1년 넘게 세계가 기다려오던 GPT-5가 2025년 8월 드디어 발표됐지만, 정작 혁신적인 변화를 보여주지 못했다. 기대와 달리 퀀텀 점프는 없다는 평가가 나오면서 대규모언어모델(LLM)에 대한 열기도 한풀 꺾이고 있다. LLM의 겨울이 오는 동시에 이제 본격적으로 인공지능(AI) 응용의 봄이 오고 있다. 이제 관심은 거창한 모델 성능 향상보다 산업 현장에서 당장 활용할 수 있는 실용적인 AI 응용 서비스로 이동하고 있다.한때 화제가 된 AGI(범용 인공지능)나 ASI(초지능), 기술적 특이점 같은 거창한 담론도 점차 수그러드는 분위기다. 샘 올트먼 오픈AI 최고경영자(CEO)는 최근 CNBC 인터뷰에서 AGI는 “그다지 유용한 용어가 아니다”라고까지 언급했다. 각자 정의가 달라 무의미한 논쟁이라는 지적이다. 컴퓨터 과학자들도 추상적인 가능성보다 AI의 구체적인 활용에 집중할 때라고 입을 모은다.
LLM 활용 비용은 빠르게 낮아지고 있다. 앞으로도 주요 AI의 API(응용프로그램 인터페이스) 가격과 사용자 요금제가 더 저렴해지는 경쟁이 격화할 것이다. 여기에 더해 오픈소스 모델이 속속 공개돼 개인 기기나 자체 서버에서 AI를 직접 돌리는 움직임도 활발해지며 AI의 민주화도 가속할 것이다.
LLM의 급격한 성능 향상을 지켜보며 관망하던 기업들도 이제는 더 기다리지 않고 행동에 나설 때다. 이제 황당한 범용 인공지능 논의는 접어두고 ‘AI 에이전트’로 불리는 자동화 소프트웨어 비서나 로봇 등 물리 세계에 AI를 접목하는 프로젝트를 본격 추진해야 한다.
AI 연구 개발 측면에서는 새로운 돌파구를 찾는 접근이 주목받게 될 듯하다. 단순한 예측을 뛰어넘는 새로운 학습 패러다임에 대한 탐구가 필요하다는 말이 설득력을 얻게 됐다.
LLM의 성능 최대치를 확인하게 되면서 이제는 외부 지식을 결합하는 RAG(Retrieval Augmented Generation) 기법의 중요성이 커졌다. 이는 AI가 답변을 만들어낼 때 자체 모델 지식뿐 아니라 검색 엔진, 기업 내부 데이터베이스 등 외부 정보를 실시간으로 참고하는 방식이다. 방대한 자체 콘텐츠와 검색 인프라를 갖춘 쪽이 경쟁에서 유리해질 것이라는 전망이 나온다. 동시에 AI를 만드는 데 활용되는 원천 콘텐츠의 가치가 부각되며, 저작권을 존중하는 제도와 그 기반하에 성능을 높이는 연합학습이 부각될 가능성이 있다.
이런 변화는 뒤늦게 초거대 AI 개발 경쟁에 뛰어든 한국엔 전화위복이 될 수 있다. 최첨단을 무작정 쫓아가기보다 이미 검증된 기술과 노하우를 기반으로 효율적으로 따라잡을 기회가 생긴 것이다. 모델의 크기 경쟁보다는 현장에 맞는 똑똑한 활용법에 무게를 둘 때다. 나아가 여러 회사의 AI 모델을 한데 묶어 장점만 취합하는 일종의 AI 통합 서비스에 대한 요구도 커지지 않을까 한다. AI 생태계가 한두 개 초거대 모델의 독주가 아니라 다양한 모델이 공존하며 협력하는 현실적인 진화 단계에 접어든 것이다.
물론 GPT-5가 거의 박사 학위자 수준으로 발전했다는 점을 무시하지는 말아야 할 것이다. 범용 인공지능은 아니지만, 이제 모든 사람이 박사 학위자 수준의 AI를 매일 사용할 수 있는 시대가 왔다는 것도 체감할 필요가 있다. 어쩌면 그것이 GPT-5 출시의 가장 중요한 시사점인지도 모른다.
