AI가 AI를 만드는 세상, 재귀적 자기개선이 뭔지 쉽게 알아봐요

AI 뉴스가 불안한 이유, 딱 하나의 개념으로 정리됩니다

요즘 AI 뉴스 보다가 머리가 지끈하신 분들, 저도 완전 공감이에요.

"재귀적 자기개선", "에이전트", "벤치마크 포화"... 클릭할 때마다 낯선 단어들이 쏟아지죠. 뭔가 엄청난 일이 벌어지고 있다는 느낌은 확실한데, 정확히 뭔지 모르겠는 그 답답함. AI 업계에서 일하는 저도 처음엔 그랬어요.

그런데 2026년 6월, 앤트로픽(Anthropic)이 아주 중요한 보고서를 하나 발표했어요. 제목이 'When AI builds itself', 우리말로 하면 AI가 스스로를 만들 때라는 뜻입니다.

AI 업계에서 일하지 않아도 꼭 알아두셔야 할 내용이에요. 오늘은 이 보고서를 비유 중심으로 최대한 쉽게 풀어드릴게요.

앤트로픽이 어떤 회사인지부터 짚고 가요

앤트로픽은 미국 샌프란시스코 기반의 AI 연구 회사예요. 여러분이 들어보셨을 수 있는 AI 서비스 클로드(Claude)를 만든 곳이에요. 챗GPT를 만든 오픈AI와 경쟁하는 회사라고 생각하시면 딱 맞아요.

규모도 만만치 않아요. 구글과 아마존 등에서 수조 원의 투자를 받았고, 2026년 5월 기준 기업가치가 약 9,650억 달러, 우리 돈으로 약 1,350조 원에 달한다는 평가가 나오고 있어요. 2025년 매출이 약 90억 달러로 전년도 대비 9배 성장했다는 수치도 공개됐고요.

그런 회사가 이번에 처음으로 내부 데이터를 공개하면서 "우리 안에서 이런 일이 벌어지고 있다"고 세상에 알렸습니다. 그리고 그 내용이 꽤 충격적이에요.

앤트로픽이 공개한 충격적인 내부 숫자

내부 데이터 중 가장 먼저 눈길을 끄는 건 이 숫자예요.

2026년 5월 기준, 앤트로픽 코드베이스에 병합되는 코드의 80% 이상을 클로드가 직접 작성하고 있습니다.

비율이 더 인상적인 게, 2025년 2월 클로드 코드(Claude Code)라는 도구가 처음 나왔을 때만 해도 이 비율은 한 자릿수 초반이었어요. 1년 조금 넘는 사이에 한 자릿수에서 80% 이상으로 뛰어오른 거예요.

엔지니어 1명이 분기당 처리하는 코드 양도 비교 기간 평균 대비 8배 늘었다고 해요. 예전에 10명이 처리하던 양을 이제 1명이 할 수 있다는 뜻이에요.

또 하나 흥미로운 수치가 있어요. 명확한 사양 없이 주어지는 오픈엔디드 과제에서 클로드의 성공률이 6개월 만에 무려 50%포인트 상승해서 2026년 5월 기준 76%에 도달했다는 거예요. 이건 그냥 "코드 작성"을 잘하는 게 아니라 스스로 판단하고 방향을 잡는 능력이 그만큼 커졌다는 뜻이에요.

재귀적 자기개선이 뭔지, 비유 하나로 완전히 이해하기

어렵게 느껴지는 개념이지만 사실 생각보다 단순해요.

초등학생 시절 수학 문제집을 떠올려볼게요. 처음엔 선생님이 풀이법을 알려줘요. 그 다음엔 혼자 풀 수 있게 되죠. 그리고 마지막 단계에서는 스스로 더 어려운 문제를 만들어서 풀고, 그 과정을 통해 더 똑똑해져요.

재귀적 자기개선(Recursive Self-Improvement)은 바로 이 마지막 단계예요. AI가 스스로 다음 버전의 나를 설계하고 만들어내는 것이에요.

재귀(Recursive)는 프로그래밍에서 자기 자신을 다시 호출하는 구조를 말해요. 거울 두 개를 마주 보게 두면 안에서 반사 이미지가 무한히 이어지는 것처럼, AI가 AI를 만들고 그 AI가 또 더 나은 AI를 만드는 고리가 생기는 거예요.

앤트로픽은 이 보고서에서 아직 재귀적 자기개선이 완전히 현실화된 건 아니고 그것이 필연적인 것도 아니라고 선을 그었어요. 하지만 그 시점이 대부분의 기관이 예상하는 것보다 훨씬 빨리 올 수 있다는 경고를 동시에 내놓았습니다.

AI 실력이 얼마나 빠르게 커지고 있는지, 숫자로 확인해봐요

AI가 혼자 완수할 수 있는 작업 시간 기준으로 성장세를 살펴보면 이래요.

2024년 3월에는 사람이 약 4분 걸리는 작업을 처리할 수 있었고, 2025년 3월 클로드 소넷 3.7은 약 1시간 30분짜리 작업을 혼자 처리했어요. 그리고 2026년 현재 클로드 오퍼스 4.6은 12시간짜리 작업을 완수하는 수준이 됐어요.

이 능력이 대략 4개월마다 2배씩 늘어나고 있어요. 이 추세가 이어진다면 2027년에는 몇 주짜리 프로젝트도 AI가 혼자 완수하는 시대가 온다는 계산이 나와요.

코드 최적화 벤치마크에서는 더 극적인 수치가 나왔어요. 2025년 5월 클로드 오퍼스 4는 기존 코드를 약 3배 빠르게 만들었는데, 1년 뒤인 2026년 4월 클로드 미토스 프리뷰(Mythos Preview)는 같은 과제에서 약 52배 속도 향상을 달성했어요. 같은 작업을 숙련된 인간이 최대 4배 정도 개선하는 걸 감안하면, AI가 인간을 멀찍이 앞질렀다는 뜻이에요.

선형이 아니라 지수함수적으로 오르고 있다는 말이 이제 실감이 나시죠?

그럼 사람은 이제 뭘 해야 하나요?

가장 많이 받는 질문이에요. "저 일자리 잃는 거 아닌가요?"

결론부터 말씀드리면, 아직 완전히는 아니에요. 이유가 있어요.

앤트로픽은 직원의 역할을 이렇게 나눠서 설명해요. 신입은 정해진 과제를 실행하고, 경력자는 목표를 받으면 방법을 스스로 설계하고, 시니어는 어떤 문제를 풀지 자체를 결정한다는 거예요.

현재 AI는 첫 번째와 두 번째는 거의 인간 수준에 도달했어요. 그런데 세 번째, 즉 무엇이 중요한 문제인지를 판단하는 능력은 여전히 인간이 앞서요.

앤트로픽이 내부 연구 세션을 분석해봤는데, 연구자가 갈림길에서 다음 단계를 선택할 때 100번 중 64번은 AI가 더 나은 선택을 했어요. 하지만 36번은 여전히 인간이 더 좋은 판단을 내렸어요. AI가 점점 치고 올라오고 있지만, 아직 사람의 자리가 완전히 사라진 건 아니에요.

AI가 혼자 연구를 끝낸 그날

2026년 4월, 앤트로픽은 처음으로 클로드 기반 에이전트가 처음부터 끝까지 연구 프로젝트를 혼자 완성한 사례를 발표했어요.

에이전트(Agent)는 그냥 대화만 하는 AI가 아니에요. 스스로 계획을 세우고, 작업을 실행하고, 결과를 보고 다음 단계를 결정하는 AI예요. 마치 독립적으로 일하는 인턴 직원 같은 개념이에요.

이번에 다룬 연구 주제는 약한 AI 모델이 강한 AI 모델을 제대로 감독할 수 있는가라는 AI 안전 문제였어요. 사람 연구자 2명이 1주일을 들여 가능한 성능 향상의 23%를 달성했는데, 클로드 에이전트들은 누적 800시간 작업과 약 2,500만 원의 연산 비용으로 97%를 달성했어요.

물론 문제를 정하고 채점 기준을 만든 건 사람이었어요. 하지만 그 범위 안에서 어떤 실험을 설계할지는 전부 AI가 스스로 결정했죠. 이게 의미하는 건 AI가 실행자를 넘어 설계자 역할을 하기 시작했다는 거예요.

앞으로 펼쳐질 3가지 미래 시나리오

앤트로픽은 보고서에서 세 가지 미래를 솔직하게 제시했어요.

첫 번째는 지금의 빠른 성장이 어느 시점에 꺾이는 시나리오예요. "무엇이 중요한지 판단하는 능력"은 AI 규모를 아무리 키워도 해결되지 않는 벽일 수 있고, 에너지나 반도체 공급이 물리적 한계에 부딪힐 수도 있다는 거예요. 앤트로픽은 이 시나리오가 가장 가능성이 낮다고 보지만 완전히 배제하지는 않았어요.

두 번째는 AI가 개발 대부분을 자동화하지만, 연구 방향은 사람이 계속 잡는 시나리오예요. 100명짜리 회사가 1만 명 규모 조직의 일을 해내게 되는 거예요. 앤트로픽이 가장 현실적으로 보는 미래예요.

세 번째는 AI가 스스로 자신의 다음 버전을 만들기 시작하는 완전한 재귀적 자기개선 시나리오예요. 개발 속도는 컴퓨팅 자원에 의해서만 결정되고, 사람의 역할은 감독과 안전 검증으로 줄어들어요. 의학, 과학, 에너지 분야에서 엄청난 혜택이 올 수 있지만, 동시에 AI를 제대로 통제하지 못할 위험도 함께 커지는 시나리오예요.

이미 오픈AI도 최근 미국 연방정부에 재귀적 자기개선으로의 진전을 우선적으로 모니터링할 것을 요청하는 정책 어젠다를 발표할 만큼, 이 주제는 업계 전체가 주목하는 핵심 이슈가 됐어요.

마무리: 빠른 차일수록 운전대의 무게가 커집니다

앤트로픽 보고서에서 가장 기억에 남는 메시지를 한 문장으로 정리하면 이래요.

하는 것의 비용이 거의 0에 가까워지고 있다. 이제 진짜 중요한 것은 무엇을 할지 아는 능력이다.

AI가 더 빠르게 코드를 짜고, 더 많은 실험을 돌리고, 더 빠르게 연구를 완성하는 시대일수록, 방향을 잡는 판단력은 더 소중해져요. 빠른 차일수록 운전대의 무게가 커지는 것처럼요.

AI를 두려워하기보다 잘 쓰는 방법을 익히는 것이 먼저예요. 그리고 AI가 가장 못하는 것, 즉 무엇이 진짜 중요한 문제인지 보는 눈을 키우는 것이 이 시대를 살아가는 핵심 과제입니다.

AI가 어떻게 바뀌어가는지 관심을 갖고 지켜보는 것만으로도, 여러분은 이미 대부분의 사람보다 한발 앞서 있는 거예요.