[심층분석] 'AI는 절대 못 할 거야'라던 그 트윗이 지금 다시 회자되는 이유

한 장의 트윗이 다시 돌아왔다

인터넷에는 가끔 묘하게 다시 떠오르는 글들이 있어요. 처음 올라왔을 땐 그저 평범한 의견이었는데, 시간이 지나고 보니 너무 빗나간 예측이라 사람들이 다시 끌어올려서 웃음거리로 삼는 거죠. 최근 ChatGPT 커뮤니티에서 화제가 된 게시물도 딱 그런 경우예요. 누군가 과거에 "AI는 절대 이건 못 할 거야" 혹은 "ChatGPT는 그저 한때의 유행일 뿐"이라고 자신 있게 단언했던 트윗이, 불과 1~2년 만에 정반대 상황이 펼쳐지면서 정말 우습게 늙어버린(aged badly) 거예요.

이런 "aged poorly" 트윗이 단순한 밈으로 끝나지 않는 이유가 있어요. 우리가 기술의 미래를 예측할 때 얼마나 자주, 그리고 얼마나 크게 틀리는지를 보여주는 살아있는 증거이거든요. 특히 AI 분야는 변화 속도가 워낙 빨라서, 작년에 "불가능"이라 단정 지은 일이 올해는 "기본 기능"이 되는 경우가 비일비재해요. 오늘은 이 한 장의 트윗을 핑계 삼아, 왜 우리는 AI의 미래를 자꾸 잘못 짚는지, 그리고 그게 개발자인 우리에게 어떤 의미인지 한 번 풀어볼까 해요.

우리는 왜 이렇게 자주 틀릴까

사람이 미래를 예측할 때 흔히 빠지는 함정이 몇 가지 있어요. 이걸 알아두면 다음에 또 "AI가 절대 못 할 거다" 같은 단언을 보거나, 혹은 스스로 그런 생각이 들 때 한 번 더 의심해볼 수 있거든요.

첫 번째는 선형적 사고의 함정이에요. 이게 뭐냐면, 우리 뇌는 "지금까지 이만큼 발전했으니까 내년에도 비슷한 속도로 발전하겠지"라고 자연스럽게 가정해요. 그런데 기술, 특히 AI는 선형이 아니라 지수 함수처럼 발전하는 경우가 많아요. 쉽게 비유하면, 매일 두 배씩 커지는 연못의 수련 같은 거예요. 30일 만에 연못을 다 덮는다고 할 때, 29일째에는 절반만 차 있어요. 그래서 28일째에 그걸 보던 사람은 "앞으로 한참 더 걸리겠네"라고 말하는 거죠. 그런데 사실은 이틀이면 끝나거든요. GPT-3에서 GPT-4로 넘어갈 때, 그리고 그 이후 멀티모달(이미지·음성·영상을 동시에 처리하는 기능)로 확장될 때 우리가 본 게 정확히 이 모습이에요.

두 번째는 현재 한계를 본질적 한계로 착각하는 것이에요. 누군가 "AI는 손가락도 제대로 못 그리잖아"라고 비웃었을 때, 그건 그 시점의 모델이 가진 약점이지 AI라는 기술 자체의 한계가 아니었어요. 그런데 사람은 자기가 본 가장 최근의 실패 사례를 "영원한 진실"처럼 일반화하는 경향이 있어요. 심리학에서는 이걸 가용성 휴리스틱(쉽게 떠오르는 사례로 판단하는 습관)이라고 부르는데, 기술 예측에서는 거의 매번 발목을 잡아요.

세 번째는 정체성 방어 본능이에요. "내 직업은 AI가 못 대체할 거야"라는 말은 사실 예측이 아니라 희망이거든요. 자기 일이 위협받는 게 두려우니까 "이건 절대 안 돼"라고 선을 그어두는 거예요. 그런데 이 방어선은 시간이 지나면서 자꾸 뒤로 밀려요. 처음에는 "AI는 코드 못 짜"였다가, 그다음엔 "간단한 코드만 짜지", 그다음엔 "리팩토링은 못 해", 또 그다음엔 "아키텍처 설계는 못 해"로요. 결국 방어선이 점점 좁아지는 모습 자체가, 처음 그었던 선이 틀렸다는 증거가 돼요.

실제로 무엇이 바뀌었나

조금 구체적으로 들여다볼게요. 2~3년 전만 해도 "AI가 절대 못 할 것"으로 꼽혔던 작업들이 지금 어떤 상태인지 정리해보면 이렇거든요.

• 긴 문서 이해와 추론: 예전엔 "몇 문단만 넘어가도 헷갈려한다"고 했는데, 지금은 100만 토큰(대략 책 한 권 분량) 컨텍스트를 받아서 일관된 분석을 내놓는 모델이 나와 있어요.
• 코드 작성과 디버깅: "보일러플레이트(반복적인 기본 코드)만 짜는 수준"이라던 평가는 옛말이고, 이제는 복잡한 리팩토링이나 테스트 작성, 심지어 코드 리뷰까지 맡기는 팀이 늘고 있어요.
• 이미지·영상 생성: 손가락이 일곱 개로 나오던 시절을 다들 기억하잖아요. 지금은 영상 한 편을 텍스트 프롬프트로 만들어내는 수준까지 왔어요.
• 에이전트(스스로 일을 처리하는 AI): "AI는 결국 단답형이지, 능동적으로 일을 처리 못 한다"는 평가도 있었는데, 지금은 브라우저를 직접 조작해서 리서치하고, IDE 안에서 파일을 수정하고 테스트를 돌리는 에이전트가 일상이 됐어요.

물론 여전히 한계는 많아요. 환각(없는 사실을 그럴듯하게 지어내는 현상), 긴 작업에서의 일관성 부족, 도메인 특화 지식의 깊이 같은 문제는 분명히 존재하거든요. 하지만 "본질적으로 불가능"이라던 영역이 "지금은 좀 부족한 영역"으로 바뀌는 데 걸린 시간이 너무 짧다는 게 핵심이에요.

그럼 우리는 어떻게 해야 할까

이쯤에서 "그래서 뭐 어쩌라고?" 싶을 수 있어요. AI가 빨리 발전하는 건 알겠는데, 개발자로서 우리는 뭘 해야 하나 말이죠. 몇 가지 현실적인 제안을 드려볼게요.

1) "절대"라는 단어를 조심하세요. 어떤 기술에 대해 "이건 절대 못 한다", "이건 절대 바뀌지 않는다"고 말하는 순간, 그 발언은 미래에 밈이 될 후보가 돼요. 대신 "현재 시점에서는 ~한 한계가 있다"처럼 시간을 명시하는 습관을 들이면 훨씬 안전해요. 실제 업무에서도 마찬가지예요. 6개월짜리 프로젝트를 시작할 때 "AI로는 이 부분 못 하니까 사람이 다 해야 해"라고 못 박지 말고, "지금은 사람이 하지만, 3개월 후에 다시 점검해보자" 정도로 여지를 두는 게 좋아요.

2) 변하지 않는 것에 투자하세요. 이게 좀 역설적인데요, AI가 빨리 발전할수록 오히려 "기본기"의 가치가 올라가요. 왜냐하면 도구가 강력해질수록, 그 도구를 제대로 쓰려면 문제를 정확히 정의하는 능력, 시스템을 설계하는 사고력, 좋은 코드와 나쁜 코드를 구분하는 감각 같은 게 더 중요해지거든요. AI가 코드를 짜주더라도, 그게 맞는 코드인지 판단하는 건 결국 사람이에요. 그러니까 프레임워크 하나 더 외우는 것보다, 자료구조·알고리즘·시스템 설계 같은 기본기를 다지는 게 장기적으론 더 안전한 베팅이에요.

3) 새 도구를 직접 만져보세요. 트위터에서 누가 "이거 별로다"라고 했다고 그대로 믿지 마세요. 본인이 직접 30분만 써봐도 평가가 완전히 달라지는 경우가 많거든요. 특히 AI 도구는 한 달만 지나도 성능이 크게 바뀌어서, 작년에 "별로"였던 게 지금은 "필수"가 돼 있을 수 있어요. 일주일에 두 시간 정도는 새 도구 탐색에 쓰는 습관을 들이면, 1년 뒤에는 동료들보다 훨씬 넓은 도구 상자를 갖게 돼요.

4) 자기 일을 자동화해보세요. "AI가 내 일을 뺏을까"를 걱정하기보단, "AI로 내 일의 어떤 부분을 자동화할 수 있을까"를 고민하는 게 훨씬 생산적이에요. 반복적인 코드 리뷰, 문서 작성, 회의록 정리, 테스트 케이스 생성 같은 일을 AI에 맡기고 본인은 더 가치 있는 일에 시간을 쓰는 사람과, 그걸 거부하고 모든 일을 직접 하는 사람의 격차는 시간이 갈수록 벌어질 거예요.

결국 이 트윗이 우리에게 남기는 것

웃음거리가 된 트윗 한 장이 사실은 우리 모두에게 거울이 되는 셈이에요. 그 사람이 특별히 어리석어서 그런 예측을 한 게 아니거든요. 그 시점에서는 충분히 합리적인 판단이었을 수 있어요. 다만 변화의 속도를 과소평가했고, 자신의 직관을 너무 믿었던 거죠. 그리고 솔직히 말하면, 우리 모두 비슷한 실수를 자주 해요. 다음번 "aged poorly" 트윗의 주인공이 내가 되지 않으리란 보장도 없고요.

그래서 저는 이런 사례를 볼 때마다 두 가지를 떠올려요. 첫째, 겸손해지자. 둘째, 그래도 멈추지 말고 계속 배우자. 미래는 어차피 예측할 수 없지만, 변화에 빠르게 적응하는 사람이 결국은 가장 멀리 가니까요.

여러분은 어떠세요? 본인이 과거에 "이건 절대 안 될 거야"라고 말했다가 보기 좋게 빗나간 예측이 있나요? 혹은 반대로, 지금 "AI는 이건 절대 못 할 거다"라고 확신하는 영역이 있다면 어떤 건가요? 1~2년 뒤에 다시 이 글을 봤을 때, 우리 중 누구의 예측이 가장 우습게 늙어 있을지 한 번 생각해보면 재미있을 것 같아요.

---

🔗 출처: Reddit