AI가 글쓰기보다 코딩을 더 잘하게 된 이유, ‘강화 격차’

AI가 코드를 짜고 버그를 고치는 속도가 눈에 띄게 빨라지면서 개발자들 사이에서는 “이제 AI가 코드를 더 잘 짜는 시대가 왔다”는 말이 나온다. 

반면 글쓰기나 이메일 작성, 대화형 챗봇 분야에서는 체감할 만한 변화가 없다. 같은 인공지능인데 왜 한쪽만 이렇게 빨리 발전하는 걸까. 해외 기술 매체들은 그 이유를 ‘강화 격차(Reinforcement gap)’라는 개념으로 설명하고 있다.

간단히 말해 AI가 배우는 속도는 ‘얼마나 명확하게 잘했는지 판단할 수 있느냐’에 달려 있다는 뜻이다. 코딩의 경우 결과가 명확하다. 코드가 돌아가면 성공이고 에러가 나면 실패다. 그래서 AI는 수없이 시도하고 즉시 피드백을 받아 빠르게 성장한다. 

이는 AI가 수십억 번의 시도를 반복하면서 즉각적으로 정답을 확인할 수 있는 분야이기 때문이라고 설명할 수 있다. 반대로 글쓰기나 대화는 그렇지 않다. 문장이 자연스럽다거나 감정이 잘 전달됐다는 건 사람마다 기준이 다르기 때문에 AI가 스스로 배울 만한 명확한 기준이 없다.

예를 들어 코딩 AI는 잘못된 코드를 작성하면 바로 오류 메시지가 뜬다. AI는 그걸 보고 ‘이건 틀렸구나’ 하며 바로 수정한다. 하지만 글쓰기 AI는 문장을 수천 번 써도 그중 뭐가 ‘좋은 글’인지 스스로 판단하기 어렵다. 

어떤 사람은 재밌다고 하고 또 어떤 사람은 밋밋하다고 하기 때문에 피드백 자체가 모호하다. 결국 AI는 ‘정답을 바로 확인할 수 있는 일’에서만 빠르게 성장하고 ‘사람의 감정이나 취향이 개입되는 일’에서는 속도가 느릴 수밖에 없다.

전문가들은 “강화 격차가 AI 발전의 두 갈래를 만들고 있다. 하나는 결과가 뚜렷한 분야이고 다른 하나는 그렇지 않은 분야다”라고 평하고 있다. 실제로 AI가 코드를 작성하거나 수학 문제를 푸는 일은 모두 정답이 하나로 고정돼 있다. 반면 뉴스 기사 작성, 상담 챗봇 같은 일은 정답이 없다. 그래서 전자는 자동화 속도가 빠르고 후자는 여전히 사람이 필요하다.

또한 이런 격차는 산업 구조에도 영향을 주고 있다. 외신들은 “자동화가 빠른 분야일수록 사람의 일자리가 먼저 대체될 위험이 크다”고 전했다. 코딩처럼 명확히 정답을 확인할 수 있는 일은 AI가 쉽게 흉내 내지만 글쓰기처럼 해석과 판단이 필요한 일은 여전히 인간의 영역으로 남는다는 것이다. 

쉽게 말하면 AI가 ‘판단보다 계산에 강한 존재’라는 사실이 다시 한 번 드러난 셈이다.

이 개념은 기업들이 AI를 활용할 때도 중요한 기준이 된다. 기업용 AI 기술을 개발하는 기업들에서는 주로 “AI 프로젝트를 시작할 때 ‘이 일을 AI가 스스로 평가할 수 있는가’를 먼저 점검해야 한다”고 판단했다. 

즉 성공과 실패를 기계가 바로 구분할 수 있는 일이라면 AI는 빠르게 발전할 가능성이 높고, 그렇지 않은 일이라면 아무리 데이터를 많이 줘도 한계가 뚜렷하다는 의미다.

최근 등장한 GPT-5나 구글의 Gemini 2.5는 이런 원리를 가장 잘 보여준다. 이 모델들은 글쓰기보다 코딩이나 수학 문제 해결에서 훨씬 빠른 성장을 보였다. 코드가 돌아가는 순간 결과를 바로 확인할 수 있기 때문이다. 

반면 같은 모델의 대화 기능은 작년과 비교해 ‘조금 부드러워졌다’ 정도의 평가에 그쳤다. 일부 전문가는 이를 두고 “AI가 기술적으로는 더 커졌지만 사람의 언어를 다루는 능력은 여전히 제자리걸음”이라고 전했다.

그렇다고 강화 격차가 영원히 고정된 건 아니다. 최근 고품질의 영상 생성 AI들이 등장하면서 이 격차가 조금씩 좁혀지고 있다는 분석도 있다. 예전엔 영상이나 이미지 품질을 AI가 스스로 평가하기 어려웠지만 이제는 ‘물체의 모양이 유지되는가’ ‘움직임이 자연스러운가’처럼 일부 기준을 자동으로 확인할 수 있게 됐다. 

즉 평가 기준을 더 정확하게 규정하는 기술이 발전할수록 강화 격차는 줄어들 가능성이 있다. AI 연구자들은 이 현상을 “측정 가능한 세계와 측정 불가능한 세계의 경쟁”으로 본다. 컴퓨터는 언제나 숫자로 평가할 수 있는 것을 더 잘한다. 수학 문제, 코드, 논리 게임이 빠르게 발전하는 이유가 바로 여기 있다. 

반대로 감정, 맥락, 뉘앙스가 필요한 영역은 여전히 인간이 강점을 가진다. AI의 진보는 기술의 크기보다 ‘측정 가능성’에 더 의존한다고 할 수 있는 것이다.

앞으로 강화 격차는 AI가 어떻게 배우는지, 어떤 일을 먼저 대체하게 될지를 가늠하게 해주는 기준이 될 수 있을 것이다. AI가 글보다 코딩을 더 잘 배우는 이유는 지능의 문제가 아니라 환경의 문제라는 것이다. 

누군가 바로 옆에서 ‘이건 맞고 저건 틀렸다’고 말해주는 세계에서는 AI가 엄청난 속도로 성장한다. 하지만 ‘이게 좋은 글일까’처럼 답이 하나가 아닌 세계에서는 AI조차 잠시 멈춰서게 된다.