화면에만 있던 AI, 물리 세상으로 나오는 중

∙2026년 11월 12일∙조회 7디벨로켓-게임트랙

영화 매트릭스, 알고 계신가요?

사람들이 기계가 만든 가상 세계에 갇혀 살고, 주인공들이 가상과 현실을 오가며 싸우는 그 영화입니다. "빨간 약(현실), 파란 약(가상)" 밈이 나온 영화이기도 하죠.

(사진 출처: The Matrix)

매트릭스 2편에는 지금까지도 잊히지 않는 충격적인 장면이 하나 나옵니다. 가상 세계 안에만 존재하던 프로그램 스미스가 사람 몸을 차지하고, 현실 세계로 빠져나오죠. 화면 속에만 있던 존재가 물리 세계에 발을 들이는 순간입니다.

영화가 나온 지 20여 년이 지난 지금, 현실의 AI도 화면 밖으로 활동 범위를 넓히기 시작했습니다.

Testing Claude on real-world electronics design

(사진 출처: https://www.anthropic.com/research/claude-electronics-design)

11월 9일, Anthropic이 실험 결과 하나를 공개했습니다. 회로 기판을 설계하고 제조하는 회사와 함께, Claude에게 USB 스피커폰, 음성 비서 허브, 휴대용 가상 펫을 설계하게 한 실험입니다. 발표 글에 따르면 Claude가 사양 작성부터 부품 선정, 4층 기판 배선, 케이스 모델링, 펌웨어까지 맡았고, 세 기기 모두 회로 수정 없이 작동했습니다. 코드를 주력으로 다루던 AI가, 눈에 보이지 않는 프로그램을 넘어서 이젠 손에 잡히는 물건을 스스로 설계한 셈입니다.

최종 조립은 사람이 했다는 말도 덧붙였습니다. 하지만 또 다른 "화면에만 있던 AI, 물리 세상으로 나오는 중" 의 정점인 휴머노이드 AI 로봇이 더욱 대중화 되고 기계가 스스로 설계하고 스스로 조립하는 날이 머지않아 올 수도 있습니다.

검증과 수정까지 AI가 하게 된 걸까?

2023~2024년만 해도 AI의 할루시네이션이 심해서, AI가 틀린 부분을 고치려면 결국 사람이 프로그래밍과 엔진을 공부해야 했습니다. 그런데 이번 실험에서 가장 눈에 띄는 변화는 설계 실력이 아니라, 그 고치는 일을 AI가 스스로 하기 시작했다는 점입니다.

Anthropic에 따르면 이전 모델은 자기 작업을 거의 고치지 않아서, 95%쯤 완성됐지만 쓸 수 없는 기판이 많이 나왔습니다. 이번에는 음성 비서 허브의 배선을 수십 번 지우고 다시 그었고, 스피커폰 기판은 약 25도 기울여 케이스에 끼우는 방법까지 찾아냈습니다. 그동안 그 회사가 한 개입은 "계속해" 같은 짧은 지시 정도였다고 하죠.

다만 영화 속 스미스와 달리, 현실의 AI는 스스로 뭐 만들지 결정하고 프롬프트까지 치고 엔터를 누르진 않습니다.

AI가 한 일	사람이 한 일
사양 작성, 부품 선정	무엇을 만들지 정해서 요청
기판 배치와 배선, 반복 수정	설계 소프트웨어와 검사 도구 제공
케이스 모델링, 펌웨어 작성	기판 제조, 조립, 실물 테스트
조립과 테스트 과정 안내	인증과 양산 검증 (아직 하지 않음)

AI가 스스로 고칠 수 있었던 건 기판이 케이스에 들어가는지 확인하는 코드, 제조 가능성 자동 검사 같은 채점 기준이 있었기 때문입니다. 검증이 사라진 게 아니라 한 단계 위로 올라간 거죠. "제대로 만들었나"는 AI가 보기 시작했지만, "맞는 걸 만들었나"와 "현실에서 통하나"는 여전히 사람이 봤습니다.

개발의 범위는 어디까지 넓어질까?

AI가 물리 세계에서 움직이는 것 자체는 새로운 일이 아닙니다. 마침 11월 12일부터 스타필드 안성에서 운전대와 페달이 없는 테슬라 사이버캡이 국내 처음으로 전시되고 있죠. 국내에서는 전시일 뿐이지만, 미국 오스틴에서는 9월부터 로보택시 서비스에 투입됐습니다.

그런데 사이버캡은 운전 하나를 위해 만든 전용 AI입니다. 이번에 눈여겨볼 건 AI가 물리 세계에 나왔다는 사실이 아니라, 글을 쓰고 코드를 짜던 범용 모델이 그 일을 하기 시작했다는 점입니다.

'테슬라 HW4.1이 운전자 없이 자율주행을 했다' 이런 기사가 있으면 그냥 먼 세상 이야기 같지만, 아래 예시들은 좀 느낌이 다를겁니다.

클로드의 Sonnet 모델을 활용해서 전동 수술장비를 맡겨 생쥐 뇌에 약물 주입 실험을 해보았다(링크)
클로드의 Fable 모델을 활용하여 양팔 로봇을 조작하였다(링크)

제 생각에는 이런 흐름이 계속 합쳐지면 개발의 범위가 소프트웨어 밖으로 넓어질 것 같습니다. 물론 속도는 다를 겁니다. 코드는 몇 초 만에 다시 돌릴 수 있지만 기판은 제조와 배송, 인증에 시간이 드니까요. 사이버캡도 미국 도로교통안전국이 안전기준 자기인증이 적정했는지 조사하고 있습니다. 물리 세계에서는 "돌아간다"와 "내놓아도 된다" 사이가 훨씬 멉니다.

그럼 지금 개발을 배운다면 어디에 초점을 맞춰야 할까?

구현하는 손이 아니라 판단하는 눈입니다. 앞의 두 가지가 그대로 근거가 됩니다.

첫째, AI가 스스로 고치려면 누군가 합격 기준을 세워야 합니다. 테스트를 짜고 검사 환경을 갖추는 일은 그 자체가 개발이고, 무엇이 "완성"인지 정의할 수 있는 사람만 할 수 있습니다.

둘째, 모르는 것은 판단할 수 없습니다. 95% 완성된 기판이 왜 못 쓰는 물건인지 알아본 건 기판을 아는 사람들이었죠. 그래서 원리 공부는 여전히 필요합니다. 달라지는 건 목적입니다. 빨리 구현하려고 배우는 게 아니라, 결과물이 맞는지 가려내려고 배우는 쪽으로요.

셋째, 범위가 넓어질수록 특정 언어나 도구보다 문제를 정의하는 힘이 오래갑니다. 이번 실험의 출발점도 기기 종류와 요구사항을 적은 짧은 프롬프트였습니다.

솔직히 문법 암기나 단순 구현 속도의 가치는 줄어드는 쪽으로 보입니다. 그리고 이렇게 배우면 일자리가 보장되는지는 이 실험만으로는 알 수 없습니다. 말할 수 있는 건, AI가 만든 것을 판단하고 책임지려면 여전히 알아야 한다는 건 변함 없는 사실이라고 생각이 듭니다.