AGI의 뜻은 이난처럼 모든 분야를 학습하는 범용 인공지능입니다. 기존 AI와 어떤 차이가 있는지, 오픈AI·딥마인드의 단계 분류, 반도체부터 소프트웨어까지 이어지는 관련 산업군까지 AGI 뜻과 관련주를 정리했습니다.
목차
AGI 뜻
AGI(Artificial General Intelligence)1는 학습하지 않은 새로운 과제까지 스스로 해결하는 범용 인공지능을 말합니다. 한국어로는 인공일반지능 또는 범용인공지능으로 번역합니다.
특정 업무 하나가 아니라 인간이 다루는 지적 과제 전반을 처리할 수 있다는 점이 바로 AGI의 기준입니다. 지금 사용하고 있는 AI(인공지능)은 대부분 좁은 인공지능(ANI)2으로 분류됩니다.
AGI는 아직 학계와 산업계에서 합의한 단일 정의가 없습니다. OPEN AI, 구글 딥마인드, 앤트로픽은 AGI를 두고 각각 다른 기준을 제시하고 있습니다. 그래서 ‘AGI 시대는 언제 오는가’라는 질문에 대해 어떤 정의를 두고 사용하는지에 따라 답이 달라질 수 있습니다.
AGI 시대의 정의와 산업 구조 변화
AGI 시대란 인지 노동의 상당 부분을 기계가 대체 가능해진 경제 상태를 말합니다. 기술 이벤트가 아니라 비용 구조가 바뀌는 시점으로 보는 편이 정확합니다. 지금까지 사람의 시간에 지불하던 비용이 연산 자원 비용으로 옮겨가기 때문입니다.
이 변화는 특정 직군의 소멸보다 업무 단가의 재조정 형태로 먼저 나타납니다. 문서 작성, 1차 코드 작성, 데이터 정리처럼 표준화된 작업의 시장 가격이 먼저 내려갑니다. 반대로 판단 책임을 지는 업무와 물리적 현장 업무는 가격 방어력이 상대적으로 높습니다.
투자 관점에서 더 중요한 것은 수요가 어디로 이동하는지입니다. 인지 노동이 연산으로 대체되면 연산을 공급하는 쪽에 매출이 몰리는 구조가 됩니다. 반도체와 전력, 데이터센터가 AGI 논의에서 늘 함께 언급되는 이유가 여기에 있습니다.
AGI와 AI의 차이
AGI와 AI의 가장 큰 차이는 배우지 않은 과제로 능력을 옮길 수 있는지 여부에 있습니다. 현재 AI는 학습 데이터 분포 안에서 강하고, 그 밖에서는 약합니다. 하지만, AGI는 처음 보는 문제도 기존 지식을 조합해서 풀어내는 전이 능력3을 전제로 합니다.
| 구분 | 현재 AI(ANI) | AGI |
|---|---|---|
| 학습 범위 | 지정된 도메인과 학습 데이터 내부 | 도메인 제한 없는 범용 과제 |
| 과제 전이 | 새 과제마다 별도 학습·튜닝 필요 | 학습하지 않은 과제도 스스로 해결 |
| 자율성 | 사람이 지시하고 결과를 검증 | 목표만 주면 절차를 스스로 설계 |
| 오류 처리 | 틀려도 틀린 줄 모르는 경우 발생 | 자기 판단의 근거와 한계를 인식 |
| 상용화 여부 | 이미 서비스로 상용화 | 미실현, 연구·개발 단계 |
위 표에서 실무자가 체감할 수 있는 AGI와 AI의 격차는 자율성과 오류 처리 두 줄에 몰려 있습니다. 챗GPT와 클로드를 1년 넘게 사용해 보면서 느낀 점은 성능 개선과 오류 감소는 분기 단위로 체감했습니다. 그런데도 여전히 남는 한계는, 웹 검색으로 끌어온 정보의 진위를 스스로 가려내지 못한다는 점이었습니다.
AI가 찾은 검색 결과에 잘못된 수치가 섞여 있으면 그 수치를 그대로 결론에 반영합니다. 사람은 출처의 성격을 보고 의심하지만, 현재 모델은 그 판단 과정을 안정적으로 수행하지 못합니다. 이 지점이 좁은 인공지능과 AGI를 가르는 실질적인 경계선입니다.
AGI 단계
AGI 단계는 오픈AI의 역할 기반 5단계와 딥마인드의 성능·범용성 행렬 두 가지가 대표적입니다. 두 분류는 측정 대상이 달라 서로 대체하지 않고 보완 관계로 읽어야 합니다. 오픈AI는 “무엇을 대신할 수 있는가”, 딥마인드는 “얼마나 잘하는가”를 기준으로 삼습니다.
오픈AI의 5단계 구분
오픈AI는 2024년 7월 사내 회의에서 AGI로 가는 5단계 분류를 공유했습니다. 자율주행 단계 구분과 비슷하게 AI가 대신할 수 있는 역할의 크기로 나눈 체계입니다. 당시 오픈AI는 자사 기술이 1단계에서 2단계로 넘어가는 구간이라고 평가했습니다.
| 단계 | 명칭 | 정의 |
|---|---|---|
| 1단계 | 챗봇(Chatbots) | 대화형 언어로 사람과 상호작용하는 수준 |
| 2단계 | 추론자(Reasoners) | 박사급 인력 수준의 기본 문제 해결 |
| 3단계 | 에이전트(Agents) | 사람을 대신해 며칠간 작업을 수행 |
| 4단계 | 혁신자(Innovators) | 새로운 발명과 결과물을 창출 |
| 5단계 | 조직(Organizations) | 조직 전체의 업무를 단독으로 수행 |
위 분류는 확정된 표준이 아니라 내부 논의용 초안 성격입니다. 블룸버그는 직원과 투자자, 이사회 피드백에 따라 조정될 수 있다고 전했습니다. 따라서 특정 기업이 “몇 단계 도달”이라고 발표하면 그 근거 기준을 함께 확인해야 합니다.
딥마인드 6단계 분류
딥마인드는 2023년 11월 논문에서 성능과 범용성을 두 축으로 놓는 행렬을 제안했습니다. 성능은 0단계부터 5단계까지 여섯 칸이고, 범용성은 좁은 AI와 범용 AI로 나뉩니다. 같은 성능이라도 좁은 영역이면 Narrow AI, 넓은 영역이면 AGI로 다르게 분류됩니다.
| 레벨 | 명칭 | 성능 기준 |
|---|---|---|
| 0단계 | No AI | 인공지능 아님(계산기, 컴파일러 등) |
| 1단계 | Emerging | 비숙련 성인과 같거나 다소 우수 |
| 2단계 | Competent | 숙련 성인 상위 50% 수준 |
| 3단계 | Expert | 숙련 성인 상위 10% 수준 |
| 4단계 | Virtuoso | 숙련 성인 상위 1% 수준 |
| 5단계 | Superhuman | 모든 인간을 능가(ASI에 해당) |
논문은 챗GPT와 바드 같은 모델을 범용 축의 1단계(Emerging AGI)로 분류했습니다. 반면 단백질 구조를 예측하는 알파폴드는 좁은 축의 5단계, 즉 Superhuman Narrow AI로 봤습니다. 한 시스템이 좁은 영역에서 인간을 이겨도 범용 지능과는 다른 층위라는 뜻입니다.
두 분류를 겹쳐 보면 현재 위치가 비교적 선명해집니다. 역할 기준으로는 에이전트 구간에 진입하는 중이고, 성능 기준으로는 범용 축 초입에 머물러 있습니다. AGI 관련 투자를 검토한다면 이 격차가 좁혀지는 속도를 관찰 지표로 삼는 편이 실용적입니다.
AGI 실현 가능성을 가르는 세 가지 기술 변수
AGI 실현 가능성은 지속 학습, 장기 계획, 성능 균일성 세 가지 해결 여부에 달려 있습니다. 구글 딥마인드의 데미스 허사비스 CEO가 2026년 2월 인도 AI 임팩트 서밋에서 짚은 항목입니다. 그는 같은 자리에서 현재 AI가 인간 지능에 필적하는 단계는 아니라고 답했습니다.
- 지속 학습(Continual Learning): 배포 후에도 실시간 피드백으로 스스로 갱신하는 능력입니다.
- 장기 계획: 수년 단위 목표를 세우고 하위 과제를 일관되게 수행하는 능력입니다.
- 성능 균일성: 분야에 따라 능력이 널뛰지 않는 상태를 말합니다.
세 번째 항목은 사용자가 가장 먼저 체감하는 지점입니다. 허사비스는 국제 수학 올림피아드 금메달 수준의 문제를 푸는 모델이 문제 제시 방식만 바뀌어도 기초 계산에서 틀릴 수 있다고 지적했습니다. 1년 넘게 두 개 모델을 실무에 쓰면서, 어려운 분석은 정확한데 단순 표 정리에서 항목을 누락하는 사례를 반복해 겪었습니다.
여기에 자본이라는 네 번째 변수가 붙습니다. 차세대 모델 학습에는 데이터센터와 전력 확보를 포함해 수백억 달러 단위 투자가 거론됩니다. 기술 난제가 풀려도 이 비용을 감당할 수 있는 주체가 소수라는 점이 실현 속도를 좌우합니다.
AGI 진행 상황
2026년 9월 기준, 프런티어 기업은 AGI 진입을 선언했지만 지표 해석은 갈리고 있습니다. 오픈AI는 2026년 9월 3일 차세대 모델 GPT-6 아스트라를 공개했습니다. 그렉 브록먼 사장은 출시 메시지에서 AGI 시대에 온 것을 환영한다는 표현을 썼습니다.
발표된 성적은 이전 세대와 격차가 큽니다. 대학원 수준 과학 추론 평가인 GPQA 다이아몬드에서 96.0%, 최고 난도 수학 평가 프론티어매스 티어 4에서 97.6%를 기록했습니다. 특히 추론 평가 ARC-AGI-3에서 98.6%로 인간 성능을 넘어섰다고 밝혔습니다.
| 항목 | 2026년 3월 | 2026년 9월 |
|---|---|---|
| ARC-AGI-3 최고 성적 | 프런티어 모델 1% 미만 | GPT-6 아스트라 98.6% |
| 기업 입장 | AGI 도달 시점 논쟁 중 | 오픈AI “AGI 시대 진입” 선언 |
| 딥마인드 전망 | 2030년경 도달 궤도 | 지속 학습 등 과제 미해결 |
위 표는 반년 사이의 변화를 보여주지만, 해석에는 단서가 필요합니다. 독립 평가기관 아티피셜 애널리시스가 측정한 종합 지능 지수는 61.2점으로 직전 세대와 비슷했습니다. 특정 과제 성능은 급등했는데 범용 지능 지수는 제자리라는 뜻이며, 이는 성능이 여전히 균일하지 않다는 신호로 읽힙니다.
제도 측면도 함께 봐야 합니다. 국내에서는 인공지능 발전과 신뢰 기반 조성 등에 관한 기본법이 2026년 1월 22일 시행됐습니다. 과학기술정보통신부는 개정 법률을 2026년 7월 21일부터 시행하며 규제 적용은 최소 1년 이상 유예하기로 했습니다.
AGI 관련주
AGI 관련주는 연산, 인프라, 응용이라는 세 개 축의 밸류체인으로 정리하는 편이 실용적입니다. AGI는 단일 제품이 아니라 여러 산업이 동시에 커져야 성립하는 구조이기 때문입니다. 아래 분류는 산업 구조 설명이며, 특정 종목의 매수를 권하는 내용이 아닙니다.
| 분류 | 역할 | 해외 대표 기업 | 국내 대표 기업 |
|---|---|---|---|
| 연산(반도체) | AI 학습·추론 연산과 메모리 공급 | 엔비디아, TSMC, 브로드컴 | 삼성전자, SK하이닉스, 한미반도체 |
| 인프라(전력·냉각) | 데이터센터 전력 공급과 발열 처리 | 버티브, 슈나이더일렉트릭 | HD현대일렉트릭, LS일렉트릭, 효성중공업 |
| 응용(플랫폼·SW) | 모델 개발과 서비스 상용화 | 마이크로소프트, 구글, 메타 | 네이버, 카카오, LG |
세 축은 실적이 반영되는 시점이 다릅니다. 연산 축은 모델 학습 단계에서 먼저 매출이 잡히고, 인프라 축은 데이터센터 착공과 수주 잔고를 따라 뒤이어 반영됩니다. 응용 축은 서비스 과금이 시작돼야 숫자가 나오므로 가장 후행하는 구조입니다.
투자자 관점에서 확인할 지표는 주가보다 수주와 계약입니다. 국내 전력기기 기업의 경우 북미 데이터센터 증설이 실제 수주 잔고로 이어지는지가 관찰 지점입니다. 반도체는 HBM 공급 계약과 고객사 다변화 여부가 실적 연결 고리입니다.
한 가지 위험 요인도 함께 봐야 합니다. AGI 도달 시점이 늦춰지면 이미 집행된 대규모 설비 투자가 회수 부담으로 돌아옵니다. 따라서 관련주 판단은 기술 낙관론이 아니라 각 기업의 수주와 실적 데이터를 근거로 하는 편이 안전하며, 최종 투자 판단과 책임은 투자자 본인에게 있습니다.
FAQ
Q1. AGI와 ASI(초지능)는 어떻게 다릅니까?
A1. AGI는 인간 수준의 범용 지능이고, ASI는 모든 영역에서 인간을 능가하는 지능입니다. 딥마인드 분류에서는 성능 5단계 Superhuman이 ASI에 해당합니다. AGI가 도달점이라면 ASI는 그 이후 단계로 구분합니다.
Q2. 오픈AI가 AGI 시대를 선언했으면 AGI는 이미 온 것입니까?
A2. 선언은 해당 기업의 자체 기준에 따른 판단입니다. 같은 시점에 딥마인드는 지속 학습과 장기 계획이 미해결이라는 입장을 유지하고 있습니다. 합의된 판정 기준이 없기 때문에 선언과 도달을 같은 말로 보기는 어렵습니다.
Q3. 벤치마크 점수가 높으면 AGI에 가까운 것입니까?
A3. 특정 벤치마크 점수는 그 과제에 대한 성능만 보여줍니다. 2026년 9월 사례에서도 개별 평가 점수는 급등했지만 종합 지능 지수는 직전 세대와 비슷했습니다. 단일 지표보다 여러 평가의 평균과 편차를 함께 보는 편이 정확합니다.
Q4. AGI 관련주와 AI 관련주는 같은 말입니까?
A4. 현재 시장에서는 거의 같은 종목군을 가리킵니다. 다만 AGI 관련주는 학습용 연산과 전력 인프라 비중이 더 크고, AI 관련주는 응용 서비스까지 넓게 포함하는 경향이 있습니다. 두 용어를 구분해 쓰는 공식 기준은 없습니다.
Q5. 국내 기업도 AGI 모델을 직접 개발합니까?
A5. 국내에서는 소버린 AI 정책에 따라 대형 모델 개발이 진행 중입니다. 다만 프런티어 모델 경쟁의 중심은 미국 기업이며, 국내 기업의 주된 위치는 반도체와 인프라 공급망입니다. 투자 관점에서도 공급망 쪽 연결 고리가 더 직접적입니다.
Q6. AGI 개발에 왜 그렇게 큰 비용이 듭니까?
A6. 대규모 GPU 구매, 데이터센터 건설, 전력 확보가 동시에 필요하기 때문입니다. 모델 규모가 커질수록 학습 연산량이 급증해 비용도 함께 늘어납니다. 이 비용 구조가 관련 산업의 수요를 만드는 원인이기도 합니다.
Q7. AGI가 오면 일자리는 언제부터 줄어듭니까?
A7. 일자리 소멸보다 업무 단가 조정이 먼저 나타나는 형태가 일반적입니다. 표준화된 문서·데이터 작업의 시장 가격이 먼저 내려가고, 판단 책임이 따르는 업무는 상대적으로 뒤에 영향을 받습니다. 시점은 산업과 직무별로 차이가 큽니다.
Q8. AI 기본법 시행으로 개인 사용자도 규제를 받습니까?
A8. 법의 의무 대상은 인공지능사업자입니다. 개인 사용자가 직접 부담하는 의무는 없고, 생성형 AI 결과물 표시 같은 형태로 서비스 화면에서 변화를 접하게 됩니다. 사업 목적으로 AI 서비스를 제공한다면 대상 여부를 별도로 확인해야 합니다.
Q9. AGI 관련주에 지금 진입해도 늦지 않습니까?
A9. 진입 시점은 개별 종목의 밸류에이션과 실적 반영 단계에 따라 달라집니다. 연산·인프라·응용 세 축이 실적에 반영되는 시차가 다르다는 점을 먼저 확인하는 편이 실용적입니다. 저는 투자 전문가가 아니므로 구체적 매매 판단은 본인의 기준과 전문가 상담으로 결정하시는 것을 권합니다.
Q10. AGI 시대에 개인이 준비할 수 있는 것은 무엇입니까?
A10. AI가 낸 결과를 검증하는 능력이 실무에서 가장 먼저 요구됩니다. 현재 모델은 웹 정보의 진위를 스스로 가리지 못하므로, 출처 확인과 교차 검증이 사람의 몫으로 남습니다. 도구 사용법보다 판단 기준을 갖추는 쪽이 유효 기간이 깁니다.
최신 글
- AGI(Artificial General Intelligence): 특정 영역에 묶이지 않고 인간 수준의 폭넓은 지적 과제를 수행하는 인공지능입니다. ↩︎
- 좁은 인공지능(ANI, Artificial Narrow Intelligence): 지정된 과제 범위 안에서만 작동하도록 설계된 인공지능입니다. ↩︎
- 전이 학습(Transfer Learning): 한 과제에서 익힌 지식을 다른 과제 해결에 다시 활용하는 능력입니다. ↩︎
