EP 91
26.1Q 비즈니스 관점에서의 AI
인트로 00:00
노정석 녹화를 하고 있는 오늘은 2026년 3월 21일 토요일 아침입니다. 오랜만에 비즈니스 이야기를 한번 해보려고 합니다. 지금까지는 저희가 AI 자체에 대한 이야기를 많이 했는데, 그간에 쌓인 변화들, 그리고 변화된 인사이트들 위주로 한번 모아서 이야기해 보려고 하고요.
오늘 이 정도 순서로 해보려고 합니다. 저희가 지난주에 승준님과 함께 OpenClaw 밋업에 갔었고, 그 이야기를 초반에 해보려고 하고, AI 게임에 대한 본질적인 관점도 한번 정리하고, 그다음에 사업적인 이야기들, 그리고 뒤에는 AX에 대해서도 다루겠습니다. 관심 많으시죠, 다들 AI Transformation이라고 읽던데, 저희 회사도 나름 자체 비즈니스에 AX를 많이 적용했는데, 그에 대한 이야기를 짧게 해보는 시간으로 갖도록 하겠습니다.
OpenClaw Seoul 밋업 후기 00:52
노정석 저희 지난주 토요일 아침에 진원님이랑 녹화를 했잖아요. 진원님 녹화하고, 그날 오후에 Scionic 사무실에서 OpenClaw Seoul 밋업이 있었는데 가서 한번 뵀었죠. 오랜만에 반가운 얼굴들을 굉장히 많이 봤고, 보고 싶었던 젊고 뛰어난 분들이 거기에 다 모여 계셔서 한번 만나볼 수 있는 좋은 자리였던 것 같아요. 해시드의 김서준 대표님도 오셔서 발표해 주셨고, 승준님이랑 저도 서 있고, Oh-My-OpenCode 만드셨던 연규님, 민석님, 대략 행사 분위기가 이 정도였어요.
Scionic 새 사무실을 굉장히 예쁘게 잘 만들었더라고요. 지하 공간을 세미나, 발표 공간으로 만드셨는데, 저희도 가끔 한번 부탁드려서 이용하면 좋을 것 같습니다.
최승준 재미있게 봤고, 또 좋은 자극을 받았던 것 같습니다.
노정석 발표가 굉장히 많았는데, 웃고 떠들고 사람들이랑 이야기하느라 저도 모든 발표를 본 건 아닙니다. Oh-My-Claude-Code, Oh-My-Codex 만드셨던 허예찬님 발표가 굉장히 재미있었어요. 이분이 OpenClaw로 가재 가족을 만들고 매니징하면서, 사실상 가재 가족이 그 아래 OMX라든지 OMC라든지 코딩 하네스들을 다루는 형태로 프로젝트를 진행하시는데, 이 라이프사이클을 어떻게 돌리시는지에 대해서 이야기해 주셨는데 굉장히 재미있었습니다.
가재 가족과 AI 하네스 라이프사이클 01:56
최승준 가재탕, 가재 무덤 생각나네요.
노정석 발표도 굉장히 재미있었고, 형식도 ElevenLabs 보이스 레코딩을 활용해서 쓰셨는데, 다 유명하신 분들이세요. 이미 사진들도 다 알려지신 분들인데, 저는 이분들을 밖에 나가서 젊은 신선들이라고 부르고 있습니다. 방법론들이 굉장히 달라요. 저희가 항상 learn, unlearn의 중요성에 대해 이야기하는데, 저도 이분들 이야기를 듣고 그날 굉장히 unlearn을 하는 좋은 계기가 됐습니다. 방법론들이 다 독특하신데, 뒤에서 한 번 더 AI의 본질적인 의미에 대해 정리하면서 이야기하겠지만, 토큰을 어떻게 더 효율적으로 더 많이 써서 우리가 직접 문제를 푸는 방식이 아니라 목표만 설정하면 AI가 모든 문제를 풀게 하는 형태의 워크플로우입니다. 예찬님도 가재 가족이 역할이 아닌 작은 AI 회사라고 이야기하셨는데, 본인을 형님이라고 지칭하시면서 이 형님이 리딩하는 AI 하네스들이 메타 레이어에서부터 아래로 계속 레이어를 중첩시켜서, 어떤 task가 생기면 아래로 cascade 되면서 일이 해결되고, 다 해결되면 올라와서 리포팅 되고, 워크플로우가 안정된 부분은 완전 자동으로 돌게 하는 구조를 굉장히 잘 만들어 놓으셨더라고요.
이렇게 세팅된 방법론들이 젊은 신선들이라고 부르는 우수한 분들의 방법론으로 자리 잡고, 그 기반에서 좋은 하네스들이 만들어지는 것을 목격한 게 재미있었습니다. 저도 토요일에 갔다 와서 자극을 받아서 일요일, 월요일 이틀 동안 열심히 하네스를 깎았어요. OpenClaw를 다 셋업해서 있었던 것들을 다 깔아보고, 워크플로우를 복사하고 제 업무에서 메타 레이어를 까는 일들을 열심히 했고요. 정말 재미있었어요.
Chedex와 Ralph Loop, 하네스 깎기 04:17
노정석 그러면서 사실 저도 Ralph loop라든지, 오토파일럿, 오토 리서치, 그리고 우로보로스라는 프레임워크를 만드신 분도 있는데 이건 스펙을 정말 잘 쓰는 것에 특별히 집중한 하네스입니다. 그런 것들을 전부 까보면서 루프를 돌고, 필요한 것들은 꺼내고 필요하지 않은 것들은 걸러내면서 저만의 하네스를 만들었는데, Chedex라고 이름 붙였습니다. 그걸 깎아보면서 아, 업무가 다 이렇게 돌아가겠구나 하는 것들을 많이 느꼈습니다.
간단하게 정리하면, 방향을 결정하고 목표를 결정하는 데 있어서는 human-in-the-loop를 돌면서 끊임없이 티키타카하는 게 중요하고, 어느 정도 목표에 도달하면 그때부터는 Ralph loop를 n번 돌리면서 하네스를 돌려 대면 안에 있던 혼돈들이 다 깎여 나갑니다. 매우 정제된 형태로 에센스만 남게 되는데, 이 과정을 통해서 업무가 하나씩 끝나는 걸 보면서 이게 새로운 방법론이자 새로운 회사구나 하는 생각을 많이 하게 된 좋은 계기였습니다.
최승준 유행이 되고 있는 것 같기도 합니다. YC의 Garry Tan도 gstack이라는 거를 만들어서 좀 최근에 이슈가 많이 되던데 CEO들이 하네스 깎는 게 좀 유행되고 있는 거 아닌가요?
노정석 그런 것 같아요. 사실 하네스라는 게 일종의 워크플로우인데, 따지고 보면 각자가 각자를 카피하고, 일반적인 것들을 조금 다르게 묶어 놓은 것들이에요. 그것들을 다 모아놨다고 그대로 쓰는 것도 아니고, 하네스 역시 본인만의 관점을 가지고 다시 깎아서 쓰는 경우도 많아서 한동안은 트렌드가 되지 않을까 하는 생각이 듭니다.
건강검진 알레르기 경험과 인간의 감각 06:34
노정석 그런데 중요한 경험이 있었어요. AI가 아무리 발전하고 좋아져도 우리는 인간이구나라는 사실을 깨닫게 된 계기인데요. 제가 지난주에 건강검진을 했는데, 특정 약에 알레르기가 있는 걸로 알고 있어요. 혈관 조영제인데, 투여하고 나면 항상 몸에 두드러기가 약하게 나오고 컨디션이 나빠지는 걸 알고 있었습니다. 이게 몇 번 반복되고, 이번에 거의 7, 8년 차에 횟수로는 네다섯 번째가 되니까 완전히 면역 반응이 세게 와서 거의 이러다 죽겠다 싶은 직전까지 가더라고요.
스테로이드 주사 맞고 약 먹고 그냥 누워 있는 2, 3일을 보냈는데, 이 경험을 하고 나니까 인간인 것은 무엇인가에 대해 다시 생각하게 되더라고요.
노정석 누워서, 재미있는 점은 예전과 다르게 제 약에 대한 경험이나 반응 같은 것들에 대해 GPT 5.4랑 끊임없이 몇 시간을 대화했거든요. 다 알려주더라고요. 왜 그렇다, 이게 문제가 의심된다, 이 확률이 높다. 계속 나름의 Ralph loop를 돌다 보니까 문제가 확실해지고, 이런 정도면 시간은 얼마나 걸릴 거라는 처방까지 나오게 되니까, 물론 옆에서 의사 선생님이 다 이야기해 주고 계시지만, 의사 선생님이 이야기해 주시지 않는 그 뒤에 있는 모든 prior들을 전부 알려주시니까 정말 새로운 세상으로 가겠다는 생각도 들었고,
그리고 제가 원래 회사를 창업할 때 화장품을 파는 게 시작이었지만, 결국은 인간이 어떻게 하면 더 건강하고 더 예쁜 상태에서 오래 살 수 있을까가 본질이었어요. 제가 하고 있는 브랜드 이름이 KYYB인데, Keep You Young and Beautiful에서 앞 글자만 딴 거거든요. 어떻게 하면 더 젊고 아름답게, 그걸 남은 인생의 비전으로 삼아야겠다고 해서 브랜드 이름을 KYYB라고 지었는데, 이 사업을 다시 강력하게 복귀해야겠다는 다짐을 하게 됐습니다.
GTC 키노트와 ‘일의 미래’ 08:55
최승준 근데 또 아픈 중에 GTC 보신 거 아니에요?
노정석 할 일이 없어서 Jensen Huang 이야기하는 거 2시간 동안 멍하니 보고 있었죠. 승준님도 GTC 보셨어요?
최승준 아니요. 대충 클립들만 봤고 아 그런가 보다 했지 자세히 들여다보진 않았는데요. 그런데 또 재미있는 패턴이, 정석님도 이번에 아프셔서 그렇게 대화했는데, 주변 분들 보니까 누워서 수액 맞을 때 코딩하시는 분들이 있더라고요. 이제는 할 수 있으니까.
노정석 말로도 할 수 있고 네.
최승준 그리고 지인들 만나서 밥을 먹는데, 개발자분들이 계속 스마트폰을 보면서 노티 확인하고 에이전트한테 일을 주는 풍경이 무척 달라졌어요. 뭐 하시냐고 했더니 일을 계속 주고 있더라고요.
노정석 감독관처럼요. 그날 OpenClaw 미팅에서도 보니까 예찬님이 아이패드 하나 가지고 오셔서 CLI 몇 개를 돌리시면서 다 감독하고 계시더라고요. 저게 일의 미래구나 하는 생각을 하게 됐습니다.
AI 비즈니스의 본질적 관점으로 전환 09:54
노정석 올해 들어서 생산성 향상이라든지 코딩이라든지 이런 이야기는 어떻게 보면 이제 끝난 이야기고, 일상으로 가는 일만 남았다고 생각하고 있고, 또 굉장히 많은 Frontier Lab들이나 Latent Space라든지 앞서가는 사람들은 거의 대부분 AI 사이언스 쪽으로 렌즈를 많이 돌리고 있잖아요. 그런 것들과도 얼라인이 돼 있지 않나 하는 생각이 듭니다.
그러면 오늘 뒤에 내용들을 쭉 달려야 하니까 진행해 보겠습니다. 들어가기 전에, 지금 AI 비즈니스 세상을 어떻게 바라봐야 하는지에 대해 논리들을 써본 건데, 근원적인 관점 하나를 먼저 획득할 필요가 있거든요. 그 근원적인 관점에 대해 이야기하고, 그다음에 현재 산업에서 일어나고 있는 일들을 이야기해 보고, 그 산업 안에 회사들의 AX는 어떻게 해야 할 것 같은지, 넓은 데서 좁은 곳으로 좁혀가 보도록 하겠습니다.
2026년 3월 AI 산업 스냅샷 10:34
노정석 METR 시간 지평은 굳이 이야기 안 해도 다 알고 있는 이야기고, 벤치마크가 나오면 이제 잘 안 보잖아요. 벤치마크 나오면 대부분 농담 삼아 이 벤치마크 어때라고 이야기하는 게 아니라 “너보다 나아”라고 하면서 끝나잖아요. “나보다 나은 것 같아.” GPT-5.4 정도 되면 저는 실무에서 쓰는 데 아무 무리가 없는 거 아닌가 싶을 정도로 크게 실망한 적이 없어요. 크게 만족했다기보다는, 이거 안 되겠는데 하는 코너 케이스에 빠진 경험이 현저히 적어지고 있다는 이야기도 드리면 될 것 같고요.
그리고 26년 3월 현재 이 산업을 바라보는 스냅샷에 대해 이야기해 보면, pre-train 이야기를 잘 안 하긴 하는데 이건 이제 되는 게임으로 다 굳어진 것 같아요. 어제 Xiaomi에서 MiMo V2 Pro라는 모델을 발표했는데, 1T 기반의 거의 Frontier 모델이고, 만드신 분이 젊은 여성분인데 DeepSeek R1에 참여했던 분이더라고요. 트위터에서 쓰셨던 내용 중에 의미심장한 것들이 많이 있는데, 저희가 이번에 독파모 사업에서도 봤지만 computation 비용이 사실 계속 싸지고 있어요. 솔직히 NVIDIA 기계는 계속 비싸지는 것 같지만 단위 비용당 퍼포먼스는 계속 싸지고 있는 건 확실해서, 예전처럼 절대 도전할 수 없는 몇 천억 대의 자원이 필요한 건 아닌 것 같아요. 거의 몇백억 대로 떨어지고, 그것도 뒤쪽 몇 백억에서 앞쪽 몇 백억으로 떨어지고, 어쩌면 더 떨어질 것 같은 느낌도 확실하게 들고 있고요.
그리고 NVIDIA 같은 회사, Nemotron을 예전에 발표만 하고 트레이닝 코드라든지 레시피는 살짝 비어 있었는데, 2, 3개월 차이를 두고 다 채워놨어요. 안에 들어가면 Nemotron Nano와 요즘 큰 베이스로 나온 Super 같은 것들에 대해서도 전부 pre-train, mid-train, post-train의 트레이닝 코드가 전부 나와 있고 관련 데이터셋도 다 되어 있거든요.
MiMoV2 Pro 만드신 분도 1년 정도의 갭을 이야기해요. 인프라를 잘 만들어 놓고 한번 어떻게 하는지를 알면, 승준님이 항상 하셨던 이야기와도 맞닿아 있는데, 누가 이런 걸 했다는 걸 보게 되면 그건 우리 다 할 수 있게 되는 거라고요.
최승준 AI로 했다.
노정석 그렇죠. AI가 없으면 저희는 한낱 미물에 불과하니까.
최승준 AI로 했다의 경우에는 할 수 있다가 큰 힌트가 된다는 거죠.
노정석 그렇죠. MiMoV2 Pro 같은 경우에도 그런 준비가 깔끔히 됐을 때 1년 정도면 따라잡고 품질을 만들 수 있다는 걸 보여주는 좋은 예제가 된 것 같고요. pre-train은 어느 정도는 되겠다는 거죠. 그리고 AI의 궁극적인 발전상을 보면, 결과적으로는 모든 단위 서비스가 하나의 단위 모델이 되는 세상까지 계속 갈 거라서, 모델 work을 하는 프로세스는 여전히 중요하다고 생각합니다. 그런데 그런 부분에 대한 접근성도 계속 낮아지고 있는 상황이기에, 지금 우리는 에이전트를 보고 있지만 여전히 모델 world의 발전도 계속 봐야 할 필요는 당연히 있는 것 같다는 생각이 들고요.
RLVR과 CUA 14:48
노정석 넘어가 보면, frontier lab들의 경쟁 축은, 성현님도 지난번 세션에 오셔서 올해는 이거다, RL 환경 스케일링이라고 딱 규정해 주셨잖아요. 그게 RLVR, 저희가 계속 이야기하는 Reinforcement Learning by Verifiable Rewards인데, 검증 가능한 보상 신호를 낼 수만 있으면 모델이 무조건 학습 가능하다는 이야기를 하는 거죠. 처음에 RLVR이 나왔을 때는 Verifiable Rewards라는 이야기도 안 했고, 수학과 코딩이 그냥 대표적인 예제였어요. 수학이랑 코딩은 문제를 푸는 과정은 어려울 수 있지만 솔루션이 맞는지 검증하는 건 쉬운 이야기니까요. 마치 Sudoku 문제처럼 푸는 건 어렵지만 풀어 놓은 게 정답인지 확인하는 건 쉽잖아요. 그런 것들만 있었는데, 지금은 코딩을 떠나서 의료, 법무, 화학, 생물, 물리 등 general한 분야로 다 가고 있고요. 이런 환경을 만들 수만 있으면 on-policy에서 계속 학습이 일어나는 신기한 세상을 살고 있죠.
그리고 이번에 GPT-5.4가 나오면서 CUA, Computer Use Agent라고 부르잖아요. 이것도 사실 컴퓨터 활용 환경을 두고, 원하는 게 되면 맞았어 틀렸어라는 보상을 주면서 모델이 우리가 익숙한 앱을 다루거나, macOS나 Windows를 다루는 능력을 계속 늘린 거죠. 정말 잘 돼요. 그러면서 저희가 이야기했던 게, 디지털 환경에서는 절대 발생시킬 수 없는 보상 환경이 새로운 사업의 축으로 가는 것 같다고 하면서 언급했던 게 Periodic Labs 같은 회사였죠. 재료 공학 회사인데, 절대 디지털에서는 실험할 수 없는 특정 재료가 초전도체의 성격을 갖는지 여부를, 아예 로봇이 제어하는 랩을 만들어서 그 랩에서 보상 신호를 내고, 그 결과가 거꾸로 모델에 피드백하는 형태로 디지털 world와 atom world를 결합하여 해자를 쌓고 있는 겁니다. 이런 문제들이 새로운 기업이 가져야 하는 해자의 best example로 등장하고 있다는 정도로 정리할 수 있을 것 같아요.
모든 문제는 Search Problem으로 수렴한다 17:21
노정석 더 간단하게 정리하면, 앞에서 몇 가지 예제를 들었는데 이걸 한 스텝 위 abstract layer로 올라와서 정리하면, 지금 일어나고 있는 일들을 한 문장으로 정리할 수 있어요. compute를 이용해서 계산 자원을 투입해서 모든 문제를 search problem으로 치환해 버린 겁니다. 어떤 도메인의 문제든 인간이 아직 알지 못하는 superset들을 가지고 있잖아요. 가보지 못한 solution 영역들이 있는데, 그 solution 영역을 computing 자원을 투입해서 다 가보는 거죠. 다 가보고 정답이면 solution, 아니면 아니라고 하면서 solution space에 마킹하는 겁니다. 일종의 manifold를 만드는 건데, 그 학습된 걸 다시 모델로 가져와서 모델이 그 도메인에 대한 지식을 다 갖게 되는 형태로 가져가고 있죠.
여기서의 핵심은 결국 보상 신호를 발생시킬 수 있는 환경이 있느냐 없느냐, 이것밖에 없다는 걸로 문제가 본질적으로 귀결됩니다. 저희가 거의 작년, 꽤 오래전이죠. 작년 중반 정도에 남은 건 이것밖에 없다고 했어요. non-verifiable을 verifiable로 전환할 수 있는 환경을 갖고 있느냐 아니냐. 물론 이건 computation power를 모두가 갖고 있다는 전제하에 이야기한 거죠. 지난 유튜브 에피소드 중에서 오래된 것들, 뉴스스러운 것들은 죽어 있는 것들도 굉장히 많지만, non-verifiable을 verifiable로 전환할 수 있는 시나리오와 노트들이 있거든요. 한 번씩 다시 보셔도 이 문제를 근원적으로 이해하는 데 도움이 많이 될 것 같습니다.
그런데 모델이 계속 강력해지면서 저렴해지는 게 어쨌든 지금 일어나는 모든 변화의 근본인 것 같아요. 강력하지만 여전히 인간을 못 뛰어넘는 거 아니냐고 하시는 분들이 굉장히 많거든요. 암묵지의 영역이라서 모델이 절대 뛰어넘을 수 없다고 이야기하는 것들을 저도 심심치 않게 듣는데, 이 부분은 capability overhang이라는 이야기로 요약해서 말씀드릴 수 있을 것 같습니다. 사실 저희가 계속 알게 되는 게, 모델이 우리 생각보다 훨씬 똑똑하다는 거잖아요. 승준님이 지난번에 프롬프트 강의하시면서, 앞에 논문 하나 집어넣고 할 말을 하면 앞에 있는 space들이 정렬돼서 훨씬 더 똑똑한 대답을 내놓는다고 하신 적 있잖아요. 그런 것처럼 저도 비즈니스에서나 생각 실험 안에서 해보면 느끼는 게, 모델이 갖고 있던 capability overhang을 제가 꺼내는 것에 불과하지, 내가 모델을 가이드하고 있다거나 인간으로서 우월하게 리딩하고 있다는 느낌이 점점 안 드는 게 많아지고 있거든요.
모델은 우리 생각보다 훨씬 똑똑하다 19:17
노정석 이런 것들이 근원적으로 잘 드러나는 게, 제가 하는 이야기도 아니고 Claude Code를 만들었던 Boris Cherny가 이야기하는 게, the most general one is the most specific one이라고 하잖아요. 어떤 특정 문제를 더 잘 푸는 게 아니라, 더 general하게 문제 해결 능력이 증가하면 특정 도메인의 문제는 그냥 풀려버린다. 모델의 강력함이 훨씬 중요하다. 지금 풀리지 않는다면 덮어둬, 6개월 있다 그때 모델이 풀 테니까 하는 이야기를 해요.
최승준 이 부분에서 저도 생각나는 게, 요새 지인들과 이야기하다 보면 루프를 닫는다는 표현을 할 때가 있거든요. 루프를 닫아서 피드백 루프가 형성되게 하면 많은 것들이 해결된다. 보상 신호가 꼭 아래에서의 보상 신호만이 아니라, verifiable로 어떤 형태로든 변환하면 Ralph loop 같은 게 돌아가서 성능 향상이나 문제 해결이 일어날 수 있는 닮은꼴 구조가 생겼다고 해야 할까요?
요새 채팅 인터페이스인 ChatGPT나 Claude나 Gemini를 쓸 때 다 내부적으로 CLI 같은 걸 돌아가게 할 수 있잖아요. 그 안에서 Python을 써서 bash loop를 돌리게 하면, standard out된 것이 다시 context로 들어와서 모델이 계속 가설을 세우고 실험하는 걸 30분, 1시간씩 하는 걸 심심치 않게 채팅 인터페이스에서도 볼 수 있거든요.
노정석 이 이야기가 제가 이 챕터를 닫기 전에 하고 싶은 핵심 메시지인데요. 사실 많은 회사들이 본인들의 데이터가 매우 희소하고 세상에 없는 것이기 때문에 온프레미스 모델에 가둬두거나 정보가 밖으로 못 나가게 하는 데 신경을 많이 쓰시잖아요.
회사의 독점 지식 테스트 22:03
노정석 제가 어떤 회사에서 테스트를 하나 했는데, 우리 회사만 알고 있는 완전히 독점적인 것들을 3개만 밖에 꺼내서 GPT-5.4에 넣어보자고 했어요. 그런데 재밌어요.
최승준 안 해봤던 걸 하게 됐던 거군요.
노정석 네, 결론만 이야기하면 모델이 이미 다 알아요. 물론 실행까지 가지는 않았어요. 그런데 제가 마음속으로 갖고 있는 심상은, 내가 가진 것을 보호하는 형태보다 capability overhang을 가진 모델에 빨리 제공해서 모델이 가진 추가 search space를 더 가져오게 하는 게 더 이익이라는 생각으로 굳히고 있습니다. 요새는 보안보다는 내가 갖고 있는 것을, 물론 frontier lab들이 좋아하겠지만, OpenAI나 Claude가 바깥 인류들이 가진 것들을 전부 보상 신호로 가져가서 쓰고 있는 건데, 그럼에도 불구하고 그 거래를 함으로써 얻는 이익이 아직까지는 더 높다는 생각이 들고 있습니다.
Auto Research와 최적화 동형성 23:32
노정석 아까 승준님이 하셨던 이야기가, Andrej Karpathy가 auto research를 했잖아요. 이 개념도 완전 동형이에요. 결국 딥러닝이라는 것도 명확한 목표, scalar의 loss 함수 value를 낮추자는 목표를 두고, evaluation metric은 계속 낮아지면 돼. 중간에 모델을 놓고 그 가운데 쓰는 방법론은 그냥 무식하게 computation을 투입해서 계속 optimize하는 거잖아요.
gradient descent라는 알고리즘을 공부해 보신 분은 아시겠지만, 정말 무식하게 간단한 알고리즘이거든요. 코드로 짜도 20줄 이내로 구현할 수 있는 간단한 알고리즘인데, 거기에 computation을 계속 투입하면 solution이 찾아지는 거죠. 더 optimal로 끊임없이 이동하는 소위 진화 알고리즘이죠.
최승준 중요한 건 그게 작동하는 영역이 있는데, 안 작동한다고 얼핏 생각하게 되는 문제를 그걸로 번역하는 일인 것 같아요. 어느 정도 또 번역이 되니까.
노정석 그 번역성이라는 것도, 승준님 정말 중요한 말씀하셨는데, 모델 자체가 그 번역까지 해 줘요. on-policy의 모델이 내가 모호하게 갖고 있는 objective와 evaluation metric조차도 중간에 계속 fine-tune해 주기 때문에, human-in-the-loop를 몇 번 돌고 목표가 명확해지면 그다음부터는 그냥 돌리면 되거든요.
최승준 불완전하더라도 1단계를 하면 그다음에 또 펼쳐지더라고요.
노정석 이 슬라이드가 어떻게 보면 오늘 이야기하는 내용 중에서 가장 중요한 슬라이드거든요. 딥러닝에서 우리가 얻은 방법론이, 모델이 어느 정도 똑똑해지고 나니까, 인간 이상의 능력을 갖춘 임계점을 넘고 나니까, 우리가 두려워하던 세상으로 진입하고 있는 거거든요.
모든 문제를, 문제 해결이라는 것 자체는 이제 이것밖에 없어요. 똑똑한 모델을 들이대고 그 모델과 함께 목표와 evaluation metric을 명확하게 만들면 다 최적화 문제로 수렴시키는 거예요.
최적화의 대상은 무엇이든 될 수 있어요. 하나의 .md 파일이 될 수도 있고, 코드 repository가 될 수도 있고, 회사가 될 수도 있어요. 프로젝트가 될 수도 있고, 무엇이든 이 구조로 넣고 AI 루프를 돌리는 게 사람이 일하게 하는 것보다 훨씬 빨라요.
지금의 frontier 모델들도 아마 Xiaomi도 그랬다고 이야기하고 있고, Andrej Karpathy도 auto research에서 보여준 것도 그거고, 얼마 전에 MiniMax도 이건 에이전트가 트레이닝한 모델이라고 이야기하잖아요. 사람이 그 루프 안에 안 들어가요. 모델이 스스로를 evolution 시키는 거. 컴퓨터만 주어지면 스스로 evaluation 하면서 자기 증강하는 거죠.
이 3개만 있으면 모든 문제가 해결된다. 그리고 이게 아까 승준님이 말씀하신 우리가 딥러닝에서 찾은 것과 완전히 isomorphic하죠. 동형이죠.
최승준 재미있는 생각이 허예찬 님 발표 들으면서 떠올랐었는데, 가재 무덤 이런 거 이야기하셨잖아요. 가재탕을 보니까 성공하지 못한 .md들은, 프로그램 .md가 됐든 SOUL.md가 됐든 fitness function을 통과하지 못하고 다음 세대한테 파생시키는 거잖아요. 이거 어디서 많이 들어봤던 거죠. genetic algorithm 때 했던.
노정석 진화의 알고리즘이에요. 적응하면 살아남는 거고 아니면 죽는 거고.
최승준 그래서 좋은 것들은 crossover하고 가끔 돌연변이 만들고 그런 예전 알고리즘들도 지금 그 생각의 방식에 다 적용이 될 것 같아요.
Ralph Loop 변종과 Meta Cascading 27:30
노정석 저희가 이거 언제 한번 다루려다가 계속 못 다룬 건데, Blaise Agüera의 세션도 정확하게 이 이야기를 하고 있고, 저희가 생명공학 쪽에 관심이 많기 때문에 그런 쪽과도 완전히 맞닿아 있습니다. 거기서 캐치한 핵심 알고리즘은, mutation이 필요 없다는 거예요. 있는 풀을 뒤지는 것만으로도 order는 찾아진다는 게 제가 가장 insightful했던 이야기였는데, 요새 Ralph loop가 유행한 지 한참 됐잖아요.
Ralph loop의 변종인데, 대부분의 방법론들을 보면 알고리즘은 이거예요. 처음에 목표 명세라고 하든지 스펙이라고 하든지 다르게 부를 수 있는데, 목표를 명확히 하는 데 시간을 꽤 많이 쓰고, 그 목표가 정해지면 사실상 evaluation metric은 그냥 정해지거든요. 모델이 알아서 정해줘요. 옳고 그른 걸 목표에 따라서 가릴 능력이 되니까.
그렇게 된 다음에는 evaluation metric에 만족될 때까지 무한 루프를 돌리는 거예요. 마지막에 hook을 걸어서 검사하고, 검사를 통과 못 하면 다시 돌아가고. 모델이 지금 항상 문제가 되는 게 중간에 모호하게 끝내는 거거든요. “좋습니다”라고 하면서 끝내버리는 건데, “아무런 문제가 없습니다”라는 답을 할 때까지 계속 무한 루프를 돌리는 거죠.
최승준 물론 실전에서는 여러 가지 복잡한 것들이 있죠. 평가 항목을 잘못 설정하면 그걸 exploit해서 엉뚱하게 통과하는 시도들을 하기도 하거든요.
노정석 모델 자체가 reward hacking을 할 수도 있으니까. 그런데 이 부분은 사실상 회사와 비슷하거든요. 실무가 있지만 조직의 hierarchy가 있잖아요. 대표, 임원, 팀장, 팀원들이 있는데, 대표이사는 굉장히 정제된 형태의 마지막 리포트를 보게 되고, 도는 과정을 보면 Ralph loop거든요. “다시 해 와, 다시 해 와”라고 하면서 아래로 끊임없이 동형의 작업들이 내려가는데, 저는 이걸 meta cascading이라고 표현합니다. 이런 구조로 되어 있기 때문에 거꾸로 이야기하면, 지금 현존하는 회사를 이 방법론으로 완전히 대체하는 건 가능하다고 보고 있죠.
에이전트 시대의 인재 정의 29:57
최승준 그러면 잠깐 궁금해지는 게 에이전트 인재의 정의는 뭔가요? 지금 끈기 있게 파고드는 거는 기본적인 Ralph loop로 해결이 된다고 하면 의외의 아이디어를 내거나 그런 폭을 탐색할 수 있는 게 능력이 되는 건가요?
노정석 아직까지는 모델에게 무언가를 initiation 시켜 주는 첫 번째 system prompt는 인간이 줘야 하는 거니까요. 물론 이것도 곧 AI가 AI에게 주는 세상이 올 것 같습니다만, 아직은 취향과 의지를 input하는 것, initiate하는 것, 이런 정도의 의미를 인간에게 줘야 하지 않을까요? 승준님이랑 저랑 정규님이랑 있는 단톡방에서 항상 하는 이야기인데, 지금 모델이 모든 걸 다 끝내서 우리가 할 일이 없을 것 같잖아요. 그럼에도 불구하고 여전히 세상이 변화하는 데는 시간이 걸리고, 시장이 이것들을 받아들이는 데는 짧게는 몇 년, 길게는 이삼십 년이 걸릴 수도 있는 일이라서 그 사이에서 균형 감각을 잘 발휘하는 게 가장 중요한 것 같습니다. 저는 사업가의 가장 큰 덕목이 균형 감각이라고 보는데, 그걸 잘 발휘해야 할 것 같고요. 이 evaluation metric이 깔끔하게 존재하지 않는 부분이니까 그 부분은 아직 인간의 역할이 있습니다.
넘어가 보면, 요약하면 모델이 좋아지고, 모델 때문에 하네스가 좋아지고, 성현님도 계속 지적하셨지만 하네스에 맞춰서 RL이 이루어지기 때문에 모델은 더 성능이 좋아지고, generality가 증가하면 기존 하네스의 기능들을 모델이 많이 먹어가요. 그럼에도 불구하고 모델이 강력해지면 그걸 이용한 또 다른 하네스가 나오게 되고, 이건 우로보로스의 뱀처럼 영원히 반복되는 루프예요.
최승준 작년 정도에는 Noam Brown 하는 얘기 인용하면서 저희가 하네스가 결국에는 모델에 흡수되는 현상이 일어날 거다라고 했는데, 다시 하네스가 그거에 맞춰서 나오니까 이게 말씀하신 대로 우로보로스 형상인 것 같아요.
노정석 끊임없이 정반합 정반합 형태로 가고 있는 거고, 그 속도도 거듭해서 제가 경외감을 갖고 바라보고 있고 무서움을 갖고 바라보고 있기 때문에 가속화되고 있죠.
최승준 저도 이게 아직 생각이 정리되지는 않았는데, 뉴럴넷 형태로 존재하는 어떤 거와 그 뉴럴넷이 외재화된 도구를 사용하는 거는 인간, 인류가 그래왔던 것처럼 이게 계속 가는 어떤 패턴이지 않나, 그런 생각도 좀 같이 하게 되더라고요.
노정석 어쨌든 모든 문제를 compute을 이용한 search problem으로 전환하고, 그 compute이 문제를 순식간에 풀어버리는 새로운 시대로 진입하고 있다. 이 루프를 잘 이해하고 본인의 비즈니스를 이 라운드 위에 올리는 자는 benefit을 얻을 거고, 이해하지 못하는 사람은 이걸 이용하는 사람에 의해 대체될 것이다는 게
최승준 은근 강한 메시지네요. against, 이거에 저항하지 말라라는 뉘앙스인 거죠.
노정석 Sam Altman이 많이 쓰던 표현이잖아요. “Do not bet against us”라는 말. 이건 그림으로 그린 이야기고, 하네스가 좋아지면 더 좋은 데이터가 쏟아지고, 그 때문에 모델이 좋아지고, 더 많은 RL을 걸게 되고, 더 좋은 모델이 생기고, 더 좋은 RL 환경을 만들게 되는 거죠. AI 게임에 대한 본질적인 관점은 이렇다, 이 렌즈를 가지고 바라보자는 겁니다. 그런데 그 렌즈 위에서 항상 한 레이어가 쌓이면 그다음 레이어가 오고, 또 그다음 레이어가 오잖아요. 지난 연말에 도망자 연합 발표에서 썼던 괴델, 에셔, 바흐의 예제에서 봤던 변증법적인 비창발에 대한 이야기였는데, 이런 본질이 있더라도 그 위에 쌓이는 비즈니스 세상은 또 한 번 더 복잡하게 쌓여갈 거거든요. 그래서 완전히 사업적인 이야기로 돌아가서, 사업에서 어떤 일들이 일어나고 지금 뭐가 중요한가에 대해 제 생각을 한번 정리해 봤어요.
OpenClaw와 개인 에이전트의 부상 34:26
노정석 비즈니스 이야기로 전진해 보면 이런 것 같아요. OpenClaw가 나오기 직전까지는 ChatGPT나 Claude나 Gemini가 거대한 게이트웨이, 네이버나 구글이 되어서 새로운 게이트 키퍼 포지션을 갈아치우고 새로운 게이트 키퍼가 되는 거 아닌가 하는 식으로 사업 논리를 많이 쓰고 있었는데, OpenClaw가 나온 다음에 써보고 익숙해진 세상을 살면서 아닐 수도 있겠다는 생각이 들었어요. 우리가 그랜저랑 쏘나타만 타는 거 아니잖아요. 누구는 캐스퍼 타고, 누구는 테슬라 타고, 누구는 BMW 타고, 용도와 취향에 맞춰서 다 다른 차를 타잖아요. 그런 것처럼 어쩌면 사람이 정보에 접근하는 최상단 게이트웨이가 지금껏 익숙한 몇 개의 채널이 아니라 각자만의 개인 에이전트로 완벽하게 분화해 버릴 수도 있겠다는 생각이 새롭게 들고 있습니다. 이게 훨씬 편해요. ChatGPT가 나에게 강요하려고 하는 번들링 프레임이 싫을 때가 있거든요, 뒤에 번들링 언번들링 이야기를 하겠지만. 왜 꼭 그렇게 써야 하냐는 건데, 그런 걸 완전히 다시 해체해 줘요. 지금은 소수의 얼리 어답터들과 앞서 가시는 분들에게만 와 있는 OpenClaw의 세상이, 어쩌면 모든 이의 게이트 키퍼일 수도 있겠다는 생각이 들어요.
제가 이런 뉘앙스를 느끼는 게, 귀찮긴 하지만 오피니언 리더들의 토크를 거의 다 들어요. 요약해서 보는 게 아니라 출근하거나 퇴근할 때 거의 들으면서 그들의 말 사이에 존재하는 미묘한 그라디언트를 읽으려고 노력하는데, Sam이 작년 10월만 하더라도 “너희 다 죽었어” 모드였거든요. 26년에는 AI 리서치 인턴을 만들 거고, 28년에는 AI 리서처를 만들 거고, 구글과 같은 풀스택 서비스 회사를 만들 거라고요. 비전 발표회를 작년 10월 말에 했거든요. 불과 4달 전 이야기인데, 서너 달 지나면서 Sam의 뉘앙스가 살짝 바뀌었어요.
최승준 풀이 죽지 않았나요?
노정석 좀 겸손해졌어요. Anthropic이 확 치고 올라오는 것도 의미가 있었던 것 같고요. 결국 우리는 토큰을 미터에 달아서 파는 사업자가 될 것 같다는 이야기를 심심찮게 하거든요. 다 토큰 사업자가 될 것 같다고. 예전에 OpenAI만 이 강점을 가지고 있었으면 모르겠는데, 지금 중국의 프론티어 모델이라든지, NVIDIA가 OpenAI와 Claude조차도 commoditize 시키려고 노력하고 있잖아요. 프론티어 랩들이 갖고 있는 knowledge들을 다 레시피로 빼서 GitHub과 Hugging Face에 올리고, NVIDIA GPU만 사면 너네도 만들어 쓸 수 있다는 식으로 제3의 축을 공급하고 있기 때문에 그야말로 완벽한 frenemy 월드예요. 누가 친구인지 적인지도 모르게.
Jensen 이야기를 했으니까, Jensen이 얼마 전에 글을 발표했잖아요. AI는 5 레이어 케이크다, 하면서 에너지부터, 그 위에 반도체 칩, 인프라스트럭처, 그 위에 모델이 올라가고, 그 위에 애플리케이션들이 꽃을 피운다는 이야기를 했는데, 이 애플리케이션은 우리가 알던 애플리케이션이 아니에요. 에이전트 애플리케이션은 지금껏 웹 세상과 앱 세상에서 익숙한 애플리케이션과는 전혀 다릅니다. 그러면 기존에 있던 수많은 모바일 앱들, 익숙한 수많은 서비스들은 어떤 운명을 겪을까? AI 시대에 당연히 해볼 수 있는 생각 실험이잖아요. 거기에 맞춰서 무언가를 만들어야죠.
사실 앱스토어에 앱 잘 올려서 돈 많이 벌었다는 이야기를 안 들은 지 한참 됐잖아요. 저만 해도 앱스토어에서 새 앱을 다운로드 받은 지가 몇 년 전인 것 같아요. 그런 세상인데, OpenClaw 밋업에서 Simon이 보여준 앱이 있거든요. 본인이 만들고 있다고 보여주시는 OMO.BOT인데, 에이전트 앱이에요. 우리가 귀찮게 접근하는 수많은 앱들, 짜장면 배달하려면 배민 가야 되고, 생수 주문하려면 쿠팡 가야 되고, 택시 부르려면 카카오택시 가야 되고, 귀찮잖아요. 그냥 비서가 다 해주면 되는 거 아니냐, 그걸 실현한 거예요. API가 있는 회사는 API를 연결하고, 아닌 회사는 CUA, Computer Use Agent를 연결해서 에뮬레이션을 하신 것 같아요. 배민 치킨 주문하는 것도 이 안에서 전부 구현해 놓으셨더라고요. 이게 미래겠다, 앱의 미래고 에이전트 애플리케이션의 목적물이겠다는 생각이 들어요.
에이전트가 기존 앱을 대신 조작하는 레이어 39:01
노정석 뻔히 이렇게 될 거라고 상상하고 있었는데, 역시 빨리 실행하는 사람들이 만들어 놓은 걸 보니까 느낌이 다르더라고요. 여기서 유심히 봐야 할 점은, 우리가 알던 모든 앱들이 에이전트가 대신 조작해 주는 레이어 아래로 다 묻힌다는 건데, 이걸 정말 중요하게 봐야 할 것 같아요.
그런데 아래에 있는 배민이라든지 기존 비즈니스 월드에서 어떻게든 성공해서 매체력을 발휘하고 있는 기존 게이트키퍼 포지션들을 보면, 핵심은 다 중간 개입이거든요. 저는 항상 이야기하는데, IT 비즈니스는 미디어 비즈니스와 똑같다, 매체력이 곧 마진인 세상이라고요. 어쨌든 그들이 그런 매체력을, 중간 파워를 발휘하는 건 직전 시대에 어떻게든 승리를 거뒀기 때문에 그 포지션이 된 거거든요. 네이버는 검색을 점령했고, 카카오는 커뮤니케이션을 점령했고, 배민은 배달을 점령했고, 쿠팡은 로켓 배송으로 생필품을 가장 싸게 하는 것을 점령했고. 그렇게 쌓아 올린 매체력으로 고객과 수많은 공급자 사이에서 중간자 역할을 하며 마진을 만들고 있는 사업자들인데, 방금 봤던 OMO.BOT은 그냥 그들과 우리 사이에 끼어드는 새로운 사업자거든요. 기존 사업자들은 당연히 싫어하겠죠. 기존에는 막았어요. 네이버가 그런 걸 정말 잘하던 회사 중 하나죠. 크롤러 막고 무조건 다 막아서 소위 walled garden에서 콘텐츠가 빠져나가는 걸 막으면서 안에서의 선순환 루프를 만들며 오늘날의 제국을 쌓아 올렸는데, 에이전트가 이런 것들을 분해하는 걸 막을 수 있을까요.
최승준 막으면 안 되겠죠. 이 방향성에서는.
노정석 그렇죠, 못 막을 거예요. 사람이 오는 것과 트래픽이 구별이 안 될 테니까요. 내 에뮬레이터에 내가 로그인해 놓고 그 에뮬레이터를 에이전트가 조작하면 어떻게 막죠? IP도 전부 다르고 모든 게 다를 텐데. 그리고 샤오미가 MiMo V2 하면서 당연히 MiMo Claw를 만들어서 넣어놓고, OpenClaw를 모바일까지 해서 Claw를 넣으려고 할 거고, 그러면 Apple은 안 할까요? Google은 안 할까요? 다 하겠죠. 구별이 안 되는 겁니다. 결국 생각 실험을 해보면서 새로운 내쉬 균형점을 찾아보면, 이건 못 막는 게임이고 기존 사업자들은 다 disintermediation 될 가능성이 있는 거죠.
Bundle-Unbundle 프레임워크 42:57
노정석 이걸 저희가 산업 구조의 bundle, unbundle이라는 표현으로 많이 사용하거든요. 이 bundle, unbundle이라는 표현을 가장 잘 도식화하고 설명해 주는 사람이 a16z의 Benedict Evans예요. Andreessen Horowitz가 “Software is eating the world”라는 표현으로 유명하잖아요. 지금은 “AI is eating the world”라고 새로 밀고 있는데, 그 프레임을 만든 사람이 Benedict Evans입니다. 결국 앞서 이야기한 것처럼 산업의 패러다임이 끊임없이 바뀌는데, 매체가 바뀔 때마다, 종이에서 TV로, TV에서 인터넷으로, 웹에서 모바일로, 이제 모바일에서 AI로 갈 때 distribution layer라고 이야기하는 새로운 distribution 채널이 등장할 때마다 한 번씩 판이 뒤집혀요.
예전에 신문이나 잡지나 텔레비전을 보시면, 방송은 이런 거야, 드라마와 뉴스는 이렇게 편성하는 거고 그 사이에는 광고가 들어간다는 식으로 자기네가 만든 매체력으로 틀을 꽉 짜죠. 그게 저희가 이야기하는 bundle이에요. 그렇게 bundle을 고객에게 강요하고, 고객은 당연한 듯이 보고, 그 때문에 매체 사업자들은 비즈니스가 생기는 거죠. 그런데 인터넷이 오면서 그것들이 다 unbundle됐죠. unbundle이 되고 한참의 시간이 흘러서 그 layer에서의 지배자가 나오면, 그 지배력을 가지고 또 다시 bundling해요. 그다음에는 또 unbundling하고. 이건 역시 진화 알고리즘과 똑같아요.
어떤 환경의 변화에 따라서 끊임없이 diversification이 생기고 diversification이 생기면 그중에서 어느 하나의 승자의 후보들이 나오고 승자가 나오면 그 승자가 후보가 나왔다는 얘기가 몇 개의 selection이 된다는 얘기인데 그 selection이 되고 나면 그게 다시 지배종이 돼서 amplification이 돼서 또 새로운 어떤 환경을 만들고 diversification, selection, amplification 이 3개가 Ralph loop처럼 영원히 돌아가는 게 기본적인 진화 알고리즘인데 이게 똑같이 도는 거죠. 그래서 bundle, unbundle의 반복 예제는 굉장히 많다.
Benedict가 이야기하는 건, 우리가 알고 있는 거의 대부분의 B2B SaaS 애플리케이션은 그냥 Oracle unbundling이라는 거예요. 심하게 이야기하면 Excel과 Oracle만 가지고 다 만들 수 있는 서비스인데, 각각의 사용 예에 맞춰서 전부 unbundling 해 놓은 시대라고요. AI 시대는 결국 거의 대부분의 서비스가 ChatGPT unbundling일 거라고 이야기해요. 이미 보고 있죠. 초창기엔 ChatGPT에서 코딩, 리서칭, 법무 다 했었는데, 지금은 context engineering이 됐건, 다른 하네스와의 조합이 됐건, 특화 모델이 됐건 전부 unbundle이 또 일어나고 있죠. 물론 거기서 싸움에서 지면 더 큰 사업자에게 bundling 되기도 하고요. bundle, unbundle 이 framework은 산업을 이해하기에 굉장히 좋은 framing이니까 시간을 들여서 설명해 봤습니다.
기존 사업자의 UX 마찰과 Disintermediation 46:28
노정석 기존 사업자 입장에서 생각 실험을 해보면, 아마 거의 방어하기가 어려울 거예요. 고객이 더 편해지기 위해 떠나는 걸 무슨 수로 막을 수 있을까요? 기존 사업자들의 UX가, 쉽게 이야기해서 끝나간다고 봅니다. 끝났다고 보기에는 좀 심하고 한참 시간이 더 걸리겠지만, AI 때문에 기존 UX가 다 unbundle될 게 다음 트렌드이기 때문에 기존 사업자가 쌓아 올린 매체력, 그리고 그 매체력으로 만든 수익 구간이 고객 입장에서 보면 온통 마찰이에요. friction들이에요. 그리고 그 friction들이 사실 다 마진이거든요. 사업자 입장에서는 이걸 하려면 이걸 반드시 해야 한다고 짜놓은 UX flow, 그 사이에 존재하는 수많은 광고 인벤토리, 옆과 위아래에 존재하는 cross-sell, upsell 구간들. 그런데 에이전트들이 와서 이것들을 다 없애버리고 있죠. 훨씬 빠르게. 결과적으로 기존 사업자들은 다른 에이전트들의 function call이 될 가능성이 매우 높은 거죠. 못 막아요. 못 막을 테니까 가장 좋은 건 빨리 이 전쟁에 같이 뛰어드는 것밖에 답이 없다는 생각이 드는데, 조금 더 진전해 보면 결국 OMO.BOT처럼 유저의 눈 바로 앞에서 최상단 접점이 될 가능성이 높은 것들이 있고, 저는 OpenClaw 류가 굉장히 강한 candidate이라고 생각해요.
Jensen이 아예 이번 GTC에서 “Are you OpenClaw ready?”라는 표현을 하잖아요. 모든 비즈니스든 모든 개인이든 OpenClaw 전략을 갖고 있어야 한다고요. 고객 입장에서 OMO.BOT의 고객이 됐다는 입장에서 생각해 보면, 저희가 회장님 analogy를 많이 쓰고 있는데 AI 덕분에 모두가 회장님이 되고 있다. 새로운 업의 본질이 제가 보기엔 말 그대로 어시스턴트, 이미 비서 공급업이에요. 수단을 제공하는 게 아니라 해결 완료를 팔아야 해요. 모두가 이 삶으로 전환하고 있다는 생각이 듭니다. 지금은 빠른 적응이 훨씬 더 중요한 장세라는 생각이 들고요.
적응 경쟁의 시대 48:52
노정석 저는 스타트업 사업 쪽에 있으니까 누가 사업 계획을 가지고 와서 이것저것 물어보면 자동차 경주냐, 자전거 경기냐, 요트 경주냐를 물어보거든요. 자동차 경기는 돈 많으면 무조건 이겨요. 그냥 더 좋은 차 사면 조금 더 안 좋은 차를 타는 사람은 무조건 이길 수가 있어요. 물론 드라이버의 실력은 다 상향 평준화돼 있다는 가정 하에. 거의 다 상향 평준화돼 있기 때문에 자동차 경주는 그냥 돈 싸움이 끝이다. 자전거 경기는 내가 얼마나 열심히 하느냐 플러스 약간의 눈치예요. 먼저 나갈 거냐, 뒤에 있을 거냐. 요트 경기는 이게 앞에 있는 것과 다르거든요.
자동차 경기, 자전거 경기 둘 다 게임을 리딩하는 건 다 리더예요. 리더가 어떻게 변화하면 뒤에 있는 애들이 다 리액션하는 형태로 게임이 굴러가는데, 요트 경기는 좀 다르거든요. 후발 주자가 방향을 바꾸면 앞에 있는 사람들 다 바꿔야 돼요. 왜냐하면 내가 뭘 잘하는 게 중요한 게 아니라 밖에 어떤 바람이 부느냐가 훨씬 중요하거든요. 제가 보기에는 지금 이 AI 바람이 지배하는 장세가 어마어마하게 심하기 때문에, 뒤에 후발 사업자들이 다른 전략을 쓰면 사실 모든 영역을 다 counter 해야 되는 경기인 것 같아요. 저는 모든 영역을 다 counter할 수 있다는 생각은 들어요. 왜냐하면 그들의 제작 단가가 떨어진 만큼 기존 사업자들도 단가는 다 떨어져 있기 때문에 이거는 철학과 타이밍 싸움에 다시 한번 들어갔다라는 생각이 들고. 그래서 기존 사업자 입장에서도 사실은 이게 어떻게 되나라고 바라보기보다는 이 세상에 맞춰서 무조건 좀 같이 바뀌어야 되는 게 아닌가, 이런 생각이 좀 들고 있습니다.
단, 그 사이에서 이 게임에서 어떤 방어 지점을 가져갈 거냐. 앞서 이야기했듯이 non-verifiable을 verifiable로 바꾸는 것이 moat가 될 수 있다고 했는데, 비즈니스에서도 이런 부분이 moat가 될 만한 영역이 있습니다. 본질적으로 지금 다 동형인 게임을 하고 있기 때문이죠. 저희가 10x 이야기를 많이 하는데, 이건 저희 회사 엔지니어 한 분인 진욱 님이 줬던 frame입니다. 원래는 1/5, 5배라는 frame을 썼었는데 요새 10이라는 숫자가 유행이니까요. AI를 두 방향에 투입할 수 있어요. 효율을 극대화해서 기존에 100이 들던 걸 10으로 만들고 90의 이익을 남기는 것, 아니면 새로운 곳에 가서 새로운 900을 창출하는 것. 지금의 거의 대부분의 AX는 다 효율 추구예요. 뒤에 있는 정말 다른 10배를 만들어내는 것, 이건 약간 zero to one인데 아직 시작되지 않은 것 같아요. 그리고 곧 시작될 것 같아요. 결국 저희 입장에서 생각해 보면 둘 다 해야 한다는 생각을 하고 있어요.
1/10x 효율 vs 10x 신사업 51:10
노정석 지난주에 유행했던 article 중 하나가 AI는 어떤 사람을 강화하는가라는 10x lawyer라는 글이 있었거든요. 요약하면 결국 강화되는 사람들의 부류가 따로 있다는 겁니다. 지금의 조직들은, 로펌을 예로 들면서 했던 이야기인데, 최상단의 파트너, 시니어들, 그 아래 주니어들이 팀으로 움직이는 형태로 되어 있고요. 사실상 거의 대부분의 value add는 몇몇 사람들의 결정적인 공헌 때문에 일어나지만, 비즈니스 모델 자체는 팀 단위로 time charge를 하면서 associate 변호사들까지 다 charge하는 형태로 이루어져 있는데, 이것도 역시 unbundle 되는 거죠. 시니어 능력을 가진 변호사 하나가 에이전트와 결합해서 훨씬 더 싸고 빠르게 클라이언트를 만족시키기 시작하면, 수요 측에서는 좋은 물건이 있는데 아무 이유 없이 기존에 이걸 썼다는 이유만으로 비싼 걸 사는 것도 한두 번이거든요. 분명 변화가 굉장히 빠르게 일어나고, 그 축이 한 번 돌기 시작하면 걷잡을 수 없이 바뀔 것이라는 이야기를 해 놓은 거죠.
결국 10x talent가 빨리 되는 게 얼마나 중요한가에 대한 이야기, 플러스 그것이 거스를 수 없는 사업 구조 변화를 만들 수밖에 없다는 이야기입니다. 10x lawyer라고 했지만 10x engineer, 10x doctor, 10x something 무엇이든 나올 수 있어서 이게 나오는 거죠. 이런 dynamics 때문에 지금 조직이 다 혼돈스러워요. AI transformation이 다 이런 구조로 일어나기 때문입니다. 항상 신기한 건데, 제가 이런저런 회사를 다 다녀보고 사업에 개입해 보고, 정말 엘리트들의 회사와 보통 사람들이 모여 있는 회사, 온갖 종류의 회사들을 다 해봤는데도 신기한 게, 사람은 모아놓으면 언제나 정상 분포가 되는 것 같아요. 잘하는 사람끼리만 모아놔도 그 안에서 꼭 제일 잘하는 사람과 못하는 사람이 생기고, 중간에 있는 사람들이 생겨서 그들 사이에 dynamics가 갈라지고. 그 모양은 또 각각의 조직에서 거의 동형이에요. Isomorphic해요.
이런 것들이 참 중요해서 이 슬라이드에서 이야기하고 싶었던 내용은, AX라고 하지만 결국 변화하고 싶어 하는, 날카롭게 adapt하는 몇몇 사람들과 빨리 가야지, 다 데리고 못 간다는 이야기를 하고 싶어서 이 이야기를 썼던 건데요. 제가 아까 효율을 추구하고 혁신을 추구한다. 1/10x로 만드는 게 사실은 효율 추구라고 얘기했지만 이게 사업 용어로 better, faster, cheaper 하는 거고, 그다음에 10x로 만드는 게 zero to one 하는 게 사실 innovation 하는 건데. 제가 뷰티 사업에 와서 AI를 걸어서 만들고 싶었던 게 딱 이 구조거든요. 저는 물건 파는 회사를 하고 싶었던 게 아니고 지금 다 물건 파는 구조를 어떻게 다 서비스 파는 구조로 전환시킬까. 이렇게 만들고 싶었던 게 제 생각이었고, 그래서 back-office, 대부분의 회사들이 그렇지만 항상 전방엔 고객이 있고 후방에 뭐죠, 공급 체인망이 있어요. supply chain이 있는데, supply chain은 efficiency를 가져가고 고객들한테 혁신을 공급하고 이렇게 하려고 하는 게 제 계획이었고 완성된 건 아니지만.
에이전트를 붙여도 10배는 아직 55:19
노정석 저희도 지금 고객에게 들이대는 게 있고 아직 들이대지 않은 것들이 있는데, 제가 생각하는 원형들은 거의 다 만들었거든요. 누군가 회사가 autonomous하게 굴러가면 이런 거여야지 하는 것들이 아마 제 회사에 다 있을 거예요. 모든 데이터에 전부 AI가 붙어 있고, 거기에 전부 에이전트들이 붙어 있고, 에이전트 위에는 또 다른 meta 에이전트들이, meta 위에는 또 meta가 붙어 있어요. 저는 모든 회사의 업무를, Claude Code가 마치 객관식으로 다 바꿔주잖아요, 뭘 물어보면 3번 중에서 골라, 4번 중에서 골라 하는 것처럼, CEO로서 해야 하는 일들도 매일 일하는 게 아니라 에이전트가 갖고 오는 1, 2, 3, 4를 누르게 하는 구조로 거의 다 바꿔놨는데, 그럼에도 불구하고 회사의 생산성이 10배가 됐냐, 아직은 그렇지 않아요. 좀 더 바뀌어야 할 근원적인 게 있다는 생각은 하고 있어요.
AI로 사업을 해보겠다고 하면서 이걸 한 게 4년이 훌쩍 넘었더라고요. 2021년부터 모델도 만들어 보고, diffusion 모델도 해보고, LoRA 붙이는 것, small language model, 에이전트 SDK, 안 해본 게 없어요. 비즈니스에 그때 있었던 것들을 다 붙이면서 전부 해봤는데 다 안 됐거든요. 그런데 이제 돼요. 작년부터는 모델이 임계점을 넘으면서 안 되던 것들이 다 돼요. 그리고 나만의 것을 하려는 것도 다 무색할 정도로 프론티어 모델에 의존해서 전부 되는 세상이 됐거든요. 물론 후회는 되죠. 아무것도 안 하다가 작년에 시작했으면 최대의 효율 아니냐는 생각일 수도 있는데, 그 사이에 겪었던 수많은 실패들이 의미가 있다고 저는 스스로를 위로하고 있고, 정규님이 지난번에 와서 이야기했던 것과 비슷해요. 인간 신정규는 슬프지만 회사 Lablup은 좋다고 하셨던 것과 저도 똑같은 감정이 들어요.
돌고 돌아 바닐라가 답이다 58:12
노정석 추구하는 방향이 두 개가 있다고 말씀드렸잖아요. efficiency를 만드는 것, 효율화하는 것은 저희도 굉장히 많은 trial들을 해봤는데, 답만 말씀드리면 사장이 해보는 게 제일 빨라요. 솔직히 결과적으로는 저도 가장 처음에 어떤 원형을 이렇게 하면 되잖아 하고 만들어서 보여주는 게 시작점이었거든요. 그러면서 AI native한 탤런트들을 붙여서 이렇게 해보세요, 저렇게 해보세요 하는 것들이 돌기 시작했고, 그 도는 과정에서도 각자의 자유도를 보장하며 누구는 자기만의 하네스를 만들고, 누구는 프레임워크를 가져와서 돌리고, Pydantic 가져오는 사람, LangChain 가져오는 사람, 그런 것들 다 허용했었는데 결론적으로만 이야기하면, 초반에 했던 이야기와 비슷한데 문제의 목표와 평가 기준이 명확하니까 이것도 optimization 문제로 귀결되고, 계속 optimize시키다 보니까 각각 수렴하면서 만들어지는데, 다 만들고 나니까 가장 위대한 방법론이 하나 나오거든요.
답만 말씀드리면, 안 만드는 게 베스트예요. 데이터 커넥터를 깔끔하게 만들고, 프롬프트 잘 쓰고, 프론티어 모델과 Claude Code라든가 Codex라든가를 붙이는 게 성능은 제일 좋아요. 저희 엔지니어 중 한 명의 똑똑한 엔지니어가 했던 방법론으로 회사가 다 전환했는데, 다른 분들은 정말 온갖 종류의 다른 방법들로 만들었는데 그 친구는, “체스터 그럴 필요가 없다. 어차피 하네스 만드는 건데 궁극의 하네스와 궁극의 모델을 쓰면 되는 거 아니냐, 그 일을 할 필요가 없다”고 했어요. 대신 데이터 커넥터를 깔끔하게 만들고, 데이터들을 기술하는 prompting을 잘하고, 우리가 이루어야 하는 목표의 스펙을 프롬프트로 깔끔하게 쓰는 데 노력을 엄청 많이 했습니다. 프롬프트를 잘 쓰려면 사실 엔지니어링 파워가 중요한 게 아니라 그 도메인에 대한 이해가 중요하거든요. 도메인이 어떻게 생겼는지를 엔지니어임에도 불구하고 모델들을 돌리고, 회사의 데이터들을 이해하려고 노력하면서 프롬프트를 잘 쓰니까 일이 끝나요. 그래서 맨 마지막 문장이 저한테 그냥 답으로 남았거든요. 다른 거 하려고 하지 마, 이거야.
최승준 느낌적으로는 돌고 돌아 순정 바닐라 느낌이네요.
노정석 그렇죠. 참 말하고도 슬퍼요. 그동안 썼던 어마어마한 노력들과 시간들이 돌고 돌아서 결국 모델의 capability overhang에 기대는 게 답이었다는 걸 알게 되니 참 그렇죠.
그런데 좋은 점은 있습니다. 분명 이렇게 슬프게 이야기하지만, 결국 그 사이에서 쌓인 수많은 시행착오의 예외 상황들이 제 가치거든요. 정규님도 똑같은 말씀하셨던 기억이 나네요. 그 사이에 생겼던 수많은 예외 상황들에 대한 distribution이 제 머릿속에 다 있다는 게 제가 갖고 있는 파워인 것 같아요.
10x New Biz는 Entrepreneur의 영역 1:01:38
노정석 10x new biz, 이건 더 어려워요. 결론만 이야기하면 이건 신사업 만드는 것과 본질적으로 똑같다고 느껴져요. 리딩하는 사람이 비전을 느끼지 않으면 무조건 안 돼요. 사장이 이거 될 거니까 만들어라고 미션을 아무리 내려보내도, 아래에 있는 사람이 바라볼 때 그 문제가 better, faster, cheaper의 문제가 아니라 innovation의 문제면 해결이 잘 안 됩니다. 그 단위의 리더가 온전히 학습을 하든지, 깨달음을 얻든지 해서 다음 레벨로 올라서, 사업가의 반열에 준하는
결국 계속 하는 이야기인데, AI 시대에 우리가 가져야 하는 덕목, 어떤 사람들이 살아남을 것이냐를 이야기했을 때, 남는 사람들의 특성은 그냥 사업가라고밖에 생각이 안 들거든요. entrepreneur라는 기질이 없으면 도대체 할 일이 없어요, 좀 심하게 요약하면. 여러분들이 단순 반복하고 싶어 하는 일들은 AI가 훨씬 잘 할 거기 때문에.
최승준 그러면 궁금해지는 부분이 그 앞에서 말한 1/10x 효율하고 10x new biz 사이에 인과관계가 있을까요? 상관관계가 있을까요? 서로 orthogonal할까요? 독립적일까요?
노정석 이렇게 요약하면 될 것 같아요. 결국 objective의 성격이 다르거든요. 앞에 있는 건 metric을 잡기가 쉬워요. objective와 evaluation metric이 명확하게 보이는 거고, 뒤에 있는 문제는 objective와 evaluation metric이 존재하지 않는 영역이에요.
최승준 그러니까 아무리 효율을 높인다고 하더라도 지금 후자로는 점프할 수 있는 거잖아요.
노정석 못 가죠. 결국 저도 여기는 아직 답은 없어요. 모호하게 느끼고 있는 부분인데, 여기는 결국 해당 도메인을 잘 아는 똑똑한 entrepreneur의 의지가 가장 중요한 영역이다.
스타트업 창업하는 것과 본질적으로 똑같게 느껴진다는 생각이 들어요. 앞서 OpenClaw 모임에서 만났던 젊은 신선분들, 저희에게 신선한 unlearn을 제공했던 그 천재들을 보면서, 그 친구들이 그 레벨로 가고 있는 것 같아요. 방법론은 깨우쳤고, 그 방법론을 어떤 사업에 적용할지에 대해 다들 생각을 돌려보고 있는 중인 것 같거든요.
그래서 저는 그들이 어떤 혁신의 영역으로 가서 새로운 것들을 만들어 올 건가라는 거를 굉장히 궁금하게 보고 있어요.
최승준 장강의 물결, 그 얘기 떠오르네요. 늘 새로운 세대가 해냈잖아요.
노정석 뒷물이 앞물을 밀게 돼 있죠. 그래서 우리도 잘 밀려나야 된다라는 생각도 들고. 그래서 그 친구들을 보면서 저는 부러웠어요. 그리고 한국의 미래가 밝구나라는 생각도 들고.
최승준 이미 하고 계시는 전략들도 흥미롭더라고요. 국내만 보지 않고 해외도 보고, 영향력을 가지기 위해 스타트업의 스타를 모으거나 influencer를 확보하려고 노력하는 태도들 같은 것들도 행간에 읽혀서 매우 좋은 자극이 됐습니다.
노정석 그런 것들도 가만히 지켜보면 우리가 이야기했던 optimization 로직으로 다 환원시키는 활동들이거든요. 기업에 누군가 이슈를 달아주면 그것 자체가 전체 프로젝트의 단위 objective를 설정하는 게 되고, objective가 설정되면 명확한 문제이기 때문에 evaluation metric은 모델이 스스로 잡아줄 수 있는 거고, 그러면 스스로 진보가 일어나는 생태계를 구축한 거죠. 매우 스마트합니다. 그걸 홍보하면서 recognition을 계속 높이는 게 어쩌면 인간이 해야 하는 가장 중요한 일이고, 그걸 본질적으로 가장 잘하고 있는 거죠.
말씀도 잘하시더라고요. 제가 끝나고 가서 예찬 님한테 물어봤어요. 나이도 이렇게 어린데 어떻게 이런 심오한 깨달음을 얻었냐고 질문하니까, “진짜 돈 걸린 문제에서 목숨 걸고 전투하다 보면 이렇게 되는 거 아닐까요”라고 대답하셨는데.
최승준 혼자서 hunt 하셨었던 거죠.
AX 프로젝트의 함정: 업무를 통째로 없애기 1:06:15
노정석 네, 정답이죠. 회사에서 AX 프로젝트를 수도 없이 하잖아요. AX 프로젝트를 할 때 많이 하는 게 AX 팀을 만들고, 그 팀이 해당 팀들을 돌아다니면서 요건을 받죠. 요건을 받아서 뭔가 만들어 주는 형태로 프로젝트가 구조화되는데, 그렇게 하지 말라는 이야기를 제가 쓴 겁니다.
최승준 왜 그렇게 하면 안 되죠?
노정석 만들어줘 봐야 어차피 안 써요. 왜냐하면 그 조직의 인센티브 구조가, 지식 노동자가 어떤 일을 하고 있는데 마케터가 됐건 기획자가 됐건 매니저가 됐건, 하는 일이 그 직함에 붙은 일만 하는 건 아니거든요. 굉장히 많은 일들로 구성되어 있는데, 예를 들어 AI가 들어가서 그들이 하고 있는 업무 중 하나를 없앴어요. 그러면 그 사람들은 그 업무를 하지 않고 더 생산적인 업무로 이동해야 하잖아요. 이동할까요? 거의 대부분 안 해요. 그들의 인센티브를 꼼꼼히 살펴보면, 나는 여기까지 오려고 얼마나 힘겹게 노가다를 하며 엑셀과 파워포인트 단축키를 익혔는데, 난 계속 이거 하고 싶어, 가 본질인 경우가 많아요. 이거 하면서 편하게 돈을 받고 싶은데 왜 내가 하던 걸 그만하라고 싫은 일로 쫓아내느냐는 식의 저항을 받는 경우가 굉장히 많다는 걸 여러 케이스에서 느꼈어요.
이걸 하려면 오너가 됐건 최상단 리더십이 됐건 AX의 본질을 정확하게 이해해야 한다는 생각이 드는데, “그 팀을 도와주세요”가 목표가 되는 게 아니라 “저 팀을 통째로 없애세요”가 성공하는 AX의 출발점입니다. 그 사람들을 잘라버리자는 이야기가 아니에요. 그 사람들이 갖고 있던 단위 업무를 온전히 없애주고 그들을 새로운 직무로 전환시켜야지, 거기에 뭘 더 넣어줘 봐야 파워포인트, 엑셀을 그걸로 바꿔주는 것에 불과할 거고, 회사 입장에서 의미 있는 marginal한 생산성 증가는 없습니다. 단위 인력들이 노는 시간이 더 늘어날 가능성은 있겠죠.
그런데 그게 기업들이 진짜 AX를 하는 이유일까 생각해 보면 저는 아닐 것 같고, 지금 하는 AX들은 적어도 큰 기업 단위에서 일어나는 AX들은 돌고 돌아서 다 의미가 없게 될 가능성이 꽤 있다는 생각을 하고 있습니다. 제가 해보니까, 저의 작은 회사와 몇 개의 회사들에서 AX를 한번 견인해 보니 느껴지는 인사이트가 그런 게 있더라 정도를 말씀드리고 싶어요.
조직 재편과 AI Native Talent 이후의 하네스 1:09:10
노정석 결국 회사 입장에서는 효율을 추구하는 것과 새 사업을 만드는 것 다 해야 하는데, 새 사업을 만들 수 있는 사람들은 여전히 사업가 센스가 있는 사람들이에요. 그런 사람들은 존재합니다. 항상 존재해요. 어디든 털어보면 다 존재합니다. 그 사람들을 빨리 찾아서 새로운 것들을 빨리 찾아 떠나게 하고 인센티브를 극강화해 주고, moderate하게 하고 싶다는 분에게는 efficiency 추구를 맡기고.
그들이 지나가고 난 다음, 그걸 하는 사람들이 제 기준에서는 AI native talent들이거든요. AI native talent들이 지나가고 나면, 가혹한 하네스가 탄생합니다. 변화하기 싫어하는 사람들은 그 가혹한 하네스에 넣어지게 될 거예요. 그러면 훨씬 힘들게 일할 가능성이 있죠.
거꾸로 사람이 명령하고 AI가 수행하는 게 아니라 AI가 만든 하네스로 인간들이 들어가는 디스토피안적인 세상으로 들어가게 될 확률이 지금은 훨씬 높다는 생각이 좀 들어요.
최승준 좀 이미 지난 뉴스이긴 하지만 일론이 트위터 인수하고 그랬을 때 잭 도시는 정리하는 거에 대해서 굉장히 반감을 했었는데, 정작 잭 도시가
노정석 엄청 많이 잘랐죠.
최승준 그렇죠, 최근에.
노정석 거의 몇 천 명 내보냈죠.
최승준 4천 명인가, 하여튼 그게 시대 상황을 반영하는 단면 중 하나인 것 같고, 그런 관점에서 정석님이 하시는 말씀, 회사 차원에서 어떤 관점이 드러나는 부분이 있는데요.
오늘 쭉 듣고 보니까 20대 라이징하시는 분들은 어차피 우산 안에 있기보다는 앞으로 치고 나가실 분들이니까, 좋은 관계를 가져야 하니 리스펙트하고 이끌어주고 서로 좋은 관계를 가지는 것들이 필요하고,
사내에서 효율화하는 것, 효율성을 달성하는 건 어떻게 보면 지금 당연합니다. 이미 일어나고 있는 일이고 안 하면 오히려 뒤처지는 거죠. 하지만 혁신으로 가는 것은 그것과 독립적인 다른 성향의 이슈일 수 있다.
노정석 정리가 될 것 같습니다. 저도 이런 걸 좋아하는 게 아니라 기술적인 걸 좋아하고 뭔가 만드는 걸 좋아하는데, 회사 경영 쪽으로 이런 다이내믹스를 끊임없이 끌어와서 사업으로 전환시키다 보니까, 현실과 단기적으로 추구해야 하는 이상, 장기적으로 추구해야 하는 이상, 이런 것들이 잡히는 것 같습니다.
에이전트 보안: Prompt Injection과 격리 운영 1:11:51
최승준 결국에는 에이전트를 잘 쓸 수 있는 게 프롬프트 때문인데, 에이전트들이 injection을 먹고 들어오면 2FA 같은 것도 뚫릴 위험이 있긴 한 거죠. 근본적으로 해결이 안 되는 거 아니에요?
노정석 그럴 것 같아요. 2FA도 뚫을 수 있지 않을까 싶어요. 이메일도 봐버리면 되니까 에이전트가.
최승준 그러니까 이게 사실은 보안에 관련된 이슈가 거대한 게 있다는 느낌이 스물스물 올라오고 그러거든요.
노정석 그래서 저도 제 랩탑에 OpenClaw는 감히 못 깔았어요. VM을 깔아서 리눅스를 새로 올리고 그 위에서 OpenClaw를 돌려서 이것저것 다 테스트해 봤고, 어느 정도 이런 거 잘하네 하는 생각이 든 다음에 바깥에 DGX 박스를 하나 구해서 거기에 OpenClaw를 쭉 세팅해 놓고, 보여줘야 할 최소한의 데이터들을 넣고 있거든요.
최승준 근데 내 credential을 주지 않으면 비서로서는 가치가 떨어지는 거 아니에요?
노정석 예, 그래서 소셜과 관련된 부분이라든지 금융과 관련된 부분은 저는 아직은 못 주고 단위 task들, 행여 이 문서가 통째로 나가도 나에게 거의 리스크가 없는 일들을 맡겨 놓고 있어요.
그러니까 이게 사실은 모델한테 제 개인 정보가 나가는 게 싫어서는 전혀 아니고요. 그건 앞에서 얘기했듯이 제 걸 먼저 줘서 더 얻는 게 모델과는 중요하다고 생각하는데,
OpenClaw 같은 경우에는 자율성 때문에 그렇거든요. 나 대신 이런저런 판단들을 할 텐데, 주인님을 위해서는 이걸 해야겠다고 하면 해버릴 수도 있는 거잖아요. 그 부분에 대해서는 조금 지켜보고 싶은 생각이 들어요.
최승준 그것도 있지만 세뇌돼서 들어오기도 하잖아요. 에이전트들이 injection을 먹거든요. 근본적으로 해결이 안 돼서 아직 골치 아픈 문제라서, 사건 사고가 있을 가능성도 있겠다 싶습니다. 아마 대형 사업자들이 이걸 고민하고 있지 않을까 하는 추측도 해보게 되는데요. 그런데 흐름상 이건 해야 하는 흐름이긴 하잖아요.
노정석 안 할 수가 없죠. 그래서 다 내놓잖아요.
최승준 Perplexity부터 해서 모두 다 하고 있으니까, NVIDIA도 언급하는 판에. 재밌게 들었다기보다는 사실 행간에 날카로운 말들이 많이 있어서 어떻게 받아들이실지는 모르겠습니다만, 그래도 정석님이 4년 동안 실제로 해본 경험에서 우러나온 말씀이라는 생각이 들었습니다.
노정석 그렇죠, 근데 이것도 명확하게 26년 3월에 스냅샷이고, 저도 하루에 생각이 20번씩 바뀌기 때문에.
최승준 작년 3월 4월쯤이면 정석님이 와 ADK 끝내준다 이랬을 때거든요.
노정석 Claude Code 막 나오고 있을 때. Pydantic이 제일 미니멀하고 괜찮은데요. Pydantic 씁시다 막 이러고 있었던 게 작년 3월이에요.
최승준 그리고 저도 4월 즈음에는 Chrome DevTools Protocol, CDP를 써서 브라우저 에이전트 실험을 하고 그랬는데 지금은 그냥 다 잘 되는 일들이 돼버렸어요.
노정석 그때만 하더라도 GitHub Copilot 붙여서 탭 코딩 할 때였거든요. 직접 코드 메인은 제가 잡고 어시스트 받을 때였는데, Claude Code로 가는 게 좀 거북했었어요. 솔직히 완벽한 에이전트 코딩으로 가는 게.
최승준 지금 OpenClaw로 가는 데 사실 저는 거부감이 약간 있어서 휙 가지지가 않더라고요. 비슷한 상황들이 많이 있을 것 같습니다. 그런데 가야 하는 건 맞는 것 같긴 해요.
앞으로의 자세: 요트 경기처럼 따라가기 1:15:33
노정석 저도 제 인생에 이건 요트 경기다, 바뀌면 저 젊은 친구들이 하는 거면 나도 무조건 같이 따라가야 한다는 생각으로 바꿨어요. 그래서 그런 분들과 요새 교류를 많이 하는데, 구봉 님도 한번 만나 뵀었고요.
최승준 구봉 님, 연규 님, 예찬 님 그리고 또 저희 출연하셨던 원준 님도 계속 그런 다이나믹한 관계 맺기 하는 것들을 시도하고 계시고, 되게 다각적으로 흥미롭게 지금 20대 30대 분들이 활동하고 계신 게 지금 눈에 막 들어오더라고요.
노정석 민석 대표님도 회사를 차리셨거든요. 결국 OpenClaw와 비슷한 어시스턴트 방식으로 방향을 잡으신 것 같아서, 민석 님을 한번 모셔서 어떤 비즈니스 thesis를 갖고 있는지 이야기해 보는 것도 좋을 것 같고. 제가 밖에 돌아다니면서 항상 우리 젊은 신선님들이 계신다고 이야기하는 연규 님, 예찬 님이나
최승준 그리고 진형 님도 계시고, 진형 님 등이 그런 분들을 다 알고 계시더라고요.
클로징 1:16:45
노정석 오늘은 이 정도로 이야기하겠습니다. 건강 잘 챙기시고, 건강을 잘 챙겨야 하는 나이입니다. 그럼 이 정도에서 마무리하도록 하겠습니다. 감사합니다.
최승준 재밌었습니다. 감사합니다.