2025년까지는 코딩이 AI에 의해 거의 정복되었다는 뉴스가 주를 이뤘지만, 2026년으로 접어들면서 수학자와 과학자들이 AI로 자신의 미해결 문제를 푸는 사례가 폭발적으로 늘고 있다. 특히 인상적인 것은 Terence Tao가 AlphaEvolve를 이용해 1975년에 제기된 Erdős 문제를 집단 지성+AI 협업으로 해결한 사례다. 이는 단순히 AI가 더 똑똑해졌다는 증거를 넘어, 전문 지식이 깊은 분야일수록 AI가 인간이 간과한 패턴을 먼저 발견할 가능성이 높다는 의미다.
나는 이 현상에서 중요한 교훈을 얻는다. ‘low-hanging fruit’이라는 표현이 수학자 Sébastien Bubeck에 의해 사용되었는데, 이는 난이도가 높은 domain일수록 오히려 AI가 쉽게 딸 수 있는 열매가 많다는 역설을 가리킨다. 인간 전문가는 수년간의 직관과 편향으로 특정 접근법에 갇히기 쉽지만, AI는 방대한 문헌과 다른 분야의 논리 구조를 자유롭게 조합할 수 있다. 우리의 비즈니스 domain도 마찬가지다. 아직 AI가 깊이 들어가지 않은 vertical일수록 ‘쉬운 문제’가 쌓여 있을 가능성이 크다.
근거
“낮은 low-hanging fruit이 수학에 많다. AI를 활용해서 할 수 있는.” “곡선의 moduli 공간에서의 교차 수에 관한 자신의 미해결 문제를 GPT-5를 통해서 해결했다.”
“인간이 직접 하는 실험실 환경… 그런 부분이 사실은 완전한 병목이었는데 그 부분도 AI가 어느 정도는 후보가 되는 물질들이라든지 방법론들을 최대한 논리로 가려내고 대신 그게 맞냐, 안 맞냐라는 최종적인 reward signal은 직접적으로 실험을 해서 이제 그 실험 환경도 또 로봇으로 automation되고 있는 거고.”
연결된 생각
- 20260607-wet-lab-automation-bottleneck — 실험실 병목 해소와 low-hanging fruit 발견은 동일한 원리로 작동한다
- 20260607-hybrid-architecture-evolution — 모델 아키텍처의 혁신이 탐색 공간을 넓혀 더 많은 low-hanging fruit을 만든다
- 20260508-grpo-reinforcement-learning — verifiable reward가 존재하는 모든 domain이 AI의 먹이사슬이 된다
출처
- 📎 클리핑: 20260613-ep80-ko-transcript