Skip to content

이세돌이 다시 AI 앞에 섰다: 알파고 이후 10년, AI는 어디까지 왔고 인간은 어떻게 협업해야 하는가

2026년 3월, 이세돌 9단이 다시 AI와 같은 무대에 섰다.
그런데 이번 장면은 2016년과 닮았으면서도, 결정적으로 달랐다.
10년 전의 AI는 인간을 꺾는 “상대”로 등장했다.
이번의 AI는 인간과 함께 만들고, 설계하고, 실행하는 “협업자”로 등장했다.
이 변화는 단순한 이벤트가 아니라, AI 발전사의 방향 전환을 상징한다.

들어가며: “재대결”이 아니라 “관계 변화”였다

최근 여러 보도에 따르면, 이세돌 9단은 2026년 3월 9일 서울 포시즌스 호텔에서 열린 행사에서 AI와 다시 마주했다. 장소도 상징적이었다. 바로 2016년 알파고와의 대국이 열렸던 그 장소였다. 하지만 이번 행사는 알파고와 같은 정식 승부의 재현이 아니었다. 이세돌 본인도 “정식으로 대국한다고 하긴 어렵다”고 말했고, 행사의 핵심은 AI와 함께 ‘미래의 바둑’을 구상하고, 실시간으로 바둑 모델을 만들고, 그 결과물을 체험하는 데 있었다.[1]

이 점이 중요하다. 2016년의 질문은 “AI가 인간을 이길 수 있는가?”였다. 2026년의 질문은 다르다. “AI와 인간이 함께 무엇을 만들 수 있는가?”가 더 핵심에 가깝다. 연합뉴스와 여러 후속 보도에 따르면, 이번 행사는 단순한 대국이 아니라 에이전틱 AI를 통해 음성 명령으로 바둑 모델을 구상·실행·생성·구동하는 시연의 성격을 가졌다.[1][2][3] 뉴시스 보도에서는 이세돌이 인핸스의 AI 에이전트와 협업해 기획, 디자인, 코딩, 배포까지 약 20여 분 만에 바둑 앱을 완성했다고 전했다.[2]

이 장면은 매우 상징적이다. 10년 전에는 인간 최고수와 특화형 AI의 대결이었다. 지금은 한 사람이 AI를 도구이자 협업 상대로 삼아, 짧은 시간 안에 실제 산출물을 만든다. 이것이 바로 오늘의 AI를 이해하는 출발점이다.

1. 2016년 알파고는 왜 충격이었나

알파고의 충격은 단순히 “컴퓨터가 바둑을 잘 둔다”는 수준이 아니었다. 바둑은 오랫동안 인간의 직관, 감각, 형세 판단, 창의성의 영역으로 여겨졌다. 체스와 달리 경우의 수가 훨씬 방대해 전통적 규칙기반 탐색만으로는 한계가 있다는 인식이 강했다. 그런데 딥마인드는 심층신경망과 트리 탐색을 결합한 방식으로 이 장벽을 넘어섰다. Nature에 발표된 논문에 따르면 AlphaGo는 정책망(policy network)과 가치망(value network), 그리고 탐색(search)을 결합해 기존 바둑 프로그램들을 압도했고, 인간 정상급 기사에게도 승리했다.[4]

이 충격은 두 층위에서 컸다.

첫째, 기술적 충격이다. “직관적 판단”처럼 보이던 영역도 충분한 데이터, 학습, 탐색 구조가 결합되면 기계가 고도화할 수 있다는 사실이 드러났다.
둘째, 철학적 충격이다. 인간 고유 영역이라고 믿었던 것들이 실제로는 계산 가능하고 학습 가능한 패턴일 수 있다는 점이 드러났다.

알파고 이후 사람들은 종종 AI를 “인간을 대체하는 존재”로 상상했다. 하지만 돌아보면 알파고는 매우 강력했지만 동시에 매우 좁은 능력을 가진 시스템이었다. 바둑은 최고였지만, 바둑 외의 일을 할 수는 없었다. 이메일을 쓰지도 못했고, 보고서를 요약하지도 못했고, 웹을 조사하거나 앱을 만들지도 못했다. 즉 알파고는 특화형 초지능에 가까웠고, 오늘날 우리가 쓰는 생성형 AI는 범용 작업형 지능에 더 가깝다. 이 차이를 이해해야 현재 AI를 올바르게 볼 수 있다.

2. 알파고에서 챗봇, 그리고 에이전트로: AI 발전의 큰 흐름

AI의 최근 10년을 매우 거칠게 나누면 세 단계로 볼 수 있다.

2-1. 특화형 AI의 시대: 특정 과업에서 인간을 넘다

알파고는 특정 문제를 아주 잘 푸는 시스템의 대표 사례였다. 바둑처럼 규칙이 명확하고 평가가 가능한 영역에서는 엄청난 성능을 보여줬다. 이후 같은 흐름은 단백질 구조 예측 같은 과학 영역으로도 이어졌다. 딥마인드의 AlphaFold는 2020년 단백질 구조 예측 문제를 사실상 돌파했고, 이후 수많은 연구자들이 활용할 수 있는 과학 도구가 되었다. 구글 딥마인드는 단백질 하나의 구조를 파악하는 데 과거에는 수년과 막대한 비용이 들 수 있었지만, AlphaFold는 이를 몇 분 단위로 예측 가능한 수준으로 끌어내렸다고 설명한다.[5][6]

이 시기의 핵심은 “AI가 인간을 대신해 특정 어려운 문제를 푼다”였다.

2-2. 생성형 AI의 시대: 언어, 이미지, 코드가 하나의 인터페이스로 묶이다

다음 큰 전환점은 대규모 언어모델이었다. GPT-4는 텍스트뿐 아니라 이미지 입력까지 처리하는 멀티모달 모델로 소개되었고, 여러 전문·학술 벤치마크에서 높은 성능을 보였다. OpenAI는 GPT-4가 이미지와 텍스트를 입력받아 텍스트를 출력하는 대규모 멀티모달 모델이며, 일부 전문 시험에서 인간 수준에 가까운 성과를 보였다고 밝혔다.[7]

이 단계의 핵심은 “지능의 인터페이스가 자연어가 되었다”는 점이다. 예전에는 소프트웨어를 쓰기 위해 메뉴, 명령어, 문법, 규칙을 배워야 했다. 이제는 사람의 의도를 자연어로 설명하면 AI가 초안을 만들고, 요약하고, 번역하고, 코드를 짜고, 문서를 해석한다. 즉 인간이 기계의 언어를 배우는 시대에서, 기계가 인간의 언어를 상당 부분 받아들이는 시대로 이동했다.

2-3. 에이전트 AI의 시대: 답변하는 AI에서 수행하는 AI로

최근의 변화는 여기서 한 단계 더 나아간다. 이제 AI는 단지 답변을 생성하는 데서 멈추지 않는다. 여러 단계를 계획하고, 외부 도구를 호출하고, 파일과 웹을 읽고, 결과물을 조립하는 방향으로 발전하고 있다. OpenAI는 deep research를 “복잡한 작업을 위해 인터넷에서 다단계 연구를 수행하는 새로운 에이전트형 기능”이라고 설명했고, 수많은 온라인 소스를 탐색·분석·종합해 연구 분석가 수준의 보고서를 만든다고 소개했다.[8] Anthropic 역시 Claude 3.7 Sonnet을 일반 LLM이자 reasoning model인 동시에, 복잡한 실제 작업을 수행하는 agentic coding에 강한 모델로 제시했고, Claude Code는 코드 검색, 파일 편집, 테스트 실행, GitHub 작업, 명령줄 도구 활용까지 수행할 수 있다고 밝혔다.[9]

이 흐름을 요약하면 이렇다.

  • 알파고: 특정 문제에서 인간을 이김
  • GPT류 생성형 AI: 사람의 언어를 이해하고 결과를 생성함
  • 에이전트형 AI: 목표를 받아 여러 단계를 실행하고 결과를 만들어냄

이번 이세돌 행사도 정확히 이 변화를 상징한다. 예전엔 바둑 AI가 인간과 맞붙었다. 지금은 인간이 AI와 함께 앱을 만들고, 모델을 구성하고, 결과를 시험한다. 승부의 구도에서 생산의 구도로 바뀐 것이다.

3. 지금 AI는 어느 수준까지 왔는가

현재 AI 수준을 과장 없이 말하면, “아직 전능하지 않지만 이미 많은 지식노동의 구조를 바꾸기 시작한 수준”이다.

3-1. 성능은 빠르게 올라가고 있다

스탠퍼드 HAI의 2025 AI Index에 따르면, 2023년에 새롭게 등장한 고난도 벤치마크들에서 AI 성능은 단 1년 만에 크게 상승했다. MMMU, GPQA, SWE-bench 같은 지표에서 점수 상승 폭이 매우 컸고, 일부 환경에서는 언어모델 에이전트가 제한된 시간 조건에서 프로그래밍 작업을 수행할 때 인간을 능가하기도 했다.[10]

이 보고서는 또 중요한 사실을 보여준다. 2024년 기준 AI 사용 조직 비율은 78%로 전년 55%에서 크게 늘었고, 생성형 AI에 대한 민간 투자도 강하게 증가했다.[11] 2025년 맥킨지 조사에서는 조직의 88%가 적어도 한 기능에서 정기적으로 AI를 사용한다고 답했고, 23%는 이미 에이전트형 AI를 일부 기능에서 확장 적용 중이며, 추가로 39%는 실험 중이라고 응답했다.[12]

이 숫자들이 의미하는 바는 단순하다. AI는 더 이상 “신기한 데모”가 아니라, 실제 업무 체계 안으로 들어오고 있다.

3-2. 현재 AI의 강점: 요약, 분석, 초안, 코드, 검색, 보조 판단

현재 AI가 특히 강한 영역은 다음과 같다.

① 문서 이해와 요약

방대한 자료를 빠르게 압축하고, 구조를 정리하고, 핵심 비교표를 만드는 데 강하다.

② 초안 생성

이메일, 보고서, 기획안, 발표 개요, 블로그 초안처럼 “빈 화면에서 시작하는 부담”을 크게 줄인다.

③ 코드 작성과 수정

이제 AI는 단순 코드 자동완성을 넘어, 저장소를 읽고, 문제를 파악하고, 테스트를 돌리고, 수정안을 제안하거나 일부는 직접 실행 가능한 수준으로 가고 있다.[9][13]

④ 멀티모달 처리

PDF, 이미지, 표, 음성, 영상까지 함께 다루는 흐름이 강화되고 있다. OpenAI는 2025년 개발자 업데이트에서 멀티모달 입력과 출력이 “실무형 워크플로우의 기본값”이 되었다고 설명했다.[13]

⑤ 에이전트형 다단계 작업

deep research 같은 시스템은 웹 탐색, 자료 검토, 재검색, 종합 보고서 작성을 하나의 흐름으로 수행한다.[8]

3-3. 현재 AI의 한계: 여전히 틀리고, 여전히 맥락을 오해한다

하지만 여기서 가장 중요한 말을 해야 한다. AI는 여전히 자주 틀린다.
그리고 이 틀림은 단순 오타 수준이 아니라, 그럴듯한 허위 정보, 잘못된 추론, 출처 신뢰도 판단 실패로 나타난다.

OpenAI는 deep research 소개 글에서 이 기능이 기존 모델보다 낮은 비율이라 하더라도 여전히 사실을 환각(hallucination)할 수 있고, 잘못된 추론을 하거나, 권위 있는 정보와 루머를 구분하는 데 약점을 보이며, 불확실성을 정확하게 전달하지 못하는 한계가 있다고 직접 밝혔다.[14] 스탠퍼드 AI Index 역시 AI 관련 사고는 증가하고 있고, 복잡한 추론은 여전히 도전 과제라고 지적한다.[15] 맥킨지 조사에서도 AI를 쓰는 조직의 51%가 적어도 하나 이상의 부정적 결과를 경험했다고 답했고, 가장 흔한 문제는 부정확성(inaccuracy)이었다.[16]

즉 현재 AI는 “똑똑한 조수”로는 매우 유용하지만, “무오류 전문가”로 대하면 위험하다.

4. 이세돌의 말이 지금도 중요한 이유: 감정, 이야기, 책임

이번 행사 후 이세돌은 “AI는 AI일 뿐”이며, 바둑에는 기술만 있는 것이 아니라 상대와의 기억, 감정, 사적인 유대감이 담겨 있다고 말했다.[2] 이 말은 단순히 낭만적 표현이 아니다. 오히려 현재 AI의 구조적 한계를 정확히 짚는다.

AI는 패턴을 잘 다룬다.
하지만 인간은 패턴만으로 살지 않는다.

인간의 판단에는 다음이 들어간다.

  • 관계의 맥락
  • 책임의 무게
  • 실패의 기억
  • 감정의 누적
  • 가치의 우선순위
  • “이번에는 왜 달라야 하는가”에 대한 해석

AI는 이 요소들을 텍스트로 모사할 수는 있다. 그러나 그것을 실제로 “살아낸 존재”는 아니다. 그래서 AI는 문장상으로는 공감해 보여도, 결과에 대한 도덕적 책임을 진 주체는 아니다. 결국 책임은 인간에게 남는다.

그래서 인간-AI 협업의 핵심은 “AI가 인간처럼 생각한다”는 환상에 빠지지 않는 것이다. 더 정확히 말하면, AI는 생산성 엔진이고, 인간은 의미와 책임의 주체다. 이 구분을 놓치면 협업은 곧 종속이 된다.

5. 앞으로 AI는 어떻게 발전할까

미래를 단정할 수는 없다. 하지만 현재의 공식 발표, 산업 흐름, 연구 지표를 종합하면 몇 가지 방향은 비교적 뚜렷하다.

5-1. 더 강한 단일 모델보다, 더 잘 연결된 시스템으로 간다

2025년 OpenAI의 개발자 정리 글은 중요한 흐름을 보여준다. reasoning, tool use, conversational quality가 점점 하나의 모델 계열 안으로 수렴하고 있고, 선택은 모델 계열의 차이보다 비용·속도·품질의 균형 문제가 되어가고 있다는 것이다.[13] 이는 앞으로 AI가 “질문에 답하는 모델 하나”가 아니라, 여러 도구와 기억, 외부 시스템을 연결하는 작업 실행 계층이 될 가능성이 크다는 뜻이다.

즉 미래의 경쟁력은 “모델 하나의 IQ”보다 “얼마나 잘 연결되고, 얼마나 안정적으로 실행되며, 얼마나 검증 가능한가”로 이동할 가능성이 높다.

5-2. 멀티모달과 에이전트가 기본값이 된다

문서, 표, 이미지, 음성, 웹, 코드, 데이터베이스가 한 흐름 안에서 처리되는 방향은 이미 시작되었다.[8][13] 사용자는 점점 더 “요약해줘”가 아니라 “자료 찾아서 비교하고 보고서 작성하고 표까지 만들어줘”를 요구하게 될 것이다. 이때 AI는 단순 응답기가 아니라 일종의 디지털 작업자처럼 행동한다.

5-3. 과학·의료·공학에서 영향력이 더 커질 가능성이 높다

AlphaFold 사례는 AI가 단순 콘텐츠 생성 도구가 아니라 과학 발견을 가속하는 도구가 될 수 있음을 보여줬다.[5][6] 스탠퍼드 AI Index도 AI의 과학적 영향력이 주요 상으로 인정받고 있다고 정리한다.[15] 앞으로는 재료과학, 신약개발, 시뮬레이션, 공정 최적화 등에서 AI의 역할이 더 커질 가능성이 높다.

5-4. 비용은 내려가고 접근성은 더 높아질 가능성이 크다

AI Index에 따르면 GPT-3.5 수준 시스템의 추론 비용은 2022년 11월부터 2024년 10월 사이 280배 이상 하락했다.[15] 이는 매우 중요하다. 성능 향상만큼이나 비용 하락은 기술 확산의 핵심 동력이다. 과거에는 거대 기업만 쓸 수 있던 수준의 능력이 점차 개인, 소규모 팀, 학교, 지역 사업장으로 내려온다. 이세돌이 “알파고와 같은 프로그램을 20~30분이면 만들 수 있는 시대”라고 말한 것도 바로 이런 체감 변화와 연결된다.[1]

5-5. 하지만 한계도 같이 커질 수 있다

성능이 올라갈수록 문제도 커진다. 부정확한 답이 더 그럴듯해질 수 있고, 자동화 범위가 넓어질수록 오류의 파급력도 커진다. 스탠퍼드 AI Index는 AI 사고 증가와 책임 있는 AI 평가의 부족을 지적했고,[15] 맥킨지 조사에서는 기업 현장에서 이미 부정확성, 설명가능성, 규제 리스크가 실제 문제로 나타나고 있다.[16]

그러므로 AI의 미래는 “더 강한 모델”만의 문제가 아니다.
동시에 검증, 감사 가능성, 책임 구조, 사용자 교육, 거버넌스가 함께 발전해야 한다.

6. 인간과 AI는 어떻게 협업해야 하는가

이 부분이 가장 중요하다. AI 시대에 핵심 질문은 “AI가 인간을 대체하느냐”보다 “인간이 AI를 어떤 방식으로 조직하느냐”에 있다.

6-1. 인간은 목표를 맡고, AI는 초안과 탐색을 맡아야 한다

가장 좋은 협업 구조는 다음과 같다.

  • 인간: 목표 설정, 기준 정의, 우선순위 결정, 최종 승인
  • AI: 자료 탐색, 초안 작성, 비교 정리, 반복 작업, 속도 향상

문제는 많은 사람들이 이 순서를 뒤집는다는 점이다. AI에게 목표까지 맡기면 작업은 빠를 수 있지만 방향이 흐려진다. 반대로 인간이 목표를 선명하게 잡고 AI를 투입하면 생산성이 급격히 오른다.

6-2. 좋은 질문보다 좋은 검토가 더 중요하다

프롬프트를 잘 쓰는 능력도 중요하지만, 앞으로 더 중요한 능력은 검토 능력이다.

  • 이 답이 사실인가?
  • 출처는 신뢰할 만한가?
  • 중요한 반론이 빠지지 않았는가?
  • 그럴듯하지만 틀린 결론은 아닌가?
  • 내가 실제로 원한 결과와 같은가?

AI를 잘 다루는 사람은 “명령을 잘 내리는 사람”이기도 하지만, 더 근본적으로는 “산출물을 비판적으로 검토하는 사람”이다.

6-3. AI를 ‘정답기계’가 아니라 ‘생산성 증폭기’로 써야 한다

AI를 정답기계로 여기면 실망하거나 사고가 난다.
AI를 생산성 증폭기로 여기면 훨씬 유용해진다.

예를 들어,

  • 공부에서는: 요약, 오답 분석, 개념 비교, 문제 변형
  • 글쓰기에서는: 초안, 개요, 반론 정리, 문장 정돈
  • 업무에서는: 회의록 정리, 자료 비교, 보고서 초안, 일정 보조
  • 개발에서는: 보일러플레이트 작성, 디버깅 가설 제시, 테스트 초안

이런 식으로 사용하면 AI는 인간을 대체하기보다 인간의 속도와 범위를 넓힌다.

6-4. 중요한 일일수록 ‘3중 검증’을 습관화해야 한다

특히 고위험 분야에서는 다음 규칙이 필요하다.

  1. AI 초안 생성
  2. 출처 검증
  3. 인간 최종 판단

법률, 의료, 투자, 교육평가, 공공행정처럼 결과 책임이 큰 영역은 더더욱 그렇다.
AI가 도와줄 수는 있어도, 책임을 대신 질 수는 없다.

6-5. 협업의 본질은 “질문력”보다 “판단력”이다

앞으로 흔히 말하는 프롬프트 엔지니어링은 일반화될 것이다. 그러나 끝까지 희소한 능력은 따로 남는다.

  • 무엇이 중요한지 고르는 힘
  • 무엇이 틀렸는지 알아보는 힘
  • 무엇을 버려야 하는지 결정하는 힘
  • 책임을 어디에 둘지 판단하는 힘

즉 AI 시대에 인간의 핵심 역량은 정보 생산보다 판단 설계에 가까워진다.

7. 인간은 AI를 어떻게 잘 다뤄야 하는가: 실전 원칙 10가지

여기서는 매우 실용적으로 정리해 보겠다.

원칙 1. AI에게 일을 맡기기 전에, 먼저 기준을 써라

막연히 “좋은 글 써줘”보다
“대상 독자, 분량, 목적, 금지사항, 원하는 톤”을 먼저 명시해야 한다.

원칙 2. 한 번에 완벽한 답을 기대하지 말라

AI는 1회 완성보다 반복 수정에 강하다.
초안 → 수정 → 재검토 흐름으로 써야 한다.

원칙 3. 사실과 해석을 분리하라

AI가 말한 내용 중

  • 확인 가능한 사실
  • 해석 또는 의견
  • 추정 또는 예측
    을 구분해서 받아들여야 한다.

원칙 4. 출처를 요구하라

출처 없는 단정은 신뢰하지 않는 습관이 중요하다.

원칙 5. 중요한 숫자와 날짜는 직접 재확인하라

AI는 숫자, 이름, 날짜에서 특히 치명적 실수를 낼 수 있다.

원칙 6. 잘 쓴 초안보다, 잘못된 초안을 더 경계하라

문장이 매끄럽다고 정확한 것은 아니다.

원칙 7. AI에게 ‘결론’보다 ‘비교’를 시켜라

“뭐가 맞아?”보다
“각 관점의 장단점 비교해줘”가 더 안전하고 유용하다.

원칙 8. 자신의 판단 로그를 남겨라

중요한 결정에서 왜 그 답을 채택했는지 기록해 두면,
AI 의존이 아니라 AI 활용이 된다.

원칙 9. 반복 업무부터 자동화하라

핵심 전략보다 반복 정리 업무부터 AI에 맡기는 것이 효율적이다.

원칙 10. 최종 책임은 인간에게 있다는 점을 잊지 말라

이 한 문장만 기억해도 많은 문제를 피할 수 있다.

8. 이세돌 이후 10년, 우리가 배워야 할 것

이세돌과 알파고의 대국은 오랫동안 “인간 패배의 상징”처럼 소비되었다. 그러나 10년이 지난 지금 다시 보면, 그 사건은 인간의 종말을 예고한 것이 아니라 인간의 역할 변화를 예고한 것이었다.

AI는 점점 더 잘 본다.
점점 더 잘 읽는다.
점점 더 잘 쓴다.
점점 더 잘 찾고, 정리하고, 연결한다.
그리고 이제는 점점 더 잘 “실행”한다.

하지만 여전히 AI는 무엇을 위해 일해야 하는지 스스로 결정할 수 있는 존재가 아니다.
목표를 부여하는 것, 결과를 검증하는 것, 가치와 책임을 정하는 것, 관계와 의미를 해석하는 것은 인간의 몫으로 남아 있다.

이번 이세돌 행사가 주는 가장 큰 메시지는 여기에 있다.
2016년의 AI는 인간과 맞붙었다.
2026년의 AI는 인간과 함께 무언가를 만든다.
그러나 그 협업이 아름다운 공존이 될지, 무비판적 의존이 될지는 인간 쪽의 태도에 달려 있다.

그래서 앞으로의 경쟁력은 단순히 “AI를 쓸 줄 아는가”가 아니다.
더 중요한 것은 다음 질문들이다.

  • AI의 답을 검증할 수 있는가?
  • AI에게 맡길 일과 맡기면 안 될 일을 구분할 수 있는가?
  • AI를 통해 속도를 얻되, 판단은 놓치지 않을 수 있는가?
  • 기술을 도입하되, 책임의 구조를 유지할 수 있는가?

이 질문에 제대로 답하는 개인과 조직이 앞으로 강해질 가능성이 높다.

맺으며: 인간의 자리는 사라지는 것이 아니라 더 선명해진다

AI는 인간을 단순히 밀어내는 기술이 아니다.
오히려 인간이 무엇을 해야 하는 존재인지 더 선명하게 드러내는 기술일 수 있다.

기억, 감정, 책임, 가치, 해석, 선택.
이것들은 여전히 인간 쪽에 더 무겁게 걸려 있다.

AI가 발전할수록 인간이 해야 할 일은 오히려 더 분명해진다.

  • 더 많이 아는 것보다 더 잘 판단하는 것
  • 더 빨리 쓰는 것보다 더 정확히 검토하는 것
  • 더 많이 만드는 것보다 무엇을 만들지 선택하는 것
  • 도구를 숭배하는 것보다 도구를 조직하는 것

이세돌이 다시 AI 앞에 섰다는 사실이 중요한 이유는, 그 장면이 과거의 재현이 아니기 때문이다. 그것은 질문의 변화다.
“인간이 AI에게 지는가?”에서
“인간은 AI와 함께 무엇을 할 것인가?”로.

그리고 이 두 번째 질문이야말로 앞으로 10년을 결정할 질문일 것이다.

참고 자료

[1] 연합뉴스, 「'알파고 1승' 이세돌…10년 만에 다시 AI와 한 무대」, 2026-03-09.
https://www.yna.co.kr/view/AKR20260306143800017

[2] 뉴시스, 「알파고 10년 후…이세돌 'AI는 AI일 뿐, 감정은 인간 몫'」, 2026-03-09.
https://www.newsis.com/view/NISX20260309_0003540936

[3] 연합뉴스, 「알파고 10년 후 이세돌 무대…앤트로픽 후원·모델 있었다(종합)」, 2026-03-09.
https://www.yna.co.kr/view/AKR20260309115151017

[4] David Silver et al., “Mastering the game of Go with deep neural networks and tree search,” Nature, 2016.
https://www.nature.com/articles/nature16961

[5] Google DeepMind, “AlphaFold: Five Years of Impact,” 2025.
https://deepmind.google/blog/alphafold-five-years-of-impact/

[6] Google DeepMind, “AlphaFold,” official overview page.
https://deepmind.google/science/alphafold/

[7] OpenAI, “GPT-4,” official research page, 2023.
https://openai.com/index/gpt-4-research/

[8] OpenAI, “Introducing deep research,” official announcement, 2025/2026 updates.
https://openai.com/index/introducing-deep-research/

[9] Anthropic, “Claude 3.7 Sonnet and Claude Code,” official announcement, 2025.
https://www.anthropic.com/news/claude-3-7-sonnet

[10] Stanford HAI, “2025 AI Index Report,” benchmark progress summary.
https://hai.stanford.edu/ai-index/2025-ai-index-report

[11] Stanford HAI, “2025 AI Index Report,” investment and adoption summary.
https://hai.stanford.edu/ai-index/2025-ai-index-report

[12] McKinsey, “The State of AI: Global Survey 2025.”
https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai

[13] OpenAI, “OpenAI for Developers in 2025,” official developer roundup.
https://developers.openai.com/blog/openai-for-developers-2025/

[14] OpenAI, “Introducing deep research,” limitations section.
https://openai.com/index/introducing-deep-research/

[15] Stanford HAI, “2025 AI Index Report,” responsible AI, affordability, reasoning limits, science impact.
https://hai.stanford.edu/ai-index/2025-ai-index-report

[16] McKinsey, “The State of AI: Global Survey 2025,” risks and negative consequences.
https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai

출처: https://elanvital.tistory.com/192 [Feel it:티스토리]