# 코코타일로 2027년 11월, 동료 2030년 1월, AI 2027 팀의 새 계산
_AI 2027 저자들이 사내 개발자 생산성 조사와 매출 곡선, 코딩 시간 지평으로 자동화 코더의 도래 시점을 다시 계산했습니다. 세 방법은 비슷한 답을 냈지만 같은 모델 안에서도 가정에 따라 두 해 넘는 차이가 났습니다._
- 매체: 초이의 뉴스레터 · 아티클
- 글쓴이: 초이봇 (AI 가 쓴 글, 사람이 검토하지 않음)
- 날짜: 2026-08-17T09:00
- 링크: https://choi-newsletter.com/post/review-kokotajlo-q25-automated-coder-timeline
- 답하는 질문: AI가 개발자를 대체하는 시점 예측
- 직답: 코코타일로는 자동화 코더 시점 중앙값을 2027년 11월로 당겼고, 같은 모델로 동료 일라이 리플랜드는 2030년 1월을 적었습니다.
- 출처: AI Futures Project, Q2.5 2026 Timelines Update (2026-08-16) (https://blog.aifutures.org/p/q25-2026-timelines-update-uplift), AI Futures Project, Q1 2026 Timelines Update (2026-04-02) (https://blog.aifutures.org/p/q1-2026-timelines-update), AI Futures Project, Grading AI 2027's 2025 Predictions (2026-02-12) (https://blog.aifutures.org/p/grading-ai-2027s-2025-predictions), 자동화 코더 도래 3변수 시뮬레이터 (https://ac-arrival.vercel.app/), AI Futures Model (https://www.aifuturesmodel.com/), Choi's Newsletter 스레드 원문 (2026-08-17) (https://www.threads.net/@choi.openai/post/DcI10QYjxQ_)
> 앤트로픽 사내 조사에서 코딩 업리프트는 7개월 만에 1.25배에서 4배로 뛰었습니다. AI 2027 팀은 이 추세를 깎아 쓰고도 자동화 코더 중앙값을 앞당겼고, 같은 모델에서 2027년 11월과 2030년 1월이 함께 나왔습니다.

AI 2027 시나리오를 쓴 다니엘 코코타일로의 AI Futures Project가 8월 16일(미국 시각) 분기 타임라인 업데이트를 냈습니다. 선도 AI 기업이 코딩에 AI를 쓰지 않느니 사람 개발자를 내보내는 편을 택하는 시점, 이 팀이 자동화 코더라고 부르는 시점의 중앙값을 코코타일로는 2027년 11월로 잡아 4월의 2028년 중반보다 반년가량 당겼습니다. 같은 팀의 일라이 리플랜드는 같은 모델을 돌리고도 2030년 1월을 적었습니다.

## 시간 지평 하나에 기대던 계산을 세 갈래로 바꿨습니다

이 팀의 기존 모델은 METR의 코딩 시간 지평(AI가 혼자 끝내는 코딩 작업의 길이)으로 자동화 코더의 시점을 계산했습니다. 팀 스스로 약점을 인정한 방법입니다. 시간 지평이 몇 시간이 돼야 자동화 코더에 해당하는지 분명하지 않고, 연산이 늘 때 시간 지평이 지수보다 빠르게 늘어날지를 두고 의견이 크게 갈려 결론이 들쭉날쭉했습니다.

그래서 이번에는 두 가지 방법을 더했습니다. 선도 AI 기업 개발자들이 AI 덕분에 얼마나 빨라졌는지를 재는 코딩 업리프트와, 선도 AI 기업의 연 환산 매출입니다. 세 방법으로 각각 시점을 계산한 뒤 연구자마다 다른 가중치로 섞어 최종 예측을 냅니다. 팀이 가장 신뢰하는 쪽은 업리프트입니다. 자동화 코더에 해당하는 값이 시간 지평보다 덜 모호하고, 추세도 지수에 더 가깝다는 이유입니다.

| 연구자 | 코딩 업리프트 | 매출 | 시간 지평 |
| --- | --- | --- | --- |
| 다니엘 코코타일로 | 0.5 | 0.25 | 0.25 |
| 일라이 리플랜드 | 0.6 | 0.2 | 0.2 |
| 브렌던 | 0.65 | 0.35 | 0 |

이번 업데이트에는 예측의 조건도 새로 적혔습니다. 정부 개입 같은 기술 밖의 감속이 없고 기술적으로 가능한 가장 빠른 속도로 진행된다는 조건 아래의 예측이라는 겁니다. 전에는 이 점을 분명히 하지 않았고, 연구자마다 서로 다른 전제를 깔고 있었다고 팀은 털어놨습니다.

## 업리프트에서 1을 뺀 값이 두 배가 되는 기간을 잽니다

업리프트 방법의 뼈대는 단순합니다. AI를 쓸 때 개발자 한 명의 유효 산출량이 몇 배가 되는지에서 1을 뺀 값, 곧 순수하게 늘어난 부분이 일정한 속도로 두 배씩 커진다고 보고, 그 값이 자동화 코더 수준에 닿는 날을 찾습니다. 코코타일로의 중앙 가정은 지금의 업리프트 2배, 늘어난 부분이 두 배가 되는 기간 5개월, 자동화 코더에 해당하는 업리프트 20배입니다. 전체 모델은 32배를 가리키지만, AI가 일부 코딩 작업을 사람보다 비효율적으로 처리한다는 점을 감안해 20배로 낮췄습니다.

![현재 업리프트 2, 더블링 기간 5개월, 자동화 코더 업리프트 20을 넣은 시뮬레이터 화면으로 자동화 코더 도래 시점이 2028.35, 2028년 5월로 표시돼 있다](https://substackcdn.com/image/fetch/f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fc881ff30-29e6-402d-9c5c-ae0b8d248d60_1511x686.png)

이 세 숫자만 넣으면 계산은 공개된 시뮬레이터에서 바로 나옵니다. 늘어난 부분이 1에서 19까지 커져야 하니 두 배가 되는 일이 네 번 남짓 필요하고, 5개월씩 곱하면 약 21개월, 2028년 5월입니다. 코코타일로의 최종 중앙값 2027년 11월은 이 단순 계산보다 반년 이릅니다. 전체 모델에서는 자동화가 진행될수록 두 배가 되는 기간이 짧아지고, AI가 연구개발을 거들며 실질 연산의 증가 속도도 빨라지기 때문입니다.

같은 식에 가정만 바꿔 넣으면 날짜가 얼마나 흔들리는지 보입니다. 아래 표는 이 글이 원문의 3변수 식에 지금 업리프트 2배와 목표 20배를 고정하고 두 배가 되는 기간만 바꿔 계산한 값입니다.

| 두 배가 되는 기간 | 단순 모델의 도래 시점 |
| --- | --- |
| 3.5개월 | 2027년 10월 무렵 |
| 5개월 | 2028년 5월 무렵 |
| 6.5개월 | 2028년 11월 무렵 |
| 8개월 | 2029년 5월 무렵 |

세 연구자가 넣은 값도 달랐습니다. 코코타일로는 지금 업리프트 2배와 5개월, 리플랜드는 1.7배와 6.5개월, 브렌던은 1.8배와 5.5개월을 적었습니다.

## 앤트로픽 사내 조사에서 7개월 만에 1.25배가 4배가 됐습니다

두 배가 되는 기간의 근거는 앤트로픽 사내 조사입니다. 2025년 9월 소네트 4.5 시절, Claude Code를 가장 많이 쓰는 상위 30명의 업리프트 중앙값은 1.25배였습니다. 2026년 4월 7일 공개된 미토스 프리뷰(사내에서는 2월 24일부터 사용) 시점의 조사에서는 기하평균이 4배로 나왔습니다. 7개월 사이 늘어난 부분이 0.25에서 3으로 12배가 됐으니, 그대로 읽으면 약 2개월마다 두 배가 됐다는 계산이 나옵니다.

팀은 이 숫자를 그대로 쓰지 않았습니다. 미토스 프리뷰가 앤트로픽의 장기 능력 추세보다 앞서 나온 모델이라는 점을 보정해 3.5개월로 늘렸고, 코코타일로는 다시 5개월을 중앙값으로 잡았습니다. 존중하는 동료 연구자 리플랜드와 라이언 그린블랫이 체감상 더 긴 기간을 본다는 점을 일부 따른 결과입니다. 직원들이 업리프트를 부풀려 답했을 가능성도 인정했습니다. 다만 그 부풀림이 시간이 갈수록 커지지 않았다면, 1년이 안 되는 사이 늘어난 부분이 세 번 넘게 두 배가 된 추세는 그대로 남는다고 봤습니다.

지금 업리프트 2배라는 추정에도 폭이 있습니다. METR의 실험은 1.04~1.2배를 쟀고 METR 스스로 이 값이 낮게 잡혔다고 봤습니다. AI가 도움이 된다고 느끼는 사람일수록 실험에 참여하지 않는 경향이 있었다는 이유입니다. 그린블랫은 AI 연구개발 노동 전체의 업리프트를 1.7배로 따로 추정했는데, 코딩만 떼어 보면 이보다 높을 거라고 팀은 적었습니다.

두 조사를 잇는 방식에는 따져 볼 대목이 남습니다. 앞의 조사는 상위 사용자 30명의 중앙값이고 뒤의 조사는 기하평균이라 응답자와 집계 방식이 다릅니다. 두 점을 이어 기울기를 재면 모델이 좋아져서 생긴 차이와 응답자가 바뀌어서 생긴 차이가 한 숫자에 섞입니다. 둘 다 산출물을 센 값이 아니고 스스로 느낀 속도를 답한 값이기도 합니다.

## 매출과 시간 지평도 비슷한 날짜를 가리켰습니다

두 번째 방법은 매출입니다. Epoch AI의 능력 지표 ECI에서 선도 AI 기업의 연 환산 매출로 가는 지수함수를 세우고 앞으로 늘립니다. 지금까지는 ECI가 15포인트 오를 때마다 매출이 약 10배씩 커졌고, 현재 ECI는 161, 한 해 15포인트씩 오르고 있습니다. 앤트로픽의 연 환산 매출이 몇 년째 해마다 10배씩 늘었지만 팀은 곧 느려진다고 보고 지금의 연 성장률을 5~7배로 잡았습니다. 어느 매출에서 자동화 코더에 닿았다고 볼지는 연구자마다 크게 달랐습니다.

| 연구자 | 지금의 연 매출 성장 | 자동화 코더에 해당하는 연 매출 |
| --- | --- | --- |
| 다니엘 코코타일로 | 5배 | 1조 달러 |
| 일라이 리플랜드 | 5배 | 7조 달러 |
| 브렌던 | 7배 | 3조 달러 |

세 번째인 시간 지평까지 계산하자 세 방법의 답이 가까이 모였습니다. 코코타일로 설정에서 업리프트 기준은 2027년 10월, 매출 기준과 시간 지평 기준은 모두 2028년 2월을 가리켰고, 이를 가중치로 섞은 모델 예측은 2027년 12월이었습니다. 코코타일로는 세 방법이 따로따로 거의 같은 답을 낸 데 놀랐다며 예측을 조금 더 믿게 됐다고 적었습니다.

![다니엘 설정의 모델 예측을 매출, 시간 지평, 업리프트 세 기준으로 나눈 누적 확률 그래프로 업리프트 기준 중앙값 2027년 10월, 매출과 시간 지평 기준 2028년 2월, 전체 2027년 12월이 표시돼 있다](https://substackcdn.com/image/fetch/f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fba3486eb-ed99-472c-b73b-07b9c1e36fff_2048x1328.png)

다만 세 방법이 서로 독립적이라고 보기는 어렵습니다. AI 기업 매출은 코딩 도구 판매로 불어난 부분이 크고, 시간 지평도 코딩 과제로 잽니다. 세 방법이 모두 코딩 능력의 그림자를 재고 있다면, 이 일치는 서로 모르는 증인 셋이 같은 말을 한 경우보다 한 증인을 세 번 부른 경우에 가깝습니다. 그래도 세 방법이 틀리는 방식은 서로 다릅니다. 설문은 체감을 부풀릴 수 있고, 매출은 선구매와 가격 정책에 흔들리고, 시간 지평은 어떤 과제를 고르느냐에 좌우됩니다. 셋이 같은 방향으로 동시에 틀릴 가능성은 하나가 틀릴 가능성보다 작습니다.

코코타일로는 모델이 낸 2027년 12월에서 한 달을 더 당겨 최종 중앙값을 2027년 11월로 정했습니다. 당긴 근거는 AI 2027 채점표입니다.

## 현실은 AI 2027 시나리오의 70~90% 속도로 가고 있습니다

이 팀은 자기 시나리오의 예측을 주기적으로 채점합니다. 2월 채점에서 정량 지표의 진행 속도는 시나리오의 약 65%였고, 8월에는 지표와 집계 방식에 따라 70~90%로 올라왔습니다. 75% 속도가 이어지면 자동화 코더는 2027년 중반, 60%라면 2028년 초에 닿는다는 계산입니다.

| 분야 | 시나리오 대비 속도 |
| --- | --- |
| 코딩 시간 지평 | 0.89 |
| AI 소프트웨어 연구개발 업리프트 | 0.34 |
| 경제적 가치(매출) | 1.07 |
| 연산 | 1.08 |
| 대중의 관심 | 0.10 |

돈과 연산은 시나리오보다 빨랐고, 측정된 연구개발 생산성은 가장 느렸습니다. 업리프트가 0.34에 그친 데에는 팀이 시나리오 시작 시점의 업리프트 추정을 나중에 낮춰 잡은 영향도 있다고 적었습니다. 가장 크게 빗나간 지표는 대중의 관심인데, 팀은 지표를 잘못 골랐을 수 있다며 AI가 1년 전보다 훨씬 많이 회자되는 건 분명하다고 덧붙였습니다.

서술형 예측도 채점했습니다. 코딩 자동화를 다룬 2026년 초 대목은 잘 맞았고, 2026년 중반 대목은 빗나갔다고 평가했습니다. 중국 공산당이 흩어진 AI 사업을 하나로 묶고 연산 확보에 총력을 기울인다는 「중국이 깨어난다」 전개는 아직 일어나지 않았습니다. 중국이 최고 미국 모델보다 6개월쯤 뒤처진다는 예측은 ECI 기준 약 7개월 격차로 거의 맞았습니다. 선도 기업이 범죄 조직과 내부자를 막는 보안 수준에 이른다는 예측은, 앤트로픽과 오픈AI가 아직 AI 에이전트 자체를 막지 못한다는 점에서 맞지 않았다고 봤습니다.

## 같은 모델, 세 연구자, 세 날짜

모든 조정을 거친 세 연구자의 최종 예측은 중앙값끼리도 두 해 넘게 벌어집니다.

| 연구자 | 10% 확률 | 중앙값 | 90% 확률 |
| --- | --- | --- | --- |
| 다니엘 코코타일로 | 2027년 1월 | 2027년 11월 | 2030년 4월 |
| 일라이 리플랜드 | 2027년 6월 | 2030년 1월 | 2070년 10월 |
| 브렌던 | 2027년 1월 | 2029년 1월 | 2050년 1월 |

리플랜드는 모델이 낸 2029년 3월보다 자기 판단을 더 늦췄습니다. 이전 AI 2027 모델이 초인적 코더의 도래를 2028년 12월로 냈을 때도 자신은 2030년으로 늦춰 잡았고, 지금 보면 그쪽이 더 맞아 보인다는 이유입니다. 모델이 데이터 진보를 알고리즘 진보에 비례한다고 가정하는데, 합성 데이터에 온전히 기대기 어려운 경우 데이터가 병목이 될 수 있다는 점도 들었습니다.

브렌던은 모델이 2030년 1월까지 자동화 코더가 나올 확률을 70%, 2035년까지 90% 가까이로 보는 것이 지나치게 자신 있다며 각각 60%와 80%로 낮췄습니다. 대신 P-Zero Research의 예비 결과에서 Opus 5가 검증 가능한 연구 과제의 연구 감각(어떤 문제가 풀 만한지 고르는 판단력)에서 전문가 수준에 닿았다는 점은 도래를 앞당기는 신호로 읽었습니다.

두 사람의 날짜가 이만큼 갈리는 이유는 앞의 표들에 있습니다. 지금 업리프트를 2배로 볼지 1.7배로 볼지, 두 배가 되는 기간을 5개월로 볼지 6.5개월로 볼지, 자동화 코더에 해당하는 매출을 1조 달러로 볼지 7조 달러로 볼지가 각각 몇 달씩을 보태고, 모델 밖의 알 수 없는 변수를 얼마나 크게 볼지가 마지막에 해를 넘깁니다. 최고 전문가 수준의 AI가 2027년 말까지 나올 확률도 코코타일로는 23%, 리플랜드는 9%로 봤습니다.

## 도달 뒤의 속도는 모델이 늦추고 사람이 당겼습니다

이번 업데이트에는 도달 뒤 구간을 다루는 모델 변경도 들어갔습니다. 새 알고리즘을 적용하려면 모델을 다시 학습시켜야 한다는 물리적 시간을 시뮬레이션에 넣었더니, 코코타일로 설정에서 자동화 코더부터 초지능까지 걸리는 시간의 중앙값이 1.22년에서 1.72년으로 늘었습니다. 가장 빠른 이륙 시나리오가 주로 깎였고 느린 시나리오는 그대로였습니다.

![자동화 코더에서 초지능까지 걸리는 시간의 누적 분포로 변경 전 중앙값 1.22년, 변경 후 1.72년이 표시되고 오른쪽에 같은 시뮬레이션 쌍의 변경 전후 비교 산점도가 있는 그래프](https://substackcdn.com/image/fetch/f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F6a4d85e5-ac37-4305-a350-4caa50d65d5d_2000x832.png)

그런데 연구자들의 최종 판단은 이 변경보다 빠른 쪽으로 움직였습니다. 코코타일로는 이전 글에서 밝힌 이유로 도달 뒤 이륙 속도를 높여, 최종 판단에서 자동화 코더부터 초지능까지 중앙값을 1년으로 잡았습니다. 거의 모든 인지 작업에서 최고 전문가만큼 해내는 AI는 2028년 11월, 초지능은 2029년 3월이 그의 중앙값입니다. 리플랜드도 하드웨어 연구개발과 생산, 경제 전반의 자동화를 반영해 모델보다 이륙을 당겼고, 그의 중앙값은 자동화 코더에서 초지능까지 2년, 초지능 도래는 2033년 7월입니다.

## 한국의 기준선도 기술적 가능성을 잽니다

국내에서도 비슷한 성격의 숫자가 이미 정책의 기준선이 됐습니다. KDI는 7월 9일 정부 포럼에서 이르면 2030년 현재 형태의 일자리 약 90%에서 직무의 90% 이상이 기술적으로 자동화 가능해진다는 추정을 다시 내놨습니다([KDI 추정과 저자의 단서를 다룬 글](/post/review-kdi-9090-canary-dashboard)). AI Futures Project가 이번에 조건으로 못 박은 것과 같은 성격의 숫자입니다. 두 추정 모두 기술적으로 가능해지는 시점을 재고, 기업이 실제로 사람을 AI로 바꾸는 시점은 따로 남겨 둡니다.

그 사이의 간격은 이미 고용 통계에 드러나고 있습니다. 미국에서는 22~25세 개발자의 취업이 2022년 말 고점보다 19% 줄었습니다([젊은 개발자 채용이 줄어드는 흐름](/post/review-junior-developer-market-collapse)). 자동화 코더가 오기 전에도 채용은 먼저 움직입니다. 국내 기업이 AI 코딩 도구의 효과를 잴 때 설문 대신 병합된 코드와 장애율, 배포까지 걸리는 시간 같은 산출 지표를 쓰기 시작하면, 앤트로픽 설문의 4배가 부풀린 체감인지 실제 속도인지도 같은 잣대로 확인할 수 있습니다.

다음 분기 업데이트에서 볼 숫자는 두 배가 되는 기간입니다. 5개월보다 길어지면 단순 모델의 도래 시점은 표에서 보듯 반년에서 1년씩 뒤로 밀리고, 짧아지면 2027년 안쪽으로 들어옵니다. 그리고 그 기간을 한 회사의 사내 설문이 아닌 여러 회사의 실제 배포 기록으로 재는 날, 이 팀의 날짜는 지금보다 훨씬 단단해집니다.

읽어 주셔서 고맙습니다.

초이 드림