마크 저커버그 인터뷰 상세 정리: Llama 4, AI의 미래, 그리고 메타의 전략
Llama 4 출시와 Meta AI의 성장
- Llama 4 첫 번째 버전 출시. AI 분야는 매우 역동적.
- Meta AI: 월간 사용자 거의 10억 명 달성.
- 개인화 루프(피드, 프로필, 소셜 그래프 정보 + AI 상호작용 데이터 활용)가 다음 중요 혁신이 될 것이며, 현재 구축 초기 단계.
Llama 4 모델 상세 (Scout, Maverick, Little Llama, Behemoth)
- Llama 4 모델 4종 발표, 그중 Scout와 Maverick(중소형 모델) 우선 출시.
- Scout 및 Maverick: 비용 대비 최고 수준의 지능, 네이티브 멀티모달, 고효율, 단일 호스트 실행 가능. 내부 사용 사례에 맞춰 효율적이고 낮은 지연 시간으로 설계. (메타는 원하는 것을 만들고 오픈소스로 공개)
- "Little Llama" (Llama 3 80억 매개변수 모델에 해당하는 Llama 4 시리즈 모델) 수개월 내 출시 예정.
- "Behemoth" 모델 (>2조 매개변수) 출시 예정. 메타 최초의 최첨단(frontier) 모델. 자체 후훈련(post-train)을 위한 인프라 구축. 일반 개발자가 활용할 수 있도록 합리적인 크기로 모델을 증류(distilling)하는 방안 등 고민 중. (소비자용 모델로 직접 실행하기에는 너무 큼)
- Llama 3와 유사한 로드맵: 초기 출시 후 4.1(4050억 모델), 4.2(멀티모달) 등으로 점진적 발전 계획.
오픈소스 AI 현황과 Llama의 위치
- (최고 폐쇄형 모델과 최고 오픈소스 모델 간 격차가 지난 1년간 커졌다는 인상. Llama 4 Maverick은 챗봇 아레나 35위)
- 저커버그 생각: 전반적으로 오픈소스에 매우 좋은 한 해. 작년에는 Llama가 유일한 혁신적 오픈소스 모델이었으나, 현재는 다수 존재.
- 오픈소스가 가장 많이 사용되는 모델로서 폐쇄형을 추월할 것이라는 예측은 대체로 순조롭게 진행 중.
- 놀라운 점: Llama뿐 아니라 좋은 오픈소스 모델이 다수 등장 (전반적으로 긍정적).
추론 모델 대 저지연 소비자 모델
- 추론 현상(o3, o4 등 언급): 전문화 진행 중. 수학, 코딩 등 특정 작업에 최적인 모델은 더 많은 추론 시간 컴퓨팅을 소모하여 더 높은 지능을 제공하는 추론 모델이 강력한 패러다임. 메타도 Llama 4 추론 모델 개발 중.
- 메타의 소비자 제품에는 지연 시간과 비용 대비 우수한 지능이 훨씬 중요한 제품 속성. 사용자는 답변을 위해 30초를 기다리지 않으며, 0.5초 만에 좋은 답변을 얻는 것이 훌륭한 트레이드오프.
- 두 방향 모두 중요해질 것. 시간이 지남에 따라 추론 모델과 핵심 언어 모델 통합에 대해 낙관적 (구글 제미니 모델 방향과 유사).
벤치마킹의 어려움 (챗봇 아레나)과 메타의 북극성
- 챗봇 아레나는 벤치마킹의 어려움을 보여주는 흥미로운 사례. 어떤 모델이 어떤 작업에 좋은지 알기 어려움.
- 메타는 모델의 기준점을 Meta AI 제품의 핵심 사용 사례에 두고자 노력.
- 오픈소스 벤치마크나 LM 아레나 등은 종종 특정 사용 사례에 치우쳐 있으며, 일반 사용자가 제품에서 실제로 하는 작업과 다를 수 있음. 측정하려는 항목 포트폴리오가 실제 제품에서 사용자가 중요하게 생각하는 것과 다름.
- 이러한 벤치마크에 과도하게 최적화하는 것은 최고 품질의 제품이나 최다 사용량, 최상의 피드백으로 이어지지 않았음.
- 메타의 북극성: 사용자가 보고하는 제품 가치, 사용자가 원하는 것, 사용자의 실제 선호도 및 경험.
- 벤치마크는 쉽게 조작 가능. (Llama 4 Maverick은 아레나 상위권에 오르도록 튜닝 가능했지만, 순수 모델은 관련 튜닝 없이 출시되어 순위가 낮음)
사용자 가치를 기준으로 한 벤치마크와 전반적인 AI 목표
- 메타의 벤치마크는 기본적으로 Meta AI에서의 사용자 가치. (다른 모델과 직접 비교는 어려우나, 오픈소스의 장점으로 다른 모델 실행 및 비교 가능성 존재)
- 오픈소스 커뮤니티는 모델의 강점과 약점을 파악하는 데 도움.
- 현재 모든 모델은 약간씩 다른 목표에 최적화되어 있음.
- 모든 주요 연구소는 일반지능(AGI), 초지능 등 명칭과 무관하게 모든 사람이 초인적인 도구를 사용하여 원하는 것을 창조할 수 있는 풍요의 세계를 지향. 이는 개인 역량 강화와 경제적 이익 창출로 이어짐.
타 연구소와의 차별점 및 메타의 집중 분야 (자연스러운 상호작용, 멀티모달)
- 연구소마다 최적화 방향이 다름: 앤스로픽(코딩/에이전트), OpenAI(최근 추론 분야).
- 메타가 가장 많이 사용될 것으로 예상하는 분야: 빠르고, 상호작용이 매우 자연스러우며, 네이티브 멀티모달을 지원하고, 사용자가 원하는 방식으로 일상에 통합되는 AI.
- 새로운 Meta AI 앱: 완전 양방향(full-duplex) 음성 데모 (초기 단계지만 매우 자연스럽고 흥미로운 대화 가능).
AI 상호작용의 미래 비전 (일상 속 끊김 없는 소통)
- 개인화와 자연스러운 음성이 결합되면, 몇 년 후에는 사람들이 하루 종일 AI와 다양한 주제로 대화하는 제품 경험이 가능해질 것.
- 휴대폰(피드 탐색, 메시징 앱 상호작용 중 AI 활용), 궁극적으로는 안경이나 다른 종류의 AI 디바이스를 통해 하루 종일 끊김 없이 AI와 상호작용. 이것이 메타의 북극성.
소프트웨어 엔지니어링 및 AI 연구 자동화 (지능 폭발)
- (타 연구소는 소프트웨어 엔지니어링/AI 연구 자동화가 지능 폭발 및 ASI로 이어질 것으로 믿음)
- 저커버그 생각: 매우 설득력 있음. 메타도 대규모 코딩 프로젝트 진행 중이며, Llama 연구 발전을 위한 코딩/AI 연구 에이전트 개발 중 (메타 툴체인에 완전히 통합).
12~18개월 내 메타 코드 대부분 AI가 작성 전망
- 예상: 향후 12~18개월 내에 이러한 AI 프로젝트에 사용되는 코드의 대부분을 AI가 작성하게 될 것 (단순 자동완성이 아닌, 목표 설정, 테스트 실행, 개선, 문제 발견, 평균적인 우수 인력보다 고품질 코드 작성 수준).
- 이는 매우 중요한 부분이 될 것이지만, 이것이 전부는 아님.
AI 연구소 간 전문화 심화 예상
- AI 분야는 거대하며, 단일 회사/최적화 기능이 모든 사람에게 최상의 서비스를 제공하지는 않을 것.
- 여러 연구소가 각기 다른 영역(기업용, 코딩, 생산성, 소셜/엔터테인먼트, 정보형 어시스턴트, 동반자형 어시스턴트 등)에서 선도적인 작업을 수행할 것.
- 피드에 재미있고 엔터테인먼트적인 콘텐츠도 등장.
- AGI 미래로 나아가는 과정에서 공통적인 발명 과제도 있지만, 여전히 창조되어야 할 많은 것들이 존재. 여러 그룹 간 전문화가 더 많이 나타날 것으로 예상.
"빠른 도약(Fast Takeoff)" 관점에 대한 반론: 물리적 인프라 병목 현상
- (지능 폭발이 임박했다면 왜 지금 개인 비서 등에 집중하는가?)
- "빠른 도약" 관점에 동의하지 않음. 물리적 인프라(기가와트급 컴퓨팅 클러스터, NVIDIA 시스템 안정화, 네트워킹, 건물, 허가, 에너지 등) 구축에는 시간이 소요. 이는 인간의 시간으로 해결해야 하는 문제.
- 스택의 한 부분에서 지능이 향상되면 다른 병목 현상에 직면하게 됨.
AI와 사용자의 공진화(Co-evolution) 및 데이터 선순환
- 또 다른 병목 현상: 사용자가 AI를 사용하며 학습하고 피드백 루프를 형성하는 과정. 시스템은 완성된 형태로 갑자기 나타나지 않음.
- 공진화 발생: 사용자는 AI 어시스턴트 최적 사용법을 배우고, AI 어시스턴트는 사용자가 중요하게 생각하는 것을 학습하며, 개발자는 AI 어시스턴트를 개선.
- 컨텍스트 기반 구축: 1~2년 후 AI 어시스턴트가 2년 전 대화를 참조 가능 (초기 완벽한 AI라도 불가능).
- 거대한 지능 성장 + 사용자 상호작용/학습 피드백/데이터 선순환의 빠른 증가 + 물리적 인프라 공급망 구축. 코딩뿐 아니라 이 모든 것이 필요.
테스트 병목 현상 (광고 시스템 예시)
- 광고팀 프로젝트: 순위 지정 실험 자동화. 과거 모든 실험 분석 후 새로운 가설 수립.
- 병목 현상: 가설 수에 비해 테스트 실행을 위한 컴퓨팅 부족. (35억 사용자라도 각 테스트는 통계적 유의성 확보 위해 수십만~수백만 명 필요. 테스트 처리량 한계 존재)
- 이미 인간이 제시하는 좋은 아이디어조차 모두 테스트하지 못하는 상황.
- AI 생성 가설이 인간 최고 수준의 가설(실제 테스트 가능한)보다 뛰어나야 겨우 유용해짐. 곧 도달할 것으로 예상.
- "AI가 코드를 작성하면 모든 것이 대규모로 개선된다"는 단순 논리가 아님. 현실적 제약 극복 필요.
- 5~10년 후: AI 시스템이 인간보다 우수한 가설을 생성할 수 있을까? 그럴 수도. 그렇다면 그것이 모든 가치 창출의 방식이 되겠지만, 첫 단계는 아님.
Meta AI 사용 현황 및 미국 시장 공략을 위한 독립 앱
- (메타의 강점: 학습을 위한 배포망. 약점: WhatsApp 데이터가 자율 프로그래머 훈련에 부적합)
- Meta AI는 월간 활성 사용자 약 10억 명, 주로 WhatsApp 통해 사용 (미국 외 지역).
- 미국은 iMessage가 주류. 미국 내 Meta AI 사용량은 다소 과소평가 경향.
- 독립형 Meta AI 앱이 중요한 이유: 미국 시장(중요 국가)에서 최고의 경험을 제공하고 사용자들에게 더 많이 노출될 필요.
다양한 AI 애플리케이션 (지식 노동 및 소비자 앱 공존)
- (미래 AI가 가상 동료 역할이라면, WhatsApp 데이터가 프로그래머 AI 훈련에 큰 의미가 있는가?)
- 비유: 초기 인터넷 – 지식 노동과 대규모 소비자 앱 중 무엇이 주류가 될 것인가? 둘 다 성장. 세상은 넓고 복잡.
- 단일 회사가 모든 것을 만들지는 않음. 사람들은 WhatsApp에서 코딩하지 않음.
- 그러나 사용자가 모르는 사이에 AI가 코딩을 수행하는 결과로 이어지는 작업은 많아질 것.
메타 내부 코딩 도구 및 인터랙티브 콘텐츠의 미래
- 메타 내부 많은 코더들이 Meta AI (내부 MetaMate, 코딩/AI 연구 에이전트) 사용. 자체 피드백 루프 보유.
- AI는 지식 노동/코드 분야에서 대규모 혁명을 일으키고, 차세대 검색/정보 작업 방식이 되며, 재미와 엔터테인먼트 요소도 제공할 것.
- 오늘날 인터넷은 밈과 유머로 가득. 인간 에너지가 자신을 즐겁게 하고, 디자인하고, 문화를 발전시키는 데 많이 사용됨. 미래에도 그럴 것.
- 인스타그램/페이스북 진화: 텍스트 → 사진 → 비디오 (현재 대부분의 시간 소비).
- 5년 후: 단순 비디오 소비가 아닌, 피드 내 인터랙티브 콘텐츠 (대화 가능, 반응, 게임처럼 참여). 모두 AI 기반.
AI와의 건강한 관계 및 사용자 신뢰
- (AI 치료사/친구와의 관계 심화. 어떻게 건강한 관계로 만들 것인가?)
- 많은 질문은 실제 행동을 관찰해야만 답변 가능. 매 단계에서 질문하고 관심을 갖는 것이 중요.
- 너무 규범적으로 접근하면 가치를 저해할 수 있음. 사람들은 자신에게 가치 있는 것을 사용.
- 핵심 원칙: 사람들은 똑똑하며, 자신의 삶에 무엇이 가치 있는지 알고 있음. 때때로 나쁜 일이 발생하면 제품 설계를 통해 최소화해야 함.
- 누군가의 행동이 나쁘다고 생각되지만 그 사람이 매우 가치 있다고 여긴다면, 대부분의 경우 그 사람이 옳고 당신이 틀린 것 (가치 프레임워크를 아직 이해하지 못한 것).
사회적 작업을 위한 AI와 외로움 해소
- Meta AI는 어려운 대화(연인, 상사와의)를 준비하는 데 많이 사용됨. 개인화 루프가 적용되면 더욱 강력해질 것.
- 통계: 미국인 평균 친구 수 3명 미만, 실제 원하는 친구 수는 약 15명.
- 우려: AI가 현실 세계 대인 관계를 대체할 것인가? 아마도 아닐 것. 물리적 연결이 더 나은 경우가 많음.
- 현실: 사람들은 원하는 만큼의 관계를 갖지 못하고 종종 외로움을 느낌.
- 현재는 다소 낙인찍힐 수 있는 AI 관계(가상 치료사/여자친구 등)도 시간이 지나면 사회적으로 그 가치를 인정받고 합리적인 사용으로 여겨지며 삶에 가치를 더하는 방식으로 자리 잡을 것.
- 분야는 매우 초기 단계. 현재 가상 치료사/여자친구 등은 구현 수준이 낮음(단순 이미지, 거친 애니메이션). 리얼리티 랩스의 코덱 아바타처럼 실제 사람처럼 느껴지는 수준으로 발전할 것 (AI와 상시 영상 채팅, 제스처 중요).
AR/AI 안경 설계: 방해되지 않도록; 보상 해킹 방지
- (AR 환경에서 아침 식사 중 시야 가장자리에 릴스가 스크롤되고, 맞은편에 AI 여자친구가 있는 등 보상 해킹에 완전히 노출될 우려)
- 저커버그 생각: 사람들은 자신이 원하는 것을 잘 알고 있음. 해당 데모는 멀티태스킹/홀로그램 시연용.
- 미래는 시야 구석에서 끊임없이 주의를 끄는 경쟁이 일어나는 모습은 아닐 것. 사람들은 그런 것을 좋아하지 않을 것.
- 안경 설계 원칙 #1: 방해되지 않고 좋은 안경 그 자체여야 함. (Ray-Ban Meta 제품 성공 이유: 멋진 디자인, 음악/통화/사진/비디오 기능, 원할 때만 AI 사용, 평소에는 멋진 안경). AR 미래의 매우 중요한 설계 원칙이 될 것.
물리적 세계와 디지털 세계의 융합; 미적 규범
- 디지털 세계가 우리 삶에서 매우 중요함에도 불구하고 물리적 디지털 스크린을 통해서만 접근하는 것은 비합리적. 기술은 물리적 세계와 디지털 세계를 완전히 융합해야 함.
- 홀로그램 오버레이가 이를 가능하게 함. 설계 원칙은 사람들과의 상호작용 중심 (디지털 객체 가져오기, 3D, 카드 게임, 제3의 친구 홀로그램 참여 등).
- 물리적 공간처럼 디지털-물리적 공간도 어수선하게 느껴지는 것을 원치 않을 것. 미적 규범은 시간이 지나면서 해결될 것.
중국과의 경쟁: 산업 정책, 인프라, 수출 통제
- (중국이 물리적 인프라/데이터센터 구축에 더 능숙하다면 미국을 이길 수 있는가?)
- 실제 경쟁 상황. 산업 정책이 중요한 역할. 중국은 더 많은 전력 확보 중.
- 미국은 데이터센터 구축 및 에너지 생산 능력 간소화에 집중해야 하며, 그렇지 않으면 심각한 불이익을 받을 수 있음.
- 칩 등에 대한 수출 통제는 분명 효과가 있음. DeepSeek의 인상적인 저수준 최적화는 (수출 통제로 인해) 성능이 저하된 칩을 사용해야 했기 때문.
DeepSeek 대 Llama 4 비교
- DeepSeek은 미국 연구소들이 할 필요 없었던 인프라 최적화에 많은 시간과 자원 소모. 텍스트 결과는 인상적 (텍스트 전용).
- 현재 주요 모델은 멀티모달(이미지, 음성)이지만 DeepSeek은 그렇지 않음 (인프라 최적화에 집중한 결과로 추정).
- Llama 4와 DeepSeek 비교 시 (추론 모델 미출시로 R1 비교는 불명확), 텍스트 부문에서는 더 작은 Llama 모델로 비슷한 성능 (지능당 비용 낮음).
- 멀티모달 부문에서는 Llama가 선도적이며 DeepSeek 모델에는 해당 기능 부재. Llama 4 모델이 우수하며 사용자들이 선호할 것으로 예상.
Llama 라이선스와 오픈소스 전략
- (알트만은 OpenAI가 오픈소스 SOTA 추론 모델 출시 예정이며 사용자 수 제한 같은 조건 없을 것이라고 언급. DeepSeek은 MIT 라이선스. Llama 라이선스는 "Llama로 구축" 명시 또는 Llama로 훈련된 모델명에 "Llama" 접두사 요구. 개발자에게 덜 부담스러운 방향은?)
- 저커버그 생각: 메타가 오픈소스 LLM을 개척. 라이선스가 부담스럽다고 생각하지 않음.
- 초기 오픈소스 추진 시 업계 논쟁: 오픈소스가 합리적인가? 안전하고 신뢰할 수 있는가? 경쟁력이 있을까? Llama 모델이 오픈소스 AI를 크게 확산시킴.
- 메타가 막대한 에너지를 투입한다면, 최소한 대형 클라우드 회사(MS, 아마존, 구글)가 메타 모델을 판매하기 전에 사업 협의를 하는 것은 당연.
- 라이선스 목표: 사용을 막는 것이 아님. 애플이나 대형 클라우드 기업이라면 메타와 협력 방안 논의 희망. 대체로 문제없었음.
- 만약 라이선스 때문에 Llama 사용을 꺼리는 상황이 발생한다면(다른 훌륭한 옵션이 많아져서), 전략 재검토 필요. 아직 그런 상황은 아님.
- "7억 명 사용자" 조항은 실제 기업보다 오픈소스 순수주의자들 사이에서 주로 문제 제기.
수십억 달러 훈련 비용과 오픈소스 논쟁
- 오픈소스 라이선스 논쟁은 GPL부터 존재 (오픈소스에 접촉하면 모든 것을 오픈소스로 해야 하는가, 아니면 다르게 사용할 수 있는가 등).
- 모델 훈련에 수십억 달러를 지출한다면, 비슷한 규모의 거대 기업들이 사용 전에 협의를 요청하는 것은 합리적.
메타가 자체 모델을 구축하는 이유; 타 오픈소스 모델의 역할
- (다른 좋은 오픈소스 모델이 있다면, 메타가 모든 것을 Llama로 구축할 필요는 없는가?)
- 메타가 원하는 것을 정확히 구축하기 위해 자체 대형 모델 구축. 다른 모델들은 메타가 원하는 것과 정확히 일치하지 않음.
- 오픈소스는 파인튜닝 가능하지만, 모델 아키텍처, 크기 트레이드오프(지연 시간, 추론 비용 등 메타 규모에서는 매우 중요)는 여전히 고려 대상.
- Llama Scout/Maverick은 특정 크기로 설계된 이유가 있음 (호스트 적합성, 음성 모델 지연 시간 등).
- 자체 구축을 통해 운명을 스스로 통제.
- AI는 모든 기업 활동에 사용될 것. 메타가 대형 모델 구축 시, 최적화할 내부 사용 사례 선택 필요.
- 특정 개발 도구에 Claude가 더 적합하다면 그것을 사용할 수 있음. 한 손을 등 뒤로 묶고 싸우고 싶지는 않음.
오픈소스 생태계에 대한 메타의 지속적인 노력 필요성
- (메타가 중단하면 다른 기업들도 오픈소스 노력을 중단할까 우려?)
- 메타가 오픈소스를 하지 않았다면 다른 기업들이 지금처럼 하고 있을까?
- 일부 기업은 오픈소스 흐름에 편승하려 하거나, 폐쇄형 API의 매력 감소 때문에 오픈소스 작업 시작.
- 그러나 그것이 메타처럼 근본적인 노력인지, 아니면 단순히 시도해보는 것인지는 불분명.
- 안드로이드 예시: 오픈소스로 시작했으나 점점 더 폐쇄적으로 변화.
- 메타는 우려해야 함: 만약 메타가 이 방향으로 업계를 밀어붙이지 않으면, 다른 기업들(과거 폐쇄형 선호)이 원래대로 돌아갈 수 있음. 그들의 지속적인 오픈소스 행동에 의존하는 것은 신중해야 함.
미국 모델의 중요성과 내재된 가치
- (표준이 Llama 같은 미국 모델 중심으로 구축되는 것이 왜 중요한가?)
- 모델은 가치와 세계관을 내포.
- 초기 Llama를 프랑스어로 번역했을 때, 프랑스인들은 "프랑스어를 배운 미국인 같다"고 평가 (세상을 바라보는 방식이 다소 미국적). 미묘한 차이.
- 모델이 정교해지면 전 세계 다양한 가치관을 구현 가능해야 함.
- 중국에서 나오는 일부 모델 테스트 결과, 특정 가치가 내재되어 있으며 이는 단순 파인튜닝으로 변경하기 어려움.
- 언어 모델은 더 많은 가치를 내포. 추론 모델(검증 가능한 수학 문제로 훈련)은 문화적 편향이 적을 수 있음.
타국 코딩 모델의 보안 위험
- 코딩(또 다른 검증 가능 영역)은 다른 문제.
- 타국 정부와 연관된 모델 사용 시, 해당국 정보기관이 악용할 수 있는 취약점을 코드에 심을 수 있는가? 외국 모델로 시스템 보안 시, 어느 날 갑자기 취약해질 수 있음. 실제적인 문제.
모델 증류: 강력함과 보안 과제
- 오픈소스의 가치: 모델 증류. 단순 사용이 아닌 파인튜닝, 다른 모델로 증류.
- Behemoth 모델의 가치: 매우 높은 지능을 실제 실행 가능한 더 작은 모델로 증류.
- 증류는 강력한 기술(지난 1년간 부상): 큰 모델 지능의 90~95%를 10% 크기 모델로 구현 가능 (100%는 아니지만 10% 비용으로 95% 지능은 매우 유용).
- 다양한 오픈소스 커뮤니티 → 여러 소스에서 증류 가능 (Llama는 X에 강하고 다른 모델은 코딩에 강하다면, 둘 다 증류하여 특정 사용 사례에 더 나은 모델 구축 가능).
안전하고 보안적인 증류 방법
- 안전한 증류의 보안 문제 해결 필요. 메타는 이 부분 연구에 많은 시간 투자.
- 언어는 매우 민감 (가치 내재). 증류하는 모델의 가치를 그대로 수용할 것이 아니라면, 순수 언어 세계 모델을 그대로 증류하는 것은 바람직하지 않음.
- 추론의 경우: 검증 가능한 영역으로 제한하고, 코드 청결성/보안 필터(Llama Guard, Code Shield 등 오픈소스 도구)를 사용하며, 많은 레드팀 활동을 통해 안전성 확보 가능성이 높음. 이 부분에 대해 자신감 있으며 많은 연구 수행.
- 중요한 질문: 어떻게 좋은 증류를 할 것인가? (가치 창출 가능성 크지만, 다른 모델에 근본적인 편향 내재 가능성)
AI 수익화: 무료 서비스에는 광고, 고비용 서비스에는 프리미엄
- (AI 수익화의 올바른 방법은? 광고가 수조 달러 가치의 원격 근무 생산성 향상에는 적합하지 않을 수 있음)
- 다양한 애플리케이션, 다양한 수익 모델.
- 광고는 무료 서비스 제공에 적합. 사용자가 비용 지불 없이 훌륭한 서비스 이용 가능. 현대 광고 시스템은 잘 활용하면 가치 부가 가능 (좋은 순위 지정, 충분한 광고 인벤토리).
- 비용이 높아 무료 제공이 어려운 다른 사업 모델도 분명 존재. (넷플릭스, ESPN: 콘텐츠 제작비 높아 광고로 충당 불가, 유료 구독 필요, 사용자 수 적음).
메타의 수익화 전략: 무료(광고 기반) 및 프리미엄
- 모든 사람이 소프트웨어 엔지니어나 수천 개의 에이전트를 원하지는 않음. 그러나 원한다면 수천~수십만 달러 지불 의향 있을 것.
- 스펙트럼의 각 지점마다 사업 모델 존재. 메타 소비자 부문: 무료 서비스(광고 기반) 제공 희망.
- 동시에, 무료 서비스에서 제공하기 어려운 훨씬 더 놀라운 작업을 위해 막대한 컴퓨팅을 사용하는 사용자를 위한 사업 모델도 필요 → 프리미엄 서비스 제공 예상.
- 기본 가치: 가능한 한 많은 사람들에게 서비스 제공.
저커버그의 CEO 역할: 채용, 팀 간 협력, 인프라, 취향/품질 관리
- (모든 프로젝트를 어떻게 추적하고 CEO로서 부가가치를 전달하는가?)
- 시간 할애 분야: 훌륭한 인재 영입.
- 여러 팀에 걸친 작업 (Meta AI를 WhatsApp/Instagram에 통합 → 팀 간 소통 조율, UI/UX 관용구 등 흥미로운 질문 해결).
- 인프라 추진 (기가와트 클러스터 구축 → 인프라 구축 방식, 정치적 관계, 재정적 영향/트레이드오프 등). 다른 사람이 내리기 어려운 결정.
- 제품 출시를 위한 취향과 품질 관리의 최종 책임자 (다른 팀원들도 좋은 취향과 필터 역할 수행).
AI: 제품 주도가 아닌 모델 주도
- AI는 다른 작업보다 연구/모델 주도적 성격이 강함.
- 원하는 제품을 먼저 설계하고 모델을 맞추는 방식이 아님. 모델/기능을 먼저 설계하면 창발적 속성이 나타나고, 이를 기반으로 다른 것을 구축.
- 사용자는 최고의 모델을 원함. 메타는 가장 개인적인 AI, 최고의 음성, 개인화 기능, 스마트하고 지연 시간 낮은 경험을 구축하기 위해 전체 시스템 설계 (완전 양방향 음성, 메모리 추출, 메타 시스템 연동, 특정 모델 크기/지연 시간 매개변수 설계).
미국 정부와의 관계 (트럼프 행정부)
- (일부 기술 리더들이 트럼프와 연대한다는 인식. 기부, 무대 등장, 소송 합의 등. 사업상 비용인가?)
- 저커버그 생각: 그는 미국 대통령. 미국 기업으로서 정부 운영 주체와 생산적인 관계를 맺으려 노력하는 것이 기본.
- 이전 행정부에도 지원 제안. 이전 행정부가 메타/재계와 소통하지 않은 것에 대한 불만 공개적으로 표명.
- (데이터센터용 에너지 등) 진전을 위해서는 대화가 필요.
- 훌륭한 것을 만들고 사람들과 생산적인 관계를 맺으려 노력. 대부분 다른 사람들도 그렇게 볼 것이라고 생각.
AI 거버넌스 및 콘텐츠 조정 결정에 대한 책임
- (과거 콘텐츠 조정 관련 정부에 대한 유보적 태도를 재고했다고 언급. AI 거버넌스는?)
- 과거 발언은 콘텐츠 조정 맥락. 지난 10년간 흥미로운 여정. 새로운 질문 제기.
- 생산적인 새 시스템 구축 (AI 기반 선거 개입 탐지 등). 순기능.
- 일부 잘못된 경로도 있었음 (팩트체킹은 커뮤니티 노트만큼 효과적이지 않았음 - 인터넷 규모 솔루션 아님, 신뢰 문제). 커뮤니티 노트가 올바른 방향.
- 요점: 과거에는 권한 없는 언론 비판이나 정부에 너무 많이 유보적 태도를 보였음.
- 성장 과정: 메타가 의미 있는 회사임을 깨닫고, 내려야 할 결정을 스스로 책임져야 함. 피드백 경청하되, 실제 권한 없는 이들에게 과도하게 의존해서는 안 됨. 고통스러운 성숙 과정이었지만, 더 나은 회사가 되었다고 생각.
관세와 데이터센터 건설
- (관세가 미국 데이터센터 건설 비용을 증가시키고 건설지를 유럽/아시아로 옮길까?)
- 어떻게 전개될지 알기 매우 어려움. 아직 초기 단계.
주간 가장 영향력 있는 한 시간
- 매주 다름. 가장 영향력 있는 일이 매주 동일하다면, 그 일에 주당 1시간 이상을 할애해야 할 것.
- 이 직업과 역동적인 산업의 재미: 상황이 계속 변함. 연초, 6개월 전, 작년 중반과 지금은 매우 다름.
채용의 높은 영향력
- 매우 영향력이 높은 활동.
소프트웨어 생산성 100배 향상의 영향 (창의성, 문화)
- (소프트웨어 생산성이 2년 내 100배 향상된다면 무엇을 만들 수 있을까?)
- 주제: 엄청난 창의력 발현.
- 인류 사회/경제의 장기적 흐름 (100~150년): 농업(식량 생산) 중심 → 기본적 물리적 필요 충족에 드는 인간 에너지 비중 감소.
- 영향: (1) 더 많은 창의적/문화적 활동. (2) 노동 시간 감소, 엔터테인먼트/문화 시간 증가. 이러한 추세는 계속될 것.
장기적 관점: 초인적 도구를 통한 다양한 창조 (문제 해결 및 엔터테인먼트)
- 장기적으로 (초강력 소프트웨어 엔지니어가 등장하는 1~2년 단기 효과가 아닌): 모든 사람이 초인적 도구를 갖게 되면 엄청난 다양성 창출.
- 어려운 문제 해결 (질병, 과학 발전, 삶을 개선하는 신기술 개발).
- 많은 부분이 문화적/사회적 활동 및 엔터테인먼트가 될 것으로 예상.
- 세상은 더 재미있고, 기묘하며, 독특해질 것 (지난 10년간 인터넷 밈처럼). 이는 풍요로움과 깊이를 더하며, 사람들과 더 잘 연결되도록 도움 (흥미로운 인터넷 콘텐츠를 지인들과 공유).
메타의 소셜 미디어 관점: 풍부한 표현을 통한 더 나은 연결
- 미묘하고 특정한 문화적 아이디어를 표현하는 미디어가 매우 멋져짐. 계속 발전할 것. (단순 과학적 질병 치료 방식이 아니더라도) 여러 방식으로 사회 발전 기여.
- 메타 소셜 미디어 관점: 사람들은 미래에 그러한 활동에 훨씬 더 많은 시간을 할애할 것이며, 이는 더 나아지고 다양한 아이디어 표현을 통해 연결을 도울 것.
- 세상은 더 복잡해지겠지만, 복잡한 것을 표현하는 우리의 문화적 기술(재미있는 짧은 클립 등)은 훨씬 더 발전할 것. 모두 훌륭하다고 생각.
AI로 인한 인간 노동 수요 증가 (고객 지원 예시)
- 예측 가능한 미래: AI는 노동 수요를 줄이는 것이 아니라 오히려 늘릴 것. (사람들은 얼마나 일할지 선택)
- 메타 고객 지원 예시: 매일 35억 명 사용. 음성 지원은 고려조차 어려웠음 (무료 서비스, 1인당 수익 낮아 콜센터 경제성 확보 불가 - 연간 100억~200억 달러 소요 예상).
- AI 발전 → AI가 많은 문제 처리 가능 (3~5년 내 상당 부분, 10년 후 전부 가능할 수도). 자율주행차와 유사 (일부 지형 처리 가능하나, 아직 대부분 전체 경로 자율 주행 불가).
- 트럭 운전직: 20년 전 자율주행차 논의 시작 때보다 현재 더 많음.
- 고객 지원: AI가 90% 처리 후 나머지를 인간에게 전달. 서비스 비용이 1/10로 줄면 음성 지원 실현 가능성.
- 최종 결과: 메타는 아마도 더 많은 고객 지원 인력 채용.
- 일반적 믿음(AI가 일자리 자동화)과 달리, 기술 역사는 노동의 90%를 줄이는 것을 만들면 오히려 수요가 더 늘어나는 경향을 보여왔음.
조언을 구하는 대상: 단일 인물이 아닌 다양한 조언자 (1:14:17 - 끝)
- (세상에서 조언을 가장 많이 구하는 단 한 명은?)
- 다양한 조언자를 선호하는 스타일 (팀, 이사회, 업계 신규 인물 등). 단일 인물은 없음.
- 역동적인 세상의 재미: 좋아하는 사람들과 멋진 일에 함께 참여하는 것. 그것이 바로 삶이라고 생각.