Alexandr Wang: "문명에 한 번 오는 기회다"

이 문서는 Y Combinator 채널의 원본 YouTube 영상과 YC Root Access 뉴스레터의 공식 스크립트 페이지를 기반으로 한 완역이다. Startup School 2026에서 열린 Alexandr Wang과 Garry Tan의 대담 전체를 옮겼다.

YouTube 설명란

Alexandr Wang이 18살의 자신에게 보내는 조언: 미래가 어떻게 전개될지에 대한 자신만의 내적 나침반을 만들고, 소음에 맞서 그 확신을 지켜라.

Startup School 2026에서, Scale AI(YC S16) 창업자이자 현재 Meta의 Superintelligence Labs를 이끄는 그가 Garry Tan과 함께 프런티어 랩을 맨바닥부터 다시 세우는 일, 인재 밀도가 복리로 쌓이는 이유, 그리고 20대를 걸 만한 지수 곡선을 알아보는 법에 대해 이야기한다. 전체 대화는 공식 스크립트(Transcript)에서 볼 수 있으며, 설명란에는 Y Combinator 지원과 스타트업에서 일하기 링크가 함께 안내되어 있다.

타임스탬프

• 00:00 — 인트로
• 00:07 — Alexandr Wang은 어떻게 Scale AI를 시작했나
• 03:25 — 올바른 아이디어로의 피벗
• 06:23 — 컨센서스보다 앞선 확신
• 09:06 — 왜 지금이 창업하기 가장 좋은 시기인가
• 11:27 — 퍼스널 슈퍼인텔리전스는 어떤 모습인가
• 13:10 — 프런티어 AI 랩을 만든다는 것
• 16:36 — 왜 AI 모델은 저렴해야 하는가
• 20:01 — 지능보다 비전이 더 중요해진다
• 24:06 — AI 시대의 시스템 사고
• 26:51 — 지금 AI에서 가장 큰 기회
• 29:25 — 18살의 나에게 보내는 조언

대담 전문

Alexandr Wang이 18살의 자신에게 보내는 조언: 미래가 어떻게 전개될지에 대한 자신만의 내적 나침반을 만들고, 소음에 맞서 그 확신을 지켜라.

Startup School 2026에서, Scale AI(YC S16) 창업자이자 현재 Meta의 슈퍼인텔리전스 랩을 이끄는 그가 Garry Tan과 함께 프런티어 랩을 맨바닥부터 다시 세우는 일, 인재 밀도가 복리로 쌓이는 이유, 그리고 20대를 걸 만한 지수 곡선을 알아보는 법에 대해 이야기한다. (YouTube에서 보기)

00:00 — 인트로

Garry: 자, 좋습니다. Alexandr Wang을 록스타급 환호로 맞아주세요, 여러분.

00:07 — Alexandr Wang은 어떻게 Scale AI를 시작했나

Garry: 좋아요. 그럼 이렇게 시작해볼까요—무대 뒤에서 저희가 이런 얘기를 했거든요. 이 행사를 바라보는 멋진 방식 중 하나는, 이 방이 사실 우리랑 똑같은 사람들로 가득 차 있다는 겁니다. 다만 우리가 18살, 20살이었을 때의 모습으로요. 이 청중 중에는 16살도 몇 명 있습니다. 당신 이야기로 넘어가 보죠. 어릴 때부터 늘 정말 똑똑했고, 수학 올림피아드 선수였잖아요. 그 시절의 Alex에게로 우리를 데려가 주세요. 그때 무엇을 느끼고 있었나요? 무슨 생각을 하고 있었고, 무엇이 당신을 이 길로 이끌었나요?

Alex: 네. 저는 뉴멕시코에서 자랐습니다. 뉴멕시코주 로스앨러모스인데, 지금이야 오펜하이머로 유명해졌지만 정말이지 아무것도 없는 오지였어요. 수학 경시대회며 컴퓨터과학 대회며 온갖 대회를 다 나갔고, 정말 큰일을 하고 싶다는 것만은 알았지만 그걸 정확히 어떻게, 어떤 경로로 해야 하는지는 전혀 분명하지 않았습니다. 프로그래밍에 정말 빠져 있던 친구가 하나 있었는데, 고등학교를 마치고 밸리에서 인턴십을 구했어요. 그 친구의 첫 인턴 자리가 Palantir였던 걸로 기억합니다. 그 친구가 저한테 영향을 줬죠. 저는 고등학교를 마친 뒤 여기 실리콘밸리의 Quora에서 일하게 됐습니다. 거기서 1년을 일했어요. 갭이어를 내서 일한 거였고, 그다음에 MIT에 갔습니다. Quora에서 일할 때가 19살이었어요.

MIT에 갔을 때가 18살이었고, Scale을 시작했을 때가 19살이었습니다. 17살부터 19살까지의 이 시기가 기억에 남는데요.

끊임없이 변하고 있다는 느낌이었습니다. 정확히 뭘 하고 싶은지가 계속 바뀌었어요. 주변 사람들에게서 정말 많은 걸 배우고 있었죠. 그 시기 내내 소방 호스에 입을 대고 물을 마시는 느낌이었습니다. 정말 중요했던 두 가지를 꼭 추천하고 싶은데요. 하나는, 회사에서 일해본 것이 정말 값졌다는 겁니다. 바깥에서 보면 회사가 어떻게 돌아가는지 전혀 알 수가 없거든요. 실제로 무언가를 만든다는 게 어떤 건지 모르고, 무언가를 반복 개선한다는 게 어떤 건지 모르고, 여러 사람이 모여 의사결정을 내린다는 게 어떤 모습인지도 전혀 모릅니다. 그걸 배운 게 정말 중요했다고 생각해요. 그리고 MIT에 다닌 것도 실제로 아주 중요했습니다. 뭐가 흥미로운지 탐색할 기회를 많이 줬거든요.

제가 첫 모델들을 훈련시키기 시작한 것도 MIT에서였고, 마침 그해에 막 나온 TensorFlow를 가지고 놀았던 것도, 그리고 결국 Scale의 아이디어를 떠올린 것도 MIT에서였습니다. MIT에서 1년을 보낸 뒤 YC에 지원했어요. 그때 합격한 건 기적처럼 느껴졌습니다. 그리고 YC는 제 창업 여정에 정말 결정적이었어요.

YC는 굉장히 지지해주면서도—당연히 여러분이 성공하길 바라니까요—동시에 아주 직설적으로, 여러분이 멍청한 짓을 하고 있으면 그렇다고 말해주는, 그 놀라운 조합입니다. 우리 모두 인생에서 그런 게 필요하잖아요. 네, 거기까지가 그때까지의 이야기입니다. 19살에 Scale을 시작했고, 그 뒤는 다들 아시는 대로죠.

03:25 — 올바른 아이디어로의 피벗

Garry: 그때 Jared Friedman과 함께했던 걸로 압니다. 그리고 처음 들어올 때는 결국 Scale이 된 것과는 실제로 아주 다른 아이디어를 들고 왔었죠.

Alex: 네. 재미있게도 저희는 사람들이 의료 서비스를 받도록 돕는 AI 에이전트를 만들려고 했습니다. 그리고 그건 언젠가는 결국 존재하게 될 아이디어의 훌륭한 예였다고 생각해요. 지금은 실제로 그런 게 나오고 있잖아요. 사람들이 의료 서비스를 받도록 돕는 AI 에이전트는 매우 현실적인 것이 됐지만, 그때는 타이밍이 틀렸던 겁니다. 한두 달쯤 그 작업을 하고 있었는데 Jared가 저희를 따로 불러서 이렇게 말했어요. "얘들아, 이거 어디로도 못 갈 것 같은데." 그리고 그게 바로 저희에게 필요했던 말이었습니다. 그때 저는 MIT에서 AI를 공부했고 모델을 훈련시켜 봤으니까, 저희는 원점으로 돌아가 기회가 어디에 있는지 깊이 고민했고, Scale을 떠올렸습니다.

Garry: 당시에 데이터를 판다는 건—대규모 언어 모델은 아직 전면에 나오기 전이었지만, 자율주행차가 떠오르고 있었고 컴퓨터 비전이 갑자기 중요해졌죠. 그래서 그게 첫 시장이었던 거고요. 맞나요?

Alex: 네. 이야기는 이렇습니다. MIT에 있을 때 저는 이런저런 프로젝트를 잔뜩 했고, 온갖 형태의 모델을 훈련시켰어요. 지금과 비교하면 조그만 장난감 모델들이었죠. 모델 하나를 훈련시키려면 세 가지가 필요했던 게 기억납니다. GCP 계정, 그러니까 컴퓨트를 얻기 위한 어떤 클라우드 서비스 계정이 필요했고, 실제로 모델을 훈련시킬 코드가 필요했고, 그리고 데이터, 데이터셋이 필요했습니다. 이 세 가지 중 두 가지는 온라인에서 그냥 버튼만 누르면 얻을 수 있었어요. 그런데 마지막 하나, 데이터는, 이 모델들을 훈련시킬 데이터를 구할 효과적인 방법이 없었습니다. 그러니 이게 미래가 되리라는 것, 말하자면 버튼을 눌러서 데이터를 얻는 방법이 생기리라는 것이 믿을 수 없을 만큼 자명하게 느껴졌죠.

아주 웃긴 게, 그 뒤로 몇 년 동안, Scale의 첫 여러 해 동안 데이터는 여전히 아주 인기 없는 주제였습니다. 펀드레이징을 하러 나갈 때마다, 숫자도 훌륭하고 매출도 좋았는데도 VC와 투자자들은 늘 매우 회의적이었어요. "글쎄요, 이게 좋은 비즈니스인지 모르겠네요. 지속성이 있나요? 오래갈 수 있는 건가요?" 저한테는 정말 이상했는데, 투자자 중 모델을 훈련시켜본 사람이 아무도 없었으니 아마 진짜로 이해를 못 했던 것 같아요. 시간을 빨리 감아 오늘로 오면, 저희는 돈을 모았고, 계속 나아갔고, 사업을 계속 키워냈습니다. 그런데 저희를 패스했던, AI의 가능성에 대해 몹시 시큰둥했던 바로 그 투자자들이 오늘날에는 데이터가 얼마나 결정적인지, 데이터가 AI에서 가장 큰 비즈니스 기회 중 하나라는 소위 '생각 글'들을 쓰고 있어요.

그 모든 게 한 바퀴 돌아 제자리로 온 걸 보는 게 참 재미있습니다.

06:23 — 컨센서스보다 앞선 확신

Garry: 그게 사실 제1원리 사고의 정말 좋은 사례 연구인 것 같습니다. Wall Street Journal을 펼쳐 놓고 "음, 데이터가 핫하네. 우리 그거 하자"라는 식으로는 회사를 시작할 수 없죠. 말 그대로 그런 식으로는 Scale을 시작할 수 없었을 겁니다. 자신이 참이라고 아는, 세계에 대한 단순한 명제들에서 출발해서 그걸 위한 무언가를 만들어야 했던 거죠.

Alex: 네. 핵심은, 다른 누구도 동의하지 않는 일련의 믿음에 대해 확신을 길러내야 한다는 겁니다. 세계에서 가장 성공한 회사들을 전부 살펴보면, 핵심 아이디어가 대중적으로 인정받기 한참 전에 시작됐습니다. 그들은 그 일을 합니다. 그 아이디어나 그 분야, 그 비즈니스의 개념이 컨센서스가 되기 전까지 몇 년을 무명 속에서 묵묵히 일하죠. 성공할 수 있는 유일한 길은, 세계에 대한 이런 진실들을 다른 모두보다 훨씬 앞서 일찍 알아보는 것뿐입니다. Scale에서 가장 놀라운 점 중 하나는 저희가 AI를 10년째 해오고 있다는 거예요. 주변의 모두가 하는 말에 기대어 사업적 의사결정을 내릴 수는 없습니다. 무리를 너무 따라가면 엄청나게 혼란스러워지다가 결국 아무 데도 도달하지 못해요.

그래서 미래가 어떤 모습일지에 대한 자기만의 나침반을 길러야 합니다. 다른 사람들은 여러분을 혼란스럽게 만들 뿐이니까요.

Garry: 당신이 믿을 수 없을 만큼 잘하게 된 것 중 하나가 이런 것 같습니다. "우리는 X를 믿는데 다른 누구도 그걸 믿지 않는다"라는 씨앗에서 출발하죠. 그런데 회사를 만드는 실제 메커니즘은 투자자들과 이야기하고 설득하면서도 그들이 당신의 사기를 꺾게 두지 않는 것, 당연히 알아들어야 할 고객들과 이야기하는 것, 그리고 특히 사람들이 당신 회사에 와서 일하도록 설득하는 것이잖아요.

Alex: 네. 회사를 만드는 이 초기 메커니즘들은, 잘할 소질이 어느 정도 있을 수는 있어도, 회사를 처음 시작할 때 그걸 잘하는 사람은 아무도 없습니다. 아주 초기에 만났던 투자자들과 이야기했던 게 기억나는데, 그중 많은 이들이 이렇게 말하곤 했어요. "당신은 정말 빠르게 성장했고 정말 빠르게 변했어요. 그때는 그걸 못 봤네요." 그건 회사를 시작하는 말 그대로 모든 사람에게 해당하는 이야기일 겁니다. 한 번도 해본 적 없는 일을 잘하는 사람은 없습니다. 모든 기업가는 처음엔 모든 걸 꽤 못하는 상태로 출발해요. 게임의 전부는 이겁니다: 어떻게 자신을 계속 발전시켜서, 끊임없이 나아지고 빠르게 배울 것인가.

09:06 — 왜 지금이 창업하기 가장 좋은 시기인가

Garry: 무대 뒤에서, 지금이 사실 창업하기에 정말 운 좋은 시기라는 이야기를 나눴습니다. 당연히 YC에 올 수 있고요. 이 방에 있는 사람들은 서로가 있죠. 그것만으로도 대단한 일인데, 그뿐 아니라 이제는 이상적으로는 "이봐, 이런 방법들이 있어"라고 알려주는 퍼스널 AI까지 있잖아요. 그런 게 있었다면 당신이 훨씬 더 빨리 가속하는 데 도움이 됐을 거라고 보세요? AI의 시대에, AI와 함께 오늘 회사를 시작한다는 건 어떤 걸까요?

Alex: 네. 저는 우리가 세계사적으로 정말 놀라운 순간에 있다고 생각합니다. 병목은 AI 모델의 발전이 아니에요. 병목은 그걸 세상 구석구석으로 확산시키고, 이미 존재하는 이 놀라운 기술에 세상이 적응하도록 돕는 일입니다. 모델이 오늘 수준에서 하나도 나아지지 않는다 해도, 경제와 세상이 돌아가는 방식과 우리 주변 모든 것에는 여전히 수십 년, 수십 년치의 격변과 변화가 남아 있을 겁니다. 그 결과, 지금은 꿈꾸는 사람이 되기에, 비전과 야망을 품기에, 그리고 놀라운 무언가를 만들어서 미래 세계가 어떤 모습이어야 하는지에 대한 관점을 관철하기에 가장 놀라운—아마도 문명에 한 번 올까 말까 한 기회입니다.

무대 뒤에서 나눈 이야기 중 하나가 이건데요. 제가 Scale을 시작했을 때, 그러니까 10년 전에 회사를 시작하면, 그건 다윗 대 골리앗이었습니다. 영리해야 했고, 시장으로 파고들 각도를 찾아야 했고, 자원이 훨씬 적은데도 경쟁할 방법을 찾아내야 했죠. 지금은 에이전트의 힘, 그리고 넓게 보아 AI 덕분에, 골리앗 대 골리앗에 훨씬 가깝습니다. 다만 스타트업은 에이전트와 AI의 힘으로 엄청나게 강화된 메카-골리앗 같은 존재고, 대기업은 말하자면 더 전통적인 골리앗인 거죠. 지금의 스타트업은 AI 에이전트를 제대로 받아들이고 그 강점을 가장 야심 찬 방식으로 지렛대 삼는 법을 알아낸다면, 기존 강자들을 쉽게 이길 수 있다고 생각합니다.

11:27 — 퍼스널 슈퍼인텔리전스는 어떤 모습인가

Garry: 그럼 슈퍼인텔리전스 이야기를 해보죠. 그게 명백히, 당신 랩 이름에까지 들어가 있으니까요. 지금 Meta 안에서 슈퍼인텔리전스는 운영상 무엇을 의미하나요?

Alex: 네. 1년 전에 Mark가 퍼스널 슈퍼인텔리전스에 대한 메모를 썼는데, 사실 당신이 말하는 퍼스널 AGI 개념과 아주 비슷하다고 생각합니다. 저희는 세상의 모든 사람, 수십억 명 모두가 자신에게 맞게 적응되고 맞춤화된 슈퍼인텔리전스를 갖게 될 거라고 믿습니다. 목표를 이루게 해주고, 그 사람의 맥락을 알고, 궁극적으로는 그 사람 자신의 행위 능력(agency)을 확장해주는 존재요. 저희가 많이 생각하는 주제가 바로 이 행위 능력의 확장입니다. 사람들이 이전에는 꿈도 못 꿨던 일들을 이루도록 어떻게 도울 것인가? 모든 것이 그냥 쉬워진다면 세상 사람들은 저마다 무엇을 할까? 저희는 이걸 생태계 관점에서도 생각합니다. Patrick이 언급했던 것 같은데, 저희는 AI가 세상을 통제한다는 그런 전체주의적, 총체적 관점을 믿지 않습니다.

이 기술은 아주 폭넓은 생태계를 강화하게 될 거라고 믿습니다. 전 세계 수십억 명이 저마다 자기만의 퍼스널 슈퍼인텔리전스를 갖는 세상을 믿어요. 기업가정신의 폭발도 믿습니다. 오늘날 Meta의 플랫폼 위에는 2억 개의 비즈니스가 있습니다. 창의성의 폭발과 AI 도구의 활용으로 그 숫자가 수십억 개로 가야 한다고 생각해요. 궁극적으로는 비즈니스 에이전트들이 퍼스널 에이전트들과 협업하며, 완전히 AI로 슈퍼차지된 복잡한 생태계를 이루는 역동적인 그림이 될 거라고 봅니다.

13:10 — 프런티어 AI 랩을 만든다는 것

Garry: Muse Spark 1.1을 보고 정말 신났습니다. 제 OpenClaw가 아주 좋아하더라고요. 프런티어 랩을 운영해보니 어땠나요? Muse Spark 레벨은 말하자면 Opus 레벨인데요. 다음엔 뭐가 나올 예정인가요? 그리고 점점 오픈소스도 들여다보고 계신 걸로 아는데, 이 청중이 정말 사랑하는 주제죠.

Alex: 네. Meta에 온 지 이제 1년쯤 됐는데, 정말 대단한 1년이었습니다. 들어가 보니—공개적으로도 이야기했지만—Llama 4는 Meta에 필요한 궤도에 올라 있지 않았습니다. 그래서 들어가서, 프런티어 랩 전체를 어떻게 만들 것인가를 제로베이스로 다시 설계했어요. 어떤 의미로는 맨바닥부터, 물론 기존에 가진 것들을 많이 활용하면서, 최대한 빠르게 움직였습니다. 그 시점으로부터 9개월 안에 Muse Spark 1을 출시했고, 두 달 뒤에 Muse Image와 Muse Spark 1.1을 출시했습니다. 이 과정에서 정말 인상 깊었던 게 몇 가지 있는데요. 첫째는 인재 밀도가 믿을 수 없을 만큼 중요했다는 겁니다. 그게 베팅해야 할 핵심이었어요. 인재 밀도는 자연스럽게 복리로 쌓이는 것이거든요.

재능 있는 사람이 많을수록, 최고로 재능 있는 사람들이 더 많이 합류하고 싶어 합니다.

안에서 지켜보면 정말 놀라운데, 프런티어 AI 작업은 연구입니다. 과학적인 작업이에요. 이 모델들로 무엇을 할 수 있는지, 어떻게 이 모델들을 밀어붙일 수 있는지, 이 모델들로 무엇을 이룰 수 있는지를 탐구하는 일이고, 그건 인터넷 기업이나 인터넷 프로덕트에 존재하던 것과는 완전히 다른 마인드셋과 운영 모델을 요구합니다. 실험에 관한 것, 과학에 관한 것, 스케일링에 관한 것이 훨씬 많죠. 그리고 궁극적으로 모든 것은, 생태계에서 일어날 그 모든 지수적 성장—역량의 지수적 성장, 컴퓨트의 지수적 성장, 도입과 사용량의 지수적 성장—과 함께 복리로 성장할 수 있는 랩, 운영 모델, 시스템을 어떻게 만들 것인가의 문제입니다. 우리는 생태계의 거의 모든 차원에서 아주아주 가파른 지수 곡선 위에 있어요. 그래서 유기체처럼 발전시키는 게 중요합니다.

그것과 함께 성장할 수 있는 랩이란 그렇게 생각해야 하는 거죠. 정말 신나는 시간이었고, 앞으로 훨씬 더 많이 출시할 겁니다. 방금 Muse Spark 1.1을 출시했는데 훌륭한 모델이었다고 생각하고요. Muse Spark 라인의 업데이트는 계속 이어질 겁니다. 더 큰 모델들도 준비 중인데, 지금 나와 있는 최고의 모델들과 견줘도 훨씬 경쟁력이 있을 거라고 생각합니다. 곧 하네스(harness)도 출시할 예정이고, 세상의 모든 개발자와 에이전틱 개발자들에게 힘을 실어줄 하네스를 만들어 왔습니다. 그리고 말씀하신 대로 오픈소스 모델도 작업하고 있습니다. 앞서 설명했듯 저희는 AI 역량과 진보와 개발이 탈중앙화된 세상을 믿습니다. 더 넓은 생태계와 세상의 모든 사람이 이 기술로 만들고 개발할 수 있도록 힘을 실어주고 싶어요.

그래서 신나는 것들이 많이 준비돼 있습니다. 인간적으로 가능한 최대치로 생태계와 개발자들에게 힘을 실어주고 싶습니다.

16:36 — 왜 AI 모델은 저렴해야 하는가

Garry: 그러니까 그 방식 중 하나가—확실히 제가 제 OpenClaw로 Muse Spark를 써봤을 때 분명해진 건, 특히 스킬 파일을 쓰는 그 에이전틱 플로우에서 Opus만큼 좋은데, 실제로는 8배 저렴하다는 거였습니다.

Alex: 그렇습니다. 그게 핵심으로 이어지는데요. 저희는 이 모델들이 너무 비싸서 가장 부유한 개발자와 기업들에게만 배급되는 세상을 믿지 않습니다. 모든 사람이 이 기술을 쓸 수 있어야 하고, 그걸로 만들고 싶은 건 뭐든 만들 수 있어야 해요. 저희 관점은, 최고의 AI 프로덕트는 아직 개발되지도 않았다는 겁니다. AI 생태계와 지금까지 일어난 모든 일을 보면, 매 물결이 이전 물결보다 10배씩 큽니다. 제가 Scale을 시작했을 때 첫 물결은 아마 자율주행차였을 거예요. 자율주행차는 정말 멋집니다. 정말, 정말 멋져요. 하지만 대규모 언어 모델과 챗봇에 비하면 빛이 바랩니다. 챗봇은 자율주행차보다도 아마 10배는 큰 무언가가 됐죠. 그리고 몇 년 뒤에 코딩 에이전트가 나왔습니다.

코딩 에이전트는 챗봇보다 아마 10배 클 겁니다. 우리는 이 깊은 곡선 위에 막 올라탄 것뿐이라고 생각해요. AI 패러다임의 새로운 모달리티와 폼팩터와 발전이 계속 나올 것이고, 각각이 이전 것보다 극적으로 클 겁니다. 그래서 저희 관점은 이겁니다. 생태계를 풀어놓자. 탐험하게 하고 지켜보자. 세계의 미래를 함께 만들자.

Garry: 그럼 Muse Spark의 코딩 모델을 실제로 활용하는 가장 좋은 방법은 뭔가요? OpenCode 맞죠?

Alex: 네. 오늘 기준으로 가장 쉬운 방법은 OpenCode를 쓰는 겁니다. 웹사이트에 온보딩이 있어요. 그리고 곧 저희 자체 하네스가 나옵니다. 궁극적으로 저희가 원하는 건, 사용 가능한 모든 하네스에 꽂히는 훌륭한 모델을 만들어서 생태계 안에서 최대한 많은 조합적 혁신이 일어나게 하는 겁니다.

Garry: 네. 하네스가 아직 베일에 싸여 있는 건 알지만, 살짝만 감질나게 보여줄 수 있나요? 저는 아직 OpenClaw를 쓰고, Hermes Agent도 씁니다. 이것들은, 제 표현으로는 길가에서 수시로 퍼지는 페라리들이거든요. 이건 퍼지지 않는 페라리인가요? 조금만 맛보기를 주시죠.

Alex: 네. 부디 퍼지지 않기를 바랍니다. 저희는 속도에 정말 집중하고 있습니다. 이런 도구를 쓰는 사람이라면 누구에게나 속도가 아마 가장 결정적인 것 중 하나일 거예요. 그리고 말씀하신 신뢰성도요. 극도로 신뢰할 수 있게 만들고 싶습니다. 매우 확장 가능(extensible)하게 만들어서, 원하는 만큼 복잡하고 흥미로운 멀티 에이전트 구성으로 스케일되게 하고 싶어요. 솔직히 하네스 위에서조차 엄청난 혁신이 일어날 겁니다. 어떻게 오케스트레이션하고, 루프를 구성하고, 이 에이전트들이 함께 일하는 아주 복잡한 생태계를 발전시킬 것인가 하는 부분에서요. 그래서 정말 확장 가능하게 만들고 싶습니다. 궁극적으로는 사람들이 이 기술을 부리도록(harness) 힘을 실어주고 싶은 건데—하네스, 말장난하려던 건 아닙니다만—진심으로 이 모델들은 이미 그야말로 믿을 수 없을 만큼 강력합니다. GDP 성장의 수많은 확장 지점들을 연료처럼 밀어 올릴 만큼 강력해야 하고요.

그리고 그 모든 걸 실현하는 건 비전과 야망을 가진 똑똑한 사람들의 몫이라고 생각합니다.

20:01 — 지능보다 비전이 더 중요해진다

Garry: 자, 그럼. 질문 하나 드리죠. 이 10년을 돌아보게 될 때, AI에 대해 뒤늦게 보면 자명했는데 지금 실시간으로는 사람들이 놓치고 있는 게 뭐라고들 말하게 될까요?

Alex: 요즘 벌어지는 논쟁의 상당 부분은 이런 거죠. 모델이 실제로 얼마나 좋아지고 있는가? 모델이 이 문제를 정말 넘어설 수 있는가? 슈퍼인텔리전스는 언제 오는가? 2년인가 5년인가? 벽에 부딪히게 될 것인가? 그 논쟁의 상당 부분은 어떤 의미에서 약간 시간 낭비라고 생각합니다. 매우 강력한 모델이 오리라는 건 필연이라고 보거든요. 돌아보면, 정확히 언제 일어날지를 두고 벌인 이 모든 입씨름이 근시안적이었다고 말하게 될 겁니다. 실상은 우리가, 인류 문명 전체가, 이 믿기 어려운 지수 곡선 위에 있다는 것이니까요. 지난 10년의 AI 진보를 보고서 그 진전에 완전히 경외감을 느끼지 않을 수는 없습니다.

10년 전 최고의 AI 모델은 YouTube 영상에서 고양이를 알아보는 수준이었습니다. 그런데 지금 우리는 디지털 신과 대화하고 있어요. 이 시스템들이 해내는 묘기 같은 것들, 다들 보셨을 겁니다. 경외감을 느끼지 않을 도리가 없죠.

이 추세는 계속될 거라고 생각합니다. 이 모델들은 점점 더 강력해질 겁니다. 10년 뒤에 돌아보면, 지능이 풍부해졌고 행위 능력이 풍부해졌다는 게 자명해 보일 겁니다. 지금 우리가 올라탄 추세는 그냥 계속 이어질 것이고, 이건 매우 기이한 일이 될 겁니다. 인류 역사 내내, 똑똑한 사람들이 모여 공동의 목표를 향해 뭉치는 것이 진보의 병목이었습니다. 미국이라는 나라가 어떤 의미에서 그 예죠. 미합중국은 아주 똑똑한 사람들이 모여서, 실현하고 싶은 미래에 대한 비전을 품으면서 만들어졌습니다. 그게 미국의 거의 모든 회사의 이야기이고, 모든 YC 회사의 이야기입니다.

그게 바뀔 겁니다. 갑자기, 희소 자원은 지능도 행위 능력도 아니게 됩니다. 저는 정말로 그것이 비전과 야망이 될 거라고 생각합니다. 미래에 세상이 어떤 모습이길 원하는지에 대한 또렷한 관점이 있습니까? 지금과는 다른 5년, 10년 뒤 세계의 전개 방향에, 당신이 저울에 손가락을 얹어 기울이고 싶은 그 한 가지는 무엇입니까? 그걸 실현하기 위해 온갖 험한 꼴을 다 헤쳐나갈 야망과 추진력이 있습니까? AI는 그걸 더 쉽게 만들어줄 겁니다. 에이전트와 AI는 그걸 10년 전보다 아마 10배, 100배 쉽게 만들어주죠. 하지만 그 뒤집힌 면은, 그렇다면 갑자기 더 크게 꿈꿀 수 있게 된다는 겁니다.

그리고 세상은, 우리가 이 기술을 온전히 받아들이려면 진화해야 할 것들이 정말 많습니다. 세상은 오늘 이 기술을 맞이할 준비가 사실 간신히 되어 있을까 말까 한 수준이에요. 그리고 만드는 사람으로서 우리에게는 세상을 준비시킬 책임이 있다고 생각합니다. 기업과 정부가 이 새로운 기술에 적응하도록 도와야 합니다. 바이오보안 관점에서, 사이버보안 관점에서 세계를 어떻게 지킬지 알아내는 걸 도와야 합니다. 이 새로운 기술과 함께 보이는 이 모든 리스크를 어떻게 관리할지 알아내야 하죠. 하지만 뒤집어 보면, 인간에게는 전례 없는 기회의 시대이기도 합니다. 새로운 과학을 열 수 있습니다. 영원히 풀리지 않던 건강과 생물학의 문제들을 풀 수 있습니다. 이전에는 상상조차 할 수 없었던 새로운 비즈니스를 만들 수 있습니다. 이전에는 존재할 수 없었던 새로운 창작의 기회들이 있습니다.

그러니까 이건 기회와 리스크가 함께 담긴 놀라운 요람이고, 그래서 만드는 사람, 세상이 어떻게 바뀌어야 하는지에 대한 강한 관점을 가진 사람에게 지금보다 좋은 때는 없다고 생각합니다.

24:06 — AI 시대의 시스템 사고

Garry: 그 경로 자체가 바뀌었다고 보세요? 제가 본 것 중 하나가, 아마 Stanford였던 것 같은데, 사람들이 불안해하면서 컴퓨터과학 전공자 수가 실제로 두 자릿수 퍼센트로 줄었다는 겁니다. 저한테는 좀 정신 나간 일로 보여요. 그 정도로 좋은 에이전트를 만들어내는 데조차 여전히 그 기술이 필요하잖아요. 아닐 수도 있고요. 저도 확실치는 않습니다. 지금 이 청중에게는 뭐라고 말씀하시겠어요? 사람들이 실제로 마주한 진짜 질문이거든요. 더 wordcel(언어형)이 되고 shape rotator(도형 회전형)는 덜 돼야 할까요? 어떤 수를 둬야 하죠? 그리고 그게 지금 Meta에서 채용하려는 사람의 유형과 팀을 관리하는 방식을 바꿔놓았나요?

Alex: 체계적이고 엄밀한 사고는 여전히 믿을 수 없을 만큼 중요하다고 생각합니다. 왜냐하면 추상화 계층이—이렇게 전개될 거라고 예전엔 저도 믿지 않았는데, 정말로 그렇게 됐어요—추상화 계층이 계속 바뀌기 때문입니다. 제가 옛날에 회사를 시작할 때는 코드를 직접 짰습니다. 지금이야 여기서 코드 짜는 사람이 아무도 없겠죠. 말도 안 되는 일이니까요. 하지만 이제는 에이전트들을 어떻게 함께 오케스트레이션하느냐의 문제입니다. 그다음은 에이전트들의 조직을 어떻게 발전시키느냐가 되죠. 에이전트 100만 개가 잘 협업하게 하려면 어떻게 해야 할까요? 그다음엔, 에이전트 1조 개가 잘 협업하게 하려면? 우리가 서 있게 될 추상화 계층에서 워크플로우를 어떻게 구조화할지 알아내야 하는 필요는 계속 이어질 거라고 생각합니다.

그리고 그런 형태의 엄밀하고 체계적인 사고는—전통적으로 제 시대의 어떤 회사들에서 일이 돌아가던 방식은, 코드를 짜는 것에서 시작해서, 그다음엔 사람들의 조직이 생기고, 그 사람들을 어떻게 조직할지 알아내는 것이었습니다. 그게 시스템 사고를 요구했죠. 이제는 먼저 에이전트를 오케스트레이션하고, 그다음에 이 에이전트 군단을 어떻게 오케스트레이션할지 알아내는 것에 훨씬 가까울 겁니다. 하지만 시스템 사고는 결코 유행에서 밀려나지 않을 거라고 생각합니다. 그래서 wordcel에 올인하는 건 분명히 실수라고 생각해요. shape rotate를 해야 합니다. 다만 미래로 가면서 필요해지는 건, 세상이 어떻게 발전해야 하는지에 대한 더 깊은 나침반과 철학적 관점을 갖는 것이라고 생각합니다. 문명이 이 시기를 어떻게 통과해야 하는지에 대해 인류 역사에서 배울 교훈이 많다고 보거든요.

그리고 인류는 아마 지난 100년보다 다음 10년 동안 더 많이 변할 겁니다. 그러니 그 변화에 대한 긍정적인 비전을 갖고, 그것이 어떻게 전개되어야 하는지를 일관되게 언어화하는 일이 그 어느 때보다 중요해졌다고 생각합니다.

26:51 — 지금 AI에서 가장 큰 기회

Garry: 조금 더 구체적으로 들어가 보죠. 궁금한 것 중 하나는, 친구들 사이에서든 Meta 내부에서든, 가까운 시일 안에 자명한데 사람들이 아직 알아차리지 못한 AI 응용 중에 이야기할 수 있는 게 있나요? 알파 좀 나눠주시죠.

Alex: 에이전틱 루핑(agentic looping)에는 아직도 그야말로 천문학적인 기회가 있다고 생각합니다. 지속적인 피드백 루프 안에서 어떤 성과를 끌어내기 위해 토큰에 1,000배, 100만 배 더 쓸 수 있게 해주는 시스템을 어떻게 만들 것인가 하는 문제요. 대부분의 회사를 생각해보면, 회사란 결국 인간이 각 간선(edge)을 운영하는 대규모 피드백 루프입니다. 회사는 고객을 얻고, 그 고객을 더 행복하게 만들 방법을 찾습니다. 고객이 더 행복해지면 더 씁니다. 더 쓰면 더 많은 사람을 고용할 수 있고, 그 사람들이 다시 더 많은 고객을 얻고 그 고객들을 더 행복하게 만들 방법을 찾으러 가죠. 어떤 의미에서 그게 모든 스타트업, 모든 비즈니스의 피드백 루프입니다. 그리고 그 안에는 미시적인 피드백 루프들이 존재하고요. 이 피드백 루프들을 운영하고 최적화할 수 있는 에이전틱 시스템을 만드는 것—거기에 정말 어마어마한 알파가 있다고 생각합니다.

Meta 내부에서 실제로 본 사례들이 있는데, 올바른 에이전틱 루프를 만들고 에이전트들이 최적화할 올바른 평가(eval)나 지표만 있으면, 에이전트 무리(swarm) 하나가 엔지니어 100명 팀보다 더 많은 걸 이뤄내는 게 사실 아주 쉽게 가능합니다. 그래서 이런 에이전트 조율 문제가 잔뜩 깔린 세상이 어떤 모습일지 알아내는 것, 그게 오늘날 가장 흥미로운 문제 중 하나라고 생각합니다.

Garry: 그러니까 기계적으로 말하면, 마크다운 파일, 크론 잡. 그리고 기본적으로 에이전트가 분포 밖(out of distribution)의 무언가를 알아낼 수 있을 만큼 충분한 데이터를 가리켜 주는 것. 네.

Alex: 기계적으로는 지표가 뭔지 알아내는 것. 그다음엔, 네, 결국 스킬, 마크다운 파일, 크론 잡으로 귀결됩니다.

Garry: 슬래시 골(/goal)이요.

Alex: 네, 슬래시 골이죠. 뭐든 실제로 파고들어 보면 모든 게 얼마나 시시한지, 그게 늘 웃긴 것 같습니다.

Garry: 그러니까 마법이 아니라는 거죠. 어떤 사람들은 마법을 잔뜩 덧씌우잖아요. 밖에는 무슨 마법 같은 이야기를 하는 LinkedIn 스레드들도 있고요.

Alex: 최고의 조언. LinkedIn은 무시하세요.

Garry: 이봐요.

Alex: LinkedIn은 고객을 얻는 곳이죠.

29:25 — 18살의 나에게 보내는 조언

Garry: 이걸로 마무리하고 싶은데요. 18살의 자기 자신에게 전보를 한 통 보낼 수 있다고 해보죠. 지금까지의 모든 걸 알고 있는 채로, 그 사람에게 뭐라고 말하겠습니까? 그나저나 돌아와서 이 청중과 지혜를 나눠주셔서 감사합니다. 지금 18살의 자신에게 유리병 편지를 띄운다면 뭐라고 보내시겠어요?

Alex: 네. 결국 이걸로 요약된다고 생각합니다. 미래가 어떻게 전개될지에 대한 자신만의 내적 나침반을 만들고, 거기에 강한 확신을 가져라. 소음과, 이런저런 말을 해대는 사람들에 파묻힐 것이고, 매우 혼란스러울 것이고, 매우 힘들 것이기 때문입니다. 특히 어리고 경험이 없을 때는, 자기가 믿는 것과 하고 싶은 것에 진짜 확신을 갖기가 매우 어렵게 느껴질 수 있습니다. 하지만 그게 가장 중요한 것이라고 생각해요. 앞서 이야기했듯, 시장에서, 업계에서, 주변 사람들 사이에서 벌어진 수년간의 혼돈이라는 폭풍을 견뎌내려면 우리가 만들고 있는 것에 대한 깊고 깊은 확신이 필요했습니다. 그리고 또 하나의 조언은, 세상에서 곡선이 가장 가파르면서 동시에 가장 오래 지속될 지수(exponential)가 무엇인지 찾아내려 애쓰라는 겁니다.

수십 년 전에는 그 곡선이 무어의 법칙이었고, 당시로서는 명백히 투자해야 할 대상이었습니다. 지금은 AI의 진보라고 생각하지만, 미래에는 이런 아주 가파른 곡선이 더 나올 겁니다. 그리고 그 곡선의 출발점이 아주 지루해 보여도, 심지어 그다지 흥미로워 보이지 않아도 괜찮습니다.

제가 Scale 일을 시작했을 때 우리에게 있던 건 고양이 감지기와 YouTube 영상이었고, 그건—그게 우리 시대의 가장 중요한 기술이라는 이야기를 설명하기란 어렵지만, 그야말로 믿기 힘든 지수 곡선 위에 있었습니다. 그리고, 마지막으로 꼭 해야 할 말이 하나 있는데요.

Garry: 네.

Alex: 네, Meta는 이 자리에 계신 모든 분께 Muse Spark API 무료 크레딧 1,000달러를 드립니다. (박수)

좋습니다. 그리고 저희는 모델을 계속 더 좋게 만들 겁니다. 지금 Muse Spark는 Opus보다 8배 저렴한 걸로 알고 있으니, Opus 달러로 환산하면 훨씬 큰 금액이죠. 아무튼 여기 계신 모든 분께 크레딧 받는 방법을 안내해드리도록 하겠습니다. 여러분이 무엇을 만들어낼지 정말 기대됩니다.

Garry: Alexandr Wang이었습니다, 여러분.