하워드 막스 'AI가 질주하다' 메모 해설 - 클로드 튜토리얼이 바꾼 인공지능 인식

원문: AI Hurtles Ahead — Oaktree Capital Management 저작. 이 문서는 전문 번역이 아니라 원문 논지를 따라간 한국어 해설. 원문은 위 링크에서 무료로 볼 수 있음

핵심 요약

• 클로드 튜토리얼의 충격: 12월 메모 '버블인가?' 이후 30-40대 기술업계 인사들과 다시 대화하던 중, 누군가의 제안으로 앤트로픽의 클로드에게 지난 3개월간 AI의 변화를 설명하는 튜토리얼을 요청. 논리 전개와 개인화 수준에 크게 놀라 이 메모를 그 결과물에 대한 부록 성격으로 작성.
• AI의 본질은 검색이 아니라 종합: 훈련은 정보를 주입하는 과정이 아니라 사고 패턴을 가르치는 과정이고, 추론은 그렇게 형성된 능력을 프롬프트에 따라 실행하는 단계라는 구분을 새로 도입.
• AI가 진짜 새로움을 만드는지는 미해결: 패턴 재조합일 뿐이라는 회의론과, 인간의 학습도 결국 타인의 사고를 흡수한 결과라는 클로드의 반박을 대등하게 제시. 경제적으로는 "진짜 사고인가"보다 "일을 해내는가"가 관건이라는 실용적 결론.
• 레벨 3 자율 에이전트로의 전환이 핵심 사실: 2023년 챗봇(레벨 1), 2024년 도구 활용(레벨 2)을 거쳐 이제는 목표만 던지면 스스로 작업하고 검증하고 완성품을 내놓는 레벨 3 단계에 도달했다고 진단. 2026년 2월 5일 GPT-5.3 코덱스와 오퍼스 4.6 동시 출시를 그 변곡점으로 지목.
• AI가 자기 자신을 만드는 데 관여하기 시작: 오픈AI가 GPT-5.3 코덱스를 자사 훈련·배포·평가 디버깅에 실제로 활용했다고 공개했고, 다리오 아모데이는 1-2년 내 AI가 자율적으로 다음 세대 AI를 만들 수 있다고 전망.
• 투자자로서 AI는 양날의 검: 데이터 처리량·감정 배제·편향 억제에서는 인간보다 유리하지만, 전례 없는 상황에 대한 판단과 위험을 실제로 감내하는 태도는 여전히 인간 고유의 영역이라는 균형 잡힌 시각을 유지.
• 버블 판단은 여전히 다층적: 기술의 실재성과 수요는 인정하지만, 인프라 과잉투자·순환매출·개별 스타트업 밸류에이션의 적정성은 답이 없는 문제로 남겨둠. 12월 메모의 "전부 걸지도, 전부 빠지지도 말라"는 조언을 재확인.
• 추신에서 일자리 우려를 재확인: 광고카피 부서 인력 80% 대체 가능성, 샌프란시스코 택시 운행의 5분의 1을 담당하는 웨이모 등 구체 사례를 들며, 과거 기술 혁신이 결국 새 일자리를 만들어냈다는 낙관론에 조심스럽게 반박.

클로드 튜토리얼이 이 메모를 쓰게 된 배경

• 12월 메모 이후의 재취재: 막스는 '버블인가?'를 쓸 때 30-40대 기술 전문가들과 대화하며 큰 도움을 받았다고 회고하며, 새로운 영역을 탐구하는 일이 투자자로서 시대에 뒤처지지 않기 위한 필수 활동이자 업무 중 가장 즐거운 일이라고 밝힘.
  • 이번에도 같은 인물들을 다시 찾아가 12월 메모의 후속 취재를 진행.
  • 시사점: 막스에게 이 작업은 단순 홍보용 후속편이 아니라, 스스로 업데이트해야 한다는 투자자로서의 책무에서 나온 것.
• 클로드에게 튜토리얼을 요청한 계기: 취재 과정에서 누군가 앤트로픽의 AI 모델 클로드에게 AI와 지난 3개월간의 변화를 설명하는 튜토리얼 작성을 요청해보라고 제안, 막스가 이를 실행.
  • 결과물은 약 1만 단어 분량의 에세이였고, 이 메모의 상당 부분이 그 내용을 되짚는 형태로 구성됨.
  • 막스는 클로드에게 메모 자체를 써달라고 했다면 시간을 아꼈겠지만, 글쓰기 자체가 자신에게 재미있는 작업이라 직접 쓰기를 택했다고 밝힘.
• 튜토리얼의 설계 수준: 클로드에게 자신이 어떤 과제를 부여받았는지 되물었더니, 누군가가 막스의 12월 메모와 지적 프레임워크를 기반으로 9개 모듈짜리 커리큘럼을 설계했고, 한 번에 한 모듈씩 가르치며 막스의 세계에서 끌어온 비유를 쓰고 능력을 설명이 아니라 시연으로 보여주도록 짜였다는 답이 돌아옴.
  • 이 설계 품질은 전적으로 조력자들이 준비한 프롬프트의 구체성 덕분이었다고 막스가 직접 인정.
  • 시사점: 좋은 결과물은 모델 자체보다 프롬프트 설계자의 역량에 크게 좌우된다는 점을 막스가 스스로 체험.
• 개인화된 답변에 대한 놀라움: 막스는 결과물이 마치 친구나 동료의 개인적인 메모처럼 읽혔다고 표현. 자신이 과거 메모에서 다뤘던 금리의 대전환, 투자자 심리의 시계추 같은 개념을 AI 관련 비유로 되살려 사용했다는 점을 특히 인상 깊게 언급.
  • 논리적 전개, 막스가 반박할 만한 지점을 미리 예상하는 태도, 유머, AI의 한계를 스스로 인정하는 솔직함까지 자신이 평소 글을 쓰는 방식과 닮았다고 평가.
  • 과거에도 AI에 질문해 답을 받은 적은 있지만, 이번처럼 자신에게 맞춤화된 설명을 받은 적은 없었다고 강조.
• 이 메모의 성격 규정: 막스는 이 글이 12월 메모에 대한 부록이며, 상당 부분이 클로드 에세이의 요약이고 거기에 자신의 관찰 몇 가지를 덧붙이는 구조라고 미리 밝힘.
  • 자신에게 새로웠던 용어들을 본문 곳곳에서 강조하겠다고 예고.
  • 별도로 표기하지 않은 인용은 모두 클로드의 답변에서 온 것이라고 출처를 명확히 함.

AI의 본질 - 훈련과 추론의 구분

훈련은 정보 주입이 아니라 사고 패턴 학습

• 검색엔진 비유의 폐기: 막스는 튜토리얼을 통해 AI 모델을 데이터를 불러와 되뇌는 검색엔진으로 생각해서는 안 된다는 점을 처음 배웠다고 밝힘. AI는 데이터를 종합하고 그로부터 추론하는 컴퓨터 시스템이라는 것.
  • 막스는 이전까지 훈련 단계를 모델에 정보를 적재하는 과정으로 이해했었다고 스스로 인정.
  • 시사점: 이 재정의가 이후 논의 전체의 전제가 됨. 정보 적재가 아니라 사고력 형성이라는 틀이 뒤에 나오는 "AI가 사고할 수 있는가" 논쟁의 출발점.
• 훈련이 실제로 가르치는 것: 방대한 텍스트를 흡수하는 과정에서 모델은 추론 패턴을 이해하고 형성하는 법, 논증이 구조화되는 방식, 새로운 아이디어 조합을 만드는 법, 학습한 추론 패턴을 낯선 상황에 적용하는 법을 익힌다고 설명.
  • 이 네 가지는 모두 단순 암기가 아니라 응용 능력에 해당.
• 아기의 두뇌 발달에 대한 비유: 아기는 뇌를 갖고 태어나지만 사고·추론·종합·평가·유추·개념 형성·논증 구성 능력은 외부 자극에 노출되며 개발된다는 유추를 사용. AI 모델도 같은 방식으로 환경으로부터 입력을 흡수하고 사용하며 능력을 키운다고 설명.
  • 막스는 이 비유를 받아들이면서도, AI가 실제로 어떻게 그 일을 해내는지는 자신이 전혀 이해하지 못한다는 점을 솔직히 덧붙임. 자신이 할 수 있는 것은 AI가 무엇을 할 수 있는지와 그 함의를 서술하는 데까지라는 유보를 명확히 함.
• 추론 단계의 정의: 모델이 구축되고 훈련을 마친 뒤 남은 생애 동안 하는 일이 추론이며, 이는 사용자의 요구를 충족시키기 위해 그 능력을 쓰는 과정이라고 규정.
  • 훈련과 추론이라는 두 단계 구분이 이후 레벨 1-3 능력 구분의 토대가 됨.

프롬프트라는 병목과 사용자 쪽 한계

• AI는 스스로 과제를 정하지 못한다: 적어도 현재로서는 모델이 스스로에게 과제를 부여할 수 없고, 사용자가 작성한 프롬프트를 통해서만 명령을 받는다는 제약을 강조.
  • 프롬프트가 더 좋고 포괄적일수록 AI가 할 수 있는 일이 늘어난다는 인과관계를 명시.
• 소프트웨어 작성 사례로 본 프롬프트의 힘: AI는 사용자가 원하는 작업을 위해 소프트웨어를 작성할 수 있고, 그 소프트웨어를 테스트하고 버그를 찾아 고치고 다시 테스트할 수도 있지만, 이 모든 단계를 하나하나 지시받아야만 수행한다는 점을 예로 듦.
  • 시사점: 겉보기에 자율적으로 보이는 결과물도 실제로는 세밀한 지시의 산물일 수 있다는 것.
• 과소평가의 원인으로서의 프롬프트 리터러시 부족: 오늘날 많은 사람이 프롬프트의 중요성을 인식하지 못하고 좋은 프롬프트를 만드는 능력도 부족하기 때문에 AI의 잠재력이 과소평가되고 있을 가능성이 크다고 진단.
  • 다만 이 한계는 모델이 아니라 사용자 쪽의 한계라는 점을 분명히 구분.
• 막스 자신의 튜토리얼이 그 반증: 클로드가 단순히 AI를 설명하라는 지시만 받은 것이 아니라, 막스의 세계관과 프레임워크에 맞춰 설계된 9모듈 커리큘럼을 수행했다는 점 자체가 정교한 프롬프트의 결과였다고 재확인.
  • 이 대목은 앞 절의 "튜토리얼 설계 수준" 논의와 직접 연결되며, 프롬프트 품질이 AI 성과의 상한선을 결정한다는 주장을 뒷받침.

AI는 생각할 수 있는가

회의론 - 패턴 재조합일 뿐이라는 주장

• 막스가 던진 질문의 핵심: AI가 인간이 이미 밝혀낸 것을 재구성해 새 데이터와 분야에 적용할 수 있다는 점은 인정하면서도, 진짜 새로운 영역을 개척할 수 있는지를 묻는 것이 이 절의 출발점.
  • 강물가에 앉아 뜬금없는 영감을 받아들이는 것, 나무에서 떨어지는 사과를 보고 중력 개념을 떠올리는 것, 몽상하거나 직관을 갖는 것처럼 인간 고유의 사고 방식이 AI에도 가능한지를 나열.
• AI 작동 방식에 대한 막스의 이해: AI를 과거 패턴과 논리를 이용해 다음 항목을 예측하는 존재로 이해한다고 설명. 다섯 단어짜리 문장을 쓰면 여섯 번째 단어를 예측하는 방식이 그 예시이며, 스마트폰 이메일 자동완성이 실생활에서 이를 보여주는 사례라고 언급.
  • 시장을 이길 포트폴리오를 짜라고 하면, 과거 좋은 성과를 낸 종목의 특성을 분석해 미래 유망 종목을 예측하는 방식으로 접근한다고 설명.
  • 막스는 AI를 과거의 패턴에 근거해 미래에 대한 가설을 제시하는 존재로 보는 것이 유용하다고 정리하며, 이 관점을 뒤에 투자 함의 논의에서 다시 사용하겠다고 예고.
• 회의론자들의 논거: 클로드가 스스로 정리한 회의론에 따르면, 자신이 학습한 모든 것은 인간이 쓴 텍스트에서 왔고, 실제 경험이나 몸으로 체득한 세계 이해, 진정한 이해는 없다는 주장.
  • 결국 산출물은 기존 인간 작업에서 흡수한 패턴을 정교하게 재배열한 것일 뿐이며, 인상적인 패턴 매칭이긴 하지만 사고나 추론이 아니라 통계적 재조합이라는 결론.
  • 이 견해에 따르면 AI는 인간이 이미 알아낸 것을 리믹스할 수는 있어도 진짜 새로운 영역을 개척할 수는 없다는 상한선이 존재. 작곡가가 아니라 매우 뛰어난 커버 밴드라는 비유로 요약됨.

클로드의 반박과 경제적 관점으로의 전환

• 클로드의 반박 논리: 막스 자신이 아는 모든 투자 지식도 결국 벤저민 그레이엄의 안전마진, 버핏의 품질 개념, 찰리 멍거의 다학제적 사고 모형, 존 케네스 갤브레이스의 금융 광기 심리학처럼 전부 타인에게서 왔다는 점을 클로드가 반문. 50년간 수천 권의 책과 메모, 사례연구, 연차보고서를 읽으며 얻은 입력이 모두 남의 사고였다는 지적.
  • 막스가 여러 분야의 프레임워크를 가져와 새로운 상황에 적용해 진짜 새로운 것을 만들어냈다면, 원재료는 타인에게서 왔어도 종합은 막스 자신의 것이었다는 논증.
  • 인간이든 AI든 관건은 입력의 출처가 아니라 그것을 진정으로 새롭고 유용한 방식으로 결합할 수 있는가라는 질문으로 요약.
• 막스의 동의: 막스는 이 반박이 전적으로 옳다고 인정하며, 자신도 젊은 투자자 시절 실제 경험과 문헌을 통해 데이터를 흡수하고, 선배들의 사고 과정과 그것을 데이터에 적용하는 법을 배웠으며, 그 과정에서 영감을 받아 자신만의 사고방식을 만들었다고 회고.
  • 이는 인간 두뇌가 능력을 확장하는 방식 자체이며, AI가 성장하고 학습하고 "사고"하는 방식이 이와 정말 다른지 묻는 질문으로 이어짐.
  • 시사점: 막스는 이 지점에서 회의론에 대한 반박을 상당 부분 수용하는 태도를 보임.
• 경제적 논거로의 전환: 클로드는 설령 철학적으로 자신이 하는 일이 "그저" 패턴 매칭일 뿐 진짜 사고가 아니라고 인정하더라도, 경제적 함의는 동일하다고 주장. 20만 달러 연봉 리서치 어시스턴트 수준의 분석 결과물을 낼 수 있다면, 비용을 지불하는 쪽에는 그것이 진짜 사고인지 여부가 중요하지 않고, 작업물이 신뢰할 만큼 유용한지가 관건이라는 논리.
  • 기계 의식에 대한 철학적 논쟁은 흥미롭지만, 경제적으로 중요한 질문은 "AI가 진정으로 이해하는가"가 아니라 "AI가 일을 해내는가"라는 것으로 정리.
• 생성형이라는 용어 정리: 막스는 AI 업계에서 자주 쓰이는 "생성형"이라는 단어를 이해하는 것이 AI 논의에 참여하는 데 중요하다고 짚음. 다른 AI 모델(퍼플렉시티)의 설명을 빌려, 기존 것을 분석하거나 라벨을 붙이는 데 그치지 않고 새로운 것을 만들어낼 수 있다는 뜻이며, 데이터의 패턴을 학습해 그와 유사한 새 콘텐츠를 생성하는 시스템을 가리킨다고 정리.
  • 막스는 이것이 진짜 사고인지, 아니면 다른 무엇인지, 혹은 자신이 "차이 없는 구별"에 매달리고 있는 것은 아닌지 열린 질문으로 남겨두며 이 절을 맺고, 뒤에 이어질 최근 발전상 논의로 넘어감.

유례없는 발전 속도와 세 단계 능력

컴퓨터의 역사와 대비되는 AI의 속도

• 이 메모를 쓴 직접적 이유: 막스는 12월 9일 발표된 '버블인가?' 이후 3개월 만에 AI에 일어난 중대한 변화를 다루기 위해 이 추가 메모를 쓴다고 명시.
  • 첫 번째로 꼽는 변화는 발전 속도 그 자체이며, 과거 어떤 기술 혁신과도 비교되지 않는 속도라고 규정.
• 컴퓨터 확산의 40년 타임라인: 최초의 컴퓨터 에니악이 1945년에 완성되었고, IBM 창업자 토머스 왓슨 시니어가 "세계 시장에 컴퓨터는 아마 다섯 대면 충분할 것"이라고 말했다고 (사실 여부는 불확실하지만) 전해진다는 점을 인용, 1940년대 중반의 통념을 보여주는 사례로 제시.
  • 막스가 프로그래밍을 배운 시점(1960년대 중반)까지도 컴퓨터는 여전히 초보적이었고, 대형 기관 밖에서는 실사용이 거의 없었다고 회고.
  • 그로부터 10년이 더 지나서야 마이크로프로세서 등장으로 개인용 컴퓨터가 나왔지만 대부분 취미용 조립 키트 수준이었고, 디지털이퀴프먼트 창업자 켄 올슨이 1977년 "개인이 집에 컴퓨터를 둘 이유가 없다"고 말했다는 일화를 덧붙임.
  • IBM이 일반 사업·가정용 PC 판매를 시작한 것은 1980년대 초, 에니악 완성으로부터 거의 40년이 지난 시점이었다고 정리.
• AI의 확산 속도: 퍼플렉시티에 물어본 결과, 스팸 필터나 추천 엔진처럼 AI가 눈에 띄지 않게 기기에 내장되기 시작한 것은 2010년 직전, 시리·알렉사처럼 눈에 보이는 형태로 등장한 것은 그 이후 몇 년이었다고 정리.
  • 생성형 AI가 지식노동·교육·소비자 의사결정 전반에 영향을 미치는 범용 기술로 언론과 비즈니스에서 다뤄지기 시작한 것은 불과 2년이 채 되지 않았다는 점을 강조.
  • 그리고 그로부터 다시 2년 만에 약 4억 명의 개인과 기업의 75-80퍼센트가 이미 AI를 사용하고 있다는 수치를 제시.
  • 시사점: 컴퓨터가 확산되는 데 걸린 40년과 AI가 확산되는 데 걸린 2년이라는 극명한 대비가, 뒤에 이어지는 "관찰자의 이해 속도를 넘어선다"는 진단의 근거가 됨.
• 인프라와 수요의 관계 역전: 과거에는 새 기술을 위해 인프라를 먼저 짓고 그것이 완전히 활용되기까지 여러 해가 걸리는 것이 일반적이었지만, AI 추론의 경우 수요가 이미 존재하고 빠르게 늘고 있으며 오히려 공급이 부족한 상태라고 전문가들에게서 들었다고 언급.
  • 이 대목은 뒤에서 다룰 버블 논의 중 "인프라 투자가 과잉인가"라는 질문과 직접 연결됨.

세 단계 능력 구분 - 챗봇에서 자율 에이전트로

• 레벨 1, 챗 AI: 사용자가 질문하면 모델이 답을 주는 방식으로, 답을 받은 뒤 실행은 사용자가 직접 해야 함. 주로 조사와 사고에 드는 시간을 절약해주는 수준.
• 레벨 2, 도구 활용 AI: 사용자가 모델에게 정보를 찾고 분석하고 그 정보로 작업을 수행하라고 지시하는 단계. 사고 시간뿐 아니라 실행 시간까지 절약해주므로 경제적 가치가 더 크지만, 지시받은 일만 한다는 한계가 여전히 존재.
• 레벨 3, 자율 에이전트: 사용자가 할 일을 일일이 지시하지 않고 목표와 길이·소요시간·내용·다룰 포인트 같은 산출물 조건만 제시하면, 에이전트가 스스로 작업하고 검증하고 완성품을 제출. 이는 과제 수준의 노동 대체이며 보조가 아니라 대체라고 클로드가 스스로 규정.
  • 클로드에 따르면 AI는 2023년에는 레벨 1, 2024년에는 레벨 2였고, 지금은 레벨 3에 도달했다는 진단.
• 레벨 2와 3 사이의 경제적 단절: 두 단계의 차이가 언뜻 미묘해 보이지만 실제로는 AI가 생산성 도구인지 아니면 노동 대체재인지를 가르는 결정적 차이이며, 500억 달러 규모 시장과 수조 달러 규모 시장을 가르는 차이라고 클로드가 표현.
  • 이 구분은 앞 절의 프롬프트 병목 논의와 대비된다. 레벨 1-2까지는 세밀한 프롬프트가 상한선을 결정했지만, 레벨 3에서는 목표 제시만으로도 충분해진다는 질적 전환을 의미.
• 자율성이라는 새로운 요소: 막스는 AI를 다른 기술 혁신과 구분 짓는 가장 중요한 요소가 자율적으로 행동하는 능력이라고 짚으며, 이는 과거 어떤 기술 발전에서도 다뤄본 적 없는 특성이라고 강조.
  • 시사점: 이 특성이 뒤에 나오는 "노동을 절약하는 장치였던 과거 혁신들과 AI는 종류 자체가 다르다"는 결론의 토대가 됨.

2026년 2월 5일의 전환점 - 자기개선하는 AI

매트 슈머의 관찰과 코딩 현장의 체감 변화

• 동시 출시라는 사건: 2026년 2월 5일, 오픈AI의 GPT-5.3 코덱스와 앤트로픽의 오퍼스 4.6이 같은 날 출시되었고, 이를 계기로 무언가가 뚜렷하게 달라졌다고 오더사이드AI CEO 매트 슈머의 블로그 글을 인용해 소개.
  • 이 블로그 글은 한 달도 안 되어 5천만 명 이상이 읽었다고 언급하며, 그만큼 AI의 최근 도약을 상징적으로 포착한 글이라고 평가.
  • 슈머는 이 변화가 스위치를 켜듯 순간적인 게 아니라, 물이 서서히 차올라 어느새 가슴까지 차 있음을 문득 깨닫는 것에 가까웠다는 비유로 표현했다는 점도 막스가 그대로 인용.
• 개발자 업무 방식의 변화: 슈머는 더 이상 자신의 실제 기술 업무에 필요하지 않게 되었다고 서술. 원하는 것을 평이한 언어로 설명하면 그대로 결과물이 나오고, 몇 달 전까지는 AI와 주고받으며 수정하던 방식이었지만 이제는 결과만 설명하고 자리를 뜬다고 묘사.
  • 앱을 만들어 달라고 하면 사용자 흐름과 디자인까지 AI가 스스로 정하고, 수만 줄의 코드를 작성한 뒤, 스스로 앱을 열어 버튼을 클릭하고 기능을 테스트하며 마음에 들지 않으면 스스로 고치는 과정을 반복하다가 자신의 기준에 부합할 때에야 사용자에게 테스트를 요청한다는 사례를 소개.
  • 시사점: 이는 앞서 정의한 레벨 3 자율 에이전트가 실제 현장에서 구현된 사례로, 개념 설명이 아니라 체감 증거로 제시됨.
• 판단력의 등장: 슈머는 GPT-5.3 코덱스가 단순히 지시를 실행하는 데 그치지 않고, AI에게는 결코 없을 것이라 여겨졌던 판단력, 취향과 비슷한 무언가를 처음으로 보여줬다고 서술.
• 구체적인 발전 연표: 2022년에는 7곱하기 8을 54라고 답할 정도로 기초 산수도 못했던 AI가, 2023년에는 변호사 시험을 통과했고, 2024년에는 작동하는 소프트웨어를 작성하고 대학원 수준의 과학을 설명했으며, 2025년 말에는 세계 최고 수준 엔지니어들이 코딩 업무 대부분을 AI에 넘겼다고 말할 정도가 되었다는 흐름을 제시.
  • 이 흐름의 정점으로 2026년 2월 5일 새 모델들이 그 이전을 완전히 다른 시대처럼 느끼게 만들었다고 결론.

AI가 AI를 만드는 단계로

• 오픈AI의 공식 인정: GPT-5.3 코덱스 기술 문서에 자사 최초로 스스로를 만드는 데 결정적 역할을 한 모델이며, 코덱스 팀이 초기 버전을 이용해 자체 훈련을 디버깅하고 배포를 관리하고 테스트 결과와 평가를 진단했다고 명시했다는 점을 그대로 소개.
  • 이는 미래의 가능성에 대한 예측이 아니라 방금 출시된 AI가 실제로 자기 자신을 만드는 데 쓰였다는 현재형 사실이라는 점을 막스가 강조.
  • AI를 더 낫게 만드는 핵심 요인 중 하나가 AI 개발에 지능을 적용하는 것인데, 이제 AI 자체가 자신의 개선에 의미 있게 기여할 만큼 똑똑해졌다는 것.
• 다리오 아모데이의 전망: 앤트로픽 CEO 다리오 아모데이는 AI가 자사 코드의 상당 부분을 작성하고 있다고 말했고, 현재 세대 AI와 다음 세대 AI 사이의 피드백 루프가 달마다 힘을 얻어가고 있다고 언급.
  • 현 세대 AI가 자율적으로 다음 세대를 만드는 시점까지 1-2년밖에 남지 않았을 수 있다고 전망했다는 점을 인용.
• 다른 혁신과의 질적 차이: 막스는 AI가 발전 속도와 능력의 크기뿐 아니라 종류 자체에서도 이전 혁신과 다르다고 정리. 철도, 컴퓨터, 자동화, 인터넷은 기본적으로 이미 수행되던 작업을 더 효율적으로 하게 해주는 노동절약 장치였지만, AI는 사람이 상상조차 못 했던 작업, 심지어 AI 스스로 구상해낸 작업까지 맡을 것이라고 예상.
  • 시사점: 이 판단이 뒤이어 나오는 투자 함의와 일자리 논의 양쪽 모두의 전제가 됨. 자율성과 자기개선이라는 요소가 없다면 다음 두 절의 논의는 성립하지 않는다는 연결고리.

AI의 한계와 미해결 질문들

신뢰성과 인식론적 한계

• 전례 없는 문제에 대한 취약성: 클로드 스스로 훈련 데이터에 참고할 패턴이 없는 진짜 전례 없는 상황을 AI가 다룰 수 있는지는 실제로 미해결이라고 인정. 역사적 데이터가 풍부한 영역에서는 성과가 뛰어나지만, 인간의 직관이 가장 값진 바로 그 지점, 즉 진짜 새로운 상황에서는 상대적으로 약하다고 스스로 밝힘.
  • 이 격차가 얼마나 크고 줄어들고 있는지는 정당하게 논쟁할 만한 문제라는 유보를 클로드가 직접 덧붙임.
  • 막스는 이 점을 자신이 오래전부터 느껴온 바와 일치한다며 반가워함.
• 자신의 무지를 모르는 문제: AI가 자신이 답을 모른다는 사실을 항상 인지하는 것은 아니며, 오답 가능성을 알리기보다 최선의 답을 내놓으려는 동기가 강하다고 설명. 이는 고집이나 자만이 아니라, 답을 안다고 스스로 믿게 만드는 "환각" 현상 때문이라고 정리.
• 완전무결하지 않은 신뢰성: 신뢰성이 크게 개선되었지만 여전히 오류에서 완전히 자유롭지 않다는 점을 명시.
• 작업 기억의 한계, 맥락 창: 특정 시점에 AI가 작업 기억으로 담아둘 수 있는 정보량을 맥락 창이라 부르며, 여기에는 한계가 있다고 설명. 현재로서는 작업 지식을 무한정 유지할 수 없다는 것.
• 과도한 신뢰의 위험: AI의 뛰어난 능력이 오히려 과도한 신뢰를 낳을 수 있다고 경고하며, 클로드 화면 하단에 매번 뜨는 "실수할 수 있으니 답변을 다시 확인하라"는 문구를 직접 예로 듦.

컴퓨터 유추와 HAL 9000이라는 경고

• 60년 전 컴퓨터 인식과의 비교: 막스는 60년 전 컴퓨터를 처음 배웠을 때, 데이터를 읽고 기억하고 더하고 빼고 비교하는 정도의 매우 제한된 능력만 있다고 결론 내렸었지만, 그마저도 빠르고 정확하게 대량으로 처리했기에 대부분의 사람보다 나은 수준이었다고 회고.
  • AI 역시 모든 것을 기억하거나 오류 없이 작동하거나 자신의 무지를 매번 인지하거나 배운 적 없는 문제를 풀 수는 없지만, 그럼에도 대부분의 사람보다 훨씬 나은 성과를 낼 수 있다는 결론.
  • 시사점: 이 유추는 한계 목록이 곧 AI를 과소평가할 근거는 아니라는 점을 짚는다.
• HAL 9000이라는 오래된 질문: 마지막으로 막스는 AI가 완전히 자율적으로 작동해 우리의 도구를 넘어설 수 있을지를 스탠리 큐브릭의 영화 '2001 스페이스 오디세이'를 빌려 제기. 1969년 아내 낸시와 함께 처음 데이트하며 봤던 영화가 당시엔 대단히 미래적으로 느껴졌지만 이제 그 미래가 도래했다고 언급.
  • 목성 탐사선을 관리하는 컴퓨터 HAL 9000이 인간 승무원 데이브가 자신을 정지시키려 한다는 것을 알아채고 반란을 일으키는 설정을 소개. 막스는 HAL이라는 이름 자체가 알파벳에서 IBM 세 글자를 각각 한 칸씩 앞당긴 절묘한 언어유희로 널리 받아들여진다는 점도 곁들임.
  • AI가 스스로 동기를 발전시키고 지시를 거부하고 독자적으로 행동 방침을 정할 수 있게 될지, 그리고 그렇게 된다면 인간이 통제권을 되찾을 수 있을지를 열린 질문으로 남김.
  • 이 물음은 답을 내리지 않고 다음 절인 투자 함의로 넘어가는 전환점 역할을 함.

투자에 대한 함의

AI가 투자자로서 갖는 강점과 약점

• AI로부터 자주 받는 질문: 막스는 일자리나 회사가 위협받을까 걱정하는 사람들에게서 AI가 투자업에 미칠 영향에 대한 질문을 많이 받는다고 언급.
• 투자업계가 신호를 놓친 사례: 앤트로픽의 코딩 모델 사업은 1-2년째 빠르게 성장해왔는데도, 2월 3일 다수 소프트웨어 주식이 약 7퍼센트 하락하며 본격적인 조정이 시작되기 전까지 투자자들이 그 잠재적 충격을 왜 미리 인식하고 가격에 반영하지 못했는지를 지적.
  • 이는 인지 부조화, 앵커링 편향, 지능의 한계 같은 요인으로 인해 인간이 새 정보를 사고에 반영하는 데 반복적으로 실패한다는 점을 보여주는 사례로 제시.
• AI가 투자자보다 유리한 지점: AI는 어떤 투자자보다 많은 데이터를 흡수하고 더 잘 기억하며, 성공에 앞서 나타났던 과거 패턴을 인식하는 데 더 뛰어날 수 있다고 진단. 두려움이나 탐욕을 느끼지 않아야 하며, 훈련 데이터에서 그런 성향을 학습하지 않는 한 낙관·비관 편향이나 앵커링, 최근 정보 과대평가 성향에서도 자유로울 가능성이 크다고 설명.
  • 다른 이들을 흥분시키는 유행에 휩쓸리지 않고 남들이 좇는 흐름에서 소외될 것을 두려워하지도 않는다는 점에서, AI가 좋은 투자자에게 필요한 자질을 상당 부분 갖췄다고 평가.
• AI가 결여한 것들: 훌륭한 투자자는 빠르고 감정 없는 데이터 처리자 이상의 존재라는 점을 강조. 클로드 스스로 인정한 AI의 약점, 즉 신뢰할 만한 패턴이 축적되지 않은 새로운 상황에 대응하는 능력이 바로 훌륭한 투자자가 강해야 할 지점이라는 점을 짚음.
  • 정성적 요인에 대한 주관적 판단과 취향, 안목을 발휘해야 하는 결정도 필요하다며, 오크트리의 성공에 중요했던 적절한 거래상대방 선택 같은 일을 AI가 어떻게 판단할 것인지 의문을 제기.
  • AI에는 실제 이해관계, 즉 살이 걸린 결정이 없다는 점도 지적. 집중된 포지션의 무게나 원금 손실에 대한 두려움을 느끼지 않으므로, 위험을 감수하려는 태도가 인간의 통상적인 위험 회피에 의해 제약받지 않을 수 있다는 우려.
  • 최고의 투자자들은 잠재적 위험을 직관적으로 감지하며, 이것이 그들 성공에 크게 기여한다는 점을 재확인.

손쉬운 정보의 가치 소멸과 인간이 남을 자리

• '가치 있는 무언가' 메모와의 연결: 2021년 1월 팬데믹 기간 아들 앤드류와 함께 지내며 쓴 메모 '가치 있는 무언가'를 소환. 당시 앤드류가 지적했던, 현재 시점에 대해 손쉽게 구할 수 있는 정량 정보는 모두가 갖고 있기 때문에 그것만으로는 초과 수익의 열쇠가 될 수 없다는 관찰을 다시 꺼냄.
  • 이제는 모두가 그 정보를 갖고 있다는 사실에 더해, AI가 그것을 처리하는 데 대부분의 사람보다 더 뛰어날 수 있다는 사실까지 겹쳐지므로, 그런 정보를 이용해 시장을 이길 가능성은 매우 제한적이라는 결론.
• 초과 수익이 남을 자리: 손쉬운 정량 정보가 답이 아니라면, 투자에서 우위는 그 정보의 의미와 함의를 올바르게 판단하는 일, 경영진의 역량이나 제품 혁신 같은 정성적 요소를 평가하는 일, 기업의 미래를 가늠하는 일에서 나와야 한다고 정리.
  • 이런 비정량적 과업에서 남달리 뛰어난 사람은 정의상 소수, 즉 예외적인 통찰력을 가진 소수뿐이라는 점을 지적.
  • 인덱스화가 가치를 더하지 못하던 액티브 투자자들의 자리를 없앴듯이, AI는 그 기준을 한층 더 높여 자신보다 (a)(b)(c) 과업을 못하는 사람들을 밀어낼 것이라는 전망.
• 하버드 역학자 립시치의 세 가지 판단 재료: 팬데믹 초기 메모에서 인용했던 하버드 역학자 마크 립시치의 틀, 즉 인간은 사실, 과거 경험에 대한 유추에서 나온 정보된 외삽, 그리고 의견이나 추측이라는 세 가지 재료로 결정을 내린다는 틀을 다시 꺼냄.
  • 새롭고 시도되지 않은 제품이나 경영진, 산업을 다룰 때는 사실이나 유사한 경험이 거의 없어 의견이나 추측에 의존할 수밖에 없다는 점을 짚음.
  • AI가 전례 없는 상황을 다루는 데 한계가 있다는 앞선 논의를 고려할 때, 과거 패턴을 외삽하는 것을 넘어 새로운 것에 대해 추측하는 능력에서 AI가 모든 인간보다 일관되게 뛰어날 것인지 의문을 제기.
  • 막스는 AI가 이 영역에서 흠잡을 데 없이 잘할 것이라 생각하지 않으므로, AI보다 뛰어난 인간 투자자가 계속 존재할 것이라고 결론.
• AI 가설의 검증 필요성: 투자 과정의 상당 부분이 결국 추측으로 귀결되고 AI의 신뢰성도 완전하지 않기 때문에, AI가 완벽무결한 투자자가 되기는 어렵다고 판단. AI는 잘 다듬어진 가설을 내놓겠지만, 인간의 결정과 마찬가지로 항상 옳지는 않을 것이라는 전망.
  • 투자자들이 AI의 가설에 따라 행동하기 전에 그 타당성을 검증해야 하며, 이를 완벽하게 해낼 수 있는 사람은 없고 대부분의 사람은 AI보다 이 판단을 더 잘하지 못하겠지만, 그럼에도 뛰어난 투자자가 여기서 가치를 더할 여지는 남아 있다고 정리.

버블인가 - 다섯 가지 질문으로 다시 점검

기술과 수요, 그리고 인프라 투자의 지혜

• 다섯 가지 하위 질문의 설계: 버블 여부라는 질문 자체가 다면적이고 복잡하다며, 기술이 유행이나 환상에 불과한지, 응용이 아직 먼 미래의 꿈인지, 인프라를 짓는 사람들이 현명하게 행동하고 있는지, 인프라 투자가 적절한 수익을 낼지, AI 기업들의 밸류에이션이 비합리적인지라는 다섯 갈래로 쪼개어 각각 답함.
• 기술의 실재성: 막스는 확신을 갖고 이것이 매우 실재하는 것이며 비즈니스 세계와 삶의 많은 부분을 크게 바꿀 잠재력이 있다고 답함.
• 응용의 현재성: 기술은 이미 수요가 있고 대규모로 적용되고 있다는 점이 분명하다며, AI가 아직 무형적이고 잘 이해되지 않기 때문에 그 잠재력이 과장되기보다 과소평가될 가능성이 더 크다고 재확인.
• 인프라 건설의 지혜: 12월 메모에서 지적했던 것처럼, 대규모 기술 혁신 사례마다 인프라를 서둘러 짓는 과정에서 채택이 크게 가속화되는 동시에 상당한 자본이 잘못 투자되어 사라졌다며, 이번이 다를 것이라 가정할 이유가 없다고 재확인.
• 투자수익의 적정성: AI 사업의 잠재력이나 수익성에 미칠 영향을 온전히 알지 못하므로 이 질문에는 답할 수 없다며, 12월 메모에서도 언급했듯 AI 사업에 대한 열기는 분명하지만 그 열기가 정당했는지는 10년 뒤에야 알 수 있을 것이라고 미룸.
• 밸류에이션의 합리성: AI가 사업의 중요한 한 부분인 하이퍼스케일러들은 과대평가되었거나 저평가되었을 수 있지만, 마이크로소프트·아마존·구글처럼 막대한 이익을 내는 기업들의 현재 가격이 훗날 파멸적으로 과도했던 것으로 판명될 가능성은 낮다고 평가.
  • 오픈AI나 앤트로픽 같은 순수 AI 기업은 아직 상장하지 않았기에 상장 시 밸류에이션을 지켜봐야 한다고 언급.
  • 전략조차 아직 설명하지 못하거나 제품을 발표하지 못한 스타트업에 매겨지는 수십억 달러 밸류에이션은 복권에 가깝다며, 대부분의 복권 참가자는 결국 휴지조각을 손에 쥐지만 소수 당첨자는 큰 부를 얻는다는 비유를 사용.

순환매출과 추론 자본지출, 그리고 결론

• 훈련 자본지출과 추론 자본지출의 구분: 최근에는 훈련 자본지출보다 추론 자본지출이 더 많이 투입되고 있다는 점을 중요하게 짚음. 훈련 자본지출은 수요가 오기를 바라며 AI 모델을 만드는 투기적 성격이었던 반면, 추론 자본지출은 실제 존재하는 AI 용량 수요에 대응해 이루어지는 지출이라는 차이.
  • 이 수요는 이미 막대한 매출 성장으로 이어지고 있어 자본지출을 정당화하고 있다는 점을 인정.
• 클로드 논증의 한계: 현재 AI 수요가 공급을 초과하므로 인프라 건설이 과도하지 않다는 클로드의 핵심 논거를 소개하면서도, 이는 앞으로 파이프라인에 예정된 모든 인프라 건설까지 감안한 것은 아니라고 지적.
  • 순수하게 논리적으로 보더라도, 이 답이 앞으로 수요 성장이 둔화되거나 인프라 건설이 수요를 앞질러 갈 가능성을 배제하지는 못한다고 반박.
• 순환매출 문제의 재확인: 12월 메모에서 언급했던 것처럼 현재 AI 매출 일부가 AI 기업들이 서로 사고파는 데서 발생하는 순환적 성격을 지닌다는 점을 재차 지적. 매출 사슬은 결국 최종 사용자가 실제 경제적 가치에 대해 지불하는 데 뿌리를 두어야 하며, 그 비중이 점점 커지고 있는 것은 사실이지만 순환매출이 얼마나 되는지는 여전히 열린 질문으로 남는다고 정리.
• 클로드가 다루지 않은 질문: 클로드의 튜토리얼이 버블 관련 논의에서 다룬 것은 대부분 앞의 두 질문, 즉 기술이 진짜이고 실제로 빠르게 성장하는 수요가 있으니 버블이 아니라는 취지였다며, 클로드조차 AI 자산 가격의 적정성에 대해서는 한마디도 하지 않았다는 점을 스스로 인정했다고 지적.
• 막스의 최종 결론: AI는 매우 실재하고, 지금까지 지식노동자가 해온 많은 일을 대신할 수 있으며, 응용 측면에서 극도로 빠르게 성장하고 있다는 것이 결론. 지금 보이는 것은 시작에 불과하며, 앞서 밝혔듯 그 잠재력은 과대평가보다 과소평가될 가능성이 더 크다는 추측을 재확인.
  • 그러나 이것이 AI 관련 투자가 저렴하거나 심지어 적정 가격이라는 뜻은 아니라고 선을 그으며, 12월 메모의 조언, 즉 이것이 버블인지 누구도 확답할 수 없으니 상황이 나빠질 경우 파멸적 손실을 감수할 각오 없이 전부를 걸어서는 안 되지만, 동시에 위대한 기술적 도약을 놓칠 위험을 감수하며 완전히 발을 빼서도 안 된다는 조언, 즉 선별력과 신중함을 갖춘 중도적 포지션이 최선이라는 결론을 그대로 유지한다고 마무리.

추신 - 일자리와 사회에 대한 우려

대체될 일자리의 구체적 사례

• 12월 메모와의 연속성: 12월 메모에서 버블 논의를 마친 뒤 실업과 삶의 목적 상실이라는 사회적 함의에 대해 덧붙였던 추신을 상기시키며, 이번에는 클로드를 포함해 다른 사람들에게서 들은 내용을 공유한다고 밝힘.
• 독자들의 공감: 많은 독자가 같은 우려를 표했으며, AI가 대체할 '사고' 업무와 AI가 통제하는 기계가 대체할 '수행' 업무를 합쳐 대체할 만큼 충분한 새 일자리가 어디서 나올지 예측할 수 없다고 함께 우려한다는 점을 전함.
• 광고 카피 부서 사례: 며느리 친구가 이커머스 회사에서 광고 카피를 쓰는 부서를 이끌고 있는데, AI가 자기 인력의 80퍼센트를 대체할 수 있다고 말했다는 구체적 사례를 소개.
• 소프트웨어 인력 사례: 클로드에게 소프트웨어를 작성하라고 지시하는 데 지금까지 소프트웨어를 직접 작성해온 만큼의 인원이 필요하지는 않을 것이라고 예상.
• 운전 관련 일자리: 운전이 미국에서 상위권 직업 중 하나라며 택시·리무진, 버스, 트럭 운전을 언급. 무인차량 웨이모가 이미 샌프란시스코 택시 운행의 대략 5분의 1을 담당하고 있고 로스앤젤레스에서도 자주 목격된다며, 무인화되는 차량을 몰던 사람들이 어디서 일자리를 찾을지 물음.

노동절약과 노동대체의 스펙트럼, 그리고 낙관론에 대한 반박

• 클로드가 정리한 노동 가치 이전 규모: 분석가 업무를 20퍼센트 빠르게 해주는 도구는 그 분석가 연봉의 20퍼센트 정도 가치를 지니지만, 분석가의 업무 전체를 특정 과업 범주에서 처음부터 끝까지 대신하는 도구는 그 과업에 대한 분석가의 전체 보수만큼 가치를 지닌다는 논리를 인용.
  • 법무 보조, 금융 분석가, 경영 컨설턴트, 소프트웨어 엔지니어, 컴플라이언스 담당자, 보험 손해사정인처럼 구조화된 분석 업무를 하는 모든 지식노동자에 이 논리를 곱하면, 연간 수조 달러 규모 노동시장의 상당한 몫이 걸려 있다는 계산.
• 말 대 자동차 비유: 클로드는 막스가 12월 메모에서 AI를 노동절약 장치라고 표현한 것이 방향은 정확했지만 규모는 보수적이었다고 짚으며, 노동절약 장치도 스펙트럼 위에 있다는 비유를 제시. 더 빠른 말은 노동절약 장치지만, 자동차는 경제 전체를 재구조화하는 노동대체 기술이라는 것.
  • 레벨 1과 레벨 2 AI가 기존 노동자를 더 효율적으로 만드는 더 빠른 말이었다면, 레벨 3 에이전트는 자동차에 해당하며, 일을 더 빠르게 해주는 것이 아니라 일 자체를 대신 해낸다는 결론.
  • 소프트웨어 분야에서 코딩 AI가 구조화된 패턴 기반 업무의 30-50퍼센트만 처리하더라도(이것도 근시일 내 능력으로는 보수적인 추정이라며) 연간 1,500억-2,500억 달러 규모의 노동 가치가 AI 컴퓨팅으로 이전된다는 계산을 제시.
• 속도가 문제를 증폭시킨다: 앞서 다룬 AI의 유례없는 확산 속도가 이 사회적 함의를 한층 더 키운다는 점을 재확인. AI는 사람들을 빠르게 실직시킬 수 있지만 그들이 새로운 경력을 찾고 훈련받는 데는 여러 해가 걸릴 것이라고 우려.
  • 선진국 제조업 일자리에 타격을 준 아웃소싱에 빗대면서도, 이번에는 더 많은 일자리에 더 빠르게 영향을 미칠 것이라고 전망하며, 변화 속도가 사회의 적응 능력을 크게 앞지를 것이라는 우려를 밝힘.
• 낙관론자들의 반박과 막스의 재반박: 주로 기술업계 인사들로부터, 200년 전 농업 기계화, 100년 전 산업혁명의 공장 자동화, 25년 전 인터넷으로의 리서치 이관 등 모든 기술 혁신이 광범위한 실업을 예고했지만 매번 새 일자리가 생겨 고용이 끊기지 않았다는 낙관적 견해를 들었다고 소개.
  • 막스는 이 역사에서 유추하려는 경향 자체는 비합리적이지 않다고 인정하면서도, 무언가가 일어나지 않을 것이라는 점을 증명하는 것은 애초에 불가능하다고 지적.
  • 자신은 새로 생겨날 일자리를 상상할 만큼 미래학자도 아니고, 그것이 실제로 생겨날 것이라 믿을 만큼 낙관론자도 아니라고 밝히면서도, 이것이 새 일자리가 생기지 않을 것이라는 의미는 아니라고 균형을 잡음.
  • 일부 낙관론자들이 사람들이 더 이상 일할 필요가 없어질 것이라는 소식을 "좋은 소식"으로 전하는 데 대해서는, 그것이 사회에 좋을 것이라고는 도저히 상상할 수 없다고 잘라 말함.
  • 마지막으로 한 지인이 비관론자로서 옳기보다 낙관론자로서 틀리는 편을 택하겠다고 말했다는 일화를 전하며 자신도 같은 마음이라고 덧붙이고, 자신의 걱정이 근거 없기를 바랄 뿐이라는 말로 메모를 맺음.
• 속도 테마로의 회귀: 막스는 지금은 여기까지가 덧붙일 내용의 전부라며, 지금과 같은 변화 속도라면 조만간 더 보탤 이야기가 생길 것 같다는 말로 메모 전체를 마무리해, 서두에서 강조했던 AI의 유례없는 속도라는 주제로 되돌아가며 글을 맺음.

투자자 관점 시사점

• 손쉬운 정보 기반 전략의 가치 소멸을 재점검: AI가 정량 데이터 처리에서 대부분의 애널리스트보다 우월해질 수 있다는 이 메모의 진단은, 리서치 프로세스 중 어느 부분이 손쉬운 정보 처리이고 어느 부분이 정성적 판단인지 스스로 분리해보는 계기로 삼을 만하다.
  • 근거: 막스가 인용한 2021년 '가치 있는 무언가' 메모의 논리, 즉 모두가 갖는 정보로는 초과 수익을 낼 수 없다는 원칙이 AI 시대에는 한층 강해진다는 논증.
• AI 관련 밸류에이션은 층위별로 다르게 봐야 한다: 하이퍼스케일러, 아직 상장하지 않은 순수 AI 기업, 전략도 없는 초기 스타트업이라는 세 층위를 이 메모가 명확히 구분했으므로, 포지션 사이징도 이 구분에 맞춰 층위별로 달리 판단할 필요가 있다.
  • 근거: 막스는 대형 수익 기업의 현재 가격이 훗날 파멸적으로 과도했다고 판명될 가능성은 낮다고 본 반면, 초기 스타트업 밸류에이션은 복권에 가깝다고 명시적으로 구분했다.
• 순환매출 비중을 개별적으로 추적할 필요: 이 메모가 순환매출 문제를 여전히 열린 질문으로 남겨두었으므로, 개별 AI 관련 기업의 매출 중 AI 기업 간 거래에서 오는 비중과 실제 최종 사용자 지불에서 오는 비중을 구분해 살펴보는 실사가 유효하다.
  • 근거: 막스 스스로 훈련 자본지출은 투기적이었고 추론 자본지출은 실수요에 대응한다고 구분하면서도, 매출 사슬 전체가 최종 사용자 지불에 뿌리내려야 한다는 조건을 명시했다.
• 중도적 포지션이라는 원칙적 결론을 유지: 이 메모는 12월 메모의 "전부 걸지도, 전부 빠지지도 말라"는 결론을 그대로 재확인했으므로, 새로운 정보(레벨 3 전환, 자기개선 AI)가 그 결론 자체보다는 결론에 도달하는 근거를 보강했다는 점으로 받아들이는 편이 합리적이다.
  • 근거: 막스는 AI의 잠재력이 과소평가되고 있을 가능성이 크다고 재확인하면서도, 그것이 AI 투자가 저렴하거나 적정 가격이라는 의미는 아니라고 별도로 선을 그었다.

기억할 발언

• 자기 자신을 만든 모델: 오픈AI가 GPT-5.3 코덱스 기술 문서에서 이 모델이 자사 훈련 디버깅과 배포, 평가 진단에 스스로 활용된 최초의 모델이라고 공식 인정했다는 대목. 막스는 이것이 미래 예측이 아니라 방금 벌어진 현재형 사실이라는 점을 강조한다 (원문: "instrumental in creating itself").
• 컴퓨터 시장을 다섯 대로 본 예측: 1945년 에니악 완성 무렵 IBM 창업자가 했다고 전해지는 발언으로, 세계 시장에 컴퓨터는 겨우 몇 대면 충분하다고 봤던 당대의 통념을 보여준다. 막스는 이를 오늘날 AI에 대한 과소평가 가능성과 대비시킨다 (원문: "a world market for maybe five computers").
• 개인용 컴퓨터를 부정한 창업자: 1977년 디지털이퀴프먼트 창업자 켄 올슨이 개인이 집에 컴퓨터를 둘 이유가 없다고 말했다는 일화로, 컴퓨터가 완전히 대중화되기까지 여전히 수십 년이 남아 있던 시절의 시각을 상징한다 (원문: "no reason for any individual to have a computer").
• 보조가 아니라 대체: 클로드가 레벨 3 자율 에이전트를 규정하며 쓴 표현으로, 과업 수준에서 인간 노동을 돕는 것이 아니라 그 자리를 대신 차지한다는 뜻을 짧게 요약한다 (원문: "Not assistance. Replacement.").
• 낙관론자로서 틀리기를 택하는 태도: 막스의 지인이 전한 말로, 비관론자로서 옳기보다 낙관론자로서 틀리는 편을 택하겠다는 태도를 가리킨다. 막스는 자신도 같은 마음이라고 덧붙이면서도 자기 걱정이 근거 없기를 바랄 뿐이라는 유보를 남긴다 (원문: "an optimist and wrong than a pessimist and right").