AGI 시대, 사회는 어떻게 달라질까: 일·교육·부의 재편

아침에 일을 시작하면 AI가 밤사이 들어온 문의를 정리하고, 필요한 자료를 찾고, 오늘 결정해야 할 사안을 제안하는 모습을 상상해 봅니다. 이런 도움이 연구실이나 대기업을 넘어 작은 가게, 학교, 공공기관까지 널리 보급된다면 사회는 어떻게 달라질까요?

AGI를 둘러싼 논의는 기술의 성능과 함께 일하는 방식, 배움의 과정, 소득을 나누는 제도를 살펴보게 합니다. 같은 기술이라도 누가 이용할 수 있고 어떤 규칙으로 운영하느냐에 따라 사람들의 삶에 미치는 영향은 달라질 수 있습니다.

이 글은 2026년 9월 5일까지 확인한 자료를 바탕으로 가능한 변화를 살펴봅니다. 현재 생성형 AI에서 관찰되는 현상은 출처와 함께 소개하고, AGI가 널리 활용되는 미래에 관한 내용은 조건부 전망으로 다룹니다.

AGI라는 말에 담긴 전제

AGI는 Artificial General Intelligence, 즉 범용 인공지능을 뜻합니다. 이 글에서는 다양한 분야의 과제를 배우고 해결하며 새로운 상황에도 능력을 적용할 수 있는 AI라는 의미로 사용하겠습니다.

어떤 능력을 어느 수준까지 갖춰야 AGI로 볼지는 정의와 평가 방식에 따라 달라집니다. Google DeepMind의 연구도 성능의 깊이, 적용 범위의 넓이, 자율성을 구분해 발전 수준을 살펴보는 틀을 제안합니다. AGI 수준을 구분하는 연구

따라서 특정 연도에 AGI가 완성되고 사회가 한꺼번에 바뀐다는 전제를 두기보다, 더 넓은 업무를 수행하는 AI가 저렴하고 신뢰할 수 있는 형태로 보급될 때를 생각하는 편이 유용합니다. 문제를 잘 푸는 능력과 현실의 시스템을 맡겨도 되는 신뢰성은 함께 검토해야 합니다.

1. 직업 안에서 사람이 맡는 일이 달라진다

하나의 직업에는 여러 업무가 섞여 있습니다. 고객 상담에는 질문 분류, 자료 검색, 답변 작성, 감정적인 갈등 조정이 포함됩니다. 이 가운데 일부가 자동화되더라도 나머지 업무의 수요와 책임은 별도로 살펴봐야 합니다.

ILO와 NASK의 2025년 연구는 세계 고용의 약 25%가 생성형 AI에 잠재적으로 노출되는 직업에 속한다고 추정했습니다. 이 수치는 실직 확률을 뜻하지 않습니다. 연구는 많은 직업에 사람의 참여가 필요한 업무가 남아 있어, 직무의 변형이 중요한 결과가 될 것으로 봅니다. ILO의 직업 노출도 연구 안내

더 강력한 AI가 확산된다면 사람은 결과 검토, 예외 처리, 고객과의 조율에 더 많은 시간을 쓰게 될 수 있습니다. 동시에 초안을 만들고 자료를 정리하며 경험을 쌓던 입문자의 역할이 줄어들 가능성도 있습니다. 기업은 생산성을 높이는 방법과 함께 신입이 숙련자로 성장하는 경로를 다시 설계해야 할 것입니다.

변화의 속도는 업무마다 다를 수 있습니다. Stanford의 2026 AI Index는 구조가 명확하고 결과를 확인하기 쉬운 업무에서 생산성 향상이 두드러지며, 고용 영향도 연령과 직종에 따라 불균등하게 나타난다고 정리합니다. 이 관찰을 모든 직종의 미래로 확대해 해석하기는 어렵습니다. 2026 AI Index: 경제와 노동

2. 작은 조직이 할 수 있는 일이 늘어난다

AI가 조사, 번역, 소프트웨어 제작, 운영 업무를 더 폭넓게 지원한다면 소규모 조직도 여러 시장에 서비스를 제공할 여지가 커집니다. 지역 상점이 외국어 고객을 응대하고, 작은 연구팀이 더 많은 가설을 검토하고, 개인 창작자가 직접 서비스를 운영하는 상황을 생각할 수 있습니다.

이 전망에는 조건이 있습니다. 도구 이용료가 감당할 만해야 하고, 업무에 필요한 데이터와 고객 접점에도 접근할 수 있어야 합니다. AI가 결과물을 빠르게 만들어도 실제 고객을 이해하고 신뢰를 얻는 과정까지 자동으로 해결되지는 않습니다.

공공서비스도 비슷합니다. 복잡한 안내문을 쉬운 말로 설명하거나 신청서 작성을 도와주는 서비스는 접근성을 높일 수 있습니다. 다만 개인의 권리나 지원 여부가 달린 결정에는 설명, 정정, 이의 제기 절차가 함께 마련되어야 한다는 것이 이 글의 관점입니다.

3. 교육은 이해와 판단의 과정을 더 살펴보게 된다

학생마다 이해하지 못한 부분을 찾아 설명을 바꾸고, 반복 연습을 도와주는 AI는 개인별 학습을 지원할 수 있습니다. 직장인에게도 업무 중 필요한 내용을 바로 배우는 환경이 열릴 수 있습니다.

교육 현장의 변화는 이미 진행 중입니다. Stanford의 2026 AI Index에 따르면 미국 고등학생과 대학생의 약 5명 중 4명이 학업에 AI를 사용합니다. 다만 이 수치는 미국에 관한 조사이며, 한국이나 세계 전체의 이용률로 읽어서는 안 됩니다. 2026 AI Index: 교육

앞으로는 완성된 보고서와 함께 그 결론에 이른 과정을 확인하는 평가가 중요해질 수 있습니다. 어떤 자료를 선택했는지, AI의 답에서 오류를 어떻게 발견했는지, 다른 조건에서도 자신의 설명이 성립하는지를 묻는 방식입니다.

기초 지식도 계속 필요합니다. 개념을 모르면 그럴듯한 오답을 알아채기 어렵기 때문입니다. AI를 활용한 연습과 도움 없이 생각해 보는 시간을 어떻게 배치할지가 교육 설계의 중요한 과제가 될 것입니다.

4. 생산성의 이익을 나누는 방식이 쟁점이 된다

생산성이 높아지면 같은 시간에 더 많은 재화와 서비스를 만들 수 있습니다. 그 이익이 임금 상승, 가격 인하, 노동시간 단축, 기업 이윤 가운데 어디로 얼마나 돌아갈지는 시장 구조와 제도에 영향을 받습니다.

AI를 운영하는 데 필요한 자본과 데이터가 일부 조직에 집중되면 수익 역시 그쪽으로 쏠릴 수 있습니다. 반대로 도구의 접근성이 높고 경쟁이 활발하다면 작은 기업과 개인도 비용 절감의 혜택을 얻을 여지가 있습니다. 두 방향은 동시에 나타날 수도 있습니다.

WEF의 2025년 보고서는 2030년까지 1억 7천만 개의 일자리 창출과 9천 2백만 개의 일자리 대체를 전망합니다. 이는 기술, 인구구조, 경제, 녹색 전환 등 여러 변화에 관한 고용주 조사 기반 전망입니다. AGI 하나가 만들어 내는 효과를 계산한 수치는 아닙니다. WEF의 일자리 전망

새 일자리의 총량이 늘더라도 기존 일자리를 잃은 사람이 같은 지역과 시기에 이동할 수 있다는 뜻은 아닙니다. 그래서 재교육 비용, 전환 기간의 소득, 지역별 기회, 돌봄 부담을 함께 다룰 필요가 있습니다. 기본소득, 사회보험 보완, 노동시간 조정 등은 이런 문제에 대한 정책 선택지로 논의할 수 있으며, 어느 하나가 기술 발전의 자동적인 결론은 아닙니다.

5. 신뢰를 확인하는 절차의 가치가 커진다

문서와 이미지, 음성의 생성 비용이 낮아질수록 누가 만들었는지, 어떤 자료를 바탕으로 했는지, 오류가 생기면 누가 고치는지를 확인하는 절차가 중요해질 수 있습니다.

NIST의 AI 위험관리 프레임워크는 신뢰성을 정확성 하나로 판단하지 않습니다. 안전성, 보안, 책임성과 투명성, 개인정보 보호, 유해한 편향 관리 등을 함께 다루며 설계부터 운영과 평가까지 고려하도록 안내합니다. 자발적으로 활용하는 프레임워크입니다. NIST AI 위험관리 설명

이 관점을 일상 서비스에 적용하면 변경 이력, 원자료 연결, 사람에게 검토를 요청하는 기능 등이 중요한 품질 기준이 됩니다. 기술이 더 많은 결정을 돕는 사회에서는 이용자가 그 결과를 이해하고 수정할 수 있는 권한도 함께 살펴봐야 합니다.

6. 디지털 변화는 전력과 지역사회에도 닿는다

AI 서비스는 전력망, 데이터센터, 냉각 설비 같은 물리적 기반 위에서 운영됩니다. 이용이 늘어날수록 이 기반을 확충하는 속도가 보급 속도에 영향을 줄 수 있습니다.

IEA의 2026년 업데이트는 전 세계 데이터센터 전력 소비가 2025년 485TWh에서 2030년 약 950TWh로 증가할 것으로 전망합니다. AI 전용 시설만의 수치가 아니라 전체 데이터센터에 대한 전망입니다. 보고서는 전력망 연결과 장비 공급 등의 제약도 다룹니다. IEA 2026: 에너지와 AI

따라서 지역사회에서는 시설 입지, 비용 부담, 에너지 효율을 둘러싼 선택이 중요해질 수 있습니다. 소프트웨어의 발전과 함께 실제 설비를 설계하고 운영하는 역량도 사회 변화의 한 축이 됩니다.

지금 준비할 수 있는 변화

AGI의 도달 시점을 맞히지 않아도 시작할 수 있는 일은 있습니다. 현재 맡은 업무를 작게 나누고, 자동화가 도움이 되는 부분과 사람이 책임져야 하는 부분을 확인하는 것입니다.

주체	시작할 일	살펴볼 기준
개인	익숙한 업무 하나에 AI 적용	시간, 오류, 실제 이해도
조직	작은 범위에서 도입하고 교육	품질, 비용, 직원의 성장
교육기관	과정과 설명을 포함한 평가	스스로 판단하고 수정하는 능력
사회	전환 지원과 접근성 점검	기회와 부담이 누구에게 돌아가는지

미래를 살펴볼 때는 모델의 성능과 함께 일터의 교육, 서비스의 책임, 소득의 분배를 같이 보아야 합니다. 그 선택들이 쌓여 사람들이 실제로 경험하는 AGI 시대의 모습을 만들 것입니다.

다음 글에서는 이런 변화 속에서 살펴볼 만한 미래 유망 직업 5가지와 준비 방법을 정리합니다.