🦸🏻#7: 젠슨 황이 그리는, 'Agentic AI'에서 'Physical AI'로 가는 미래

들어가며

지난 1월 초에 있었던 CES, 그리고 거기에서 있었던 애널리스트들과의 Q&A 세션에서 엔비디아의 젠슨 황이 자기가 가진 미래에 대한 비전을 많이 공유했죠. 여기서 핵심 테마 중 하나가 바로 ‘에이전틱 AI’와 ‘로봇 공학’의 결합, 즉 ‘물리적 AI (Physical AI)’라고 하는데 이견은 별로 없으실 겁니다.

오늘 ‘AI 에이전트’ 시리즈의 에피소드에서는, 잠깐 호흡을 가다듬으면서 젠슨 황의 에이전틱 AI에 대한 관점, 에이전틱 AI가 물리적 AI로 가는 발전 과정, 이런 변화의 와중에 우리가 생각해 볼 것들에 대해 한 번 이야기해 볼까 합니다.

젠슨 황은 앞으로 10년 내에 로봇이 지금의 회의론자들까지도 놀라게 할 만한 수준이 능력에 도달할 거라고 예측하고 있습니다. 그렇다면 엄청난 규모의 산업이 되겠죠.

CES 기조연설을 보셨다면 느끼시겠지만, 젠슨 황은 이런 대규모의 청중들 앞에서 약간 엉뚱한 모습을 보여도 괘념치 않는, 카리스마있는 사람이죠. 그는 오랫동안 AI의 최첨단 기술을 끌고 나가는 최전선에 있었습니다. 역시 이번 CES에서도 ‘디지털 에이전트가 복잡한 작업을 어려움없이 수행하고, 물리적 AI 시스템이 실제 세계와 상호작용을 근본적으로 재구성하는 세상’을 그리고 있습니다. 바로 아래의 AI 진화 로드맵처럼요:

• 인지형 AI (Perception AI)
  시스템이 특정한 도메인의 데이터를 해석하고 분석하도록 훈련하는, 현대적인 머신러닝의 기본이자 출발이라고 하겠습니다. 보통 Narrow AI라고 하는 영역이 대부분이겠네요.

• 생성형 AI (Generative AI)
  현재 AI 기술 연구와 산업의 초점이자 관심 영역이죠 - 게임, 마케팅, 미디어와 같은 산업을 변화시키는 텍스트, 이미지 및 기타 콘텐츠를 생성하는 모델로, 특히 범용의 대형 모델을 만들면서 광범위한 기능의 혁신을 이끌어왔습니다.

• 에이전틱 AI (Agentic AI)
  사용자를 대신해서 워크플로우를 관리하고, (복잡한) 문제를 해결하며, 심지어 업무에 대한 통찰력을 제공할 수 있기를 바라며 만들어가고 있는, 자율형 에이전트가 부상하는 시대죠

• 물리적 AI (Physical AI)
  그 다음 단계로, 가상 세계에 머물러 있던 AI 시스템에 마침내 물리적 세계와 연결되어, 실제 세계에서 작동하고 상호작용할 수 있는 실체를 갖추게 되는 단계입니다.

젠슨 황은 여러 가지 로봇의 폼팩터 중 ‘인간형 로봇’을 중심으로 한 산업이 엄청난 규모로 성장하리라 예상하는데요. 이런 비전에는 ‘에이전트’ 시스템이 필수적인 요소라고 하겠습니다. 자, 그럼 이 마지막 단계에까지 도달하기 위해서 뭐가 필요한지, 어떤 단계를 거치게 될 건지 한 번 이야기해 보시죠.

에이전틱 AI의 시대

수많은 전문가들이 ‘2025년은 에이전트의 해가 될 것’이라고 예측하고 있다는 건 잘 알고 계시죠? 젠슨 황 역시 여기에 매료되어 있는 것 같습니다. 젠슨 황의 표현에 따르면, 이런 시스템은 ‘새로운 디지털 인력 (New Digital Workforce)’인데, 해야 할 임무를 파악하고, 실행할 수 있는 하위 작업으로 나누고, 관련된 데이터를 검색하고, 필요한 도구를 찾아내고 활용해서 고품질의 결과물을 만들어내는 능력을 가지고 있다고 설명했습니다. 기존의 소프트웨어 시스템과 달리, 에이전틱 AI는 다이나믹한 상황에 적응하고 자율적 - 또는 반자율적 - 으로 작동하면서, 다양한, 사실상 모든 산업에서 사람의 능력을 확장시켜줄 겁니다.

에이전틱 AI는 뭐가 그리 독특한가?

• 추론 능력과 적응성
  에이전틱 AI 시스템은 추론 능력과 적응성을 확보해서 복잡한 문제를 작은 문제들로 분해하고, 주어진 상황을 분석해서, 작업의 우선순위를 다이나믹하게 결정할 수 있습니다.

• 멀티모달 데이터 처리 능력
  파운데이션 모델을 활용해서 언어, 시각, 음성 관련 데이터를 통합적으로 다루면서 여러 가지 출처, 형식의 정보를 처리할 수 있습니다.

• 외부 도구와 데이터 통합 능력
  에이전틱 AI는 단순하게 입력된 값을 정적으로 처리하는 것을 넘어서, 외부의 도구들을 사용하고, 데이터베이스나 웹에서 정보를 검색하고, 그 결과 획득한 정보를 통합해서 통찰력을 뽑아내기도 합니다.

젠슨 황이 생각하는 에이전틱 AI의 실제 응용 분야

젠슨 황의 기본적 입장은, 에이전틱 AI가 여러 산업과 어플리케이션 전반에 걸쳐서 널리 보급될 거라고 보는 건데요, 중요한 예시를 들어본다면 다음과 같습니다:

• 지식 근로자 전반
  AI 리서치 어시스턴트가 학술 저널이나 재무 보고서 등 복잡한 문서를 분석해서, 요약본이라든지 팟캐스트 같은 접근하기 쉬운 형식으로 변환해 줍니다. 이 초기 형태가 아마 구글의 NotebookLM 같은 것일 수도 있겠죠?

• 산업의 최적화 어플리케이션
  에이전트가 제조업이나 물류산업 등의 다양한 프로세스를 모니터링하면서, 비효율적인 부분을 파악해서 개선 사항을 제안하는 모습을 생각해 볼 수 있습니다.

• 소프트웨어 보안
  AI 에이전트가 코드 베이스의 취약점을 지속적으로 검사해서 개발자들에게 실시간으로 피드백을 제공한다거나, 전체 시스템의 사이버 공격에 대한 취약점을 검사해서 이 부분들을 보완할 수 있도록 보안 전문가에게 제안한다거나 하는 걸 생각해 볼 수 있겠죠.

• 의료 및 신약 개발
  가상의 실험실에서 일하는 AI 에이전트가 수십억 개의 화합물을 잠도 자지 않고 검사하면서, 유망한 신약 후보 물질을 빠르고 비용 효율적으로 식별할 수 있습니다.

위 예시들을 보면, 에이전틱 AI라는게 결국 사람의 노력에 전적으로 의존했던 작업들을 간소화하면서 시간과 고민이 많이 필요한 부분을 극적으로 줄여주면서, 최종적인 의사 결정이나 판단은 사람이 할 수 있도록, 내지는 사람과 함께 하는 구조라는 걸 알 수 있습니다.

그 다음 개척지, 물리적 AI (Physical AI)

에이전틱 AI의 다음 개척지는 바로 ‘물리적 AI (Physical AI)’죠. 이 말이, 에이전틱 AI의 시대와 물리적 AI의 시대가 서로 순차적으로만 온다 - 즉, 에이전틱 AI 시대가 끝나야 물리적 AI 시대가 시작된다 - 는 뜻은 아니고, 두 가지 AI의 형태가 서로 중첩된 상태에서 상호 작용을 하게 될 겁니다.

에이전틱 AI가 디지털 공간에서의 작업에 중점을 둔다면, 물리적 AI는 실제 세계를 이해하고 상호 작용을 한다는 특징이 있죠. 이 과정을 넘어가려면, 물리적인 역학, 공간적인 관계, 물리적 환경의 뉘앙스를 이해하는 AI 모델이 필요하고, 이런 AI 모델이 있어야만 AI 시스템이 실제 환경에서 작동할 수 있습니다.

무엇보다, 이 ‘물리적 AI’라는 개척지는, 과연 앞으로 젠슨 황의 가죽 자켓이 더 블링블링하고 비싸질지 어떨지를 결정하는 중요한 요소가 될 것 같은데요 ^.^;

물리적 AI는 뭔지, 젠슨 황과 엔비디아는 어떤 플레이를 하려고 하는지 한 번 생각해 보죠.

읽어주셔서 감사합니다. 친구와 동료 분들에게도 뉴스레터 추천해 주세요!