젠슨 황이 말한 AI의 다음 승부처는 ‘더 똑똑한 모델’이 아니다

AI 산업의 논쟁은 최근 다시 ‘속도를 늦춰야 하는가’라는 질문으로 돌아왔다. Anthropic CEO 다리오 아모데이는 프런티어 AI의 능력이 빠르게 높아지는 상황에서 개발 속도와 안전장치를 함께 검토해야 한다는 입장을 지속적으로 내놓고 있다. 반면 NVIDIA CEO 젠슨 황은 9월 14일 공개된 All-In Podcast 인터뷰에서 이러한 논의 가운데 일부가 실제 증거보다 지나친 미래 예측에 의존하고 있다고 비판했다. AI의 위험을 무시하자는 이야기가 아니라, 아직 일어나지 않은 재앙을 상상하는 것보다 현재 발생한 문제를 측정하고 해결하는 엔지니어링이 더 중요하다는 주장이다.

흥미로운 것은 이 인터뷰의 핵심이 AI 안전 논쟁 자체에 있지 않다는 점이다. 젠슨 황의 이야기를 끝까지 따라가 보면 AI 경쟁의 중심이 모델 성능에서 실제 산업 구조로 이동하고 있다는 사실이 더 선명하게 드러난다. 오픈 모델, 데이터센터, 전력, 지역 AI 클라우드, 기업용 에이전트까지 AI를 둘러싼 거대한 실행 인프라가 만들어지고 있다. 이제 기업이 고민해야 하는 질문 역시 “어떤 AI가 가장 똑똑한가”에서 “이 AI를 우리 조직 안에서 어떻게 실제로 작동하게 만들 것인가”로 바뀌고 있다.

AI를 둘러싼 논쟁이 ‘가능성’에서 ‘운영’으로 이동하고 있다

젠슨 황은 과거 AI에 대한 여러 예측이 실제 현실과 다른 방향으로 전개됐다는 점을 강조한다. 대표적인 사례가 영상 판독 분야다. AI가 등장하면서 방사선 전문의가 빠르게 사라질 것이라는 전망이 나왔지만 현실에서는 AI가 의사를 완전히 대체하기보다 진단을 보조하는 도구로 자리 잡았다. 소프트웨어 개발에서도 비슷하다. AI가 코드를 작성하는 비중은 빠르게 높아지고 있지만, 이것이 곧 개발자가 사라진다는 의미와 동일하지는 않다.

이 사례들이 보여주는 것은 AI의 능력을 과소평가해야 한다는 것이 아니다. 오히려 반대다. 기술의 발전 속도는 매우 빠르지만 기술적 능력과 사회적 결과 사이에는 상당한 거리가 존재한다. 기업 시스템과의 연결, 데이터 접근 권한, 보안, 책임 구조, 비용, 사용자 경험 같은 수많은 조건이 함께 작동해야 기술이 실제 업무를 바꿀 수 있기 때문이다.

이 차이는 기업의 생성형 AI 도입에서도 그대로 나타난다. 최신 모델을 도입하는 것만으로 생산성이 자동으로 올라가지는 않는다. 어떤 업무를 AI에 맡길 것인지, 어떤 데이터를 연결할 것인지, 결과를 누가 검증할 것인지, 오류가 발생했을 때 어디에서 차단할 것인지까지 설계되어야 한다. AI 활용의 경쟁력이 모델 선택보다 업무 구조를 다시 설계하는 능력에서 만들어지는 이유다.

오픈 모델은 AI 경쟁의 또 다른 축이 되고 있다

이번 인터뷰에서 젠슨 황이 특히 강조한 부분 가운데 하나가 오픈 모델이다. 그의 관점에서 앞으로 AI 생태계는 폐쇄형 모델과 오픈 모델 가운데 하나가 승리하는 구조가 아니다. 기업과 국가, 산업마다 요구하는 보안 수준과 데이터 환경이 다르기 때문에 두 방식이 동시에 존재할 가능성이 높다는 것이다.

NVIDIA 역시 이러한 방향을 분명하게 보여주고 있다. 회사는 Nemotron을 비롯해 의료, 로봇, 자율주행, 기후과학 등 다양한 분야의 모델과 데이터셋을 공개하고 있으며 NVIDIA의 오픈 모델 페이지에는 현재 650개 이상의 모델과 250개 이상의 데이터셋이 등록돼 있다. 2026년 GTC에서도 젠슨 황은 “오픈 대 독점이라는 구분 자체가 중요한 문제가 아니다”라는 취지로 이야기하며 다양한 모델이 함께 존재하는 AI 생태계를 강조했다.

오픈 모델의 의미는 단순히 무료로 사용할 수 있다는 데 있지 않다. 기업 입장에서는 모델을 자체 인프라에 설치하고 내부 데이터와 결합하거나 특정 업무에 맞게 조정할 수 있다. 국가 차원에서는 핵심 AI 기술을 해외의 특정 서비스에 완전히 의존하지 않고 자국의 데이터와 인프라 위에서 운영할 수도 있다. 최근 ‘소버린 AI’라는 개념이 빠르게 확산되는 이유도 여기에 있다.

Anthropic 역시 모든 오픈 모델을 반대하는 것은 아니다. 다리오 아모데이는 올해 7월 공개한 글에서 위험한 능력을 갖지 않은 오픈 웨이트 모델은 기업과 개발자, 연구자에게 가치를 제공하는 ‘공공재’가 될 수 있다고 밝혔다. 결국 논쟁의 본질은 오픈이냐 폐쇄냐의 단순한 선택이 아니라 어떤 능력의 모델을 어떤 안전장치 아래에서 사용할 것인가에 가깝다.

진짜 AI 경쟁은 데이터센터와 전력에서 벌어지고 있다

생성형 AI를 이야기할 때 우리는 주로 ChatGPT, Claude, Gemini 같은 서비스를 떠올린다. 하지만 젠슨 황이 바라보는 AI 산업의 규모는 훨씬 크다. 그가 계속해서 ‘AI Factory’라는 표현을 사용하는 이유도 AI가 하나의 소프트웨어 서비스가 아니라 막대한 컴퓨팅 자원을 지속적으로 소비하며 새로운 결과를 생산하는 산업 인프라가 되고 있다고 보기 때문이다.

NVIDIA는 2026년 8월 AI 데이터센터 구축을 위해 글로벌 금융기관들과 장기적으로 5,000억 달러 이상의 민간 자본을 동원하는 금융 플랫폼 계획을 발표했다. 젠슨 황은 이를 설명하면서 AI 시대에는 컴퓨팅 자원이 단순한 설비가 아니라 수익을 만들어내는 생산자산이 된다고 주장했다. 반도체만 중요한 것이 아니다. 데이터센터가 들어설 토지, 안정적인 전력, 냉각 시스템, 네트워크와 같은 물리적 조건까지 AI 경쟁력의 일부가 되고 있다.

이 변화는 기업의 AI 전략에도 중요한 의미를 갖는다. 앞으로 AI 비용은 단순히 월 구독료를 지불하는 형태만 존재하지 않을 가능성이 높다. 조직 내부에 AI 에이전트가 수십 개, 수백 개 배치되고 하루 종일 문서를 읽고 데이터를 분석하고 코드를 작성한다면 AI 사용량 자체가 기업의 새로운 IT 비용 구조가 된다. 어떤 모델을 사용하느냐뿐 아니라 어디에서 실행하고, 얼마나 많은 컴퓨팅 자원을 사용하고, 어떤 데이터와 연결할 것인지가 중요한 경영 문제가 된다.

한국 역시 이 흐름과 무관하지 않다. NVIDIA는 올해 한국의 통신·제조·반도체 기업들과 AI 인프라 협력을 확대하면서 통신망과 데이터센터를 국가 AI 인프라의 일부로 설명하고 있다. AI 경쟁이 챗봇 서비스의 경쟁을 넘어 데이터센터·전력·반도체·통신·산업 데이터까지 연결되는 구조로 확장되고 있다는 의미다.

슈퍼인텔리전스는 이미 시작됐을지도 모른다

인터뷰 후반부에서 젠슨 황은 또 하나의 흥미로운 관점을 제시한다. 사람들은 흔히 슈퍼인텔리전스를 모든 영역에서 인간보다 뛰어난 하나의 거대한 AI로 상상하지만, 그는 특정 분야에서는 이미 인간의 능력을 크게 뛰어넘는 시스템이 등장하고 있다고 본다. 자율주행 시스템이나 단백질 설계처럼 막대한 데이터를 탐색하고 인간이 현실적으로 수행하기 어려운 규모의 계산을 처리하는 분야가 그 사례다.

최근 Anthropic이 공개한 연구도 이러한 변화의 한 단면을 보여준다. Claude를 이용해 생체분자 모델링에 사용되는 30개 이상의 오픈소스 모델을 최적화한 결과 평균적으로 약 네 배 빠르게 실행할 수 있었다고 발표했다. AI가 연구 결과를 알려주는 수준을 넘어 연구 도구와 소프트웨어 자체를 개선하기 시작한 것이다.

이 지점부터 AI 활용 방식도 달라진다. 지금까지 생성형 AI 교육의 중심이 질문을 잘하고 답변을 얻는 ‘프롬프트 활용’이었다면, 앞으로의 AI는 업무 과정 안에서 계속 실행되는 에이전트와 시스템에 가까워질 가능성이 높다. 사람은 매번 AI에게 명령하는 사람이 아니라 목표와 기준을 설정하고 AI가 수행한 결과를 판단하는 역할로 이동하게 된다.

기업에서도 같은 변화가 시작될 것이다. 보고서를 작성하는 AI보다 보고서에 필요한 데이터를 찾아오고, 이전 자료와 비교하고, 이상치를 찾아내고, 초안을 작성한 뒤 검토를 요청하는 AI가 더 큰 생산성 변화를 만든다. 한 번의 질문을 잘하는 능력보다 업무 전체를 AI와 사람이 어떻게 나눌 것인지 설계하는 능력이 더 중요해지는 것이다.

젠슨 황의 이번 인터뷰를 단순히 ‘AI 낙관론자의 반론’으로만 읽으면 중요한 변화를 놓칠 수 있다. AI 위험에 대한 논쟁은 계속될 것이고 실제로 Anthropic을 비롯한 여러 연구기관은 모델의 위험 능력을 측정하고 감시할 수 있는 새로운 방법을 개발하고 있다. 이러한 검증과 안전장치는 AI가 강력해질수록 더욱 중요해질 수밖에 없다.

하지만 동시에 AI 산업은 이미 다음 단계로 이동하고 있다. 모델을 만드는 경쟁에서 모델을 실제 경제와 산업 시스템 안에 배치하는 경쟁으로 넘어가고 있다. 오픈 모델, AI 에이전트, 데이터센터, 전력, 네트워크가 하나의 생태계로 연결되기 시작했다.

그래서 지금 기업과 직장인이 준비해야 할 것도 조금 달라져야 한다. 새로운 AI 서비스가 등장할 때마다 기능을 익히는 것만으로는 부족하다. 우리 조직의 어떤 업무를 AI가 담당할 수 있는지, 어떤 데이터가 필요한지, 사람이 반드시 판단해야 하는 지점은 어디인지 설계해야 한다.