스테이블코인은 어떤 문제를 해결해야 mass adoption이 가능할까?

1. 비용 효율성

2. 유동성

3. 기존 인프라와의 비호환성

4. 규제

무역금융은 본질적으로 국경을 넘나든다. 그러니 기업들은 관할권마다 다르고 때론 상충되기까지 하는 스테이블코인/암호화폐 규제의 뒤범벅과 마주하게 된다. 어떤 시장에서는 명확한 게 다른 시장에서는 불명확하거나 막혀 있을 수 있다.

5. 전반적인 동기 부족

우리가 얘기 나눈 무역금융 은행 중 하나는 그냥 "고장 안 났으면 고치지 마라" (if it ain't broken, don't fix it)는 식이었다. 지금 쓰는 인프라와 솔루션이 아무 문제 없이 잘 돌아간다고 느끼고 있다.

그래서 단순히 블록체인에서 수초내로 정산된다는 말은 전체 그림의 1%에 불과하다. 그것도 모자라 스테이블코인이 법정통화의 지위를 인정받는다고 해서 해결되는 일은 아니다. 많은 크립토 회사들이 위와 같은 문제들을 해결하려고 혈안이 되어있다.

조엘의 Sunday note: AI에 대한 잡다한 생각

1. AI 시대에 본인만의 Arbitrage를 찾아야 한다.

@web3subin 수빈님께서 최근에 인생은 아비트라지 (차익거래)라고 말씀하셨음. AI 시대와 덩달아 겹쳐서 더욱이 그럼. AI에 친숙하지 못한 사람은 AI를 잘 활용하는 사람의 10%도 못 따라감. AI를 활용하는 법은 본인이 직접 배워야 하는데 뒤떨어진 사람은 배울 의지와 기본 지식조차 없는 때가 대부분. 반면 잘 사용하는 사람은 AI로 본인만의 비법을 찾아 활약.

프롬트와 워크플로우가 정말로 지식과 재산이 되어버리고 말음. 한달에 20-100달러만 주면 모두가 사용할 수 있는 AI로 누구는 인스타에서 엄청난 팔로워를 얻고 있고, 누구는 본인이 만든 게임으로 이미 수익화를 완료함. 반면 누구는 그걸 김치찌개 끓이는 레시피를 찾는 것에만 사용함.

정보와 기교의 아비트라지 때문에 프롬트 (스킬), 툴, 워크플로우를 공유하는 것이 더 조심스러워지고 있다. 본인이 직접 실험하고 조사해서 본인만의 해자를 얼른 개발해야 한다. 회사 얘기는 하기 조심스러워 자세히는 못하겠지만, 이미 여러 사람들 사이 차이가 많이 벌어짐.

경력이 많이 없는 경우, Arbitrage는 더욱 중요하다. 어차피 회사 입장에서는 얘를 뽑나 쟤를 뽑나 AI만 잘 사용한다는 가정 하에 아웃풋은 거의 똑같기 때문이다. 그렇다면 무엇이 판을 가르는가. 얼굴이 잘생기고 예쁘든 (외모지상주의로 가자는 말이 아니지만), 대인관계 형성에 탁월한 스킬이 있든, 인맥이 좋든 직감이 좋든 아버지의 회사가 좋든 좋은 대학교를 나왔든 트위터에 팔로워가 이미 많든 다국어를 구사하든 뭐든간에 AI로 즉각적으로 산출할 수 없는 무언가를 가지고 그것을 너무하다 싶을 정도로 사용해야 한다.

2. 에이전트 시대에 데이터는 왕

지난 금, 토 에이전틱 페이먼트 해커톤을 진행하며 느낀 점. 에이전틱 페이먼트는 수단일 뿐이고, 문제의 중심엔 데이터가 있다.

에이전틱 페이먼트는 결국 에이전트의 자율적인 행동을 돕기 위한 것. 그렇다면 페이먼트가 문제가 아니라 그 자율적인 행동의 요구조건이 중요하다. 자율적으로 유용한 행동을 하기 위해선 좋은 데이터가 필요하다. 난 에이전트를 위한 storefront, 리서치 툴, 여행 기획 플랫폼 등 여러가지 아이디어를 심사했다. 심사위원들이 공통적으로 물어보는 건 데이터를 어디서 가져오고 관리하냐는 질문이었다. 왜냐하면 에이전트가 사용할만한 가치의 툴은 에이전트의 의사 결정에 도움을 주는 유용한 데이터를 제공할 수 있어야 하기 때문이다.

앞으로도 데이터 시장은 더 커질 것이다. LLM이 아무리 똑똑해져도 API가 없다면 오늘의 날씨조차 알 수가 없다. 데이터의 패권을 쥐는 회사가 세상의 패권도 잡을 것이라 예상한다. 내가 생각하는 데이터 시장에는 여러가지 종류가 있다. 데이터 정제, 검색, 관리, 수집, 관리 등등. 각 종류마다 10년 전보다 훨씬 큰 잠재력이 있다고 믿는다.

3. AI slop으로부터 비롯된 피로함, 뒤떨어지는 게으름파

Em dash (—)를 비롯한 클로드나 코덱스 특유의 영어, 한국어 문체를 하루 종일 읽다 보면 미쳐버릴 지경이다.

그것도 모자라 AI로 생성한 포맷의 비디오, 홍보물, 문서, 프레젠테이션이 어디에나 나뒹굴고 있다. 특히 업무 환경에서 문제다.

AI에게 정확한 정보를 공급하지 않고 일단 '닥치고 문서나 만들어줘'를 시전하는 사람들이 늘고 있는 것 같다. 겉으로 훑기엔 아무 문제가 없는 문서가 생성된다. 하나같이 동일한 문서의 포맷과 디자인은 둘째치고 내용이 썩어빠졌다.

회사 일에 AI를 사용하지 말자는 말이 아니다. 적극적으로 사용하되 똑똑하게 사용하자는 것이다. 회사 내부의 데이터는 범용 LLM이 알 수 없기 때문에 되도록이면 정확하고 방대한 내부 자료를 공급해줘야만 좋은 산출물이 나올 수 있다.

하지만 내가 느끼기엔 멍청하게 사용하는 사람들은 평생 멍청하게 사용할 것으로 보인다. 이유는

1) 그들이 살아왔던 삶의 방식과 태도는 컴퓨터가 작동하는 원리를 이해/존중하려고 하지 않거나

2) 조금만 조사, 실험, 노력할 것이면 될 것을 그것조차 하기 귀찮아 거부하기 때문이다.

이들이 회사에서 일으키는 문제는 생각보다 크다. 본인 해야 할 일을 AI에게 맡겨 멋들어진 10장 이상의 쓰레기 문서를 10분 안에 뽑아낸다. 그 후 검토조차 제대로 하지 않은 채 동료들에게 검토를 요청한다. 그 동료들이 AI를 사용하여 검토를 하든, 본인이 직접 눈으로 검토를 하든 결론적으로 시간이나 돈 낭비다. 쓰레기 내용에는 쓰레기 결과가 나올 수 밖에 없다.

그래서 난 요즘 이런 문서를 받아보면 나도 대충 AI를 써서 대충 코멘트를 남긴다. 의미는 없지만 인간의 도리를 지켜주는 척은 하고 싶어서. 소속 팀 특성상 Pitch deck도 아주 자주 받아본다. 2-3장 슬라이드를 봤을 때 딱 봐도 쓰레기 내용은 바로 탄로가 나게 되어 있다. 절대 좋은 평가를 할 수가 없다.

회사에서 뛰어난 인재가 되고 싶다면, 그리고 그 전에 가슴에 손을 얹고, 제발 이런 짓은 하지 말자. 아무에게도 (당신에게도) 전혀 도움이 되지 않는다.

가상자산의 가격이 올랐다고 해서 업계에 잠시나마 안정감이 도는 것은 좋지만, 여전히 유즈케이스 찾는 건 모두의 숙제라는 것을 기억했으면 좋겠다.

가상자산 업계에 몇년간 있어본 결과, 가격이 오르다 보면 실제 유즈케이스에 대한 담론은 온데간데 없고, 가격에 대한 hype만 많이 느껴지는 경우가 있다.

업계가 잘 되기를 바라는 1인으로써, 가격이 그나마 받쳐줄때 이롭고 유익한 유즈케이스를 빨리빨리 잘 발굴해서 장기적으로 가상자산 업계가 잘 되는게 올바른 방향이라고 생각한다.

https://n.news.naver.com/article/003/0014132569?sid=102

전북은행 x 리플 페이먼츠

내부적으로는 익히 알고 있던 사안이지만 대외적으로는 오늘 공개됐네요. 전북은행은 Ripple Payments Direct (RPD)라는 상품을 사용하게 됩니다.

KBW 사이드 이벤트: Agentic Payments Onchain Seoul Edition

Agentic payments가 비교적 핫한 건 맞는데, 저처럼 아직 실제로 와닿지 않는 분들도 좀 있고, 이것이 어떻게 작동하는지 궁금하신 분들도 많습니다. 그런가 하면 이미 제품을 만들고 계신 분들도 많고요.

저 forwarding 진짜 안하는데 이 친구는 제 대학교 친구입니다.

도움 주실 수 있는 분 계시면 여의도비에게 바로 연락 주세요. @netdebtzer0

왜 지금 싱가폴인가

싱가폴 진입은 갈수록 어려워지고 있지만 오히려 이곳으로 이주하거나 이주를 원하는 한국인 지인들은 늘어나고만 있습니다.

싱가폴에 산지는 7개월밖에 안 됐지만 왜 한국인이 싱가폴을 선호할 수 밖에 없는지 이미 잘 느끼고 있기 때문에 몇 마디 적어봅니다. 고민이 되는 분들께 도움이 되었으면 좋겠습니다.

1. 정치적 안정성

2. 편리함

3. 건강한 나라의 풍조

4. 연봉의 상방이 높고 세금이 낮다

한국에서 거의 불가능한 n천만원 월급을 받는 사람이 비교적 더 많다.

능력만 있다면 그 능력에 따라 섭섭하지 않은 보상이 실제로 가능.

세금은 버는거에 따라 다르겠지만 엄청 낮다. 최대 한계세율이 24%인데 24%를 내려면 약 10억 (1M SGD)넘게 벌어야 한다. 보통 10-20% 한계세율 안에 모두 들어간다고 보면 된다. 한국은 조금만 벌어도 30-40% 떼어가고 건보료도 나가버리니 아쉽다.

5. 기회의 폭과 깊이

미국 테크기업이 아시아에 거점을 잡으려면 99% 싱가폴 먼저이기 때문에 좋은 기회의 양 자체가 한국과는 너무나 차이가 난다.

많이들 싱가폴국립대와 같은 좋은 대학을 다니며 인턴을 유수 MNC에서 3-4번 하고 졸업한 후 바로 좋은 금융, 테크 회사에 취업한다.

한국엔 크고 좋은 해외 금융/테크 회사가 많이 없으니 한국에서 빛나는 경험을 쌓기란 비교적 힘들다.

내가 아는 친구는 좀 유수한 인재이긴 하지만.. 대학교 2학년인데 내 회사(리플), 크립토닷컴, Wise에서 인턴을 했다. 애초에 이 회사들은 한국에 지사조차 없다. 이 친구는 졸업하면 보나마나 좋은 회사를 갈게 뻔하다.

6. 사실상 유일하게 영어를 모국어로 사용하는 아시아의 선진국

나로 말하자면 영어를 쓰고싶지만 동시에 잘 사는 아시아 국가에 살고 싶기 때문에 사실상 싱가포르 말고는 별다른 옵션이 없다. 기회가 생겨도 딱히 영국, 미국, 호주, UAE 같은 나라에 갈 생각이 별로 없다. 돈은 어느 정도 벌고 싶은데 쫄보라 그래도 동양인 사이에서 어울리고 싶다.

필리핀 같은 후진국엔 살기 싫으니 사실상 옵션은 싱가포르 아니면 홍콩 정도로 좁혀지는데 사실 홍콩도 요즘엔 영어가 모국어라고 보긴 힘들다 (홍콩대 졸업생으로써..). 그러니 싱가포르밖에 없다.

7. 다국적 인재와 네트워킹

별별 회사에서 일하는 별별 사람이 다 있기 때문에 네트워킹에서 새로운 재미를 찾을 수 있다.

루마에는 매일같이 새로운 행사가 올라오고 좋은 네트워크를 만들 수 있는 기회가 생긴다.

앞서 말한대로 한국에 비해 싱가폴이 좋은 회사가 많으니 당연히 인재 풀도 좋고, 행사 참석시 좋은 인재와 연결될 가능성도 높다.

8. 단점

간단하게 요약해드리겠다.

9. 그래서 왜 지금인가?

AI 시대에 상상력과 창의력이 더 중요한 이유

인셉션의 거울 씬, 접히는 도시 씬.

상상력만 있으면 뭐든 가능하다는 걸 보여준 장면들이다.

그런데 상상은 태생적으로 어렵다. 상상하기 전까지는 그게 어떤 모습일지 가늠조차 안 된다.

최근 audio/image/video 생성형 AI과 LLM을 쓰면서 이 시대에 정말 중요한 건 상상력이라는 걸 다시 느낀다.

AI는 시키는 건 만들어준다. 하지만 시키기 전까지는 아무것도 하지 않는다. 그리고 막상 시켜보면, AI도 스스로 상상하는 데는 약하다. 대부분 무난하고 정상적인 범주 안에서만 생각하려 한다.

혹자는 혼자서 일을 할 수 있는 Openclaw나 Hermes가 있지 않냐고 물을 수 있다. 하지만 알아서 '상상'을 하라고 시켜놓으면 '유용한 상상'을 하기엔 아직 멀었다는게 쉽게 느껴진다.

결국 그 구현의 한계를 넘게 만드는 건 우리다. 무엇이 가능하고 무엇이 불가능한지, 그 기준을 정하는 것도 우리 몫이다.

"이것까지 할 수 있을까?"가 아니라 "이것까지 할 수 있겠지"라는 믿음으로 시켜봐야 한다. 그리고 그보다 더 놀라운 것도 시켜봐야 한다. 실제로 해보면, 대부분 정말 거의 다 되더라. AI의 능력이 나의 상상력과 창의력에 따라 좌지우지 된다는 것이다.

그래서 하고 싶은 말은 이거다.

심연의 지하 1000층까지 내려가는 인스타그램 스크롤은 이제 그만하고, 그 시간에

악기를 연주하고

그림을 그리고

여행을 다니고

자연을 경험하고

영화를 보고

소설을 읽고

새로운 곳에 가보고

스포츠를 즐기는

시간이 앞으로 더 중요해질 거라고 본다.

상상력과 창의력은 화면 안에서 채워지지 않는다. 화면 밖에서 채워진다.

그러니, 아이러니하게도 AI의 출력값도 결국 화면 밖으로부터 결정된다.

Seedance, Nanobanana Pro 등 이미지, 영상, 오디오 생성 모델 필승법

일단 기본 전제는 이런 모델들이 좋은 프롬트와 재료를 주면 뛰어난 출력을 낼 수 있지만, 그렇지 않다면 한없이 멍청하다는 것이다. 이 전제를 알고 읽는다면 이 필승법의 배경을 잘 이해할 수 있다.

데이터의 질. 보통 나노바나나 프로 같은 모델을 사용할시 여러 이미지를 합성하는 작업을 많이들 한다. 이 때 각각의 이미지가 최대한 결과물에 들어가야 하는 사물만 담고 있어야 결과물의 질이 매우 좋아진다. 나 같은 경우, 나노 바나나를 통해 각 이미지를 하얀 배경에 사물만 남겨놓는 전처리 과정을 거친다. 그리고 그걸 다시 인풋으로 주면 훨씬 좋은 결과가 나온다.

단계별 인풋. AI가 이미 잘 알고 있는 사물이나 장면이 아닐 경우, 처음부터 복잡한 결과물을 바로 만들어 달라고 하면 의외로 이상한 결과가 나오는 경우가 대부분이다. 공룡이 파스타를 먹는 장면을 만들어줘라고 했을때 AI는 여러가지를 상상해야만 한다. 공룡은 어떻게 생겼을 것이며, 파스타는 어떤 파스타일 것이며, 공룡의 입이 닫혀있을 것인지, 오물거리고 있을 것인지, 공룡이 앞발을 사용해서 파스타를 긁어먹을 것인지, 이미지 배경은 쥬라기 공원과 같은 곳이어야 할지 등등. 프롬트를 주는 입장에선 머릿속에 그 떠오르는 그림이 있다. 그 그림에 있는 물체들을 분리해보자. 예를 들면 공룡, 파스타, 쥬라기 공원.. 이런 식으로. 각 사물을 먼저 만든 다음 또다른 프롬트를 통해 조합하면 높은 수준의 결과물이 나온다.

상상을 시키는 대신 대신 프롬트로 명시하기. 멀티모달 모델의 경우 ‘너 알아서 어떤 큰 주제 안에서 무작위로 어떤 사진을 만들어봐‘라는 프롬트는 만족스러운 결과물을 내어놓지 않는다. 구체적인 기술적인 이유는 나도 모르겠으나 아마 이미 이미지, 영상 생성도 힘든데 거기다가 직접 무작위로 어떤 장면을 정해서 생성하라고 하니 그런게 아닌가 싶다. 그리고 이런 프롬트라면 사용자가 만족할만한 결과물을 낼 수 있는 구체적인 조건을 주기가 힘들다. 그렇다면 어떻게 해야 하는가? 먼저 LLM에게 이런 주제가 있는데 무작위로 시나리오 10개만 생각해서 생성 모델에 넣을 프롬트를 만들어달라고 부탁하면 그만이다. 그럼 그 프롬트를 (좀 귀찮지만) 각각 자료 생성에 활용하면 된다.

AI로 이미지 분석 시키고 프롬트 생성하기. 이미지나 비디오를 생성하고 나서 보면 뭔가 이상한데 어떻게 이상한진 모르겠다는 느낌을 받았을 때가 있었을 것이다. 내 눈은 아는데 글로 표현은 안 되는 상황. 때로는 이미지 안의 사물의 부위가 딱히 딱 꼬집어서 설명이 정말 어려울 수 있다. 그러면 코덱스나 클로드 코드한테 그 이미지를 던져주고 나의 느낌을 최대한 글로 풀어쓰고 이건 이상하다고 프롬트를 적어주자. ‘저기 오른쪽 구석에 있는 초록색 뾰족한 부분‘이라고만 해도 충분히 알아듣고, 더 정확하고 기술적인 표현으로 바꿔준다. 또, 만약 이상적인 느낌의 이미지가 있다면 그것 또한 AI에게 넘겨주어 분석을 시키고, 기존 이미지가 이상적 이미지의 느낌을 줄 수 있도록 프롬트를 적어달라고 하자. 이렇게 프롬트로 프롬트를 생성하는 방식이 이미지의 사소한 부분을 fine-tuning 할때 꽤 유용하다.

모델. 가장 잘 되는것만 말해주겠다. 현실을 반영하는 매체(현실에 존재하는 사물)를 만든다면 다른 거 써 볼 필요조차 없다. 오디오 = 일레븐랩스, 영상 = seedance 2.0, 이미지 = nanobanana pro. 비현실적인 건 아직 별로 테스트 안해봐서 모르겠다. 하여튼 오디오 영상 이미지 중엔 이 모델들이 독보적으로 좋아서 다른 거 써볼 이유는 별로 없다.

AI 스킬. Higgsfield 같은 플랫폼의 경우 mcp, cli 사용 가능한 api key가 가장 싼 플랜에도 포함이다. 로컬에서 돌리는 코덱스나 클로드에 higgsfield 스킬을 설치해서 편리하게 사용하자. 안 그래도 웹사이트가 느리고, 버그가 좀 있고 구리다.

비용과 플랫폼 비교. 아직 krea.ai, higgsfield.ai, Google AI studio 밖에 안 써봐서 (가볍게 약 200-300개의 이미지, 비디오 생성하며 20만원?정도 쓴 정도) 아직 나도 알아가는 단계. 이번달 더 많은 플랫폼 사용 후 후기로 돌아오겠다.

AI 정보는 @joelweb3kr

AI로 이렇다할 인사이트를 뽑아내기 힘든 이유

(부제: AI 시대에 효과적으로 인사이트를 뽑아내는 방법)

1. 사용자의 지식 부족

AI는 어느 특정 분야애 대해 아마 대충 알고는 있을 것. 하지만 내가 뭘 모르고 뭘 아는지 알 수 없으니 가장 중요한 프롬팅에 문제가 생긴다. 내가 알지 못하는 영역에서 깊게 가기도 어렵다. 깊게 가봤자 이게 인사이트가 있는 내용인지 아닌지 판단할 수조차 없다.

사실상 이미 내가 익히 알고 있는 영역에서만 인사이트를 뽑아내기가 수월하다. 하지만 이렇다면 AI를 통해 인사이트를 뽑아내는 건 아니다. 단순히 내용을 정리하는 용도일 뿐.

내가 정확히 어떤 인사이트를 전달하고자 하는지 알고 있으면 한 줄 프롬트만으로도 좋은 인사이트를 뽑아낼 수 있다. 하지만 역시나 문제는.. 당신은 그 프롬트를 어떻게 적어야 할지 모른다.

2. Opinionatedness 부족

*Opinionatedness는 딱히 직접 치환할 수 있는 한국어가 없어서 그냥 영어 그대로 적겠다.

1번과는 다른 문제.

보통 특정 분야에 대한 인사이트는 연륜, 경험, 노련함으로부터 우러나오는 opinonatedness가 필요하다.

예를 들어 나는 다년간 극심한 만성 위염을 겪은 경험이 있고, 그것을 완전히 치유하기 위해 갖가지 방법을 써 봤다. 양배추 농축액 알 (카베진), 양배추 즙, 생 양배추, 익힌 양배추, 일반 의약품, 처방받은 위산 억제 양약, 식이요법 등등등. 난 각 방법에 따른 효과와 효과주기까지 꿰차고 있다. 나는 단언컨데 일일 생 양배추 섭취와 자극적인 음식을 극단적으로 줄이는 식이요법이 만성 위염을 치유하는 가장 빠르고 완벽한 방법임을 알고 있다. 아무리 심해도 이렇게 하면 1-2주 안에 효능이 보이기 시작하고 한두달 후면 없던 일이 된다.

물론 레딧이나 네이버 같은 사이트에 충분히 이런 간증글이 있을 것이다. 하지만 그것 말고도 수많은 다른 방법론과 간증글들이 있을 것이고, 어떤 글은 광고글, 어떤 글은 양배추 비관론자, 예찬론자로 갈릴 것이다. 이렇게 AI는 균형잡힌 세계관을 꾸려나갈 수 밖에 없다. 그러기에 '무조건 양배추, 무조건 식이요법'은 AI 입장에선 말이 될 수도, 되지 않을 수도 있다.

반면, 난 의사가 아니기 때문에 얕은 의학적 지식을 가지고 있지만, 특정 종류의 위염을 특정한 방법으로 치유하는 효과적인 방법을 경험으로 알고 있으니 주변 사람에게 이 방법을 자신있게 추천할 수 있다. 물론 내가 틀렸을 수도 있다. 양배추와 식이요법이 모든 종류의 위염에 효험이 없을 게 분명하다. 하지만 그게 인사이트 본연의 목적이 아니던가? 누군가의 깊은 경험으로부터 비롯되는 조언 혹은 새로운 깨우침. 그리고 그것의 설득력.

AI는 애당초 opinionatedness가 없으니 효과적인 인사이트를 주기가 힘들다. 할 수 없이 진정 원한다면 AI에게 고의적으로 opinionated된 의견을 요구하는 수 밖에 없다. 하지만 이 방법이 효과적인 출력을 불러오는진 모르겠다. 첫째는 바탕이 되는 경험이 없으며, 둘째는 강제성이 있는 opinionatedness는 근거가 충분치 않기 때문이다.

그렇다면 Opinionatedness가 없다면 문제는 뭔가. 인간은 여러 개의 선택지가 주어질 때 최고와 최적의 선택을 하기 마련이다. 하지만 AI는 일반적인 경우 여러 개의 선택지를 제안해주는 것에 가장 뛰어나고, 가장 좋은 선택지를 합당한 경험적 이유로 자신있게 관철하는 능력은 없다. 인간이 아니기 때문에.

인사이트는 선택지 그리고 경험적 근거와 결정에 대한 opinionated suggestion이다. AI는 후자가 없고, 그렇게 하도록 만들 수도 없다.

3. 배경 지식과 경험적 해석 능력 부족

요즘엔 ChatGPT, Codex, Claude Code 등에 인터넷 검색 기능이 포함되어 있어 일부 완화되었지만, 아직도 문제다.

첫째. 프롬트에 따라 기존 모델의 매개변수 자체를 활용하여 인터넷 검색 없이 결과값을 가져올 때가 많다. 나 같은 사용자는 그냥 넘어가지 않을 때도 있지만 딸깍만 반복하는 대다수의 사용자는 그런가보다 하고 넘긴다. 여기서 더 좋은 최신 정보가 인터넷에 존재하는데 그냥 넘기는 경우가 많다. 최신 정보가 아니라면 사실상 인사이트라고 보기 힘들다.

둘째. 인터넷에 기록된 인간의 경험과 생각은 압축된 형태다. 뇌에 저장된 경험은 오감, 기분, 기억 등 여러가지 형태로 저장된다. 우리는 그 중 극히 일부분을 인터넷에 표현하기로 결심한다. 이 과정에서 자연스레 정보의 원본이 유실된다. 그것만이 정보의 원천인 AI에겐 인사이트를 도출하기 불리한 환경이다.

셋째. 최신 정보를 받아온다고 하더라도, 경험적 해석으로 인사이트를 발굴하기가 불가능하다. 예를 들어 ’어느 헬스장이 더 좋냐’ 혹은 ’어느 단백질 보충제가 가장 좋냐’는 질문은 아무리 AI가 인터넷의 모든 정보를 가져와도 직접 경험한 것이 아니기 때문에 다시 2번의 문제로 회귀한다.

그래서 ㅇㅉㄹㄱ?

틀리는 것에 덜 겁먹고, 목소리를 내는 것엔 더 opinionated 되어야 한다. 앞서 설명한대로, 대 AI 시대엔 인사이트를 주는 opinionatedness의 가치가 상승하고 있다. 적합한 경험적 근거로 무언가가 맞다고 생각하면 약간은 밀어붙이는 게 필요하다. AI가 뽑아내는 답변은 기본적으로 평균에 가깝다. 인터넷에 존재하는 수많은 텍스트의 평균값, 안전한 답, 무난한 결론. 어디서 본 듯하고, 맞는 말인데 재미없고, 틀리진 않았지만 기억에 남지 않는다. AI 시대에 더 중요한 건 AI처럼 많이 아는 것이 아니다. 오히려 반대로, AI가 쉽게 흉내내지 못하는 나만의 편향, 경험, 해석, 판단이다. AI를 잘 쓰는 사람은 AI에게 자기 색깔을 빼앗기지 않는다. 오히려 자기 색깔을 더 선명하게 만드는 도구로 쓸 것이다.

다양하고 깊은 경험을 많이 해야 한다. AI가 물어보면 다 답해주니 이제는 직접 경험하지 않아도 된다는 말에는 허점이 있다고 생각한다. 아직 인간의 경험은 레딧에 미국 시골에 사는 누군가가 3분만에 휘갈긴 글보다 훨씬 고귀한 정보다. MIT를 나온 박사의 뇌에 담긴 경험도 인터넷에는 100% 복제되어 있지도 않다. 극히 일부분이 영상, 음성, 화면, 서문의 압축된 경험의 형태로 존재할 뿐. 3번 문제의 두 번째 항 참고. 본인만의 경험이 본인 특유의 값진 인사이트를 만들어 낼 수 있다.

AI에게 인사이트를 물어보는 대신 명확한 판단 기준을 제시하자. 좋은 헬스장 추천해줘가 아닌 헬스장을 고를 때 장기적으로 중요한 판단 기준 10개를 뽑아줘를 물어봐야 한다. 그리고 그 기준으로 헬스장을 추릴 수 있을 것이다. 그렇게 본인이 헬스장에 직접 갈 때 비로소 본인의 경험에서 비롯되는 인사이트가 생긴다.

세상을 공부하는 수단으로 AI를 적극 사용해야 한다. 1번의 문제를 해결하기 위함이다. 지식이란 깊고 깊은 graph 구조다. 당신이 하나의 node에 해당하는 질문을 해결했다면 그 node와 연결되어 있는 수많은 다른 node에 대해 질문을 던질 수 있는 능력이 생긴다. 이 영역을 넓혀나갈 때 1번의 문제는 점차 해결되기 시작할 것이다.

@joelweb3kr