수학 올림피아드에서 금메달을 딴 AI가 아날로그 시계는 절반밖에 못 읽습니다. AI 코딩 성능은 1년 만에 60%에서 100%에 가까워졌는데, AI 사고 사례는 같은 기간 55%나 늘었습니다. Stanford HAI가 매년 발표하는 AI Index 보고서의 2026년판은 이런 역설들로 가득합니다.

Stanford HAI(인간 중심 AI 연구소)가 2026 AI Index Report를 발표했습니다. 기술 성능, 투자, 교육, 정책까지 AI의 현주소를 데이터로 집대성한 연례 보고서로, 각국 정부와 기업이 AI 전략을 짤 때 참고하는 자료입니다. 올해 보고서에서 특히 주목할 만한 흐름을 추려 소개합니다.

출처: 2026 AI Index Report – Stanford HAI

AI 성능, 정체가 아닌 가속

“AI 발전이 정점에 달했다”는 말이 종종 나오지만, 데이터는 다른 이야기를 합니다.

코딩 벤치마크인 SWE-bench Verified에서 AI 성능은 2024년 60%에서 2025년 거의 100%로 단 1년 만에 수직 상승했습니다. PhD 수준의 과학 문제와 수학 경시대회에서도 AI는 인간 기준선을 넘어섰습니다. 기업 도입률은 88%에 달하고, 대학생 5명 중 4명이 생성 AI를 씁니다.

모델 간 성능 격차도 빠르게 좁혀지고 있습니다. 2026년 3월 기준 Arena Elo 상위권에 Anthropic, xAI, Google, OpenAI, Alibaba, DeepSeek가 나란히 자리 잡았고, 1~4위 간 점수 차이는 25점 이내입니다. 한 모델이 독주하는 구도가 아니라, 이제는 비용·신뢰성·특정 도메인 성능으로 경쟁이 옮겨가는 단계입니다.

수학 올림피아드 금메달, 시계는 못 읽는 AI

보고서가 “들쭉날쭉 프론티어(jagged frontier)”라고 부르는 현상이 올해도 뚜렷합니다.

Google의 Gemini Deep Think는 국제수학올림피아드(IMO)에서 금메달을 받았습니다. 그런데 같은 최상위 모델이 아날로그 시계를 정확히 읽을 확률은 50.1%에 불과합니다. 동전 던지기와 다름없는 수준이죠.

AI 에이전트도 비슷한 패턴입니다. 실제 컴퓨터 작업을 테스트하는 OSWorld 벤치마크에서 성공률이 12%에서 66%로 크게 뛰었지만, 여전히 3번 중 1번은 실패합니다. 능력의 천장이 높아지는 만큼, 아직 채워지지 않은 바닥도 함께 드러나고 있는 셈입니다.

이 현상이 중요한 이유는, AI의 실패가 예측 가능한 패턴을 따르지 않는다는 점입니다. 어렵다고 생각했던 일은 잘하고, 쉬울 것 같은 일에서 갑자기 무너집니다. AI를 실무에 투입할 때 “이건 당연히 되겠지”라는 가정이 오히려 위험한 이유입니다.

성능은 앞서가는데 안전은 뒤처지는 현실

보고서에서 가장 무거운 주제입니다.

거의 모든 주요 AI 개발사가 성능 벤치마크 결과는 공개하지만, 안전성·공정성 같은 책임 AI 관련 벤치마크 공개는 여전히 드뭅니다. AI 인시던트(오류·피해 사례) 데이터베이스에 기록된 건수는 2024년 233건에서 2025년 362건으로 55% 급증했습니다.

더 까다로운 문제도 있습니다. 안전성을 높이면 정확도가 떨어지고, 공정성을 높이면 다른 책임 AI 지표가 나빠지는 트레이드오프가 실증 연구에서 반복적으로 확인됐습니다. 한쪽을 잡으면 다른 쪽이 빠지는 구조입니다.

투명성도 후퇴했습니다. Foundation Model Transparency Index 기준으로 평균 점수가 2024년 58점에서 2025년 40점으로 떨어졌습니다. 학습 데이터, 컴퓨팅 자원, 배포 후 영향에 대한 공개가 특히 부족합니다.

보고서에는 환각(hallucination) 문제도 다룹니다. 26개 모델을 테스트한 결과, 환각 비율이 22%에서 94%까지 모델마다 큰 편차를 보였고, 일부 모델은 허위 정보를 “사용자가 믿고 있다”는 맥락으로 제시했을 때 정확도가 크게 무너졌습니다.

투자는 역대 최대, 인재 유입은 역대 최저

미국의 2025년 민간 AI 투자액은 2,859억 달러로, 중국(124억 달러)의 23배입니다. 신규 AI 스타트업도 1,953개로 2위 국가의 10배를 넘습니다. 글로벌 기업 AI 투자 총액은 2025년에 전년 대비 두 배 이상으로 늘었고, 생성 AI는 200% 이상 성장해 전체 민간 AI 투자의 절반 가까이를 차지했습니다.

그런데 미국으로 오는 AI 연구자·개발자 수는 2017년 대비 89% 감소했고, 지난 한 해만 80% 급감했습니다. 돈은 모이는데 사람은 떠나는 구조입니다.

노동시장에서도 신호가 나타납니다. 22~25세 소프트웨어 개발자 고용이 2024년 대비 20% 가까이 줄었고, 기업 3곳 중 1곳은 향후 1년 안에 AI로 인한 인력 감축을 예상하고 있습니다. 전반적인 고용 통계에는 아직 큰 변화가 없지만, 신호는 이미 특정 연령대와 직군에 집중되어 나타나고 있습니다.

그 밖에 보고서가 짚은 것들

• 미중 AI 격차 소멸: 2025년 초 DeepSeek-R1이 미국 최상위 모델에 근접했고, 2026년 3월 기준 Anthropic 모델이 2.7% 앞서는 수준. 중국은 논문 수·특허 총량·산업 로봇 설치에서 앞서고, 미국은 고영향 특허와 모델 다양성에서 우위.
• AI 인프라의 TSMC 의존: 미국이 데이터센터 5,427개로 압도적 1위지만, 세계 최고 AI 칩 대부분을 TSMC(대만) 단 한 곳이 생산. 2025년 미국 내 TSMC 공장 가동 시작으로 일부 다변화 시작.
• 생성 AI 확산 속도: 3년 만에 전 세계 인구 53% 채택으로 PC·인터넷보다 빠른 확산. 미국 소비자 기준 연간 가치 추정액 1,720억 달러, 사용자 1인당 가치는 1년 사이 3배 증가. 정작 미국 자체 채택률(28.3%)은 세계 24위.
• 교육의 지연: 학생 80% 이상이 AI를 학업에 쓰지만, AI 정책이 명확하다고 느끼는 교사는 6%. AI 박사 취득자는 늘었지만 산업계보다 학계로 향하는 경향.
• AI 주권 경쟁: 각국이 자국 AI 생태계 구축에 나서고 있지만 모델 생산은 여전히 미국·중국에 집중. 오픈소스 기여에서는 나머지 세계가 유럽을 추월하고 미국에 근접.

2026 AI Index는 450페이지가 넘는 보고서입니다. 챕터별 세부 데이터와 차트, 방법론은 원문에서 직접 확인하시기를 권합니다.