케빈 켈리의 10년 전 AI 예측, 맞힌 방향과 남은 조건

2016년의 전망을 2026년에 다시 읽다

10월 12일 개발자 커뮤니티에 올라온 Kevin Kelly's 2016 AI Predictions, 10 Years Later는 케빈 켈리의 책 The Inevitable에 담긴 AI 관련 전망을 다시 모았다. 이 글은 신제품 발표나 새로운 시장 조사라기보다 10년 전의 생각을 현재의 기술 환경과 대조하는 회고다.

소개된 전망의 방향은 크게 세 가지다. 지능이 클라우드 서비스처럼 공급되고, 사람들이 대화로 질문하며, 소수의 범용 AI 사업자가 강해질 수 있다는 것이다. 한편 대부분의 AI가 좁은 기능에 특화될 것이라는 전망도 함께 등장한다. 회고의 가치는 잘 맞은 문장만 고르는 대신 서로 다른 예측을 함께 살펴보는 데 있다.

책에 대한 정보는 켈리의 공식 사이트에서도 확인할 수 있다. 다만 이번 글에 인용된 당시의 검색 매출 비중이나 하루 검색량을 2026년 현재 수치로 옮겨 쓰면 안 된다. 오래된 예측을 소개하는 문맥에 실린 숫자이지 최신 기업 공시가 아니다.

방향을 맞히는 것과 시장을 측정하는 것은 다르다

가장 눈에 띄는 전망은 Google의 중심 제품이 검색에서 AI로 이동할 것이라는 문장이다. 여기서 중심 제품이 무엇인지 정의하지 않으면 예측의 적중 여부도 불분명해진다. 제품 인터페이스, 사용자의 이용 시간, 매출 구성, 연구개발 투자는 서로 다른 기준이다.

검색 화면이 AI 답변 중심으로 바뀌더라도 광고 매출 구조가 같은 속도로 바뀌었다는 뜻은 아니다. 이 회고만으로 2026년 Google의 매출 중심이 무엇인지 확정할 수 없다. 그런 결론에는 최신 공시와 동일한 기간의 비교 자료가 필요하다.

특히 소수 업체에 대한 전망은 시장 조사 결과가 아니다. 기업 고객 수, 호출량, 매출, 공개 모델 사용량 중 어떤 지표를 쓰느냐에 따라 산업 집중도를 보는 방식이 달라진다. 미래에 대한 설득력 있는 이야기는 현재의 계량적 증거를 대신하지 못한다.

전문 기능과 범용 기반 모델은 공존할 수 있다

회고 글은 좁은 기능의 AI가 대부분을 차지할 것이라는 전망을 비판적으로 다룬다. 여기서 제품과 모델을 나누면 더 유용한 질문이 나온다. 사용자에게는 번역기나 코딩 도우미로 보이더라도 내부에서 여러 작업을 수행하는 범용 모델을 사용할 수 있기 때문이다.

2017년 Transformer 논문은 기술 경로를 이해하는 데 중요한 역사적 자료다. 그러나 단일 논문이 오늘의 모든 산업 구조를 예정했다고 보는 것은 과장이다. 모델의 발전과 별개로 사용 권한, 유통 채널, 업무 통합, 가격 정책이 제품의 형태를 결정한다.

이 구분은 국내 스타트업에도 중요하다. 기반 모델을 직접 소유하지 않더라도 특정 업무의 데이터 구조와 검증 과정을 잘 설계해 가치를 만들 수 있다. 반대로 전문적인 화면을 갖췄다는 이유만으로 모델 제공자가 바뀌어도 서비스가 그대로 작동하는 것은 아니다. 시스템이 어떤 능력과 계약에 의존하는지 따져야 한다.

한국 기업에 유용한 결론은 승자 예측보다 이동 가능성

켈리의 클라우드 비유를 실무에 적용할 때는 지능을 얼마나 쉽게 구매할 수 있는지뿐 아니라 공급이 바뀌면 얼마나 쉽게 옮길 수 있는지도 보아야 한다. 요청 형식만 호환된다고 이전이 끝나는 것은 아니다. 평가 데이터, 기억 저장소, 도구 연결, 실패 처리 방식이 함께 이동해야 한다.

Cloudflare·Deno와 자체 호스팅 선택권은 플랫폼의 탈출 경로라는 질문을 다룬다. Meta Muse 기기 SDK의 서비스 경계는 공개된 코드와 독립적으로 운영할 수 있는 서비스가 다를 수 있음을 보여주는 관련 분석이다.

실제 평가에서는 같은 업무를 서로 다른 모델 경로로 처리해 결과 품질과 총비용을 비교할 수 있다. 이때 단순 호출 성공이 아니라 사람이 수정한 시간과 최종 완료 여부를 기록해야 한다. Reflection Beam의 연산량과 운영비 구분도 이 비교에 필요한 관점을 제공한다.

NIST AI 위험관리 프레임워크는 조직이 AI의 영향을 사용 맥락과 함께 살피는 참고 틀이다. 값싼 지능이 보편화된다는 기대가 있어도, 데이터 처리 조건과 오답의 책임까지 자동으로 표준화되는 것은 아니다.

10년 전 예측을 읽는 가장 좋은 방법은 맞힌 문장을 근거로 다음 승자를 선언하는 일이 아니다. 무엇이 범용화됐고 무엇이 여전히 조직별 문제로 남았는지 구분하는 일이다. 한국 기업에는 특정 사업자의 영구 승리보다 검증 가능한 업무 설계와 전환 가능한 구조가 더 직접적인 투자 판단 기준이다.

FAQ

이 글은 켈리의 예측이 모두 맞았다고 평가하나?

아니다. 클라우드와 대화형 인터페이스라는 방향을 검토하되, 시장 집중도와 제품 중심 같은 주장은 별도의 측정이 필요하다고 본다.

인용된 Google 검색 매출 비중은 최신 수치인가?

아니다. 회고에 실린 책의 과거 문맥에서 나온 숫자다. 2026년의 실적 수치로 사용해서는 안 된다.

전문 AI 전망은 완전히 틀렸나?

제품 기능과 기반 모델을 구분해야 한다. 전문 업무 앱이 범용 모델 위에서 만들어지는 경우도 있어 단순한 양자택일이 아니다.

AI를 전기처럼 구매한다는 비유는 무엇을 뜻하나?

필요할 때 서비스 형태로 지능을 사용한다는 공급 방식을 설명한다. 동일한 품질, 가격, 안정성을 보장한다는 뜻은 아니다.

한국 기업은 모델을 여러 개 써야 하나?

여러 모델을 쓰는 것 자체가 목표는 아니다. 중요한 업무의 평가 기준과 데이터를 유지하면서 필요할 때 대안을 시험하고 옮길 수 있는지가 핵심이다.