샘 알트먼: 내년에 OpenAI는 AI 시스템 시대로 진입할 것
글: 21VC
번역: 목목
편집: 문도
GPT-4 이후, OpenAI는 내년에 어떤 대형 프로젝트를 준비하고 있는가? OpenAI의 핵심 경쟁 우위는 무엇인가? AI 에이전트(Agent)의 가치는 어디에 있는가? 많은 기존 직원들이 회사를 떠나는 상황에서, OpenAI는 신념과 활력을 가진 젊은 인재들을 선호하게 될까?
11월 4일, OpenAI CEO 샘 알트먼(Sam Altman, 이하 '알트먼')은 팟캐스트 「The Twenty Minute VC」에 출연해 이러한 질문들에 답했다. 그는 명확히 밝혔다. 추론 능력 향상은 OpenAI의 핵심 전략이라는 점이다.
팟캐스트 진행자이자 21VC 창립자 해리 스테빙스(Harry Stebbings, 이하 '스테빙스')가 "OpenAI 외부의 AI 창업자들에게 여전히 남아 있는 기회는 무엇인가?"라고 묻자, 알트먼은 현재 모델의 부족한 점을 해결하는 데 집중하는 비즈니스 모델은 OpenAI 모델이 발전함에 따라 경쟁력을 잃게 될 것이라고 말했다. 대신, 모델이 강해질수록 더 큰 혜택을 받을 수 있는 비즈니스를 구축해야 한다고 강조하며, 이것이 거대한 기회가 될 것이라고 평가했다.
알트먼의 시각에서, 사람들은 현재 AI에 대해 다소 낡은 방식으로 이야기하고 있다. 모델보다는 시스템이 더 주목할 만한 발전 방향이며, 내년은 OpenAI가 AI 시스템으로 나아가는 중요한 한 해가 될 것이라고 그는 말했다.
다음은 스테빙스와 알트먼의 대화 중 핵심 내용 요약이다:
OpenAI, 노코드 도구 개발 계획
스테빙스:관객들의 질문으로 시작하겠습니다. 앞으로 OpenAI는 GPT-3.5 같은 모델을 계속 출시할 예정인가요, 아니면 더 크고 강력한 모델을 훈련시키는 데 초점을 맞출 건가요?
알트먼:우리는 모델 전반의 최적화를 추진할 것이며, 특히 추론 능력 향상이 현재 전략의 핵심입니다.강력한 추론 능력은 우리가 기대하는 다양한 기능들을 가능하게 할 것입니다. 예를 들어 인공지능이 과학 연구 분야에 실질적인 기여를 하거나, 극도로 복잡한 코드를 작성하는 것 등 사회 전반의 발전과 진보를 크게 촉진할 수 있을 것입니다.GPT 시리즈 모델의 지속적이며 빠른 반복과 최적화를 기대해 주세요. 이것이 우리 미래 업무의 중점이자 우선 순위입니다.
샘 알트먼, 21VC 창립자 해리 스테빙스의 팟캐스트 인터뷰 참여
스테빙스: OpenAI는 비전문가 사용자를 위한 노코드(No-code) 도구를 개발할 계획이 있나요? 일반 사용자들도 쉽게 AI 애플리케이션을 만들고 확장할 수 있도록 하는 방향 말입니다.
알트먼:물론입니다. 우리는 분명히 그런 목표를 향해 꾸준히 나아가고 있습니다. 초기 목표는 프로그래머의 작업 효율성을 크게 높이는 것이지만,장기적으로는 일류 수준의 노코드 도구를 만드는 것이 우리의 목표입니다. 비록 이미 몇몇 노코드 솔루션이 존재하지만, 지금까지는 노코드 방식으로 완전한 스타트업을 창업하는 수준까지는 아직 미치지 못하고 있습니다.
스테빙스: 앞으로 OpenAI는 기술 생태계의 어떤 분야로 확장할 계획인가요? OpenAI가 어플리케이션 수준에서 주도권을 잡을 경우, 스타트업들이 기존 시스템을 최적화하기 위해 막대한 자원을 투입하는 것은 자원 낭비가 아닐까요? 창업자들은 어떻게 이런 문제를 고려해야 할까요?
알트먼:우리의 목표는 지속적으로 모델을 개선하는 것입니다.당신의 비즈니스가 단지 기존 모델의 사소한 결함을 보완하는 데만 의존한다면, 우리의 모델이 충분히 강력해져 그 결함이 사라질 때, 당신의 비즈니스 모델은 경쟁력을 잃게 될 수 있습니다.
하지만 만약 당신이 모델의 발전과 함께 성장할 수 있는 비즈니스를 구축한다면, 이것은 거대한 기회가 될 것입니다. 예를 들어, 누군가 당신에게 GPT-4가 현재로서는 불가능해 보이는 작업까지 수행할 정도로 매우 강력해질 것이라고 알려준다면, 당신은 훨씬 장기적인 관점에서 사업을 계획하고 발전시킬 수 있을 것입니다.
스테빙스: 우리는 리스크 투자자 브래드 거스너(Brad Gerstner)와 OpenAI가 특정 세그먼트 시장에 미칠 영향에 대해 논의한 적이 있습니다. 창업자의 입장에서 보면, 어떤 기업들이 OpenAI의 충격을 받을 수 있으며, 어떤 기업들은 이를 피할 수 있을까요? 투자자로서 우리는 어떻게 이 문제를 평가해야 할까요?
알트먼:인공지능은 수 조 달러 규모의 가치를 창출할 것이며, 전혀 새로운 제품과 서비스를 만들어내고, 이전에는 불가능하거나 비현실적이었던 일들을 가능하게 할 것입니다.어떤 분야에서는 모델이 강력해져 목표를 달성하는 것이 아주 쉬워질 것으로 기대합니다. 다른 분야에서는 뛰어난 제품과 서비스를 구축함으로써 이 새로운 기술을 더욱 강화할 수 있을 것입니다.
초기에는 거의 95%의 스타트업들이 모델이 더 이상 개선되지 않을 것이라고 생각했고, 저는 그 사실에 놀랐습니다. 하지만 이제는 놀라지 않습니다. GPT-3.5가 발표됐을 당시, 우리는 이미 GPT-4의 잠재력을 예측했으며, 그것이 얼마나 강력할지를 알고 있었습니다.
따라서 당신이 모델의 결함을 메우기 위한 도구를 만든다면, 모델이 지속적으로 개선됨에 따라 그 결함은 점점 덜 중요해질 것입니다.
과거 모델의 성능이 좋지 않았을 때 사람들은 모델의 약점을 보완하는 제품을 개발하는 데 더 관심을 두었고, "AI 교사"나 "AI 의료 컨설턴트"처럼 혁신적인 제품을 만드는 데는 소홀했습니다. 당시에는 사람들이 대부분 모델의 발전을 기대하지 않았고, 단지 5%만이 모델이 더 나아질 것이라 믿었습니다.
하지만 지금은 상황이 바뀌었습니다. 사람들은 개선 속도와 우리의 발전 방향을 이해하게 되었죠. 이제 이 문제는 더 이상 두드러지지 않지만, 과거에는 정말 걱정스러웠습니다.왜냐하면 우리는 (모델의 결함을 보완하는 데 집중하는) 그러한 기업들이 궁극적으로 어려움에 처할 수 있음을 예견했기 때문입니다.
스테빙스: 당신은 '인공지능이 수 조 달러의 가치를 창출할 것'이라고 말했고, 손정의(소프트뱅크 그룹 창립자 겸 CEO)는 'AI가 매년 9조 달러의 가치를 창출해낼 것'이라며, 이는 그가 말하는 '필수적인 9조 달러의 자본 지출'을 상쇄할 수 있다고 주장했습니다. 이에 대해 어떻게 생각하시나요?
알트먼:정확한 숫자를 말할 수는 없지만, 분명한 것은 막대한 자본 지출이 이루어질수록 거기에 상응하는 엄청난 가치가 창출될 것이라는 점입니다. 모든 중대한 기술 혁명이 그랬듯이, 인공지능 역시 예외가 아닙니다.
내년은 우리에게 결정적인 한 해가 될 것이며, 우리는 차세대 AI 시스템의 시대로 접어들게 될 것입니다. 언급하신 노코드 소프트웨어 에이전트 개발에 대해 말씀드리자면, 얼마나 걸릴지는 모르겠지만, 현재로서는 불가능한 일입니다. 그러나 우리가 그 목표에 도달한다고 가정해 본다면, 누구나 원하는 기업용 소프트웨어 세트를 쉽게 얻을 수 있게 되고, 이는 세계에 얼마나 큰 경제적 가치를 창출할까요? 동일한 가치를 유지하면서도 더 편리하고 비용을 낮출 수 있다면, 이 또한 거대한 영향을 미칠 것입니다.
저는 의료 및 교육 분야에서도 유사한 사례를 더 많이 볼 수 있으리라 믿습니다. 이 두 분야는 각각 수 조 달러 규모의 시장을 형성하고 있습니다. 만약 AI가 이 분야에서 새로운 해결책을 제공할 수 있다면, 구체적인 숫자는 중요하지 않습니다. 중요한 것은 엄청난 가치가 실제로 창출된다는 점입니다.
뛰어난 AI 에이전트는 인간을 초월하는 기능을 갖춘다
스테빙스: 오픈소스가 인공지능의 미래 발전에서 어떤 역할을 할 것이라고 생각하시나요? OpenAI 내부에서 '어떤 모델을 오픈소스로 공개할 것인가'라는 논의는 어떻게 이루어지나요?
알트먼:오픈소스 모델은 인공지능 생태계에서 매우 중요한 역할을 하고 있습니다. 이미 훌륭한 오픈소스 모델들이 존재합니다. 동시에 고품질의 서비스와 API를 제공하는 것도 중요하다고 생각합니다. 따라서 이 모든 요소들을 하나의 제품 포트폴리오로 구성하여, 사람들이 자신의 필요에 가장 적합한 솔루션을 선택할 수 있도록 하는 것이 바람직하다고 봅니다.
스테빙스: 오픈소스 외에도, 우리는 에이전트(Agent)를 통해 고객에게 서비스를 제공할 수 있습니다. '에이전트'란 무엇이라고 정의하시겠습니까? 당신에게 있어 그것은 무엇이며, 무엇이 아닌가요?
알트먼: 제 생각에 에이전트란 오랜 시간 동안 작업을 수행하면서 거의 인간의 감독 없이도 작동할 수 있는 프로그램입니다.
스테빙스: 사람들이 에이전트를 잘못 이해하고 있다고 생각하시나요?
알트먼:잘못 이해했다기보다는, 우리는 아직 에이전트가 미래 사회에서 어떤 역할을 할지 완전히 이해하지 못하고 있다고 생각합니다.
흔히 드는 예시로는 AI 에이전트가 식당 예약을 대신해주는 경우가 있습니다. 예를 들어 OpenTable을 이용하거나 직접 식당에 전화를 겁니다. 이는 확실히 시간을 절약할 수 있지만,저는 오히려 인간이 할 수 없는 일을 AI 에이전트가 해낼 수 있다는 점이 더 흥미롭다고 봅니다. 예를 들어, 에이전트는 동시에 300개의 식당에 연락해서 나에게 가장 적합한 요리나 특별 서비스를 제공하는 곳을 찾아줄 수 있습니다. 인간에게는 거의 불가능한 일이지만, AI 간의 협업이라면 병렬 처리로 쉽게 해결할 수 있습니다.
비록 이 예시는 단순하지만, 에이전트가 인간을 초월하는 기능을 수행할 수 있음을 보여줍니다. 더 흥미로운 점은, 에이전트가 단지 식당 예약만 도와주는 것이 아니라, 매우 똑똑한 베테랑 동료처럼 프로젝트를 함께 진행하거나, 며칠 혹은 몇 주가 걸리는 작업을 독립적으로 수행하고, 문제가 생길 때만 당신에게 연락한 후 훌륭한 결과물을 제출하는 것입니다.
스테빙스: 이러한 에이전트 모델은 SaaS(소프트웨어 즉 서비스)의 가격 책정 방식에 영향을 미칠까요? 전통적으로 SaaS는 사용자 수에 따라 요금을 부과했지만, 이제 에이전트가 실제 인력을 대체하고 있습니다. AI 에이전트가 기업의 핵심 구성원이 되는 상황에서, 향후 가격 책정 모델의 변화는 어떻게 보시나요?
알트먼:확신할 수는 없지만 추측해볼 수는 있습니다. 예를 들어, 미래의 가격 책정은 사용한 컴퓨팅 자원량에 기반할 수 있습니다. 예를 들어 문제 해결에 1개, 10개 또는 100개의 GPU가 필요할 경우 말입니다.이 경우 가격 책정은 더 이상 사용자 수나 에이전트 수에 기반하지 않고, 실제 소비된 컴퓨팅량에 기반하게 됩니다.
스테빙스: 그렇다면 에이전트를 위해 특화된 모델을 새로 만들어야 할 필요가 있나요?
알트먼: 에이전트 운영을 지원하기 위해 많은 인프라가 필요하지만, GPT-3.5가 이미 방향을 제시했다고 봅니다. 즉, 복잡한 에이전트 작업을 수행할 수 있는 범용 모델이 가능하다는 점입니다.
모델은 감가되는 자산이지만, 훈련 경험은 비용보다 더 큰 가치를 가진다
스테빙스: 많은 사람들은 모델이 상품화되고 있다는 점에서 모델은 감가되는 자산이라고 생각합니다. 어떻게 생각하시나요? 현재 모델 훈련은 자본 집약도가 점점 높아지고 있는데, 이는 소수의 기업만이 이러한 비용을 감당할 수 있다는 의미인가요?
알트먼:네, 모델은 감가되는 자산으로 간주될 수 있지만, 그것의 가치가 훈련 비용보다 낮다고 보는 것은 완전히 잘못된 생각입니다. 실제로 모델을 훈련하는 과정에서 우리는 복리 효과를 얻습니다. 즉, 훈련을 통해 얻은 지식과 경험은 다음 세대 모델을 더 효율적으로 훈련하는 데 도움이 됩니다.
저는 모델로부터 얻는 실제 수익이 이러한 투자의 정당성을 입증하고 있다고 생각합니다. 물론 모든 기업이 이런 효과를 얻을 수 있는 것은 아닙니다. 현재 많은 기업들이 매우 유사한 모델을 훈련하고 있지만, 조금만 뒤처지거나 지속적으로 사용자를 유치하고 가치를 제공하는 제품이 없다면 투자 수익을 얻기 어렵습니다.
우리는 운좋게 ChatGPT를 가지고 있으며, 수억 명의 사용자가 이를 사용하고 있습니다. 따라서 비용이 높더라도 방대한 사용자 기반을 통해 비용을 분산시킬 수 있습니다.
스테빙스: OpenAI의 모델은 앞으로 어떻게 차별화를 유지할 계획인가요? 어떤 부분에서 차이를 더욱 확대하고 싶으신가요?
알트먼: 추론 능력은 우리가 현재 가장 중시하는 분야입니다. 저는 이것이 다음 단계의 대규모 가치 창출을 열어줄 핵심이라고 믿습니다. 또한,멀티모달 모델 개발에도 힘쓸 것이며, 사용자에게 중요한 새로운 기능들을 도입할 계획입니다.
스테빙스: 새로운 GPT-3.5 추론 시간 패러다임 하에서, 시각 능력은 어떻게 확장될 수 있을까요?
알트먼: 구체적인 내용은 밝히지 않겠습니다만,이미지 모델은 빠르게 발전할 것으로 기대됩니다.
스테빙스: Anthropic의 모델은 때때로 프로그래밍 작업에서 더 뛰어난 성능을 보인다고 평가받습니다. 이에 대해 어떻게 생각하시나요? 이러한 평가가 공정하다고 보시나요? 개발자들은 OpenAI와 기타 제공업체 사이에서 어떻게 선택해야 할까요?
알트먼:Anthropic은 프로그래밍 분야에서 탁월한 성능을 보이는 모델을 가지고 있으며, 그들의 업적은 인상적입니다. 개발자들은 일반적으로 여러 모델을 동시에 사용한다고 생각합니다. 이 분야가 어떻게 발전할지 아직 확신할 수는 없지만, 인공지능이 결국 어디에나 존재하게 될 것이라고 믿습니다.
현재 우리가 AI에 대해 이야기하는 방식은 다소 낡았다고 생각합니다. 저는 앞으로 '모델'에 대한 논의에서 '시스템'으로 논의가 옮겨갈 것이라 예측하지만, 이는 시간이 필요한 일입니다.
스테빙스: 모델 확장에 관한 문제에서, 모델 스케일링 법칙은 얼마나 더 지속될 수 있다고 보시나요? 과거에는 오래 지속되지 않을 것이라고 생각했지만, 실제로는 사람들의 예상보다 훨씬 오래 지속되고 있습니다.
알트먼:세부 사항은 생략하겠지만, 핵심 질문은 모델 성능 향상의 궤적이 현재와 같이 지속될 것인지 여부입니다. 저는 그렇게 될 것이며, 상당한 기간 동안 지속될 것이라고 믿습니다.
스테빙스: 그런 점에 대해 의심한 적이 있으셨나요?
알트먼:우리는 이해할 수 없는 행동 패턴을 마주한 적도 있고, 실패한 훈련 과정을 겪으며 다양한 새로운 패러다임을 시도한 적도 있습니다. 한 패러다임의 한계에 다다를 때마다 우리는 다음 돌파구를 찾아야 했습니다.
스테빙스: 그 과정에서 가장 어려운 도전은 무엇이었나요?
알트먼:GPT-4 개발 과정에서 극도로 까다로운 문제에 직면해 한동안 해결 방법을 찾지 못하고 좌절했던 적이 있습니다. 결국 우리는 그 문제들을 극복했지만, 한동안 모델 발전을 어떻게 추진해야 할지 막막했습니다.
또한, GPT-3.5의 변환과 추론 모델 개념은 우리가 오랫동안 꿈꿔온 목표였지만, 이를 실현하기 위한 연구 길은 도전과 굴곡으로 가득했습니다.
스테빙스: 이렇게 길고 험난한 과정에서 어떻게 팀의 사기를 유지하셨나요? 훈련 과정이 실패할 수 있다는 위험이 있을 때, 어떻게 사기를 유지하셨나요?
알트먼:우리 팀원들은 모두 일반 인공지능(AGI) 구축에 대해 열정을 가지고 있습니다. 이는 매우 동기 부여가 되는 목표입니다. 우리는 이 길이 쉽지 않다는 것을 알고 있으며, 성공은 결코 쉬운 일이 아닙니다. 한 명언이 있습니다. "나는 언제나 신이 내 편에 서기를 기도하지 않는다. 내가 신의 편에 설 수 있기를 기도한다."
딥러닝 분야에 투신하는 것은 정의로운 사명에 투신하는 것과 같습니다. 과정에서 반드시 좌절이 따르겠지만, 결국 우리는 항상 진전을 이루는 것 같습니다. 이러한 확고한 믿음이 우리에게 큰 도움이 됩니다.
스테빙스: 반도체 공급망 문제에 대해 어떻게 생각하시나요? 국제적 긴장 상황도 우려되시나요?
알트먼:그 정도를 수치화할 수는 없지만, 분명히 우려하고 있습니다. 제가 가장 걱정하는 문제는 아닐 수 있지만, 제가 신경 쓰는 모든 사안 중에서 상위 10% 안에 들어갑니다.
스테빙스: 가장 걱정되는 문제는 무엇인지 물어봐도 괜찮을까요?
알트먼:전반적으로 가장 걱정되는 것은 우리가 이 분야 전체에서 수행하려는 작업의 복잡성입니다. 결국 모든 것이 해결되리라 믿지만, 이 시스템은 극도로 복잡합니다.
이 복잡성은 OpenAI 내부뿐 아니라 각 팀 단위에서도 존재합니다. 반도체를 예로 들면, 전력 공급을 조절하고 올바른 네트워크 결정을 내리며 충분한 칩을 확보해야 합니다. 잠재적 위험을 고려하고, 연구 진행 속도가 이러한 도전과 맞물릴 수 있도록 해야 하며, 그렇지 않으면 완전히 당황하거나 자원을 낭비하게 될 수 있습니다.
공급망은 일직선 파이프처럼 보이지만, 실제로 각 단계의 생태계는 제가 다른 산업에서 본 것보다 훨씬 복잡합니다. 어느 정도로 보면, 이것이 제가 가장 걱정하는 점입니다.
스테빙스: 전례 없는 복잡성에 대해 언급하셨는데, 많은 이들이 현재의 AI 붐을 인터넷 버블 시기와 비교합니다. 특히 흥분과 열정을 언급할 때 그렇습니다. 하지만 저는 자금 투입 규모가 다르다고 생각합니다. 래리 엘리슨(Oracle 공동 창립자)은 기초 모델 경쟁에 진입하려면 기본 비용이 1000억 달러라고 말했습니다. 이 견해에 동의하시나요?
알트먼: 아닙니다, 비용이 그렇게 높지 않을 것이라고 생각합니다. 하지만 흥미로운 현상이 있습니다. 사람들은 새로운 기술 혁명을 설명할 때 과거의 기술 혁명과 비교하려는 경향이 있는데, 이를 더 익숙하게 만들기 위해서입니다. 전반적으로 좋은 습관은 아니지만, 왜 그런지 이해는 합니다. 또한 사람들이 선택하는 AI에 대한 비유가 특히 부적절하다고 생각합니다. 인터넷과 AI는 분명히 매우 다릅니다.
비용에 대한 예시를 말씀하셨는데, 경쟁력을 가지기 위해 실제로 100억 또는 1000억 달러가 필요하든 말든, 인터넷 혁명의 특징은 '시작하기가 매우 쉽다'는 점이었습니다. 또 다른 유사점은, 많은 기업에게 AI는 인터넷의 연장선일 뿐이라는 점입니다—다른 사람들이 AI 모델을 만들고, 당신은 그것을 활용해 다양한 훌륭한 제품을 개발할 수 있다는 점입니다. 이는 AI를 새로운 기술적 구성 방식으로 보는 관점입니다. 하지만 AI 자체를 만들고자 한다면, 상황은 완전히 다릅니다.
또 다른 흔한 비유는 전기입니다. 하지만 저는 이 비유도 여러 면에서 맞지 않는다고 생각합니다.
사람들이 비유에 너무 의존하지 말아야 한다고 생각하지만, 제가 가장 좋아하는 비유는 트랜지스터입니다. 이는 물리학의 새로운 발견이며, 믿기지 않을 정도로 확장성이 뛰어나며, 빠르게 모든 분야로 퍼졌고, 전체 기술 산업이 트랜지스터의 혜택을 받았습니다. 우리가 사용하는 제품과 서비스에는 수많은 트랜지스터가 포함되어 있지만, 그 제품과 서비스를 만든 기업을 '트랜지스터 회사'라고 생각하지는 않습니다.
이것은 매우 복잡하고 비싼 산업 공정이며, 이를 중심으로 거대한 공급망이 형성되었습니다. 이 단순한 물리적 발견은 장기적인 경제 성장을 가져왔으며, 대부분의 사람들은 그 존재를 인식하지 못한 채 "이것이 정보를 처리해준다"고 느낄 뿐입니다.
특정 연령대보다 인재에 대한 높은 기준 유지
스테빙스: 당신은 어떤 방식으로 사람들의 재능이 낭비되고 있다고 생각하시나요?
알트먼:세상에는 많은 재능 있는 사람들이 있지만, 부적절한 회사에서 일하거나 우수한 기업을 지원하지 않는 국가에 살거나, 다른 여러 이유로 인해 잠재력을 충분히 발휘하지 못하고 있습니다.
AI에 대해 제가 가장 기대하는 점 중 하나는, 우리가 각자의 잠재력을 더 잘 발휘하도록 도울 수 있다는 것입니다. 현재 우리는 이 부분에서 턱없이 부족합니다. 세상에는 잠재적으로 훌륭한 AI 연구자들이 많지만, 그들의 인생 여정이 달랐기 때문에 아직 발굴되지 않은 것뿐이라고 믿습니다.
스테빙스: 지난 1년간 놀라운 고속 성장을 경험하셨는데, 지난 10년을 돌아봤을 때, 리더십 측면에서 자신이 가장 크게 변한 점은 무엇이라고 생각하시나요?
알트먼:저에게 지난 몇 년간 가장 특이한 점은 변화의 속도입니다. 일반적인 회사는 매출이 0에서 1억 달러로, 다시 10억 달러, 그리고 100억 달러로 성장하는 데 오랜 시간이 걸리지만, 우리는 이 과정을 불과 2년 안에 마쳐야 했습니다. 순수한 연구소에서 수많은 고객에게 서비스를 제공하는 기업으로 급속히 변모했는데, 이 과정에서 배울 시간을 잃었습니다.
스테빙스: 어떤 부분을 더 깊이 배우고 싶으셨나요?
알트먼:회사가 단순히 10% 성장이 아닌 10배 성장을 목표로 집중하게 하는 방법입니다. 수십억 달러 매출의 회사에서 수백억 달러 매출의 회사로 성장하려면 단지 지난주에 했던 일을 반복하는 것이 아니라 근본적인 변화가 필요합니다.
하지만 고속 성장의 도전은 기반이 튼튼해지기 전에 충분한 시간을 갖지 못한다는 점입니다. 저는 이처럼 빠른 환경에서 따라잡고 계속 전진하기 위해 얼마나 많은 노력을 해야 하는지 과소평가했습니다.
회사 내부의 의사소통, 정보 공유, 체계적인 관리, 단기 요구와 장기 발전 사이의 계획 균형 등이 모두 중요합니다. 예를 들어, 향후 1~2년간의 실행력을 보장하기 위해 컴퓨팅 자원이나 사무 공간 등을 미리 준비해야 합니다. 이런 고속 성장 환경에서 효과적인 계획을 세우는 것은 매우 어려운 일입니다.
스테빙스: 리스크 투자자 키스 라보이스(Keith Rabois)는 피터 틸(Peter Thiel, PayPal 공동 창립자)에게 배운 점으로, 30세 미만의 젊은이를 고용하는 것이 위대한 기업을 만드는 비결이라고 말했습니다. 이런 조언, 즉 매우 활기차고 야심찬 젊은이들을 고용해 회사를 만드는 것이 유일한 방법이라고 보시나요?
알트먼:저는 OpenAI를 창립할 당시 약 30세였고, 그리 어리진 않았지만, 적당한 나이였다고 생각합니다(웃음). 그래서 이 접근법은 시도해볼 만한 길입니다.
스테빙스: 하지만 젊은이는 활력과 야심은 있지만 경험이 부족할 수 있고, 반면 경험이 풍부하고 검증된 인재를 선택할 수도 있지 않나요?
알트먼:명백한 답은 두 유형의 인재를 모두 고용하는 것이 성공할 수 있다는 점이며, 실제로 OpenAI가 그렇게 하고 있습니다. 오늘 인터뷰 전에도, 막 팀에 합류한 어쩌면 20대 초반의 젊은이에 대해 이야기하고 있었는데, 그의 업무 성과가 매우 뛰어납니다. 저는 우리가 그와 같은 인재를 더 많이 찾을 수 있을지 생각하고 있습니다. 젊은이들은 새로운 시각과 활력을 가져옵니다.
그러나 반면에, 인류 역사상 가장 복잡하고 비용이 많이 드는 컴퓨팅 시스템 중 하나를 설계해야 한다면, 막 입문한 젊은이에게 중요한 책임을 맡기기는 어렵습니다. 따라서두 종류의 인재가 결합되어야 합니다. 핵심은 특정 연령대를 선호하기보다 인재에 대한 높은 기준을 유지하는 것입니다.
저는 특히 Y Combinator(스타트업 인큐베이터)에 감사드립니다. 그것은 저로 하여금 경험이 부족하다고 해서 가치가 없다는 의미는 아니라는 것을 깨닫게 했습니다. 경력 초기 단계의 높은 잠재력을 가진 인재들이 많으며, 그들은 큰 가치를 창출할 수 있습니다. 우리 사회는 이러한 인재들에게 투자해야 하며, 이는 매우 긍정적인 일입니다.
스테빙스: 최근 들은 명언 중 하나인데, '삶에서 가장 무거운 짐은 철이나 금이 아니라, 하지 않은 결정이다'. 당신에게 어떤 하지 않은 결정이 가장 큰 부담을 주고 있나요?
알트먼:그 답은 매일 바뀝니다. 특별히 중대한 결정이 하나 있다고 할 수 없습니다. 물론 어떤 제품 방향을 선택할지, 또는 차세대 컴퓨터를 어떻게 설계할지 같은 중요한 결정을 마주하기도 하고, 이는 중요하면서도 위험한 선택입니다.
이런 상황에서는 결정을 미룰 수도 있지만, 대부분의 도전은 매일 51% 대 49%의 어려운 결정들을 마주하는 것입니다. 이 결정들이 제 앞에 놓이는 이유는 판단하기 어렵기 때문이며, 저는 팀원들보다 더 나은 선택을 할 수 있다고 확신하지 못할 수도 있지만, 결정을 내려야 합니다.
따라서 문제의 핵심은 특정 결정이 아니라 결정의 양 자체입니다.
스테빙스: 51% 대 49%의 결정을 마주했을 때, 상의할 고정된 사람이 있나요?
알트먼:아니요, 모든 일에 특정 개인에게 의존하는 것은 올바른 방법이 아니라고 생각합니다. 제게는 특정 분야에서 직관과 배경 지식이 풍부한 15~20명의 사람들을 찾아, 필요한 순간 최고의 전문가에게 상의하는 것이 더 낫다고 봅니다. 단일 고문에게 의존하는 대신 말입니다.
즉문즉답
스테빙스: 당신이 지금 23~24세의 젊은이라면, 현재 존재하는 인프라를 고려했을 때 무엇을 하시겠습니까?
알트먼:AI가 지원하는 특정 수직 분야를 선택하겠습니다. 예를 들어 AI 교육 분야에서, 사람들이 어떤 분야든 배울 수 있는 최고의 AI 교육 제품을 개발하겠습니다. 비슷한 예로는 AI 변호사, AI CAD 엔지니어 등이 있습니다.
스테빙스: 책을 쓰신다고 말씀하셨는데, 어떤 제목을 붙이시겠습니까?
알트먼:아직 제목을 정하지 않았습니다. 책에 대해 깊이 생각해보진 않았지만, 그것이 많은 사람들의 잠재력을 자극할 것이라 생각합니다. 아마 '인간 잠재력'과 관련된 주제가 될 것입니다.
스테빙스: AI 분야에서 사람들이 주목하지 않지만 더 많은 시간을 투자해야 할 방향이 있다면 무엇인가요?
알트먼: 당신의 인생 전체를 이해하는 AI를 보고 싶습니다. 무한한 컨텍스트를 필요로 하진 않지만, 당신의 모든 데이터를 이해하고 보조할 수 있는 AI 에이전트를 가지는 방법이 있었으면 좋겠습니다.
스테빙스: 지난 한 달 동안 당신을 놀라게 한 일이 있었나요?
알트먼:밝힐 수 없는 연구 결과였지만, 매우 충격적이었습니다.
스테빙스: 당신이 가장 존경하는 경쟁사는 어디인가요? 왜 그런가요?
알트먼:사실 이 분야의 모든 사람을 존경합니다. 이 분야에는 뛰어난 인재들과 훌륭한 업적이 넘쳐납니다. 회피하려는 게 아니라, 정말 어디를 보든 재능 있는 사람들이 훌륭한 일을 하고 있습니다.
스테빙스: 특정한 한 곳이 있나요?
알트먼:특별히 하나를 꼽지는 않겠습니다.
스테빙스: 당신이 가장 좋아하는 OpenAI API는 무엇인가요?
알트먼: 새로운 실시간 API가 매우 훌륭합니다. 지금 우리는 방대한 API 비즈니스를 운영하고 있으며, 그 안에 많은 훌륭한 도구들이 있습니다.
스테빙스: 현재 AI 분야에서 당신이 가장 존경하는 사람은 누구인가요?
알트먼:커서(Cursor) 팀을 특별히 언급하고 싶습니다. 그들은 AI를 통해 매우 마법 같은 경험을 제공하며 사람들에게 큰 가치를 창출했습니다. 많은 사람들이 요소들을 제대로 조합하지 못하는데, 그들은 성공했습니다. 의도적으로 OpenAI 사람들은 언급하지 않았습니다. 그렇지 않으면 목록이 너무 길어지니까요.
스테빙스: 지연 시간과 정확성 사이의 균형에 대해 어떻게 생각하시나요?
알트먼: 지연 시간과 정확성 사이를 조절할 수 있는 조절 장치가 필요합니다. 지금 제가 빠르게 답변해달라는 요청을 받으면, 몇 분씩 생각하지 않고 가능한 빨리 답하려 합니다. 이때 지연 시간이 중요합니다. 하지만 중대한 발견을 요구한다면, 몇 년을 기다릴 수도 있겠죠. 핵심은 이것이 사용자가 통제할 수 있어야 한다는 점입니다.
스테빙스: 리더십에서 불안감을 느낄 때, 자신이 가장 개선이 필요한 부분은 무엇이라고 생각하시나요? 리더이자 CEO로서 가장 향상시키고 싶은 점은 무엇인가요?
알트먼:최근 일주일간, 우리의 제품 전략 세부사항이 정확히 무엇이어야 할지에 대해 예전보다 더 불확실했습니다. 전반적으로 제품 분야가 제 약점이라고 느끼며, 지금 회사는 더 명확한 제품 비전을 필요로 하고 있습니다. 훌륭한 제품 책임자와 팀이 있지만, 제가 더 능숙해지기를 원하는 분야이며, 최근 특히 강하게 느끼고 있습니다.
스테빙스: 케빈 스콧(Kevin Scott, OpenAI CTO)을 고용하셨는데, 저는 그를 오랫동안 알고 있습니다. 그는 훌륭하죠. 케빈의 어떤 특성이 그를 세계 최고 수준의 제품 리더로 만들었나요?
알트먼:'규율성'이 제가 가장 먼저 떠올리는 단어입니다.
스테빙스: 구체적으로 어떤 의미인가요?
알트먼:그는 우선순위에 매우 집중하며, 무엇을 거절해야 할지 알고 있고, 사용자의 입장에서 왜 어떤 일을 해야 하거나 하지 말아야 하는지 생각할 줄 압니다. 정말 철저하며, 막연한 아이디어를 내지 않습니다.
스테빙스: 다섯 년과 십 년 후를 전망할 때, 마법의 지팡이가 하나 있다면 OpenAI의 다섯 년과 십 년 후의 비전은 어떻게 그리시겠습니까?
알트먼:2년 후는 쉽게 그릴 수 있지만, 만약 우리가 올바른 방향을 선택하고 초강력 시스템을 만들기 시작한다면, 과학 발전 측면에서 믿기지 않을 정도의 기술 발전을 이뤄낼 것입니다.
저는 다섯 년 후 기술 발전의 속도가 놀라울 정도로 빨라질 것이며, 모두의 예상을 뛰어넘을 것이라 생각합니다. 사회는 'AGI의 시대가 왔다가 갔다'고 느낄지도 모릅니다. 우리는 AI 연구뿐 아니라 다른 과학 분야에서도 많은 새로운 발견을 하게 될 것입니다.
반면에, (기술 발전이 사회에 미치는) 변화는 상대적으로 제한적일 것이라고 봅니다.
예를 들어, 다섯 해 전에 사람들이 '컴퓨터가 튜링 테스트를 통과할 것인가'라고 물었다면, 대부분은 '아니오'라고 답했을 것입니다. 만약 '그렇다'고 말했다면, 사회에 거대한 변화가 올 것이라고 생각했겠죠. 하지만 지금 우리는 거의 튜링 테스트를 통과했지만, 사회의 변화는 그리 격렬하지 않았습니다.
이것이 바로 제가 예상하는 미래입니다. 기술 발전은 모든 예상을 뛰어넘겠지만, 사회의 변화는 비교적 더디게 일어납니다. 저는 이것이 좋은 상태이며 건강한 상태라고 생각합니다. 장기적으로 기술 발전은 사회에 거대한 변화를 가져오겠지만, 다섯 내지 십 년 안에는 그렇게 빠르게 반영되지 않을 것입니다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
