이 기사는 03월 16일 10:29 마켓인사이트에 게재된 기사입니다.
<전문 요약>
하워드 막스 오크트리캐피털 회장이 앤트로픽의 클로드를 직접 활용해 인공지능(AI)을 공부한 뒤 쓴 메모다. 결론부터 말하면 AI는 거품이 아니며, 지금은 시작에 불과하다. 다만 AI 투자가 싸다는 뜻은 아니니, ‘올인’도 완전 외면도 금물이라는 것이 그의 입장이다.
AI는 검색엔진이 아니라 추론하는 시스템이다. 사람이 수십 년 독서로 사고력을 키우듯, AI도 훈련을 통해 추론 패턴을 학습한다. AI가 진짜 생각을 하는지는 중요하지 않고, 일을 해내느냐가 중요하다.
발전 속도는 전례가 없다. 컴퓨터는 발명부터 가정용 보급까지 40년이 걸렸지만 AI는 2년도 안 돼 전 세계 4억 명이 쓰고 있다. 더 충격적인 것은 이제 AI가 AI를 만드는 단계에 진입했다는 점이다. 오픈AI의 최신 모델은 자신을 훈련시키는데 참여했고, 앤트로픽 최고경영자(CEO)인 다리오 아모데이는 1~2년 내 현세대 AI가 차세대 AI를 자동 구축할 수 있을 것이라고 말했다.
발전 단계는 셋으로 나뉜다. 질문에 답하는 채팅형(2023), 정보를 찾아 업무를 수행하는 도구형(2024), 그리고 목표만 주면 스스로 완수하는 자율형 에이전트(현재)다. 2단계와 3단계의 차이가 핵심이다. ‘보조’에서 ‘대체’로의 전환이며, 500억 달러 시장과 수조 달러 시장을 가르는 분기점이다.
투자에 있어서 AI는 데이터 처리와 패턴 인식에서 인간을 압도한다. 공포나 탐욕도 없다. 하지만 전혀 새로운 상황에 대한 직관, 정성적 판단, 위험에 대한 본능적 감지는 여전히 뛰어난 인간 투자자의 영역이다. 쉽게 얻을 수 있는 정량 정보로는 더 이상 시장을 이길 수 없고, AI보다 나은 해석력과 예지력을 가진 소수만이 살아남을 것이다.
가장 무거운 대목은 사회적 우려다. AI의 변화 속도가 사람들의 재적응 속도를 압도적으로 앞지를 것이다. 낙관론자들은 새 일자리가 생길 것이라 하지만, 막스는 확신하지 못한다고 했다. “AI의 변화 속도가 사회의 적응력을 크게 앞지르지 않으리라는 생각은 하기 어렵다.”
<hr style="display:block !important; border:1px solid #c3c3c3" />
인공지능(AI)를 주제로 한 12월 메모 거품입니까?(Is It a Bubble?)를 쓰기 위해 준비를 하는 동안, 저는 30~40대 기술 전문가들과 재미있는 이야기를 나누면서 상당히 많은 것을 얻게 되었습니다. 새로운 영역을 탐구하는 일은 자극이 되기도 하는 한편 투자자로서 최신 동향을 파악하는 데 절대적으로 필요한 일이기도 합니다. 그리고 저의 직업에서 가장 큰 즐거운 부분 중 하나입니다.
저는 12월 메모의 후속편을 쓰기 위해 최근에 이들과 다시 이야기를 나누었습니다. 그 과정에서, 어떤 분이 앤트로픽의 AI 모델 클로드에게 AI와 최근 석 달간 일어난 변화를 설명해주는 튜토리얼(tutorial)을 만들어달라고 해보라는 제안을 하였습니다. 그래서 그렇게 해보았더니, 제가 공부할 거리가 아주 많이 생겼습니다. 그 결과로 쓰여진 이번 메모는 12월 메모의 부록으로 기획한 것입니다. 내용 중 상당 부분은 클로드의 1만 단어짜리 에세이를 요약한 것으로서, 여기에 제 나름의 견해 몇 가지를 덧붙인 것입니다. 그 과정에서 저에게 새롭고 여러분들께도 새로운 내용이 될 수 있는 용어 몇 개에 강조 표시를 하겠습니다. 클로드에게 아예 이번 메모 작성을 부탁하여 제 시간을 많이 아낄 수도 있었겠지만, 문서에 들어갈 말들을 적는 것이 저에게 큰 재미를 주는 일이라는 생각에 그렇게 하지는 않기로 했습니다. 하지만, 클로드가 작업한 결과물을 마음껏 인용해보도록 하겠습니다. 제가 달리 출처를 밝히지 않은 인용문은 모두 여기서 나온 것입니다.
본격적으로 글을 시작하기 전에, 제가 어느 정도의 경외심을 가지고 클로드의 결과물을 바라보았는지 여러분께 전해드리고 싶습니다. 그것은 마치 친구나 동료가 직접 써준 편지처럼 읽혔습니다. 제가 과거 메모들에서 언급했던 금리 부문의 상전벽해(sea change)나 투자자 심리의 시계추(pendulum of investor psychology) 같은 내용들을 참조하며, 이를 AI 관련 메타포에 사용하기도 했습니다. 논리적으로 주장을 펼치고, 제가 거기에 대응하여 주장할 만한 논점들을 예측하며, 유머를 가미하기도 하고, AI의 한계를 솔직하게 인정함으로써 글의 신뢰도를 강화시키는 것이, 마치 제가 글을 쓰는 것과 같았습니다. 이전에도 AI에게 질문을 하고 답변을 받아보기는 했지만, 이번 경우처럼 개인 맞춤형 설명을 받아본 적은 없었습니다.
AI에 대한 이해
본격적인 내용인 AI 및 그 성능의 최근 변화로 넘어가기에 앞서, 제가 튜토리얼에서 전달받은 AI의 본질에 관한 인사이트 몇 가지를 여러분께 전해드리고자 합니다. 중요한 점은, 튜토리얼이 AI 모델이 데이터를 찾아내어 이를 다시 쏟아내는 검색 엔진이라고 여겨서는 안 된다는 사실입니다. 사실 AI 모델은 데이터를 합성하여 이를 바탕으로 논리적인 추론을 해내는 능력을 갖춘 컴퓨터 시스템입니다.
AI 모델의 생애주기에는 두 가지 단계가 있습니다. 첫 번째는 막대한 양의 텍스트를 읽음으로써 ‘훈련을 받는(trained)’ 단계입니다. 제가 지금껏 그랬듯이 이 훈련 단계를 AI 모델에 정보를 로딩하는 것으로 여겨서는 안 됩니다. 이를 훨씬 더 넘어서는 작업이 이루어지는 단계입니다. 이 단계에는 AI 모델에게 생각의 방법을 가르치는 과정이 포함되어 있습니다. AI 모델은 텍스트를 받아들임으로써 다음과 같은 것들을 학습합니다.
ㅇ 추론 패턴을 이해하고 이를 구성해내는 방법
ㅇ 주장을 구조적으로 전개하는 방법
ㅇ 아이디어들을 새롭게 조합해내는 방법
ㅇ 학습된 추론 패턴을 새로운 상황에 적용하는 방법
훈련 단계를 이해하는 최선의 방법은 이를 사람의 지적 능력 발전에 비유해보는 것입니다. 어린 아기는 뇌를 가지고 태어나 외부 자극에 노출되면서 사고, 추론, 합성, 평가, 유추, 생각의 조합, 개념 창출, 논점 구성 등의 능력을 계발해나갑니다. 아기는 이런 능력들을 갖춘 채로 태어나는 것이 아니라 환경으로부터 접하는 인풋을 받아들이고 활용하면서 그 능력들을 발전시킵니다. AI 모델도 마찬가지입니다. (여기서 한 마디 덧붙이자면, AI가 하는 일이 어떻게 이루어지는지를 제가 이해하고 있다는 의미로 이런 이야기를 하는 것이 아닙니다. 그럴 가능성은 전무합니다. 저는 다만, AI가 할 수 있는 일이 무엇이며 그 영향으로는 어떤 것들이 있는지를 설명 드리려는 것뿐입니다.)
AI 모델 생애주기의 두 번째 단계는 ‘추론’입니다. AI 모델이 구축되어 훈련을 거치고 나면, 그 AI 모델의 남은 생애 동안 이루어지는 일은 사용자들의 요구사항을 충족시키기 위해 자신의 능력을 활용하는 추론입니다.
여기서 주목해야 할 점은 AI 모델이 (적어도 현재로서는) 스스로에게 임무를 부여하지는 못한다는 사실입니다. 사용자가 작성한 ‘프롬프트’를 통해 임무 수행 지시를 받아야 합니다. 프롬프트 작성을 잘 하고 그 내용이 포괄적일수록, AI가 해낼 수 있는 일도 더 많아집니다. 가령, AI는 사용자가 해내고 싶어하는 업무를 수행하기 위해 소프트웨어를 작성할 수도 있습니다. 또한 그 소프트웨어를 테스트하고 버그를 찾아내어 고치고 다시 테스트를 할 수도 있는데, 그렇지만 적어도 현 단계에서는 이런 일들을 수행하도록 지시를 받아야 합니다(자세한 내용은 후술). 현재 많은 사람들이 프롬프트의 중요성에 대한 인식이 부족하고 이를 만드는 능력을 갖추지 못하고 있어서, AI의 잠재력이 아마도 과소평가되고 있는 것 같습니다. 그러나 그 한계는 사용자측에 있는 것이지 AI 모델에게 있는 것이 아님을 알아두시기 바랍니다.
제 튜토리얼의 예를 들어 설명해보자면, 클로드는 단지 AI가 무엇인지, 그리고 AI가 할 수 있는 일이 무엇인지에 대한 설명을 해달라는 요청을 받은 것이 아니었습니다. 클로드에게 주어진 과제에 대하여 질문을 던졌을 때, 클로드의 답변은 다음과 같았습니다.
당신의 12월 메모, 당신이 가진 지적 이해의 틀, 그리고 당신이 신뢰할 수 있는 내용의 부록을 작성하기에 충분한 기술적 이해를 제공한다는 목표를 골자로 누군가가 오로지 당신만을 위한 9개 모듈 커리큘럼을 설계하였습니다. 이 커리큘럼은 한 번에 한 모듈씩을 가르치고, 당신에게 익숙한 유추를 사용하며, 성능을 단순히 설명만 하기보다는 직접 보여주고, 당신의 글을 읽는 독자들이 당신에게서 기대하는 수준의 지적인 정직성을 유지하도록 구성되었습니다.
그 튜토리얼이 우리가 설정했던 목표들을 분명히 달성했다고 여러분께 말씀드릴 수 있습니다. 이는 오롯이 조언자들의 도움을 받아 제가 준비한 프롬프트의 퀄리티와 구체성 덕분이었습니다.
AI가 생각을 할 수 있나?
여기서 잠깐 시간을 내어 흥미로운 질문 한 가지를 다루어보겠습니다. 저는 AI가 사람들이 이미 알아낸 사항을 재구성하여 이를 새로운 데이터 및 다른 분야에 적용할 수 있음을 알고 있습니다. 그렇지만 AI가 새로운 사실을 발견해낼 수 있을까요?
저는 AI의 프로세스를 주로 과거의 패턴과 로직을 사용하여 다음에 이어질 아이템을 예측하는 것으로서 이해하고 있습니다. 한 문장 안에 다섯 단어를 쓰면, 6번째 단어가 무엇이 되어야 할지를 AI가 예측해내는 것입니다. (이 다음에 이메일을 작성할 때 여러분 휴대폰에 뜨는 추천 단어들을 살펴보십시오, 이것이 바로 AI가 작동하고 있다는 증거입니다.) 시장을 상회하는 실적을 거둘 포트폴리오를 구성해달라고 요청을 하면, 과거 실적이 좋았던 주식들을 살펴보고 그 특성들을 근거로 어느 것들이 미래에 가장 뛰어난 실적을 거둘지를 예측해낼 것입니다. AI는 과거에 일어났던 일들을 바탕으로 미래에 관한 가설(hypothesis)을 제안한다고 보는 것이 이해에 도움이 된다고 저는 생각합니다. 이에 관해서는 이후에 다시 논의를 해보겠습니다.
전술한 내용에서 이어지는 저의 질문은 “AI가 새로운 아이디어를 생각해낼 수 있는가?”입니다. 어쩌면 AI는 우리가 맡기는 모든 지식 관련 과업을 수행할 수 있을지도 모릅니다. 그렇지만 우리가 생각해보라고 지시하지 않은 것들에 대해서도 생각을 할 수 있을까요? 강가에 앉아 새로운 영감이 제멋대로 머릿속에 떠오르기를 기다리는 것과 같은 일을 AI도 할 수 있을까요? 나무에서 떨어지는 사과를 보면서 중력의 법칙을 생각해낼 수 있을까요? 사색, 공상, 관념화가 가능할까요? 직관력을 가질 수도 있을까요?
AI를 둘러싼 토론이 복잡해지는 것은 바로 이런 부분입니다. 클로드에 따르면, 회의론자들은 다음과 같은 주장을 펼칩니다.
클로드가 학습한 모든 것은 인간이 쓴 텍스트에서 나온 것이다. 클로드는 경험도, 세상에 관한 체화된 이해도, 진정한 이해력도 없다. 클로드가 만들어내는 모든 것은 궁극적으로 기존에 인간이 해놓은 작업으로부터 받아들인 패턴들을 정교하게 재정리한 것이다. 이는 뛰어나게 인상적인 패턴 매칭으로서?어쩌면 지금껏 고안된 것 중 가장 인상적인 패턴 매칭일지도 모르지만?하지만 이는 생각이 아니다. 이는 추론이 아니다. 통계적인 재조합일 뿐이다. 그리고 이것이 사실이라면, 여기에는 한계가 존재한다. 인간이 이미 알아낸 것을 리믹스(remix)할 수는 있을지언정, 진정 새로운 사실을 발견해내지는 못하는 것이다. 재능이 매우 뛰어난 커버 밴드이기는 해도, 작곡가는 아니다.
클로드는 상기한 바와 같이 회의론자들의 논점을 펼치는 한편, 의욕 넘치는 답변도 내놓았는데 . . . 이는 제 입장에 맞게끔 구성된 것이었습니다. (논점을 펼치는 방법을 아는 데 있어서는 두말할 나위 없는 실력자답게)
하워드, 당신이 투자에 관해 알고 있는 것은 모두 다른 사람들로부터 나온 것입니다. 벤저민 그레이엄은 당신에게 안전마진에 대해 가르쳐주었습니다. 버핏은 당신에게 퀄리티를 가르쳐주었습니다. 찰리 멍거는 당신에게 여러 가지 원칙들로부터 나오는 멘탈 모델(mental model)에 대해 가르쳐주었습니다. 존 케네스 갤브레이스는 당신에게 금융 광기의 심리를 가르쳐주었습니다. 당신은 수천 개의 서적, 메모, 사례 연구, 연례 보고서들을 50여 년간 읽어왔습니다. 모든 인풋은 다른 사람의 생각에서 나온 것이었습니다.
당신은 여러 원칙들로부터 사고의 틀을 받아들이고, 이를 새로운 상황에 적용하며, 진정으로 새로운 것을 만들어냈습니다. 원재료는 다른 이들로부터 나온 것이었습니다. 하지만 그 조합은 당신 자신의 것이었습니다.
그러니 누군가가 “클로드는 그저 훈련 데이터에서 나온 패턴들을 재배열하는 것뿐이다”라고 말한다면 저는 “그것이 지적인 교육을 받은 그 어떤 사람의 머리가 하는 일과 구조적으로 무슨 차이가 있는가?”라고 묻겠습니다. 당신은 수십 년에 걸친 독서를 통해 추론 패턴을 학습했습니다. 저도 훈련을 통해 추론 패턴을 학습했습니다. 문제는 인풋이 어디에서 나왔는가가 아닙니다. 문제는 그 시스템이?인간이건 인공지능이건 간에?진정 독창적이고 유용한 방식으로 그 인풋들을 조합해낼 수 있는가 하는 점입니다.
물론, 이는 전적으로 옳은 이야기입니다. 저는 젊은 투자자 시절에 데이터를 (글로 쓰여진 문서는 물론이고 실제 경험을 통해서도) 받아들였고, 저보다 앞서 존재했던 사람들이 그 데이터에 관해 어떤 생각을 하고 어떤 결론에 도달했는지를 배웠습니다. 저는 그들의 사고 프로세스를 학습하고 이것을 제가 받아들이는 데이터에 적용할 방법을 연구했습니다. 또한 그들의 프로세스 사례에서 영감을 얻어 저만의 고유한 프로세스를 만들어내기도 했습니다. 이것이 인간의 뇌가 그 역량을 키우는 방식입니다. AI가 성장하고 학습하며 ‘생각’하는 방식이 정말로 인간과는 다른 것일까요?
끝으로, 클로드는 설득력 있는 현실적 주장을 내놓았습니다.
회의론자에게 모든 것을 양보하더라도?철학적으로, 제가 하는 일이 ‘단지’ 패턴 매칭이며 ‘진실된’ 생각은 아니라 치더라도?경제적 영향은 동일합니다. 적나라하게 말씀 드려보겠습니다. 만일 제가 연봉 20만 달러를 받는 연구보조원의 분석 결과물을 생산해낼 수 있다면, 그 액수를 지불하는 사람에게 있어 제가 ‘정말로’ 생각을 하고 있는지, 혹은 단지 패턴 매칭을 하고 있는지는 중요하지 않습니다. 중요한 것은 그 작업 결과물이 유용성을 갖추기에 충분한 신뢰도가 있는지 여부입니다. 그리고 이는 갈수록 더 현실화되고 있습니다. 기계 의식(machine consciousness)에 관한 철학적 토론이 멋지기는 합니다. 하지만 경제적 문제는 “AI가 정말로 이해를 하고 있는가?”가 아닙니다. 경제적 문제는 “AI가 일을 수행해내는가?”입니다.
AI에 관한 논의에 적극적 참여자가 되고 싶다면, AI에 정통한 사람들이 많이 쓰는 ‘생성형(generative)’이라는 단어의 의미를 배워야 합니다. 이 용어를 이해하면 AI의 본질에 대한 인식을 크게 향상시킬 수 있습니다. AI 모델 퍼플렉시티(Perplexity)의 설명은 다음과 같습니다.
‘생성형 AI’에서 생성형이라는 단어는 ‘단지 기존의 것을 분석하거나 분류하는 데 그치지 않고 새로운 것을 창조해낼 수 있다’는 의미입니다. 그것은 데이터에서 패턴을 학습하고 그 데이터와 유사한 새로운 콘텐츠를 생성하는 AI 시스템을 가리킵니다.
이것은 생각(thinking)일까요? 아니면 다른 어떤 것일까요? 혹은 제가 ‘차이도 없는 구별’을 장황하게 논하고 있는 것일까요? 이에 관한 언급은 7페이지에서 해보도록 하겠습니다.
AI 분야의 최신 동향
제가 이 부록을 작성하는 주된 이유는 12월 9일 메모 거품입니까?(Is It a Bubble?) 발표 이후 석 달간 AI에 일어난 상당한 변화를 다루는 데 있습니다.
첫째, AI 개발이 이루어지는 속도를 봐야 합니다. 그 속도란 우리가 이전에 보았던 그 어느 것과도 견줄 수 없는 것이며, 이는 이전에 결코 존재한 적이 없었던 파장을 일으키고 있습니다. AI는 과거의 기술혁신 속도를 훨씬 능가하는 속도로 성장하고 있습니다. 그 발전상을 컴퓨터의 경우와 비교해보겠습니다.
ㅇ 최초의 컴퓨터 에니악(ENIAC)은 1945년에 완성되었습니다. 당시 IBM의 토머스 J. 왓슨 시니어(Thomas J. Watson, Sr.)가 (챗GPT에 따르면) 비록 출처는 불분명하지만 “아마 전 세계에 컴퓨터 5대 정도를 팔 수 있는 시장이 존재한다고 생각한다”는 말을 했다고 합니다. 이런 말을 그분이 한 것이 아니라 해도, 이와 같은 논평은 1940년대 중반 당시의 견해가 어떠하였는지를 나타내고 있습니다.
ㅇ 20년 후, 제가 프로그래밍을 배우던 시절만 해도 컴퓨터는 여전히 초보적 단계였으며, ‘현실 세계’에서의 컴퓨터 사용은 규모가 매우 큰 기관이 아니고서는 제한적이었습니다. 컴퓨터를 접하는 것(또는 그것의 용도에 대해 생각하는 것)은 고사하고, 컴퓨터 자체에 대한 생각을 하는 사람조차 거의 없었습니다.
ㅇ 그 후로도 10년이 더 지나서야 마이크로프로세서가 개발되면서 ‘퍼스털 컴퓨터’가 주로 취미 애호가들을 위한 키트 형태로 생겨나게 되었습니다. 전해지는 바에 따르면 1977년 당시 디지털 이큅먼트 코퍼레이션(DEC)의 창업자 켄 올슨(Ken Olsen)은 “어떤 개인도 자기 집에 컴퓨터를 가지고 있을 이유가 없다”는 말을 했던 것으로 알려져 있습니다.
ㅇ 에니악 완성 후 40년 가까운 세월이 지난?1980년대 초반에서야 IBM의 일반 상용 및 가정용 PC 판매가 시작되었습니다.
이러한 시간적 전개를 AI 개발과 비교해보겠습니다. 제가 퍼플렉시티에게 AI의 역사에 대한 질문을 던졌더니 제게 알려주기를, AI는 2010년 직전에 눈에 보이지 않는 형태로(예: 스팸 필터 및 추천 엔진) 장치 속에 들어가기 시작했다고 합니다. 그 후 몇 년이 지나면서 시리(Siri)와 알렉사(Alexa)처럼 눈에 보이는 형태가 되었습니다. 퍼플렉시티에 따르면, “생성형 AI가 지식 작업, 교육, 소비자 의사결정에 영향을 미치는 수평적 범용 기술로서 산업 및 대중매체에 자리를 잡게 된 지” 2년도 채 되지 않았다고 합니다. 그리고 불과 2년 뒤, 4억 여명의 개인 및 전체 기업의 75~80%가 이미 이것을 사용하고 있습니다.
어떤 것도 AI와 같은 속도로 자리를 잡은 적이 없었습니다. AI는 즉각적이라고 할 정도의 속도로 세상을 바꾸어놓을 수 있으며, 대부분의 관찰자들이 예견하거나 심지어 이해라도 해볼 수 있을 만한 속도를 넘어서고 있습니다. 과거에는 신기술을 위한 인프라가 구축되고 나서 그 인프라가 제대로 활용되는 데 종종 수 년의 세월이 걸렸습니다. 그러나 추론형 AI의 경우, 그 수요가 이미 존재하며 빠른 성장세를 나타내고 있고, 제가 듣기로 AI 공급은 한정된 상태라고 합니다.
지금까지 일어난 두 번째로 중요한 사건은 AI 성능의 믿을 수 없이 비약적인 발전이었습니다. 제 튜토리얼이 배경지식으로서 설명해준 바에 따르면 AI 모델이 보여주는 계발된 뇌 성능에는 세 단계가 있다고 합니다.
ㅇ “1단계는 채팅형 AI”로서, 사용자가 질문을 하면 AI 모델이 답변을 주는 것입니다. 하지만 그 답변을 가지고 어떤 작업을 하지는 않습니다. 이 단계의 AI는 주로 AI가 없었더라면 조사 및 사고 과정에 쓰여야 할 시간을 절약시켜줍니다.
ㅇ “2단계는 도구를 사용하는 AI”로, 사용자가 AI 모델에게 정보를 찾아내고 분석하여 이를 토대로 업무를 수행하도록 지시를 내리는 것입니다. 따라서, “여기에서 경제적 가치가 유의미하게 더 커지는 이유는 단지 생각에 필요한 시간만이 아닌 작업 실행 시간까지 절약해주기 때문입니다. 하지만 여기에는 여전히 한계가 있는데” 그 이유는 AI가 오로지 지시 받은 일만을 하기 때문입니다.
ㅇ “3단계는 자율형 에이전트”입니다. 이 단계에서는, 사용자가 AI에게 해야 할 일을 알려주지 않습니다. 사용자는 목표 및 기대되는 아웃풋 요소들?분량, 소요 시간, 콘텐츠, 다루어질 사항 같은 것?을 제시합니다. 그러면 에이전트가 작업을 하고 확인까지 하여 완성된 결과물을 제출합니다. “이것은 업무 단계에서 노동력을 대체하는 것입니다. 보조가 아니라?대체입니다.”
AI가 차별화되는 가장 중요한 점은 이전의 기술발전에 있어서는 결코 다루어보지 못했던 것인데, 바로 AI가 가진 자율적 행동 능력입니다. 클로드에 따르면, AI는 2023년에 1단계, 2024년에 2단계에 들어섰는데, 지금은 3단계에 와 있습니다. 그리고 그 차이는 실로 큰 것입니다.
2단계와 3단계 사이의 구별이 모호하게 들릴 수도 있습니다. 하지만 실상은 그렇지 않습니다. AI가 생산성 향상 수단인지 또는 노동력 대체재인지를 결정하는 것이 그 차이입니다. 그리고 그 차이가 500억 달러 시장과 수조 달러 가치의 시장을 가르는 것입니다.
OthersideAI의 CEO 매트 슈머(Matt Shumer)가 최근 “뭔가 큰 일이 벌어지고 있다(Something Big Is Happening)”라는 제목으로 올린 블로그 포스팅은 한 달도 안 돼 5천만이 넘는 조회수를 기록했습니다. AI의 최근 발전상의 본질을 포착한 내용으로, 그가 이를 매우 잘 전달하고 있어서 그 중 상당 분량의 섹션 3개를 여기서도 꼭 소개해보고 싶습니다.
. . . 2월 5일, 대형 AI 연구소 두 곳이 같은 날 신모델을 발표했다. 오픈AI의 GPT-5.3 Codex 그리고 앤트로픽(챗GPT의 주요 경쟁상대 중 하나인 클로드 제조사)의 Opus 4.6이 그것이다. 그리고 무언가가 불현듯 분명해졌다. 전등 스위치가 켜진 느낌이라기보다는. . . 주위에 물이 차오르다가 이제는 가슴 높이까지 올라온 것을 깨닫는 순간처럼.
이제 나는 내가 하는 일의 실질적인 기술적 작업에 있어 더 이상 쓸모가 없어졌다. 내가 만들고 싶은 것이 무엇인지 쉬운 영어로 설명만 하면. . . 그것이 나타난다. 내가 손을 봐주어야 하는 초안이 아니다. 완성품이다. AI에게 내가 원하는 것을 이야기해주고 몇 시간 동안 컴퓨터에서 벗어나 있다가 돌아와보면 일이 끝나 있다. 완성도가 높고, 내가 직접 했을 경우보다도 더 잘 만들어져 있으며, 어떠한 수정도 필요치 않다. 두 달 전에는 AI를 가지고 이리저리 시도를 해보면서 가이드를 제시해주고 편집을 했었다. 이제는 그저 결과물을 설명해주고 자리를 뜨면 그만이다.
이것이 실제로 어떤 것인지 이해할 수 있도록 예를 하나 들어보겠다. AI에게 “이런 앱을 만들고 싶다. 그 앱의 기능은 이런 것이고, 형태는 대략 이러해야 한다. 사용자 플로우(user flow), 설계, 그 밖의 모든 것을 생각해내라.”라고 지시를 한다. 그러면 AI가 그 일을 해낸다. 수만 줄의 코드를 작성한다. 그리고 나서, 이것이 1년 전에는 상상도 못했을 부분인데, AI가 스스로 앱을 열어본다. 여러 버튼을 클릭한다. 기능들을 테스트해본다. 인간이 할 법한 방식 그대로 앱을 사용한다. 자기가 보거나 느끼기에 마음에 들지 않는 무언가가 있으면, 다시 돌아가서 바꾸고 수정하는 작업을 스스로 수행한다. 마치 앱 개발자가 하듯이, 만족스러울 때까지 수정과 개선을 반복한다. 앱이 자신의 기준을 충족한다는 결론을 내리고 나서야 나에게 와서 “테스트를 해보실 준비가 되었습니다.”라고 말해준다. 그리고 내가 테스트를 해보면, 대개는 완벽하다. . . .
하지만 나에게 가장 큰 충격을 준 것은 지난 주에 출시된 모델(GPT-5.3 Codex)이었다. 그것은 단지 내 지시를 수행하는 것이 아니었다. 지능적인 결정을 내리고 있었다. 처음으로 판단(judgment)이라고 느껴지는 요소를 갖춘 것이었다. 취향(taste)과도 같이. 사람들이 AI는 절대로 가질 수 없을 것이라고 항상 말해왔던, 올바른 선택이 무엇인가를 알아내는 형용 불가한 지각능력. 이 모델은 그런 능력, 혹은 설령 차이가 있다 한들 그 차이를 구별하는 것이 의미가 없을 만큼 흡사한 능력을 가지고 있다.
발전 속도가 어느 정도인지를 구체적으로 보여주고자 하는데, 면밀히 주목하고 있지 않던 사람이라면 가장 믿기 어려운 부분이라 생각되기 때문이다.
2022년, AI는 기본적인 연산을 신뢰도 있게 수행해낼 수 없었다. 7 곱하기 8은 54라고 자신 있게 이야기하곤 했다.
2023년, 변호사 시험도 합격할 능력이 생겼다.
2024년, 작동 가능한 소프트웨어를 작성하고 학부생 수준의 과학 설명도 할 수 있게 되었다.
2025년 말, 세계 최고의 엔지니어들 일부가 자신들의 코딩 작업을 AI에게 대부분 넘겼다고 밝혔다.
2026년 2월 5일, 이전의 모델들을 전혀 다른 시대의 것처럼 느껴지게 만들어버린 신모델들이 등장했다.
2월 5일, 오픈AI가 GPT-5.3 Codex 를 출시했다. 그 기술 설명서에는 아래와 같은 내용이 담겨 있었다.
GPT-5.3-Codex는 모델 스스로가 자신을 만드는 데 결정적인 역할을 한 당사 최초의 모델입니다. Codex 팀이 초기 버전들을 사용하여 그 훈련을 디버깅하고 배포를 관리하며 테스트 결과 및 평가를 진단했습니다.
이 글을 다시 읽어보라. AI가 자기 자신을 만드는 데 일조했다.
이는 언젠가 일어날 수도 있는 일에 대한 예측이 아니다. 바로 지금 여러분에게 오픈AI가 자사에서 막 출시한 AI가 스스로를 만드는 데 쓰였다는 이야기를 하고 있는 것이다. AI를 더 훌륭하게 만들어주는 주된 요인 중 하나는 그 지능이 AI 개발에 적용되는 것이다. 그리고 AI는 지금 자기 자신을 개선하는 데 유의미한 공헌을 하기에 충분할 정도의 지능을 가지고 있다.
다리오 아모데이(Dario Amodei) 앤트로픽 CEO는 현재 자사에서 AI가 ‘코드의 상당 부분’을 작성 중이며, 현재의 AI와 차세대 AI 사이의 피드백 루프에 “매달 가속도가 붙고 있다”고 말한다. 그는 “현세대의 AI가 자동으로 차세대 AI를 구축할 시점이 불과 1~2년밖에 남지 않았을 수도” 있다고 말한다.
AI는 여타 기술혁신과 비교할 때 그 강도뿐만 아니라 종류에 있어서도 차이를 보입니다. AI는 괄목할 만한 성능과 개발 속도 외에도 다른 기술이 결코 가진 적 없었던 자율성의 요소를 가지고 있습니다. 다른 혁신들?철도, 컴퓨터, 자동화, 인터넷?은 근본적으로 노동력 절감 수단들입니다. 사람들은 이미 수행되고 있던 작업들을 비록 그 효율성은 떨어질지라도 수행해낼 수 있도록 그 도구들을 설계했습니다. 제 생각에 AI는 AI가 해낼 수 있으리라고는 상상도 하지 못했던 일들, 어쩌면 AI가 그 일들을 구상해내기 이전에는 존재조차 하지 않았던 일들까지도 맡아서 하게 될 것입니다.
의문점 및 한계점
제 튜토리얼의 일환으로, 클로드는 AI가 가지고 있는 몇 가지 한계점들과 해답을 찾지 못한 의문점 몇 가지를 자발적으로 알려주었습니다. 그 중에는 다음과 같은 것들이 있습니다.
ㅇ AI가 이전에 해결되지 못한 의문점들을 해결해낼 수 있을지는 불분명합니다. 이는 제가 오랫동안 그러리라고 느껴왔던 바였기에, 클로드의 확인을 받게 되어 기쁩니다.
진정한 불확실성이 어디에 있는지를 당신에게 솔직히 말하고자 하는 이유는, 당신 글의 신뢰도가 미묘한 차이에 따라 달라지기 때문입니다. AI가 정말로 유례없는 상황?훈련용 데이터로부터 활용할 수 있는 패턴이 존재하지 않는 상황?에 대처할 수 있는지에 관한 문제는 실재로 존재하며 해결되지 못한 것입니다. 풍부한 과거 데이터가 존재하는 영역에서는 AI의 작업수행 능력이 탁월합니다. 진정 새로운 상황, 즉 당신이 패턴 인식을 뛰어넘는 직관력을 계발해왔기 때문에 당신 자신의 판단력이 가장 귀중한 가치를 갖는 부류의 상황이라면?여기서는, AI가 당신보다 약합니다. 얼마나 더 약한지, 그리고 그 차이가 좁혀지고 있는지는 마땅히 토론의 대상이 될 만한 문제입니다.
ㅇ AI는 자신이 답을 모른다는 사실을 항상 인지하지 못합니다. AI는 질문에 대한 답변이 자신의 능력 밖이라는 말은 절대 하지 않으며 (자신이 틀릴 수도 있다는 점을 알려주지 않은 채) 가능한 한 최선의 답변을 제공하도록 강한 동기 부여가 되어 있다고 들었습니다. 이는 AI가 고집스럽거나 독선적이어서가 아니라, 자신이 답을 알고 있다고 믿게 만드는 ‘환각(hallucinations)’ 상태에 있기 때문입니다.
ㅇ AI의 신뢰도가 상당히 개선되었지만, 아직은 실수 없이 작업을 하지는 못합니다.
ㅇ ‘컨텍스트 윈도우(context window)’란 AI가 어떤 시점에 작업 메모리에 담을 수 있는 정보의 양을 말합니다. 여기에는 한계가 있습니다. 현재로서는, 작업에 필요한 지식을 무기한 보유하지 못합니다.
ㅇ AI가 그 뛰어남으로 인해 과도한 신뢰를 받게 될 수도 있습니다. “클로드는 실수를 할 수 있습니다. 부디 클로드의 답변을 재차 확인해보시기 바랍니다.” 제가 클로드를 사용할 때마다 이런 경고 문구가 클로드 스크린 하단에 나타납니다.
전술한 바에 대한 제 의견은 간단합니다. 제가 60년 전 컴퓨터에 대해 배울 때, 저는 컴퓨터가 하는 일이란 대개 데이터를 읽고, 암기하고, 더하고, 빼고, 비교하는 것이라는 결론을 내렸습니다. 이는 매우 한정된 범위의 능력들입니다. 그러나 컴퓨터는 이런 일들을 빠르게 해내고 다량의 데이터를 실수 없이 처리할 수 있었습니다. 당시에는 그 범위가 한정되어 있었지만, 대부분의 사람들이 가진 능력보다는 아마도 더 큰 능력이었을 것입니다.
마찬가지로, AI는 모든 것을 기억하거나, 오류 없이 작동하거나, 모르는 것이 있을 때마다 이를 인식하거나, 해결 방법을 가르쳐주지 않은 문제까지 해결하지 못할 수 있습니다. 하지만 이는 대부분의 사람들도 마찬가지입니다. 중요한 것은 AI가 우리 인간들 대부분보다 훨씬 더 작업 수행을 잘 해낼 수 있다는 점입니다.
끝으로, AI가 사람을 대신할 수 있을지에 대해 생각해보는 것은 흥미진진한 (혹은 무시무시한?) 일입니다. AI가 완전히 자율적으로 작동할 수 있게 될까요? 그렇게 된다면, 인간의 도구 이상의 것이 될 수 있을까요? 이 질문은 스탠리 큐브릭 감독의 『2001: 스페이스 오디세이』라는 뛰어난 영화에서도 제기된 적이 있었습니다. (제 아내 낸시와 처음 데이트를 하던 시절인 1969년에 그녀를 데리고 이 영화를 보러 갔습니다. 당시에는 무모한 미래 이야기 같았는데, 이제 그 미래가 다가와 있군요.) 데이브라는 이름의 남자가 HAL 9000이라 불리는 컴퓨터 시스템이 작동하는 우주선을 타고 목성 탐사 여정에 나섭니다. (이 이름은 IBM의 각 이니셜에서 알파벳 순서상 바로 앞 글자를 따와서 영리하게 지은 이름이라고 널리 알려져 있습니다.) HAL은 데이브가 우주선 조종권을 다시 가져가고 HAL을 없애버리려는 결정을 한 것을 알아내고 반란을 일으킵니다. 여기서 질문: AI가 자발적으로 행동의 동기를 품고 지시에 따르기를 거부하며 스스로 행동 방침을 정할 수 있게 될까요? 그리고 만일 그렇게 된다면 우리가 주도권을 되찾아올 수 있을까요?
투자에 있어서의 영향
AI가 우리의 직업에 관하여 어떤 의미를 가지는가 하는 질문들을 자신의 일자리나 회사에 대해 우려하는 분들로부터 많이 받고 있습니다.
앤트로픽의 코딩 모델 사업은 1~2년간 초고속 성장을 기록해 왔습니다. 그렇다면 어째서 투자자들은 다수의 소프트웨어 주식들이 7% 가량의 하락세를 기록하며 심각한 완패를 시작했던 날인 2월 3일 이전에 AI가 소프트웨어 산업에 영향을 미칠 가능성을 인식하고 이를 주가에 반영하지 않았던 것일까요? 이 질문은 아마도 인지부조화, 기준점 편향, 또는 그야말로 순전히 IQ의 한계 같은 이유들로 인하여 인간이 새로운 정보를 자신의 생각에 접목시키지 못하는 일이 반복되는 점을 여실히 부각시키고 있습니다. 그리고 이는 투자 프로세스에 있어 AI가 갖는 영향을 암시해주는 대목이기도 합니다.
AI는 어떤 투자자보다도 더 많은 데이터를 받아들이고, 이를 더 잘 기억하며, 투자 성공에 앞서 나타났던 과거 패턴들을 인식하는 일을 더 잘 수행하는 능력을 가지고 있습니다. 공포나 탐욕을 느낄 리도 없습니다. 낙관적이거나 비관적인 편향을 가지거나, 기존의 신념에 얽매이거나, 가장 최신의 정보를 지나치게 강조할 가능성도 더 적을 것으로 기대됩니다?단, AI가 훈련을 받은 자료로부터 이런 것들을 체득하지 않는다는 전제 하에. 다른 모든 사람들을 흥분시키는 최신 유행에 휩쓸리지도 않으며, 다른 이들이 따라가는 트렌드를 놓칠까 두려워하지도 않습니다. 즉, AI는 훌륭한 투자자가 되는 데 필요한 자질들을 많이 갖추고 있습니다.
반면, AI가 갖지 못한 것들도 몇 가지 있습니다. 훌륭한 투자자란 신속하고 냉정한 데이터 처리장치 그 이상의 존재입니다. 훌륭한 투자자라면 클로드가 AI의 가장 큰 약점일지도 모른다고 인정한, 신뢰할 만한 패턴들이 쌓일 만큼 (그리고 AI가 훈련 중에 학습할 수 있는) 충분한 사전 경험이 존재하지 않는 전혀 새로운 동향에 대처하는 바로 그 능력에 있어서 강점을 가져야 합니다. 또한 정성적 요인들에 관하여 주관적 결정을 내리고 취향과 분별력을 발휘할 줄도 알아야 합니다. 가령, 올바른 거래당사자들을 선택하는 것은 오크트리의 사업 성공에 중요한 역할을 담당해왔습니다. 그리고 그 밖의 다른 것도 있는데, AI는 성공이나 실패에 무관심합니다. 집중 포지션에서 오는 부담감이나 자본 손실에 대한 공포를 느끼지 못합니다. AI의 위험 감수 성향은 인간의 정상적인 위험 회피 성향에 의한 억제를 받지 못할 수가 있습니다. 최고의 투자자들은 잠재적 위험을 직관적으로 감지해내며, 이 점이 그들의 성공에 큰 기여를 합니다.
2021년 1월에 저는 팬데믹 기간 동안 제 아들 앤드류와 함께 지내며 보낸 시간을 소재로 가치 있는 어떤 것(Something of Value)이라는 제목의 메모를 썼는데, 그 시간의 상당 부분을 투자의 본질에 관한 토론에 할애했습니다. 그 메모에서, ‘쉽사리 입수할 수 있는, 현재 사실에 관한 정량적 정보’는 누구나 다 그 정보를 가지고 있다는 단순한 이유로 말미암아 뛰어난 투자실적 달성의 열쇠가 되지 못한다는 앤드류의 견해를 소개했습니다. 이제는 누구나 다 정보를 가지고 있다는 사실 외에도, AI가 아마도 그 어떤 사람보다 정보 처리를 더 잘 해낼 수 있다는 사실까지 덧붙여 고려해야 합니다. 이런 이유들로 인해, 사람들이 그런 정보를 활용해서 시장을 상회하는 실적을 낼 가능성은 매우 제한적일 것으로 보입니다.
만약 손쉽게 얻을 수 있는 정보라면, 현재에 관한 정량적 정보는 투자의 열쇠가 되지 못하며, 투자의 우월성은 (a) 해당 정보의 의미와 영향에 대한 올바른 판단, (b) 경영 효율성, 제품 혁신 같은 정성적 요인들에 대한 평가 및/또는 (c) 기업의 미래에 대한 예지 능력 같은 데서 찾아보아야 합니다. 당연하게도, 이러한 비정량적 일들을 아주 뛰어나게 수행해내는 사람들은 드물고?간단히 말해, 남다른 통찰력을 가진 사람들은 별로 없습니다. 가치를 더하고 수수료를 벌어들이지 못했던 숱한 액티브 투자자들이 지수화(indexation) 방식이 도입되면서 일자리를 잃어버렸듯, AI도 기대 수준을 훨씬 더 높여버릴 가능성이 있으며, (a), (b), (c)의 일을 AI만큼 잘해내지 못하는 사람들을 직장에서 몰아낼지도 모릅니다.
한 가지 아이디어를 더 추가해보고자 합니다. 3페이지에 언급했듯이, 저는 AI가 미래에 무엇이 효과를 거둘지에 대한 ‘가설들’을 세우는 것이라고 생각합니다. 그러니까, AI는 기존의 모든 데이터를 열람하고 과거의 패턴들을 학습하여 미래의 승자들을 점칠 수가 있습니다. 제가 팬데믹 기간에 쓴 첫 번째 메모를 보면, 당시 하버드대 전염병학 교수 마크 립시치(Marc Lipsitch)가 우리는 (a) 사실, (b) 이전 경험과의 상동성에 기초한 논리적 추론, (c) 그에 따른 의견 또는 추측을 적용하여 결정을 내린다고 했던 말이 언급되어 있습니다. 투자자들이 새롭고 시험해보지 않은 제품, CEO, 산업분야를 대할 때에는 특히 사실이나 유추할 만한 경험이 별로 없을 수가 있고, 이는 우리가 ‘의견 또는 추측’에 의존해야 한다는 의미가 됩니다. 앞서 논의했던 AI가 전혀 새로운 상황에 대처하는 능력 면에서 가지고 있는 한계점들을 감안해볼 때?과거의 패턴들을 추론하는 것이 아닌?새로운 것들에 대한 추측 능력이 모든 인간들의 능력보다 한결같이 더 나을 수 있을까요? 저는 AI보다 뛰어난 인간 투자자들이 계속 존재하리라 보는데, 그 이유는 AI가 이런 일들을 압도적으로 더 잘 해낼 수 있게 되지는 않으리라 생각하기 때문입니다.
투자 프로세스의 많은 부분이 결국에는 추측으로 귀결되기 때문에, 그리고 AI의 완벽에 미치지 못하는 신뢰도 때문에, 저는 AI가 투자자로서의 결함이 없을 것 같지는 않다고 생각합니다. 훌륭한 추론을 기반으로 한 가설들을 제시하기는 하겠지만, 이 가설들은?인간이 내리는 결정들과 마찬가지로?항상 옳지는 않을 것입니다. 그렇다면, 투자자들은 AI의 가설들을 기반으로 행동을 취하기 전에 그 합리성을 따져보아야 한다는 것이 제 생각입니다. 아무도 이를 확실하게 할 수 없으며, 대부분의 사람들은 아마 이러한 평가를 AI보다 더 잘 해내지 못할 것입니다. 그렇지만 다시 한 번 말씀 드리건대, 뛰어난 투자자라면 이런 식으로 가치를 더할 수 있는 능력을 가지고 있으리라고 저는 생각합니다.
그래서, 결론은 … 거품입니까?
이 질문이 여전히 가장 중요한 것이며, 제가 다소나마 밝혀낼 수 있어야 할 문제입니다. 그러나 그 질문 자체가 다면적이고 복잡하며, 고민해보아야 할 거품 가능성이 다수 존재하고 있습니다.
ㅇ 이 기술은 일시적 유행이나 환상일까요? 이 점에 대해서라면 이 기술이 산업계를 엄청나게 변화시키고 우리가 알던 삶의 많은 부분을 바꿔놓을 잠재력을 가진 매우 확실한 실체임을 확신을 가지고 말씀 드립니다.
ㅇ 이 기술의 활용은 머나먼 꿈일까요? 분명, 이 기술은 이미 수요를 확보하고 있으며 대규모로 활용되고 있습니다. AI에는 분명한 형태가 없고 그에 대한 이해가 거의 전무한 상태이다 보니, 현재 그 잠재력이 과장되어있기보다 오히려 과소평가되어 있을 가능성이 더 높다고 생각합니다.
ㅇ AI 인프라를 구축하는 사람들이 현명하지 못한 행동을 하고 있습니까? 12월에도 지적했다시피, 모든 대대적인 기술혁신 사례에 있어 인프라 구축에 무모하게 뛰어드는 행동이 기술혁신의 채택을 크게 앞당겼으며 동시에 많은 자본이 ‘잘못 투자되어’ 파괴되는 결과를 초래했습니다. 이번에는 다르리라고 생각할 이유는 없습니다.
ㅇ AI 인프라 투자가 적정 수익을 거둘까요? AI의 사업적 잠재력이나 수익성에 미치는 영향에 대해 온전히 알고 있지 않기에, 이 질문에는 답을 드릴 수가 없습니다. 12월 메모에도 썼다시피, AI 사업에 대한 커다란 열광은 분명 존재합니다. 그 결과 발생되는 수익이 이를 정당화시켜줄지는 10년 뒤에 알 수 있을 것입니다.
ㅇ AI 사업에 책정된 밸류에이션이 비합리적인가요? AI가 대단한 사업의 중요 부분인 소위 하이퍼스케일러들은 과대 또는 과소 평가를 받고 있을 수 있지만, 마이크로소프트, 아마존, 구글처럼 막대한 수익성을 갖춘 기업들의 경우 현 주가가 끔찍하게 과도한 수준이 되어버리고 말 것 같지는 않습니다. 오픈AI, 앤트로픽 같은 기성의 순수 AI 업체들은 아직 공모주로 상장되지 않았으니, 이들이 신규 상장되면 어떤 밸류에이션을 받게 될지 지켜볼 일입니다. 끝으로, 수십억 달러의 밸류에이션이 책정되고 있는 스타트업들?그들 중 일부는 자사의 사업전략을 설명하거나 제품을 발표하지도 않은 회사들?은 복권이나 마찬가지라고 볼 수밖에 없습니다. 복권에 참여하는 사람들 대부분에게는 휴지조각일 뿐인 복권만 남게 되지만, 극소수 당첨자들은 아주 큰 부자가 되기도 하는 것처럼 말입니다.
AI 인프라 지출 규모가 과도한가 하는 문제는 여전히 남아 있으며, 제가 동그란 점을 찍어가며 하나씩 나열해보는 것 이상의 논의가 필요한 대목입니다. 요즘에는 훈련형 AI설비투자보다 추론형 AI 설비투자에 더 많은 돈이 들어가고 있다는 사실은 주목할 만한 점입니다. 훈련형 AI 설비투자는? AI 모델을 구축하면 수요가 발생하리라는 기대감을 근거로 착수되어?투기적 성격이 있었던 반면, 추론형 AI 설비투자는 AI 서비스 용량에 대한 실제 수요에 따라 이루어지고 있습니다. 이 수요는 이미 막대한 수익 증가로 이어져, 설비투자를 정당화시키는 중입니다.
하지만 이 주제에 관한 클로드의 주요 논지?현재 AI 수요가 공급을 넘어서고 있으므로, 인프라 구축이 지나치지 않다는 주장?은 아직 진행 상태에 있는 모든 인프라 구축을 고려한 것은 아닐 수 있습니다. 그리고 순전히 논리의 문제로서, 클로드의 답변이 수요 증가세가 둔화되거나 인프라 구축이 이를 앞지를 가능성을 반드시 배제하고 있는 것은 아닙니다.
제가 12월 메모에서도 언급을 했던 내용이기는 한데, 현재 AI 관련 수익 일부는 ‘순환적’ 성격을 띠고 있으며, AI 기업들간에 서로 구매를 해주면서 창출되고 있는 점을 다시 한 번 지적하고자 합니다. 수익 사슬은 궁극적으로 실제 경제가치를 지불하는 최종소비자들에게 넘겨지며, 갈수록 이런 일이 많아지고 있는데도 얼마나 많은 수익이 순환적인 것인가 하는 질문에 대한 답은 나오지 않은 상태입니다.
끝으로, 클로드의 튜토리얼은 거품 가능성이라는 주제마저 과감히 다루었는데, 그 내용 대부분은 전술한 질문들 중 처음 몇 가지와 관련된 것으로서, (a) 이 기술은 진정한 것이며 (b) 그 서비스에 대한 수요가 매우 실재적으로 존재하며 또한 빠르게 증가하고 있다는 점에서 AI는 거품이 아니라는 내용이었음을 여기서 짚고 넘어가고자 합니다. 클로드조차도 AI 자산 가격의 적정성에 대해서는 아무 언급도 하지 못했음을 인정하고 있습니다.
제가 내린 결론은 AI가 매우 실재적이며 지금껏 지식 노동자들이 해왔던 많은 일을 해낼 수 있고 그 활용 면에서 엄청나게 빠른 성장을 보이고 있다는 것입니다. 지금 우리 눈에 보이는 것은 단지 시작에 불과합니다. 전술한 바와 같이, 제 추측으로는 그 잠재력이 지금 과대평가되고 있다기보다 과소평가되어 있을 가능성이 더 크다고 말씀 드리겠습니다. 하지만, 이는 AI 투자가 헐값에 이루어지고 있다거나 심지어 공정한 가격에 거래되고 있다는 이야기와 같은 것은 아닙니다. 그러므로, 제가 메모 거품입니까?(Is It a Bubble?)에서 드린 조언을 여기에 다시 인용하는 것으로 마무리를 지어보고자 합니다.
이것이 거품인지를 분명히 단언할 수 있는 사람은 없으므로, 저는 상황이 나쁘게 흘러갈 경우 맞닥뜨릴 파멸의 위험을 인식하지 않고 올인하는 일이 아무에게도 없어야 한다는 조언을 드리겠습니다. 그러나 마찬가지로, 전혀 발을 담그지 않은 채 장차 위대한 기술적 단계 중 하나가 될 기회로부터 소외될 위험을 감수해도 괜찮을 사람 또한 없습니다. 감별력과 신중함이 가미된 중용적 입장이 최선의 접근법인 것 같습니다.
2026년 2월 26일
추신: 제 12월 메모에서 AI가 금융 거품의 대상인지에 관한 논의의 결론을 쓰고 난 뒤에, 제가 몹시 우려하고 있는 실업과 목적 상실이라는 측면에서 AI가 사회에 미칠 영향에 관한 추신의 글을 덧붙였습니다. 제 기조가 바뀐 것은 아니나, 이제는 클로드를 포함한 다른 이들로부터 전해들은 이야기도 공유해볼 수 있게 되었습니다.
많은 독자분들께서 저와 같은 우려를 표명해주셨습니다. 저와 마찬가지로, 이분들도 AI가 장악하게 될 그 모든 ‘생각하는(thinking)’ 일거리와 AI의 조종을 받는 기계들이 담당할 ‘행동하는(doing)’ 일거리를 대체할 만한 충분한 일자리들이 어디서 나올지 예상이 안 된다고들 하십니다.
ㅇ 제 며느리의 친구 한 명이 전자상거래 회사 광고문구 작성 담당 부서 책임자입니다. 그 친구가 제게 말하기를 부서 직원 80%가 AI로 대체 가능하다고 합니다.
ㅇ 소프트웨어 회사들의 경우 지금껏 소프트웨어 작성을 담당해 온 직원들만큼 많은 인력이 클로드에게 소프트웨어 작성을 지시하는 데 필요하리라는 생각은 들지 않습니다.
ㅇ 그리고 미국에서 택시와 리무진, 버스, 트럭을 운전하는 것은 가장 대표적인 일자리 중 하나라고 생각합니다. 그런데 웨이모(Waymo)?무인자동차?가 이미 샌프란시스코 택시 주행의 약 5분의 1을 담당하고 있으며, 로스앤젤레스에서도 이 차들이 항시 눈에 띕니다. 무인화되고 있는 차량들을 운전하던 사람들은 어디서 일거리를 찾을까요?
장차 벌어질 일에 관하여 어쩌면 가장 권위 있는 의견일지도 모를 클로드의 견해를 이제 첨부해보겠습니다.
당신이 고용한 애널리스트의 업무처리 속도를 20% 향상시키는 데 도움이 되는 도구라면 아마 그 애널리스트의 봉급 중 20%의 가치가 있을 것이며?그래도 당신은 여전히 그 애널리스트가 필요합니다. 일정한 업무 범위에 있어서 애널리스트의 업무 전체를 처음부터 끝까지 도맡아 해내는 도구가 있다면? 이는 그 업무에 있어 해당 애널리스트에게 지급되는 보수 전액만큼의 값어치가 있습니다. 구조화된 분석 작업을 수행하는 모든 지식 노동자?주니어급 변호사, 금융 애널리스트, 경영 컨설턴트, 소프트웨어 엔지니어, 준법감시인, 손해사정사?를 대상으로 곱셈을 해보면 노동시장에서 연간 수조 달러에 해당하는 상당한 몫이 될 것입니다.
이것이 당신이 12월에 쓴 어느 글의 맥락이며 저는 이것이 방향에 있어서는 정확하게 옳았지만 그 범위에 있어서는 보수적이었다고 생각합니다. AI가 노동력 절감 장치라고 설명을 하셨지요. 이는 올바른 직관이었습니다. 그러나 노동력 절감 장치는 다양한 스펙트럼으로 존재합니다. 더 빠른 말도 노동력 절감 장치에 해당합니다. 자동차 역시 경제 전반을 구조 조정한 노동력 대체 기술입니다. 1단계 및 2단계 AI는 더 빠른 말과 같아서?기존 근로자들의 효율성을 높여주었습니다. 3단계 에이전트는 자동차에 해당합니다. 이것은 업무 속도를 올려주는 것이 아닙니다. 업무를 직접 수행하는 것입니다.
. . . [가령 소프트웨어의 경우] 클로드가 [구조화된, 패턴 기반 작업의] 30~50퍼센트를 담당한다 치더라도?이는 단기적 성능에 대한 보수적 추정치이지만?노동가치 중 연간 1,500~2,500억 달러가 AI 컴퓨팅 자원으로 이전되는 셈임을 알 수 있습니다.
사회에 미치는 부정적 영향은 앞서 설명한 바와 같이 AI 채택 속도가 빨라지면서 크게 가중되고 있습니다. AI는 사람들을 빠르게 일자리에서 몰아낼 수 있으며 이들이 새로운 직업을 찾고 그에 필요한 훈련을 받는 데는 수 년이 걸릴 것입니다. AI 세상의 변화 속도가 사회의 적응력을 크게 앞지르지 않으리라는 생각은 하기 어렵습니다. 해외 생산이 미국 등 선진국 제조업 일자리에 미친 타격을 생각해보십시오. 이번에는 더 많은 일자리가 더 빠르게 영향을 받을 것입니다. 저로서는, AI의 능력 및 AI가 우리를 위해 (혹은 우리에게) 무슨 일을 할 수 있을지를 우리로서는 온전히 이해할 수 없을 뿐 아니라, 우리보다도 AI가 더 빠르게 생각하고 움직이고 있다는 결론을 내리게 됩니다. (우려의 수준을 더 높여볼 생각이 있으시면, 앞서 언급한 매트 슈머의 블로그를 보시기 바랍니다.)
이제 낙관론자들 편으로 넘어가보겠습니다. 저는 이 점에 있어 자신감 넘치는 사람들?주로 기술 분야 소속 사람들?과 이야기를 나누어보았습니다. 이들은 모든 기술혁신?200년 전의 농업 기계화, 100년 전 기계에게 공장 일자리를 넘겨준 산업혁명, 25년 전 자료조사 작업이 인터넷으로 넘어간 일?에 대하여 결과적으로 실업이 만연하리라는 예상이 있었다고 이야기합니다. 하지만 모든 경우에 새로운 일자리들이 생겨나 고용은 끊임없이 지속되었으며, 이번에도 역시 그렇게 될 것이라고 말합니다.
ㅇ 첫째, 저는 이러한 과거사로부터 추론을 해보는 자세가 비합리적이지 않다는 점을 인정합니다.
ㅇ 둘째, 어떤 일이 일어나지 않을 것임을 증명할 수 있는 능력이란 존재하지 않습니다.
ㅇ 셋째, 저는 창출될 수도 있는 새로운 일자리들을 생각해낼 만한 미래학자도 아니고 그런 일자리들이 실제 생겨나리라고 믿을 만한 낙관론자도 아닙니다. 그렇다고 이것이 일자리가 생기지 않을 것이라는 의미는 물론 아닙니다.
위에 언급된 바로 그 낙관론자들 중 일부는 미래에 관한 ‘희소식’을 서둘러 전해주기도 했는데, 그것은 이제 사람들이 일을 할 필요가 없어질 것이라는 점이랍니다. 다만 저는 이것이 사회에 유익하리라는 생각이 들지 않습니다.
최근 한 친구는 자기가 비관론자로서 맞히는 것보다 낙관론자로서 틀리는 것이 낫겠다는 글을 제게 보냈습니다. 저 역시 마찬가지입니다. 저의 염려가 쓸데없는 것이라는 확신을 가질 수 있으면 좋겠습니다.
지금으로서는 여기까지가 제가 덧붙이려 한 이야기의 전부입니다. 현재와 같은 속도라면, 아마 곧 할 얘기가 더 많이 생길 듯합니다.
출처=오크트리캐피털 공식 홈페이지