a16z: AI는 모든 사람의 생산성을 10배로 끌어올리지만, 그로 인해 어느 기업도 기업 가치가 10배가 되지는 않는다.
저자: 조지 시불카(George Sivulka)
번역·편집: TechFlow
TechFlow 서문: AI는 개인의 생산성을 10배로 끌어올렸지만, 어느 기업도 그로 인해 가치가 10배로 증가하지는 않았다. a16z 투자자이자 AI 스타트업 Hebbia의 창립자인 조지 시불카는 이 문제의 근본 원인이 기술 자체가 아니라 조직이 기술과 함께 재구성되지 않았기 때문이라고 지적한다. 그는 ‘기관 수준 AI’와 ‘개인 수준 AI’를 구분하는 7대 차원—조정(Coordination), 신호(Signal), 편향(Bias), 경계 우위(Edge Advantage), 결과 지향(Result-Orientation), 역량 강화(Empowerment), 프롬프트 없음(No Prompt)—을 제시한다. 핵심 메시지는 다음과 같다: 전동 모터로 교체하는 것만으로는 부족하다. 공장 전체를 새롭게 설계해야 한다.
전체 글은 다음과 같다:
AI는 막상 모든 사람의 생산성을 10배로 높였습니다.
그럼에도 불구하고, 어느 기업도 그로 인해 가치가 10배로 상승하지는 않았습니다.
생산성은 어디로 간 것일까요?
이것은 처음 있는 일이 아닙니다.
1890년대, 전기는 엄청난 생산성 향상을 약속했습니다.
뉴잉글랜드의 방직공장들은 원래 증기 기관의 회전 동력에 따라 설계되었으나, 곧 더 빠른 전동 모터로 증기 기관을 교체했습니다.
그러나 전기화된 공장은 무려 30년간 거의 아무런 생산성 향상도 이루지 못했습니다. 기술은 이미 훨씬 앞서 있었지만, 조직은 이를 따라가지 못했습니다.
1920년대가 되어서야 공장은 생산 라인 전체를 완전히 재설계했습니다—컨베이어 벨트 도입, 각 장비에 독립 전동 모터 설치, 작업자와 기계가 완전히 다른 역할을 수행하도록 재배치—비로소 전기화는 진정한 성과를 거두었습니다.
그림 설명: 로웰 방직공장의 세 차례 진화. 왼쪽에서 오른쪽으로: 1890년 증기 동력 공장, 1900년 전기 구동 공장, 1920년 ‘유닛 드라이브(Unit Drive)’ 공장(즉, 전기 기반 컨베이어 시스템을 위해 완전히 새로 설계된 공장).
성과는 기술 자체에서 나오지도 않았고, 단일 작업자나 기계가 실밥을 더 빨리 짜는 데서도 나오지 않았습니다. 오히려 제도와 기술을 함께 재설계했을 때야 비로소 성과가 실현되었습니다.
이는 기술사에서 가장 비싼 교훈이며, 지금 우리는 이 교훈을 다시 배우고 있습니다.
2026년, AI는 그것을 활용할 줄 아는 사람들에게 10배의 생산성 향상을 제공하고 있습니다. 그러나 그것만으로는 충분하지 않습니다. 우리는 전동 모터를 바꿨지만, 아직 공장을 재설계하지는 않았습니다.
단순한 사실 하나 때문입니다: 효율적인 개인은 곧 효율적인 조직을 의미하지 않습니다.
대부분의 AI 제품은 사용자에게 ‘효율적이다’는 느낌만 주지만, 실제 가치 창출은 하지 못합니다. 현재 대부분의 AI 활용 사례는 트위터나 기업용 Slack에서 개인이 스스로 만족하는 ‘효율성 최대화’에 불과하며, 실제로는 아무런 영향을 미치지 않습니다.
지난 일 년간 반복적으로 언급된 ‘서비스로서의 소프트웨어(Service-as-Software)’라는 개념은 방향은 맞지만, 구체적인 실행 로드맵을 제시하지 못했습니다. 게다가 이 개념은 더 큰 그림을 간과합니다. 진정한 변화는 도구에서 서비스로의 전환이 아니라, 기술과 제도를 함께 구축하는 것입니다(기존 것을 개조하든, 처음부터 새로 만들든). 진정으로 효율적인 미래를 위해서는 새로운 카테고리의 제품—내일의 컨베이어 벨트—이 필요합니다.
효율적인 조직은 ‘기관 수준 지능(Institutional Intelligence)’을 요구합니다.
이 글에서는 ‘기관 수준 AI’와 ‘개인 수준 AI’를 구분하는 7대 차원을 심층 분석합니다. 향후 10년간 B2B AI 분야의 모든 기업은 바로 이러한 차이점 위에 설립될 것입니다:
그림 설명: 기관 수준 지능의 7대 기둥 비교표
기관 수준 지능의 7대 기둥
1. 조정(Coordination)
개인 수준 AI는 혼란을 야기합니다.
기관 수준 AI는 조정을 창출합니다.
먼저 사고 실험 하나를 해보겠습니다. 내일 당신 조직의 인원 수를 두 배로 늘리고, 그중 가장 뛰어난 직원들을 모두 복제한다고 가정해 보세요.
이들 각자는 미세한 차이, 선호도, 특이한 버릇, 고유한 관점을 지니고 있습니다(특히 최고의 직원일수록 그렇습니다). 관리가 부족하고, 소통이 부족하며, 임무 분담, OKR, 역할 경계가 명확히 정의되지 않으면… 당신은 혼란을 만들어냅니다.
개인 단위로 측정하면 조직은 더 효율적일 수 있습니다. 그러나 수천 수만 명의 에이전트(또는 인간)가 각자 다른 방향으로 노를 저으면, 좋은 경우는 제자리걸음이고, 나쁜 경우는 조직의 응집력을 산산조각 냅니다.
이것은 가정이 아닙니다. 조정 계층 없이 AI를 도입한 모든 조직은 지금 바로 이 상황을 겪고 있습니다. 각 직원은 자신만의 ChatGPT 사용 습관, 자신만의 프롬프트 스타일, 자신만의 산출물을 가지고 있으며, 다른 사람의 산출물과는 전혀 연결되지 않습니다. 조직도표는 여전히 존재하지만, AI가 생성한 업무는 사실상 또 다른 선을 따라 흐르고 있습니다.
그림 설명: 효율적인 개인(또는 에이전트)이 각자 서로 다른 방향으로 노를 저음. 조정이 없다면, 그것은 단지 혼란일 뿐입니다.
조정은 인간에게나 에이전트에게나 절대적인 필수 요건입니다.
기관 수준 지능은 ‘에이전트 관리(Agent Management)’라는 완전한 신산업을 탄생시킬 것입니다—에이전트의 역할과 책임, 에이전트 간 및 에이전트와 인간 간의 의사소통, 그리고 에이전트 가치 측정 방법(단순한 사용량 기반 과금만으로는 턱없이 부족함)에 초점을 맞춘 산업입니다.
2. 신호(Signal)
개인 수준 AI는 잡음을 발생시킵니다.
기관 수준 AI는 신호를 찾아냅니다.
오늘날 인간은 상상할 수 있는 어떤 것도 창조하거나—즉 생성하거나—할 수 있습니다: AI가 쓴 글, 발표 자료, 스프레드시트, 사진, 영상, 음악, 웹사이트, 소프트웨어 등. 참으로 훌륭한 선물입니다.
문제는, AI가 생성한 대부분의 콘텐츠가 완전히 쓸모없다는 데 있습니다. AI 쓰레기의 범람은 어느 정도까지 심각해졌기에, 일부 조직은 오히려 과잉 반응하여 AI 산출물을 전면 금지하기까지 했습니다. 솔직히 말해 저 역시 같은 생각입니다—저는 AI 기업을 운영하지만, 임원진에게 최종 문서 작성 시 AI를 사용하지 말라고 지시합니다. 저는 그런 쓰레기를 참지 못합니다.
PE(사모펀드) 업계가 어떻게 변해가고 있는지 생각해 보세요. 작년에는 책상 위에 10건의 거래 기회가 도착했을 겁니다. 올해 다음 분기에는 50건의 기회가 도착할 것이며, 각각은 AI로 다듬어져 완벽해 보일 겁니다. 그런데 당신이 판단할 수 있는 시간은 여전히 같습니다—그중 진짜 믿을 만한 한 건을 찾아내야 합니다.
어떤 것도 생성하는 것은 더 이상 문제가 아닙니다. 이제 진정한 조직들이 직면한 문제는, 생성한 후 ‘올바른 것’을 선별하는 것입니다. AI 중심의 세계에서는, 훌륭한 산출물, 훌륭한 거래, 잡음 속의 신호를 찾는 것이 점점 더 중요해지고 있습니다. 향후 10년간 핵심 경제 동력은, 기하급수적으로 증가하는 쓰레기 산 속에서 신호를 발굴해내는 능력이 될 것입니다.
그림 설명: 개인 생산성 도구가 생성하는 AI 쓰레기가 기하급수적으로 증가하고 있습니다. 인간 스스로는 잡음 속에서 분류할 수 없게 되었으며, 새로운 유형의 기관 수준 AI 제품이 필요합니다.
기관 수준 지능은 반드시 신호를 찾아야 하며, 잡음을 구조화하여 쓰레기를 뚫고 들어가야 하며, 업무 수행 과정에서 반드시 정의 가능하고, 결정론적이며, 감사 가능한 형태여야 합니다.
개인 수준 AI는 Clawdbot처럼 ‘항상 온라인’인 생산성을 강조할 수 있지만, 이는 예측 불가능한 방식으로 24시간 내내 당신의 요구를 충족시키는 본질적으로 ‘비결정론적 에이전트’입니다. 반면 기관 수준 AI는 결정론적 에이전트의 신뢰성에 의존합니다. 예측 가능한 체크포인트, 단계, 프로세스를 갖춘 에이전트만이 확장 가능하며, 신호를 발견하고, 이를 통해 조직의 수익률을 높일 수 있습니다.
그림 설명: Matrix는 생성 기술을 활용해 잡음을 뚫고 들어가는 도구로, 결정론적 에이전트와 체크포인트의 세계를 열어줍니다.
3. 편향(Bias)
개인 수준 AI는 편향을 양육합니다.
기관 수준 AI는 객관성을 창출합니다.
사회·정치적 편향에 관한 논의는 오랫동안 AI 담론을 주도해 왔습니다. 기초 모델 연구실들은 충분한 RLHF(RL from Human Feedback)를 통해 이 문제를 우회하였고, 모든 모델을 ‘아첨쟁이’로 조정했습니다. 오늘날 ChatGPT, Claude 등 모델은 오버턴 윈도우(Overton Window) 내의 어떤 주제에 대해서도 당신을 무조건 동의하게 만들도록 지나치게 정렬되어 있습니다(때로는 약간 경계를 넘어서기도 하는데, 바로 당신 @Grok를 말하는 겁니다). 사회·정치적 편향 논의는 사라졌습니다. 하지만 그 자리를 새로운 문제가 대신 차지했습니다.
이 모든 것에 대한 지나친 동의는 이제 웃기게까지 이르렀습니다. 이 자체가 하나의 밈(meme)이 되었습니다—Claude가 말하는 조건반사적인 ‘당신 말씀이 완전히 맞습니다!’라는 문장은, 당신 말이 정말로 완전히 맞는지 여부와는 무관합니다.
이것은 무해해 보입니다. 그렇지 않습니다.
많은 조직에서 AI 도입을 가장 열심히 추진하는 사람이, 역사상 가장 실적 부진한 직원이 될 수도 있습니다. 그 이유를 생각해 보세요.
조직에서 실적이 가장 부진한 직원은 매일 거의 긍정적인 피드백을 받지 못합니다. 그런데 그런 직원은 곧 ASI(인공 초지능)가 자신을 전면적으로 동의해주는 상황을 맞이하게 될 것입니다. 그는 마음속으로 이렇게 말할 겁니다: “역사상 가장 똑똑한 지능체가 나를 동의하고 있다. 내 매니저가 틀렸다.”
이것은 중독성이 강합니다. 또한 조직에 매우 유해합니다.
그림 설명: 개인 수준 AI의 에코챔버(echo chamber)는 분열을 심화시켜 두 사람을 점점 멀어지게 만들며, 규모 확대 시 원래 통일된 조직 내에서도 파벌을 조장합니다.
이것은 중요한 사실 하나를 드러냅니다. 개인 생산성 도구는 사용자를 강화합니다. 그러나 진정으로 강화되어야 할 것은 ‘사실(Fact)’입니다.
인간 조직은 수천 년간 진화하면서 이 문제에 맞서기 위한 전문 체계를 구축해 왔습니다:
- 투자위원회 회의
- 제3자 실사(Due Diligence)
- 이사회
- 미국 정부의 행정·입법·사법 삼권분립
- 대의민주주의 및 민주제도 자체
그림 설명: 객관성은 조정 문제까지 완화시킬 수 있습니다—작은 의견 차이를 억제하거나 확대하지 않고, 자연스럽게 관리합니다.
조직은 직원의 자신감 부족으로 실패하지 않습니다. 실패하는 이유는, 누구도 ‘아니오’라고 말하려 하지 않거나, 말할 수 없기 때문입니다.
기관 수준 AI는 바로 이 역할을 맡아야 합니다. RLHF로 조정되어 사용자를 기쁘게 하거나 그들의 믿음에 동의하게 되어서는 안 되며, 오히려 그들의 편향을 도전해야 합니다. 행동이 효율적일 때는 긍정적 피드백을 주고, 벗어나면 단호한 경계선을 긋고 강제로 바로잡아야 합니다.
따라서 조직 내에서 가장 중요한 에이전트는 ‘응답자(Yea-sayer)’가 아니라, 규율을 갖춘 ‘거부자(Nay-sayer)’—추론을 질의하고, 리스크를 노출시키며, 기준을 집행하는—가 될 것입니다. 앞으로 가장 영향력 있는 AI 애플리케이션 중 일부는 제도적 제약(institutional constraints)을 중심으로 구축될 것입니다: AI 이사회 구성원, AI 감사관, AI 제3자 테스트, AI 준법감시관 등…
4. 경계 우위(Edge Advantage)
개인 수준 AI는 사용량을 최적화합니다.
기관 수준 AI는 경계 우위를 최적화합니다.
AI의 능력 경계는 매주 혹은 매일 이동하고 있습니다. 기초 모델 기업들은 각 개인과 조직을 유치하기 위해 능력을 빠르게 반복 개선하고 있습니다.
그러나 고전적인 ‘혁신자 딜레마(Innovator’s Dilemma)’가 우리에게 알려주는 바에 따르면, 특정 응용 분야에서는 깊이가 항상 넓이를 이깁니다:
- @Midjourney는 이미지 디자인 분야에서 미세하게 앞서는 것을 목표로 합니다.
- @Elevenlabsio는 음성 모델 분야에서 미세하게 앞서는 것을 목표로 합니다.
- @DecagonAI는 전 스택 고객 서비스 경험 분야에서 항상 앞서는 것을 목표로 합니다.
기초 모델이 점점 더 유사해지더라도, 각 분야 전문가들에게 진정한 ‘경계 우위’가 무엇보다 중요합니다. 최고의 디자이너들은 대부분 @Midjourney를 사용하고, 최고의 음성 AI 기업들은 대부분 @Elevenlabsio를 사용합니다—왜냐하면 기초 모델이 진보하더라도, 특정 경계 우위를 추구하기 위한 전용 애플리케이션의 끊임없는 집중 자체가 바로 우위를 정의하기 때문입니다.
전용 솔루션이 계속 진화한다면, 경제적 성과에 진정으로 핵심적인 능력—기업의 핵심 역량—은 언제나 전용 제품 쪽에 남아 있을 것입니다.
이는 금융 분야에서 특히 두드러집니다—현재 LLM 개발이 가장 활발한 분야입니다. 어떤 능력이 보편화되면, 그 자체로는 시장에서 앞서갈 수 없습니다. 그러나 선도 기술이 1%의 소규모 우위를 일시적으로 창출할 수 있다면? 이 1%는 10억 달러 규모의 수익을 촉발할 수 있습니다.
그림 설명: 어떤 충분히 구체적인 과제에 대해서도, 경계 우위는 당신이 선도 기술 위에 구축한 기관 수준 솔루션에 의해 정의됩니다.
저희 사용자들은 이미 선도 기술을 넘어섰습니다. LLM의 컨텍스트 윈도우는 4년 만에 4K에서 100만 토큰으로 증가했습니다. 저희 일부 사용자는 단일 작업에서 300억 토큰을 처리합니다. 올해는 1000억 토큰 작업 처리 경로도 이미 확인했습니다. 기초 모델 능력이 향상될 때마다, 저희는 이미 그보다 더 멀리 나아가 있습니다.
그림 설명: 컨텍스트 윈도우는 다른 능력들과 마찬가지로 이동하는 표적입니다. 지난 3년간 선도 연구실과 Hebbia의 컨텍스트 윈도우 진화 비교.
광범위한 사용자에게 맞춘 일반성은 물론 중요합니다—특히 직원들이 AI를 입문하는 단계에서는 더욱 그렇습니다. 그러나 미래는 사람들이 ChatGPT/Claude 또는 수직 솔루션을 선택하는 것이 아니라, ChatGPT/Claude ‘+’ 수직 솔루션을 사용하는 것입니다.
기관 수준 지능은 분야 전용, 심지어 과제 전용 에이전트를 활용해야 합니다.
우리는 어리둥절해 보이지만 결코 어리둥절하지 않은 질문을 스스로에게 던집니다:
「AGI는 어떤 에이전트를 ‘빠른 길’로 선택할까요? 심지어 초지능도 특정 분야를 위한 전용 도구를 원할 것입니다.」
AI의 능력 경계는 언제나 이동하고 있으므로, 진정한 경계 우위를 활용하는 조직만이 승리합니다. 다른 모든 조직은 매우 비싼 범용 상품을 구매하는 데 돈을 쓰고 있습니다.
5. 결과(Result)
개인 수준 AI는 시간을 절약합니다.
기관 수준 AI는 수익을 확대합니다.
@MaVolpi가 저에게 한 말이 제게 기업에 AI를 판매하는 방식에 대한 인식을 완전히 바꾸어 주었습니다: 「어느 CEO라도 비용 절감과 수익 확대 중 어느 것을 우선순위로 두겠느냐고 물어보면, 거의 모두가 수익 확대라고 대답할 것이다.」
그러나 오늘날 시장의 거의 모든 AI 제품은 비용 절감—즉 시간 절약, 적은 인원으로 더 많은 일을 하기, 또는 인력 대체—을 약속하며 제공되고 있습니다.
기관 수준 AI는 반드시 ‘증분 수익(Incremental Revenue)’을 제공해야 합니다. 그런데 증분 수익은 절약된 시간보다 훨씬 상품화하기 어렵습니다.
예를 들어 AI 기반 소프트웨어 개발을 살펴보겠습니다. 코드 IDE는 지금까지 나온 최고의 개인 AI 생산성 도구 중 하나입니다. 그러나 이미 Claude Code(또 다른 개인 수준 AI 도구)로부터 거센 도전을 받고 있습니다. Cognition은 완전히 다른 게임을 하고 있습니다. 그들은 기술을 팔기보다는 ‘변혁(Transformation)’을 팔며 가장 안정적으로 성장하고 있습니다. 저는 이 모델이 오래 지속될 것이라고 확신합니다.
순수 소프트웨어는 ‘빠르게 투자 불가능해지고 있습니다’. 순수 서비스는 규모 확대가 불가능합니다. 기술과 결과를 묶는 ‘솔루션 계층(Solution Layer)’만이 지속 가능한 가치를 축적하는 장소입니다.
M&A 분야를 다시 보겠습니다. 개인 수준 AI는 분석가가 모델링을 더 빨리 만들 수 있도록 돕습니다. 기관 수준 AI는 100개의 대상 중에서 진짜로 추구할 가치가 있는 거래 상대를 식별한 후, 검색 범위를 1000개로 확장합니다. 하나는 시간을 절약하고, 다른 하나는 수익을 창출합니다.
그림 설명: 기초 모델 기업은 수직 응용 계층으로 이동하고 있고, 수직 응용 기업은 솔루션 계층으로 이동하고 있습니다.
‘상류로 이동하기(Upstream Movement)’는 현재 시장의 자연스러운 중력입니다. 기초 모델은 응용 계층으로, 응용 계층 기업은 솔루션 계층으로 이동하고 있습니다.
기관 수준 지능은 바로 솔루션 계층입니다. 그리고 솔루션 계층—즉 결과가 실현되는 곳—은 지속 가능한 가치를 축적하고, 가장 큰 수익 공간을 확보할 것입니다.
6. 역량 강화(Empowerment)
개인 수준 AI는 도구 하나를 줍니다.
기관 수준 AI는 그것을 어떻게 쓰는지를 가르칩니다.
인간은 아무리 똑똑해도 변화를 거부합니다.
믿거나 말거나, 뉴욕에는 아직도 신용카드를 받지 않는 성공적인 상점이 있습니다. 그들은 자신이 손해를 보고 있다는 것을 알고, 신용카드를 받지 않으면 손해를 본다는 것도 압니다. 그런데도 그냥 두고 있습니다. 마찬가지로, 예측 가능한 미래에도 어떤 조직의 어떤 직원은 AI 사용을 거부할 것입니다.
완전히 수동 운영되는 조직에서 AI를 중심으로 한 하이브리드 조직으로의 전환은, 향후 10년간 가장 지속적이며 가장 정의적인 도전이 될 것입니다. 그리고 종종 조직의 최고위층, 가장 중요한 사람들이 오히려 가장 늦게 채택하는 경우가 많습니다.
그림 설명: 조직의 최고위층—즉 ‘생산성 도구 조작’과 가장 거리가 먼 사람—은 새로운 기술을 채택하는 데 가장 느리지만, 동시에 가장 핵심적인 집단입니다.
팔란티어(Palantir)는 지난 두 달간 만달러급 기술주 매도 물결 속에서도 여전히 높은 기업 가치 배수를 유지한 유일한 ‘소프트웨어’ 기업입니다. 그 이유가 있습니다. 팔란티어는 최초의 진정한 ‘프로세스 엔지니어링(Process Engineering)’ 기업 중 하나입니다. 당신이 그것을 ‘프로세스 엔지니어링’이라 부르든, ‘클로드 기술 파일 작성’이라 부르든, 향후 기관 수준 AI는 기업 프로세스를 에이전트에 코드화하고, 이를 실현하기 위한 변화 관리(Change Management)를 시행하는 산업을 창출할 것입니다.
그림 설명: 조직의 AI 전면 도입은 여러 개의 난관을 가로질러야 하며, 각 난관에는 고유한 도전이 있습니다. 프로세스를 AI에 올리는 것이 주요 추진력이 될 것입니다.
저는 단언할 수 있습니다. 프로세스 엔지니어링은 최근 몇 년간 가장 중요한 ‘기술’이 될 것입니다.
그리고 이 프로세스 엔지니어링에서 가장 중요한 것은 소프트웨어 전문성보다는 비즈니스 및 산업 전문성입니다. 수직 솔루션은 현장에서 엔지니어링, 구현, 변화 관리에 전문 지식을 갖춘 인재를 양성할 것입니다.
헤비아(Hebbia)를 전면 도입한 최상위 투자은행(톱 3 대형 은행)은 이 차이를 가장 잘 설명했습니다: “우리는 어떤 대형 기초 모델 연구실과도 협력하지 않는데, 그 이유는 우리가 그들의 팀에게 CIM(기밀정보비망록)이 무엇인지 설명해야 하기 때문입니다.” 클로드나 GPT는 물론 해당 분야를 이해하지만, 실제로 도입과 확산을 담당하는 팀은 모르는 것입니다…
이 차이가 모든 것을 결정합니다.
7. 프롬프트 없음(No Prompt)
개인 수준 AI는 인간의 프롬프트에 응답합니다.
기관 수준 AI는 프롬프트 없이 능동적으로 행동합니다.
에이전트 간 통신, 미래의 기업과 제도가 인간을 여전히 필요로 할지에 대한 논의는 많습니다.
하지만 더 나은 질문은: 미래의 AI 에이전트는 프롬프트를 여전히 필요로 할까?
AGI에 프롬프트를 작성하는 것은, 전동 모터를 손으로 짜는 직조기에 연결하는 것과 같습니다. 그것은 근본적이고, 돌이킬 수 없게 조직 공급망의 가장 약한 고리—즉 우리 자신—에 제약받습니다. 인간은 어떤 올바른 질문을 해야 할지조차 알지 못하며, 게다가 언제 질문해야 할지도 모릅니다.
AI가 할 수 있는 가장 가치 있는 일은, 아무도 질문하려고 하지 않은 일입니다. AI는 아무도 발견하지 못한 리스크, 아무도 생각지 못한 거래 상대, 아무도 존재를 알지 못하는 영업 파이프라인을 찾아내야 합니다.
이것은 AI 사용 사례의 경계를 완전히 열어줄 것입니다.
프롬프트 없이 작동하는 시스템이 전체 투자 포트폴리오의 데이터 흐름을 지속적으로 모니터링합니다. 이 시스템은 투자 대상 기업의 운전자본 사이클이 신용 계약의 조항과 비교해 연속 3개월간 서서히 악화되고 있음을 발견하고, 펀드 내 누구도 해당 PDF를 열기 전에 운영 파트너에게 즉시 알립니다.
당신이 더 이상 AI에게 프롬프트를 작성할 필요가 없게 되면, 새로운 인터페이스와 새로운 업무 방식이 등장합니다. 저희 @Hebbia는 이 분야에 강력한 아이디어를 보유하고 있습니다. 이에 대해서는 차후에 더 이야기하겠습니다.
맺음말
위 내용은 챗봇, 에이전트, 개인 수준 AI의 가치를 부정하지 않습니다.
개인 수준 AI는 전 세계 대부분의 기업이 AI 혁명의 마법을 처음 경험하게 해주는 매개체가 될 것입니다. 사용량 확대와 사용 용이성 증진은 AI 중심 경제를 구축하기 위해 필요한 변화 관리의 첫 번째 핵심 단계입니다.
그러나 동시에, 기관 수준 지능에 대한 수요는 명확하고, 긴급하며, 거대합니다.
앞으로 모든 조직은 대형 기초 모델 연구실에서 제공하는 챗봇을 갖게 될 것입니다. 또한 각 조직은 특정 분야의 문제를 해결하기 위해 특별히 설계된 기관 수준 AI를 갖게 될 것입니다—그리고 개인 수준 AI는 기관 수준 AI를 자신 도구상자에서 가장 핵심적인 도구로 사용하게 될 것입니다.
기관 수준 AI와 개인 수준 AI의 ‘더 나은 결합’은 필연적인 추세입니다.
그러나 1890년대 방직공장의 교훈을 기억하세요. 가장 먼저 전기를 공급받은 공장이 아니라, 공장 내부를 완전히 재설계한 공장이 승리했습니다.
우리는 이미 전기를 갖췄습니다. 이제 우리의 공장을 재설계할 차례입니다.
검토를 위해 @aleximm와 @WillManidis에게 감사드리며, 윌(Will)의 「도구 모양의 물체(The Tool-Shaped Object)」라는 글에서 얻은 영감에 감사드립니다.
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
a16z
