30 Months on the Exponential: AI가 통째로 맡는 일이 4분에서 17시간이 된 30개월
Co-Intelligence(2024)에서 Co-Existence(2026)까지 30개월 동안 AI가 한 번의 지시로 끝내는 일의 길이가 4분에서 17시간으로 늘었고, 선두 모델은 스무 번 바뀌었습니다. 이 추세를 기업 계획의 가정으로 옮기는 법과, 사람이 루프 밖에서 에이전트를 부리는 Conjurer 방식을 정리했습니다.
Ethan Mollick은 두 책 사이 30개월을 돌아보며, AI에게 한 번의 지시로 통째로 맡길 수 있는 일의 길이가 4분에서 17시간으로 늘었고 그 속도가 꺾이지 않았다고 정리합니다. 기업이 이 추세를 계획에 쓰려면 "지금 모델이 못 하는 일"이 아니라 "다음 분기에 맡길 일의 크기"를 가정으로 세우고, 사람이 매 단계에 붙어 있는 방식에서 에이전트를 불러 일을 맡기고 결과만 검수하는 Conjurer 방식으로 조직을 옮겨야 합니다.
요약
와튼스쿨 교수 Ethan Mollick은 2026년 10월 20일, 두 번째 AI 책 Co-Existence를 내면서 첫 책 Co-Intelligence(2024년 초) 이후 30개월을 차트로 정리했습니다. 첫 책을 쓸 때 AI는 채팅창에서 한 단계씩 지시해야 하는 챗봇이었습니다. 이번 글의 차트는 Claude Projects(자료와 지시를 묶어 두는 Claude의 작업 공간) 안에서 Opus 5.5에게 두어 문장을 주고 맡겼습니다. 오케스트레이터(일을 나눠 주는 상위 에이전트) 하나가 필요에 따라 하위 에이전트를 만들어 조사·그래프·레이아웃·이미지·인용 출처를 몇 분 안에 처리했고, 저자의 계산 실수도 짚어 냈습니다. 저자는 이 경험 자체가 30개월의 변화를 보여 준다고 말합니다.
Time Horizon: AI가 한 번의 지시로 끝내는 일의 길이
METR(AI 평가 비영리 연구소)의 Time Horizon은 “사람이 몇 시간 걸리는 일을 AI가 한 번의 프롬프트로 50% 확률로 끝내는가”를 재는 지표입니다. 작동 방식은 이렇습니다. 소프트웨어·연구 작업 수백 개를 모아 사람 전문가가 걸리는 시간을 측정하거나 추정해 라벨을 붙이고, 모델에게 같은 작업을 자율로 풀게 한 뒤, 작업 길이별 성공률을 곡선으로 맞춰 성공률이 50%가 되는 길이를 읽습니다. 저자가 인용한 수치는 2024년 4분, 2026년 4월(책 원고 마감 시점) 17시간입니다. GPT-4 출시부터 측정 끝까지 여덟 번 두 배가 됐습니다. 그 뒤 METR은 현재 방법으로는 더 정확히 재기 어렵다고 밝혔고, 다른 연구는 17주 이상일 수 있다고 봅니다.
1차 출처로 보강하면 이렇습니다. METR의 Time Horizon 1.1(2026년 1월)은 228개 작업으로 꾸려졌고, 2023년 이후 두 배 주기는 약 131일입니다. 2026년 5월 Frontier Risk Report에서는 공개 모델의 50% Time Horizon을 약 12시간, 비공개 내부 모델은 16시간 이상으로 추정하며, 이 작업 묶음은 16시간을 넘는 구간을 믿을 만하게 재지 못한다고 적었습니다. METR이 Epoch AI와 함께 만든 MirrorCode(프로그램 하나를 처음부터 다시 구현하는 벤치마크)에서는 사람이 2~17주 걸릴 것으로 보는 과제를 모델이 14시간에 끝낸 사례가 있습니다. 저자가 말한 “17주”는 이 범위와 맞습니다. 50%는 절반은 실패한다는 뜻이므로, 믿고 맡기는 기준은 80% Time Horizon(같은 보고서에서 약 1.5시간)이 더 가깝습니다.
“최악의 AI”: 선두는 계속 바뀌고 바닥은 계속 올라간다
저자는 첫 책에 “지금 쓰는 AI가 앞으로 쓸 것 중 가장 나쁘다”고 썼고, 이 말이 매 순간 사실이었다고 합니다. 2023년 초부터 2024년 초까지는 OpenAI의 GPT-4 하나가 선두였습니다. 그 뒤 선두 모델은 Anthropic·Google·OpenAI 세 회사 사이에서 스무 번 바뀌었습니다. 더 큰 변화는 바닥입니다. GPT-4 출시 시점보다 나은 모델이 지금 180개이고, 그중 많은 수가 누구나 내려받아 고칠 수 있는 open weights(가중치 공개) 모델이며, 19개는 스마트폰에서 돌아갑니다. 기업 계획에서 이 사실은 “어느 회사 모델을 고르나”보다 “모델이 바뀌어도 업무가 멈추지 않는 구조인가”가 더 중요하다는 뜻입니다.
능력이 오르는 동안 값은 내려갔습니다. 저자가 즐겨 보던 GPQA(Google-Proof Q&A, 대학원생도 자주 틀리는 전문 문제)에서 정답 하나를 얻는 데 들던 AI 사용료가 30센트에서 0.04센트가 됐습니다. 약 750분의 1입니다. 기업 계획에서 이 곡선은 두 가지로 쓰입니다. 첫째, 지금 비싸서 못 하는 작업(모든 문서를 매일 전수 검토하기 같은 것)은 1년 뒤 단가로 다시 계산해야 합니다. 둘째, 작업 길이가 늘수록 한 작업에 쓰는 토큰이 늘어나므로, 단가 하락과 작업당 토큰 증가를 함께 넣어야 실제 예산이 나옵니다.
AI 능력의 경계는 30개월 전처럼 지금도 들쭉날쭉합니다. 수학은 같은 기간에 형편없는 수준에서 사람을 넘는 수준으로 갔지만, 긴 글쓰기는 여전히 약합니다. 저자가 강조하는 부분은 그다음입니다. AI가 아주 잘하는 영역에서도 작은 빈틈이 남고, 그 빈틈이 사람의 큰 역할을 만들어 낸다는 것입니다. 적어도 지금은 그렇습니다. 계획에 옮기면, 업무를 “AI가 하는 일 / 사람이 하는 일”로 나누는 대신, 업무마다 “AI가 거의 다 하고 사람이 메우는 빈틈은 어디인가”를 적어 두는 쪽이 맞습니다. 빈틈의 위치는 모델이 바뀔 때마다 옮겨 가므로 분기마다 다시 적습니다.
첫 책의 두 가지 일하는 방식은 Centaur(켄타우로스, 일을 사람 몫과 AI 몫으로 나눔)와 Cyborg(사이보그, 사람과 AI가 한 작업 안에서 섞여 일함)입니다. 둘 다 사람이 루프 안에 있습니다. 문제는 사람이 동시에 들어갈 수 있는 루프의 수가 정해져 있다는 점입니다. 진짜 에이전트가 나오면서 저자는 세 번째 방식 Conjurer(소환자)를 더합니다. 필요할 때 에이전트를 불러 일을 맡기고, 돌아온 결과를 평가하는 방식입니다. 이 글의 차트가 그렇게 만들어졌습니다. 저자는 이것이 AI를 쓰는 가장 강력한 방식이지만, AI가 결과를 내려고 정확히 무엇을 했는지 통제하지 못하게 되는 새 위험이 따른다고 말합니다. 조직에 적용하면, 담당자 한 사람이 다루는 일의 수가 “루프 수”에서 “검수 가능한 산출물 수”로 바뀝니다.
새 책이 다루는 사람의 몫은 네 가지입니다. 한 분야를 깊게 아는 지식, 여러 분야를 가로지르는 넓은 지식, 무엇이 좋은 결과인지 가리는 취향, 그리고 무엇을 할지 정하고 밀고 가는 주도성입니다. 저자는 이를 앞선 글 “the overhang”에서도 다뤘습니다. Conjurer 방식에서 이 넷은 곧 “에이전트에게 무엇을 시키고, 돌아온 것을 어떤 기준으로 받아들일지”를 정하는 능력입니다. 어떤 일은 AI에 넘기고 어떤 일은 아예 넘기지 않을지도 여기서 갈립니다.
흔히 이렇게 봅니다AI를 잘 쓰는 핵심 역량은 프롬프트를 정교하게 쓰는 기술이다.
저자는 이렇게 봅니다AI가 좋아질수록 프롬프트의 중요성은 줄어듭니다. 중요한 것은 무엇을 맡기고 돌아온 결과를 어떤 기준으로 평가하느냐입니다.
근거저자는 오타가 섞인 한 줄 요청으로 Opus 5.5에게 "비행기에서 와이파이 쓰는 수달" 영상을 맡겼고, 대본·이미지·구성·음악·기술 작업을 AI가 알아서 처리했습니다. 차트 작업에서도 "더 좋게 만들어"라는 막연한 피드백을 반복했습니다.
흔히 이렇게 봅니다어느 회사의 최고 모델을 고르느냐가 AI 전략의 핵심 결정이다.
저자는 이렇게 봅니다선두는 계속 바뀌고, GPT-4를 넘는 모델이 이미 180개입니다. 특정 모델이 아니라 추세에 맞춰 계획해야 합니다.
근거30개월 동안 선두 모델이 세 회사 사이에서 스무 번 바뀌었습니다. 저자의 새 책도 최신 모델 소식을 좇지 않고 추세만 다룹니다. 추세를 알면 현재와 가까운 미래가 덜 놀랍다는 것이 글의 결론입니다.
흔히 이렇게 봅니다AI 작업은 사람이 루프 안에서 단계마다 확인해야 안전하다.
저자는 이렇게 봅니다사람이 들어갈 수 있는 루프의 수는 정해져 있습니다. 가장 강력한 방식은 루프 밖에서 에이전트를 소환해 맡기고 결과를 평가하는 Conjurer입니다. 대신 과정 통제를 잃는 위험을 받아들여야 합니다.
근거이 글의 차트 제작이 그 방식으로 이뤄졌습니다. 오케스트레이터 에이전트가 하위 에이전트를 만들고 지시하고 결과를 모아 왔고, 저자는 결과만 골라 피드백했습니다.
이 글의 차트 제작: 오케스트레이터 하나에 두어 문장
| 구분 | 내용 |
|---|---|
| 상황 | 두 책 사이 변화를 보여 줄 차트 여러 장이 필요. 2024년이면 채팅창에서 단계마다 지시해야 했을 일 |
| 한 일 | Claude Projects에서 Opus 5.5에 두어 문장으로 방향만 줌. 오케스트레이터 에이전트가 하위 에이전트를 만들어 조사·그래프·레이아웃·이미지·인용 처리. 여러 안을 만들게 하고 일부는 고르고 일부는 “더 좋게”로 되돌림 |
| 결과 | 몇 분 안에 완성(저자 추정으로는 사람이 하면 몇 시간). AI가 저자의 계산 실수를 잡아 냄. 원래 제목 “28 months”가 “30 months”로 바뀜 |
| 연결 | Conjurer 방식의 실례. Time Horizon이 길어져 한 번의 위임으로 끝나는 일의 크기가 커졌음을 보여 줌 |
| 구분 | 내용 |
|---|---|
| 상황 | 저자는 몇 년 동안 “비행기에서 와이파이 쓰는 수달”이라는 같은 요청으로 이미지·영상 AI를 시험해 왔음. 30개월 전 기준점은 당시 최고였던 Midjourney의 이미지 |
| 한 일 | Opus 5.5에 오타 섞인 한 줄로 “최고의 수달 영상”을 요청. Google과 ElevenLabs의 유료 서비스를 AI가 이용 |
| 결과 | 소리까지 갖춘 영상 한 편. 몇 가지 흠은 있음. 대본·이미지·구성·음악·기술 작업을 AI가 스스로 처리 |
| 연결 | 프롬프트의 중요성이 줄었다는 주장의 근거. 이미지 한 장(2024)에서 영상 제작 공정 전체(2026)로 맡기는 단위가 커진 사례 |
책 웹사이트 재설계
저자는 새 책의 웹사이트도 Opus 5.5에게 맡겼고, 지시는 “더 좋게 만들어”였습니다. 결과 수치나 소요 시간은 원문에서 밝히지 않았습니다. 막연한 피드백으로 결과를 끌어올리는 Conjurer 방식의 세 번째 예입니다.
아래는 원문의 추세를 자사 계획에 옮길 때 필요한 측정 방법과 구조로, AX Review가 새로 작성했습니다.
자사 Time Horizon을 재려면 METR 방식을 축소해 따라갑니다. 부서별로 실제 업무 20~30건을 고르고, 담당자가 혼자 할 때 걸리는 시간을 15분·1시간·4시간·1일·3일의 다섯 구간으로 라벨합니다. 각 업무를 에이전트에 한 번의 지시로 맡겨 3회씩 돌리고, 산출물을 현업이 합격/불합격으로 판정합니다. 구간별 합격률을 표로 만들어 합격률이 50%와 80%를 지키는 가장 긴 구간을 각각 자사 50%·80% Time Horizon으로 둡니다. 모델은 두 회사 이상(예: 최신 Claude와 최신 GPT)으로 같은 묶음을 돌려 특정 모델 의존을 피하고, temperature는 기본값으로 두되 3회 결과의 합격 여부가 갈리면 “불안정”으로 따로 표시합니다.
{
"task_id": "PUR-014",
"dept": "구매",
"task": "협력사 50곳 분기 납기·불량 비교표와 메모",
"human_minutes": 360,
"bucket": "4h",
"model": "claude-opus-5.5",
"runs": [{"pass": true, "tokens": 1840000, "cost_usd": 4.1},
{"pass": true, "tokens": 2100000, "cost_usd": 4.7},
{"pass": false, "tokens": 950000, "cost_usd": 2.0, "fail_reason": "협력사 3곳 누락"}],
"pass_rate": 0.67,
"cheat_check": "원본 데이터 외 출처 사용 없음",
"judged_by": "구매팀장",
"measured_at": "2026-10-25"
}Conjurer 구조를 돌리려면 오케스트레이터 하나와 역할별 하위 에이전트, 그리고 사람 앞의 검수 게이트 세 층으로 짭니다. 오케스트레이터는 일을 나누고 하위 에이전트에 지시하고 결과를 모으며, 사람에게는 완성본과 함께 “무엇을 어떤 근거로 했나”를 담은 작업 로그를 넘깁니다. 저자가 말한 통제 상실의 위험은 이 로그와 게이트로 메웁니다. 게이트 항목은 산출물마다 3~5개(예: 수치 출처 명시, 범위 누락 없음, 금지 데이터 미사용)로 고정하고, 통과하지 못하면 “더 좋게” 대신 실패한 항목을 적어 되돌립니다.
| 층 | 하는 일 | 사람이 보는 것 |
|---|---|---|
| 오케스트레이터 | 일 나누기, 하위 에이전트 생성·지시, 결과 취합 | 작업 로그(단계·근거·사용 도구) |
| 하위 에이전트 | 조사·계산·초안·도표 등 역할 하나씩 | 중간 산출물(필요할 때만) |
| 검수 게이트 | 산출물별 3~5개 항목 자동 점검 | 통과/실패 항목과 완성본 |
예산은 단가 하락과 토큰 증가를 함께 넣습니다. GPQA 정답 하나의 비용이 750분의 1이 된 것처럼 단가는 내려가지만, 17시간짜리 작업은 4분짜리보다 토큰을 훨씬 많이 씁니다. 측정표의 tokens·cost_usd를 구간별로 합산해 “업무 1건당 비용”을 보고, 다음 분기 예산은 현재 단가와 절반 단가 두 시나리오로 잡습니다(단가 가정은 가상 예시).
현업 실행 디테일: 누가, 언제, 무엇을
| 역할 | 담당 | 하는 일 |
|---|---|---|
| 스폰서 | CEO 또는 사업부장 | 위임 범위와 판정 기준 승인, 분기 가정 갱신 주관 |
| AX 리드 | AX 추진 담당 1명 | Time Horizon 측정 운영, 모델 비교, 주간 보고 |
| 현업 리더 | 부서장 2~3명 | 업무 20~30건 선정, 사람 시간 라벨, 합격/불합격 판정 |
| 검수자 | 부서별 선임 1명 | 검수 게이트 항목 정의, 부정 수행 점검 |
| 엔지니어 | 1~2명 | 오케스트레이터·하위 에이전트·로그 구성, 모델 추상화 |
| 보안·법무 | 1명 | 외부 모델에 보낼 수 있는 데이터 범위 확정 |
시작 전 준비물: 부서별 업무 목록과 사람 소요 시간(없으면 담당자 추정), 산출물 샘플(합격 기준의 본보기), 외부로 보낼 수 있는 데이터 등급표, 모델 2종 이상의 사용 계정, 측정표 양식.
| 주차 | 할 일 | 산출물 |
|---|---|---|
| 1주 | 업무 20~30건 선정, 5구간 라벨, 검수 항목 정의 | 업무 묶음, 검수표 |
| 2주 | 모델 2종으로 3회씩 실행, 토큰·비용 기록 | 측정표 |
| 3주 | 현업 판정, 부정 수행 점검, 50%·80% Time Horizon 산출 | 구간별 합격률표 |
| 4주 | 80% 구간 안의 업무를 Conjurer 구조로 전환, 게이트 적용 | 전환 업무 목록, 로그 양식 |
| 5~6주 | 운영 2주, 검수 통과율·되돌림 수 기록 | 운영 지표 |
| 분기 말 | 새 모델로 재측정, 빈틈 목록과 예산 가정 갱신 | 분기 가정서 |
진행 판정 기준(예시): 80% Time Horizon 구간 안의 업무가 전체의 30% 이상이고, Conjurer로 전환한 업무의 검수 통과율이 운영 2주 동안 80% 이상이면 다음 부서로 넓힙니다. 통과율이 60% 미만이거나 부정 수행이 3건 넘게 나오면 게이트 항목을 늘리고 그 업무는 Cyborg 방식으로 되돌립니다.
AX 적용 제언. 이 글의 쓸모는 AI 계획을 “지금 모델이 할 수 있는 일”이 아니라 “다음 분기에 맡길 일의 크기”로 세우게 하는 데 있습니다. 많은 기업의 AI 로드맵이 특정 모델 도입과 프롬프트 교육에 머무는데, 저자의 추세대로라면 그 둘은 분기마다 낡습니다. 대신 부서별 Time Horizon 측정표, 검수 게이트, 분기 가정서 세 가지를 운영 체계로 두십시오. 순서는 측정(어디까지 맡길 수 있나) → 검수 기준(무엇이 합격인가) → Conjurer 전환(누가 몇 건을 검수하나) → 분기 갱신이 무난합니다. 현업 스폰서는 산출물의 합격 기준을 말할 수 있는 부서장이어야 합니다. 사람의 역할 변화는 조직 설계 과제이므로, 검수자의 평가와 보상 기준을 함께 손봐야 전환이 정착합니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 발표처 | One Useful Thing(Substack), 2026.10.20, Ethan Mollick(와튼스쿨 교수) |
| 계기 | 두 번째 책 Co-Existence 출간. 첫 책 Co-Intelligence(2024년 초)와 30개월 차이 |
| 차트 제작 | Claude Projects의 Opus 5.5, 오케스트레이터 에이전트가 하위 에이전트 생성. 몇 분 소요, 계산 실수 교정 |
| 선두 교체 | 2023년 초~2024년 초 GPT-4 단독 선두 → 이후 Anthropic·Google·OpenAI 사이 20번 교체 |
| 바닥 상승 | GPT-4 출시 때보다 나은 모델 180개, 다수 open weights, 19개는 스마트폰 구동 |
| Time Horizon | METR 벤치마크. 2024년 4분 → 2026년 4월 17시간, GPT-4 이후 8번 두 배. 이후 METR 측정 한계, 다른 연구는 17주 이상 추정 |
| 비용 | GPQA 정답 1개 비용 30센트 → 0.04센트 |
| 능력 경계 | 여전히 들쭉날쭉. 수학은 사람을 넘고 긴 글쓰기는 약함. 작은 빈틈이 사람의 큰 역할을 만듦 |
| 일하는 방식 | Centaur·Cyborg(루프 안)에 Conjurer(소환·위임·평가) 추가. 가장 강력하지만 과정 통제를 잃는 위험 |
| Otter Test | 오타 섞인 한 줄로 Opus 5.5가 Google·ElevenLabs 서비스를 써 영상 제작. 대본·이미지·구성·음악 자율 처리 |
| 결론 | 새 책은 뉴스 아닌 추세를 다룸. 사람의 우위는 깊은 지식·넓은 지식·취향·주도성 |
핵심 개념
- METR
- AI 모델의 자율 작업 능력과 위험을 재는 비영리 평가 기관. Time Horizon 벤치마크를 만들었습니다.
- 50% / 80% Time Horizon
- AI가 각각 50%, 80% 확률로 끝낼 수 있는 사람 작업 시간. 80%가 믿고 맡기는 기준에 가깝습니다.
- MirrorCode
- Epoch AI와 METR이 만든 벤치마크. 프로그램 하나를 원본 코드 없이 처음부터 다시 구현하게 해 수 주 단위 작업을 잽니다.
- GPQA
- Google-Proof Q&A. 검색으로 풀 수 없고 대학원생도 자주 틀리는 전문 과학 문제 모음.
- open weights
- 학습된 가중치를 공개해 누구나 내려받아 돌리거나 고칠 수 있는 모델.
- 오케스트레이터
- 일을 나눠 하위 에이전트에 맡기고 결과를 모으는 상위 에이전트. Conjurer 방식의 기술적 중심입니다.
- Otter Test
- 저자가 "비행기에서 와이파이 쓰는 수달"이라는 같은 요청으로 이미지·영상 AI의 발전을 재는 비공식 시험.
내 메모
TODO: 내 생각 추가
원문: Ethan Mollick, “30 Months on the Exponential (in Charts)”, One Useful Thing(2026.10.20). 요약·핵심 메커니즘·통념과 다른 주장·사례는 원문 내용을 AX Review가 다시 정리했고, 차트 수치는 본문 글에 적힌 것만 썼습니다. Time Horizon의 측정 방식과 두 배 주기·측정 한계·부정 수행 비율은 METR의 「Time Horizon 1.1」(2026.01.29)과 「Frontier Risk Report」(2026.05.19), 17주 추정은 Epoch AI의 MirrorCode 페이지로 확인해 보강했습니다. 기술·현업 디테일, JSON 측정표, Conjurer 구조, 일정·판정 기준, 인포그래픽, 표는 새로 작성한 것이며 구매팀 예시·판정 수치·단가 가정은 가상 예시입니다. 원문 전체와 차트는 One Useful Thing에서 볼 수 있습니다.