젠슨 황의 6단계를 따라가 보니, 끝은 결국 데이터였다

어젯밤 GTC 키노트를 두 개 연달아 봤다. 검은 가죽 재킷을 입은 젠슨 황이 무대에 섰다. 솔직히 또 칩 이야기겠거니 했는데, 보다 보니 결이 달랐다. 그는 AI가 앞으로 어디까지 가는지를 하나의 흐름으로 그리고 있었다.

정리하면 이렇다. AI Factory에서 시작해 Reasoning Model, AI Agent, Enterprise Automation, Physical AI를 거쳐 Robotics까지. 답하는 소프트웨어가 일하는 에이전트가 되고, 끝내 현실을 움직이는 지능이 된다는 이야기다.

출발점은 공장이었다

첫 단어에서 멈췄다. AI Factory. 데이터를 넣어 지능을 찍어내는 공장이라는 비유로 들리지만, 자세히 보면 비유가 아니다. AI 학습과 대규모 추론을 전담하는 전용 인프라를 말한다. 범용 업무를 처리하던 데이터센터와 달리 GPU, 네트워크, 스토리지, 전력, 냉각을 하나의 시스템으로 묶어 돌린다.

그래서 생산성을 재는 잣대도 다르다. 서버를 몇 대 가졌느냐가 아니라 초당 토큰, 전력당 토큰, 토큰당 비용, 가동률로 매긴다. 같은 전력과 비용으로 더 많은 AI를 안정적으로 뽑아내는 쪽이 이긴다.

AI를 비용으로만 보던 동안, 저쪽은 그걸 생산설비로 보고 있었다.

연산이 능력이 되고, 능력이 행동이 된다

그 공장 위에서 추론 모델이 돈다. 답을 생성하던 생성형 AI와 달리 추론 모델은 문제를 단계로 나누고, 조건과 선택지를 검토하고, 해결 방법을 계획한다. 성능 기준이 자연스러운 문장 생성에서 실제 문제를 정확히 푸는 능력으로 옮겨간다. AI Factory가 연산을 만들면, 추론 모델이 그 연산을 문제 해결 능력으로 바꾼다.

다만 추론 모델이 혼자 일하지는 않는다. 모델에 기업 데이터, 기억, 도구, API, 권한, 실행 환경을 붙여야 비로소 AI Agent가 된다. 목표를 받으면 정보를 조회하고, 작업을 계획하고, 시스템을 실행한 뒤, 결과를 확인하며 다음 행동을 정한다. 모델이 두뇌라면 에이전트는 도구와 권한을 쥐고 움직이는 업무 수행 시스템이다.

진짜 변화는 기업 시스템에 붙는 순간

에이전트가 ERP, CRM, 그룹웨어, 데이터베이스에 연결되면 그때부터 Enterprise Automation이다. 문서를 요약하고 질문에 답하는 수준을 넘어, 데이터를 조회하고 거래를 검토하고 보고서를 쓰고 승인 요청을 보내고 처리 결과를 다시 시스템에 기록한다. 부서별 에이전트가 각자의 권한에 따라 협업하면 일부 업무 자동화가 아니라 기업 운영 전체가 돌아간다.

여기서 분명해지는 게 있다. 핵심은 더 좋은 챗봇이 아니다. 신뢰할 수 있는 데이터와 실행 가능한 시스템 연결이다. 이 단계에서는 데이터의 정확성, 접근 권한, 감사 기록, 시스템 연결 구조가 에이전트의 성능만큼 중요해진다.

AI는 결국 화면 밖으로 나간다

디지털에서 일하던 AI는 카메라와 센서를 통해 물리 세계로 넘어간다. Physical AI는 영상, 공간 정보, 센서 데이터로 환경을 인식하고, 물리적 상황을 이해하고, 어떤 행동이 필요한지 판단한다. 텍스트와 문서만으로는 부족하다. 공간 관계, 물체의 움직임, 충돌, 중력 같은 현실의 규칙까지 학습해야 한다.

그 판단을 몸으로 실행하는 게 Robotics다. Physical AI가 환경을 인식하고 행동을 결정하면, 로봇은 센서와 제어 시스템, 모터로 그 결정을 현실에서 수행한다. 공장 로봇, 물류 로봇, 휴머노이드, 자율주행차가 정해진 동작만 반복하는 기계에서 벗어나 상황을 판단하고 환경에 적응하는 시스템으로 바뀐다. 엔비디아는 시뮬레이션, 합성 데이터, 로봇 학습, 엣지 컴퓨팅을 묶어 개발부터 현실 배치까지 연결하고 있었다.

번호는 순서가 아니다

한 가지는 짚고 가야겠다. 엔비디아가 이걸 1번부터 6번까지 번호 붙여 발표한 단일 로드맵은 아니다. GTC의 메시지를 따라가기 쉽게 흐름으로 정리한 것에 가깝다. 엄밀히 보면 Enterprise Automation이 끝난 뒤에 Physical AI가 시작되는 것도 아니다. 두 영역은 동시에 자란다. AI Factory와 추론 모델이 디지털 에이전트와 Physical AI 양쪽을 함께 떠받친다.

그러니 6단계는 사다리가 아니라, AI Agent에서 디지털과 현실로 갈라지는 갈래에 가깝다. 순서를 외우는 건 의미가 없다. 중요한 건 이 전체를 떠받치는 게 무엇이냐다.

끝은 결국 데이터였다

여섯 단계를 다 따라가 보니 남는 건 하나였다. 모델이 아무리 좋아져도, 그게 일을 하려면 기업의 데이터와 시스템에 정확하게 연결돼 있어야 한다. 모두가 비슷한 모델을 쓰게 되는 시대에 차이는 모델이 아니라 연결에서 난다. 우리 고유의 데이터, 업무 규칙과 권한, 실제로 실행되는 시스템, 그리고 다시 쌓이는 피드백.

그래서 시작점은 화려한 모델을 먼저 얹는 게 아니라, AI가 일할 수 있는 바닥부터 까는 일이라는 생각이 든다.

질문 하나로 닫는다. 당신의 회사에서 AI는 아직도 답만 하고 있는가, 아니면 일을 하고 있는가.