(본 글은 o1의 캔버스 모드 성능을 테스트 하기 위해, o1의 캔버스 모드를 통해 다시 지어진 글임을 알립니다.
초고를 작성한 후, o1에게 대략적인 방향성을 제시한 뒤, 수정을 요청하였습니다.)

(이해를 돕기 위한 이미지이며, 현실과는 아무런 관계가 없습니다.)

오랫동안 기다려온 신형 모델 “o3”가 세상에 공개되었다. 이미 많은 기술 전문가들이 흥분을 감추지 못할 정도로, 코딩과 수학 분야에서 뛰어난 퍼포먼스를 보인다는 평가가 나온다. 이론적으로 볼 때, 특히 오픈AI 내부의 다양한 벤치마크나 테스트 결과가 이 모델의 강점을 증명하고 있기 때문이다. 그런데 막상 출시 후 시장의 반응은 다소 미묘하다. 특별히 나쁘다고는 볼 수 없지만, 기대에 비해 일반인들이 느끼는 ‘와, 정말 놀랍다’라는 감탄이 생각만큼 쏟아지지 않는 분위기다.

 이 글에서는 “o3가 왜 이렇게 출시되었고, 왜 많은 사람들이 생각보다 열광하지 않는 듯 보이는지”에 대해 좀 더 깊이 파고들어보려 한다. 이는 단순히 ‘기술력이 부족하다’거나 ‘마케팅이 실패했다’라고 치부할 문제가 아니다. 오히려 우리가 흔히 간과하는 ‘지식의 저주(curse of knowledge)’라는 심리적 요인이 어떤 영향을 끼쳤는지 살펴보면, 그 퍼즐 조각들이 자연스레 맞춰진다.

1. 겉으로만 보면 우월해 보이는 o3의 성능

 먼저 o3의 가장 큰 특징은 높은 수준의 코딩 자동화와 수학적 문제 해결 능력이다. 오픈AI 내부에서는 무수히 많은 테스트를 진행해 이 부분을 대대적으로 향상시켰으며, 데이터상으로 그 성능은 의심할 여지가 없다고 자신한다. 특히 예를 들어서 ‘파일럿 수준의 복잡한 코드를 작성할 수 있다’거나 ‘고등수학 이상의 난해한 문제를 풀어내는 속도가 비약적으로 빨라졌다’는 점은 무시하기 어려운 업적이다.

 문제는, 이 성능이 얼마나 “실제 생활에서의 필요”와 맞물리는가 하는 부분이다. 예컨대 최신 스마트폰이 ‘분 단위로 절약되는 프로세싱 속도’를 강조한다고 하더라도, 일반인은 그 차이를 세밀하게 체감하기 쉽지 않다. 우리가 휴대폰 카메라 화소가 100메가픽셀인 것과 108메가픽셀인 것 사이를 일상생활에서 구분하기 어려운 것과 유사하다. o3가 아무리 기술적으로 획기적이어도, 관심 없는 사람들에게는 그 차이가 직관적으로 다가오지 않는 것이다.

2. 일반인에게는 아직 낯설고, 체감하기 어려운 기능들

 정작 AI를 일상적으로 사용하는 사람들은 어떤 용도로 쓰는가? 보통은 인터넷 검색을 대체하거나 문서 작성, 간단한 아이디어 정리 또는 생활 관련 질의응답 수준으로 활용하는 경우가 많다. ‘코딩’이나 ‘수학적 추론’과 같은 분야는 상대적으로 전문성을 요하는 영역이라, 여기에 매력을 크게 느낄 만한 사람은 전체 이용자 중 소수에 불과하다.

 예를 들어 슈퍼마켓에서 물건을 구매할 때 수십 가지 제품 정보를 머릿속에서 복잡하게 추론하는 대신, 우리는 보통 ‘가성비’ 혹은 ‘나에게 맞는 브랜드’ 같은 간편한 기준을 사용한다. 마찬가지로 AI를 쓰는 일반 사용자도 ‘조금 더 똑똑한 검색기’ 정도를 바랄 뿐, ‘구글 수준 이상의 논문 검색’이나 ‘수학 공식 변형 능력’은 크게 필요로 하지 않을 수 있다.

 즉, o3가 자랑하는 하드코어한 기능은 일부 전문가들에게는 환영받을 만한 진보지만, 방대한 대중에게는 일상과 동떨어진 영역일 가능성이 크다. 기계를 잘 모르는 사람이 첨단 자동차가 ‘레이더 센서로 대기오염 물질을 실시간 측정한다’는 문구를 들었을 때, 어떤 감흥이 생기는지를 떠올려 보면 비슷하다.

3. ‘지식의 저주’가 만들어 낸 시야 차이

 ‘지식의 저주(Curse of Knowledge)’란, 한 번 어떤 지식을 깊이 습득하고 나면 그 지식을 모르는 사람의 처지를 이해하기가 어려워진다는 개념이다. 개발자와 연구진들은 이미 코딩과 수학적 사고가 몸에 밴 사람들이다. 그들에게 o3의 성능 향상은 너무나 당연히 놀랍고 흥분되는 일이다. 실제로, 복잡한 코드를 순식간에 자동생성한다거나, 딥러닝 아키텍처를 더 효율적으로 설계할 수 있게 해주는 모델이라면 연구 현장에서의 임팩트는 막대할 테니 말이다.

 하지만 이런 사실을 모르는 이들은 의문을 가질 수 있다. “AI가 코드를 잘 짜준다니, 내 일상에 얼마나 도움이 될까?” 혹은 “고등수학 문제를 풀어주는 AI라니, 당장 써먹을 일은 없는데?”라는 생각 말이다. 이는 마치 수영장이 딸린 초고가 아파트를 보았을 때, 부유층에게는 당연히 호화롭고 매력적으로 느껴지겠지만, 일반인에게는 “청소나 유지보수는 누가 해?”라는 현실적 문제부터 떠오르는 것과도 닮았다.

 개발자 입장에서는 “이렇게 대단한 기술을 왜 좋게 보지 못할까?”라는 답답함이 생길 수 있고, 일반인 입장에서는 “대단하긴 한데, 내 생활과 직접적으로 무슨 상관이 있는지 모르겠다”고 느낄 수 있다. 여기서 오는 갭이 바로 지식의 저주가 유발한 시야 차이인 것이다.

4. 오픈AI의 기대와 마주한 현실

 오픈AI가 내부적으로 o3 개발에 쏟아부은 시간과 노력을 생각해보면, 그들이 이 모델을 세상에 내놓으며 상당히 긍정적인 반응을 기대했다는 점은 어찌 보면 당연하다. 특히 코딩 능력이나 수학적 추론 성능에 목말라 있던 사람들에게는 혁신적으로 다가갈 것이 뻔했으니 말이다.

 다만 이 기대가 실질적인 시장 반응과 온전히 일치하기는 어려웠다. 마치 오랜 시간 정성껏 요리한 ‘고급 프랑스 요리’를 손님에게 대접했는데, 해당 손님이 사실은 매운 라면을 더 좋아했다는 상황일 수도 있다. 개발진이 생각하는 ‘가장 뛰어난 AI’는 어디까지나 개발자 시각에서의 성능이지만, 일반 대중이 원하는 것은 편의성과 즉각적인 일상 활용성이다.

 특히 인터넷에서의 게시글이나 리뷰들은 더욱 솔직하고 직설적이다. “속도가 빨라졌다는데, 잘 모르겠어요”라거나 “코딩 성능이 뛰어나다지만, 저는 코딩을 몰라서 체감이 안 되네요” 같은 반응이 줄줄이 달리는 것은 전혀 이상하지 않다.

5. 실망으로 이어진 이유, 그리고 실은 나쁘지 않은 성능

 결론적으로 o3는 결코 성능이 나쁜 모델이 아니다. 아니, 오히려 특정 분야에서는 혁신적이라 할 정도로 우수하다. 그렇다면 왜 사람들은 기대보다 덜 호응할까?

1. 전문 분야 편향: o3의 강점이 주로 코딩과 수학적 추론 같은 전문 영역에 집중되어 있어서, 일반 사용자가 혜택을 체감하기 어렵다.

2. 지식의 저주: 개발자와 연구진은 “이렇게 뛰어난데!”라고 생각하지만, 이를 잘 모르는 이들은 그 가치를 쉽게 느끼지 못한다.

3. 마케팅과 인식 차이: 오픈AI 내부에서 생각하는 “사용자 일상에 대단히 큰 도움이 될 것이다”라는 기대치가 실제 평범한 사람들의 요구와 정확히 맞아떨어지지 않는다.

 따라서 사람들이 “o3가 별로다”라며 실망했다기보다, “내가 쓰기에는 큰 차이를 못 느끼겠다”라는 반응을 보이게 된 것이다.

6. 결국 해결해야 할 과제

 우리는 이 현상을 통해 한 가지 중요한 사실을 깨닫게 된다. 기술적 완성도가 아무리 높더라도, 그것이 곧장 ‘대중에게 체감되는 가치’로 이어지지 않을 수 있다는 점이다. 특히 개발자가 일반 사용자의 입장을 충분히 고려하지 못하면, 얼마든지 이런 아쉬운 상황이 벌어질 수 있다.

 아마도 오픈AI는 앞으로 o3가 가진 탁월한 능력을 보다 대중 친화적으로 해석하고, 쉽게 다가갈 수 있는 사용 시나리오를 개발하려 노력할 것이다. 예컨대 수학적 능력이 뛰어나다면 금융 계산이나 보험 설계, 세금 신고 시뮬레이션 등 일반인에게도 이득이 될 만한 기능과 연계할 수 있을 것이다. 코딩 능력이 뛰어나다면, 비개발자가 웹사이트를 손쉽게 만드는 도구를 제공하는 식으로 확장할 수도 있겠다.

 아울러 온라인 커뮤니티나 SNS를 통해 받은 피드백을 적극 반영하는 것도 한 방법이다. 종종 개발자들은 자사의 기술력을 과신하거나, 지나치게 전문적인 시각만 고수하는 실수를 범한다. 하지만 일상 속에서 AI를 활용하는 사람들은 오히려 단순하고 즉각적인 해결책을 원한다는 사실을 잊어서는 안 된다.

7. 마무리하며

 “o3는 과연 성공인가, 실패인가?”라는 질문에 대한 답은 단순 이분법으로 나누기 어렵다. 성능 측면에서 보자면 분명 뛰어난 모델이고, 특히 코딩 및 수학 영역에서는 획기적인 발전을 보여준다. 그러나 다수 일반 사용자들에게 그 강점이 선명하게 체감되지 않는 것도 사실이다.

 이를 더 잘 이해하기 위해 우리는 지식의 저주라는 심리적 장벽을 떠올릴 필요가 있다. 오픈AI 내부 인력들은 자신들이 익히고 연구해온 코딩·수학적 역량이 얼마나 가치 있고 흥미로운지를 알고 있다. 하지만 대부분의 사람들은 그 영역에 접근할 이유가 크지 않거나, 혹은 접근할 때에도 단순히 “웬만큼 잘 동작하면 된다”고 여긴다. 그 간극이 예상보다 큰 것이고, 그 결과로 의외의 반응이 나타난 것이다.

 결국, o3가 나쁜 모델이라는 결론으로 귀결되지는 않는다. 오히려 ‘기술과 대중의 접점을 어떻게 넓힐 것인가’라는 숙제가 남았다고 보는 편이 옳을 것이다. 과연 오픈AI가 이 문제를 어떻게 풀어낼지, 그리고 앞으로 얼마나 대중 친화적 방향으로 진화해나갈지 기대해 볼 만하다. 무엇보다도, 이 과정을 지켜보는 우리는 ‘기술이 발전해도 그 혜택을 실제로 누리는 사람들은 누구인가?’라는 중요한 질문을 다시금 생각해볼 수 있을 것이다.