무전기에서 전화기로 — AI가 말을 끊고 들어오기 시작했다

1876년, 알렉산더 그레이엄 벨이 특허를 받은 전화기의 진짜 혁신이 무엇이었는지 아시나요. 소리를 전선으로 보낸 것이 아닙니다. 소리를 전선으로 보내는 실험은 그 전에도 여럿 있었죠. 벨의 전화기가 세상을 바꾼 진짜 이유는, 두 사람이 동시에 말하고 동시에 들을 수 있었다는 데 있습니다.

그 이전의 통신, 이를테면 무전기를 떠올려 보시죠. 무전기로 대화하려면 한 사람이 말을 마친 뒤 "오버"라고 외쳐야 합니다. 그래야 상대가 비로소 송신 버튼을 누르고 말을 시작할 수 있죠. 한 번에 한쪽만. 이것을 공학에서는 반이중(half-duplex)이라 부릅니다. 반면 전화기는 두 사람의 목소리가 전선 위에서 겹쳐도 됩니다. 내가 말하는 도중에 상대가 "응", "그래서?"라고 끼어들 수 있죠. 이것이 전이중(full-duplex)입니다.

그런데 참 이상하지 않습니까. 그로부터 150년이 지난 2026년, 우리가 매일 쓰는 AI 음성 비서는 여전히 무전기였습니다. 우리는 말을 마치고 잠시 침묵해야 했고, 그 침묵을 신호로 AI가 비로소 입을 열었죠. 눈에 보이지 않는 "오버"를 서로 주고받고 있었던 셈입니다.

▸ 오버라고 말하지 않아도 되는 기계 : GPT-Live가 바꾼 것

7월 8일, OpenAI가 이 순서를 깨뜨리는 음성 모델 GPT-Live를 공개했습니다. ChatGPT의 음성 기능을 구동하는 새로운 모델인데, 핵심은 딱 하나입니다. 듣기와 말하기를 동시에 한다는 것이죠.

기존의 Advanced Voice Mode는 2024년 OpenAI가 도입한 기능으로, turn-taking 구조였습니다. 한 번에 한 쪽만 말하는 무전기 방식이죠. 반면 GPT-Live는 초당 여러 번, 지금 말을 할지 계속 들을지 잠시 멈출지를 스스로 판단합니다. 심지어 우리가 말하는 도중에 "음", "네"와 같은 맞장구를 슬쩍 끼워넣기도 하죠. 사람이 남의 말을 들으며 무의식적으로 고개를 끄덕이고 추임새를 넣는, 바로 그 행동입니다.

무거운 작업은 뒤로 넘겨서 웹 검색이나 깊은 추론이 필요하면 백그라운드에서 최신 프런티어 모델에 위임했다가 결과만 대화로 다시 가져오죠. 출시 시점에서 그 뒷단을 맡은 모델은 GPT-5.5입니다. (지금은 바뀌었을지 모르지만..) 유료사용자와 무료사용자에게는 기존 Advanced Mode에서 다른 모델이 제공되는데, 개발자와 기업 사용이 가능하도록 하는 API는 아직 제공되지 않습니다.

▸ 자연스러움은 우월함이 아니다 : 498밀리초의 역설

여기까지 들으면 전이중 방식으로 제공되는 GPT-Live가 AI와 인간과의 대화에 대한 모든 해결책인 것처럼 보입니다. 늘 이런 대목에서는 한 발 물러서서 생각하는 것이 필요한데요, 다른 관점의 이야기가 있기 때문입니다.

숫자 하나를 들여다 보자면, 예전에 이런 실시간 대화를 제공하던 Realtime API가 사람의 말을 듣고 답변하는데까지의 왕복 지연시간이 이번 GPT-Live에서 더 빨라졌을까요? 기존 지연시간은 1,700밀리초로 우리가 말을 마치면, AI가 답변하는 시간이 1.5초 정도 침묵이 있었어요.

흥미롭게도 그렇지 않은 걸로 측정되고 있어요. OpenAI가 GPT-Live의 지연시간을 공개하지 않자, 통신기업 Agora가 직접 측정했는데 오히려 새 모델이 498밀리초가 더 느려지는 것을 발견했습니다. 전이중으로 통신하다 보니, 오히려 모델이 대화가 겹치는 순간을 고려해서 "지금 이건 내 말을 끊는건가, 그냥 맞장구인가"를 판단해야 하고, 그 판단 자체가 연산이자 지연이거든요.

제가 늘 강조하는 대목이지만 숫자는 틀리지 않았어요. 전이중 통신방식은 분명 인간 대화에 더 가깝습니다. 그러나 "더 자연스럽다"가 "더 빠르다"나, "더 우월하다"로 인식되면 안된다는 거에요. 무전기에는 무전기의 미덕이 있죠. 누가 말할 차례인지 분명하고, 말이 엉키지 않으면서, 오해도 적게 발생합니다. 응급구조대와 항공관제가 지금도 반이중 무전을 고집하는데는 이유가 있는 겁니다. 자연스러움을 얻는 대신 우리는 명료함의 일부를 내주고 있는지도 모릅니다.

▸ 네네, 그쵸 : 이해와 연기 사이

이 이야기를 한국의 AI 콜센터, 상담, 실시간 통역에 가져와보면 조금 다른 이야기가 될 수도 있습니다. 상대의 말이 끝나기 전에 다음을 준비하고, 적절한 순간에 "네, 확인해드리겠습니다."라고 부드럽게 말을 얹는 능력, 그것이 상담의 품질을 좌우하니까요.

그런데 여기 한국어 특유의 결이 있습니다. 우리는 유난히 추임새가 많은 언어를 씁니다. "네네", "그쵸", "아, 그러셨구나". 상대가 말하는 내내 우리는 쉼 없이 신호를 보내죠. 이 맞장구는 단순한 소음이 아니라, "나는 당신의 말을 듣고 있고, 계속하셔도 됩니다."라는 대화의 신호죠. 전이중의 AI가 이 추임새를 흉내낼 수 있게 되었다는 것은, AI가 이해와 이해하는 척 연기하는 것을 배우기 시작했다는 겁니다.

이런 생각들을 깊이 하면 할수록, 이젠 개발자의 시대는 점점 저물고 UX 디자이너, 기획자들의 시대가 열리는 것이 아닐까? AI의 경계에서 이 전문가들이 더욱 자연스러운 AI의 연기가 아니라 진짜 이해를 이끌어내지 않을까 싶습니다.