“AGI 는 언제 오나”는 질문을 그대로 받으면 답이 안 나옵니다. 답이 없어서가 아니라, 질문에 들어 있는 ‘AGI’ 라는 단어가 사람마다 다른 것을 가리키기 때문입니다.

그래서 이 글은 날짜를 하나 찍는 대신, 지금 실제로 측정되고 있는 것 다섯 가지를 늘어놓고 각각이 어디까지 결론 내리게 해 주는지를 따집니다. 그 다섯 개가 서로 다른 방향을 가리킨다는 사실 자체가, 이 질문에 대한 가장 정직한 답입니다.

먼저 이 글의 중심에 놓을 사건 하나를 소개하고 시작하겠습니다.

  • 2026년 3월, ARC Prize 재단이 ARC-AGI-3 를 냈습니다. 지시문도 규칙도 목표도 없는 상호작용 환경 수백 개로, 에이전트가 직접 탐색해서 “이긴다는 게 뭔지”까지 알아내야 합니다. 사람은 100% 풉니다. 출시 시점 프런티어 모델 점수는 Opus 4.6 이 0.50%, Gemini 3.1 Pro 가 0.40%, GPT-5.4 가 0.20%, Grok-4.20 이 0.10% 였습니다1.
  • 2026년 9월 3일, 같은 재단이 OpenAI 의 GPT-6 Astra 결과를 냈습니다. Standard harness 로 62.7%, Provider Adapter harness 로 99.9%. 게다가 테스트한 레벨의 96% 에서 사람 중앙값보다 적은 행동 수로 풀었습니다2.

6개월입니다. 0.2% 에서 99.9% 로.

그런데 그 글에서 ARC Prize 는 이렇게 씁니다.

“while we believe Astra represents meaningful progress towards generalization, we are not claiming that it is AGI.”2

이 글은 이 문장을 냉소가 아니라 정보로 읽는 방법에 관한 글입니다.

1. 정의가 셋이면 날짜도 셋이다

“골대를 옮긴다”는 비난은 흔하지만, 실제로 벌어지는 일은 좀 다릅니다. 골대가 하나가 아닙니다. 지금 진지하게 쓰이는 정의 세 개만 나란히 놓아 보겠습니다.

① ARC Prize 의 정의 — 효율까지 포함시킵니다.

“We define AGI as a system’s ability to acquire any skill a human can, as efficiently as a human can.”2

이 정의를 쓰면 Astra 의 99.9% 는 AGI 가 아닙니다. 그 점수를 내는 데 $19,000 이 들었기 때문입니다. 같은 테스트를 받은 사람은 90분 세션에 $115 를 받았고, 시간값을 빼고 뇌가 쓴 전기값만 따지면 세션당 약 0.6센트입니다2. 능력이 아니라 효율이 몇 자릿수 차이로 남아 있습니다.

② AI 연구자 설문(Grace et al.)의 정의 — “고수준 기계지능(HLMI)”.

“High-level machine intelligence (HLMI) is achieved when unaided machines can accomplish every task better and more cheaply than human workers.”3

역시 비용이 들어 있습니다. 그런데 같은 설문에 “모든 직업의 완전 자동화(FAOL)” 라는 별도 질문이 있고, 여기서 아주 중요한 게 드러납니다.

③ 구글 딥마인드의 “Levels of AGI” — 아예 문턱이 아니라 사다리로 봅니다. 기존 정의 아홉 개를 검토한 뒤, 성능(depth)과 범용성(breadth)의 2차원 격자로 레벨을 나누자고 제안합니다4. 이 관점에서는 “AGI 가 왔다/안 왔다”는 질문 자체가 잘못 설계된 것입니다.

정의가 다르면 답이 얼마나 벌어지는지는, 같은 사람들에게 같은 설문에서 물었을 때 가장 선명하게 드러납니다. 다음 장입니다.

2. 증거 A — 전문가에게 물어보면: 2047년, 그리고 2116년

2023년 10월, 상위 AI 학회(NeurIPS·ICML·ICLR·AAAI·IJCAI·JMLR) 게재 연구자 2,778명을 대상으로 한 설문이 있습니다. 이 분야 최대 규모이고, JAIR 에 동료심사를 거쳐 실렸습니다3.

질문 10% 확률 50% 확률
HLMI (모든 과제를 더 잘·더 싸게) 2027년 2047년
FAOL (모든 직업의 완전 자동화) 2037년 2116년

같은 사람들이, 같은 설문에서, 69년 차이 나는 답을 냈습니다. “과제”라고 물으면 2047년이고 “직업”이라고 물으면 2116년입니다. 이건 응답자가 비일관적이라는 뜻이 아니라, “AGI 가 온다”가 실제로는 서로 다른 여러 사건이라는 뜻입니다. 벤치마크를 다 깨는 것과, 누군가의 직업이 실제로 사라지는 것은 다른 사건입니다.

그리고 이 숫자에는 더 중요한 성질이 있습니다. 잘 움직입니다.

  • HLMI 50% 시점: 2016년 설문 2061년 → 2022년 설문 2060년 → 2023년 설문 2047년
  • FAOL 50% 시점: 2022년 2164년 → 2023년 2116년 (1년 만에 48년 당겨짐)3

6년 동안 1년 움직이던 추정치가, ChatGPT 가 나온 다음 1년 만에 13년 움직였습니다.

그래서 이 숫자가 허용하는 결론은 무엇인가. “2047년”이라는 값 자체보다, 그 값의 변동폭이 정보량이 큽니다. 1년 만에 13년 움직이는 추정치는 미래의 측정이라기보다 현재 분위기의 온도계에 가깝습니다. 논문 저자들 본인이 이 한계를 명시합니다 — 응답자들은 “experts in AI research, not AI forecasting” 이고, 예측 자체의 전문가는 아니라고요3. 2047년을 계획에 박아 넣는 근거로 쓰면 안 됩니다.

3. 증거 B — 추세를 외삽하면: 7개월마다 두 배, 그런데 최근엔 3개월

METR 은 “50%-time horizon” 이라는 자를 만들었습니다. 정의는 이렇습니다. 사람 전문가가 T 시간 걸리는 과제를 모델이 50% 확률로 성공시킨다면, 그 모델의 time horizon 은 T 다.

측정 결과, 이 값이 2019년부터 약 7개월(196일)마다 두 배로 늘어 왔습니다5. 2026년 1월 METR 이 과제 수를 170개→228개로 늘리고(8시간 이상 장기 과제는 14개→31개) 재측정한 TH1.1 에서는 이렇게 나옵니다6.

구간 2배가 되는 데 걸리는 시간
전 구간(2019~) 196.5일
2023년 이후 130.8일
2024년 이후 88.6일

가속하고 있습니다. 최근 구간만 보면 3개월마다 두 배입니다. 개별 모델 값으로는 Claude Opus 4.5 가 320분, GPT-5 가 214분입니다(TH1.1 기준)6.

원 논문의 외삽은 이렇습니다. 한 달(167시간)짜리 소프트웨어 과제를 해내는 AI 의 등장 시점, 80% 신뢰구간으로 2028년 중반 ~ 2030년 중반. 2024–2025 추세가 이어지면 2027년 초.5

그래서 이 숫자가 허용하는 결론은 무엇인가. METR 이 스스로 붙인 단서가 네 개 있고, 하나하나가 큽니다7.

  1. 과제가 소프트웨어·ML·보안에 쏠려 있습니다. “모든 지적 노동”의 자가 아닙니다.
  2. 비교 대상이 그 일을 매일 하는 사람이 아닙니다. METR 은 2시간짜리 과제를 “그 프로젝트에 익숙한 숙련자가 2시간에 하는 일”이 아니라 “맥락이 없는 신입이나 외주 계약자가 2시간에 할 수 있는 일”로 읽으라고 명시합니다.
  3. 능력이 들쭉날쭉(jagged)합니다. 후속 연구에서 도메인별로 같은 지수 추세가 나오지만 절대값은 자릿수 단위로 다릅니다.
  4. 자가 곧 짧아집니다. 현재 페이지에는 “Measurements above 16 hrs are unreliable with our current task suite” 라는 경고가 붙어 있습니다. 즉 이 추세선은 자기 자로 잴 수 없는 구간을 향해 뻗어 가는 중입니다.

특히 4번을 기억해 두시기 바랍니다. 뒤에서 다시 나옵니다.

4. 증거 C — 벤치마크가 무너지는 속도

이 글 첫머리의 사건으로 돌아옵니다. ARC-AGI 계열의 최근 3년은 이렇습니다.

시점 벤치마크 프런티어 최고 사람
2025-05 ARC-AGI-2 5% 미만8 100% (2인 이상이 2회 내 풂)
2025-12 ARC-AGI-2 37.6% (Opus 4.5, $2.20/과제)9 〃
2025-12 ARC-AGI-2 (refinement) 54% (Gemini 3 Pro + Poetiq, $31/과제)9 〃
2026-03 ARC-AGI-3 0.50% (Opus 4.6)1 100%
2026-09 ARC-AGI-3 99.9% (GPT-6 Astra, $19K)2 100%

ARC-AGI-2 는 2025년 5월 기술보고서 시점에 “프런티어 모델 전부 5% 미만”이었고, 같은 해 12월 공식 결산에서 검증된 상용 모델 최고가 37.6% 였습니다. ARC-AGI-3 는 그보다 더 극적입니다. 출시 6개월 만에 0.2%대에서 99.9% 로 갔습니다.

그런데 여기서 이 글의 핵심이 나옵니다. 점수가 모델만의 속성이 아닙니다.

같은 Astra 가 Standard harness 로는 62.7%, Provider Adapter harness 로는 99.9% 입니다. 후자는 “요청 사이에 불투명한 추론 상태를 보존하고, 긴 대화에는 압축을 쓰는” 공급자 측 기능을 씁니다2. 그리고 ARC-AGI-3 기술보고서에는 더 극단적인 예가 있습니다 — TR87 환경의 한 변형에서 Opus 4.6 은 harness 없이 0.0%, Duke harness 로 97.1% 를 냈고, 그런데 BP35 환경에서는 두 설정 모두 0.0% 였습니다1.

즉 벤치마크 점수는 “모델의 능력”이 아니라 “모델 + 스캐폴딩 + 그 환경”의 3자 함수입니다. 이건 AGI 시점 논쟁에서 대단히 자주 무시되는 사실입니다. 어떤 헤드라인이 “모델 X 가 벤치마크 Y 를 깼다”고 할 때, 무엇이 깬 것인지가 실제로 모호합니다.

그래서 벤치마크 포화가 허용하는 결론은 무엇인가. ARC Prize 자신의 문장이 정확합니다.

“ARC-AGI-3 has a tightly bounded scope and format, and its environments have deterministic, closed-ended mechanics and goals. It does not represent the complexity and open-endedness of the real world.”2

이걸 “골대 옮기기”로 읽으면 아무것도 못 배웁니다. 정확히 읽으면 이렇습니다 — 우리는 AGI 를 조작적으로 정의하려고 벤치마크를 만드는데, 벤치마크는 정의상 닫혀 있고, AGI 라는 개념의 핵심은 열려 있음(open-endedness)이다. 그래서 벤치마크가 깨질 때마다 “이건 우리가 재려던 게 아니었다”는 게 밝혀지고, 그게 부정직해서가 아니라 구조적으로 그렇게 될 수밖에 없어서 그렇습니다.

이건 3장 4번 단서와 같은 현상입니다. 자를 만들면, 재려는 대상이 자보다 빨리 자랍니다.

5. 증거 D — 실제 노동에서는? (그리고 그 실험이 왜 깨졌나)

여기가 가장 흥미롭습니다.

METR 은 2025년 2~6월에 무작위 대조시험(RCT)을 돌렸습니다. 평균 5년간 기여해 온 대형 오픈소스 저장소에서, 숙련 개발자 16명이 실제 이슈 246건을 처리하되 각 이슈를 AI 허용 / 금지로 무작위 배정했습니다. 결과10:

  • 개발자들의 사전 예측: AI 쓰면 24% 빨라진다
  • 경제학 전문가 34명: 39% 빨라진다 / ML 전문가 54명: 38% 빨라진다
  • 실제 측정: 19% 느려졌다
  • 실험을 마친 뒤 개발자들의 사후 추정: 20% 빨라졌다 (여전히)

마지막 줄이 핵심입니다. 19% 느려진 걸 직접 겪은 사람들이, 겪고 나서도 20% 빨라졌다고 믿었습니다. 체감은 증거가 아닙니다.

그런데 이 결과를 2026년에 그대로 인용하면 그것도 틀립니다. METR 은 2025년 8월에 개발자 57명·저장소 143개·과제 800건 이상으로 후속 실험을 돌렸는데, 2026년 2월에 “이 데이터는 신뢰할 수 없다”고 스스로 발표했습니다11. 이유가 이 글에서 가장 중요한 대목입니다.

개발자 상당수가 “AI 없이 일하기 싫다”는 이유로 참여를 거부했습니다. 참여한 사람들도 30~50% 가 “AI 없이 하기 싫은 과제는 아예 제출하지 않았다”고 답했습니다. 게다가 에이전트를 여러 개 동시에 굴리는 사람들은 “이 과제에 쓴 시간”을 정확히 보고할 수 없었습니다.

한 참가자의 말이 그대로 실려 있습니다 — “I’m torn. I’d like to help provide updated data on this question but also I really like using AI!”11

원 데이터상으로는 속도 향상 쪽으로 뒤집히긴 했습니다(기존 패널 -18% [-38%, +9%], 신규 모집 -4% [-15%, +9%]). 하지만 METR 은 선택 편향 때문에 이걸 “very weak evidence” 라고 못 박습니다11.

그래서 이 항목이 허용하는 결론은 무엇인가. 숫자가 아니라 메타입니다. 2025년 초에는 대조군을 구할 수 있었고, 2026년 초에는 대조군을 구할 수 없어서 실험이 성립하지 않았습니다. 도구가 얼마나 빨리 필수품이 되었는지에 대해서는, 어떤 속도 추정치보다 이 사실이 강한 신호입니다. 동시에, 그래서 우리는 지금 실제 생산성 효과의 크기를 모릅니다. 재는 방법이 깨졌으니까요.

6. 증거 E — 물리적 상한: 2030년까지는 안 막힌다

“어차피 데이터가 떨어져서 멈출 것”이라는 반론이 흔합니다. Epoch AI 가 이 질문을 전력·칩·데이터·지연(latency) 네 축으로 분해했습니다12.

  • 전력: 첫 번째로 걸리는 병목. 단일 캠퍼스 1~5 GW 로 1e28~3e29 FLOP, 지리적 분산 훈련까지 쓰면 2~45 GW.
  • 칩: 2030년까지 H100 환산 1억 장 규모(중앙 추정) → 9e29 FLOP. 불확실성 범위 2천만~4억 장.
  • 데이터: 색인된 웹 약 500조 토큰(중복 제거 후). 멀티모달·합성 데이터까지 넣으면 유효 400조~2경 토큰.
  • 결론: 2e29 FLOP 규모 훈련이 2030년까지 가능할 것으로 본다. GPT-4 대비 약 1만 배입니다.

훈련 compute 는 2010년 이후 연 4~5배로 늘어 왔고, 이 추세가 이어지면 2030년 최대 훈련 런은 4~16 GW 를 끌어씁니다13.

그래서 이 숫자가 허용하는 결론은 무엇인가. “그냥 계속 스케일업하는” 시나리오는 2030년까지는 물리적으로 막히지 않습니다. 딱 거기까지입니다. 이 분석은 (a) 스케일업이 계속 효과가 있을지, (b) 2030년 이후는 어떨지, (c) 투자가 계속 들어올지 — 셋 다 답하지 않습니다. Epoch 자신도 가장 큰 불확실성으로 투자 지속 여부를 꼽습니다.

7. 다섯 개를 한 표에

증거 무엇을 물었나 답 허용하는 결론
Grace 설문 (n=2,778) 연구자들의 주관적 확률 HLMI 50%: 2047년 / FAOL 50%: 2116년 값보다 변동폭이 정보. 1년에 13년 움직임
METR time horizon 과제 길이 추세 외삽 1개월 과제: 2028–2030년 소프트웨어 한정, 저맥락 기준, 자가 곧 짧아짐
ARC-AGI 계열 벤치마크 포화 속도 ARC-AGI-3: 6개월에 0.2%→99.9% 점수는 모델+harness의 함수. 설계자 본인이 “AGI 아니다”
METR RCT 현실 생산성 2025 초 -19% / 2026 초 측정 불가 체감은 증거가 아님. 지금은 크기를 모름
Epoch AI 물리적 상한 2030년까지 1만 배 가능 2030년까지 안 막힘. 그 이후는 미답

이 다섯 줄이 서로 모순돼 보인다면, 정확히 읽으신 겁니다. 서로 다른 것을 재고 있기 때문입니다.

8. 그래서 나는 어떻게 판단하는가

날짜를 하나 고르는 건 이 증거들이 허용하지 않습니다. 대신 저는 이렇게 씁니다.

① 날짜를 구독하지 말고 지표를 구독한다. “2030년에 AGI” 같은 문장은 내 다음 행동을 하나도 바꾸지 못합니다. 대신 어떤 관측이 들어오면 무엇을 바꿀지를 미리 적어 둡니다. 예를 들어 — METR time horizon 이 8시간을 넘기고 그게 소프트웨어 밖 도메인에서도 재현되면, 내 팀의 온보딩·코드리뷰 구조를 다시 설계한다. 이런 식으로요.

② “AGI 가 오나” 대신 “내 일의 어느 조각이 몇 시간짜리인가”를 묻는다. METR 의 자가 마침 그 단위입니다. 내가 하는 일을 과제 길이로 분해해 보면, 어느 조각이 이미 넘어갔고 어느 조각이 아직인지가 보입니다. 그리고 METR 의 단서 2번을 기억해야 합니다 — 넘어가는 건 맥락 없는 신입이 그 시간에 할 수 있는 일이지, 그 코드베이스를 5년 본 사람이 하는 일이 아닙니다. 이 차이가 실무에서는 전부입니다.

③ 벤치마크 점수를 볼 때 harness 와 비용을 같이 본다. 99.9% 는 $19,000 이었습니다. 같은 모델이 스캐폴딩에 따라 62.7% 이기도 합니다. 능력 곡선과 경제성 곡선은 다른 곡선이고, 내 회사에 실제로 도착하는 건 후자입니다.

④ 내 체감을 증거로 쓰지 않는다. METR RCT 의 그 줄 — 19% 느려진 사람들이 20% 빨라졌다고 믿었다 — 은 남 얘기가 아닙니다. 도입 전후를 재려면 실제로 재야 합니다. 그리고 2026년엔 그게 어렵다는 것도 이제 압니다.

9. 이 글이 답하지 못하는 것

  • 정의 합의가 없습니다. 이 글은 정의 세 개를 나란히 놓았을 뿐, 어느 게 맞는지 정하지 않았습니다. 정하지 않으면 “언제”에 답할 수 없다는 게 이 글의 주장입니다.
  • AI 도래 시기 예측의 트랙레코드가 좋지 않습니다. Grace 설문에서도 2016년 대비 2022/2023년 예측이 더 늦어진 과제가 18개 중 15개였습니다3. 방향이 늘 앞당겨지는 것도 아닙니다.
  • 이해충돌. 저는 AI 코딩 도구를 매일 쓰고, 이 글도 그런 도구를 쓰는 환경에서 정리했습니다. 낙관 쪽으로 기울 유인이 있습니다.
  • 유통기한이 짧습니다. 이 글의 최신 수치는 2026년 9월 3일 기준입니다. ARC-AGI-3 는 2026년 3월에 0.2% 였고 9월에 99.9% 였습니다. 이 분야에서 6개월은 통째로 다른 세계입니다.
  • 가장 정직한 요약: AGI 가 언제 오느냐는 질문은, 답이 나올 때까지는 답이 없고, 답이 나온 뒤에는 아무도 그게 답인지 동의하지 않을 가능성이 높습니다. 그동안 실제로 유용한 건 날짜가 아니라 자와, 그 자의 한계에 대한 정직한 목록입니다.

References

  1. ARC Prize Foundation, “ARC-AGI-3: A New Challenge for Frontier Agentic Intelligence” 및 출시 발표 (2026-03-25). 출시 시점 semi-private 점수(Opus 4.6 Max 0.50%, Gemini 3.1 Pro Preview 0.40%, GPT-5.4 High 0.20%, Grok-4.20 0.10%), 인간 100% 해결, harness 의존성의 극단적 이봉 분포 사례(TR87 변형에서 Opus 4.6 이 harness 없이 0.0% / Duke harness 로 97.1%, BP35 에서는 양쪽 모두 0.0%). ↩ ↩2 ↩3

  2. Greg Kamradt (ARC Prize Foundation), “OpenAI’s GPT-6 Astra on ARC-AGI-3” (2026-09-03). Standard harness 62.7%/$26K, Provider Adapter harness 99.9%/$19K, 레벨 96%에서 인간 중앙값보다 적은 행동 수, 인간 참가자 비용($115/90분 세션, 뇌 전기값 환산 세션당 약 0.6센트), ARC Prize 의 AGI 정의, “we are not claiming that it is AGI”, “tightly bounded scope… does not represent the complexity and open-endedness of the real world”. 주의: 평가 주체는 제3자(ARC Prize)이지만 99.9% 를 낸 Provider Adapter harness 는 공급자 측 기능에 의존하므로, 그 수치는 완전한 독립 재현이라고 보기 어렵습니다. ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7

  3. Katja Grace, Julia Fabienne Sandkühler, Harlan Stewart, Benjamin Weinstein-Raun, Stephen Thomas, Zach Stein-Perlman, John Salvatier, Jan Brauner, Richard C. Korzekwa, “Thousands of AI Authors on the Future of AI”, Journal of Artificial Intelligence Research 84, Article 9 (October 2025). 동료심사 논문. 프리프린트는 arXiv:2401.02843. n=2,778, HLMI/FAOL 정의 및 10%·50% 시점, 2016/2022/2023 설문 간 이동폭, 저자들 자신의 한계 명시(“experts in AI research, not AI forecasting”). ↩ ↩2 ↩3 ↩4 ↩5

  4. Meredith Ringel Morris, Jascha Sohl-Dickstein, Noah Fiedel, Tris Warkentin, Allan Dafoe, Aleksandra Faust, Clement Farabet, Shane Legg, “Position: Levels of AGI for Operationalizing Progress on the Path to AGI”. 저자 전원이 구글 딥마인드 소속인 position paper 이므로 벤더 소속 연구로 분류해 읽어야 합니다. 이 글에서는 기존 정의 아홉 개를 검토했다는 사실과 2차원(성능×범용성) 레벨 제안이라는 구조만 인용했고, 특정 모델이 어느 레벨이라는 저자들의 판정은 인용하지 않았습니다. ↩

  5. Thomas Kwa et al. (METR), “Measuring AI Ability to Complete Long Software Tasks” (2025-03). 50%-time-horizon 정의, 2019–2025 구간 doubling 207일 [95% CI 166–240], 한 달(167시간) 과제 도달 시점 80% 신뢰구간 2028년 중반~2030년 중반. 블로그 요약. ↩ ↩2

  6. METR, “Time Horizon 1.1” (2026-01-29). 과제 170→228개(8시간 이상 14→31개), 평가 인프라를 Vivaria 에서 Inspect 로 이전. doubling time 표(전 구간 196.5일 / 2023년 이후 130.8일 [107,161] / 2024년 이후 88.6일), 모델별 갱신치(Opus 4.5 320분 [170,729], GPT-5 214분 [117,480]). ↩ ↩2

  7. METR, “Task-Completion Time Horizons of Frontier AI Models” (2026-05-08 갱신). 라이브 대시보드 및 FAQ. “Measurements above 16 hrs are unreliable with our current task suite”, 저맥락 기준 해석, 도메인 편중과 jaggedness 에 대한 METR 자신의 단서. ↩

  8. Greg Kamradt (ARC Prize Foundation), “ARC-AGI-2: A New Challenge for Frontier AI Reasoning Systems” (2025-05-20). 공식 기술보고서. 발표 시점 프런티어 모델 전부 5% 미만, 평가셋 인간 보정(400명 이상 대상 통제 실험, 모든 과제를 2인 이상이 2회 이내 해결). ↩

  9. Mike Knoop (ARC Prize Foundation), “ARC Prize 2025 Results and Analysis” (2025-12-05). Kaggle 1,455팀·15,154 제출, 최고 24.03%($0.20/과제). 검증된 상용 모델 최고 Opus 4.5(Thinking, 64k) 37.6%($2.20/과제), refinement 부문 Poetiq(Gemini 3 Pro 기반) 54%($31/과제). 기술보고서는 arXiv:2601.10904. ↩ ↩2

  10. Joel Becker, Nate Rush, Beth Barnes, David Rein (METR), “Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity” (2025-07). 16명·246과제 RCT. 사전 예측 -24%, 경제학 전문가 -39%, ML 전문가 -38%, 실측 +19%, 사후 자기추정 -20%. 블로그. ↩

  11. Joel Becker, Nate Rush, Tom Cunningham, David Rein, Khalid Mahamud (METR), “We are Changing our Developer Productivity Experiment Design” (2026-02-24). 후속 실험(개발자 57명·저장소 143개·800+과제)의 선택 편향, 참여 거부 및 과제 제출 편향(30~50%), 원 추정치(패널 -18% [-38,+9], 신규 -4% [-15,+9])와 METR 자신의 “very weak evidence” 판정. 데이터셋. ↩ ↩2 ↩3

  12. Epoch AI, “Can AI Scaling Continue Through 2030?” (2024-08-20). 전력·칩·데이터·지연 네 병목 분석, 2e29 FLOP 훈련이 2030년까지 가능하다는 결론, 첫 병목은 전력. ↩

  13. Epoch AI (EPRI 공동), “How much power will frontier AI training demand in 2030?” (2025-08-11). 훈련 compute 연 4~5배 추세, 프런티어 훈련 런 전력 수요 연 2.2~2.9배 증가, 2030년 최대 훈련 런 4~16 GW 전망. ↩