Logan Kilpatrick 인터뷰 — 모델이 하네스를 먹는다

개요

• 게스트: Logan Kilpatrick — Google AI Studio·Gemini API 총괄. Google IO 직후 녹화
• 주제: agentic AI 시대의 Google 전략, Anti-gravity 에이전트 하네스, 코딩 경쟁 구도, Omni 월드모델, "모델이 하네스를 먹는다" 논지, DeepMind 문화

핵심 내용

Agentic Gemini 시대 — 하네스가 새 관통선

• Gemini agentic 전환, 3.5서야 실현: Gemini 2.0 때 agentic 언급은 시기상조였고, Gemini 3.5 시대에 와서야 실제로 구현됨. 코딩·프로덕트 전반이 에이전트 중심으로 전환
• Anti-gravity 하네스가 구글 관통선: IO에서 발표한 Anti-gravity 에이전트 하네스가 Google 전 제품의 새 관통선. 과거엔 관통선이 없다가 Gemini 모델이 그 역할을 했고, 이제 하네스가 그 자리를 승계 — 50여개 제품이 전부 이 위로 리베이스 중
  • Anti-gravity는 단일 IDE가 아니라 생태계: 코어 IDE + 웹 에이전트 경험 + CLI + SDK + Gemini API 관리형 에이전트. 검색·Gemini 앱·클라우드의 에이전트 기능도 같은 하네스가 구동
• 코딩하네스 범용화 베이스 80% 공유 용도별 특화: 코딩 하네스가 범용 에이전트 하네스로 판명. 베이스 하네스 약 80% 공유 + 용도별 특화 (AI Studio는 바이브코딩용, Gemini 앱은 24/7 상시 컨슈머 에이전트용)
• 카니발라이제이션 질문에 대한 답: AI 질의응답이 검색에 마이너스일 거란 초기 가정과 달리 실제론 강한 포지티브섬 — 사람도 더 검색하고 에이전트도 검색량을 얹음. 향후 1-2년은 명확히 포지티브섬, 3-5년은 불확실
  • Google의 성공 지표는 눈동자 체류시간 극대화가 아니라 고객 성과 극대화 쪽으로 이동
• 광고가치 SEO에서 GEO로 급진적 변화는 아님: 광고·가치 포착은 SEO에서 GEO(생성엔진 최적화)로 — 서로 프록시 관계라 생각보다 급진적 변화는 아닐 것

에이전트 성숙도 — 아직 crawl 단계

• 구글 제품군 전체 아직 crawl단계 스튜어드십 때문: crawl-walk-run 척도에서 Google 제품군 전체는 crawl. 13억+ 사용자 제품이라 롱테일 유저가 AI 전권 위임을 원하지 않음 — 스튜어드십 책임 때문에 점진적
• walk에 가장 근접한 표면: Gemini 앱(24/7 상시 에이전트)과 Anti-gravity(자율 코딩 에이전트가 수십억 토큰·수천 달러를 대신 소비)
• 제품표면은 1만개쪽 구획화 특화가 우위: 제품 표면 수는 3개보다 1만개 쪽 — 범용 단일 제품은 오히려 인지 부하가 큼. "캘린더 앱 누르면 캘린더가 바로 뜨는" 구획화·특화의 편익이 생성형 인터페이스보다 우위
• 에이전트 코딩외 통념 인정 태스크지속시간 지표 필요: "에이전트는 코딩에서만 작동" 엔터프라이즈 통념에 대해: 품질 임계선을 못 넘은 도메인에선 맞는 말. 측정하고 싶은 지표는 평균 에이전트 태스크 지속시간 — OpenRouter의 토큰 소비량처럼 추적하면 장기 태스크로의 상향 추세가 보일 것. 올해 코딩 외 유즈케이스도 크게 개선 전망

코딩 경쟁 — Claude·Codex 대비 Gemini의 반격 논리

• 12월 구글승리 내러티브 코딩경쟁서 곧 뒤집힘: 개발자들이 Claude·Codex 50/50인데 Gemini는 안 보인다는 지적 인정. 12월 "Google 승리" 내러티브(Gemini 3 도약)가 연말연시 agentic 코딩 국면에서 곧바로 뒤집힘 — 판이 얼마나 빨리 바뀌는지의 방증
• 핵심 교훈: 장시간 SWE 작업을 실제로 돌리는 제품 없이는 훌륭한 코딩 모델을 못 만듦 → Windsurf 딜과 인력 영입으로 Anti-gravity 구축, 내부 토큰 소비 성장 그래프를 IO에서 공개. 내부 코딩팀은 "AI 어벤저스"로 지칭
• Flash모델 코딩성능이 이전 Pro모델 추월: 3 Flash는 역대 어떤 Pro 모델보다 코딩 성능 우수. 3.5 Flash는 순수 포스트트레이닝 게인만으로 이전 Pro 추월
  • 외부에서 놓치는 맥락 = 프리트레이닝 윈도우. 대형 런이 어느 시점에 있었는지 모르면 "뒤처짐"으로 오독. 프리트레이닝은 DeepMind의 역사적 강점
• 도그푸딩: 타사 모델 사용은 생태계 감각 유지에 오히려 건강. 단 Gemini 사용은 필수 — 10만+ 엔지니어의 피드백 플라이휠·AB테스트 스케일 자체가 경쟁우위
• 소프트 테이크오프(코딩 모델→연구 가속의 자기강화): 모델 연구 쪽 징후는 아직 초기 — 1만 TPU급 대형 런 자원배분은 여전히 인간이 결정. 제품 쪽은 확실 — Anti-gravity로 모바일 앱·Gemini macOS 앱을 Google 역사상 최속으로 출시

수직 슈퍼인텔리전스와 게임

• 코딩은 이미 좁은 슈퍼인텔리전스 야망수준 리셋중: 코딩은 이미 좁은 슈퍼인텔리전스처럼 느껴짐. 개인 경험: 살짝 손 밖이던 아이디어가 이제 "MVP가 아니라 10걸음 더 야심차게"로 부담이 역전 — 야망 수준 자체를 리셋 중
  • 결과적으로 도메인별로 들쭉날쭉한 "jagged superintelligence"가 먼저 올 것
• 다음 수직 도메인 = 검증가능성 높은 곳: 수학·금융·과학. 긍정적 임팩트가 큰 분야가 먼저 작동해야 기술 수용성에도 유리
• 게임 바이브코딩 근접 관건은 스캐폴딩 갭: "2025년 말까지 누구나 게임 바이브코딩" 예측 자평: AAA는 아니지만 근접. 모델 품질 갭이 아니라 스캐폴딩 갭 — 스프라이트 생성·오케스트레이션 레이어·재플레이 가능성·취향이 부족분. 일반인이 재미있는 게임을 만드는 시점은 올해로 예상
• AI Studio 사용 데이터: 한때 전체 앱의 20%가 게임. 현재 최다 카테고리는 금융·크립토 약 20% + 개인 생산성 + 생성미디어. Kaggle 게임 아레나로 AGI 진척도를 게임으로 측정
• 게임제작 알파는 월드모델 아닌 코딩에이전트+엔진: 게임 제작의 단기 알파는 월드모델이 아니라 코딩 에이전트 + 게임엔진 조합. 현재 월드모델은 개방형 특성상 반복 사용 가능한 게임에 부적합

Omni — 월드모델 정의의 재편

• Omni는 임의입출력 월드모델 정의 재편: IO에서 공개한 Omni = 임의 입력→임의 출력. 액션 조건부 비디오모델이라는 전통적 정의가 아니라 "세계 이해를 가진 모델"로 월드모델 정의가 흐려지는 중. 전통 방식은 극도로 비싸고 스케일 안 됐는데 새 아키텍처는 확장성 개선
• Omni는 8개모델 통합한 단일모델 비디오편집부터 출시: 라우팅이 아닌 진짜 단일 모델. 기존엔 텍스트(Gemini)·음악(Lyria)·이미지(Nano Banana)·비디오(Veo)·오디오 등 8개 모델을 따로 훈련하던 걸 하나로 통합. 첫 버전은 Omni Flash, 가장 잘 되는 비디오 편집부터 출시 — 타 모달리티는 작동하나 SOTA 미달이라 보류
• 무대 위 강연 실시간 편집 사례: 관객이 Omni로 영상을 편집하자 가짜 강아지가 무대에 등장 — 다른 게스트가 내려다보고 웃고, 무릎에 뛰어오르면 쓰다듬는 미묘한 상호작용까지 자연스럽게 합성. 세계 이해가 실제 작동하는 증거
• 생성미디어 철학: 본인 콘텐츠에 AI 안 씀 — 진정성이 알파. Omni의 가치는 사람은 안 바꾸고 세트·소품 같은 비인격 요소만 바꾸는 것. AI 아바타 아닌 "인격은 그대로, 증폭만"
• AI Studio 안드로이드 앱 빌더: 출시 일주일에 35만개 앱 생성 — 대부분 원래라면 아무도 안 만들었을 개인용 소프트웨어. 개인 문제 해결용 셀프 소프트웨어가 이미 최다 유즈케이스

모델이 하네스를 먹는다

• 모델개념 확장 스캐폴딩 흡수 반복되는 사이클: 2년 전 "모델"은 가중치 덩어리였지만 지금은 툴콜링·호스팅 검색·코드실행·컨테이너·하네스까지 포함한 팽창하는 시스템. 스캐폴딩이 모델보다 몇 걸음 앞서다가 → 모델이 그걸 흡수해 네이티브가 되는 사이클 반복
• 하네스 알파 통념 12개월내 소멸 전망: 지금 "하네스에 알파가 있다"는 통념은 12개월 안에 깨질 것 — 모델이 하네스를 소화해 업스트림되고 알파는 다른 곳으로 이동
• 자체하네스 락인회피 논리 약화 하네스벤치 필요: "자체 하네스 = 락인 회피" 반론에 대해: 모델 능력이 오르면 그 논리는 약화. 어떤 하네스든 못 쓰면 범용 모델이 아님 — 모델별 하네스 적응력을 재는 "harness bench" 필요 주장
• 앱 레이어 생존론: 24개월 전 "스타트업 기회 축소" 우려와 정반대로 기회는 더 커짐. 수직 도메인 전문성 + 집중이 스타트업의 초능력 — 대기업은 구조적으로 집중 불가. 코딩 에이전트가 기존 코드베이스 보유 대기업과의 격차를 좁혀줬고, 리스크 감수 성향 자체가 차별화 축

DeepMind 문화

• DeepMind 갭 발생시 인력투하 대응: 포트폴리오는 최강이지만 넓게 벌리는 탓에 특정 영역에서 타 랩에 추월당하는 순간 발생 — 그때 갭을 닫는 방식이 문화의 핵심 (스마트한 사람들을 모아 문제에 투하)
• 랩 문화는 리더를 투영: Demis는 노벨상 과학자(과학적 접근), Sam Altman은 최고의 사업가(OpenAI), Dario는 다소 난해한 인물 — 각 랩 DNA에 반영
• DeepMind는 구글 엔진룸 대규모 제품 13개 배포: DeepMind = "Google의 엔진룸". 10억+ 사용자 제품에 Gemini를 배포하는 문제는 전 세계 두 회사만 가진 문제인데 Google은 그런 제품이 13개

투자자 관점 시사점

• 하네스·스캐폴딩 레이어에 밸류에이션이 붙은 스타트업은 12개월 시계에서 모델에 흡수될 리스크 — 알파는 검증가능 수직 도메인(수학·금융·과학)과 도메인 전문성 기반 앱 레이어로 이동한다는 게 모델 랩 내부자의 시각
• Google의 코딩 열세는 프리트레이닝 윈도우 착시 + 제품(Anti-gravity) 부재 문제로 규정 — Windsurf 인수 인력·내부 토큰 소비 성장이 캐치업 지표. 3.5 Flash의 순수 포스트트레이닝 게인은 추론 비용 구조상 마진에 긍정적 신호
• 검색 카니발라이제이션 우려는 최소 1-2년 시계에서 포지티브섬으로 반박됨 — 에이전트가 검색 쿼리의 신규 수요층. 다만 3-5년 시계 불확실성은 본인도 인정
• 에이전트 침투 속도의 선행지표로 "평균 태스크 지속시간"·토큰 소비량(OpenRouter류 데이터) 추적 유효. 엔터프라이즈 비코딩 유즈케이스 개화는 올해로 예고

기억할 발언

• (40:03) "지금은 다들 '하네스를 만들어야 해, 알파는 하네스에 있어'라고 하지만, 우리가 오늘 생각하는 형태의 하네스라면 12개월 뒤엔 사실이 아닐 것. 모델이 그 상당 부분을 소화해 모델 안으로 업스트림되고, 알파는 다른 곳에 가 있을 것"
• (42:31) "집중은 스타트업의 초능력. 집중할 수 있다면 뭐든 할 수 있음. 큰 회사들을 보면 집중이 없음 — 우리는 제품이 너무 많아 한 도메인에 집중할 수 없고, 그래서 최고의 모델 랩조차 수직 도메인에선 스타트업이 따돌릴 수 있음"