샘 알트만 인터뷰 상세 정리: OpenAI의 여정과 AI의 미래
OpenAI의 초기와 비전
- 샘 알트만은 해당 AI 행사에 3회 연속 참여. 현재 행사 장소가 OpenAI의 첫 번째 사무실이었다고 회상 (2016년 시작).
- 젠슨 황(NVIDIA CEO)이 첫 DGX-1 시스템을 이곳으로 직접 배송했었음.
- 2016년 당시 OpenAI는 약 14명의 연구실 형태로, 강력한 신념과 방향성은 있었지만 구체적인 실행 계획은 없었음. LLM이라는 아이디어조차 매우 초기 단계였고, 주로 비디오 게임을 플레이하는 수준의 연구를 진행.
연구에서 제품으로: ChatGPT까지의 여정
- 연구실에서 첫 소비자 제품(ChatGPT) 출시까지 약 6년 소요.
제품 개발 과정: API, DALL-E, 언어 모델 (GPT-1, 2, 3)
- 첫 번째 소비자 제품은 DALL-E, 첫 번째 제품은 API였음.
- 초기 연구 방향: 비디오 게임 플레이, 로봇 손 제어 등.
- 비지도 학습과 언어 모델에 대한 관심이 GPT-1, GPT-2로 이어짐.
- GPT-3 개발 당시: 기술적으로는 흥미로웠으나 구체적인 활용 방안을 찾지 못함. 동시에 GPT-4로 나아가기 위한 대규모 투자(수십억 달러 모델)의 필요성 절감.
- 순수 과학 실험만으로는 막대한 투자 유지가 어려워 사업화 방안 모색 시작.
API 비즈니스와 초기 관찰
- GPT-2는 모델 가중치 형태로 공개했으나 큰 반향은 없었음.
- YC(와이컴비네이터) 기업들의 사례에서 API 방식의 성공 가능성 관찰. 사용 편의성 증대가 큰 이점을 가져온다는 점에 주목.
- 2020년 6월경 GPT-3 API 출시. 대부분의 세상은 무관심했으나 실리콘밸리 스타트업 창업자들은 주목. (일부는 AGI로 인식)
- GPT-3 API 기반의 실질적인 사업 모델은 '카피라이팅 서비스'가 거의 유일했음.
API 플레이그라운드에서 ChatGPT로
- 중요한 관찰: GPT-3 API로 훌륭한 사업을 구축한 사례는 적었지만, 사람들은 플레이그라운드에서 GPT-3와 대화하는 것을 매우 좋아했음 (당시에는 채팅에 최적화되지 않았음에도 불구하고).
- 이러한 "킬러 유스케이스"(카피라이팅 외)가 결국 ChatGPT 개발로 이어짐.
- ChatGPT 3.5 출시 시점에는 API로 사업 구축 가능한 카테고리가 약 8개로 증가.
- "사람들은 그저 모델과 대화하고 싶어 한다"는 확신이 강해짐.
DALL-E와 ChatGPT 출시
- DALL-E는 괜찮은 성과를 거두고 있었지만, 파인튜닝 기술 발전에 따라 모델과 직접 대화할 수 있는 제품의 필요성을 느낌.
- 2022년 11월 30일 ChatGPT 출시. 현재 주간 활성 사용자 5억 명 이상.
대기업에서 제품 출시 속도를 유지하는 방법
- 지난 6개월간 많은 제품 출시. 제품 및 배송 속도 지속적 증가.
- 많은 대기업의 실수: 규모는 커지지만 더 많은 일을 하지 않고 동일한 양의 제품만 출시. 이는 조직의 경직화로 이어짐.
- 알트만의 신념: 모든 직원이 바쁘게 일하고, 팀은 작게 유지하며, 인력 규모에 비해 많은 일을 해야 함 (그렇지 않으면 비효율적인 회의와 갈등만 늘어남).
- 훌륭한 경영자는 바쁜 경영자. 연구원, 엔지니어, 제품 담당자들이 가치를 창출하며, 이들이 바쁘고 영향력 있게 일하도록 해야 함.
- 성장하려면 더 많은 일을 해야 함. OpenAI는 상대적으로 적은 인원이 막대한 책임을 지고 많은 일을 처리.
중요한 인터넷 플랫폼 구축: 개인화된 AI
- 현재 중요한 인터넷 플랫폼 중 하나를 구축할 기회를 맞이함.
- 다양한 서비스, 사용자의 일생, 모든 주요 및 소규모 카테고리에 걸쳐 사용될 개인화된 AI를 목표로 함. 이를 위해서는 많은 것을 구축해야 함.
지난 6개월간 가장 자랑스러운 출시작: 매우 우수한 모델
- 현재 모델들은 매우 우수하며, ChatGPT는 모델의 우수성 덕분에 매우 좋은 제품이 됨.
- 하나의 모델이 이렇게 많은 일을 잘 해낼 수 있다는 것에 놀라움을 느낌.
OpenAI의 비전: 핵심 AI 구독 서비스 및 플랫폼
- (OpenAI의 로드킬을 피하는 방법은?)
- OpenAI의 목표: 사람들의 "핵심 AI 구독 서비스"이자 사용 방식이 되는 것.
- ChatGPT 내부 기능.
- 구독 서비스의 다른 핵심 부분들.
- 더욱 스마트한 모델, 미래의 디바이스/OS와 유사한 인터페이스.
- 아직 플랫폼으로서의 정확한 API/SDK 형태는 미확정이나, 결국에는 만들 것 (몇 번의 시도 필요할 수도).
- 이를 통해 세상에 엄청난 부의 창출과 다른 이들의 플랫폼 기반 구축을 가능하게 하기를 희망.
OpenAI의 핵심 AI 구독 서비스와의 경쟁
- (핵심 AI 구독 서비스가 아닌 다른 모든 것을 해도 되는가?)
- "우리는 시도할 것이다. 만약 당신이 우리보다 더 나은 핵심 AI 구독 서비스를 만들 수 있다면, 그렇게 하라. 그것도 멋질 것이다."
야망의 규모와 유연한 전략 (마스터플랜 부재)
- (400억 달러 투자 유치, 3400억 달러 기업 가치 평가 루머)
- 야망: 훌륭한 모델을 만들고 좋은 제품을 출시하는 것. 그 이상의 마스터플랜은 없음.
- 복잡한 목표에서 역으로 계획을 세우는 방식은 잘 작동하지 않는다고 생각.
- 필요한 것: 막대한 AI 인프라(AI 팩토리 규모), 더 나은 모델, 훌륭한 소비자 제품 및 관련 요소.
- 세상의 변화에 맞춰 전술을 조정하는 유연성을 중시.
연구 로드맵에 대한 낙관론
- 내년에 출시할 제품은 아마 지금 생각하고 있지도 않을 것.
- 사람들이 정말 사랑하는 제품과 훌륭한 모델을 만들 수 있다는 확고한 자신감.
- 현재 연구 로드맵에 대해 그 어느 때보다 낙관적. (로드맵 내용: "정말 스마트한 모델")
전략 수립: 순방향적 접근
- 한두 단계씩 나아가는 방식을 선호.
- "세상 정복"과 같은 거창한 목표에서 역으로 계획을 세우는 사람들이 크게 성공하는 것을 본 적이 없다고 언급.
AI 도입에서의 대기업 대 스타트업 (창조적 파괴)
- (질문: 대기업들이 AI 전환에서 무엇을 잘못하고 있는가?)
- 모든 주요 기술 혁명마다 반복되는 현상이며 놀랍지 않음.
- 대기업의 고질적인 문제: 기존 방식에 대한 고착화.
- 정보 보안 협의회가 1년에 한 번 열리는 반면, 기술은 분기마다 급변. 이러한 경직성은 고통스러움.
- 이것이 창조적 파괴, 스타트업이 승리하는 이유, 산업이 발전하는 방식.
- 대기업의 AI 도입 속도에 실망스럽지만 놀랍지는 않음.
- 예측: 향후 몇 년간 대기업들은 저항하다가 결국 항복하고 뒤늦게 뛰어들겠지만, 이미 스타트업들이 기존 방식을 훨씬 앞질러 있을 것.
AI 도구 사용에서의 세대 차이
- 개인에게도 나타나는 현상. 20세와 35세의 ChatGPT 사용 방식은 믿을 수 없을 정도로 다름.
- 스마트폰 등장 초기와 유사: 아이들은 빠르게 적응했지만, 나이든 세대는 기본 기능 숙달에 수년이 걸림.
- AI 도구 사용에서의 세대 차이는 매우 크며, 기업의 모습은 이러한 현상의 한 증상.
젊은 세대의 흥미로운 AI 활용 사례 (OS, 인생 조언자)
- (질문: 젊은 세대의 놀라운 ChatGPT 활용 사례는?)
- ChatGPT를 마치 운영체제(OS)처럼 사용.
- 복잡한 설정, 파일 연결, 복잡한 프롬프트 암기/활용.
- 중요한 인생 결정을 내리기 전에 ChatGPT에 조언을 구함 (주변 인물, 과거 대화 등 모든 맥락 제공 - 메모리 기능이 핵심).
- 극단적인 단순화:
- 장년층: 구글 대체재.
- 20-30대: 인생 조언자.
- 대학생: 운영체제.
OpenAI 내부의 코딩 AI 활용
- (질문: OpenAI 내부에서는 어떻게 AI를 사용하는가?)
- AI가 OpenAI 코드의 상당 부분을 작성. (정확한 비율은 미지수. 코드 라인 수로 측정하는 것은 무의미)
- "실제로 중요한 부분", 즉 "의미 있는 코드"를 작성.
API의 미래: 통합된 개인 맞춤형 AI 경험
- (질문: 소비자 구독에 집중한다면 10년 후에도 API를 유지할 이유가 있는가?)
- 모든 것이 하나로 통합되기를 희망. OpenAI 계정으로 다른 서비스에 로그인. 다른 서비스가 ChatGPT UI를 인수할 수 있는 훌륭한 SDK 제공.
- 개인화된 AI(사용자를 알고, 정보를 가지며, 공유 선호도와 맥락을 이해하는)는 여러 곳에서 사용될 필요가 있음.
- 현재 API는 이러한 비전과 거리가 멀지만, 도달 가능하다고 믿음.
애플리케이션 계층 기업을 위한 플랫폼: 새로운 연합 프로토콜?
- (질문: 앱 계층 기업을 위한 플랫폼 지원이 우선순위가 될 것인가?)
- 그 중간 형태를 희망: 미래 인터넷을 위한 HTTP 수준의 새로운 프로토콜.
- 연합되고(federated), 더 작은 구성 요소로 분해됨. 에이전트들이 지속적으로 다양한 도구를 노출하고 사용. 인증, 결제, 데이터 전송 등이 모두 신뢰할 수 있는 수준으로 내장되어 모든 것이 서로 통신.
- 아직 구체적인 모습은 모르지만, 안개 속에서 드러나고 있으며, 몇 번의 반복을 통해 도달할 것으로 예상.
다중 모드 입력: 현실 이해도 향상을 위한 센서 데이터
- (질문: AI의 현실 이해도 향상을 위해 센서 데이터를 입력하는 것에 대한 생각은?)
- 사람들이 이미 많이 하고 있음 (센서 데이터를 API 호출 등으로 입력). 일부 사용 사례에서는 매우 잘 작동.
- 최신 모델들은 이 부분에서 좋은 성능을 보임 (과거 모델과 달리).
- 언젠가 더 명시적으로 기능에 포함할 가능성. 이미 많은 진전이 있음.
음성 인터페이스의 중요성과 미래 디바이스
- (질문: 음성의 중요성은? ChatGPT 제품에 어떻게 나타날 것인가?)
- 음성은 극도로 중요. 아직 충분히 좋은 음성 제품을 만들지 못했음 (텍스트 모델도 시간이 걸렸듯이).
- 결국에는 해결할 것이며, 그렇게 되면 많은 사람들이 음성 상호작용을 훨씬 더 많이 사용하기를 원할 것.
- 현재 음성 모드의 흥미로운 점: 터치 인터페이스 위의 새로운 스트림 (말하면서 동시에 폰 조작 가능).
- 음성 + GUI 상호작용에 아직 해결하지 못한 놀라운 가능성이 있다고 생각.
- 그전에 음성 자체를 매우 훌륭하게 만들 것이며, 진정으로 인간 수준의 음성이 가능해지면 완전히 새로운 종류의 디바이스를 가능하게 할 것.
OpenAI 미래의 핵심, 코딩 (세상을 움직이는 도구)
- (질문: 코딩은 단순한 수직적 응용 분야인가, 아니면 OpenAI 미래에 더 중심적인가?)
- 더 중심적. 모델이 세상을 움직이는 방식이 될 것.
- 현재는 텍스트/이미지 응답을 받지만, 앞으로는 전체 프로그램(맞춤형 렌더링 코드)을 받기를 원함.
- 모델이 세상에 영향을 미치도록 하는 데 코딩(API 호출 등)이 매우 중심적인 역할을 할 것.
- API/플랫폼을 통해 노출되겠지만, ChatGPT 자체도 코드 작성에 매우 뛰어나야 함.
어시스턴트에서 에이전트, 그리고 애플리케이션으로
- 매우 연속적으로 느껴질 것.
더 스마트한 모델을 위한 숨겨진 요소
- (질문: 데이터, 데이터센터, 트랜스포머 아키텍처, 테스트 시 컴퓨팅 외에 더 스마트한 모델을 위한 숨겨진 요소는?)
- 각각이 매우 어려움. 가장 큰 영향력은 여전히 중요한 알고리즘적 돌파구.
- 아마도 몇 번의 10배 또는 100배 향상 기회가 남아있을 것 (많지는 않지만 한두 번이라도 큰 의미).
- 주요 요소: 알고리즘, 데이터, 컴퓨팅.
머신러닝 팀 운영: 연구 자율성 대 하향식 지시 균형
- (질문: 똑똑한 연구원들의 자유로운 연구 추구와 하향식 지시 사이의 균형은 어떻게 맞추는가?)
- 일부 프로젝트는 조정이 필요하여 약간의 하향식 지휘가 필요하지만, 대부분의 경우 과도하게 사용하려 함.
- OpenAI 설립 시, 잘 운영되는 연구실의 모습을 이해하려 많은 시간을 투자 (과거 사례 연구, 조언자 대부분 작고).
- OpenAI가 반복적으로 혁신하고 다른 AI 연구실들이 모방하는 이유, 또는 특정 바이오 연구실의 성과 차이 등에 대한 질문을 많이 받음.
- OpenAI는 과거 성공적인 연구실들로부터 거리낌 없이 모방한 몇 가지 원칙을 고수해 왔으며, 이것이 효과가 있었다고 밝힘. 다른 방식을 택했던 곳들은 잘 되지 않았다고 언급.
인문학 및 사회과학 연구를 위한 AI
- (질문: 인문학/사회과학 분야의 오랜 질문들을 해결하기 위해 학술 연구자들과 협력할 계획이 있는가?)
- 이미 하고 있음. 사람들이 이 분야에서 놀라운 일들을 하고 있음. 학술 연구 프로그램, 맞춤형 작업 등을 통해 협력.
- 대부분의 경우 연구자들은 모델 접근(또는 기본 모델 접근)을 원하며, OpenAI는 이를 잘 지원.
- OpenAI의 인센티브 구조 자체가 모델을 최대한 스마트하고 저렴하며 널리 접근 가능하게 만드는 데 맞춰져 있어 학계와 전 세계에 매우 잘 부합.
- 일부 맞춤형 파트너십도 있지만, 연구자들이나 사용자들은 종종 전반적으로 일반 모델이 더 나아지기를 원함. 따라서 90%의 노력을 여기에 집중.
커스터마이제이션의 이상향: 초소형 추론 모델 + 조 단위 토큰 컨텍스트
- (질문: 커스터마이제이션 대 핵심 모델 개선에 대한 생각은?)
- 이상적인 상태: 개인의 전 생애 데이터가 담긴 조(trillion) 단위 토큰 컨텍스트를 가진 초소형 추론 모델.
- 모델은 재훈련되지 않고 가중치도 맞춤화되지 않지만, 전체 컨텍스트를 효율적으로 추론.
- 모든 대화, 읽은 모든 책, 모든 이메일, 본 모든 것, 다른 소스의 모든 데이터가 포함. 삶이 컨텍스트에 계속 추가됨.
- 현재는 도달 불가능. 그 외 모든 것은 이 이상향으로부터의 타협. 궁극적으로 이러한 방식으로 커스터마이제이션을 하기를 희망.
가치 창출 전망: 2025년(에이전트/코딩), 2026년(AI 과학 발견), 2027년(로보틱스)
- (질문: 향후 12개월간 대부분의 가치 창출은 어디에서 올 것인가?)
- 지속적으로 세 가지에서 비롯될 것: 더 많은 인프라 구축, 더 스마트한 모델, 사회 통합을 위한 기반 구축.
- 2025년: 에이전트가 작업을 수행하는 해. 특히 코딩이 지배적인 카테고리가 될 것.
- 2026년 (예상): AI가 새로운 것을 발견하는 해. AI가 대규모 과학적 발견을 하거나 인간을 지원. 지속 가능한 경제 성장의 대부분은 더 나은 과학적 지식에서 비롯됨.
- 2027년 (추측): 지적 영역에서 물리적 세계로 이동. 로봇이 호기심의 대상에서 심각한 경제적 가치 창출자로 전환. (즉흥적인 추측이라고 언급)
GPT-5는 우리보다 똑똑할까?
- (질문: GPT-5는 여기 있는 우리 모두보다 똑똑할 것인가?)
- 만약 당신이 GPT-3보다 훨씬 똑똑하다고 생각한다면, 아직 갈 길이 좀 남았을 수도. GPT-3는 이미 꽤 똑똑함.
창업가들을 위한 조언: 회복탄력성, 인내, 그리고 위기 후 후유증 관리
- (질문: OpenAI의 "작은 소동" 이후 창업가들에게 회복탄력성에 대한 조언은?)
- 시간이 지남에 따라 더 쉬워짐. 창업 여정에서 많은 역경에 직면할 것. 도전 과제는 더 어려워지고 위험 부담도 커지지만, 더 많은 나쁜 일을 겪을수록 감정적 부담은 줄어듦.
- 회복탄력성은 각 위기를 겪을 때마다 더 강해짐.
- 창업가로서 겪는 큰 도전에서 가장 힘든 부분은 문제 발생 순간 자체가 아님 (급성기에는 많은 지원과 아드레날린으로 기능 가능).
- 회사가 자금 부족으로 실패하는 등 매우 큰 문제 발생 시에도 많은 사람들이 지지해주고 다음 단계로 나아갈 수 있음.
- 자신의 심리를 관리하기 더 어려운 것은 "그 이후의 후유증(fallout after)".
- 위기 발생 순간에 대처하는 방법에 대한 논의는 많지만, 그 이후에 무너진 조각들을 다시 맞추는 방법에 대한 논의는 훨씬 적음.
- 위기 당일(Day 0~2)이 아닌, 위기 후 재건을 시도하는 60일차(Day 60)에 대처하는 방법을 연습하고 발전시킬 수 있는 영역이라고 생각.