[文亨南，成均馆大学全球融合学部教授，韩国人工智能教育协会会长]
1882年，纽约建立了世界上第一个商业中央发电和配电系统时，人们将电力视为“照明技术”。工厂老板们将蒸汽机移走，换上电动机，只是更换了工具，工厂结构却没有改变。电力真正发挥作用是在30年后，随着工厂意识到可以为每台机器安装小电动机，生产线发生了彻底的变革。最终获胜的不是善用电力的公司，而是重新设计一切以电力为基础的公司。
人工智能（AI）也正处于这样的临界点。自生成型AI出现四年来，我们一直在学习“如何有效使用AI”，这与电力仅作为灯具使用的时代相似。2026年将是这一阶段的结束。AI将不再是需要时才开启的工具，而是一个在不知不觉中始终处于开启状态的环境。
到2027年，问题也将发生变化。过去，会议室讨论的焦点是“AI可以用在哪里”。而2027年的焦点将是“在这个已经有AI的工作中，人类应该抓住什么”。前一个问题关注成本，后一个问题则关注责任。我们将正式进入人工智能转型的时代。
作为一名研究和教育AI42年的未来学家，我将2027年值得关注的趋势整理为10个关键词，首字母组合成“人类掌握驾驶权”（HUMAN DRIVE）。这并非偶然，因为这十个趋势最终指向同一个方向：驾驶权在于人类。
其次，U代表超高速计算（Ultra-Computing）。量子计算机在2027年不会取代传统计算机，而是将一个复杂问题分解成多个部分，分别发送到最适合的计算机上处理。同时，迫在眉睫的任务是，当前使用的加密技术可能会被量子计算机攻破，因此金融和通信领域将开始大规模更换加密技术。
第三，M代表多模态（Multimodal），即能够听和看的AI。它可以同时读取工厂设备发出的微小声音、震动和温度变化，并提醒检查轴承。迄今为止，AI的好处主要集中在处理文档的办公室工作中，而现在它将深入到工厂、医院和建筑工地。
第四，A代表自主型（Agentic），即能够自主工作的AI。过去，AI只是回答问题，而现在它开始完成指派的任务。关键在于我们能将多少工作交给它。如果答案错误，人类可以修正，但如果执行错误则会导致经济损失和合同问题。因此，原则上应先交给AI处理可逆的工作。某公司的运营经理在周一早上开始审查AI在周末处理的400多项事务，最终他亲自查看的只有20项左右。管理者的工作从指令转向规则设计和例外判断。
第五，N代表神经形态（Neuromorphic），即模仿人脑的半导体。人脑用的电力比一只灯泡还少，而训练大型AI所需的电力却相当于一个城市的用电量。神经形态技术旨在缩小这一巨大差距。这对我们这个存储半导体强国来说是一次重新布局的机会。
第六，D代表开放权重（Open-weight），即模型的民主化。过去，企业使用AI时需支付租金，并将数据发送到他人服务器。现在，企业可以下载公开的AI模型并在公司内部运行。这标志着从租用AI转向购买AI的转变。对于无法将数据外泄的医院、银行和公共机构尤为重要。有一家制药公司的董事会曾询问：“那么我们现在购买的是什么？”这意味着他们支付了三年的使用费，但公司没有留下任何资产。
第七，R代表可信与可验证（Reliable & Verifiable）。到2027年，企业面临的瓶颈将不再是性能，而是证明。如果无法提供AI所学内容、判断依据以及事故责任的书面材料，就无法使用该AI。在某银行的审核会议上，问题不在于性能，而在于如何回答被拒贷款客户的询问。
第八，I代表行业特化（Industry-Specific）。最大的AI竞争时代已经结束。能够最准确解决我们工厂、医院和行业问题的AI将胜出。经过27年经验的检验员所培养的造船厂AI，其准确性超过任何大型模型，因为它是唯一了解该造船厂的钢材、焊接方式和失败历史的AI。
第九，V代表氛围编码（Vibe Coding）。在编写程序时，不再学习语法，而是通过语言或文字描述，AI便能生成程序。在釜山从事水产品批发的老板，三天内便能亲自制作出自己店铺的市场价格整理程序，这已不再是特别的新闻。在公司内部，营销团队可以自行制作仪表板，人事团队可以直接制作招聘管理工具，过去需要向信息技术部门提交请求并等待几个月的做法将不复存在。
最后，E代表生态智能（Eco-Intelligence），即可持续的AI。不可持续的智能最终也无法持续。减少AI使用的电力和利用AI解决环境问题必须并行进行。目前，新建数据中心面临的最大障碍不是土地或资金，而是电力。
那么，我们的任务是什么？面临的障碍并非技术，而是三个方面。首先是数据。我们的工业现场积累了数十年的资料，但未经过整理，无法使用。仓库中堆积的原材料尚未转化为资本。其次是电力。AI模型可以在几个月内构建，但电力传输线路却需要数年时间。如果AI计划与能源计划脱节，这一差距将无法缩小。第三是制度。企业面临的困扰不是严格的监管，而是模糊的监管。如果明确规定需要具备哪些条件，企业就会积极准备并向前推进。
韩国并不需要在制造最大的AI的竞争中获胜，而是应当在可以胜出的领域中脱颖而出。成为在制造、半导体、造船、电池、生物和内容等全球产业中，最深入应用AI的国家。通过使用耗电较少的半导体来改变游戏规则，并发展AI的检测和认证信任产业。这三者的胜负并非取决于资金的多少，而在于积累和制度的完善。
我建议个人思考三个问题：我能保证什么？我不愿意交给AI的是什么？我在持续学习什么？工具每六个月就会变化，但定义问题、确认结果和识别风险的能力，无论何种工具都不会贬值。
2027年并不是AI开始取代人类的年份，而是人类通过AI测试自身能力和产业潜力的年份。未来的决定权不在于AI的速度，而在于我们如何引导这一速度的选择。驾驶权在于人类掌握。
作者主要经历
▷成均馆大学经营学博士 ▷每日经济记者 ▷韩国管理学会前会长 ▷可持续科学会现任会长 ▷成均馆大学全球融合学院院长、韩流国际大学院长（前）、融合国际学部教授（现） ▷韩国人工智能教育协会会长 ▷韩国氛围编码协会会长 ▷文亨南品牌研究所所长 ▷AI韩流研究院首席执行官
※ 本报道经人工智能（AI）系统翻译与编辑。
