여준다.

3. AI도 결국 보이지 않는 기본 기능이 됨

   1. 올트먼은 10년 뒤 사람들이 지금처럼 AI를 많이 이야기하지 않을 것이라고 예측했다.
   2. 모든 제품과 서비스가 똑똑하고 유능하며 도움이 되는 것을 당연하게 여기게 되기 때문이다.
   3. 사람들은 AI 자체를 생각하기보다 “내 제품이 좋았으면 한다”, “아이디어가 떠오르면 즉시 소프트웨어로 만들고 싶다”, “질병이 생기면 치료법이 빨리 발견되길 바란다”고 말하게 된다.

4. AI를 단절된 종말론이 아닌 연속적 기술 혁명으로 보기

현재의 AI는 중요하지만 마지막 혁명은 아니며, 이전 혁명들의 누적 위에 다음 발명을 가능하게 하는 새로운 비계다.

4.1. 농업·산업·컴퓨터 혁명의 비계

1. 어린 시절의 단절적 혁명 관점

   1. 올트먼은 어릴 때 역사의 중요한 순간을 농업 혁명(Agricultural Revolution), 산업 혁명(Industrial Revolution), 컴퓨터 혁명(Computer Revolution)처럼 서로 완전히 다른 사건으로 이해했다.
   2. 각 혁명은 서로 관련이 적고 독립적으로 이해해야 하며, 다른 혁명에서 배울 교훈도 많지 않다고 생각했다.

2. 산업혁명은 수십 기술의 결합

   1. 성인이 된 뒤 산업혁명을 자세히 보면 수백 년 동안 개발된 20~30개의 중요한 기술이 특정한 방식으로 결합한 결과라는 사실을 알게 된다.
   2. 혁명은 한 가지 발명품이 세상을 단번에 바꾼 사건이 아니라, 여러 기술이 쌓이고 연결되어 다음 단계의 능력을 만든 과정이다.

3. 세대별 벽돌과 비계

   1. 한 세대는 앞선 세대가 만든 비계 위에 새로운 벽돌을 놓는다.
   2. 사람들은 기존 비계의 층에 올라가 더 높은 곳을 보고, 그 위에서 새로운 일을 시작한다.
   3. AI를 만들 수 있게 된 현재는 농업·산업·컴퓨터 혁명과 사회 전반의 과학적 집단 발견, 세계 경제의 기여가 겹쳐진 결과다.

4.2. ‘마지막 혁명’이 아닌 연속적인 지수 성장

1. AI 이후에도 더 큰 일이 온다

   1. 현재의 변화가 너무 커 보이면 “이것이 마지막이자 가장 큰 혁명”이라고 말하고 싶은 유혹이 생긴다.
   2. 그러나 사람들은 AI를 활용해 다음에 등장할 것을 발명할 것이며, 지금은 그것이 무엇인지 상상하기 어렵다.

2. 기술·경제·사회의 연속 지수 함수

   1. 기술의 역사는 하나의 연속적인 지수 성장(Continuous Exponential)으로 보아야 한다.
   2. 경제와 사회의 역사도 하나의 연속적인 지수 성장으로 볼 수 있으며, 이 성장은 기술 자체만으로 이뤄지지 않는다.
   3. 사회적 결속과 복잡한 세계의 구조가 기술을 번성시키고, 사람들이 그 기술로 무엇을 할지 알아내게 한다.

3. 연속적으로 받아들여야 하는 이유

   1. 어느 한 단계라도 놓치면 다음 단계의 비계를 발명할 준비가 되지 않는다.
   2. 직원과 기업이 AI를 활용할 수 있게 하지 않으면 그 사회는 다음 수준의 혁신적 구조를 만들 수 없다.
   3. 따라서 AI가 중요하다는 사실을 인정하되, AI를 역사와 분리된 유일무이한 종착점으로 보는 대신 연속 과정으로 받아들여야 한다.

4.3. OpenAI의 DNA: 실용주의와 인간 중심

1. 실용주의자들의 관점

   1. OpenAI가 이 자리에 가장 잘 맞는 정체성은 실용주의자(pragmatist)의 관점이라고 올트먼은 설명했다.
   2. 미래를 말할 때 자신이 보는 것을 정확히 말하고, 맹목적 낙관주의(blind optimism)에 빠지지 않으려 한다.
   3. 동시에 모든 것을 끝장났다고 보는 파국론(doomerism)에도 빠지지 않으려 한다.

2. 흥분과 불안의 동시 존재

   1. AI 전환에는 기대감과 불안감, 변화를 향한 흥분과 실제 위험이 함께 존재한다.
   2. 어느 한 극단에 끌려가면 눈앞의 복잡한 과제를 성공적으로 해결할 수 없다.
   3. OpenAI는 재앙적 위험을 피할 충분한 제약을 시스템에 넣으면서도, 이 기술이 사회에서 다양한 방식으로 쓰일 수 있게 하는 신뢰할 수 있는 파트너가 되려 한다.

3. 주권과 팀 인류

   1. 각 국가가 AI를 서로 다른 방식으로 사용할 권리와 주권(sovereignty)을 존중해야 한다.
   2. OpenAI가 그 활용 방식을 항상 좋아하지 않을 수 있지만, 사람들이 전기를 사용하는 모든 방식을 좋아하지 않아도 모두가 전기를 사용할 권리가 있다고 생각하는 것과 같은 논리다.
   3. OpenAI는 경쟁사와 달리 자신을 단호하고 자랑스럽게 ‘팀 인류(team humanity)’에 속한다고 규정한다.
   4. 사람을 위한 도구를 만들고 사람의 삶을 개선하며, 경제·사회·세계적 의사결정의 중심에 사람이 남아 AI의 미래를 이끌어야 한다고 주장한다.

4. 모두가 번영해야 한다는 경쟁관

   1. OpenAI는 유일한 회사가 되거나 모든 가치를 독점하기를 원하지 않는다.
   2. 한 회사가 모든 가치를 흡수하는 것은 세계 안정에 좋지 않고, 사람들이 번영하며 사회의 중심에 머물러야 한다는 원칙에도 맞지 않는다.
   3. 기업가·정부·대기업을 포함한 전 세계의 조직이 이 기술로 번영하도록 돕는 것이 목표다.

5. 지능을 풍부하게 만들기 위한 인프라와 민주화

AI의 민주화는 좋은 의도만으로 이뤄지지 않으며, 폭증하는 지능 수요를 감당할 컴퓨팅·전력·칩·알고리즘 인프라를 동시에 확장해야 한다.

5.1. 5년 뒤를 막는 구체적 위험

1. 사이버보안은 긴급히 다뤄야 할 첫 번째 과제

   1. 5년 뒤를 내다볼 때 해결해야 할 구체적 문제 중 하나는 사이버보안(Cybersecurity)이다.
   2. 올트먼은 현장에 있는 많은 사람에게 사이버보안이 이미 가장 중요한 문제일 것이라고 말했다.
   3. OpenAI는 여러 주지사와 노스캐롤라이나 주, 크고 작은 기업과 협력하고 있지만, 문제를 비켜 가려 해서는 안 된다고 강조했다.
   4. 사람들이 매우 긴급하게 행동하지 않으면 사이버보안에서 심각한 일이 잘못될 수 있다.

2. 바이오보안과 아직 이름 붙이지 못한 더 큰 문제

   1. 향후 5년에는 바이오보안(Biosecurity)과 그와 관련해 맞닥뜨릴 문제도 등장한다.
   2. 그보다 더 큰 도전이 아직 남아 있을 수 있으며, 현재 예상하는 것만이 위험의 전부는 아니다.

3. 위험 대응 실패의 연쇄 효과

   1. 위험과 단점을 성공적으로 헤쳐 나가지 못하면 사회는 사람들이 마땅히 누려야 할 수준과 속도로 AI를 받아들이지 못한다.
   2. 대응 실패는 기술 발전을 크게 후퇴시킬 수 있고, AI의 사회적 도입 자체를 늦출 수 있다.

5.2. 권력 집중과 불평등을 피하는 조건

1. AI는 평등화의 힘이어야 함

   1. AI는 세계를 평등하게 만드는 힘(equalizing force)이 되어야 한다.
   2. 모든 사람이 이용할 수 있는 교육 역량을 재설정하는 것이 AI의 큰 잠재력이다.

2. 초기 투자에 따른 집중 시나리오

   1. 일부가 일찍 투자하고 다른 사람은 투자하지 못하면 AI가 특정 계층이나 분야에 집중될 수 있다.
   2. 컴퓨팅 자원에 이미 존재하는 심각한 불평등이 AI에도 이어지면 부유층만 AI를 장악할 위험이 있다.

3. 풍부함(abundance)이 핵심 방어선

   1. AI를 풍부하게 만들지 못하면 AI는 소수의 부유층이 거액을 지불해 경쟁적으로 확보하는 뜨거운 희소 자원이 된다.
   2. 그렇게 되면 모두를 끌어올리는 이익보다 불평등을 더 악화시키는 결과가 나올 수 있다.
   3. 따라서 AI를 충분히 공급해 누구나 필요에 따라 사용할 수 있도록 만드는 것이 민주화와 사회적 안정의 전제다.

5.3. 토큰 사용량으로 본 지능 수요의 폭발

1. 수치의 한계와 전제

   1. 올트먼은 토큰(Token)이 지능의 양을 측정하는 좋은 단위가 아니며 “어리석은 단위이고 아무도 신경 쓰지 않아야 한다”고 농담했다.
   2. 정확한 수치를 준비하지 못했고 근사치를 말하는 것이라며, 토큰을 지능의 양을 나타내는 약어로만 사용하겠다고 전제했다.

2. 2020년에서 2026년 중반까지

   1. 2020년 초 전 세계 토큰 사용량 선두는 OpenAI 직원이었고, 한 달에 약 10만 토큰을 사용했다.
   2. 2026년 중반 올트먼이 아는 범위에서 OpenAI 안의 선두 사용자는 한 달에 수천억(hundreds of billions) 토큰을 사용했다. OpenAI 밖에 더 많이 사용하는 사람이 있을 가능성도 열어 두었다.
   3. 약 6년 반 동안 선두 사용량이 수백만 배(multi-million times) 증가한 셈이다.
   4. 지구 평균 인구의 사용량도 사실상 0에서 1인당 월 10만 토큰으로 증가했다.

3. 다음 6년 반의 단순 외삽

   1. 같은 흐름을 순진하게 외삽하면 6년 반 뒤 평균 1인당 월 토큰 사용량이 약 1,000억(100 billion) 토큰에 이를 수 있다.
   2. 세계에서 가장 많이 사용하는 사람은 월 100경(100 quadrillion) 토큰을 사용할 수 있다는 계산도 제시했다.
   3. 올트먼은 잠시 ‘1경 100조’라고 말했다가 월 100조인지 100경인지 스스로 정정하며 숫자의 불확실성과 토큰 단위의 우스꽝스러움을 드러냈다.

4. 수요를 감당할 인프라

   1. 효율성이 크게 개선되더라도 이 정도의 지능 수요를 감당하려면 훨씬 더 많은 인프라를 건설해야 한다.
   2. AI가 지나치게 비싼 상품이 되는 것을 원하지 않는다면, 공급 확대와 비용 절감은 선택이 아니라 필수다.
   3. 더 효율적인 기술, 더 좋고 성능이 뛰어난 칩, 더 똑똑한 알고리즘을 함께 개발해야 한다.

5.4. 전구의 가격 하락이 보여주는 풍요의 경제학

1. 한 시간의 빛에 필요했던 노동

   1. 전기 이전의 오래된 자료를 보면 당시 임금으로 밤에 한 시간 불을 켜기 위해 평균 다섯 시간의 노동이 필요했다.
   2. 전기가 등장한 뒤 전력 생산량이 늘고, 공급과 수요의 곡선이 내려가고, 더 효율적인 전구가 개발되면서 빛의 가격이 계속 떨어졌다.

2. 백열등에서 LED까지

   1. 인류는 백열등(Incandescent Light)에서 LED로 옮겨갔고, 전력 생산과 효율성에서 여러 혁신을 추가했다.
   2. 이제 밤에 한 시간 불을 켜는 비용은 사람들이 거의 생각하지 않는 수준이다.
   3. 정확한 숫자는 모르지만 5와트 전구를 한 시간 켜는 비용은 매우 저렴하다는 현장 농담이 나왔다.

3. 에너지 풍요가 만든 기회의 평등

   1. 전력 생산과 효율 혁신이 없었다면 부유한 사람만 밤에 불을 켜고 더 공부해 지식의 복리 효과를 누렸을 것이다.
   2. 에너지와 조명이 풍부하고 놀라울 정도로 저렴해진 것은 가난한 사람도 같은 기회를 얻게 했다는 점에서 매우 좋은 변화였다.

4. AI를 전등처럼 쓰는 미래

   1. AI에서도 같은 일이 일어나면 부자든 가난하든 지구상의 누구나 필요한 풍부한 서비스를 이용할 수 있다.
   2. 사람들은 아이디어를 표현하고 사업을 시작하며, 예전에는 자본과 전문가가 필요했던 일을 실행할 수 있다.
   3. AI가 충분히 저렴하고 똑똑해져 전등 한 대를 켜는 비용처럼 느껴지면, 교육의 대대적인 재설정과 민주화가 가능해진다.
   4. 세계적으로 충분한 지능을 구축하면 지능이 널리 분배되고 교육 접근성이 보편화된다.

6. 낙관론의 근거는 위험을 걱정하고 해결하는 능력이다

AI의 경제적·개인적 가치는 매우 크지만, 낙관론은 안전 문제를 무시하지 않고 위험을 예상해 제도와 기술로 완화한다는 전제 위에 선다.

6.1. 안전을 위한 걱정의 기능

1. 극단을 거부하는 낙관론

   1. 대담 상대는 산업혁명을 지나온 인류가 결국 문제를 해결해 왔다는 점을 들어 올트먼에게 AI의 미래를 근본적으로 낙관하는지 물었다.
   2. 올트먼은 일이 잘 풀린 이유 중 하나가 사람들이 걱정하고 스트레스를 받으며, 부정적 측면을 살펴보고, 사고를 피하는 방법을 계속 배웠기 때문이라고 답했다.
   3. 걱정은 낙관론의 반대가 아니라 문제를 미리 예측하는 방식이며, 문제를 해결할 정책과 기술을 만들게 하는 동력이다.

2. 불을 다루며 배운 교훈

   1. 전기보다 앞선 기술인 불은 음식을 조리하고 밤에 집을 데우며 인류 진화에 엄청난 기여를 했다.
   2. 동시에 불은 여러 차례 도시 전체를 태웠고, 사람들은 도시가 불타는 일을 원하지 않기에 그 위험을 걱정했다.
   3. 인류는 불 안전 수칙을 만들고, 창의력과 좋은 정책을 동원하고, 끔찍한 사고에서 교훈을 얻어 불을 더 안전하게 사용하는 법을 알아냈다.

3. 사고를 방치했다면

   1. “몇몇 도시는 불타겠지만 어쩔 수 없다. 다른 문제가 더 중요하다”라고 말했더라면 화재 안전을 알아내지 못했을 것이다.
   2. AI도 사고가 발생할 수 있고 실제로 발생하겠지만, 사고를 이유로 기술 자체를 포기하는 대신 안전하게 사용할 방법을 찾아야 한다.

6.2. AI 안전과 도입 속도의 균형

1. 현재까지의 성과는 예상보다 좋았다

   1. 5년 전 파국론자들은 인간에 가깝거나 때로는 초인적인 능력을 가진 AI를 안전하고 신뢰할 수 있게 만드는 일이 가능할지 회의적으로 봤다.
   2. 현재의 시스템이 완벽하지 않고 사고가 있었으며 앞으로도 사고가 있겠지만, 대다수 사람은 AI가 이 정도로 잘 발전할 것이라고 예상하지 못했을 것이다.

2. 안전은 더 많은 접근을 위한 조건

   1. 해결해야 할 문제는 사람들이 더 많은 기술을 안전하게 사용할 수 있도록 만드는 방법이다.
   2. 안전장치를 강화해 사용 가능한 범위를 넓혀야 하며, 위험 때문에 이미 유용한 도움까지 빼앗아서는 안 된다.

6.3. ChatGPT가 진단을 찾아준 개인 사례

1. 의사가 찾지 못한 질병

   1. 올트먼은 그날 아침 만난 사람에게서 ChatGPT가 없었다면 살아남지 못했을 것이라는 이야기를 들었다.
   2. 그 사람은 매우 심각한 질병을 앓고 있었지만 의사들이 진단을 내리지 못했다.
   3. ChatGPT가 진단에 이르는 데 도움을 주었고, 이처럼 개인의 생명과 삶의 질에 직접 영향을 미친 사례는 AI의 개인적 가치를 보여준다.

2. 가져갈 것이 아니라 안전하게 넓힐 것

   1. 이런 도움을 사람들에게서 빼앗아서는 안 된다는 것이 올트먼의 결론이다.
   2. 해야 할 일은 AI를 금지해 접근을 줄이는 것이 아니라, 기술을 안전하게 만들어 더 많은 사람이 그 혜택을 누리게 하는 것이다.

주요 발언 모음

“이건 정말 일어날 일이야. 우린 이걸 잡아야 해. 시도해 봐야 해. 이건 정말 인생에서 가장 중요한 일이 될 수도 있어.”

“수조 달러 규모의 컴퓨팅을 투입할 수 없으니 상관없다고 했지만, 우리는 ‘왜 안 되겠어? 한번 시도해 볼까?’라고 말했습니다.”

“세계에서 가장 똑똑한 사람들이 당신의 나라로 이주해 당신의 언어를 배우고, 당신이 원하는 어떤 문제든 열심히 해결해 주는 것과 같습니다.”

“인공지능을 우리나라에 두지 않겠다는 것은 100여 년 전에 전기를 우리나라에 두지 않겠다고 말하는 것만큼이나 어리석은 생각일 겁니다.”

“우리는 맹목적인 낙관주의의 함정에도, 파국론의 함정에도 빠지고 싶지 않습니다.”

“우리는 매우 확고하고 자랑스럽게 팀 인류에 속해 있습니다.”

“토큰은 어리석은 단위이고 아무도 신경 쓰지 않아야 하지만, 지능의 양을 나타내는 약어로 생각해 봅시다.”

“AI가 전등 한 대를 켜는 비용처럼 느껴질 정도로 저렴하고 똑똑해진다면 정말 멋진 일이 될 것입니다.”

“걱정은 우리가 문제를 예측하는 방식이고, 정책과 기술로 그 문제를 해결하는 방법을 알아내는 방식입니다.”

“우리는 기술을 빼앗아서는 안 됩니다. 사람들이 더 많은 기술을 안전하게 사용할 수 있도록 만드는 방법을 찾아야 합니다.”

핵심 데이터 & 수치

• 2012년경: 딥러닝이 갑자기 작동하기 시작했고, 컴퓨팅 자원이 늘수록 성능이 향상되는 전환점이 나타남.
• 2015년 말: OpenAI를 발표함.
• 2016년 1월: OpenAI의 실제 업무가 시작됨.
• 2018년경: 비지도 학습에서 진전이 나타나고 GPT-1이 탄생함.
• 2020년: GPT-3가 처음으로 일정 수준의 실제 사용성 기준을 넘었다고 평가됨.
• 약 8개월: GPT-4를 출시하기 전 OpenAI 내부에서 모델을 관찰하며 파악한 기간.
• 약 3년 반: GPT-4가 대담 시점의 전환점으로부터 지난 시간.
• 20~30개 기술·수백 년: 산업혁명을 구성한 주요 기술의 누적과 결합을 설명하는 비유.
• 3개월 대 17분: 스타트업 액셀러레이터에서 3개월 동안 기대하던 작업이 Codex로는 약 17분에 가능해질 수 있다는 비교.
• 100여 년 전: AI 도입 거부를 전기 도입 거부에 비유한 시점.
• 5년: 사이버보안·바이오보안 및 그보다 큰 도전이 집중될 미래 기간.
• 5시간의 노동: 과거 임금으로 밤의 빛 한 시간 비용을 마련하는 데 필요했던 평균 노동량.
• 5와트 전구: 현재 한 시간 사용 비용이 매우 저렴하다는 전기 풍요의 예시.
• 2020년 초 월 10만 토큰: 당시 세계 토큰 사용량 선두였던 OpenAI 직원의 사용량.
• 2026년 중반 월 수천억 토큰: 올트먼이 아는 범위에서 당시 선두 기업의 사용량.
• 약 6년 반·수백만 배: 선두 토큰 사용량의 증가 기간과 배율.
• 1인당 월 10만 토큰: 2026년 중반 지구 평균 인구의 추정 사용량.
• 다음 6년 반·1인당 월 약 1,000억 토큰: 현재 흐름을 단순 외삽한 평균 사용량 전망.
• 월 100경 토큰: 같은 외삽에서 세계 최대 사용자가 사용할 수 있다고 제시된 규모이며, 올트먼 스스로 숫자를 정정함.

결론 및 시사점

1. AI는 단순한 챗봇이 아니라 지식·교육·전문성·실행력을 병 속에 담아 공급하는 범용 인프라로 진화하고 있다.
2. 가장 큰 경제적 기회는 대기업의 자동화만이 아니라, 이전에는 자원 부족으로 사라졌을 개인의 아이디어가 사업과 과학으로 실현되는 데 있다.
3. 국가는 AI 도입 여부를 선택할 수 있는 단계에서 벗어났으며, 규제 방식·데이터센터 소유·지역 맥락의 설계 방식을 선택해야 한다.
4. OpenAI와 같은 모델 제공자의 핵심 역할은 모든 사회의 맥락을 결정하는 것이 아니라, 각 사회가 자신의 문제를 풀 수 있는 지능 엔진을 제공하는 것이다.
5. AI의 혜택이 평등화로 이어지려면 컴퓨팅과 지능을 희소한 고가 자산으로 남겨 두지 않고 풍부하고 저렴하게 만들어야 한다.
6. 토큰 수요의 폭발은 모델 성능만큼 전력·칩·데이터센터·알고리즘 효율성에 대한 투자가 중요하다는 사실을 보여준다.
7. AI를 전기처럼 일상에 녹이는 최종 목표는 AI 자체를 의식하지 않아도 누구나 즉시 소프트웨어를 만들고 교육·의료·사업의 도움을 받는 상태다.
8. 사이버보안·바이오보안·권력 집중을 방치하면 기술 발전과 사회적 도입이 함께 후퇴하므로, 안전은 도입의 반대가 아니라 더 넓은 접근을 가능하게 하는 조건이다.
9. 인류가 불과 전기를 안전하게 다룬 과정처럼, 사고를 예측하고 정책과 기술로 완화하는 걱정이 AI 낙관론을 현실적으로 만든다.
10. AI의 미래가 사람 중심으로 남으려면 기업가·정부·대기업·개인이 모두 참여하고, 한 회사가 모든 가치와 의사결정을 독점하지 않는 생태계를 만들어야 한다.

핵심 요약 (20줄)

샘 올트먼은 어린 시절부터 AI와 SF에 매료됐지만 기술이 작동하지 않자 창업이라는 우회로를 택했다. 2012년경 딥러닝이 컴퓨팅 자원에 비례해 좋아지는 전환점이 나타나며 AI의 미래가 현실적인 목표가 됐다. OpenAI는 2015년 말 발표됐고 2016년 1월부터 완성된 청사진 없이 로봇 손과 비디오 게임 같은 실험을 시작했다. 2018년경 비지도 학습과 GPT-1이 등장했고 2020년 GPT-3가 처음으로 실용성의 기준선을 넘었다. GPT-4를 출시하기 전 약 8개월간 관찰한 OpenAI 내부 인력은 AI가 매우 멀리 갈 것이라는 데 동의하기 시작했다. 새로운 AI 시스템은 지식 포착을 넘어 새로운 지식 발견과 과학 연구, 복잡한 소프트웨어 제작까지 수행한다. AI는 자본과 전문가, 과학기술, 공급망이 부족한 창업가의 실행 병목을 크게 낮춘다. 한 빨래방 운영자는 초기의 불완전한 ChatGPT로 마케팅과 계약 조언, 공급업체 관계를 관리하며 사업을 지탱했다. 2025년 코딩 에이전트와 사무직 에이전트가 등장했고 장기 지속형 가상 협력자가 다음 단계로 예고됐다. Codex는 스타트업이 3개월 동안 하던 일을 약 17분 만에 가능하게 해 아이디어 검증 속도를 바꾼다. 각국은 AI의 규제와 데이터센터 운영 방식을 다르게 정할 수 있지만 활용 자체를 거부할 수는 없다. AI 활용은 세계 최고 인재들이 나라의 언어를 배우고 원하는 문제를 풀어주는 것과 같은 경제적 효과를 낸다. OpenAI는 범용 지능 엔진을 제공하고 사회별 문제의 맥락과 활용 방식은 각 지역이 결정해야 한다고 본다. AI는 농업·산업·컴퓨터 혁명이 쌓아 올린 비계 위에 이어지는 연속적인 지수 성장의 한 단계다. OpenAI는 맹목적 낙관론과 파국론을 모두 경계하며 실용주의와 팀 인류를 정체성으로 내세운다. AI가 평등화의 힘이 되려면 컴퓨팅과 지능을 부유층만 차지하는 희소 자원이 아니라 풍부한 상품으로 만들어야 한다. 토큰 사용량은 2020년 월 10만 개에서 2026년 중반 선두 기업의 월 수천억 개로 약 6년 반 만에 수백만 배 늘었다. 전기와 조명의 가격 하락처럼 AI도 충분히 저렴해지면 누구나 교육과 의료, 사업과 창작의 서비스를 이용할 수 있다. 사이버보안과 바이오보안, 권력 집중을 해결하지 못하면 AI 도입 속도와 기술 발전이 크게 후퇴할 수 있다. 인류는 불을 안전하게 다룬 것처럼 걱정과 정책, 기술적 대응으로 AI를 더 많은 사람이 안전하게 쓰게 만들어야 한다.