엔비디아의 CEO 젠슨 황은 최근 "더 이상 코딩을 배우지 말고 AI를 배우라"는 강력한 메시지를 전했습니다. 이는 단순한 기술 트렌드가 아닌, 컴퓨팅 스택의 근본적인 플랫폼 시프트를 의미합니다. 과거 소프트웨어가 미리 녹화된 방식으로 구조화된 정보만 처리했다면, 현재의 AI는 비정형 데이터를 실시간으로 이해하고 추론합니다. 젠슨 황은 AI를 에너지, 칩, 클라우드, 모델, 애플리케이션의 5단계 구조로 분석하며, 이 변화가 인류 역사상 가장 큰 인프라 구축을 촉발하고 있다고 강조합니다.
프롬프팅과 AI 관리 능력의 중요성
젠슨 황이 강조하는 핵심은 코딩 능력보다 AI를 지시하고 관리하는 능력입니다. AI는 역사상 가장 사용하기 쉬운 소프트웨어이며, 이것이 가장 빠르게 채택되는 이유입니다. 클로드(Claude)와 ChatGPT는 각각 코딩 및 추론 능력과 소비자 접근성 측면에서 매우 뛰어나며, 누구나 이러한 도구를 활용할 수 있게 되었습니다.
과거에는 컴퓨터 과학 학위가 없으면 프로그래머가 될 수 없었지만, 이제는 AI에게 "나를 어떻게 프로그래밍해야 하는가?"라고 물어보면 됩니다. AI에게 웹사이트 제작 방법을 물어보면, AI가 질문을 통해 요구사항을 파악한 후 코드를 작성해 줄 정도로 사용이 쉬워졌습니다. 이는 프로그래밍의 민주화를 의미하며, 기술 격차를 좁힐 가능성이 높습니다.
개발도상국이든 학생이든 누구나 AI를 사용하고, 지시하고, 프롬프트를 입력하고, 관리하며, 가드레일을 설정하고, 평가하는 방법을 배우는 것이 필수적입니다. 이러한 기술은 사람을 이끌고 관리하는 능력과 다르지 않습니다. 미래에는 생물학적 AI뿐만 아니라 디지털 버전의 AI, 즉 실리콘 버전도 등장할 것이며, 이들을 디지털 인력의 일부로 관리해야 합니다.
사용자의 비평처럼 바로 얼마 전까지만 해도 코딩이 매우 중요했고, 학생들에게 코딩교육을 시키는 것이 일반화될 정도였습니다. 하지만 세상은 빠르게 변했고, AI를 통해 코딩 능력이 없어도 쉽게 코딩 작업을 할 수 있는 환경이 되었습니다. 이제는 코딩 기술이 아닌 AI를 어떻게 하면 더 효율적으로 활용할 수 있을지 고민하고 배우는 것이 매우 필요합니다. 특히 자신이 일하는 분야에서 더 뛰어난 성과를 올리기 위해서 AI 활용은 필수적이며, 오히려 더 많은 일을 처리할 수 있고 더 좋은 성과를 낼 수 있습니다.
물리적 지능(Physical Intelligence)의 발전과 산업 적용
작년에 발생한 AI 기술의 주요 발전 중 하나는 물리적 지능(Physical Intelligence)의 등장입니다. 언어뿐만 아니라 자연(nature)을 이해하는 AI, 즉 물리 세계, 단백질, 화학, 유체 역학, 입자 물리학, 양자 물리학 등을 이해하는 AI가 발전하고 있습니다. 단백질은 본질적으로 하나의 언어와 같으며, AI가 이러한 구조와 언어를 학습하고 있습니다.
릴리(Lily)와의 파트너십은 AI가 단백질과 화학 구조를 이해하는 데 비범한 진보를 이루었음을 보여줍니다. AI가 마치 ChatGPT와 대화하듯이 단백질과 상호작용하고 대화할 수 있게 되면서, 매우 큰 돌파구가 예상됩니다. 이는 제약 산업뿐만 아니라 제조업, 로보틱스 등 다양한 산업에 적용될 수 있습니다.
유럽은 산업 기반(industrial base)과 제조업 기반이 매우 강력합니다. 유럽은 소프트웨어 시대를 미국에 넘겨준 대신, 이제 물리적 AI 또는 로보틱스의 세계로 진입할 기회를 잡아야 합니다. AI는 소프트웨어를 작성할 필요가 없는 소프트웨어이며, AI를 가르치는 것이 중요합니다. 로보틱스는 유럽 국가들에게 일생에 한 번뿐인 기회입니다.
또한 작년에는 환각(Hallucination) 감소 및 추론 능력이 향상되었으며, 언어 모델이 에이전트 시스템(agentic systems), 즉 에이전트 AI로 진화했습니다. 딥시크(Deep Seek)와 같은 오픈 추론 모델(open reasoning model)이 등장하면서, 기업, 연구자, 스타트업 등이 이를 활용하여 특정 도메인에 특화된 솔루션을 만들 수 있게 되었습니다. 이러한 발전은 AI가 단순히 텍스트를 생성하는 것을 넘어, 실제 물리적 세계에서 작동하고 문제를 해결할 수 있는 능력을 갖추게 되었음을 의미합니다.
인프라 구축과 생산성 향상을 통한 일자리 창출
AI가 일자리를 대체할 것이라는 우려가 크지만, 젠슨 황은 그 반대라고 주장합니다. AI 컴퓨팅 플랫폼은 에너지, 칩, 클라우드, 모델, 애플리케이션의 모든 레이어를 필요로 하므로, 인류 역사상 가장 큰 인프라 구축(largest infrastructure buildout)을 촉발했습니다. 현재 수천억 달러가 투입되었으며, 앞으로 수조 달러 규모의 인프라 구축이 필요할 것으로 예상됩니다.
AI 인프라 구축 과정에서 에너지, 산업, 인프라 레이어 관련 일자리가 창출됩니다. 숙련 기술직(trade craft) 관련 일자리, 즉 배관공, 전기 기술자, 건설업자, 철강 노동자, 네트워크 기술자 등의 일자리가 크게 증가하고 있습니다. 미국에서는 이 분야의 급여가 거의 두 배로 상승하는 등 호황을 보이고 있으며, 박사 학위 없이도 훌륭한 생활을 할 수 있게 되었습니다.
젠슨 황은 직무의 목적(Purpose)과 과업(Task)을 구분하는 프레임워크를 제시합니다. 영상의학과(Radiology) 사례를 보면, 10년 전 컴퓨터 비전(Computer Vision)이 인간 능력을 초월하면서 영상의학과가 사라질 직업으로 여겨졌습니다. 그러나 현재 AI 도입 후 영상의학과 의사 수는 오히려 증가했습니다. 영상의학과 의사의 목적은 질병을 진단하고 환자를 돕는 것이며, 스캔 연구는 과업 중 하나입니다. AI가 스캔을 무한히 빠르게 연구하게 되면서, 의사들은 환자와 다른 임상의와 소통하는 데 더 많은 시간을 할애할 수 있게 되었습니다.
간호사 사례도 마찬가지입니다. 미국에서는 현재 500만 명의 간호사가 부족한 상황입니다. AI를 사용하여 차트 작성 및 환자 방문 기록을 자동화하면서 간호사들은 인간적인 접촉(human touch)을 위해 환자 방문에 더 많은 시간을 할애할 수 있게 되었습니다. 더 많은 환자를 볼 수 있게 되면서 병원 실적이 개선되었고, 병원은 더 많은 간호사를 고용하게 되었습니다. AI는 생산성을 높이고, 병원 실적 개선을 통해 결과적으로 더 많은 사람을 고용하게 만듭니다.
작년(2025년)은 VC 펀딩 역사상 가장 큰 해 중 하나였으며, 대부분의 자금이 AI 네이티브 기업에 집중되었습니다. 이들은 헬스케어, 로보틱스, 제조, 금융 서비스 등 모든 주요 산업에 속하며, 모델이 충분히 좋아져서 그 위에 구축할 수 있게 되면서 대규모 투자를 받고 있습니다. 평균적인 연금 수혜자나 저축가가 이 성장의 일부가 되도록 보장해야 하며, 사이드라인에서 지켜보게 해서는 안 됩니다.
젠슨 황의 통찰은 AI 시대에 필요한 역량이 무엇인지 명확히 보여줍니다. 코딩 기술보다는 AI를 활용하고 관리하는 능력, 프롬프팅 능력이 핵심입니다. AI는 일자리를 대체하는 것이 아니라 생산성을 높여 오히려 더 많은 일자리를 창출하며, 물리적 지능의 발전은 제조업과 로보틱스 분야에 새로운 기회를 제공합니다. 사용자의 의문처럼 "AI를 어떻게 한 단계씩 배워갈 수 있을까?"에 대한 답은 바로 지금 클로드나 ChatGPT 같은 도구를 활용하여 실제 업무에 적용해보고, 프롬프트를 작성하고 개선하는 연습을 시작하는 것입니다.
---
[출처]
영상 제목/채널명: https://youtu.be/A4sYjon66dM?si=osw5AXeJuQQ_XuKh