성공 방정식 = [ (1) 명확한 임무(Mission) + (2) 역발상적 접근(Contrarian Approach) ] × (3) 최고의 인재 융합(Talent Fusion)

SpaceX의 성공 방정식
명확한 임무(Mission): "우주 발사 비용을 획기적으로 낮춰 인류를 다행성 종족으로 만든다." 다른 모든 것은 이 목표를 위한 수단일 뿐입니다.

역발상적 접근(Contrarian Approach):
문제 정의: 위성은 싸지는데 로켓 발사 비용은 그대로인 '병목 현상'을 문제로 정의.
해결책: "하나의 비싸고 정교한 엔진"이라는 기존 공식을 버리고, **"저렴하고 신뢰성 있는 엔진 여러 개"**를 묶어 비용을 낮춘다는 역발상을 실행.
최고의 인재 융합(Talent Fusion):
항공우주 산업 전문가: 기존 기술의 한계와 가능성을 아는 사람들.
자동차/드래그 레이싱 커뮤니티 출신: 저비용으로 고성능 기계를 만드는 데 능숙한 사람들.
열정적인 젊은 엔지니어: 최신 기술과 지식을 갖추고, 고정관념 없이 문제에 도전하는 사람들.

Palantir의 성공 방정식
명확한 임무(Mission): "기술을 통해 국가 안보와 시민의 프라이버시를 동시에 지킨다."

역발상적 접근(Contrarian Approach):
문제 정의: 9/11 테러 이후, 정책 입안자들은 "안전이냐, 프라이버시냐"라는 잘못된 이분법적 선택을 강요하고 있었음.
해결책: "왜 둘 중 하나를 선택해야 하는가?"라고 질문하며, 기술을 통해 두 가치를 모두 달성할 수 있다는 새로운 해법을 제시. 즉, 여러 정보기관의 데이터를 안전하게 연결하되, 엄격한 접근 통제와 감사 기록으로 프라이버시를 보호하는 시스템을 구축.
최고의 인재 융합(Talent Fusion):
정보기관 출신 전문가: 실제 현장의 문제와 요구사항을 이해하는 사람들.
실리콘밸리 최고의 소프트웨어 엔지니어: 복잡한 데이터를 처리하고 시각화하는 최고의 기술을 가진 사람들.

Anduril의 성공 방정식
명확한 임무(Mission): "소프트웨어 기술을 통해 미국의 국방력을 혁신하고 동맹국을 보호한다."

역발상적 접근(Contrarian Approach):
문제 정의: 실리콘밸리가 "국방 사업은 돈이 안 되고 비윤리적"이라며 등을 돌리고 있을 때, 오히려 이것이 미국의 안보를 위협하는 가장 큰 문제라고 정의.
해결책: 전통적인 무기 개발 방식(하드웨어 중심, 긴 개발 기간)을 버리고, AI, 자율주행 등 최첨단 소프트웨어 기술을 중심으로 빠르고 저렴하게 국방 시스템을 개발하는 새로운 모델을 제시.
최고의 인재 융합(Talent Fusion):
국방부/군 출신 전문가: 실제 전장의 요구와 작전 개념을 이해하는 사람들.
최고의 AI 및 소프트웨어 엔지니어: 자율 시스템과 데이터 융합 기술을 개발하는 사람들.

당신의 스타트업은 직선이 아닌, 미로다

스타트업은 미로와 같아서, 벽에 부딪혔을 때 기꺼이 경로를 바꿀 줄 알아야 합니다.

NeXT 컴퓨터의 실패: 애플에서 해고된 후, 잡스는 NeXT 컴퓨터를 창업했습니다. 하지만 NeXTcube는 아름다웠지만 너무 비싸 아무도 사지 않는 재앙이었습니다. 잡스 스스로 이 실수를 이렇게 인정했습니다.

"Next를 시작했을 때... 저는 아주 성공적이었던 곳을 떠나 다음 일을 할 때, 지난번 성공했던 패러다임을 그대로 베끼려고 하는, 그리 드물지 않은 실수를 저질렀습니다. 그러면서 발밑의 세상이 변하고 있다는 사실은 깨닫지 못하는 것이죠."

방향 전환 (피봇): 그는 고집스럽게 하드웨어를 고수하는 대신, 회사를 완전히 소프트웨어 중심으로 전환했습니다. 그는 실패를 두려워하지 않았습니다.

"제가 항상 스스로에게 가르치려 했던 것 중 하나는 실패를 두려워하지 않는 것이었습니다... 무언가 잘 안 풀렸을 때, 많은 사람들은 다시는 그런 망신을 당하고 싶지 않다는 생각에 매우 방어적으로 변하곤 합니다. 저는 그게 큰 실수라고 생각합니다."

결과: NeXT의 소프트웨어는 매우 훌륭해서, 1997년 존폐 위기에 놓인 애플이 그 소프트웨어를 얻기 위해 4억 달러에 NeXT를 인수했습니다. 그 소프트웨어는 macOS의 기반이 되었습니다. 잡스는 성공의 영원하지 않음을 이해했습니다. "만약 한 그룹의 사람들이 몇 년 안에 무언가를 해내지 못하면, 시대는 비슷한 것을 성취할 또 다른 그룹의 사람들을 만들어 낼 것입니다."

당신을 위한 교훈: 실패가 해결책이 될 수 있습니다. 미로는 완벽함이 아닌 끈기를 보상합니다. 당신의 스타트업이 벽에 부딪혔을 때, 그저 서 있지만 마십시오. 뒤로 물러나 다른 길을 찾으세요.

세 번째 움직임: 한 가지만 잘하는 전문가가 되기를 멈춰라

잡스는 자신을 "전자기기를 좋아하는 인문학도"라고 불렀습니다. 이 독특한 조합이 모든 것을 바꾸었습니다.

서체 수업: 대학 중퇴 후 청강했던 서체 수업은 10년 뒤 매킨토시의 비밀 무기가 되었습니다. 잡스는 이렇게 말했습니다. "우리의 목표는 전통적으로 매우 괴짜들의 기술이었던 것에 인문학적 관점과 인문학적 대중을 끌어들이는 것이었습니다."

다른 문화: 애플은 엔지니어뿐만 아니라 음악가, 예술가, 작가들을 고용했습니다. "우리는 우리에게 무엇을 해야 할지 말해줄 사람들을 고용했습니다." 라고 잡스는 말했습니다.

일과 삶의 통합: 잡스는 일과 삶을 분리하지 않았습니다. "저는 제 일과 삶을 다른 것으로 생각해 본 적이 없습니다. 그 둘은 같은 것입니다." 당신의 일이 당신의 삶이 될 때, 당신의 집착은 당신의 제품이 되고, 당신의 호기심은 당신의 혁신이 됩니다. 그렇게 집착할 때 실패는 그저 피드백일 뿐입니다. "원하는 것을 성취하는 과정에서 몇 번 넘어지지 않고는 결코 그곳에 도달할 수 없습니다."

당신을 위한 교훈: 당신의 무작위적인 관심사들은 방해물이 아니라, 당신의 무기입니다. 자신을 한정 짓지 마십시오. 모든 것이 되고, 모든 것을 읽고, 모든 것을 시도하십시오.

결론: 이제 당신 차례입니다 (Your Move)

스티브 잡스는 아무것도 없이 시작했습니다. 돈도, 인맥도, 컴퓨터 공학 학위도 없었습니다. 그는 단지 이 세 가지 움직임을 계속해서 반복했을 뿐입니다. 오늘날 애플은 수조 달러의 가치를 지니고, 10억 명이 넘는 사람들이 그 제품을 사용합니다. 이 모든 것은 차고에서 시작되었습니다.

여러분은 지금 잡스가 가졌던 것보다 훨씬 더 많은 도구를 가지고 있습니다. 인터넷, 무료 프로그래밍 강좌, 그리고 수십억 명의 고객에게 접근할 기회까지 말이죠.

남은 유일한 질문은 이것입니다. 무언가를 만들어 내시겠습니까, 아니면 계속 영상만 보고 계시겠습니까? 이제 당신의 차례입니다.

https://youtu.be/z2X225qNp9g?si=Gi2otphExxazaB4s

Q 다들 아시다시피 정말 대단하고 기발한 아이디어들을 많이 가지고 계십니다. 어떻게 그런 아이디어들을 떠올리시는지, 그 과정에 대해 더 자세히 말씀해주실 수 있나요?

또한, 그렇게 훌륭한 아이디어가 떠올랐을 때, 아주 제한적인 재정 자원만으로 어떻게 그 야심 찬 아이디어들을 사업화하시나요?

Elon

소프트웨어나 지적 자본만으로 할 수 있는 일의 가장 큰 장점은 당신과 친구 몇 명만 있으면 그냥 시작할 수 있다는 것입니다. 그래서 인터넷이나 소프트웨어 관련 사업이 처음 회사를 만들기에 아주 좋습니다. Zip2와 페이팔이 있었기에 저는 더 많은 자본이 필요한(자본 집약적인) 일에 도전할 자금을 마련할 수 있었습니다.

아이디어 창출에 관해서는, 저는 일종의 물리학적 관점, 즉 '제1원칙(first principles)' 관점에서 생각하는 경향이 있습니다. 무언가를 달성하기 위한 최선의 방법은 무엇일까를 생각하고 그것을 추구하는 것이죠. 그리고 이 방식은 어떤 것이 최적의 상태에서 얼마나 멀리 떨어져 있는지 판단하는 좋은 방법이기도 합니다.

예를 들어 로켓의 경우, 유추를 통해 '이전 로켓들 비용이 이랬으니, 이 로켓도 그 정도 비용이 들 것이다'라고 생각할 수 있습니다. 혹은 이렇게 질문할 수도 있죠. '로켓은 무엇으로 만들어졌는가? 그 구성 재료는 무엇이고, 그 재료들의 단위 질량 당 비용은 얼마인가?' 이것이 로켓 비용의 이론적인 한계치를 설정합니다. 만약 그 요소들을 창의적인 방법으로 재배열해서 로켓 형태로 만들 수 있다면, 훨씬 더 좋은 결과를 얻을 수 있습니다. 이것이 바로 제1원칙 접근법입니다.

또한, 서로 다른 산업의 아이디어들을 결합하는 것도 혁신에 정말 많은 도움이 된다고 생각합니다. 한 산업에서 발견된 것을 다른 산업에 적용할 수 있는지 살펴보는 것이죠. 이 또한 훌륭한 아이디어의 원천이라고 생각합니다.

하지만 보통은 해결책을 찾기 위해 고군분투하며 여러 가지를 시도합니다. 그중 대부분은 실패하고, 아주 가끔 하나가 성공할 뿐입니다.

https://youtu.be/P2xXT_FU-QE

수직 계열화는 여러 산업에서 일어나며 어렵다. 하나의 조직을 이끄는 게 어려운 것처럼 M&A도 아주 어렵고 대부분 잘 안된다.

1. Katerra의 시작과 비전 (The Beginning)
창업 배경: 세계 최대의 전자제품 위탁생산업체 'Flex'의 CEO였던 마이클 마크스가 2015년에 창업. 그는 전자제품 산업의 효율적인 공급망 관리 노하우를 원시적인 건설 산업에 적용하려 했습니다.

초기 모델: 처음에는 저렴한 건축 자재를 대량으로 소싱하여 공급하는 **'공급망 회사'**로 시작.
피봇(Pivot)과 비전: 초기 모델이 실패하자(건축가들이 기존에 쓰던 자재를 선호), Katerra는 **완전한 '수직계열화 건설회사'**로 방향을 전환했습니다.

공장 제작 (Prefabrication): 건물을 현장에서 손으로 짓는 대신, 공장에서 부품(패널)을 사전 제작하여 조립.
건축의 제품화 (Productization): 매번 건물을 새로 설계하는 대신, 자동차처럼 고객이 옵션을 선택할 수 있는 표준화된 '건물 제품'을 제공.

자체 브랜드 자재: 조명, 가구, 가전제품까지 Katerra 브랜드의 자재를 사용.
전국적 시공망: 전국의 건설사(GC)를 인수하고, 직접 시공 인력을 고용.
목표: 설계-자재공급-공장제작-현장시공까지 모든 단계를 통합하여 건설 산업을 혁신하는 것.

2. 무모한 규모 확장 (Scaling Up)

급격한 성장: 필자가 입사한 2018년 초, Katerra는 이미 1,000명 규모였고, Softbank로부터 8.65억 달러의 투자를 유치한 상태였습니다. 그 해에 직원 수는 8,000명으로 8배나 증가했습니다.
인재 유치: "건설 산업의 가장 큰 문제를 해결한다"는 비전 덕분에 업계 최고의 경험과 실력을 갖춘 인재들을 쉽게 영입할 수 있었습니다.
성장 방식: 신규 채용과 더불어, 전국 각지의 건설사, 설계사무소, 기술 회사 등을 끊임없이 **인수합병(M&A)**하며 몸집을 불렸습니다.

3. Katerra의 제품과 기술 (Building Systems & CLT)
주력 제품: 처음에는 다세대 주택 시장을 공략. 공장에서 벽체, 바닥 패널을 사전 제작하는 방식. 창문, 배관, 전기까지 공장에서 미리 설치하여 현장 작업을 최소화하는 것이 목표였습니다.

다양한 제품 개발: 주택뿐만 아니라 사무실, 산업 시설, 심지어 사우디아라비아를 위한 조립식 주택까지 수십 가지의 '건물 제품'과 관련 시스템(기초, 욕실/주방 키트, 공조 시스템, 소프트웨어 등)을 동시에 개발.

CLT(Cross-Laminated Timber)에 대한 큰 베팅:
Katerra는 친환경 고급 자재인 CLT에 1억 달러 이상을 투자해 세계적인 규모의 공장을 지었습니다.
이는 Katerra의 브랜드를 차별화하고, 유능한 인재를 모으는 데 도움이 되었습니다.

문제점: CLT는 비싼 자재라 프로젝트 비용이 높아지면 쉽게 제외되었고, 거대한 공장을 유지할 만큼 충분한 물량을 판매하기 어려웠습니다.

4. 실패의 근본 원인 (Structural Issues)
필자는 Katerra의 실패를 표면적인 문제(과도한 지출, 프로젝트 지연 등)가 아닌, 더 깊은 구조적 문제에서 찾습니다.

통합 실패와 관료주의 (Bureaucracy):
수많은 회사를 인수했지만, 이들을 하나의 유기적인 조직으로 통합하는 데 실패했습니다. 각 부서는 인수 전처럼 따로 움직였고, 서로 협력하는 것을 꺼렸습니다.

각 부서가 독립적인 '이익 센터(profit center)'로 운영되다 보니, 회사 전체의 이익보다 부서의 이익을 우선시하는 **'부분 최적화'**가 만연했습니다.

회사가 커지면서 의사결정 구조가 복잡해졌고, 간단한 변경 사항 하나를 승인받는 데 수많은 사람의 결재가 필요해져 제품 개발 속도가 매우 느려졌습니다.

제품-시장 부합의 부재 (Lack of Product-Market Fit):
이것이 가장 결정적인 실패 원인입니다. Katerra는 '사람들이 원하는 제품'이 무엇인지 확인하기도 전에 무작정 회사 규모부터 키웠습니다.

이후 제품-시장 부합을 찾기 위해 CLT에 집중했다가, 경량 목조로, 다시 냉간성형강으로 방향을 바꾸는 등 고통스러운 피봇을 반복했습니다.

이러한 방향 전환은 막대한 자본 투자와 설계 예산을 낭비하게 만들었습니다. 작은 스타트업도 힘든 피봇을, 수천 명의 직원과 거대한 공장을 가진 회사가 하기는 훨씬 더 어려웠습니다.

5. 몰락의 과정 (What Goes Up...)
위기의 시작: 2019년 여름, 대규모 감원이 시작되며 필자가 속한 그룹의 75%가 해고되었습니다.
긴축 경영: 새로운 CEO가 부임하고, 비용 절감을 위해 연이은 감원, 복지 삭감, 공장 폐쇄, R&D 예산 삭감 등이 이어졌습니다.

불운: WeWork 사태로 인한 투자 심리 위축, 코로나19 팬데믹, 목재 가격 폭등, 그리고 결정적으로 자금줄이었던 Greensill Capital의 파산이 겹치며 Katerra는 결국 무너졌습니다.

결론: Katerra는 무모할 정도로 야심 찬 회사였고, 수많은 직원이 그 비전을 실현하기 위해 최선을 다했습니다. 비록 실패했지만, 그 시도 자체는 의미 있었다고 필자는 회고합니다.

https://www.construction-physics.com/p/another-day-in-katerradise

미국이 기업가가 많고 혁신을 이끌 수 있는 건 실패라고 치부하지 않고 실패해본 사람이 가장 그 문제를 잘 풀 수 있는 데이터를 수집했다고 바라보고 다시 베팅해줄 수 있는 환경 덕분 아닐까. 상상하는 미래를 현실화 시키겠다고 뛰어드는 창업자들도 많고 미친 사람들에 베팅하는 사람도 있고 그 사람들을 믿는 인재들도 많고. 위워크 아담뉴먼도 다시 문제를 풀고 있고, Katerra의 창업자/창업팀도 이 문제를 다시 풀고 있다.

1. Katerra의 실패와 ONX Homes의 탄생
Katerra의 교훈: Katerra는 건설 산업을 혁신하겠다는 비전으로 시작했지만, ①제품-시장 부합(Product-Market Fit)을 찾기 전 너무 빠르게 규모를 확장했고, ②외부인의 오만함으로 산업을 제대로 이해하지 못했으며, ③과도한 투자 열풍의 희생양이 되어 파산했습니다.

창업팀의 재도전: Katerra의 창업자 마이클 마크스(Michael Marks)를 포함한 핵심 경영진이 다시 모여 2021년 ONX Homes를 설립했습니다.

현재 상황: 플로리다에 본사를 두고 있으며, 약 2억 달러의 투자를 유치했습니다. 현재까지 500채 이상의 단독주택을 지었고, 1,500채를 추가로 개발 중입니다.

2. ONX Homes의 비즈니스 모델: Katerra와의 유사점
ONX는 Katerra의 성공 전략을 상당 부분 다시 실행하고 있습니다.

공장 기반 건설 (Factory-Built Construction):
ONX는 Katerra처럼 비용 절감, 속도 및 품질 향상을 위해 공장 제작 방식을 고수합니다.

차이점: Katerra가 목재, 철강 등 다양한 재료를 오갔던 반면, ONX는 **프리캐스트 콘크리트(Precast Concrete)**에 집중합니다. 공장에서 벽, 바닥, 계단, 심지어 욕실 유닛(Bathroom Pods)까지 미리 제작하여 현장으로 운송 후 조립합니다. 이를 통해 단 30일 만에 집을 짓는다고 홍보합니다.

완전한 수직계열화 (Vertical Integration):
ONX는 설계, 자재 공급(Katerra의 자재 브랜드였던 Kova를 다시 활용), 공장 제작, 현장 시공까지 모든 과정을 직접 수행합니다.

Katerra와의 가장 큰 차이점: ONX는 여기서 한 걸음 더 나아가 토지 매입 및 개발까지 직접 합니다. Katerra가 개발사에게 '제품'을 판매하는 B2B 모델이었다면, ONX는 최종 소비자에게 '집'을 직접 판매하는 B2C 모델입니다. 이는 Katerra의 실패 요인 중 하나였던 '개발사 설득의 어려움'을 피하기 위한 전략으로 보입니다.

유사한 확장 계획:
현재 플로리다에서 운영 중이지만, 텍사스, 캘리포니아, 애리조나, 네바다로 공장을 확장할 계획입니다. 이는 Katerra의 주요 활동 지역과 일치합니다.

'기술 회사' 브랜딩:
Katerra처럼 ONX도 스스로를 '건설 회사'가 아닌 **'기술 회사'**로 포지셔닝하며, AI 활용, 특허, IP 등을 강조합니다.

실상: 하지만 마케팅과 달리, 실제 공장 자동화 수준은 콘크리트 패널과 욕실 유닛 제작 외에는 그리 높지 않으며, 여전히 많은 부분이 현장 작업에 의존합니다.

3. ONX Homes의 새로운 전략: Katerra와의 차이점
ONX는 Katerra의 실패를 교훈 삼아 몇 가지 핵심적인 전략 변화를 시도했습니다.
B2C 비즈니스 모델: 앞서 언급했듯, 개발사를 상대하는 B2B가 아닌 **소비자 직접 판매(B2C)**로 전환했습니다.

보수적이고 성숙한 기술 채택:
Katerra가 CLT(구조용 집성판)와 같은 새롭고 혁신적인 기술에 베팅했다면, ONX는 수십 년간 사용되어 온 프리캐스트 콘크리트라는 훨씬 더 성숙하고 안정적인 기술을 선택했습니다.

이는 기술적 리스크를 줄이는 보수적인 선택이지만, 건물 기술 자체에서 급진적인 혁신을 기대하기는 어렵다는 의미이기도 합니다.

가치 제안의 변화: '최저가'에서 '총소유비용'으로
Katerra의 약속: "더 좋게, 더 빠르게, 더 싸게 (Better, faster, cheaper)"
ONX의 약속: "더 빠르게, 더 튼튼하게, 더 낮은 총소유비용"

ONX는 자신들이 최저가 생산자가 아니라는 점을 인정합니다. 대신 콘크리트 구조물의 장점인 재해(바람, 화재)에 대한 높은 내구성을 강조합니다. 이는 장기적으로 보험료와 유지보수 비용을 절감해주며, 단열 성능과 AI 기반 HVAC 시스템을 통해 에너지 비용도 줄여준다고 주장합니다. 이는 특히 허리케인과 보험료 상승이 문제인 플로리다 시장에 매우 적합한 전략입니다.

4. 결론 및 미래 전망
ONX는 성공할 것인가? 이 질문은 결국 "Katerra의 아이디어가 근본적으로 옳았는가, 아니면 단지 몇 가지 수정이 필요했을 뿐인가?"라는 질문과 같습니다.

긍정적 요인: ONX 팀은 Katerra의 경험에서 분명히 교훈을 얻었습니다. 제품군을 좁히고, 목표를 더 절제하며, 더 보수적인 기술을 채택하는 등 더 집중된 전략을 구사하고 있습니다. B2C 전환과 '총소유비용'이라는 새로운 가치 제안은 현명해 보입니다.

핵심 의문점:
실제 생산 비용: 현재 판매 가격이 실제 생산 비용을 반영하는지, 아니면 Katerra처럼 손해를 보며 팔고 있는지 알 수 없습니다. 경쟁력 있는 생산 비용을 달성할 수 있는지가 관건입니다.

가치 제안의 확장성: '재해에 대한 내구성'이라는 가치 제안이 플로리다 외 다른 지역에서도 매력적일지는 미지수입니다.

https://www.construction-physics.com/p/the-katerra-team-rides-again-onx

(1) 첫째, AI의 새로운 병목 현상은 '프롬프트 입력(prompting)'과 '결과 검증(verifying)' 단계에서 발생합니다. AI는 시작부터 끝까지(end-to-end)가 아닌, 중간에서 중간까지(middle-to-middle)의 작업을 처리하기 때문입니다. 따라서 AI가 중간 단계를 아무리 가속화하더라도, 기업의 비용은 프롬프트를 입력하고 결과를 검증하는 양 끝단으로 옮겨가게 됩니다.

(2) 둘째, AI는 '대리인(agentic) 지능'이 아니라 '증폭된(amplified) 지능'을 의미합니다. 즉, 당신이 더 똑똑할수록 AI도 더 똑똑해집니다. 글을 더 잘 쓰는 사람이 프롬프트도 더 잘 입력하는 것과 같습니다.
(3) 셋째, AI는 당신의 직업을 빼앗는 것이 아니라, 당신이 '어떤 직업이든 할 수 있게' 해줍니다. AI 덕분에 당신은 그럭저럭 괜찮은 UX 디자이너가 될 수도, 제법 괜찮은 SFX 애니메이터가 될 수도 있습니다. 하지만 그렇다고 해서 그 일을 '잘' 할 수 있다는 의미는 아닙니다. 최종적으로 다듬는(polish) 작업에는 여전히 전문가가 필요하기 때문입니다.

(4) 넷째, AI는 당신의 직업을 빼앗는 것이 아니라, '이전 세대 AI'의 직업을 빼앗습니다. 예를 들어, 미드저니(Midjourney)는 스테이블 디퓨전(Stable Diffusion)의 자리를 차지했고, GPT-4는 GPT-3의 자리를 차지했습니다. 일단 당신의 업무 과정(workflow)에 AI 이미지 생성이나 AI 코드 생성 같은 자리가 하나 생기면, 당신은 그저 그 예산을 가장 최신 모델에 배정할 뿐입니다.

저는 현재 AI가 전반적으로 '탈중앙화' 효과를 가져오고 있다고 생각합니다. 왜냐하면 소규모 팀이 올바른 도구만 있다면 훨씬 더 많은 일을 할 수 있게 되었고, 매우 높은 품질의 오픈소스 모델들이 쏟아져 나오고 있기 때문입니다.

https://x.com/balajis/status/1938840903692755135

우리는 왜 정체되어 있는가?
피터 틸은 1970년대 이후 디지털 분야를 제외한 현실 세계의 기술 발전이 현저히 느려진 **'거대한 정체(The Great Stagnation)'**가 지금도 계속되고 있다고 진단합니다.

정체의 증거들
물리적 환경의 불변: 영화 <백 투 더 퓨처> 속 1955년과 1985년의 차이는 극적이지만, 현실의 1985년과 2025년의 차이는 스마트폰을 빼면 미미합니다. 우리를 둘러싼 물리적 세계는 거의 변하지 않았습니다.
야심 찬 꿈의 상실: 과거에는 과학 기술로 '불멸'을 이룰 수 있다는 급진적 믿음이 소수에게나마 존재했습니다. 하지만 오늘날 젊은 세대는 그런 야망조차 품지 않으며, 이는 정체의 핵심 징후입니다.
경제적 지표: 오늘날 30대의 생활 수준은 부모 세대가 30대였을 때보다 나아졌다고 보기 어렵습니다.
지식 생산성의 하락: 학문 분야에 대한 투자는 늘어나지만, 획기적인 성과는 줄어드는 '수확 체감' 현상이 뚜렷합니다.
디지털 혁신의 한계: AI와 같은 디지털 혁신만으로는 사회 전반의 정체를 극복하기에 역부족입니다.

정체의 원인
기술 정체는 단순히 아이디어가 고갈되어서가 아닙니다. 1970년대 이후 ▲기술 발전에 대한 공포(핵, 환경 재앙), ▲위험을 회피하는 제도의 경직화, ▲성장보다 안정을 추구하는 문화적 변화가 복합적으로 작용했습니다.

정체의 위험성
중산층 붕괴: "자녀 세대가 더 나은 삶을 살 것"이라는 기대가 무너지면 사회의 기반이 흔들립니다.
제도적 불안정: 성장을 전제로 설계된 정부 예산, 연금 등 사회 시스템 전체가 지속 불가능해집니다.

정체를 어떻게 돌파할 것인가?
틸은 정체를 타파하기 위한 방법으로 **'위험 감수'**와 **'파괴적 행위자'**의 역할을 강조합니다.

해결책: 더 많은 위험을 감수하라
사회는 훨씬 더 많은 위험을 감수해야 합니다. 50년간 진전 없는 알츠하이머 연구처럼, 기득권에 안주하는 것은 "멍청한 사기극"에 불과합니다. 과감한 시도가 필요합니다.

정치라는 벤처 투자
트럼프의 역할: 틸은 트럼프를 경직된 현상 유지를 뒤흔들 **'파괴적 행위자'**로 보고 투자했습니다. "미국을 다시 위대하게"라는 구호는 미국의 쇠퇴라는 불편한 진실을 드러내고, 정체에 대한 사회적 대화를 촉발할 수 있다고 기대했습니다.
실리콘밸리의 변화: 현재 많은 실리콘밸리 리더들이 트럼프를 지지하는 것은, 기존의 진보적 방식(Wokeness 등)이 실패했다고 느끼고 대안을 찾는 과정입니다. 틸은 이런 상황에서 트럼프 2.0이 정체를 깰 **"단연코 최상의 선택지"**라고 평가합니다.
정치에 대한 양가감정: 정치 참여는 매우 중요하지만, 동시에 개인과 사회에 "매우 유독하다(toxic)"며, 현재는 직접 후원을 중단한 상태라고 밝혔습니다.

AI와 미래 기술에 대한 현실적 전망

AI의 규모와 한계
AI의 영향력은 90년대 인터넷 혁명과 비슷하며, **"아무것도 아닌 것보다는 크지만, 사회 전체를 바꿀 변혁보다는 작다"**고 평가합니다.
AI가 사회 전체의 정체를 끝내기에는 역부족이며, 그 이유는 다음과 같습니다.
제도적 장벽: AI가 신약 개발에 성공해도 FDA 승인에 10년 이상 걸릴 수 있습니다.
기득권의 저항: 학계의 기득권 세력은 자신들의 이론을 뒤집는 AI의 발견에 저항할 것입니다.
사회적 의지 부족: 1960년대 아폴로 계획처럼 국가적 역량을 결집할 사회적 합의가 부재합니다.

기술 유토피아에 대한 회의론
일론 머스크가 "10년 안에 10억 대의 로봇이 등장할 것"이라면서도, 동시에 "재정 적자"를 걱정하는 모순을 지적합니다.
이는 기술의 유토피아적 비전이 현실의 거시 경제 문제를 해결할 것이라는 믿음이 불확실하거나, 그 연결고리에 대한 깊은 성찰이 부족함을 보여줍니다.
그럼에도 불구하고, AI가 가져올 발전은 아무것도 없는 정체 상태보다는 낫다고 봅니다.

화성 프로젝트의 재해석
머스크의 화성 프로젝트는 단순한 과학 탐사가 아닌, 지구의 낡은 시스템을 피해 새로운 사회를 건설하려는 **'정치적 프로젝트'**였습니다.
하지만 "네 AI가 화성까지 따라올 것"이라는 통찰처럼, 기술적 도피만으로는 문제를 해결할 수 없으며, 지구의 정치·문화 전쟁에서 먼저 승리해야 한다는 현실을 깨닫게 되었다고 분석합니다.

https://youtu.be/vV7YgnPUxcU?si=NK3k2LtVYDtsVD2I

확신을 가지고 행동하되 유연할 것.

지난 몇년간 자신이 틀렸다고 반성한 적이 없다면, 그 사람은 틀린 고집을 갖고 있을 가능성이 높다. 최신 심리학 실험에 따르면, 지능이 높은 사람일수록 자신이 틀렸다는 생각을 더 하기 어렵다고 한다. 모든 사람은 때때로 틀린 생각, 잘못된 고정관념, 진실이 아닌 편향에 빠지지만, 똑똑한 사람일수록 자기는 '틀릴 수 없다'는 착각에서 헤어나오기 힘들어한다.

똑똑한 사람일수록 고도의 자기합리화로 지나치게 무장하여 결코 고집을 바꾸지 못하는 것이다. 그렇기에 지난 몇 년간, 심지어 그보다 더 오랜 시간 동안 자기가 틀렸다고 통렬하게 인정한 순간들이 기억나지 않는다면, 그는 자기만의 거대한 세계에 갇힌 거라고 볼 수 있다. 이 편향적인 확신은 날이 갈수록 강화되기 때문에, 어느 순간부터 그는 자기 자신에 대한 광신도가 된다.

그러나 반대의 경우 역시 만만치 않게 존재한다. 끊임없이 새로운 것들에 홀리느라, 자기 중심이나 줏대를 갖지 못하는 현상이 매우 광범위해졌다. 세상에는 선택할 수 있는 것이 너무 많아서, 하나에 몰입하는 게 손해처럼 느껴진다. 어느 하나에 몰두하려고 하면, 더 매력적인 다른 것들이 유혹한다. 2시간을 몰입해서 볼 영화 한 편 고르기도 쉽지 않다. 영화 한편을 고르려면, 그 시간에 볼 수 있는 다른 영화, 드라마, 웹툰, 유튜브들과 치열하게 싸워야 한다.

그러니까 한편에는 고집을 가질 수 없는 무한한 유동성의 바다라는 게 있다. 이런 바다에서는, 자기 고집을 가진다는 것도 쉽지 않다. 어느 하나의 견해를 택하기 무섭게, 온갖 반론들이 세상에 넘쳐난다. 인터넷만 조금 뒤져보더라도, 거의 동일한 양의 서로 다른 입장에 대한 이야기들을 찾아볼 수 있다. 내가 하는 선택, 내가 가진 고집은 언제나 넘쳐나는 논거로 비난의 대상이 될 수 있다.

결국, 삶은 고집과 유연성의 전쟁터 같은 것이다. 고집을 가지려고 하다보면, 어느덧 잘못된 편향이나 고정관념에 사로잡혀 자기 방어와 자기 신앙에 급급한 인간이 되어버린다. 반대로, 고집을 경계하며 선택을 열어두다 보면, 그 무엇도 선택하지 못하고, 몰입하지 못하고, 헌신하지 못한 채 자기 정체성 자체를 갖지 못하게 된다.

내가 생각할 때, 이 딜레마를 해소하는 핵심적인 태도가 '용기'이다. 자기 방어를 직시하며 자기가 틀릴 수도 있다는 걸 직시하는 용기가 필요하다. 동시에 수많은 선택들 가운데 어느 하나를 선택하여 나를 헌신할 용기 또한 필요하다. 그러한 헌신 가운데에서, 내가 다시 한 번 틀릴 수도 있다는 걸 직시하고, 다시 나를 부정하는 용기가 필요하다. 그렇게 내가 틀릴 수도 인정하는 바로 그 자리에서, 다시 나를 새로운 것에 투신시킬 용기가 필요하다. 용기의 주체는 그렇게 자기 삶을 만들어간다.

자기합리화로 지나치게 무장하여 결코 고집을 바꾸지 못하는 사람한테는 배울 게 없다. 반대로 끊임없이 새로운 것에만 홀리느라 어느 하나 깊이 있는 선택을 하지 못하는 사람에게도 배울 게 없다. 그러나 자신의 선택과 고집에 충실하면서도, 끊임없이 의심하며 유연하게 자기를 바꾸어갈 용기를 가진 사람, 그런 겸손함과 강인함을 가진 사람에게서는 삶 전체를 배운다. 그런 사람에게서는, 삶을 걷는 법을 배운다. 바로 그렇게 살아야 한다는, 용기를 수혈받는다.

정지우님

Your margin is my opportunity.

OpenAI is mimicking Palantir in customizing AI models for customers spending $10 million or more.

https://x.com/theinformation/status/1939315431614873961

The Bitter Lesson

AI 연구의 장기적인 승자는 언제나 '범용적인 방법(General Methods)'과 '컴퓨팅 규모의 힘(Power of Scale)'을 최대한 활용하는 쪽이었다.

1. 인간의 지식을 활용한 복잡한 접근법은 단기적으로는 성공하지만, 장기적으로는 패배한다.
- 연구자들은 초기에 인간의 지식(예: 체스의 오프닝 전략, 언어의 문법 규칙)을 시스템에 직접 넣으려는 시도를 합니다. 이런 접근은 단기적으로 성능을 빠르게 끌어올립니다.
- 하지만, 이는 시스템을 복잡하게 만들고, 결국 더 단순하고 일반적인 학습 방법이 막대한 컴퓨팅 파워를 만났을 때 그 성능을 따라잡지 못하고 뒤처지게 됩니다.

2. 가장 중요한 것은 '학습(Learning)'과 '탐색(Search)'이다.
- 학습(Learning): 데이터로부터 자동으로 구조와 패턴을 발견하는 능력. (예: 딥러닝)
- 탐색(Search): 가능한 수많은 선택지 중에서 최적의 해를 찾아내는 능력. (예: 알파고의 몬테카를로 트리 탐색)
- 이 두 가지 범용적인 방법은 인간의 직관이나 지식에 의존하지 않으며, 컴퓨팅 파워가 증가할수록 그 성능이 계속해서 향상됩니다.

3. 컴퓨팅 규모의 힘을 절대 과소평가하지 마라.

1. 모델의 한계와 보조 장치의 필요성:
- 현재의 AI 모델(예: GPT-4o)은 그 자체로 완벽하지 않습니다. 특정 작업을 더 잘 수행하게 하거나, 복잡한 워크플로우를 처리하게 하려면 보조적인 장치들이 필요합니다.
- Harness/Scaffold: 모델이 특정 작업을 더 잘하도록 돕는 프롬프트 체인, 외부 도구(function calling) 연동, 작업 분해 로직 등을 포함하는 포괄적인 프레임워크입니다. 예를 들어, 'Pokemon 게임하기' 벤치마크에서 모델이 게임을 할 수 있도록 도와주는 복잡한 코드 구조가 여기에 해당합니다.
- Model Router: 비용과 성능의 트레이드오프를 관리하기 위해 등장한 기술입니다. 간단한 질문은 빠르고 저렴한 모델(예: Haiku)로 보내고, 복잡하고 중요한 질문은 느리고 비싼 고성능 모델(예: Opus, o1)로 보내는 '교통정리' 역할을 합니다.

2. 개발자들의 현실적인 고민:
- 이러한 보조 장치들은 당장 제품의 성능을 높이고, 사용자 경험을 개선하며, 비용을 절감하는 데 실질적인 도움을 줍니다.
- 따라서 많은 스타트업과 개발팀은 이러한 **'똑똑한 엔지니어링'**에 많은 시간과 노력을 투자하여 자신들만의 프레임워크와 라우팅 로직을 구축하고 있습니다.

3. 과거의 반복:
- 그는 먼저 과거의 사례를 듭니다. 현재의 o1 같은 '추론 모델'이 등장하기 전, 사람들은 복잡한 에이전트 시스템(Harness)을 만들어 일반 모델(non-reasoning model)을 여러 번 호출함으로써 추론과 유사한 행동을 흉내 내려고 했습니다.
- 하지만 **추론 모델 자체가 등장하자, 그 복잡했던 엔지니어링은 대부분 불필요해졌고 오히려 성능을 저해**하기까지 했습니다. 모델에게 그냥 질문을 던지는 것이 더 나은 결과를 낳았습니다.

4. 현재와 미래의 유추:
- 노암은 이 패턴이 반복될 것이라고 주장합니다.
- Harness/Scaffold: 지금 개발자들이 추론 모델 위에 쌓고 있는 복잡한 스캐폴드 역시, 미래에 모델이 더 유능해지면 자연스럽게 모델 내부에 통합되어 불필요해질 것입니다.
- Model Router: OpenAI의 목표는 결국 **'단일 통합 모델(a single unified model)'**을 만드는 것입니다. 이 모델은 스스로 문제의 난이도를 판단하고 필요한 만큼의 컴퓨팅 자원을 동적으로 할당할 수 있게 될 것입니다. 그렇게 되면 외부에서 질문을 라우팅해주는 장치는 의미가 없어집니다.

5. 개발자들을 위한 조언
- "물론 지금 당장은 이런 보조 장치들이 유용하고, 제품에 가치를 더해주는 것을 이해한다. 하지만 명심해야 할 것은, AI 분야의 발전 속도가 엄청나게 빠르다는 점이다."
- 바로 이 지점에서 **"6개월 뒤에 버려질 수 있는 것을 만드는 데 6개월을 쓰지 말라"**는 말이 나옵니다.
6. 규모에 의해 씻겨 내려가지 않는 것
- RFT를 위해 자신만의 데이터셋, 환경(environment), 보상 모델(reward model)을 구축하는 것은 '규모에 의해 씻겨 내려가지 않는' 가치 있는 자산입니다.
- 미래에 더 강력한 모델이 나와도, 이 데이터셋과 환경은 그 새로운 모델을 **'우리 서비스에 맞게 전문화(specializing)'**시키는 데 계속해서 사용될 수 있기 때문입니다. 이는 모델의 발전을 보완하는 활동이지, 대체되는 활동이 아닙니다.

테스트 시간 컴퓨팅을 3분에서 3시간, 3일, 3주로 확장할 때 두 가지 주요 문제가 발생한다.

1. 비용 문제: 모델이 더 오래 생각할수록 비용이 기하급수적으로 증가하며, 이는 경제적 한계에 부딪힌다. (단, 모델 자체의 사고 효율성이 높아지면서 같은 시간 내에 더 많은 것을 할 수 있게 되는 점은 긍정적이다.)

2. 물리적 시간(Wall-Clock Time) 병목 현상: 모델이 응답하는 데 3시간, 3주가 걸리면 실험을 반복하고 개선하는 속도가 극적으로 느려진다. 특히 신약 개발처럼 실제 결과를 확인하는 데 오랜 시간이 걸리는 분야에서 이는 치명적인 병목이 될 수 있다. 이는 AI 발전 타임라인이 길어질 수밖에 없는 강력한 근거가 된다.

"왜 사람들은 추론 모델을 이런 중요한 문제에 사용하지 않는가?"

- 단순한 챗봇 용도를 넘어, 인류의 지식 경계를 넓히는 '탐색 기계(search machine)'이자 '과학적 발견 도구'로서 추론 모델의 잠재력을 최대한 활용해야 한다. 비용과 시간이라는 병목 현상이 존재하지만, 그만큼의 가치를 창출할 수 있는 영역에 집중적으로 투자해야 한다는 의미입니다.

- 다중 에이전트 팀의 목표: 테스트 시간 컴퓨팅을 몇 시간, 며칠 단위로 대폭 확장하여 어려운 문제를 푸는 것입니다. 또 다른 방향이 다중 에이전트인데, 이는 협력과 경쟁 양측면을 모두 포함합니다.

- AI 문명(Civilization) 가설:
- 인간의 지능은 단일 개체가 아니라, 수십억 명의 인간이 수천 년간 협력하고 경쟁하며 쌓아 올린 '문명'의 산물이다.
- 마찬가지로, 현재의 AI는 '원시인' 단계에 불과하다. 수십억 개의 AI가 오랜 시간 협력하고 경쟁하며 'AI 문명'을 구축한다면, 현재와는 비교할 수 없는 수준의 결과물을 만들어낼 것이다.

https://youtu.be/ddd4xjuJTyg
https://www.latent.space/p/noam-brown

칼융

인생의 전반부는 사회의 기대에 부응하기 위해 '페르소나(사회적 가면)'를 쓰고 살아가는 시기입니다. 그러나 이 가면과 자신을 동일시하면 진정한 자아를 잃고 내면의 공허함을 느끼게 됩니다. 진정한 삶은 이 가면이 도구일 뿐임을 인식하는 데서 출발합니다.

진정한 자아를 찾기 위해서는 자신이 억압하고 부인해 온 내면의 어두운 면, 즉 '그림자'와 용감하게 마주해야 합니다. 이 그림자를 외면하면 타인에게 투사하여 비난하게 되고, 온전한 자신에 이를 수 없습니다. 빛은 어둠을 알아야만 비로소 드러납니다.

'개성화'는 페르소나를 인식하고 그림자를 통합하며, 궁극적으로 의식과 무의식의 모든 측면이 조화를 이룬 온전한 '자기(Self)'에 도달하는 평생의 여정입니다. 이는 타인이 아닌 자신의 내면 나침반을 따라 자신의 길을 가는 것이며, 진정한 삶의 목적과 의미를 찾는 과정입니다.

융은 40세 이후의 중년을 단순한 위기가 아닌, 인생의 전반부에 구축한 외적 삶에 대해 질문하고 내면의 진실을 찾아 영적으로 각성할 수 있는 결정적인 기회로 보았습니다. 이때 비로소 사람들은 사회의 기대가 아닌, 자신만의 의미를 추구하기 시작합니다.

"페르소나는... 개인이 세상과 관계를 맺거나 다루는 방식, 즉 적응의 체계이다. 모든 직업이나 전문 분야는 그 자체의 특징적인 페르소나를 가지고 있다... 세상은 그들에게 특정 행동을 강요하고, 전문직 종사자들은 이러한 기대에 부응하려 애쓴다... 위험은 그들이 자신의 페르소나와 동일시되는 것이다—교수는 그의 교과서와, 테너는 그의 목소리와. 그렇게 되면 손상은 이미 일어난 것이며, 그때부터 그는 오직 자신의 배경에 기대어 살아간다... 약간의 과장을 보태 말하자면, 페르소나는 실제로는 자기 자신이 아니지만, 자기 자신뿐만 아니라 다른 사람들도 자신이라고 생각하는 바로 그것이다.”

"불행하게도, 인간은 대체로 자신이 상상하거나 되고 싶어 하는 것보다 선하지 않다는 것은 의심의 여지가 없다. 모든 사람은 그림자를 지니고 있으며, 그것이 개인의 의식적인 삶에 덜 구현될수록, 그 그림자는 더욱 검고 짙어진다. 만약 열등함이 의식된다면, 그것을 바로잡을 기회는 항상 있다... 그러나 그것이 억압되고 의식으로부터 분리된다면, 결코 바로잡히지 않는다.”

"개성화란 '개인(in-dividual, 나눌 수 없는 존재)'이 되는 것을 의미하며, '개성'이 우리의 가장 내밀하고, 궁극적이며, 비할 데 없는 독특함을 포함하는 한, 그것은 또한 자기 자신이 되는 것을 의미한다. 그러므로 우리는 개성화를 '자아실현(coming to selfhood)' 또는 '자기실현(self-realization)'으로 번역할 수 있다."

"우리는 철저히 준비되지 않은 채 인생의 오후로 발을 내딛는다. 더 나쁜 것은, 우리의 진리와 이상이 이전과 같이 우리에게 도움이 될 것이라는 잘못된 가정하에 이 발걸음을 내딛는다는 것이다. 하지만 우리는 인생의 아침 프로그램에 따라 인생의 오후를 살 수 없다. 왜냐하면 아침에 위대했던 것은 저녁에는 사소한 것이 될 것이고, 아침에 진실이었던 것은 저녁에는 거짓이 될 것이기 때문이다.”

AI, 로봇, 신약 개발 등 세상이 급변하고 있습니다. 중국이 공산당의 장기 플랜 아래 뛰어난 창업자, 자본, 인재를 동원해 일사불란하게 움직인다면, 미국은 국가의 미래를 고민하는 기업가들이 새로운 시대를 열어가고 있습니다. 미래 산업의 패권을 두고 국가와 기업이 '원팀'처럼 움직이며 모든 자원을 쏟아붓는 거대한 경쟁의 시대입니다.

이러한 전환기 속에서, 마크 앤드리슨은 과거 미국을 세계 최강으로 이끈 '아메리칸 시스템'을 통해 다시 한번 도약이 가능하다고 주장합니다. 19세기 말 윌리엄 매킨리 대통령이 완성한 이 시스템은 세 가지 축으로 이루어져 있습니다.

첫째, 보호 관세입니다. 단순히 수입을 막는 것이 아니었습니다. 당시 압도적인 경쟁력을 가진 영국산 제품으로부터 미국의 '유치산업'을 보호하는 것이 핵심이었습니다. 높은 관세로 미국 신생 공장들이 성장할 시간과 시장을 벌어주었습니다.

둘째, 국립 은행입니다. 안정적인 통화를 공급하고 공장, 철도 등 거대한 산업 프로젝트에 필요한 자본을 융자하는 금융의 중심축이었습니다.

셋째, 내부 개선입니다. 관세 수입을 재원으로 도로, 철도 등 국가 기반 시설을 건설했습니다. 이는 원자재와 상품의 물류 비용을 획기적으로 낮춰 산업 생태계 전체의 효율을 높였습니다.

이 시스템은 2차 산업혁명의 기술(철강, 전기)과 맞물려 폭발적인 시너지를 냈습니다. 단순히 자동차 회사 하나가 아닌, 그 차에 들어가는 모든 부품 산업이 하나의 거대한 생태계(Ecosystem)로 동반 성장하며 미국을 세계 최고의 산업 강대국으로 만들었습니다.

이 역사적 모델은 오늘날 AI와 로봇공학 시대를 맞이한 미국에 세 가지 중요한 전략적 힌트를 줍니다.

첫째, 단순한 자유 시장 경쟁이 아닌 '전략적 보호'가 필요합니다. 중국의 저가 공세로부터 미국의 신생 로봇 기업들을 지키기 위해 데이터 안보 규제, 정부 조달 우대 등 현대적인 보호막이 필수적입니다.

둘째, 19세기의 철도가 그랬듯 21세기의 '미래 인프라'(AI 데이터센터용 전력망, 5G/6G 통신망 등)에 대한 과감한 정부 투자가 뒤따라야 합니다.

셋째, '생태계 전체'를 육성하는 금융 지원이 필요합니다. 챗GPT 같은 소프트웨어뿐만 아니라, AI 반도체, 로봇, 그리고 그 로봇을 만들 첨단 공장까지 아우르는 종합적인 지원이 핵심입니다.

결론적으로, '아메리칸 시스템'의 교훈은 단편적인 정책이 아닌, ①보호, ②인프라, ③금융이 유기적으로 결합된 '종합 산업 전략'이 필요하다는 것입니다.

그렇다면 미국이 다시 제조업을 부흥시킬 수 있을까요? 과거의 성공 방정식이었던 숙련되고 부지런한 노동력 기반의 제조업은 이미 아시아 국가들의 영역이 되었습니다. 하지만 마크 앤드리슨과 일론 머스크가 그리는 미래는 다릅니다. 해법은 '제조업의 부활'이 아니라 '제조업의 재정의'에 있습니다.

그 중심에 바로 '에일리언 드레드노트 공장(Alien Dreadnought Factory)'이라는 개념이 있습니다. 이는 "기계를 만드는 기계" 그 자체를 하나의 제품처럼 혁신하는 것입니다.

에일리언(Alien): 기존의 공장과는 완전히 다른, 마치 외계 기술처럼 고도로 자동화되고 효율적인 공장을 의미합니다. 인간의 개입이 거의 없는 '소등 공장'에 가깝습니다.

드레드노트(Dreadnought): 20세기 초 등장하여 기존의 모든 전함을 구식으로 만들어버린 혁명적인 전함의 이름처럼, 이 공장이 기존 제조업의 판도를 바꿀 것이라는 자신감의 표현입니다.

이것이 바로 마크 앤드리슨이 말하는 미래 제조업의 청사진입니다. 저임금 단순 노동이 아닌, 공장 시스템 자체를 설계하고 로봇을 프로그래밍하며 유지 보수하는 고숙련 엔지니어와 기술자 중심의 새로운 일자리가 바로 여기서 창출될 것입니다.

https://youtu.be/pRoKi4VL_5s

🤯상하이 한 블록이 로봇으로 이사하는 영상

https://youtu.be/7ZccC9BnT8k

GPU 모니터링 앱을 하나 만들어서 새벽에 공개했다. all-smi 라는 이름의 앱이다. (미리 아답터를 만들어 두었다면) GPU, NPU 종류에 상관없이 하나의 뷰로, 지금 내 컴퓨터 또는 여러 서버에 걸쳐 모든 자원을 모니터링하는 툴이다. GPU 모니터링하러 뭔가 잔뜩 깔고, 웹까지 개발하고 열고 보는 그 모든 과정이 너무 불편해서 만들었다.

지금은 Nvidia GPU들, Nvidia Jetson GPU 및 (달려 있는 보드라면) DLA 가속모듈, Apple silicon 의 GPU 및 ANE 모니터링을 지원한다. 여러 서버 노드에 API 모드로 데몬으로 띄운 후 한 곳에서 모아서 보는 뷰 모드가 핵심인데, 서버 노드 300여대, GPU는 2400장까지 지원하는 것을 1차 목표로 만들었다. (더 많아지면 커넥션 풀과 뷰 설계가 좀 바뀌어야 할 듯 하다. 운영체제에 따라 현재 64개 정도의 커넥션 풀을 쓰는데, 더 댓수가 많아지고 중간에 몇몇 뻗는 노드들이 생길 때 타임아웃 고려하면 커넥션 풀 고갈 관련해서 머릴 써야 한다.)

설치는 cargo install all-smi 또는
https://github.com/inureyes/all-smi 에서 바이너리를 받으면 된다.

애플 머신을 위한 homebrew 랑 리눅스 배포판 추가 등은 저녁에 진행할 예정.

여기까지는 앱 소개였고,

사실 이 앱은 작년 8월 초에 휴가갔다가 rust 나 배워볼까 하고 만들기 시작했던 앱이다. 작년 여름에 NPU용 뷰잉 도구가 제대로 된 것이 없고, 사용성도 다 달라서 여러 GPU나 NPU가 섞여 있는 상황에서 뭘 하기가 너무 어려웠다. 그래서 휴가 간 김에 만들까 해서 시작했던 앱이다. rust 를 선택한 이유는 가장 안 해 본 언어라서였다. rust 는 정식 버전도 나오기 전 아주 초창기에 book of rust 읽고 해 본 것이 다였다.

당시의 페이스북 글이다.
https://www.facebook.com/share/p/1B44JfnsQU/

Google AI studio 와 ChatGPT에 계속 코드 조각을 물어보고 작성하고 수정할 때 준 프롬프트는 이랬다.

"난 러스트를 거의 처음 한다. C 프로그래밍 및 파이썬 3에는 익숙하다. 비동기 기술 및 패키징 기술, UI 기술에 대해서는 jQuery와 웹컴포넌트에 대한 풍부한 경험이 있다. 지금부터 프로그래밍을 하다가 오류가 생기면 디버그를 부탁할 것이다. 오류 및 수정 제안 코드를 설명할때 나의 백그라운드를 고려하여, 이해할 수 있는 설명 및 비유를 충분히 활용해서 설명하라. 비슷한 레토릭 및 일대일 대응이 되는 기능이 있다면 그 내용을 원용하여 설명하라. 오류가 발생할 경우, 원래 내가 알고 있는 지식과 러스트 언어의 특징을 비교하여, 러스트 언어의 특징에 의한 휴먼 에러인 경우 해당 부분을 상세하게 설명하라."

사흘 만들다가 휴가를 마치고 돌아와 일 년 가까이 잊고 있다가, 이번 주말에 다시 코드를 손댔다. 작년처럼 GPU/NPU가 섞인 상황도 있지만, 이번엔 GPU 네자릿수를 모니터링해야 할 상황이 되어서 귀찮아져서 다시 코드를 잡았다. GPU 달랑 천 대 모니터하려고 dcgm 셋업에 그라파나 대시보드를 짜야 한다는게 좀 그랬다. 한두번 할 것도 아니기 때문에 더 그랬다.

이번에는 Gemini CLI 를 거의 옆에 끼고 개발했다. 중간에 무한루프를 돌면 Gemini CLI를 잠시 끄고 (Gemini CLI 에 어제 그저께 replace tool 관련 버그가 있었다. GitHub 보니 구글에서 고치는 중으로 보인다.) Claude Code로 개발하고, Claude code가 영 감을 못잡으면 에디터 열어서 한 10분씩 직접 코딩했다. 다음주 발표자료 만들면서 한쪽에서 코딩하다 보니 대략 원하는 형태의 모습이 되어서 릴리즈까지 하게 되었다. 자동 릴리즈용 GitHub action 작성은 Gemini 에게 처리하라고 하고, Cargo 릴리즈는 ChatGPT 에게 방법을 물어봐서 적용했다.

오늘 개발 및 릴리즈를 하며 깨달은게 있는데, 코드와 컴퓨팅, 네트워크를 깊게 알수록 에이전틱 코딩에 절대적으로 유리하다. 중간중간 Gemini 나 Claude code의 삽질을 중간에 멈추고 해결책에 대한 의견 주기를 통해 최종 해결을 위한 가이드를 하며 느낀 점이다. 터미널에서 더블 버퍼링을 구현한다거나, 여러개의 스크린 버퍼를 두고 컴포지션해서 뿌리라거나 하는 가이드를 줘서 터미널 출력 관련 플리커링이나 프레임 문제들을 해결했다. 준기님 컴퓨터에서는 여전히 플리커링이 일어나 오늘 적응형 프레임 버퍼까지 구현을 하게 되었다. (터미널 프로그램 맞다.)

AI 모델로 코딩을 잘 외주하려면 우선 가이드를 줄 사람이 그런 기술들이 있다는걸 알아야 한다는 부분을 갈수록 더 많이 느낀다. 코딩 모델들은 핵심 구현에 대한 기술적 가이드를 줄 때는 그 방향으로 깊이 들어갈 수 있지만, 그렇지 않으면 그저그런 대답이나 코드들을 만들어낸다. 알아서 좀 잘 못하냐? 하기엔 AI는 의지가 좀 허약하다. 구현 디테일의 정도를 깊이 생각하지 않고 일단 지시에 따라 코드를 찍어내는 정도라, AI 모델 코딩 실력의 한계는 그걸 잡고 있는 사람의 실력 바운더리를 크게 넘지 못하는 듯 하다.

강한 방향성이 문제를 파고드는 의지를 만든다. AI나, 사람이나.

덧. Gemini CLI (맨정신일땐) 네가 최고다…

https://www.facebook.com/share/p/16ggK9RGFP/

요즘 AI Agent에 대해서 읽고 생각한 것들을 노정석 대표님 팟 캐스트에서 이야기 나눴습니다.

AI 에이전트에 대한 관찰

1. 현재 상황: 산업혁명과 AGI 이전의 '과도기'
산업혁명 비유: 현재는 증기기관 발명 후 가내수공업에서 자동화 공장으로 넘어가던 시기와 같다. AGI(범용인공지능)가 도래하기 전까지의 기술적 '갭'에서 새로운 사업 기회가 존재한다.
AGI의 의미: 사람보다 AI에게 업무를 맡기는 것이 비용, 품질, 속도 모든 면에서 월등해지는 시점. AGI가 오면 기존 비즈니스 패러다임이 근본적으로 바뀔 것이다.

2. 핵심 사례: 개발 도구 'Cursor'가 보여주는 힌트
Cursor는 AI 시대의 변화를 예측할 수 있는 세 가지 중요한 단서를 제공한다.

① 개발자의 역할 변화: 코드를 직접 짜는 '빌더'에서 AI가 생성한 코드를 리뷰하고 관리하는 '매니저'로 역할이 바뀌고 있다.
② 새로운 시장 창출: 코딩 지식이 없는 사람도 아이디어만으로 코딩하는 '바이브 코딩' 시장을 열었다.
③ 프론티어 모델과의 경쟁 전략: 거대 모델(항공모함)에 맞서는 스타트업(제트보트)은 **'속도'**로 생존한다.

독점 데이터 (맛집 소스): 고객사의 실제 코드베이스와 AI 추천에 대한 개발자의 피드백(암묵지) 데이터를 축적, 이를 통해 모델을 고도화하는 데이터 선순환 구조를 구축하여 경쟁 우위를 확보한다.
자원과 인재: 충분한 자본으로 GPU를 확보하고, 경쟁사의 핵심 인재를 영입해 이노베이션 속도를 극대화한다.
다음 전쟁터는 '팀 생산성': 개인의 생산성을 넘어, 코드 리뷰 지원 등 팀 워크플로우에 스며들어 네트워크 효과를 창출하는 것이 핵심이다.

3. 'Cursor for X': 다른 지식 노동 분야로의 확장
'코드'를 '텍스트'로, '개발'을 '지식 노동'으로 치환하면 모든 전문 분야에 동일한 모델을 적용할 수 있다.

법률 (Harvey AI): 로펌의 내부 데이터를 학습해 계약서 수정, 법률 자문 등 다단계 워크플로우를 자동화한다. 변호사를 직접 고용해 모델 평가와 제품 개발에 참여시키는 것이 차별점이다.
의료 (Abridge): 의사-환자 대화를 녹음해 진료 기록과 보험 청구 서류를 자동 생성한다. GPT 등장 후 병원에서 먼저 도입을 원하는 등 시장의 수요가 바뀌었다.

핵심 과제: '라스트 마일 문제(Last-mile Problem)': 현재 AI는 업무의 전 과정을 완벽히 처리하지 못하며, 최종 검토와 판단이라는 '마지막 단계'는 여전히 사람의 개입이 필요하다. 이 간극을 해결하는 것이 사업의 핵심이다.

4. 자본 시장의 전략: 'AI 롤업'
VC와 PE는 전통 산업을 AI로 재정의하는 '롤업(Roll-up)' 전략을 구사하고 있다.

AI 롤업 프로세스:
AI로 자동화 가능한 전통 산업(콜센터, 회계)을 타겟팅.
소프트웨어 판매 대신, 해당 산업 전문가를 영입하고 AI 기술을 결합.
한 회사를 인수해 AI 적용 플레이북을 만든 후, 자본을 투입해 동종 기업들을 인수하며 산업 전체를 장악.
전략적 이유: 소프트웨어 판매의 긴 주기를 극복하고, 자본의 힘으로 시장을 더 빠르게 혁신하기 위함이다.

5. 미래의 UX: 음성 인터페이스와 실시간 AI 코칭
사용자 경험은 키보드/마우스 중심에서 음성과 실시간 AI 지원으로 진화할 것이다.
음성 인터페이스: 걸어 다니며 말로 코딩하는 '입 코딩'처럼, 음성이 주요 입력 수단이 될 것이다.
실시간 AI 코칭: 화상 회의 중 AI가 상대방의 반응을 분석해 영업 전략을 코칭해주거나, 모르는 질문에 대한 답변을 실시간으로 제공한다.

AI 의존성 심화: 실시간 AI 비서가 보편화되면, AI 연결이 끊기는 것은 인터넷 단절 이상의 상실감을 줄 것이며, 사람들은 '벌거벗은 느낌'을 받게 될 것이다.

https://youtu.be/WU7Bx2QlEdA?si=8GrSvLJPtttuwmo4

https://matthewcontinuouslearning.notion.site/AI-Agent-2262857ddb1680a192b3c29f5fae602f

우리는 AI 시스템이 스스로를 개선하는 시대의 임계점을 넘어섰습니다.

AI 에이전트가 10만 줄의 레거시 코드를 분석하고, 스스로 문서를 작성하며, 그 문서를 기반으로 인간의 개입 없이 기능을 배포할 수 있다면, 이는 더 이상 '코파일럿'의 수준이 아닙니다. 이것은 자동화된 자기 개선(self-improving) 제품을 의미합니다.

진정으로 판도를 바꾸는 능력은 단순히 AI가 코드를 더 잘 작성한다는 점이 아닙니다. AI가 스스로의 발전을 지휘할 수 있게 되었다는 사실입니다. 즉, AI를 위한 더 나은 프롬프트를 작성하고, 결과물 개선을 위한 기반을 구축하며, 스스로의 문제를 해결하는 AI 말입니다.

이는 더 이상 먼 미래의 이야기가 아닙니다. 이미 현실이 되었습니다.

Rocketable은 이 새로운 영역을 논리적 귀결, 즉 완전 자동화된 소프트웨어 제품이라는 궁극적인 형태로 이끌기 위해 존재합니다.
저희는 수익성 있는 SaaS 제품을 인수하여 자기 개선 시스템으로 전환합니다.

소프트웨어가 스스로 운영되고, 개선하며, 성장할 수 있도록 하는 플랫폼을 만들고 있습니다. 저희 포트폴리오의 모든 제품은 AI의 역량과 비즈니스 운영 사이의 인위적인 제약을 허물었을 때 무엇이 가능한지를 보여주는 하나의 실험실이 됩니다.

도약은 이미 시작되었습니다.
준비되셨습니까?

https://www.rocketable.com/

AI를 도구로 볼 것이냐 파트너로 볼 것이냐에 따라서, 그리고 그 시간이 언제 올 것인지 보는 뷰에 따라 전략이 달라진다.

- 컴퓨터가 인간을 위해 일한다 (Computers do things for you): AI가 인간의 작업을 대신 수행하고 자동화하는 것을 목표로 합니다. (에이전트, 자동화)
- 컴퓨터가 인간의 일을 돕는다 (Computers are tools for humans): AI를 인간의 능력을 증폭시키는 도구로 봅니다. (코파일럿, 보조 도구)

메타 (Meta):
전략: 공격적인 투자 (칩 & 인재 확보)
이유: AI는 광고 사업에 엄청난 기회를 제공하며, 메타의 철학은 '컴퓨터가 인간을 위해 일하는 것'에 완벽하게 부합합니다. 따라서 최고의 인재를 영입하는 데 비용을 아끼지 않습니다.

애플 (Apple):
전략: 소극적이고 보수적인 투자 (칩 & 인재 확보에 주저)
이유: 단기적으로 AI가 자사의 핵심인 '디바이스' 사업에 미치는 영향이 작다고 판단하며, 애플의 철학은 '인간을 위한 도구(Bicycle for the mind)'에 가깝기 때문입니다.

구글 (Google):
전략: 기술적으로는 선도적이지만 사업 모델과 충돌
이유: AI는 검색 광고에 의존하는 기존 사업 모델을 파괴할 **'파괴적 혁신'**의 성격을 가집니다. (AI가 완벽한 답을 주면 광고를 볼 필요가 없음) 하지만 '최고의 답을 찾아준다'는 것은 구글의 창업 정신("I'm Feeling Lucky")이므로, 사업적 딜레마에도 불구하고 AI에 막대하게 투자합니다.

마이크로소프트 (Microsoft) & 오픈AI (OpenAI):
전략: AI를 '코파일럿(Copilot)'이라는 '도구'로 포지셔닝.
이유: 이들의 철학은 컴퓨터가 인간의 생산성을 높이는 것을 돕는 것입니다. 하지만 이는 직원들이 스스로 사용법을 배우고 업무 방식을 바꿔야 하는 '변화 관리'의 과제를 안고 있습니다. 이 때문에 사용자의 자발성에 의존하는 ChatGPT(OpenAI)가 기업 내에서 오히려 더 많이 쓰이는 현상이 나타납니다.

앤트로픽 (Anthropic):
전략: 챗봇이 아닌, 인간을 대체하는 '에이전트(Agents)'에 집중.
이유: 이들의 철학은 명확하게 '컴퓨터가 인간을 위해 일하는 것'에 해당하며, 기업의 비용 절감(인력 대체)이라는 확실한 비즈니스 목표를 추구합니다.

http://stratechery.com/2025/tech-philosophy-and-ai-opportunity/

Internet의 Gateway를 차지하기 위해서 Google/OpenAI 그리고 수 많은 스타트업이 엄청 싸울 것 같다.

애플/삼성이 디바이스를 쥐고 있어서 저 싸움이 끝나기 전에 해볼 수 있는 게 많을텐데 Innovation Dillema 때문에 디바이스의 변화마저 새로운 회사들에 의해서 시도되지 않을까?

https://www.reuters.com/business/media-telecom/openai-release-web-browser-challenge-google-chrome-2025-07-09/