사람들이 인공지능을 오해하는 지점이 있다고 생각합니다. 지금은 사람들이 그저 멋진 생산성 도구 정도로 바라보는 경향이 있죠. 하지만 몇 년 후에는 ‘우리는 인지(cognition)의 단위를 사고파는 중이다’라고 생각하게 될 겁니다. 사람의 시간, 혹은 사람과 동등한 지능 단위를 빌려다가 우리 일을 대신하도록 하는 것이죠.
예를 들어 저는 효과적으로 ‘봇 프로그래머 20명’을 고용해 앱을 만들도록 코드를 작성하게 하거나, AI 회계사를 고용해 인지 단위의 시간을 빌리는 식으로 활용할 수 있습니다. 디지털 측면에서는 단순히 도구(tool)를 파는 것이 아니라 사실상 화이트칼라 노동을 파는 형태로 전환되는 겁니다. 로보틱스 측면에서는 ‘로봇 사용 분(minute)’ 같은 개념이 등장할 수도 있죠.
아마 결국에는 인간 형태의 로봇이든, 아니면 다른 형태이든 간에 여러분을 대신해 다양한 일을 수행하는 것들을 갖게 될 겁니다. 여러분은 그것들을 직접 구매할 수도 있고, 혹은 빌릴 수도 있겠죠. 이와 관련해 어떤 비즈니스 모델이 등장할지 지켜보는 것도 흥미로울 겁니다.
그다음 AI 물결은 대규모 엔터프라이즈(기업) 채택이라고 봅니다. 저는 인공지능(AI)이 지금 극도로 저평가되어 있다고 생각해요. 왜냐하면 대부분의 기업들은 아직 아무것도 하지 않았기 때문입니다. 하지만 거기에 돈, 변화, 임팩트, 일자리, 모든 게 다 있습니다.
Relevance(의미 가치 관련성)이란?
관련성이란, 세계에서 중요한 무언가에 영향을 주고 있고, 그로 인해 사람들이 여러분을 찾아오게 되는 것을 의미합니다. 혹은 단순히 어떤 영향력을 끼치고 있는 것이기도 하죠. 보통은 특정한 분야에서 중요한 무언가를 하고 있기 때문에 사람들이 결국 찾아오게 됩니다.
놀라운 사실은, 성공은 했지만 더 이상 관련성이 없는 사람들이 엄청 많다는 점입니다. 억만장자 리스트나 어떤 지표를 보더라도, 지금 실제로 중요한 일을 하거나 흥미로운 일을 하고 있어서 사람들이 찾아가는 경우는 많지 않습니다.
그래서 흥미로운 질문이 생깁니다. 아주 오랜 기간 동안 관련성을 유지하는 사람들에게는 어떤 특징이 있을까?
사람들은 끊임없이 흥미로운 일을 하죠. 예를 들어 샘 올트먼은 YC부터 초기 투자 활동, 그리고 지금의 OpenAI까지 오랜 시간 동안 계속해서 관련성을 유지해 왔다고 볼 수 있습니다.
패트릭(Stripe 공동창업자) 역시 Stripe, Arc 등을 통해 그것을 하고 있죠. 더 긴 호(arc)를 가진 사람들도 있습니다.
마크 안드리센은 브라우저를 발명했고, 넷스케이프라는 인터넷의 거인을 창업했으며, 이후 세계에서 가장 중요한 벤처 캐피털 중 하나를 세웠습니다. 아주 강한 장기 호의 사례죠. 일론 머스크 역시 Zip2, 페이팔, 그리고 지금까지의 모든 업적을 통해 강한 장기 호를 보여주고 있습니다.
그렇다면 이 사람들의 공통점은 무엇일까요? 피터 틸을 생각해보세요. 정치, 틸 펠로우십, 펀드, 팔란티어, 페이스북 등 다양한 영역에서 활동해왔습니다.
이들 모두에게서 눈에 띄는 공통점은 다재다능함(polymathic)입니다. 매우 다양한 관심사를 가지고 있고, 단순히 돈만으로 움직이지 않는다는 점이죠.
물론 돈도 중요합니다. 하지만 일부는 흥미로움 자체에, 일부는 임팩트에, 일부는 권력에 더 동기가 부여됩니다. 사람마다 다르지만 보통은 이런 것들이 혼합되어 있습니다.
또 다른 공통점은 거의 모두가 초기에 일정한 성공을 경험했다는 점입니다.
찰리 멍거가 늘 강조하는 ‘인센티브의 힘’을 사람들이 과소평가하듯이, 제가 늘 과소평가한다고 생각하는 것은 ‘복리(compounding)의 힘’입니다. 이는 투자나 금융 시장에서만 보이는 게 아니라, 사람들의 경력과 임팩트에도 나타납니다.
일찍 성공한 사람들은 그 위에서 시간이 갈수록 거대한 기반을 쌓을 수 있습니다. 위험을 감수하거나 새로운 시도를 자금으로 지원할 수 있는 능력이 생기죠. 무엇보다도 중요한 건, 정보의 흐름 속에 있게 된다는 점입니다.
가장 흥미로운 생각을 하는 사람들을 만나고, 그들과 대화하며 아이디어와 통찰을 모을 수 있습니다.
이게 바로 다시 원점으로 돌아가는 겁니다. 정보 흐름이 얼마나 중요한가? 새로운 기회를 발견하고, 다른 사람들의 실수를 자본화하며, 계속해서 관련성을 유지하는 데 핵심적인 요소입니다.
정보에는 두 가지 유형이 있습니다. 숨겨진 정보와, 공개되어 있지만 제대로 인식되지 않는 정보입니다.
예를 들어 제가 생성형 AI에 투자하기 시작했을 때, 기초 모델(foundation model) 초기 연구들은 거의 공개적으로 존재했지만, 아무도 주목하지 않았습니다. GPT-3가 공개되었을 때도 마찬가지였죠. GPT-2에서 GPT-3로의 도약은 누구나 볼 수 있었지만, 그것이 얼마나 중요한지는 극소수만 알아봤습니다.
그렇다면 왜일까요? 정보는 이미 있었는데 말이죠. 이처럼 ‘조기 접근’이 사고방식에 큰 영향을 주는 정보들도 있습니다. 때로는 일대일 대화일 수도 있고, 때로는 공개적으로 펼쳐져 있는 것일 수도 있습니다. 예컨대 피터 틸이 10년 전쯤 했던 여러 주장들이 실제로 많은 부분 사실로 드러났습니다. 전부는 아니지만요.
그래서 정보 우위란 다음과 같은 방식으로 나타납니다.
- 다른 사람은 보지 못한, 공개되어 있는 정보를 발견한다.
- 같은 정보를 보더라도 가치를 다르게 평가한다.
- 혹은 내가 접근할 수 있지만 남들은 접근할 수 없는 정보가 있다.
그리고 ‘같은 정보를 다르게 해석한다’는 건 여러 층위가 있습니다.
예컨대 내가 그걸 해석할 수 있는 도구(tooling)가 있느냐? 데이터 사이언티스트가 필요하냐? 이런 게 바로 알고리즘 트레이딩과 비슷합니다. 모든 정보는 공개되어 있지만, 그걸 실제로 활용할 수 있는 사람은 소수입니다.
또는, 적절한 필터를 가지고 있느냐? 다른 사람이 보지 못한 통찰을 잡아내거나, 직관적인 도약을 하느냐?
리처드 파인만 얘기를 떠올려보세요. 다른 노벨상 수상 물리학자들과 달리, 파인만은 ‘논리적 단계의 연속’으로 갈 수 있는 길 대신에, 아무도 이해하지 못하는 도약을 해냈습니다. 그래서 그가 내린 결론은 맞았지만, 다른 사람들은 도저히 이해할 수 없었던 겁니다.
세상에는 정보를 독창적으로 종합해서 특정 결론에 도달하는 사람들이 있습니다. 그리고 그런 결론은 대체로 옳습니다. 하지만 사람들이 이해하지 못하는 방식으로 거기까지 가는 거죠.