AI가 수학자를 대체할까? 증명과 자동화

지표 밀도

진한 칸일수록 이 직업에서 해당 지표가 높습니다.

AI 내성70

보수68

진입장벽82

자율성88

수요62

영향력78

낮음높음

최근 검토 2026-08출처·크레딧 미디어 크레딧 방법론

짧은 답

수학자는 실제로 하루 종일 무엇을 하는가?

연구수학자는 아직 아무도 증명하지 못한 명제를 증명하려 애쓰며 하루를 보낸다. 논문을 읽고, 예를 계산하고, 칠판을 채우고, 살아남은 소수의 아이디어를 논문으로 정리한다. 대부분은 강의와 학생 지도도 병행한다. 응용 및 산업 수학자는 시장, 기계, 질병, 데이터의 모델을 만들고 분석하는데, 여기서는 수학이 지저분한 현실에 답해야 한다. 둘 다 산수와는 거의 무관하다.

수학자가 되려면 박사학위가 필요한가?

연구직과 대학 교수직에서는 사실상 어디서나 그렇다. 박사학위가 새로운 수학을 만들어낼 수 있음을 증명하는 자격증이기 때문이다. 학계 밖에서는 사정이 느슨해서 트레이딩 회사, 테크 기업, 정부 기관이 우수한 학사·석사 졸업생을 채용하며, 의학이나 법학과 달리 학위 없이 정리를 증명하는 것을 법적으로 막는 것은 아무것도 없다. 라마누잔은 학위를 마친 적이 없다.

수학자는 얼마나 버는가?

연차보다 분야가 훨씬 더 중요하다. 미국 수학자의 2023년 중위 연봉은 약 11만 6천 달러(BLS)였고, 독일의 정교수는 대개 약 8만~11만 유로, 프랑스 CNRS 초임 연구원은 3만 유로 정도에서 시작한다. 예외는 금융권으로, 최상위 트레이딩 회사의 선임 퀀트연구원은 교수 연봉의 몇 배를 받을 수 있다 — 이 직업군의 작고 선별된 일부다.

AI가 수학자를 대체할까?

AI 시스템은 2025년 국제수학올림피아드 문제에서 금메달 수준에 도달했고, Lean 같은 증명 보조 도구는 이제 연구 수준의 논증을 검증할 수 있다. 기계가 여전히 못하는 것은 어떤 질문이 중요한지 결정하고, 문제를 다룰 수 있게 만드는 정의를 발명하고, 수학적 의미에 대한 책임을 지는 것이다. 대부분의 연구자는 이 직업이 사라지기보다는 강력한 협업자와 함께 일하는 형태로 변모하리라 예상한다.

왜 수학 노벨상은 없는가?

알프레드 노벨은 1895년 유언장에 그저 수학을 빠뜨렸을 뿐이며, 수학자 예스타 미타그레플레르와의 불화 때문이라는 대중적인 이야기는 문서적 근거가 없다. 대신 이 분야는 자체 상을 만들었다. 1936년부터 4년마다 40세 미만 수학자에게 수여되는 필즈상, 그리고 2003년부터 노르웨이가 매년 수여하며 노벨상에 견줄 만한 상금을 주는 아벨상이다.

밀레니엄 문제란 무엇인가?

클레이 수학연구소가 2000년에 지정한 일곱 개의 문제로, 각각 100만 달러의 상금이 걸려 있다. 리만 가설, P 대 NP, 나비에-스토크스 방정식, 양-밀스 이론, 버치-스위너턴다이어 추측, 호지 추측, 푸앵카레 추측이다. 그레고리 페렐만이 푸앵카레 추측을 증명하며 유일하게 풀렸는데, 그는 2010년 상금과 그 전 필즈상 모두를 거절했다.

이번 달 업데이트

이 섹션부터 시작 - AI와 미래

비교 랩 열기

이 페이지 공유

수학은 기계가 명성이 걸린 작업부터 먼저 노리는 드문 직업이다. 계산은 수십 년 전에 무너졌다. 2024~25년에 이르러 AI 시스템은 국제수학올림피아드 문제에서 은메달을 거쳐 금메달 수준에 도달했고, Lean 같은 증명 보조 도구는 2022년 저자 스스로 손으로 검증하기를 두려워한 정리를 포함해 연구 최전선의 논증을 검증했다. 이제 진지한 수학자 중 일상적인 보조정리 증명이 오래 인간의 일로 남으리라 장담하는 사람은 없다.

그러나 이 직업의 반응은 두려움보다는 흥분에 가까웠다. 이 분야에서 가장 희소한 작업은 기계가 하는 모든 것보다 위쪽에 있기 때문이다. 어떤 질문이 인생의 여러 해를 바칠 가치가 있는지 결정하고, 막연한 직관을 증명 가능하게 만드는 정의를 발명하고, 무한히 많은 참인 명제 중 어떤 것이 의미 있는지 판단하는 일이다. 테런스 타오를 비롯한 여러 사람은 가까운 미래를 수학자들이 지치지 않지만 반쯤 믿을 만한 기계 협업자 팀을 지휘하는 모습으로 묘사한다.

중간

기계가 대신할 수 있는 업무의 비율

문헌 검색, 검증, 계산, 잘 정의된 문제 풀이 등 실제 업무 시간의 상당 부분이 지금 자동화되고 있고, AI는 이미 경시대회 수준의 결과를 증명한다. 하지만 경력을 정의하는 작업 — 문제 선택, 개념 형성, 의의 판단, 인간 지도 — 은 현재 시스템이 하는 일과 가장 거리가 멀다. 가장 가능성 높은 결과는 일상적 보조정리 증명에 쓰는 시간은 줄고 무엇을 증명할지 결정하는 데 쓰는 시간이 느는 것이다. 직업의 제거가 아니라 변형이다.

직함이 아니라 업무 단위로 산정했다. 낮을수록 안전하다.

AI가 대체하지 못하는 직업 →

기계가 가져가지 못하는 것

어떤 질문이 중요한지 선택하기

정리 증명기는 이미 제시된 추측을 공략할 수 있지만, 어떤 질문이 10년을 바칠 가치가 있는지 결정하거나 다른 질문이 더 중요하다는 것을 알아채지는 못한다. 문제 선택은 이 직업의 복리로 쌓이는 강점이다.

정의와 틀 발명하기

이 분야의 가장 심오한 움직임 — 그로텐디크의 스킴, 뇌터의 환, 칸토어의 무한 — 은 이후 연구가 계산하는 대상을 만들어냈다. 연역이 아니라 개념 형성이 수학이 실제로 성장하는 곳이며, 아직 어떤 시스템도 이를 하지 못한다.

수학적 안목

무한히 많은 참인 명제가 있고 그중 거의 전부는 가치가 없다. 어떤 결과가 밝혀주는지, 어떤 증명이 단순 검증을 넘어 설명하는지, 어떤 방향이 결실을 맺을지 판단하는 것은 여러 경력에 걸쳐 쌓인 인간의 합의로 남아 있다.

의미에 대한 책임

수학이 암호체계, 신약 임상시험의 통계, 항공기 제어 법칙을 보증할 때, 정리가 실제로 세계에 대해 말하는 바에 대해 책임질 지명된 인간이 필요하다. 기계로 검증되었다는 것이 올바르게 모델링되었다는 것과 같지 않다.

교육과 지도

지도교수에서 학생으로 중세 대학 이래 이어져 온 도제 사슬은 내용뿐 아니라 안목과 기준을 전수하며, 이는 이 직업이 스스로를 재생산하는 방식으로 남아 있다.

이미 가져가고 있는 것

기호 및 수치 계산

이미 사라졌다. 컴퓨터 대수 시스템은 1980년대부터 이 분야의 계산, 적분, 방정식 풀이를 처리해 왔고, 어떤 현역 수학자도 이를 아쉬워하지 않는다.

문헌 검색과 종합

언어모델은 이제 어떤 인간의 독서보다 빠르게 수백만 편의 논문에서 관련 보조정리, 알려진 기법, 선행 연구를 검색한다. 이는 에르되시 같은 학자를 정의했던 백과사전적 기억의 이점을 갉아먹고 있다.

증명 검증

정확성을 한 줄씩 확인하는, 심사자의 가장 지루한 임무는 점점 더 Lean과 Coq 같은 형식체계의 몫이 되고 있으며, 이들은 지친 인간 심사자가 따라오지 못하는 엄밀함으로 이를 해낸다.

잘 정의된 문제 풀이

정확히 서술된 경시대회 형식 문제가 주어지면 AI 시스템은 2025년 IMO 금메달 수준에 도달했다. 이를 인간이 서술하고 기계가 증명하는 일상적 연구 보조정리로 확장하는 것이 지금 넘어서고 있는 최전선이다.

일이 변해가는 방식

형식화가 일상 관행이 되다

페터 숄체의 액체 텐서 실험(2021~22년)은 그가 가장 중요하지만 검증하기 가장 어렵다고 여긴 정리를 Lean 커뮤니티가 검증하는 과정을 보여주며 많은 회의론자를 설득했다. 주요 신규 증명들은 점점 더 기계 검증된 동반물과 함께 발표되고 있고, 학술지들도 이를 기대하기 시작했다.

AI가 계산기에서 협업자로 옮겨가다

딥마인드의 2021년 네이처 논문은 매듭이론과 표현론에서 추측을 생성했고, 수학자 조디 윌리엄슨과 동료들이 이를 증명했다. 알파프루프가 2024년 뒤를 이었다. 새로 떠오르는 노동 분업은 기계가 제안하고 갈아내며, 인간이 틀을 잡고 판단하는 것이다.

수학이 단체 종목이 되다

유한단순군 분류는 수만 쪽의 학술지 지면과 백여 명 넘는 저자를 소모했고, 2009년 이후 폴리매스 프로젝트는 개방된 온라인 군중이 정리를 증명하는 모습을 보여주었다. 평균 저자 수는 계속 늘고 있다. 고독한 천재의 작업방식은 조용히 물러나고 있다.

수학적 두뇌를 향한 시장이 움직이다

AI 연구소, 트레이딩 회사, 암호학 팀은 이제 연구수학자를 두고 직접 경쟁하며, 학계가 훈련시키지만 그만큼 지불할 수 없는 바로 그 재능을 채용한다. 20세기 물리학이 그랬듯, 이 직업의 중심축은 수학과에서 산업계로 옮겨가고 있다.

갈라져 나오는 새 직업들

머신러닝 연구자

딥러닝의 수학 — 최적화, 확률론, 고차원 공간의 기하학 — 은 얇으며 그 자체로 공공연히 인정된다. 연구수학자는 실증적 결과가 여전히 기다리고 있는 이론을 세우기 위해 채용된다.

퀀트 연구원

트레이딩 회사는 확률미적분, 통계, 최적화로 운영되며 수학과에서 직접 채용해 학계 급여의 몇 배를 지불한다. 이 분야 박사들에게 가장 큰 단일 출구 경로다.

암호학자

NIST가 2024년 확정한 양자내성암호 표준은 순수 정수론의 격자 문제에 기반한다. 세계의 통신 보안은 이제 문자 그대로 배포 마감이 있는 응용 연구수학이다.

형식 검증 엔지니어

순수수학에 진입 중인 것과 같은 증명 보조 도구 기술이 칩 제조사와 클라우드 제공업체에서 산업적으로 유급 활용되고 있다. 인텔은 1994년 펜티엄 나눗셈 버그가 4억 7,500만 달러의 손실을 낸 이후 부동소수점 연산 장치를 형식 검증해 왔고, AWS는 자사 핵심 프로토콜의 속성을 증명한다.

AI 노출 시나리오

세 가지 가역 렌즈: 업무 보조, 일부 대체, 새 틈새. 교육용이며 예측이 아닙니다.

보조

역할은 유지하고 AI가 초안·분류·조사를 빠르게 하며 판단과 책임은 사람이 집니다.

일부 대체

좁은 작업 묶음(템플릿·초안·반복 채점)이 먼저 줄어들고 인접 숙련은 커질 수 있습니다.

새 틈새

규제 환경에서 AI 출력을 신뢰해야 하는 감독·통합·도메인 QA 역할이 생길 수 있습니다.

전망

가까운 미래에 대한 솔직한 그림은 이렇다. 풀이처럼 보이는 부분 — 잘 정의되고, 자체완결적이고, 검증 가능한 — 은 계산이 그랬던 것처럼 점점 더 기계와 함께 또는 기계에 의해 이루어질 것이다. 질문처럼 보이는 부분 — 틀 짓기, 정의하기, 판단하기, 가르치기 — 은 자동화될 조짐이 전혀 없으며, 종사자들은 늘 이를 진짜 일이라 여겨 왔다.

경제도 같은 방향을 가리킨다. 기계가 똑똑해질수록 수학 훈련을 받은 인력에 대한 수요는 모든 곳에서 커지는데, 누군가는 기계가 무엇을 해야 하는지 명시하고 무엇을 했는지 검증해야 하기 때문이다. 미국 노동통계국은 2033년까지 수리 직군에서 두 자릿수 성장을 전망한다. 명찰에 적힌 이름은 연구자, 퀀트, 과학자일 수 있지만 훈련은 수학자의 것이다.

열려 있는 질문은 경제가 아니라 문화의 문제다. 정체성을 아무 도움 없는 인간 증명 위에 세운 분야가 기계 보조 정리를 온전히 자신의 지식으로 대할 것인가 하는 것이다. 1976년의 사색정리 논쟁은 이 논쟁을 예고했고, Lean 시대는 이를 형식화된 증명 하나하나로 실제 해결해 나가고 있다. 자신의 이름 — 컴퓨터 — 을 기계에 빼앗기고도 살아남은 이 직업은 아마 그 증명을 기계와 나누는 것도 견뎌낼 것이다.