Andrew Ng: The Biggest Opportunities in AI Aren't Where You Think

3줄 요약

1. 코세라 공동 창업자이자 구글 브레인 창립 멤버인 앤드루 응(Andrew Ng)이 유튜브 채널 Silicon Valley Girl의 마리나 모길코와 인터뷰했다. 2026년 8월 28일 공개된 약 38분 분량의 영상에서 두 사람은 AI 공포, 일자리, 교육, 채용, 위험, 기회를 차례로 이야기했다.
2. 앤드루 응은 AI가 일자리의 절반을 없앤다는 공포를 과장으로 본다. 일부 선두 AI 기업이 규제로 경쟁자를 견제하려고 그 공포를 퍼뜨렸다는 것이다. 경제학자들이 직업을 과업 단위로 분해해 분석한 결과, 여러 직업에서 AI가 처리할 수 있는 과업은 30~40%이고 사람이 맡는 나머지 60%는 가치가 더 올라간다고 그는 설명했다.
3. 그는 대학 교육이 AI의 변화를 2년 늦게 반영한다는 점, 그리고 지금 흔히 쓰는 방식의 AI가 학습을 해친다는 점을 문제로 꼽았다. 개인에게는 AI를 배우고, 빨리 만들고, 고객과 이야기하라고 권했다. 만드는 비용이 급락한 지금은 무엇을 만들지 정하는 일이 병목이라고 말했다.

AI 공포는 어디서 시작됐나

모길코는 2026년 여름 소셜 미디어에 AI 이야기를 올리면 데이터센터와 일자리 상실을 걱정하는 댓글이 달린다고 했다. 그러면서 사회가 왜 이렇게 양극화됐는지 물었다. 앤드루 응은 AI에 관한 잘못된 정보가 많고, 그 근원은 2~3년 전 시작된 홍보 활동과 규제 포획 시도라고 답했다. 규제 포획(regulatory capture)은 규제가 기존 강자에게 유리하게 만들어지도록 영향력을 행사하는 일을 말한다.

그의 설명은 이렇다. 지금 AI 분야에서 가장 값진 자산은 일부 기업이 학습시킨 거대 언어 모델이다. 수십억 달러를 들여 모델을 학습시킨 기업으로서는, 다른 누군가가 모델을 학습시켜 전 세계에 무료로 배포하면 곤란해진다. 이 때문에 몇몇 선두 AI 기업이 AI 공포를 크게 외치며 규제 통과를 추진했다고 그는 주장한다. 그런 규제가 생기면 경쟁이 불공정해지고 기존 기업만 득을 본다. 모두가 비싼 값을 내고 AI를 쓰게 되고, 훨씬 싼 오픈 웨이트 모델을 공개하려는 연구자와 기업은 방해받는다. 오픈 웨이트 모델은 학습된 가중치를 공개해 누구나 내려받아 쓸 수 있는 모델이다.

그는 공포 조장의 예를 세 가지 들었다. 근거 없이 AI를 핵무기에 비유하는 것, AI가 일으킨 사고를 골라 실제보다 크게 과장하는 것, 데이터센터의 물 사용량을 실제보다 훨씬 많다고 퍼뜨리는 것이다.

공포에 호소하는 메시지를 끊임없이 되풀이한 탓에 사회가 AI를 매우 부정적으로 인식하게 됐다. 그 결과 미국의 AI 도입이 늦어지고 경쟁력이 떨어지고 있어 안타깝다.

그는 AI의 실상을 “엄청난 이점이 있고 몇 가지 문제도 있지만, 과장된 만큼 심각하지는 않다"고 정리했다. 이 실상을 알리지 못하면 개인이 피해를 입는다고 그는 말했다.

AI는 일자리를 얼마나 대체하나

앤드루 응은 “일자리 종말” 시나리오가 현실이 되지 않을 것이라고 단언했다. AI가 일자리의 50%를 대체하고 실업자들이 거리에서 폭동을 일으킨다는 시나리오다. 그의 설명으로는 새로운 기술이 등장할 때마다 일을 잘 해내는 데 필요한 역량이 바뀌었고, AI도 지금 여러 직업의 내용을 바꾸고 있다. 그는 AI가 그렇게 뛰어나지도 않다고 덧붙였다. 일부 기업은 초지능이나 범용 인공지능(AGI)을 거론하며 AI가 사람의 일을 모두 할 것처럼 과장한다. 그러나 그는 “AI가 더 잘 작동하면 좋겠다"는 말이 나올 만큼 지금의 AI가 부족하다고 평가했다.

그는 경제학자들의 직무 분석을 근거로 들었다. 스탠퍼드의 에릭 브린욜프슨과 MIT의 대런 아세모글루 같은 경제학자들은 여러 직업을 개별 과업으로 분해해 분석했다.¹ 앤드루 응이 전한 결과로는 AI가 여러 직업에서 과업의 30~40% 정도를 할 수 있다.

그 말은 사람이 맡는 나머지 60%의 가치가 올라갔다는 뜻이다. 이제 값이 싸진 30~40%와 함께 쓰이는 경제적 보완재이기 때문이다.

경제학에서 보완재는 함께 쓰이는 관계의 재화를 말한다. 한 재화의 값이 내려가면 다른 재화를 찾는 수요가 늘어난다. 앤드루 응은 AI를 쓰는 사람이 AI를 쓰지 않는 사람을 대체할 수는 있어도, 대다수 직업에서 AI가 사람을 대체할 수준은 아니라고 정리했다.

직업 가운데 AI의 영향을 가장 크게 받고 있는 분야로 그는 소프트웨어 엔지니어링을 꼽았다. AI가 코드를 매우 잘 쓰기 때문이다. 그런데 그에 따르면 소프트웨어 엔지니어 채용 공고는 비관론자들의 예상과 달리 늘었고, 그가 아는 뛰어난 엔지니어들은 어느 때보다 바쁘다. 반대로 ChatGPT가 나오기 전인 2022년처럼 코드를 쓰는 사람은 곤란해진다. 그는 AI가 자동화할 수 있는 30~40%의 일은 그만두고 AI에 맡기되, AI가 못 하는 나머지 60~70%를 해낼 새 역량을 익히라고 조언했다.

갓 졸업한 이들에게 주는 조언

모길코는 앞서 자기 팟캐스트에 출연했던 브린욜프슨의 말을 전했다. 일자리 시장 전체에는 큰 영향이 없지만 18~25세의 젊은 층은 예외라는 것이다. 이어 아직 전문성을 갖추지 못한 이들에게 해 줄 조언을 물었다.²

앤드루 응은 대학이 AI의 변화를 제때 가르치지 못한다는 이야기로 답을 시작했다. AI가 소프트웨어 작성 방식을 바꾸면 대학이 대응하는 데 1~2년이 걸린다. 교수진이 새 기술을 익히고, 새 강의를 만들고, 교과과정 위원회 승인을 받고, 교수 평의회 표결을 거쳐야 하기 때문이다. 그는 학계를 아끼고 지지해야 한다고 전제하면서도, 학계의 변화 속도가 AI의 변화 속도를 전혀 따라잡지 못한다고 지적했다.

안타깝게도 많은 대학이 아직 2022년의 일자리에 대비하도록 학생들을 가르친다. 2026년의 일자리에 맞춰 가르치는 것으로도 부족하다. 2028년과 그 이후의 일자리를 위해 가르쳐야 한다.

일자리 자체는 있다고 그는 말한다. 그가 아는 많은 고용주가 경력이 많든 적든 숙련된 사람을 충분히 찾지 못한다. 그의 사무실에는 대학 재학생, 갓 졸업한 사람, 고등학생 한 명까지 인턴이 많은데, 모두 놀랄 만큼 생산적이다. 이들이 모두 AI 네이티브이기 때문이다. AI 도구로 처리할 수 있는 일은 AI로 처리하고, AI가 오랫동안 해내지 못할 사람의 일에 힘을 쏟는다.

그래서 그는 학생들에게 수업을 열심히 듣고 좋은 성적을 받되, 대학이 아직 가르치지 못하는 기술, 특히 AI 기술은 코세라, DeepLearning.AI, Udemy 같은 온라인 강의로 따로 배우라고 권했다.

누가 AI로 만들어야 하나

앤드루 응은 필요한 역량이 바뀌는 방식 가운데 가장 중요한 변화로, AI 덕분에 무언가를 만들기가 예전보다 훨씬 쉬워졌다는 점을 꼽았다. 그의 논리는 이렇다. 어떤 일이 훨씬 쉬워지면 더 많은 사람이 그 일을 해야 한다. 전문 소프트웨어 엔지니어뿐 아니라 마케터, 채용 담당자, 인사 담당자, 운영 전문가도 AI로 만드는 법을 배우면 어떤 직무에서든 훨씬 많은 일을 해낼 수 있다.

AI 도입 효과를 무엇으로 측정하느냐는 질문에, 그는 지표가 사업마다 다르다고 답했다. AI가 사업에 주는 효과는 AI 자체보다 사업의 성격에 달려 있다는 것이다. 어떤 사업에서는 고객 증가와 유지가, 어떤 사업에서는 더 빠른 고객 응대나 특정 업무의 정확도 향상이 지표가 된다.

모길코는 자기 회사의 사례를 소개했다. 팀원 모두가 Claude를 쓰고, 소셜 미디어마다 프로젝트를 두고 있다. 팟캐스트용 프로젝트는 게스트 후보를 언론 인용 여부, AI에 대한 견해, AI 활용 경험 같은 기준으로 평가해 40점 만점으로 등급을 매긴다. 매 회차를 분석해 질문 요령을 알려 주는 프로젝트도 있고, 인스타그램과 링크드인용 프로젝트는 모길코의 말투와 사업 전략을 알고 글을 쓴다. 지금은 팀이 텔레그램 대화에서 주고받는 피드백을 AI가 계속 학습하면서 모길코의 취향을 익히도록 작업하고 있다.

사람이 AI보다 나은 점

이 사례를 들은 앤드루 응은 AI와 아이디어를 낼 때 흔히 겪는 일을 이야기했다. AI는 좋은 아이디어 한두 개, 그저 그런 아이디어 두세 개, 형편없는 아이디어 네 개쯤을 제시한다. 사람에게는 너무나 뻔하게 나쁜 아이디어인데 AI는 그걸 모른다.

그는 이것이 일자리 종말이 오지 않는 이유를 설명해 준다고 본다. 사람은 AI보다 훨씬 많은 맥락을 안다. 고객과 이야기하다 미묘한 표정에서 마음에 들지 않는다는 신호를 읽고, 관리자에게서 누가 무엇을 중요하게 여기는지 듣는다. 사람이 오랜 경험으로 아는 이런 정보를 AI가 얻을 수단은 지금 없고, 가까운 미래에도 생기지 않을 것이라고 그는 말했다.

사람들은 인간의 판단력이나 취향이 중요하다고 말한다. 그럼 취향이란 뭘까. 모호한 개념이다. 내가 보기에 사람의 판단력과 취향이 AI보다 나은 기술적 이유는 사람이 맥락을 더 많이 안다는 데 있다.

사람이 AI보다 맥락을 더 많이 안다는 이점은 몇 년 안에 사라지지 않으므로, 판단력과 취향을 갖춘 사람이 앞으로도 AI를 보완해야 한다고 그는 결론지었다.

AI와 학습

모길코는 그렇다면 맥락을 주는 교육이 더 중요해지지 않느냐고 물었다. 앤드루 응은 “논란이 될 수 있고 공개적으로 한 적 없는 말"이라며 이렇게 답했다.

솔직히 AI 모델은 학습에 쓰기에는 끔찍하다.

그는 일을 해치우는 데는 AI를 늘 쓰고 아주 좋아한다고 밝혔다. 학습은 다른 문제다. 대학생이 AI를 쓰면 과제 점수는 올라간다. 그러나 AI가 일을 대신해 주기 때문에 배운 내용을 기억하는 정도와 장기 성취도는 훨씬 떨어진다. 이를 뒷받침하는 연구가 계속 나오고 있다고 그는 말했다.

그는 이 현상을 인지적 오프로딩(cognitive offloading)으로 설명했다. 기억하고 생각하는 일을 외부 도구에 맡기는 것이다. 일을 처리하는 데는 좋고 사회도 그렇게 발전해 왔지만, 그렇게 처리한 내용은 사람의 기억에 남기 어렵다. 그는 위키백과나 웹 검색이 정보를 찾는 훌륭한 도구인 것과 달리, AI에 일을 시키는 것은 성격이 다르다고 구분했다. AI를 학습에 이롭게 쓰는 방법도 있다고 인정하면서, 대다수 사람이 지금 AI를 쓰는 방식을 문제 삼았다.

그 자신도 같은 일을 겪었다. 지난 6개월 동안 프로젝트를 만들며 프런트엔드와 백엔드 구성 요소의 작동 방식을 AI에 물어 일을 끝냈는데, 나중에 같은 구성 요소를 다시 만들 때는 답이 기억나지 않아 AI에 또 물었다고 한다.

런벡터

모길코가 그래서 일대일 AI 튜터링 회사를 세운 것 아니냐고 묻자, 앤드루 응은 최근 런벡터(LearnVector)라는 조직을 이끌게 됐다고 답했다. 런벡터는 일대다 대신 일대일에 가까운 학습 경험을 만든다.

그는 15년 전 온라인 강의 운동에 참여했다. 그 운동은 모두가 같은 영상을 보는 일대다 경험을 만들었고, 이 방식도 지금 꽤 잘 작동한다. 그런데 이제는 훨씬 개인화된 일대일 경험을 만들 기술이 있다. 그는 내년 초에는 보여 줄 내용이 훨씬 많아질 것이라고 예고했다.

인터뷰에 나오지 않은 공개 정보를 보태면, 코세라는 2026년 7월 28일 런벡터에 1억 달러를 전략 투자하고 완전 희석 기준으로 지분 3분의 1을 갖는다고 발표했다. 앤드루 응이 런벡터의 최고경영자를 맡고, 첫 제품은 2027년 초 출시가 목표다.³

직무는 어떻게 바뀌나

앤드루 응은 AI가 소프트웨어 엔지니어링에 가장 큰 영향을 미쳤기 때문에, 이 직군의 채용 시장에서 일어나는 일이 다른 분야에서도 되풀이될 것이라고 본다. 소프트웨어 엔지니어링에서는 새 역량을 익힌 사람이 더 많은 가치를 만들고, 연봉이 오르고, 더 흥미로운 프로젝트를 맡고 있다.

예를 들어 프런트엔드 개발자와 백엔드 개발자 대부분이 AI의 도움으로 더 많은 영역을 맡게 되면서 풀스택 개발자가 됐다. 그는 다른 분야에서도 같은 조짐을 본다. 마케팅 캠페인을 조율하던 사람이 AI의 도움으로 마케팅 전 과정을 맡는 마케터가 되고, 채용에서 후보자 발굴만 하던 담당자가 채용 전 과정을 맡게 되는 식이다.

좋기도 하고 나쁘기도 한 소식이 있다. 이렇게 확장된 역할을 해내려면 AI 기술과 함께 마케팅이나 채용의 나머지 업무 같은 해당 분야의 역량도 배워야 한다. 둘을 갖추면 일을 훨씬 많이 해내고, 일도 더 재미있어지고, 보수도 더 받을 수 있다고 그는 말했다.

그가 공포 조장을 걱정하는 이유도 여기에 있다. 대학 입학을 앞둔 한 학생이 그에게 이메일을 보냈다. 4년 뒤면 AI가 다 할 테니 지금 배우는 것이 전부 쓸모없어지지 않겠느냐며, 무엇을 전공해야 할지 고민이라는 내용이었다. 그가 보낸 답은 “물론 전부 쓸모없어지지는 않는다"였다. 공포 메시지가 반복되면 사람들은 자신이 쓸모 있을지 의심하게 되고, 더 나은 처지를 만들어 줄 기술을 익히는 데 힘을 쏟지 않게 된다고 그는 말했다.

사람들이 포기하게 만드는 것은 우리가 할 수 있는 가장 나쁜 일 가운데 하나다. 적극적으로 뛰어드는 사람이 성공할 시대에 말이다.

무엇을 전공해야 하나

가장 좋은 전공이 무엇이냐는 질문을 받은 앤드루 응은, 세상에서 가장 좋은 직업을 묻는 것과 같다며 모른다고 답했다. 그는 우주비행사가 되고 싶다는 딸 이야기를 하며 여러 직무에 기회가 많다고 했다. 그래도 AI를 배우고, AI로 만드는 법을 배우라고 권했다.

그의 팀은 AI 엔지니어링에 가장 중요한 역량을 정리한 역량 지도(skills map)를 만들고 있다. 그가 직관으로 느끼던 것이 데이터에서도 확인됐다. 매우 높은 주도성(agency)을 보여 주는 사람을 원한다는 채용 공고가 훨씬 많아진 것이다. AI 덕분에 개인이 문제를 발견하고 무언가를 만들어 해결할 기회가 많아졌기 때문이다. 그는 상사가 할 일을 정해 주기를 기다리는 시대가 빠르게 끝나 가고 있다고 했다.

모길코는 직원들이 각자 맡은 영역의 기업가가 되기를 바란다고 했고, 앤드루 응은 동의하면서 한 가지를 덧붙였다. 대기업 엔지니어들은 창의적인 아이디어를 내도 관리자에게 맡은 일에만 집중하라는 말을 듣는다고 한다. 관리자의 경력이 그 한 가지 일에 달려 있는 경우가 많기 때문이다. 그는 담당 업무와 무관한 기회를 발견해 책임감 있게 시도할 수 있는 경우가 늘었다고 본다. 그리고 AI를 배우고, 책임감 있게 빨리 만들고, 고객과 이야기하도록 장려하는 문화를 갖춘 기업이 위계적이고 부서별로 단절된 조직보다 훨씬 많은 가치를 만들 것이라고 전망했다.

앤드루 응의 팀은 어떻게 뽑고 일하나

마케터에게 기대하는 AI 활용 수준을 묻자, 그는 자기 팀이 업계 평균보다 AI를 많이 쓰는 편이라고 전제하며 이렇게 답했다. 그의 팀 마케터는 전원이 코딩을 할 줄 안다. 마케터 면접에서는 무엇을 만들었는지 묻는다. 대시보드를 만든 정도면 되느냐는 질문에는, 그의 마케터들이 대시보드보다 훨씬 정교한 것을 만들었다고 했다.

그는 세 팀의 사례를 들었다.

• 마케팅: 한 마케터가 글을 쓰기 전에 웹 문서를 수집해 관련 자료를 찾아 주는 맥용 데스크톱 앱을 직접 만들었다. 쓰고 있는 글과 관련 자료를 살펴보면서 앱에 질문할 수 있고, 인터넷에 새로 등장하는 흥미로운 소식을 알려 주는 큰 대시보드도 있다.
• 재무: 한 최고재무책임자(CFO)는 팀원들이 매주 몇 시간씩 문서를 열고 숫자를 복사해 붙여 넣는 것을 보고 자동화 스크립트를 만들었다. 정해진 주기로 파일을 열어 내용과 일관성을 검사하고, 주의할 점이 있거나 새 문서가 생기면 팀에 알린다. 이 팀은 엔지니어를 기다리는 대신 대시보드는 물론 데이터 관리 인프라까지 직접 만든다.
• 채용: 채용 팀에 속한 엔지니어, 이른바 채용 엔지니어가 정교한 도구를 만든다.

그가 본 또 하나의 흐름은 이렇다. 마케터, 채용 담당자, 인사 담당자 모두 AI를 배워야 하지만, 엔지니어를 이런 팀에 배치하면 할 수 있는 일이 한층 늘어난다. 채용 엔지니어, 마케팅 엔지니어, 인사 엔지니어까지 생각하면 가치 있는 엔지니어링 일이 너무 많아서, 엔지니어링 일자리가 부족해질 걱정은 할 필요가 없다고 그는 말했다.

민감한 데이터는 어디에 맡기나

모길코는 Perplexity에 자신의 Fidelity 증권 계좌 조회 권한을 주고 포트폴리오 추적과 리밸런싱 알림을 받는다고 했다. Perplexity가 대신 거래하지는 않는다고 한다. 앤드루 응은 AI 프라이버시는 복잡한 문제이고 데이터를 맡기는 회사에 크게 달려 있다고 답했다.

그는 법률 조언이 아닌 개인 의견이라는 단서를 달고, 최대 하이퍼스케일러들이 스스로 공개한 약관과 개인정보 처리방침을 100% 지킬 것으로 신뢰한다고 말했다. 여기서 하이퍼스케일러란 아마존, 마이크로소프트, 구글처럼 대규모 클라우드를 운영하는 사업자를 가리킨다. 그는 약관을 어기면 장기 사업 모델이 크게 손상되므로, 그들의 문화에서는 그런 행동을 상상하기 어렵다고 봤다.

반면 AI 기업 가운데에는 이름을 밝히지 않은 한 회사처럼, 약관을 이따금 바꾸고 웹사이트에 데이터를 보관하거나 학습에 쓰겠다는 팝업을 띄우는 곳이 있다. 사용자가 주의하지 않고 잘못된 버튼을 누르면, 그 회사는 앤드루 응이 불편하게 여기는 방식으로 데이터에 접근할 권한을 얻게 된다. 이 때문에 그는 문화와 장기 사업 모델이 사용자 프라이버시 보호와 이해가 일치하지 않는 기업에는 매우 조심한다.

그의 AI 자문사 AI Aspire는 은행을 포함한 대기업과 일한다. 이 고객들은 매우 민감한 미공개 중요 정보(MNPI)를 충분한 보호 장치 없이는 프런티어 AI 연구소에 보내지 않는다.⁴ 미공개 중요 정보는 공개되지 않은 채 증권 가격에 영향을 줄 수 있는 정보로, 이를 이용한 거래는 내부자 거래로 규제된다. 많은 은행은 AI를 스스로 통제하는 가상 사설 클라우드나 사내 서버에서 운영한다.

개인 차원에서는 그도 정말 민감한 일에 가끔 로컬 모델을 쓴다. 최신 오픈 웨이트 모델 가운데 일부는 프런티어 모델과 비슷한 성능을 내면서도 개인 컴퓨터에서 실행할 만큼 작다. 모길코가 메타의 최근 모델을 언급하자, 그는 그 모델도 좋고 Qwen의 최신 버전도 좋다고 답했다. 이런 모델은 2주마다 바뀌므로 한 모델만 고집하지 말고 새 모델을 계속 써 보라고 조언했다. 그는 미공개 중요 정보를 클라우드로 아예 보내지 않고, AI 없이 손으로 처리하거나 꼭 필요하면 로컬 모델만 쓴다.

통제 상실, 딥페이크, 아이들

모길코는 요슈아 벤지오와 인터뷰했을 때 들은 경고를 전했다. 사람은 자기보다 똑똑한 존재를 통제할 수 없으므로, AI가 계속 똑똑해지면 AI가 통제권을 장악하는 무서운 시나리오가 현실이 된다는 것이다. 앤드루 응은 우리가 완벽하게 통제하지 못하는 또 다른 것으로 비행기를 들었다.

완벽하게 날 수 있는 비행기는 아무도 만들지 못한다. 바람이 비행기를 흔든다. 비행기를 개발하던 초기에는 추락 사고로 사람들이 목숨을 잃었다. 비극이었다. 그러나 초기의 교훈을 얻은 덕분에 비행기를 점점 더 잘 통제하게 됐고, 오늘날 우리는 대체로 목숨 걱정 없이 비행기를 탄다. AI도 마찬가지다.

AI는 다소 무작위적인 출력을 생성하므로 무엇을 할지 정확히 알 수 없고, 아무도 AI를 완벽하게 통제하지 못한다. 실제로 몇 건의 사고가 있었고 일부는 피해도 냈다. 그는 비행기부터 전기 회로, AI까지 거의 모든 시스템을 같은 방식으로 설계한다고 설명했다. 통제된 환경에서 능력을 조심스럽게 늘려 가며 무엇이 잘못되는지 측정한다. 그리고 책임감 있고 안전하게 작동할 만큼 충분히 통제할 수 있을 때까지 조정한다. 비행기도 AI도 완벽하게 통제하는 날은 오지 않겠지만 지금도 충분히 안전하게 통제하고 있으므로, 통제 상실은 과학이라기보다 공상과학처럼 느껴진다고 그는 말했다.

그는 딥페이크가 문제라고 인정했다. 특히 동의 없이 만든 성적 딥페이크 이미지는 자신이 보고 들은 가장 역겨운 것 중 하나라고 했다. 또 미국 의회가 이를 금지하는 입법을 추진하는 것을 환영했다. 그는 이처럼 문제가 되는 AI 사용을 불법화하고 무겁게 처벌해야 한다고 주장했다.

아이들과 AI에 관한 질문에 그는 지금이 아이로 자라기에 매우 흥미로운 시기라고 낙관하면서도 걱정을 숨기지 않았다. 소셜 미디어는 마땅한 수준보다 조금 더 비난받았지만 비난받을 만하다고 했고, 무엇보다 AI가 학습을 해칠까 크게 걱정한다고 털어놓았다. 다섯 살과 일곱 살 자녀를 둔 그는 수학을 가르칠 때 계산기를 주지 않고 곱셈을 함께 연습한다. 마음에 드는 무료 학습 프로그램이 없어서, 그는 일곱 살 딸이 타자를 배울 앱을 직접 만들었다. 딸은 소문자를 모두 칠 수 있게 됐지만 Shift를 눌러 대문자를 치는 것은 아직 서툴다. 그는 어른이 감독하면서 아이가 디지털 도구를 쓰게 하는 것은 좋은 일이라고 했다. 그러나 감독할 시간이 없는 어른이 많고, 소셜 미디어 같은 서비스의 유인 구조도 문제라고 덧붙였다.

2026년, 무엇을 만들 것인가

모길코는 무언가를 만들고 싶은 사람에게 2026년의 가장 큰 기회가 무엇인지 물었다. 앤드루 응은 모두에게 맞는 답은 없다면서도, 만드는 비용이 급락했으니 AI를 배우고, 빨리 만들고, 고객과 이야기하라고 권했다. 그 자신도 주말마다 무언가를 만든다. 지난 주말에는 데이터 과학자를 찾을 시간이 없어 여러 프런티어 모델로 회사의 핵심 사업 지표를 직접 분석했는데, 데이터 보관 정책이 마음에 들지 않는 모델은 쓰지 않았다.

AI 덕분에 만드는 비용이 급락했고, 이제는 무엇을 만들지 정하는 것이 어려운 문제가 되고 있다. 나는 이것을 제품 관리 병목이라고 불러 왔다.

창업자, 엔지니어, 제품 관리자라면 고객과 이야기하며 무엇을 만들지 판단하는 감각을 얻고, AI로 만들어 빠르게 반복 개선하면 된다고 그는 처방했다.

여러 아이디어를 동시에 추진할 수 있느냐는 질문에 그는 신중하게 답했다. 회사를 세우는 일은 여전히 매우 어렵고, 한 가지에만 전념하는 리더십의 가치가 크다고 강조했다. 주말 동안 기존 AI 모델을 감싸기만 한 래퍼(wrapper) 앱이나 단순한 애플리케이션은 만들 수 있지만, 의미 있는 것을 만들려면 높은 수준의 기술력이나 고객에 대한 깊은 통찰이 필요하다. AI로 몇 시간 만에 코드를 짜는 것은 그 일의 작은 일부일 뿐이다. 복잡한 소프트웨어를 만드는 데는 몇 달에서 몇 년이 걸리고, 무엇을 만들지 알아내려면 고객과 수없이 이야기하고, 표정을 읽고, 설문을 반복해야 한다. 그는 다양하게 시도해 보는 것도 가치가 있지만, 사업을 하려면 한두 분야에 깊이 집중해야 한다고 정리했다.

AGI는 언제 오나

젠슨 황은 이미 AGI를 달성했다고 말했지만, 앤드루 응은 수십 년 뒤라고 말해 왔다. 그는 사람마다 AGI의 정의가 달라서 달성 시점도 다르게 말한다고 설명했다. 그가 가장 익숙하게 쓰는 정의에 따르면, AGI는 사람이 할 수 있는 모든 지적 과업을 해내는 AI를 뜻한다. 사람은 5년을 공부해 박사 논문을 쓰고, 수십 분 연습하면 울창한 열대우림을 지나 트럭을 모는 법을 배운다. AI가 하지 못하는 이런 일의 목록이 길어서, 이 정의대로라면 AGI에는 수십 년, 어쩌면 그보다 오래 걸릴 것이라고 그는 본다.

정의가 달라지는 데는 경제적 유인도 작용한다. 그에 따르면 OpenAI와 마이크로소프트가 맺은 계약 때문에 OpenAI에는 AGI 달성을 일찍 선언할 경제적 유인이 있었다. 그 계약은 이후 재협상돼 그 유인은 사라졌다. 기준을 얼마나 완화하느냐에 따라, AGI가 이미 달성됐다고 할 수도, 심지어 30년 전에 달성됐다고 할 수도 있다고 그는 지적했다.

인터뷰를 마치며 그는, 앞으로 올 AI의 큰 이점을 생각하면 시청자들이 AI를 배우고, 적용하고, 무언가를 만들어 보기를 바란다고 말했다.

가장 흥미로운 지점

AI 교육 회사를 막 세운 사람이 “AI 모델은 학습에 쓰기에는 끔찍하다"고 말하는 것을 듣고 나는 조금 놀랐다. 런벡터가 코세라에서 1억 달러를 투자받은 지 한 달 만에 나온 발언이기 때문이다. 앞뒤가 맞지 않는 말처럼 들린다. 그러나 그는 AI가 일을 대신 처리하는 사용 방식을 문제 삼았고, 런벡터는 학습자가 숙달할 때까지 계속 가르치는 일대일 튜터링을 내세운다. 그의 진단이 맞다면, 런벡터는 학습자가 AI를 쓰면서도 배운 것을 기억하도록 제품을 설계해야 한다.

그러고 보니 그의 두 주장은 서로 모순될 수 있다. 그는 사람의 가장 큰 강점을 오랜 경험에서 얻은 맥락이라고 했다. 그런데 그가 묘사한 지금의 AI 사용 습관은 그 경험이 기억으로 남는 것을 방해한다. 6개월 전에 물은 것을 다시 묻는 앤드루 응 자신의 사례가 그렇다. AI로 생산성을 올리는 습관이 맥락의 이점을 지키는 습관과 같다는 보장은 없다. 인터뷰에서 그는 두 이야기를 따로 했고, 둘이 상충할 수 있다는 문제는 다루지 않았다.

출처

Silicon Valley Girl(마리나 모길코), “Andrew Ng: The Biggest Opportunities in AI Aren’t Where You Think”, YouTube, 2026년 8월 28일, 37분 51초. 원문: https://www.youtube.com/watch?v=o-wv_szZ0V0