AI가 다음 AI를 만들자 개발 속도가 두 배 가까이 빨라졌다
AI가 더 똑똑해지는 이유는 지금까지 비교적 단순했다. 더 많은 반도체를 투입하고, 더 많은 데이터를 학습시키고, 더 큰 모델을 만드는 것이다.
20초 핵심
그런데 여기에 새로운 변수가 등장했다. 이미 개발된 AI가 다음 세대 AI를 개발하는 연구원들의 생산성을 높이기 시작한 것이다.
11월 5일, 독립 AI 평가기관 METR은 앤트로픽의 내부 연구자료를 분석한 결과를 공개했다. 앤트로픽의 AI 모델은 주요 성능 평가에서 과거보다 약 1.9배 빠른 속도로 발전하고 있었다. 지난 1년간의 성능 향상이 과거 약 2년간의 발전에 맞먹는다는 의미다.
더 흥미로운 사실은 이러한 가속이 학습용 연산량의 증가 속도가 빨라졌기 때문만은 아니라는 점이다. AI가 AI 개발을 도우면서 연구개발 속도 자체가 달라지고 있다는 것이다.
무엇이 실제로 두 배 가까이 빨라졌나
METR은 2026년 8월 12일부터 10월 29일까지 약 11주간 앤트로픽의 내부 모델 성능, 학습 연산량, 연구개발 자료를 검토하고 연구원들을 인터뷰했다.
측정 대상은 AI 연구원들의 전체 업무 시간이 아니다. 앤트로픽의 종합 모델 성능 지표인 AECI의 개선 속도다.
2025년 10월 이후 해당 지표의 상승 속도가 이전 추세의 약 1.9배로 추정됐다. 다만 이는 주로 성능 평가가 명확한 과제에 관한 결과로, 모든 지적 업무의 발전 속도가 두 배가 됐다는 뜻은 아니다.
핵심 한 장 | 과거와 현재의 AI 성능 향상 속도
기준 1.0배 → 추정 1.9배 (95% 신뢰구간 1.5~2.8배)
과거 개선 속도를 1로 놓은 상대 비교다. 모델 정확도가 90% 높아졌다는 뜻이 아니라, 성능 향상의 진행 속도가 빨라졌다는 의미다.
더 많은 GPU가 아니라, 더 빠른 실험
기존 AI 개발은 연구원이 가설을 세우고 코드를 작성한 다음 실험을 실행하고 결과를 분석하는 과정을 반복했다.
이제 AI가 코드 작성과 실험 준비, 데이터 분석, 문제 해결의 상당 부분을 보조한다. 연구원 한 명이 같은 시간에 더 많은 시도를 할 수 있는 구조다.
METR은 이번 가속이 학습 연산량 증가 속도의 가속 때문이라는 설명을 뒷받침하지 않는 내부 증거를 확인했다. 동시에 현재 가속의 상당 부분이 AI 활용에서 비롯됐을 가능성을 제시했다. 그러나 구체적인 연구 생산성 기여도를 확정하지는 못했다.
이것이 AI의 자기개선(Recursive Self-Improvement)이 현실에서 시작될 수 있는 경로다. 다만 현재는 인간 연구원이 핵심 연구를 주도하며, AI가 주요 개발 단계를 완전히 자율적으로 수행한다는 증거는 부족하다.
AI 기업의 경쟁력은 무엇으로 바뀔까
오픈AI, 구글 딥마인드, 메타도 같은 생산성 효과를 추구할 유인이 있다. 그러나 모두가 같은 AI 도구를 쓴다고 연구 성과까지 같아지는 것은 아니다.
우수한 연구 인력, 자체 실험 환경, 축적된 데이터와 평가 체계, 모델을 빠르게 개선하고 배포하는 조직 역량이 결합될 때 개발 속도에서 차이가 생길 수 있다.
반대로 AI 개발 도구가 널리 보급되면 후발주자의 진입장벽이 낮아질 가능성도 있다. 이번 결과만으로 앤트로픽의 장기 독주나 특정 기업의 시장점유율 상승을 예측할 수는 없다.
엔비디아에는 호재일까, 악재일까
AI가 연구 시간을 줄이면 기업들은 같은 기간에 더 많은 실험을 시도할 수 있다. 이 경우 GPU 사용량과 데이터센터 투자 수요가 늘어날 수 있다.
그러나 알고리즘과 실험 효율이 개선돼 같은 성능을 달성하는 데 필요한 연산량이 줄어들 수도 있다. 효율 개선에 따른 단위비용 하락과 전체 사용량 확대 중 어느 효과가 클지는 아직 결정되지 않았다.
따라서 엔비디아에는 연구 가속 그 자체보다 실제 고객의 GPU 구매, 클라우드 이용량, 매출총이익률, 투자수익률이 중요하다. AI 개발기업에는 모델 성능 상승 속도와 함께 추론 원가, 유료 고객 수, 고객당 매출을 확인해야 한다.
이번 연구의 의미는 AI가 인간 연구자를 대체했다는 선언이 아니다. AI 연구개발의 생산성이 별도의 성장 동력으로 등장했다는 점이다.
다만 1.9배는 앤트로픽 내부 모델과 특정 성능 평가에 기반한 추정이다. 일부 기초 자료는 비공개 처리됐고, 연구진도 벤치마크 편향과 다른 개선 요인의 영향을 인정했다.
투자자는 AI 모델의 향상 속도가 빨라졌다는 사실과 AI 기업의 이익이 그만큼 빨리 늘어난다는 주장을 구분해야 한다. 기술 발전이 기업가치로 전환되려면 비용을 초과하는 고객 지출과 지속 가능한 현금흐름이 따라와야 한다.
안전성 측면에서도 같은 문제가 발생한다. 모델 평가와 위험 검증이 개발 속도를 따라가지 못하면 새로운 능력에 대한 이해보다 배포가 먼저 진행될 수 있다.
- 아니다. METR은 중요한 모델 학습 과정에서 완전 자율적인 기여가 아직 주요 동력이 아니라고 평가했다.
- 아니다. 앤트로픽의 AECI 개선 속도에 관한 결과이며 다른 기업이나 모든 업무에 일반화할 수 없다.
- 일부 내부 직원들의 비공식 자기보고에서 약 12배가 나타났지만, METR은 선택 편향과 과장 가능성 때문에 신뢰도가 낮다고 봤다. 조직 전체 발전 속도 1.9배와도 다른 지표다.
- 효율 개선은 실험 한 번의 비용을 낮출 수 있지만, 더 많은 실험과 새로운 서비스가 전체 수요를 키울 수도 있다. 실제 사용량과 지출로 판단해야 한다.
체크 포인트
인사이트 타임스 편집부
