AI가 수학 난제 90개 풀었다는데, 내 직업에는 실제로 무슨 영향이 있나

88시간. 90년이 걸린 문제를 AI가 그만큼 만에 풀었다고 합니다. 그 순간, 수학자들은 환호 대신 경고문을 냈어요.

2026년 9월 8일, OpenAI는 AI 에이전트 1만 개를 동시에 돌려 나비에-스토크스 방정식(Navier-Stokes Existence and Smoothness Problem)을 풀었다고 발표했어요. 유체 역학의 핵심 난제이자, 클레이 수학연구소가 선정한 ‘밀레니엄 7대 난제’ 중 하나예요. 상금은 100만 달러. 25년간 단 하나만 풀렸던 그 목록에 AI가 이름을 올린 거죠.

근데 수학자들 반응은요? Fields Medal 수상자 25명이 공동 서한을 냈어요. “이건 수학에 해롭다"고요.

핵심 요약

• OpenAI는 2026년 9월 8일, AI 에이전트 1만 개로 90년 난제 나비에-스토크스 문제를 88시간 만에 풀었다고 발표했으나, 증명은 아직 미검증 상태예요.
• 총 비용은 약 133억 원(1,000만 달러 추정)으로, 대형 AI 기업 외에는 이 방식을 쓸 수 없는 구조예요.
• Fields Medal 수상자 25인은 ‘AI 경쟁이 수학의 본질을 훼손한다’는 공동 서한을 발표했어요.
• NYU 교수 Tristan Buckmaster와 Anthropic 수학자 Levent Alpöge의 미발표 연구가 OpenAI에 무단 전달됐다는 표절 의혹이 제기됐으나, OpenAI는 공식 부인했어요.
• AI가 정답을 내는 속도는 빨라졌지만, ‘어떤 문제를 풀 것인가’를 고르는 판단력은 여전히 인간의 영역이에요.

AI가 수학 문제를 “푸는” 방식은 우리가 생각하는 것과 달라요

나비에-스토크스 문제가 뭔지 잠깐 짚고 갈게요. 물이나 공기 같은 유체가 어떻게 흐르는지를 설명하는 방정식인데, 90년간 수학자들이 존재성과 매끄러움을 증명하지 못했어요. 비행기 날개 설계, 날씨 예측, 혈류 시뮬레이션 전부 이 방정식과 연결돼 있죠.

BBC News 코리아에 따르면, OpenAI는 비공개 신규 AI 모델로 에이전트 1만 개를 동시 가동했어요. 에이전트 간 주고받은 메시지만 약 300만 건, 소모된 토큰은 1,300억 개. 비용은 약 1,000만 달러, 한화로 133억 원이에요.

그런데 이 “풀었다"는 말에는 따옴표가 붙어야 해요.

OpenAI 스스로 밀레니엄 상금을 청구할 의사가 없다고 밝혔고, 증명은 아직 클레이 수학연구소의 공식 인정을 받지 못했어요. 4개 명제 중 2개만 해결된 상태예요. MIT 테크놀로지 리뷰는 AI가 추론 과정을 투명하게 보여주지 않아 수학적 지식의 축적에 오히려 해가 될 수 있다고 지적했어요.

AI가 “답"을 냈지만, 수학계는 “왜 그게 답인지"를 이해하지 못하면 의미가 없다고 보는 거예요.

수학자들이 경고한 세 가지, 직업적으로 읽으면 이렇게 보여요

대형 AI 기업만 할 수 있는 문제 풀이

에이전트 1만 개를 동시 운용하고 133억 원을 쓸 수 있는 곳은 몇 군데나 될까요? 사실상 OpenAI, Google DeepMind, Anthropic 정도예요. MIT 테크놀로지 리뷰는 이 점을 명시적으로 짚어요. ‘어떤 연구를 할 것인가’의 결정권이 학계에서 거대 기술 기업으로 넘어갈 수 있다는 우려예요.

개발자나 데이터 사이언티스트 관점에서 이건 단순한 수학 이야기가 아니에요. 인프라 격차가 연구 역량의 격차가 되는 시대가 오고 있다는 신호예요.

표절 의혹이 보여주는 데이터 소유권 문제

네이트 뉴스 보도에 따르면, NYU의 Tristan Buckmaster 교수와 Anthropic 소속 Levent Alpöge는 같은 문제를 수개월째 연구하고 있었어요. 9월 3일, 두 사람은 자신들의 연구 진행 상황이 OpenAI로 전달된 사실을 알게 됐어요. OpenAI 기술팀의 Sébastien Bubeck은 두 연구자의 작업을 “소문을 통해” 알았다고 시인했고요.

OpenAI는 직접 접근은 부인했지만, 익명화된 사용 데이터가 모델 개선에 기여했을 가능성은 “배제할 수 없다"고 인정했어요.

이 사건은 지금 여러분이 AI 도구에 입력하는 모든 데이터 — 코드, 초안, 분석 결과 — 가 어떻게 쓰이는지에 대한 진지한 질문을 던져요. 미발표 연구나 영업 기밀을 다루는 직군이라면 더더욱요.

AI가 못 하는 것: ‘어떤 문제를 풀 것인가’

Fields Medal 수상자 25명의 공동 서한에서 가장 인상적인 문장은 이거예요: “문제를 푸는 것은 수학의 목표가 아니라, 개념적 이해의 대리 지표일 뿐이다.”

MIT 테크놀로지 리뷰는 이를 “연구 취향(research taste)“이라는 표현으로 설명해요. 어떤 방향이 가치 있는지를 직관적으로 아는 능력. AI가 아직 독립적으로 갖추지 못한 것이고, 이 능력이 당분간 인간 전문가의 핵심 가치가 될 거예요.

AI 수학 역량: 직군별 영향 비교

표절 논란과 데이터 소유권 이슈를 중심으로 이 표를 보면, 공통된 시사점이 있어요.

AI 도구를 업무에 쓰는 모든 직군에서 “내가 입력한 데이터는 어디로 가는가"가 실질적 리스크로 떠오르고 있어요. Buckmaster 교수 사례는 극단적이지만, 구조적으로는 누구에게나 열려 있는 문제예요.

실제로 지금 뭘 해야 하나: 직군별 접근법

수학·연구직이라면

증명의 검증 과정에 더 깊이 개입해야 해요. 동아일보 보도에 따르면 OpenAI는 이후 수학 연구 372건을 추가 공개했고, 수학계는 “성능 시험을 멈추라"고 요구하고 있어요. AI가 낸 결과물을 검증하고 맥락화하는 역할 — 그게 지금 수학자에게 가장 필요한 일이에요.

개발자·데이터 사이언티스트라면

세 가지를 점검해 보세요.

• 업무용 AI 도구의 데이터 사용 약관을 실제로 읽었나요?
• 미발표 코드나 분석 결과를 퍼블릭 AI 도구에 그대로 입력하고 있진 않나요?
• 엔터프라이즈 플랜이나 온프레미스 모델 전환을 고려해 본 적 있나요?

AI/ML 연구자라면

‘연구 취향’을 의식적으로 키워야 해요. 어떤 문제를 풀 것인지, 왜 그 방향이 가치 있는지를 설명하는 능력이 AI와 차별화되는 지점이에요. 조선일보 박건형 칼럼이 지적하듯, AI를 이긴 사례는 늘 인간의 직관과 협업에서 나왔어요.

자, 주시할 신호 세 가지

1. 클레이 수학연구소의 공식 검증 결과 (아직 미발표)
2. AI 도구 기업들의 학술 데이터 사용 정책 변화
3. Fields Medal 서한에 대한 AI 기업들의 공식 응답

앞으로 6-12개월, 이렇게 흘러갈 거예요

• 핵심 요약: AI가 수학 난제를 푸는 시대가 왔지만, 증명은 미검증 상태예요. 133억 원짜리 연산 경쟁이 학계 연구 방향을 왜곡할 수 있어요. 표절 의혹은 AI 도구의 데이터 소유권 문제를 수면 위로 끌어올렸어요. ‘어떤 문제를 풀 것인가’는 여전히 인간의 판단 영역이에요.
• 단기: OpenAI의 나비에-스토크스 증명에 대한 동료 검토(peer review)가 이뤄질 거예요. 결과에 따라 AI 수학 역량의 실제 수준이 더 명확해지겠죠.
• 중기: 대형 AI 기업들이 학술 연구에 개입하는 방식에 대한 규범 논의가 본격화될 거예요. EU AI Act 이후 학술 데이터 사용 기준도 강화될 가능성이 높아요.
• 잠재 변수: 만약 OpenAI의 증명이 공식 인정을 받으면, 밀레니엄 7대 난제 중 나머지 5개를 향한 AI 경쟁이 시작될 거예요. 그때 인간 수학자의 역할이 어떻게 재정의될지가 진짜 변수예요.

그래서 이 질문의 가장 직접적인 답은 이거예요. 지금 당장 직업이 사라지진 않아요. 그런데 ‘무엇을 얼마나 잘 아는가’보다 ‘무엇을 왜 하는가’를 설명하는 능력이 훨씬 빠르게 중요해지고 있어요.

당신의 판단력이 AI가 낸 답보다 왜 더 가치 있는지, 지금 말할 수 있나요?

참고자료

1. [박건형의 닥터 사이언스] AI를 이긴 할머니 수학자와 소녀의 협업
2. 90년 난제 풀었다던 오픈AI, 수학 연구 372건 공개…수학계 “성능 시험 멈춰라”
3. [노성열의 AI 경제] 정답만 쏟아내는 AI, 생각하는 과정은 누가 지키나

Photo by Gabriele Malaspina on Unsplash