AI가 수학의 미해결 문제를 푸는 속도가 빨라지고 있습니다. 2026년 5월 OpenAI는 1946년부터 열려 있던 Unit Distance Conjecture의 반례를 발표했습니다. 일주일 뒤 인간 연구자들은 그 핵심 기법을 다른 주요 추측의 반박에 적용했습니다. 이후 AI는 반례를 찾고, 더 넓은 패턴을 포착하고, 논증을 기계 검증 가능한 증명으로 바꾸는 쪽에서 성과를 내고 있습니다.
문제는 여기서부터입니다.
퀸메리대 Abhishek Saha는 GPT-5.5 Pro로 예전에는 몇 주 걸릴 일을 하루 만에 처리했고, 자신이 오케스트라 전체가 아니라 지휘자처럼 일하게 됐다고 했습니다. 반면 필즈상 수상자 Timothy Gowers는 GPT 5.6 Pro가 자신이 오래 붙들던 문제 두 개를 첫 시도에 풀었다고 썼습니다.
Gowers가 걱정하는 건 단순한 일자리 경쟁이 아닙니다. 수학자들이 깊은 전문성을 쌓는 데 수년을 쓰지 않게 되면, 논문은 폭증하는데 그것을 실제로 이해하는 인간 공동체는 약해질 수 있다는 겁니다.
Tao가 말한 변화도 비슷한 방향을 가리킵니다. 증명이 부족한 시대에서 증명이 넘치는 시대로 넘어가면, 수학자의 일은 답을 많이 내는 데서 끝나지 않습니다. 어떤 결과가 중요한지 고르고, 증명을 설명하고, 검증하고, 교과서와 이론 속에 편입해야 합니다.
그래서 이 흐름은 AI가 수학자를 대체한다는 데모보다 운영 파이프라인에 가깝습니다. FrontierMath의 가장 어려운 Major Advance와 Breakthrough 범주에서는 아직 해결된 문제가 없고, 밀레니엄 문제 6개도 남아 있습니다. 그래프 이론처럼 기계 생성 증명에 잘 맞는 분야가 있는 반면, AI가 거의 손대지 못하는 영역도 많습니다.
앞으로의 경쟁력은 모델이 낸 답의 개수가 아니라, 그 답을 사람이 계속 소유할 수 있는 검증·설명·교육 체계를 갖췄는지에서 갈릴 가능성이 큽니다. AI가 증명을 생산하는 시대에 수학자의 핵심 업무는 무엇을 믿고, 무엇을 남길 것인지 정하는 일이 될 수 있습니다.