AGI는 출시일 보다 업무 권한을 가져간다
대중은 AGI를 어느 날 갑자기 등장하는 초지능, 자의식 있는 기계, 또는 인간형 로봇으로 상상한다. 그러나 실제 기업들이 AGI를 정의하고 제품화하는 방향은 훨씬 더 건조하다. OpenAI는 AGI를 “대부분의 경제적으로 가치 있는 일에서 인간을 능가하는 고도로 자율적인 시스템”으로 정의한다. 이 정의에서 중요한 단어는 의식이 아니라 경제적으로 가치 있는 일이다.
이 관점에서 AGI의 첫 충격은 철학보다 기업 운영에서 먼저 발생한다. 문서 작성, 코드 수정, 리서치, 고객 응대, 보안 점검, 재무모델링, 계약 검토, 보고서 작성처럼 인간 조직이 반복적으로 배정하던 업무 단위가 모델과 에이전트로 넘어가는 순간, AGI는 이미 산업 안으로 들어온다.
그래서 AGI의 실제 경쟁 단위는 모델 파라미터나 벤치마크 점수 하나가 아니다. 경쟁 단위는 업무 실행 루프다. 문제 이해, 자료 탐색, 도구 호출, 코드 실행, 문서 생성, 오류 수정, 승인 요청, 감사 로그 기록까지 이어지는 루프를 누가 안정적으로 장악하느냐가 AGI 경쟁의 본체다.
OpenAI가 앞선 이유는 모델이 아니라 배포면을 갖고 있기 때문이다
OpenAI가 공개 데이터 기준 상업형 AGI에 가장 가까운 기업으로 보이는 이유는 모델 성능과 배포 구조가 동시에 맞물려 있기 때문이다. GPT‑5.5는 GDPval 84.9%, OSWorld-Verified 78.7%, Tau2-bench Telecom 98.0%를 기록했다. GDPval은 44개 직종의 지식 업무 수행 능력을 측정하고, OSWorld-Verified는 실제 컴퓨터 환경을 스스로 조작할 수 있는지를 보며, Tau2-bench Telecom은 복잡한 고객서비스 워크플로를 평가한다.
이 숫자의 의미는 단순한 성능 향상이 아니다. GPT‑5.5는 답변 생성기에서 업무 수행 장치로 이동하고 있다. OpenAI는 GPT‑5.5가 코드 작성과 디버깅, 온라인 리서치, 데이터 분석, 문서와 스프레드시트 생성, 소프트웨어 조작, 여러 도구 간 이동을 수행할 수 있다고 설명한다. 즉 이 모델은 대화창 안에서 답을 주는 제품이 아니라, 컴퓨터 위에서 실제 일을 처리하는 방향으로 설계되고 있다.
더 중요한 것은 이 능력이 바로 배포될 수 있는 접점을 갖고 있다는 점이다. GPT‑5.5는 ChatGPT Plus, Pro, Business, Enterprise, Codex에 연결되고 API로도 확장된다. Codex 안에서 GPT‑5.5는 구현, 리팩터링, 디버깅, 테스트, 검증, 문서·스프레드시트·슬라이드 생성으로 확장된다. 이 구조에서 OpenAI는 단순 모델 회사가 아니라 개인과 기업의 업무 인터페이스를 장악하는 회사가 된다.
하부에는 Stargate가 있다. OpenAI는 Stargate를 AGI의 혜택을 광범위하고 안정적으로 제공하기 위한 장기 컴퓨트 기반으로 설명했고, 2025년 1월 발표한 미국 내 10GW AI 인프라 확보 목표를 2026년 4월 기준 이미 초과했다고 밝혔다. GPT‑5.5는 텍사스 Abilene의 Stargate 사이트에서 Oracle Cloud Infrastructure와 NVIDIA GB200 시스템 위에서 훈련됐다. 이것은 AGI 경쟁이 소프트웨어 경쟁처럼 보이지만 실제로는 전력, 데이터센터, GPU, 클라우드 조달력의 경쟁이라는 점을 보여준다.
OpenAI의 강점은 “가장 똑똑한 단일 모델”이 아니다. OpenAI의 강점은 모델, 대중 접점, 개발자 도구, 기업 배포, 컴퓨트 인프라를 하나의 노동 상품으로 묶는 속도다. 그래서 OpenAI는 AGI를 연구실의 지능이 아니라 시장에 유통되는 지식노동 상품으로 전환할 가능성이 가장 큰 기업이다.
Google DeepMind와 Anthropic은 같은 AGI 경쟁 안에서 다른 지배 모델이다
OpenAI가 업무 실행과 대중 배포에 가깝다면, Google DeepMind는 일반 추론과 과학 지능의 상단을 밀고 있다. Gemini 3.1 Deep Think는 ARC-AGI-2 84.6%, Humanity’s Last Exam 48.4%, 검색과 코드 실행 사용 시 53.4%, 2025년 국제수학올림피아드 81.5%, 국제물리올림피아드 이론 87.7%, 국제화학올림피아드 이론 82.8%를 공개했다.
이 수치는 Google DeepMind가 AGI의 지적 코어, 특히 수학·과학·공학적 추론의 상단에서 강하다는 신호다. 그러나 산업 지각변동은 추론 능력만으로 발생하지 않는다. Google이 이 능력을 Gemini, Google AI Studio, Google Cloud, Workspace, Android, 검색, 개발도구에 얼마나 공격적으로 통합하느냐가 실제 시장 충격을 결정한다. Google DeepMind의 강점은 지능의 깊이이고, 관건은 이를 업무 운영권으로 얼마나 전환할 수 있느냐다.
Anthropic은 또 다른 축이다. Claude Mythos Preview는 일반 공개 모델이 아니라 제한된 연구 프리뷰지만, AGI형 자율 에이전트가 어디까지 왔는지를 보여준다. Anthropic은 Mythos Preview가 주요 운영체제와 웹브라우저에서 고위험 취약점을 찾아냈고, 수년 또는 수십 년간 인간 리뷰와 자동 테스트를 통과한 취약점을 발견했다고 밝혔다. 또한 Mythos Preview는 SWE-bench Verified 93.9%, SWE-bench Pro 77.8%, Terminal-Bench 2.0 82.0%, Humanity’s Last Exam with tools 64.7%, OSWorld-Verified 79.6%를 기록했다.
이 지점이 중요하다. AGI급 능력은 반드시 대중 앱으로 먼저 풀리지 않는다. 더 강한 능력일수록 먼저 보안, 금융, 정부, 핵심 인프라처럼 통제된 채널에서 제한 공개될 가능성이 크다. Anthropic은 Project Glasswing을 통해 AWS, Apple, Broadcom, Cisco, CrowdStrike, Google, JPMorgan Chase, Linux Foundation, Microsoft, NVIDIA, Palo Alto Networks 등과 함께 핵심 소프트웨어 방어 프로젝트를 구성했다.
즉 OpenAI, Google DeepMind, Anthropic은 같은 AGI 경쟁 안에 있지만 같은 방식으로 싸우지 않는다. OpenAI는 대중형 노동 운영 레이어를 만들고, Google DeepMind는 일반 추론과 과학 지능의 코어를 밀고, Anthropic은 통제된 자율 에이전트와 기업 거버넌스의 경계를 보여준다. 이 시장은 “누가 모델 1등인가”보다 누가 어떤 지배 레이어를 장악하는가의 문제다.
산업 지각변동은 AI 앱이 아니라 SaaS와 전문서비스의 가격 체계에서 난다
AGI가 실제로 출시되면 가장 먼저 흔들리는 시장은 AI 앱 시장이 아니다. 먼저 흔들리는 것은 인간 사용자를 전제로 설계된 SaaS, SI, BPO, 컨설팅, 리서치, 법률, 금융 애널리틱스, 고객지원, 보안 운영 시장이다.
기존 SaaS는 사람이 로그인하고, 메뉴를 누르고, 데이터를 입력하고, 결과를 확인하는 구조였다. AGI형 에이전트는 반대다. 사용자는 목표를 주고, 모델은 여러 소프트웨어와 데이터 소스를 호출하며, 작업을 수행하고, 산출물을 만든다. 이때 소프트웨어의 가치는 UI에서 API, 권한관리, 커넥터, 워크플로 자동화, 감사 로그로 이동한다.
Anthropic이 금융서비스용 에이전트 템플릿을 공개한 것은 이 전환을 잘 보여준다. 이 템플릿은 pitchbook 작성, KYC 파일 스크리닝, 월마감, 재무모델 생성, 시장 리서치, valuation review, statement audit 같은 업무를 Claude Cowork, Claude Code, Claude Managed Agents에서 수행하도록 설계됐다. 각 에이전트는 skills, connectors, subagents, credential vault, audit log를 결합한다. 이는 금융 소프트웨어의 중심이 “분석가가 쓰는 화면”에서 에이전트가 호출하는 업무 인프라로 이동한다는 뜻이다.
전문서비스 시장도 같은 방식으로 압축된다. AGI는 컨설턴트, 애널리스트, 변호사, 개발자를 한 번에 없애기보다, 그들이 반복적으로 생산하던 산출물 단위를 먼저 재가격화한다. 리서치 메모, 코드 리뷰, 재무모델 초안, 계약서 검토, 제안서, 실사 체크리스트, 컴플라이언스 보고서, 고객응대 스크립트가 먼저 압축된다.
Stanford AI Index 2026은 조직의 AI 채택률이 88%에 도달했고, SWE-bench Verified 성능이 1년 사이 60%에서 거의 100% 수준으로 상승했다고 분석했다. 동시에 AI 에이전트는 실제 컴퓨터 작업을 측정하는 OSWorld에서 12%에서 약 66%까지 뛰었지만, 여전히 구조화된 벤치마크에서도 3번 중 1번은 실패한다고 지적했다.
이 숫자는 AGI가 아직 완성되지 않았다는 뜻이기도 하지만, 동시에 더 중요한 신호를 준다. 산업은 완전한 AGI를 기다리지 않는다. 특정 업무에서 인간보다 싸고 빠르고 충분히 정확해지는 순간, 그 업무의 가격 체계는 먼저 바뀐다. AGI의 도래는 “완벽한 초지능의 출시”가 아니라 불균등한 능력의 상업적 충분성으로 온다.
AGI의 하부 독점층은 전력과 컴퓨트다
AGI는 비물질적 소프트웨어처럼 보이지만, 실제 원가 구조는 물리 인프라에 묶인다. NVIDIA는 2026 회계연도 4분기 데이터센터 매출 623억 달러를 기록했고, 이는 전년 대비 75% 증가한 수치다. 전체 2026 회계연도 매출은 2,159억 달러로 전년 대비 65% 증가했다. Jensen Huang은 agentic AI inflection point가 도래했고, 기업의 에이전트 도입이 급증하고 있다고 설명했다.
전력 병목도 커지고 있다. IEA는 데이터센터 전력 소비가 2025년 485TWh에서 2030년 950TWh로 거의 두 배가 되고, AI 중심 데이터센터 전력 소비는 같은 기간 세 배로 증가할 것으로 전망했다. 또한 2020~2025년 사이 AI 서버의 전력 밀도는 11배 증가했고, 2027년까지 다시 네 배 증가할 수 있다고 분석했다.
이 숫자의 의미는 단순한 에너지 수요 증가가 아니다. AGI의 profit pool이 모델 호출료에만 있지 않다는 뜻이다. AGI가 보급될수록 실제 병목은 누가 더 싼 추론 비용을 확보하는가, 누가 전력을 장기 계약하는가, 누가 데이터센터 부지를 확보하는가, 누가 GPU와 커스텀 칩을 조달하는가로 이동한다.
AGI의 상층부는 모델 경쟁이지만, 하층부는 전력·반도체·데이터센터·클라우드의 산업재 경쟁이다. 이 하부 독점층을 장악하지 못한 모델 회사는 더 강한 모델을 만들어도 대규모 배포에서 비용 압박을 받는다.
대중이 잘못 알고 있는 AGI의 이면은 의식이 아니라 접근권이다
AGI에 대한 첫 번째 오해는 AGI를 의식의 문제로 보는 것이다. 산업에서 중요한 AGI는 자의식이 있는 존재가 아니라, 기업 안에서 인간이 하던 업무를 충분히 자율적으로 수행하는 시스템이다. AGI가 돈을 만드는 지점은 “생각하는가”가 아니라 “일을 맡길 수 있는가”에 있다.
두 번째 오해는 AGI가 단일 모델이라는 생각이다. 실제 AGI형 제품은 모델 하나가 아니라 모델, 브라우저, 코드 실행기, 파일 시스템, 메모리, API, 커넥터, 권한관리, 감사 로그가 결합된 운영체제에 가깝다. 모델만으로는 산업을 바꾸지 못한다. 모델이 기업 데이터와 업무 도구에 연결될 때 산업 구조가 바뀐다.
세 번째 오해는 가장 강한 AGI가 모두에게 바로 공개될 것이라는 생각이다. Anthropic의 Mythos Preview는 정반대의 사례다. 강력한 코딩·보안·자율 능력을 가진 모델은 일반 공개되지 않았고, 핵심 소프트웨어 방어 목적의 제한 접근으로 운영되고 있다. 강한 AGI일수록 출시가 아니라 접근권 통제가 제품 전략의 중심이 될 수 있다.
네 번째 오해는 AGI가 지능을 공짜로 만든다는 생각이다. 모델 사용 단가는 내려갈 수 있지만, 전체 추론량, 장기 세션, 도구 호출, 보안 검증, 전력 사용은 증가한다. AGI는 지능의 한계비용을 낮추지만, 동시에 산업 전체의 컴퓨트 총량을 폭발시킨다.
다섯 번째 오해는 AGI가 인간 노동을 한 번에 대체한다는 생각이다. 실제 변화는 더 비대칭적으로 온다. 가장 먼저 흔들리는 것은 숙련자의 최종 판단이 아니라 초안 작성, 검색, 검토, 반복 분석, 주니어 업무, 고객지원, 코드 수정, 보안 스캔 같은 반복 가능한 산출물이다. AGI는 직업을 한 번에 지우기보다, 직업 안의 업무 단위를 먼저 분해한다.
수익은 모델 호출료보다 권한·검증·인프라에 붙는다
AGI가 출시돼도 모든 수익이 모델 API 호출료로만 모이지는 않는다. 실제 profit pool은 다섯 곳에 형성된다.
첫째, 컴퓨트와 전력이다. AGI가 더 긴 추론, 더 많은 도구 호출, 더 복잡한 작업을 수행할수록 GPU, 데이터센터, 전력 계약, 냉각, 네트워크가 원가 구조의 중심이 된다. OpenAI가 Stargate를 통해 대규모 컴퓨트 확보를 추진하고, NVIDIA 데이터센터 매출이 폭발적으로 성장한 것은 AGI의 하부 병목이 이미 산업재화되고 있음을 보여준다.
둘째, 모델·에이전트 라우팅이다. 모든 업무가 하나의 모델로 처리되지는 않는다. 코딩, 법률, 금융, 리서치, 고객지원, 보안, 과학 문제별로 적합한 모델과 도구를 배정하는 라우팅 레이어가 중요해진다. 이 레이어는 AGI 시대의 새로운 운영 통제권이 된다.
셋째, 기업 데이터 커넥터다. AGI가 실제 업무를 하려면 Microsoft 365, Google Workspace, GitHub, Slack, Salesforce, SAP, ServiceNow, Databricks, Snowflake, 내부 데이터웨어하우스에 접근해야 한다. 데이터 커넥터를 장악한 기업은 AGI가 일할 수 있는 현장을 장악한다.
넷째, 보안·감사·책임 레이어다. AGI가 기업 내부 데이터를 읽고 도구를 호출할수록 권한관리, 감사 로그, 승인 흐름, 모델 리스크 관리, 프롬프트 인젝션 방어가 필수 인프라가 된다. 기업은 AGI가 만든 결과를 그냥 받아들일 수 없다. 누가 어떤 데이터를 읽었고, 어떤 도구를 호출했으며, 어떤 판단으로 결과가 만들어졌는지 기록해야 한다.
다섯째, 도메인 검증 데이터다. 범용 모델은 산업별 실행지능으로 바뀌어야 돈이 된다. 금융, 의료, 법률, 제조, 보안, 과학처럼 오류 비용이 큰 산업에서는 가장 똑똑한 모델보다 검증 가능한 절차와 데이터에 연결된 모델이 우위를 가진다.
따라서 AGI 시대의 수익은 지능 자체보다, 지능에 권한을 붙이고, 권한에 검증을 붙이고, 검증에 책임 구조를 붙이는 곳에서 발생한다.
DIM의 해석
AGI 시장의 본질은 초지능 출시 경쟁이 아니다. AGI 시장은 인간의 지식노동을 어떤 기업의 운영 레이어가 가져가느냐의 경쟁이다.
OpenAI는 AGI를 대중형 노동 상품으로 전환할 가능성이 가장 크다. Google DeepMind는 일반 추론과 과학 지능의 상층부를 밀고 있다. Anthropic은 강한 자율 에이전트가 왜 통제, 보안, 접근권 관리와 함께 출시될 수밖에 없는지를 보여준다. NVIDIA와 클라우드 사업자는 이 모든 지능 생산의 원가층을 장악한다.
이 시장에서 승자는 가장 인간다운 답변을 하는 기업이 아니다. 승자는 인간의 업무를 허가받아 실행하고, 기업 데이터를 읽고, 소프트웨어를 호출하고, 결과를 검증하며, 책임 로그를 남기는 노동 운영체계를 장악한 기업이다.
AGI가 증명할 것은 기계가 인간처럼 의식할 수 있는가가 아니다. AGI가 증명할 것은 인간이 하던 경제적 업무의 실행권이 어디로 이동하는가다. 그리고 그 실행권이 이동하는 순간, 소프트웨어 시장, 전문서비스 시장, 보안 시장, 데이터센터 시장, 전력 시장은 모두 같은 구조 안에서 다시 가격이 매겨질 것이다.