원문 보기
최근 몇 개월 동안 제가 팔란티어와 앤트로픽 대립구대 콘텐츠를 계속 만들었었죠. 그때마다 영상 보신들 구독자분들의 반응이 이러셨어요. 이거 팔란티어 위험하다는 얘기 아니냐고. 그런데 사실 그런 반응을 보이신게 당연합니다. 왜냐하면 그런 뉘앙스가 저도 모르게 제 콘텐츠 속에 들어갔던 거 같아요. 아마도 그걸 여러분께서 느끼셨던 거겠죠. 실제로 팔란티어를 쓰고 있는 고객사의 실무자들조차도 클로드 코드를 극찬하더라고요. 반면에 팔란티어 AIP에 대한 후기는 의외로 나쁜 경우가 종종 있었습니다. 생각보다 어렵고 복잡하다는 거죠. 그래서 그게 정말인지 알아보려고 저도 클로드 코드랑 AI FD로 어플리케이션들 만들어 보고 했었는데 왜 그렇게 상반되는 반응들을 보였는지 저도 어느 정도 이해가 되더라고요.
개인적인 체감으로는 앱을 만드는 과정이 클로드 코드가 AID보다 한 세 배 정도는 더 빨랐던 거 같습니다. 클로드 코드는 정말로 엉터리로 얘기해도 철떡같이 알아듣고 원하는 걸 뚝딱 만들어 주거든요. 그런데 AIFDA는 계속 유저에게 질문을 하고 중간중간에 허락을 받는 거예요. 사용자한테 계속 온톨로지는 이렇게 이렇게 만들 거다라고 계속 개념을 인지시키고 허락을 받아요. 그리고 온톨로지를 연결하는 과정도 생각보다 쉽게 안 되는 경우도 종종 있고요. 보완상의 절차도 훨씬 더 많았습니다. 그러니 당연히 시간이 더 오래 걸릴 수밖에 없었겠죠.
그래서 처음 말씀드리는 건데 사실 최근까지도 저 역시도 좀 흔들렸습니다. 왜냐면 클로드의이 AI 에이전트를 구여내는 능력이 너무 뛰어나니까 너무 쉽게내니까 이러한 발전 속도가 지속이 된다면 근데 기업의 운영 체제의 영역까지 따라잡히게 되지 않을까라는 생각으로 이어지지 않을 수가 없었던 거죠. 그래서 최근 한 달 동안은 팔란티어에 대해 굉장히 많이 반문을 해 봤어요. 팔란티어가 정말로 도포적인 기업인 걸까? 투자를 오랜 시간 해 왔기 때문에 나 자신을 스스로 속이고 있던 것은 아닐까? 정말 24시간 대내 계속 생각했습니다. 팔란티어 에이전트가 클로드 에이전트보다 정말로 뛰어날까?
그러던 와중에 이번 팔란티아의 데브콘식스 한 발표를 보게 됐는데 그 내용을 보고 정말 머리를 한데 딱 맞는듯한 느낌이 들었어요. 대략 이런 내용이었어요. 여러 에이전트들이 복합적으로 연결되어 있는 한 프로젝트가 있었는데이 프로젝트의 전체 효율을 올리려면 한 특정 구간에서는 AI 에이전트 오히려 제거해야 되고 결정론적인 온톨로지 로직으로 대체하는 것이 오히려 더 나은 선택이라는 거였죠. 여러분들 보시기에는 이게 뭐 그렇게 대단한 내용인가 싶을 수도 있는데 오랜 시간 동안 머리를 싸매고 고민해오 저에게는 굉장히 큰 충격을 주는 내용이 아닐 수 없었어요.
와 AI 프로세스를 제거하는 것이 오히려 더 나은 선택이란게 저한테는 이게 이렇게 들렸거든요. 다시 본질로 되돌아가 팔란티어가 같이 따끔한 충고를 해주는듯한 느낌이었다고 할까요? 아마도 이때부터 처음으로 다시 되돌아가서 제 이런원칙으로 탈란티아와 AI를 다시 바라볼 수 있었던 거 같습니다. 그래서 생각을 다시 정리할 수 있었고요. 그 과정에서 아, 내가 지난 몇 개월 동안 좀 착각을 하고 있었구나 생각에 전환을 할 수 있었습니다. 그리고 그 착각 프레임에서 빠져나와서 다시 팔란티어를 바라보니까 여전히 팔란티어는 독보적인 기업으로 보이더라고요.
자, 그럼 지금부터 여러분께 팔란티어에 대한 저의 사고의 흐름이 어떻게 다시 재정립됐는지를 한번 보여 드려 보겠습니다. 작년이었죠. CES에서 젠슨왕이 미래 AI 로드맵에 대한 발표를 합니다. 생성형 AI 다음은 에이전틱 AI이고 다음은 피지컬 AI다. 저는이 발표 내용이 저와 여러분 모두를 좁은 시야에 갇치게 해서 AI 시대 본질을 놓치게 만들었다고 생각을 해요. 그래서 우리가 지금 헷갈리고 있는 거죠. 어 팔란티어 이거 엔트로픽에 의해서 정말 대체되는 거 아니야?이 이 사진의 가장 큰 문제점이 무엇이냐면이 사진은 마치 우리가 가야 할 도착지가 AI 에이전트인 것처럼 보이게 만든다는 거예요.
그런데 정말로 AI 에이전트 구축의 목적이라면 미래 사회는 지금과 크게 달라질 것이 없어요. 자, 예를 들어 볼게요. 자율주행차도 AI 에이전트의 한 형태죠. 나의 운전이라는 노동을 AI에게 위임하는 거니까요. 그런데 그 운전이란 행위가 AI에게 완벽하게 위임이 된다는들 그것만으로는 사회 구조가 변하지 않습니다. 왜냐하면 내가 하던 일을 AI가 그대로 따라하는 것뿐이니까요. 차가 나 대신 운전을 해 주는데 내가 창밖을 바라보면서 그냥 먹만 때리고 [목을 가다듬음] 있다면이 세상은 바뀌지 않는다는 거죠. 그럼 언제 사회가 변화하느냐?
내가 운전으로부터 자유로워졌는데 그 남는 시간에 내가 어떤 새로운 가치를 창출할 수 있느냐를 고민하기 시작한다면 그때 세상이 바뀌기 시작하는 거예요. 만일 내가 출퇴근 시간에 내가 운전을 하지 않고 투잡을함으로써 수익을 낼 수 있게 된다면 그땐 정말로 사회 구조가 달라지게 되겠죠. 정리해서 말하면 운전이란 문제가 AI를 통해서 해결이 됐을 때 인간은 그보다 더 상위 문제에 집중할 수 있게 되는 겁니다. 과거에는 그 상위 문제를 아무도 건드리지 못했었는데 그 상위 문제가 풀리기 시작하니까 사회입 구조가 변하기 시작하는 거죠.이 이건 이미 산업 혁명의 역사에서도 그대로 증명되고 있어요.
1차 산업 혁명은 인간의 동력원을 증기 기관으로 대체하면서 시작이 됐죠. 그런데 1차 산업 혁명이 가져온 진짜 여파는 증기 기관 때문이 아니에요. 어떻게 하면이 증기 기관을 이용해서 대량 생산이라는 문제를 해결할 수 있을까? 보다 상위 문제를 재정해하고 집중하면서 나타나기 시작한 거죠. 그러면서 공장이 늘고 철도가 깔리고 교통 시스템이 갖춰지기 시작하면서 세상이 바뀌게 된 겁니다. 2차 산업 혁명은 강철, 내형 기관 시스템, 전기 시스템이 개발되면서 시작이 됐죠. 그러면서 대량 생산 능력을 갖추게 됐는데 본격적인 세상의 변화는 마찬가지로 보다 상위의 문제에 집중하면서 나타났어요.
어떻게 하면이 대량 생산 능력을 관리하면서 체계적으로 시스템화시킬 수 있을까? 그러면서 기업 조직들이 커지고 수많은 도시 인프라들이 생기기 시작하면서 세상이 바뀌게 된 거죠. 3차 산업 혁명은 컴퓨터와 인터넷으로 시작됐지만 본격적인 변화는 마찬가지로 상위 문제에 집중하면서 나타났습니다.이 정보 처리 능력과 연결성을 이용을 해서 어떻게 하면 전 세계를 하나로 묶을 수 있을까? 어떻게 하면 물리적 공간의 제약을 벗어나서 가상의 온라인 공간을 인류의 활동 공간으로 만들 수 있을까? 그러면서 오늘날의 세상의 모습이 된 거죠. 4차 산업 혁명은 인간의 사고 판단을 AI에게 위임하기 시작하면서 이제 시작되려 하고 있죠.
그 형태가 AI 에이전트인 거고요. 그러나 앞에서 말했듯이 AI 에이전트 자체가 미래 사회 모습은 아닙니다. 역사적인 패턴으로 본다면 진짜 미래 사회의 모습은 인류가 그보다도 상의 문제에 집중하면서 나타나겠죠. 자, 그렇다면 무엇이 보다 상의 문제일까요? AI가 인간의 사고 판단을 대신해 준다면 인간은 이제 무엇을 해결하려고 할까요? 이게 오늘 영상의 핵심 주제입니다. 사실 뭐 정답은 없어요. 저는 개인적으로 크게 두 가지 정도가 떠오르는 거 같습니다. 음. 첫 번째는 어떻게 하면 인간이 그동안 풀지 못한 문제를 AI가 풀 수 있을까겠죠.
그 대표적인 예가 알파폴드죠. 물론 AI가 아직 완벽하게 단백질 접힌 구조를 밝혀낸 건 아니지만 가능성이 입증이 됐고 그 가능성이 실현되기 시작한다면 지금과는 완전 다른 인간 세상이 돼 있을 겁니다. 다음 두 번째. 두 번째는 제가 개인적으로 추정하는 곧 다가올 미래의 방향인데요. 단 한 명의 인간의 사고 판단을 AI에게 쉽게 위임할 수 있다면 보다 상의 문제는 어떻게 하면 인간들이 모여 있는이 조직 전체의 사고 판단을 AI에게 위임할 수 있을까가 되지 않을까 합니다. 그런데 사실 이건 이미 일어나고 있는 미래죠. 지금 너 나을 거 없이 모든 기업들이 엔터프라이즈 AI를 구현하려고 노력하고 있잖아요.
물론 제대로 안 되고 있지만요. 제대로 안 되는 이유를 저는 이렇게 생각을 합니다. 조직의 사고 판단이라는 거 자체가 그 조직에 굴러가는 하나의 프로세스를 말하는 거죠. 그런데 그 프로세스들이 모이고 모이면 결국 그 하나의 조직이 됩니다. 그렇다면 조직 전체의 사고 판단을 AI에게 위임할 수 있으려면 가장 먼저 해야 할 일이 무엇일까요? 우리 조직이란 무엇인가에 대해 정의부터 해야 되는 겁니다. 그런데 생각해 보세요. 만약에 여러분이 몸 담고 있는 회사의 동료 직원 10열명에게 너희 기업을 정의해 봐라고 물어본다면 어떨까요? 다 똑같이 대답할까요?
아마 10명이면 10열 명 다르게 대답하겠죠. 왜냐면 우리는 지금까지 이런 추상적인 존재에 대해서 제대로 정의를 해 본 적이 없거든요. 그래서 각자의 다른 방식대로 해오고 있었죠. 물론 그동안은 이렇게 제대로 정의가 되지 않은 상황이 크게 문제가 되진 않았었습니다. 그런데 AI에게 위임을 하려고 하니까 이제 문제가 되기 시작하는 거죠. 왜? 나의 기업을 완벽하게 정의를 해서 AI에게 위임을 해야 하는데 우리 기업의 실체를 완벽하게 파악하고 있는 사람이이 기업에 단 한 명도 존재하지 않으니까요. 그래서 아무도 정답이 무엇인지 모르는 거예요.
그런데 모르는게 당연합니다. 왜냐면 지금껏 모두가 이해할 수 있는 어떤 공통의 언어로서 기업을 표현해 본 적이 없으니까요. 그런데 표현하지 않으면 당연히 정답을 찾아갈 수 없겠죠. 요즘에 와서야 이제 막 표현을 시작하고 있는 단계죠. 참고로 마이크로소프트조차 작년 말이 돼서야 플랫폼의 온톨로지 기능을 추가했으니까요. 기업의 사고 판단을 AI에게 위임하려고 하려 하다 보니까 기업의 공통 모델이 중요하다는 것을 이제 와서 모두가 깨닫기 시작한 겁니다. 그래서 다들 온톨로지 레이어를 구축하려고 하고 있는 거죠. 자, 그렇다면 다음 질문은 자연스럽게 이게 될 거예요.
어떤 플랫폼 위에서 온톨로지를 구축해야 우리 기업의 실제 모습을 가장 정확하게 표현할 수 있을까? 바꿔 말하면 고객사의 공통 모델, 즉 고객사의 디지털 트윈을 현실과 가장 가깝게 구현해 낼 수 있고 지속적으로 진화도 시킬 수 있는이 운영 인프라를 어떤 기업이 갖고 있는가 될 겁니다. 당연히 팔란티어 투자자들은 팔란티어라고 얘기하겠죠. 그리고 팔란티어 반대파들은 다른 IT 기업들도 다 할 수 있을 거라고 말할 거예요. 저는 여기서 질문을 이렇게 바꿔 보고 싶습니다. 고객사의 디지털 트인을 고객사의 현실에 가장 가깝게 구현시킬 수 있는 운영 인프라.
그 운영 인프라를 개발하기 위해서 가장 중요한게 무엇일까? 정답은 하나입니다. 바로 고객사의 현장으로 직접 가야 하는 거죠. 그곳에서 발생하는 실제 비즈니스 문제들, 시스템의 구조적인 문제들을 확인하고 진짜로 구현해 내고 해결해 낼 수 있어야 하는 거죠. 그런데 여기서 보다 더 중요한 것은 특정 한 고객사의 문제만 해결할 수 있으면 안 된다는 거예요. 그다음에 만나게 되는 고객사의 문제도 함께 해결할 수 있어야 되는 거죠. 지금 팔란티어의 공식 고객사가 약 1천000개 정도 되거든요. 그러면 1천000개 고객사에 각각의 디지털 트윈을 구현해내는 과정에서 발생하는 문제들이 있겠죠.
분명히 다를 거예요. 그 각기 다른 문제들을 모두 해결할 수 있는 하나의 운영 인프라를 만들 수 있어야 한다는 거죠. 그러기 위해선 당연히 전방 배치 엔지니어 FDE의 존재가 필수일 겁니다. 왜냐면 FDE의 그 해결 경험 데이터를 모아야 하니까요. 많은 분들이 착각하고 있는게 뭐냐면 FDA를 본사의 프로그램을 고객사로 가서 맞춤으로 설치해 주는 엔지니어 정도로만 생각한다는 거예요. 그런데 팔란티어의 FD 존재의 진짜 목적은 솔루션 맞춤 구축이 아닙니다. 수많은 고객사 현장에서 발견된 서로 다른 현실의 문제들을 각각 해결하면서 그와 동시에이 각각의 해결 경험들을 다시 본사로 피드백해서 팔란티어의이 운영 인프라 자체를 진화시켜 나가는데데 있는 거죠.
그럼 앞에 질문으로 다시 되돌아가 볼까요? 고객사의 디지털 트윈을 고객사의 현실에 가장 가깝게 구현시킬 수 있는 운영 인프라. 그 운영 인프라를 만들기 위해서 가장 중요한 곳이 무엇일까? 현장에 있는 FDE들의 경험들을 통해서 거꾸로 전체 운영 인프라를 만들어 가야 하는 시스템이 되어야 하는 겁니다. 그러니까 FDA는 팔란티어의이 운영 인프라 자체의 근간인 거죠. 그래서 팔란티어는이 조직 전체가 FD를 지원하는 방식 중심으로 설계되어 있어요. 그냥 TF 팀처럼 격까지로 붙어 있는 소규모 조직이 아니라는 거죠. 마지막으로이 얘기를 해 볼게요.
테슬라가 자율 주행에서 선두에 있을 수 있는 이유는 하나입니다. 운전 알고리즘을 먼저 만들고 그 알고리즘을 현실 세계의 각 운전 상황에 맞게 커스터마이징한게 아니라 현실 세계에서 발생하는 상황들을 토대로 해서 거꾸로 운전 알고리즘을 만들었기 때문이에요. 이게 머신 러닝의 원리이죠. 그렇다면 이런 거꾸로 시스템이 가능해지려면 회사 차원에서 무엇이 가장 중요할까요? 테슬라 자동차를 전 세계에 배포해서 실제 운전 데이터를 수집하고 본사에서는 그 운전 데이터를 공통 모델로 추상한 뒤에 다시 현실 세계 자동차로 배포하는이 학습 루프 시스템이 조직 차원에서 구축이 되어 있어야 하겠죠.
팔란티어 역시 그런 학습 루프 시스템이 완벽히 구축이 되어 있습니다. FD들이 각 고객사 현장의 문제를 해결하고 그 해결 경험을 본사로 피드백하면 본사에서는 그 경험을 공통 모델로 추상화해서 아폴로를 통해서 각 고객사의 환경으로 다시 배포하죠. 그렇기 때문에 고객사가 늘어나면 늘어날수록 그래서 FD의 활동이 많아지면 많아질수록 고객사의 디지털 트윈을 실제와 흡사하게 구현해 낼 수 있는이 인프라의 능력도 점점 진화하게 되는 거죠. 그리고 그것은 곧 조직의 사고 판단을 AI에게 위임할 수 있는 능력이 진화하게 되는 것과 같은 거라고 말할 수 있겠죠. on I know you blees a seer a true love tweaker like I think recogn
Comments 0