AI의 진화(요약)편 - AI의 진화와 우리의 삶 | e경제정보리뷰

KDI 경제교육·정보센터

Economic Information and Education Center

발행물

전문가 좌담

AI의 진화(요약)편 - AI의 진화와 우리의 삶

KDI 경제교육·정보센터 교육콘텐츠2팀 2026년 01호

(2026-01) 전문가 좌담_AI의 진화_요약편.pdf

전문가 좌담(요약편)

AI의 진화와 우리의 삶

「e경제정보리뷰」 2026-1호 좌담은 'AI의 진화'를 주제로 진행되었다. 김건희 서울대학교 교수(좌장)를 비롯해, 김성룡 클로아이 대표, 김익재 한국과학기술연구원 소장, 김지연 국가인공지능전략위원회 팀장, 박병훈 티쓰리큐 대표이사, 이승환 경기연구원 실장이 참여했다.

자세한 내용을 보실 분은 AI의 진화(종합)편 바로가기 클릭>>

KDI 경제교육·정보센터 교육콘텐츠2팀
구분
#1. 인공지능(AI) 개념의 진화

□ AI의 개념 변화

· 전통적 컴퓨팅이 주어진 규칙에 따라 입력값을 처리하는 방식이었다면, AI는 데이터로부터 최적의 규칙 자체를 찾아내는 방식으로 발전함.

· 초기에는 “기계가 인간처럼 사고할 수 있는가”라는 철학적 질문에서 출발했다면, 이후에는 계산의 영역, 학습의 영역, 최근에는 자율적인 시스템이자 물리적 실체를 가진 시스템으로 논의가 확장됨.

· 따라서 AI는 고정된 하나의 정의로 규정하기보다, 기술 진보에 따라 역할과 범위가 계속 넓어지는 개념으로 이해하는 것이 적절함.

□ AI 기술의 진화

· 인공 신경망, 딥러닝, CNN(Convolutional Neural Network), 트랜스포머 등의 기술 발전을 거치며 AI는 인간의 지능을 모방하는 단계를 지나, 스스로 판단하고 목표를 수행하는 자율적 시스템 수준으로 고도화됨.

· 현실 세계를 이해하고 물리적 행동으로 연결하는 능동적 지능 시스템, 피지컬 AI의 등장으로 AI의 정의는 디지털 공간을 넘어 물리적 세계와 상호 작용하는 방향으로 확대되고 있음.

#2. AI 기술 현황

□ AI 에이전트와 생산성 혁신

· LLM(Large Language Model)에 메모리와 도구 활용 기능이 결합되어 코딩, API(Application Programming Interface) 호출, 단계별 작업 수행 등 복합적인 과업을 수행하는 ‘AI 에이전트’가 등장함.

· 목표에 따라 자율적으로 계획을 세우고 수정하는 ‘에이전틱 AI’가 등장하며, 오케스트레이터가 여러 AI 에이전트의 역할을 나누고, 전체 작업을 조율하는 다중 에이전트 구조가 중요해지고 있음.

· MCP(Model Context Protocol) 등 표준 프로토콜을 통한 외부 도구 연결로 개발 주기가 수개월에서 수일 내로 단축되고, 마케팅·경영 등 산업 전반으로 실무 역량이 강화됨.

□ 피지컬 AI와 현실 세계의 상호 작용

· 피지컬 AI는 AI의 인지·판단 능력과 로봇·기계의 물리적 수행 능력이 결합된 것으로, 가상 시뮬레이션 환경, 월드 모델, 되먹임 구조를 활용하여 학습 속도가 크게 높아지고 있음.

· 현실 공간의 물리 현상을 정량화하여 표준화된 데이터셋을 확보하는 것이 핵심 선결 과제로 제시됨.

· AI가 지능과 신체를 동시에 갖추게 됨에 따라 노동이 기술로 대체될 가능성에 대한 우려가 제기되고 있으며, 향후 인간과 AI의 협업 구조를 어떻게 설계할 것인지가 중요 과제임.

#3. 산업 동향과 한국의 전략

□ AI 산업의 경쟁 구도 변화

· AI 산업은 모델의 성능 경쟁에서 소프트웨어와 하드웨어가 통합된 생태계 경쟁으로 전환되고 있으며, 네트워크, 스토리지, 반도체, 데이터센터 등 인프라의 최적화가 중요해지고 있음.

· 파운데이션 모델 경쟁은 미국과 중국이 주도하고 있으며, 한국은 규모 경쟁보다 국가의 방향 설정과 민간의 특화 전략을 결합한 방식이 중요함.

□ 소버린 AI의 필요성

· 소버린 AI는 ‘국산 AI’ 개발을 넘어 인프라·데이터·모델·거버넌스를 통제하는 전략적 역량으로, 국방·안보 차원에서 일정 수준의 자립 역량이 필요함.

· 다만 이를 처음부터 끝까지 모두 국산화해야 한다기보다 외부 기술을 효과적으로 흡수하고 재해석하는 기술적 탄력성의 관점에서 접근할 필요가 있음.

□ 다층적 AI 생태계 전략 - 국가 전략과 제조 AI

· 정부 중심의 AI 전략이 실질적 성과를 내기 위해서는 국방·안보·국가 전략 산업은 소버린 AI 중심으로, 법률·의료·도시·안전 등은 분야별 특화 모델 중심으로 역할을 분담하는 다층적인 산업 생태계 구조가 필요함.

· 제조 AI는 정부 차원의 AX(AI Transformation) 핵심 과제로, 인력 부족과 설비 노후화에 직면한 제조 현장에서 노동력을 보완하고 자동화를 통한 공정 혁신과 생산성 향상을 이끄는 수단으로 주목받고 있음.

□ 다층적 AI 생태계 전략 - 현장 특화 솔루션과 미들웨어

· 산업 현장의 다양한 요구에 대응하기 위해서는 범용 모델만으로는 한계가 있으며, 도메인 특화 솔루션을 제공하는 강소 기업의 역할이 중요함.

· 조직 목적에 맞게 데이터를 연결하고 의사결정을 지원하는 미들웨어 계층이 AI 산업의 핵심 기반으로 부상하고 있으며, 한국도 데이터 주권을 지키는 소버린 AI 미들웨어 구축이 필요함.

#4. 도전 과제

□ 검증 체계 구축 및 AI 윤리 기준 마련

· AI 확산에 따라 모델 및 생성 콘텐츠의 신뢰성, 에이전트의 자율적 행동에 따른 시스템 보안 문제가 핵심 도전 과제로 부각됨.

· 내부 판단 과정을 추적하는 ‘설명 가능한 AI’의 중요성이 커짐에 따라, 블랙박스 문제를 해소할 표준화된 AI 감사 및 제도적 검증 장치 마련이 병행되어야 함.

· 기술적 성능을 넘어 AI의 행위를 제어하는 규범 체계가 필수적이며, 범용 AI를 윤리 전담 AI가 통제하는 구조 등 사회적 합의를 반영한 윤리 기준의 제도화가 요구됨.

□ 할루시네이션 대응의 진화

· 단순한 미세 조정만으로는 최신 정보 반영이나 왜곡 문제를 완전히 해결하기 어렵기 때문에, 검증된 외부 정보를 검색해 답변에 반영하는 RAG(Retrieval-Augmented Generation) 방식이 확산되고 있으며, 최근에는 온톨로지 기반 OAG(Ontology-Augmented Generation), 그래프 기반 GAG(Graph-Augmented Generation), 복합 확장형 XAG(Extended-Augmented Generation)로 발전하는 흐름이 나타남.

· 다만 원천 데이터 자체에 오류가 있거나 지식 범위를 벗어나는 경우, 여전히 할루시네이션 문제가 있을 수 있어 인공 신경망 안에서 연관성이 낮은 경로를 잘라내고 차단하는 연구도 병행되고 있음.

□ 지속 가능한 AI와 에너지 문제

· 대규모 AI 모델은 막대한 전력이 필요하므로 지속 가능한 활용을 위해서는 효율화가 필수적이며, 이를 위해 사용되지 않는 연산을 줄이는 경량화, 저전력 하드웨어, 데이터 기반 최적화 전략이 중요함.

· 피지컬 AI 시대에는 거대 GPU(Graphics Processing Unit) 중심 구조에서 벗어나 저전력 NPU(Neural Processing Unit)와 같은 실용적 구조가 더 중요해질 가능성이 있으므로 하드웨어의 저전력화뿐 아니라 데이터 활용을 통한 소프트웨어 최적화가 병행되어야 함.

□ 포용적 AI 실현과 공공의 역할

· 소외 계층 없는 AI 기본 사회를 위해 국민 데이터 기반의 ‘복지 행정 탈신청주의’ 구현이 필요하며, 이를 뒷받침할 주관 법령의 개정과 데이터 활용 범위에 대한 법적 토대 마련이 선행되어야 함.

· 추상적 논의를 넘어 재난 대응 및 안전 관리 등 공공 영역의 구체적 난제를 AI로 해결하는 ‘문제 정의 중심’의 성공 사례를 발굴해야 하며, 이를 통해 규제 장벽을 해소하고 기술 도입에 대한 사회적 공감대를 확보해야 함.

#5. 미래 일자리와 교육

□ AI 확산에 따른 직무 변화와 고용 대응 방향

· AI의 영향은 산업별·직무별 특성에 따라 다르게 나타나지만, 정형화된 과업과 반복 업무를 중심으로 AI 기반 자동화가 빠르게 확대되고 있음.

· AI 도입으로 기존 직무 일부가 축소될 가능성에 대비해 재교육과 직무 전환 경로를 설계하고, 이에 필요한 재원 마련과 사회적 비용 분담 논의를 병행할 필요가 있음. 정부 차원에서는 AI 역량 강화, 비정형 근로자 보호, 고위험 직종 지원을 중심으로 AI 시대의 고용안정 대책을 마련해야 함.

· 정부 사업 수요와 교육과정을 연계해 실제 과제를 미리 해결해 보는 실무형 교육을 운영하고, 이를 통해 DX(Digital Transformation), AX(AI Transformation), 그리고 AI 에이전트 구축 등 현장 과제에 직접 참여할 수 있는 학습 기회를 확대할 필요가 있음.

□ AI 시대의 교육과 새로운 인재상

· AI와 로봇은 반복 업무를 대체하는 동시에 새로운 직무 수요를 만들어내고 있으며, 로봇 관리·유지보수, 데이터 기반 의사결정, AI 도구와 협업하는 능력을 전제로 하는 ‘전주기 엔지니어’ 인재가 중요해지고 있음.

· AI 시대에는 특정 지식이나 프로그래밍 언어 습득보다 AI를 활용한 문제 정의, 설계·분석·개발 역량이 중요해지고 있으며, 기업 현장에서도 문제 정의 능력과 의사결정 역량을 중시하는 흐름이 나타나 입시 중심 교육 체계의 재검토 필요성이 커지고 있음.

· 한편, AI 발전은 인간이 반복적 노동에서 벗어나 더 본질적이고 관계적인 활동에 집중할 수 있게 해줄 수 있으므로 인간이 어떤 역할에 더 집중해야 하는지를 고민할 필요가 있음.

#6. 결론 및 제언

□ AI 시대의 핵심 역량과 대응 전략

· AI를 개인의 역량을 확장하는 도구로 활용하는 능력뿐 아니라, 인간이 무엇을 목표로 삼을 것인지에 대한 윤리적 기준과 철학적 판단, 정보 활용력, 문제 정의 능력, 스스로의 가치를 입증하는 역량이 AI 시대의 핵심 경쟁력으로 부상하고 있음.

· 한국은 원천 기술 경쟁에서는 후발 주자일 수 있으나, AI 활용 및 응용 측면에서는 충분한 경쟁력을 확보할 수 있음.

· 정부는 AI와의 경쟁이 아니라 인간의 판단·책임·창의성·공감 능력을 강화하는 방향으로 정책을 설계하고, 변화하는 기술 환경을 선제적으로 반영한 지원 전략을 수립할 필요가 있음.

※ 본 요약본은 AI를 활용하여 작성되었습니다.

목록보기