Fields Medal 수상자 테런스 타오: '직업 설명이 바뀐다' — AI 시대 수학자가 말하는 지식 노동의 미래

Q: "AI를 거부하면 기회가 줄어든다": Tao가 정확히 뭐라고 했나

*Nature*는 4월 27일, Tao와의 인터뷰를 공개했습니다. 읽고 나서 한 가지 확실해졌습니다. 이건 수학자만의 이야기가 아니라는 것.

"The job description is changing a lot." — Terence Tao, Nature 인터뷰, 2026년 4월 27일

이 문장을 봤을 때 잠깐 멈췄습니다.

Fields Medal 수상자. 세계에서 손꼽히는 수학자. 그 사람이 "직업 설명이 많이 바뀌고 있다"고 말했습니다. 수학에서. 인류 역사상 가장 순수하게 인간적인 지적 활동으로 여겨졌던 그 분야에서.

저는 개발자입니다. 그럼 저는 뭐가 다를까요?

며칠 전에도 비슷한 불안감이 있었습니다. 데이터 파이프라인 최적화 작업 중에 Claude가 제안한 코드가 생각보다 훨씬 깔끔했어요. 그냥 붙여넣기 해서 돌렸더니 잘 돌아갔습니다. PR을 올리면서 문득 든 생각이 있었습니다. 나는 이 코드를 진짜 이해하고 있는 건가?

Tao의 인터뷰를 그날 밤에 봤습니다. 타이밍이 묘했죠.

TL;DR

테런스 타오(UCLA, Fields Medal)가 2026년 4월 27일 Nature 인터뷰에서 "AI를 거부하는 수학자는 기회가 줄어들 것"이라고 경고
동시에 "2026년 AI는 신뢰할 수 있는 공동저자"라는 낙관론도 제시
3월에 공개한 arXiv 논문에서 'AI와 함께 일하는 법'을 구체적으로 제안
핵심: AI가 루틴을 가져가는 대신, 판단·통찰·책임은 여전히 인간의 몫

UCLA 수학자 테런스 타오 — Fields Medal 수상자이자 AI 도구 실험가 출처: Nature | 사진: David Esquivel/UCLA — AI 도구를 직접 실험하는 Terence Tao

"AI를 거부하면 기회가 줄어든다": Tao가 정확히 뭐라고 했나

Nature는 4월 27일, Tao와의 인터뷰를 공개했습니다. 읽고 나서 한 가지 확실해졌습니다. 이건 수학자만의 이야기가 아니라는 것.

핵심 발언들만 모아보면 이렇습니다:

"AI를 거부하고 과거 방식으로만 연구하려는 대학원생은 안타깝게도 기회가 줄어들 수 있다."
"2026년 수준의 AI를 올바르게 활용하면, 수학 연구에서 신뢰할 수 있는 공동저자가 될 것이다."
"AI가 이미 풀리지 않았던 문제들에서 '값싼 승리(cheap wins)'를 거두고 있지만, 이제는 진짜 협업이 가능한 수준에 도달하고 있다."

Tao 자신도 GPT, Claude, Gemini를 직접 실험하고 있습니다. 1,000개 이상의 수학 문제를 AI 시스템으로 테스트한 프로젝트에 참여했고, AI가 실제로 어디까지 할 수 있는지를 손수 확인하는 사람입니다.

주목할 부분은 "거부하면 기회가 줄어든다"는 경고와 "신뢰할 수 있는 공동저자"라는 낙관론이 동시에 나왔다는 점입니다. 무조건 믿으라는 것도, 두려워하라는 것도 아닙니다.

이전에 Stack Overflow가 지적한 것도 비슷한 맥락이었습니다. AI 세상에서 살아남으려면 "아는 것이 절반"이라고. 도구를 쓰되, 그 도구가 왜 그런 결과를 내는지 이해할 수 있어야 한다고.

논문으로 보는 실체: 루틴은 AI에게, 판단은 인간에게

Tao는 올해 3월 Tanya Klowden과 함께 논문을 냈습니다. 제목이 "Mathematical methods and human thought in the age of AI". 수학과 AI에 관한 철학적 질문들을 정리한 논문인데, 여기서 그가 제시한 프레임이 흥미롭습니다.

작업의 이원화:

루틴적 증명과 계산은 AI에게 위임. 문헌의 일관된 이해 구성, 새로운 기법의 평가, 연구 방향 설정은 인간 중심으로 유지.

개발자 언어로 번역하면 이렇습니다. 보일러플레이트 코드 작성, 기본 테스트 케이스 생성, 문서화 초안 — AI. 아키텍처 결정, 비즈니스 로직 판단, 코드리뷰에서 "왜 이게 맞는지" 설명 — 인간.

그가 특히 경계한 것이 있었습니다. 논문에서 "무취 증명(odorless proof)"이라는 표현을 씁니다. AI가 형식적으로는 올바르지만, 왜 그게 맞는지 직관이나 인과 관계를 제공하지 못하는 증명을 생성할 위험이 있다고요. 논리는 맞는데 통찰이 없는 코드. 저도 AI 코드리뷰를 받으면서 비슷한 느낌을 받은 적 있습니다. 맞긴 맞는데, 왜 이렇게 짰는지 설명하기가 어색한 그 느낌.

AI 시대의 지식 노동: 인간과 기계의 역할 재정의 출처: Microsoft AI Anthology | Tao가 기고한 AI와 인간 협업에 대한 에세이

Tao가 논문에서 명시한 AI 사용 가이드라인:

개발자에게도 그대로 적용할 수 있는 내용입니다.

# Tao의 AI 협업 원칙을 코드로 번역하면
# 핵심: AI는 검증자·레드팀, 인간은 방향 설정자

# ✅ 이렇게 써라 — 내가 먼저, AI가 검증
def use_ai_as_reviewer(my_solution, ai_model):
    draft = my_solution.attempt_first()        # 내가 먼저 시도
    critique = ai_model.challenge(             # AI에게 반론 요청
        draft,
        role="devil's_advocate"                # Tao의 실제 표현
    )
    # 내가 설명할 수 있는 피드백만 반영
    return [c for c in critique if i_can_explain_why(c)]

# ❌ 이렇게는 쓰지 마라 — 이해 없이 답만 요청
def bad_usage(problem, ai_model):
    answer = ai_model.solve(problem)  # "odorless" — 논리는 맞지만 통찰 없음
    return answer  # 이걸 PR에 올리면? 코드리뷰에서 설명 못 함

Tao가 명시적으로 경계한 상황: "자신의 능력으로 풀 수 없는 문제를 AI에게 바로 답을 달라고 요청하는 것." 학생들이 즉시 AI에 의존하면 "지속 가능한 수학적 기술을 해칠 수 있다"고도 했습니다.

경력 5년 차 개발자도 마찬가지라고 생각합니다. AI가 짜준 코드를 그냥 쓰는 건 단기 생산성은 올려주지만, 장기적으로 디버깅 능력과 설계 감각을 갉아먹습니다.

수학자의 이야기가 왜 개발자에게 직결되나

솔직히 처음엔 "수학자 얘기고, 나는 개발자인데 좀 다르지 않나?" 생각했습니다. 근데 오히려 개발자에게 더 직접적인 이야기였습니다.

수학은 인간이 AI보다 앞서기 더 어려운 분야입니다. 규칙이 명확하고, 정답이 있고, 계산 능력에서 AI가 압도적으로 유리합니다. 그런데도 Tao는 "AI는 대체가 아닌 협업"이라고 했습니다.

개발에서는 애매함이 훨씬 많습니다. "이 코드가 비즈니스적으로 맞는지", "이 아키텍처가 3년 후에도 유지보수 가능한지" — 이런 판단은 여전히 인간의 영역입니다. Bolt.new가 ARR $1B을 달성했고, Cursor가 기업가치 $50B이 됐어도, 이 도구들을 뭘 만들지 결정하는 건 여전히 사람입니다.

Tao의 표현대로라면: "대담하고 새로운 아이디어를 제안하고, 연구 방향을 정하고, 커뮤니티 내에서 지식을 전달하는 것" — 이건 AI가 대신할 수 없는 영역입니다. 지금 당장은.

여담인데, Tao가 Microsoft AI Anthology에 기고한 에세이에서 한 말이 있습니다.

"Used conversationally, GPT-4 can serve as a compassionate listener, an enthusiastic sounding board, a creative muse, a translator or teacher, or a devil's advocate."

그는 AI를 "적극적으로 활용하되, 그 한계를 알고 인간이 판단을 내려야 한다"는 입장을 일관되게 유지합니다. AI가 "설득력 있지만 틀린 답"을 내놓을 수 있다는 것도 직접 경고했고요.

AI와 지식 노동의 미래 — 학술 연구 현장도 변화의 한복판에 출처: Nature | 같은 날 Nature가 보도한 "AI 에이전트가 학술 그랜트 시스템을 뒤흔들 수 있다"는 경고 — 지식 노동 변화의 범위

그럼 우리는 어떻게 해야 하나

Tao가 말한 것을 개발자 방식으로 번역하면 이렇습니다.

1. AI를 거부하는 건 선택지가 아니다

기회가 줄어든다는 게 Tao의 진단입니다. 수학에서도. AI 해고 부메랑 사례처럼 AI 도입 실패도 있지만, 거기서 교훈은 "AI를 쓰지 말자"가 아니라 "제대로 쓰자"였습니다.

2. AI가 생성한 것을 내가 설명할 수 있어야 한다

"독립적으로 설명할 수 없는 AI 출력을 그냥 쓰지 말라"는 게 Tao의 원칙입니다. 코드리뷰 자리에서 "AI가 이렇게 짜줬어요"는 대답이 아닙니다. "AI가 이렇게 짰고, 이 방식이 맞는 이유는 X 때문입니다"가 되어야 합니다.

3. 루틴은 AI에게, 판단은 나에게

어떤 작업을 AI에게 위임할지 의식적으로 결정하는 게 중요합니다. 테스트 코드 초안, 문서화, 보일러플레이트 — OK. 아키텍처 결정, 보안 판단, 복잡한 비즈니스 로직 — 내가 먼저 생각하고 AI를 검증 도구로.

Tao는 "수학자의 직업 설명이 바뀌고 있다"고 했습니다. 개발자의 직업 설명도 바뀌고 있습니다. 없어지는 게 아니라 다르게 바뀌고 있다는 게 그의 이야기에서 제가 받은 메시지였습니다.

솔직히 아직도 PR 올릴 때 "이 코드 내가 진짜 이해하나?" 자문하는 습관이 필요하다는 건 알겠는데, 실천이 쉽지는 않더라고요. 아마 저만 그런 건 아닐 거라고 생각합니다.

참고 자료

'The job description is changing': mathematician Terence Tao on the rise of AI — Nature, 2026년 4월 27일
Mathematical methods and human thought in the age of AI (Tao & Klowden) — arXiv, 2026년 3월 29일
Embracing change and resetting expectations — Terence Tao — Microsoft AI Anthology
Could agentic AI topple grant-funding systems? — Nature, 2026년 4월 27일

함께 읽으면 좋은 글:

Stack Overflow: AI 세상에서 살려면, 아는 것이 절반 - AI 시대 개발자 학습 전략
AI 해고 부메랑: 55% 기업이 후회한다 - AI 도입과 인력 변화의 현실