Transcription
저도 깜짝깜짝 놀래요. 저게 된다고.
아, 이렇게까지 된다고. 근데 이런 것까지 다양한 영역에 AI가 능력치를 발휘할 수 있다라는 것을 보면서 정말 무궁무진하다. AI를 방금 말씀하신 검색 용도 즉 정답 자판기로 쓰는 분들은 지금 되게 잘 못 쓰고 계신 분들이에요.
그럼 어떻게 써야 되냐? AI를 우리가 이제 나의 일상의 혹은 업무상의 협업자로 생각을 하셔야 됩니다.
그럼 이게 또 조금 추상적일 수 있죠? 제가 구체적으로 말씀드려 볼게요.
안녕하세요. 부익남T의 부익남입니다. 오늘은 경희대학교 AI 비즈니스 MBA 학과 교수님이시죠. 김상용 교수님 모시고 최근에 AI 상황과 그리고 도대체 어떤 투자를 해야 되는지 이야기 한번 나눠 보도록 하겠습니다. 교수님 안녕하세요.
네, 안녕하세요.
아, 이게 AI 관련된 얘기를 또 이제 여쭤 보려고 하는데 항상 이게 AI가 몇 달 만에 막 엄청난 발전들을 하다 보니까 이게 정말이 과거 영상들이 막 무의미해지는 뭐 그런 정도로 정말 속도가 어마어마한 거 같아요.
지금 AI 발전 속도는 뭐 사실이 우리가 예상할 수 없을 정도죠. 네당을 이정 사실이라네소 a라고 하죠셜제너럴 인텔리전스라고 하는게 우리가 일상적인 판단이나 기업 업무 정도의 판단들은 AI가 우리보다 더 뛰어날 것이다. 이게 이제 업계 학계에서는 2030년대 대부분의 컨센서스가 이렇게 형성이 되어 있습니다. 그러면 이제 인간을 넘어서는 AI는 이제 기정 사실이 됐고 그다음이 뭐냐? 초인공지능 시대 얘기도 나오고 있거든요. 슈퍼 인텔리전스라고 해서 이때가 되면은 인간의 지시를 받지 않고도 AI가 스스로 문제를 인식하고 또 자가 발전을 하고 또 거기 필요한 다양한 데이터들을 수집하고 뭐 그런 과정에서 연구 개발이라든지 우리가 기초과학 분야에서도 AI 기여가 커질 것이다.
이게 이제 2040년대 정도 또 예측이 되고 있습니다.
근데 이 발전 속도가 과거 대비해서 봤을 때 과거에 예상했던 거보다 조금씩 빠르게 실행이 되고 있거든요. 지금 제가 말씀드린 이 숫자이 예측 기간도 더 짧아질 것이다. 뭐 이런 것들이 이제 상시되고 있죠. 네.
야 그러면은 어찌 보면 이제 사실상 이제 인류의 어 지식인들이 모여 가지고 무언가를 이제 장시간 연구하고 공부해 가지고 세상을 좀 바고 왔는데 이게 더 이상 이제 인간이 필요 없어도 그냥 알아서 사회가 발전하고 무언가가 만들어지는 그런 세상이 조만간 올 수도 있다. 이렇게 이해를 해야 되는 거.
그렇죠. 요즘 뭐 저도 그렇고요. 뭐 연구자뿐만이 아니라 이제 실제로 업무하시는 분들도 선어명의 인간 팀원끼리 하던 일들을 AI 몇 개 툴과 협업을 합니다. 근데 거기서 중요한 것은 인간이 각자 하던 역할들을 AI가 두 세 명의 역할을 대부분 해 버리니까 이제 우리 인간의 입장에서는 AI와 소통하고 AI를 어떻게 AI에게 지시하고 또 AI가 만들어져 준 결과물들을 우리가 원하는 방향을 어떻게 잘 끌고 갈지가 더 중요해지는 거죠. 네. 뭐 그런 과정에서 뭐 여러 분야에서 이 AI가 적용되는 과정에서 인간이 해결하지 못했던 난재들을 해결한다든지뭐 정말 복잡한 어떤 구조의 어떤 문제들을 풀어낸다든지 이런 사례들이 속속 등장하면서 모든 분야가 지금 AI에 큰 영향을 받고 있는 것이죠. 그러면 어찌 보면 그 이제 지식의 개념으로 접근한다면 이제 대학가부터 가장 큰 타격을 입을 것 같다는 생각도 좀 들거든요. 뭐 연구 능력 이런 것들이 조만간 이제 AI가 더 인류를 이제 뛰어넘는 수준의 지식인이 된다고 보면은
현재도 뭐 대학에서 뭐 AI 많이 쓴다 이런 얘기들 나오고 있는데 뭐 실제 상황은 어떻습니까?
네. 지금 뭐 이게 너도나도 AI를 쓰고 있는데 학교에 지금 AI 허용도가 사실 가장 뭐 노출도가 크죠. 왜냐면은 학생들 입장에서는 AI의 어떤 그 수용도가 상당히 클 수밖에 없고 세대가 이제 어른 젊은 세대들일수록 아이둘이 더 익숙하고 또 거기다가 학교에 이제 현장에서는 새로운 지식들을 탐구하는 어 목적들이 많다 보니까 이건 AIO 때 협업하는 것들이 상당히 유용하죠. 그러다 보니까 실제로 이제 사건 사고들도 많이 벌어집니다. 뭐 국내에서도 최근에 이슈가 되었었던 대학가의 뭐 AI 시험 활용해 가지고 이런 또 뭐 이런 문제가 있어 부정행위죠. 실제로 리포트를 AI를 가지고 써오는 학생들이 많아요. 근데 이런 어떤 상황들이 실제로 지금 이런 가이드라인이라든지 뭔가 윤리적인 문제라든지 혹은 이런 룰이라든지 이런 것들이 좀 합의가 이루어지지 않은 상태에서 뭐 각자의 자신 나름의 방식으로 AI를 써서 과업들을 해 나가는 것이 실제로 학교 현장에서 상당히 문제를 많이 만들고 있다라는 거예요. 지식을 탐구해야 되는 학생들이 AI에게 도움을 받는 것은 좋은데 이것의 본질적인 역할들을 AI가 뺏기고 있는 거죠. 네. 그럼 이제 목적들이 사라질 수가 있다는 거죠. 그런 측면에서 얼마 전에 워싱턴 포스트에서 발표한 보고 자료에 따르면은 고등학생이나 대학생들을 대상으로 설문 조사를 해봤더니 리포트를 제출해 온 학생들을 붙잡고이
리포트를 어떻게 작성했느냐? 대부분 다 AI를 가지고 작성을 했다는 거예요.이 리포트 내용을 말해 보라. 59%가 그 내용에 대해서 한 마디도 못 했다는 거.
아, 그래요? 절반 이상 결국은이 껍데기 지식을 만드는데 그럴듯한 지식들을 만들지만은 내가 이걸 소화하지 못한다. 이건 이제 대학 현장에서도 상당한 문제가 되고 있고 뭐 대학뿐만 아니라 초중고도 마찬가지죠.
음. 그러면은 이게 어찌 보면 되게 편하잖아요. 막 컨닝은 아니지만 컨닝과 뭐 비슷한 느낌으로 어쨌든 누가 알려주고 막 정리까지 해서 과제를 제출하게 해 준다면은 그 약간 유혹이 장난이 아닐 것 같은데 이런 것들을 이제 대학에서도 어쨌든 막아야 될 거 아닙니까? 뭐 어떻게 대응하고 있나요? 실제로 이제 학생들이 이런 것들을 써올 때 이제 문제는 교수들이 이걸 이제 눈치를 충분히 채면서도
이거를 명확하게 룰로서 다스릴 만한 방법이 없어요. 왜냐하면은 어 뭐 기본적으로 여러 지금 뭐 GPT나 AI 툴을 썼을 때 이걸 검증하고 탐재할 수 있는 툴들도 많이 시도가 되고 있거든요. 근데 이거 정확성이 상당히 떨어집니다. 뭐 예를 들어서 여기 보시면 뭐 GPT 킬러라든지 뭐 GPT 제로라든지 국내나 해외 툴들이 많이 나와 있어요. 근데 이들이 지금이 AI가 작성했는지를 탐지하는 방식이 어 AI의 그 무작기성이나 예측 불가능성을 측정하거나 혹은 문장 구조나 길이가 이렇게 인간이 쓴 형태와 AI 형태가 다른데이 글이 어떤 어 가정치를 둬야 되느냐 뭐 이런 것들로 판단을 하거든요. 근데 100% 정확도가 아니라는 거예요.
그럼 이걸 가지고이 학생이 AI로 써 왔다라는 것을 교수 입장에서 출론할 수 있지만은이
툴이 아무리 뭐 90%다 80% 이렇게 얘기를 해 줘도 이걸 가지고 학점을 깔 수가 없다라는 거예요. 학생들 입장에서는 이게 아무리 AI가 그렇게 얘기했다라고 해도 제가 실제로 제가 썼는데요. 이렇게 얘기할 수가 있고 AI 툴 자체가 100%의 정확도가 아니기 때문에 또 학생들 점수를 깔 수가 없죠. 그런 점에서 실제로 이제 학생들이 써오는 리포트나 뭐 보고서 내용들을 보면요. 이게 AI로 썼냐 안 썼냐를 판별할 수 있는 뭐 느낌적인 느낌이 있습니다. 첫 번째는 문장이 지나치기 완벽해요.
저는 이제 주로 공도생들을 대상으로 강의를 많이 해 왔다 보니까 이제 공대생들이 뭐 아니면 1학년 어 이제 2공개 학생들이 쓸 수 있는 글의 문장의 표현이라든지 단어 선택 수준이 있거든요. 그거보다 너무나 완벽한 단어를 보세요.이 분야를 너무나 다 아는 대가 같은 얘기를 합니다. 근데 그거를 이제 학생들이 각색을 해오면 좋은데 AI가 쓴 문장 그대로 제출을 하죠.
거기서 이제 먼저 한번 탈로가 나고요. 두 번째는 AI는 인간보다 조금 더 구조적 사고를 합니다. 그러다 보니까 기승 전결이라든지 뭐 도입 혹은 뭐 분석 결말이라든지 이런 단계가 아주 완벽하죠. 스토리텔링이 아주 구조화되어 있습니다. 인간 특히나 20대 학생들이 했을 만한 글 수준을 넘어선다라는 거예요. 거기도 눈치 한번도 쓸 수가 있어요. 또 하나는 이게 재밌는게 있는데요. AI가 좋아하는 표현이 있습니다.
음. 음. 20대 학생들이 주로 쓰지 않는 뭐예를 들면은 전반적으로 볼 때 앞서 제시한이 이론에 입각하면 지금까지 내용을 종합하자면 이런 표현 잘 안 쓰거든요. 접속 부사라고 하죠. 근데 요거를 AI는 앞뒤 흐름을 논리적으로 구조적으로 탄탄하게 보이기 위해서 이런 접속 부사를 상당히 많이 씁니다. 특히 보고서 작업을 할 때는요. 그래서 이런 표현들이 많이 들어가 있어요. 당연히 눈치를 또 쉴 수가 있죠. 그리고 또 하나 확실한 거는 학부생들이 잘 쓰지 않는 인용하는 형식이 있습니다. 우리가 이제 APA 스타일이라고 하 논문 쓸 때 출처할 때 저자, 날짜, 제목, 술처 이런 순서 쓰지 않습니까? 이거를 AI는 명확하게 그걸 달아 줘요. 제가 이제 학생들한테 뭐 이거 뭐 리포트 쓸 때 어디서 참고했는지 참고문 제대로 써 와라 이런 걸 이제 강조하니까 학생들이 그걸 이제 AI에게 요청을 하는 거예요. AI는요 API 인용 형식대로 그대로 정확하게 쏴 주죠. 그걸 그대로 붙여서 리포트에 제출 하는데 그게 학생들이 보통 제가 과거에 학생들의 리포트를 보면은 그런 것들이 막 순서가 뒤엉케 있고 막 엉망 진창으로 써져 있고 뭐 그래도 그거 참작을 해 주죠. 근데 요즘 AI가 너무나 정확하게 써주는데 그걸 그대로 너무나 완벽하게 글을 썼더라. 이런 점에서 충분히 눈치를 챌는 거기서 점수를 까기가 어렵다.
음. 그러면 이제 이런 상황이 만약 나쁘다고 볼 수도 없는게 어쨌든 AI가 지금 한 3년 정도밖에 안 됐는데이 정도 발전을 했다면 앞으로 3년 뒤에는 더 많이 발전을 할 것이고 앞으로 지금 컴퓨팅 시스템도 더 많이 지금 파워를 막 넣고 있는데 사실상 이제 인간이 무언가를 공부해서 잘해야 된다라는 거 자체가 이제 무의미해지는 거 아니냐. 그니까 소위 말하면 뭐 의사든 뭐 전문직이든 이런 것들이 의미가 있어는 것인가라는 그런 근본적인 질문도 생길 것 같은데 어떻게 보십니까?
네. 실제로 이런 뇌과학자들은 이렇게 얘기를 하죠. 10년 후, 20년 후가 되면은 인간의 뇌 크기가 줄어들 것이다.
네.이 아이가 그런 중요한 판단이나 사고 역할들을 대신하는 정도가 빈도가 커지기 때문에 인간이 그만큼 영향을 받을 것이라는 거죠. 그럼 교육도 바뀌어야겠죠. 우리가 이제 교육이라고 하는 것이 특히나 언어라는 걸 예를 들면은 영어를 왜 공부합니까? 외국인이랑 대화하려고 하잖아요. 소통하려고 하잖아요. 근데 우리나라에 지금까지 영업 교육이 문법 위주로 됐기 때문에 소통을 잘 못 한다. 뭐 이런 어떤 방법적인 문제들이 있긴 했지만 어쨌든 우리가 소통을 위한 목적이 있지 않았습니까? 근데 앞으로의 소통은 AI가 대부분 이런 외국어적인 문제들을 다 해결해 주는 거예요. 그러면은 우리가 언어를 왜 공부해야 되냐면은이 언어를 가지고 두뇌의 발달을 위한 거예요. 그러면은 공부의 내용도 바뀌어야 되고 여기서 목적도 바뀌어야 되죠. 거기 맞는 공부의 학습의 교육의 방식도 필요하죠. 뭐 이런 부분들이 저는 이제 AI를 학생들에게 써라 마라 뭐 이런 것들의 어떤 어떻게 보면 지업적이고 단편적인 문제가 아니라 교육 자체의 목적과 컨셉과이 설계 자체를 바꿔야 한다. 그런 점에서 요즘 많은 뭐 대학이나 교육에서 논의가 나오고 있는 것이 뭐 대표적으로 플립 러닝이라는 방법이 있습니다. 거꾸로 학습이라고 하는데 학생들이 테스트 받고 이제 시험이나 뭐 이런 어떤 뭐 리포트를 작성하거나 이런 것들을 오히려 교실에서 하고요. 그리고 공부는 집에서 하라는 거예요.
음. 우려 교수나 선생님보다 AI가 더 커스터해서이 학생들의 성취도나 이런 것들을 반영해서 너무나 더 잘 가르쳐 주니까 야 각자 집에서 알아서 해. AI 가지고 다만 선생님 인간의 역할은 네가 뭔가 AI랑 했을 때 뭔가 문제가 있거나 혹은 뭔가 이렇게 좀 해결해야 분들을 AS 해 줄게.
그리고 시험은 교실에서 보자. 네. 토론하거나 발표하거나 소통하거나 그 주장을 펼치거나 이게 플립이라든게 지금 상당히 이제 교육업계에서 주목받고 있고 지금 연구가 지금 진행이 되고요. 왜냐면 집에서 숙제해 오라 그러면 다 AI 돌리니까 반대로 이거 교실에서 하라 그러면 뭐 그렇게 못 하니까 공부를 해 오는 거죠.
그렇죠. 네. 그리고 이제 또 하나는 뭐 저도 이제 학생들한테 많이 어 이제이 방식을 쓰는게 뭐 프로젝트형이나 토론형 이런 리포트나 시험 방식들을 많이 선택을 합니다. 왜냐하면은 그냥 단순히 리포트 써오라고 하면은 AI를 안 쓰는 친구들이 어디 있겠어요? 근데 문제는 AI를 쓰는 거 자체가 문제가 아니라 AI를 좀 잘 쓰는 학생과 못 쓰는 학생간에 이게 이제 실제로 성취도는 뭐 같은데도 불구하고이 스킬적인 문제 때문에이 결과의 차이가 있을 수 있거든요.
그럼 거기에 학점을 부여하기가 어렵다라는 거죠. 그래서 아예 시험 테스트의 방식을 뭐 프로젝트형, 토론형 혹은 요즘 들어서는 프롬프트 자체를 디자인하는 과제를 줍니다. 그니까 AI한테 질문을 너 어떻게 했어? AI한테 AI와 어떻게 협업을 했어? AI가 만들어 준 결과물을 어떻게 네가 비판적으로 보완했어? 이런 과정들에 대해서 물어보는 거죠. 그래서 그런 부분들에 대해서 오히려 인간의 역을 부여하고 테스트하고 이것에 조금 더 가치를 부여하는 교육들이 필요하다.
그리고 조금 더 이제 선행으로 가면 초중고 학생들의 경우 많은 저한테도 질문을 주시는데 전 정말 정말 기본에 충실했다 백투 베이직이죠. 기본 소양 뭐 예를 들면은 문제를 발굴라는 능력. 뭐 엄마한테 내가 원하는 것을 명확히 설명할 수 있는 학생들이 AI에게도 잘 설명을 하겠죠. 거기다 논리적 사고를 하고 또 소통하고 그 소통이라고 하는 것이 인간과의 소통뿐만이 아니라 AI도 소통을 잘해야 되거든요. AI 리터러시라고 하죠. 이런 부분들 하나하나가 단순한 지금 이런 과목 공부에서만 나올 수 없는 기본 소양과 AI 시대 인간의 새로운 영향에 해당되는 기초에 대해 해당되는 부분이다. 그리고 초중고 교육은 정말 근본적인 변화가 앞으로 어 진행이 될 거 같습니다.
야, 근데 이제 항상 교육이라는게 가장 느리게 반응하는 곳이기도 한 거잖아요. 그러다 보니까 지금 같은 상황에서 뭐랄까 개인 입장에서는 상당히 그 알아서 각자 대응을 해야 되는 시기인 거 같은데 우선은 뭐 아주 단순하게 얘기해서 요즘 제일 엄마 아빠들이 보내고 싶은게 뭐 의대 보내서 뭐 의사 만든다 이런 건데 그 의사 이제 의미 없다 뭐 이런 얘기들도 계속 틀리고 뭐 전반적으로 전문직이라는게 고소득자의 영역 이거는 앞으로도 좀 살아남을 거야 아니면은
뭐 꽤 빠르게 이제 없어진다고 보세요.
꽤 빠르게 영향을 받고 있죠. 없어진다라고까지 말하기는 아직까지는 좀음 뭐 불확실하지만 꽤 빠르게 지금 영향을 받고 있다. 뭐 예를 들어 볼게요. 뭐 이사 같은 경우에 지금 인간의 정말 뭐 난치병 불지병을 치료하는 이런 어떤 메커니즘이나 혹은 뭐 치료제 연구 이런 쪽에 AI가 깊숙히 들어오고 있거든. 뭐 제약 산업도 마찬가지고요. 의료업께서도 예를 들면은 유방암 진단 같은 경우에 최근 들어 AI가 정확도가 99%까지 올라갔습니다. 이게 사전 진단 방식인데요. 유방암이 문제가 뭐냐면은 여러 암들 중에 치명적인 암은 아니잖아요. 근데 사전에 진단을 못 하기 때문에 문제였는데 인간의 지금까지의 우리 자료를 가지고 인간 의사가 분석했을 때는 사전 진단이 상당히 어려웠다라는 거예요. 정확도가 떨어지는 거죠. 근데 AI에게 학습을 시키고 이런 판단을 맡겼더니 뭐 최근에 98% 99%까지의 어 정확한 진단율을 보이는 AI들이 나오기 시작했어요.
네. 이런 것들이 결국은 의사 역할들에서 매우 중요하고 어려운 고차원적인 부분들을 AI가 해결해 주는 거든요. 그럼 저는 이제 상호 보완적으로도 갈 수 있다라고 봅니다.
자, 근데 이제 변호사나 세무사 같은 경우에는 생각보다 많은 부분에서 이제 일자리를 뺏을 정도로 AI가 지금 영향을 끼치고 있거든요. 예를 들면 요즘 이제 미국의 대형 로펌의 경우에 대략 25% 정도에서 공식적으로 AI2를 도입을 했어요.
변호사들이 이 AI를 어디다 쓰느냐? 70p 가지고 별론 작성하는 거야. 판례 분석하는 거야. 보고서 작성하는 거죠. 근데 문제는 최치피나 이런 AI들이 아직까지 완벽하진 않잖아요.
네.
그리고 소위 할루시네이션이라고 하는 거짓말을 하는 경우들이 있죠.이 이 변호사 업무에 거짓말한 AI 치명적이잖아요. 실제로 이런 사건들이 벌어지고 있습니다.이 변호사들이 AI 써 가지고 변론 만들었는데 환각 현상으로 거짓 판례가 만들어져 가지고 실제 소송권에 이게 활용돼서 재판장에서 인용이 돼 가지고 잘못된 판결이 나고 이게 실제로 영국에서는 상당히 이슈가 되셨어요. 작년 초에 영국 대법원에서 이런 어떤 사건들이 몇 번 몇 차례 벌어지니까 어 전체 가이드라인을 발표했습니다. 앞으로 변호사 판사들이 AI에 쓸 때 이런 어떤 룰을 따라야 되고 이런 책임을 져야 되고 이걸 좀 강화해야 된다. 이런 거죠. 그니까 결국 우리가 전문제 개혁에 생각보다 빠르게 AI가 침투하고 있는 것은 사실이지만은 이게 상호 보완적으로 할 것이냐 혹은 또 치명적인 문제들이 발생할 수 있을 것이냐 이걸 우리가 어떻게 또 해결해 나가야 하냐라는 부분들도 상당히 심각해질 것이라 봅니다.
음. 근데 이제 아까 말씀하셨던 어떤 초지능 얘기가 나왔잖아요. 그러니까 2040년대쯤 되면은 초지능이라는 건 이제 인간은 도저히 따라갈 수 없는 수준의 어떤 막 신내 용역에 도전하는 그런 지적 생명체 같은 느낌인 거죠.
그러면 그게 앞으로 뭐 15년 뒤라면 지금 어린아이들이 과연 공부를 열심히 해 가지고 무언가를 성취한다는게 특히 이제 어떤 지식의 영역에서 성취를 한다는게 너무나 어려운게 아닌가라는 생각도 좀 들긴 들거든요.
네. 뭐 그거는 이제 저의 예측보다도 더 유명하고 더 똑똑하신 분의 말을 빌리자면은 뭐 최근에 일론머스크가 뭐 그 보셨죠? 2030년 되면은 대부분의 직업이 사라질 것이다. 인간은 일을 더 더 이상 안 해도 될 것이다.
일을 안 해도 된다. 저축도 하지 마라. 그 모든 걸 다 갖게 될 것이다. 이런 얘기 한게 있어요. 그러니까 이제 AI가 모든 생산성에 기여하고 이런 업무들에 기여하다 보면은 인간이 할 필요가 없어진다라는 거죠. 네서 이게 기본까지 연결 이슈들이 있습니다. 근데 이런머스 워낙 앞서가는 분이다 보니까 2030년에 그런 과격한 시대에 변화가 있을 것이냐 그건 아닐 것 같은데 또 한 분의 얘기를 빌리자면은 딥러닝이 아버지라고 불리는 제프린팅 교수 2024년에 노벨 물리 학상 받으셨죠. 지금 은퇴하시고 이제 정말 뭐 원로서 역할을 하고 계신데 요즘 언론에 나오셔서 뭐라고 얘기를 하시냐면은 AI로 인해서 인류가 멸망할 가능성이 10% 상승했다라고 얘기를 하고 있어요. 과거에도 한 10% 정도 됐는데 지금 한 20% 돼요. 이런 얘기를 합니다.
그러니까 지구가 멸망을 가능성에 올라갔다라는 것은 AI가 이런 고지능 성능들이 나오기 시작하는 그게 중요한게 아니라 이거를 우리 인간이 통제하는 통제하에 하에 이걸 끌고 가고 있느냐 그게 아니라는 거예요. 너무나 거대 자본이나 혹은 뭐 AI 패권 뭐 이런 어떤 정말 권력 다툼으로 AI가 번지면서 이게 인간의 욕망이 너무나 룰이라든지 윤리적인 뭐 인간 존엄성 이런 것들을 지키지 못하는 방 영 영역까지도 침투하고 있다라는 거죠. 이런 어떤 뭐 여러 점하신 분들의 말씀을 종합해 봤을 때이 과격한 변화는 분명히 진행이 될 것이다. 그래서 심각한 문제들이 도래할 이제 시간들이 다가올 것으로 보입니다.
그래서 오히려 요즘에는 이제 공부해 가지고 사무직 하지 마라. 아 차라리 옛날처럼 이제 기술 배우면 굶어 죽지 않는다처럼 이제는 손으로 하는 뭔가 기술 배워서 뭐 진짜 그런 것들을 해야지만 뭐 돈을 벌 수 있을 것이고 뭐 젠슨왕이었나요? 뭐 배관공 뭐 이런 것들 해야 뭐 이제 뭐 이제 부자가 될 것이다. 뭐 이런 얘기도 들었는데 실제로 그렇게 좀 기술직들 뭐 블루 컬러 이런 것들이 조금 더 유망하다고 보세요. 어떻게 보십니까?
그건 이렇게 얘기할 수 있죠. 뭐 요즘 뭐 피지컬 AI 뭐 얘기도 있지만은 기술직 뭐 이런 현장직 뭐 이런 어 영역들 엔지니어들 뭐 이런 영역들은 AI로 대체하기에는 효용이 좀 적죠. 그니까 투자가 이게 안 된다라는게 아니라 투자가 먼저 일어나지 않는 거예요.
대체가 늦어질 수 있다라는 거죠. 그러니까 전문직 뭐 이런 금융권, 의사, 변호사, 판사 이거는 부과 가치가 높잖아요.
비용이 많이 들잖아요. AI 투입 빠르게 일어나고 있는 물론 또 여러 가지 특성상 뭐 데이터를 활용하고 의사 결정이 빈번하고 이런 쪽에 AI가 또 적합하긴 하죠. 뭐 그런 쪽에서 AI 투자가 많이 빠르게 일어나는 영역이 있는 반면에 몸을 쓰고 뭐 크게 부가 가치가 없고 이런 영역들은 AI를 굳이 뭐 기업이든 뭐 연구소든 투자를 그쪽 기술을 투자를 하지 않는 거죠. 그러다 보니까 속도가 뒤쳐질 수 있죠. 근데 기술적으로 이게 뭐 그쪽 영역이 AI에 좀 벗어나 있다 이건 아니죠.
뭐 이제 피지컬 AI라고 하는 것이 AI가 몸의 형태를 갖고 AI가 물리적 세상과 소통하고 그러면서 다양한 어떤 공간적인 움직임들을 보여주면서 작업 현장이나 인간의 노동을 대체하는 거거든요. 그 이거는 대부분의 영역에 해당된단 말이에요. 근데 어느 분야 투자할 것이냐 이건 이제 돈이 되고 뭐 남는게 많고 이런 영역부터 아니겠습니까? 이제 그런 관점으로 좀 볼 수가 있는데 뭐 근데 이제 요즘 또 이제 이런 쪽에서 개발자들의 상당히 또 영향 큽니다. 사실 저도 이제 뭐 제자들 뭐 저도 이제 컴퓨터 공학을 전공했고 제자들이나 혹은 뭐 선후배들 보면은 요즘 정말 뭐 판교나 실리콘 밸리 쪽에 정말 붙임이 많더라고요.
음.
그러니까 그 말은 뭐 컴퓨터로 무언가를 만들어 내거나 예. 컴퓨터 속에서 무언가를 하는 사람들부터 지금 막 대체되고 있는 거죠.
네. 그렇습니다. 그 특히 실리콘 밸리에 정말 과도하게 나타나는게 이게 신규 채형이 엄청나게 줄었어요.
음.
자료 한번 보시면은 지난 달이죠. 어 12월에 LA 타임즈 기사에 상당히 자극적인 글이 실렸는데 스탠포드 졸업생들도 AI 때문에 직업을 구하지 못할 것이다. 대표적으로 컴퓨터 공학자들을 얘기를 하고 있습니다. 컴퓨터 과학가가 있는데 여기 학생들이 실제로 10명의 신입 개발자가 해야 될 일을 두 명 정도 되는 시니어 개발자가 AI툴 가지고 다 할 수 있다라는 거예요. 실제로 이렇게 정확하게 숫자를 가지고 기사 언급을 했고 네.
그러다 보니까 요즘 이런 스탠포드나 소위 말하는이 메이저 대학 공대생들이 이 취업 전선에 지금 불확실한 시대에 뛰어들기보다 대학원으로 이걸 연장하고 있고 혹은 조금 이름 없는 기업들로 가고 있고 아이 그냥 뭐 어찌 이렇게 될 거 창업이나 하자 스타트업도 열풍이 불고 있는 거예요.
그래서 이제 아주 극소수는 성공을 하겠죠. 대부분은 번한 직장을 못 갖고 사회 적응을 하지 못하는 경우들이 생기고 있는데 저는 이 세대들을 AI 낀 세대라고 표현을 합니다. 제가 만든 용어예요.
지금 AI가 급격하게이 시대 변화를 만들고 있잖아요.이 이 AI에 빠르게 적응을 해야 되는데 이걸 적응의 그 딱 경계선에 있는 사회 초년생 지금 대졸 예정자 이런 친구들은 아직 AI의 영향도 제대로 쌓지 못했고 AI 때문에 취업 자리도 많이 줄어들고 있고 거기다가 대학 공부하는 과정에서도 AI를 쓰다 보니까 실력도 좀 별로 변치 않고
이게 막 복합적으로 나타나니까 어찌 보면 상당히 좀 피폐해진 세대가 될 수 있고 실제로 이게 취업 전세 나타나고 있습니다. 그러니까 스탠포드 대학교 나와서도 취업이 안 된다 그러면 도대체 어떻게 해야 되는가? 예. 근데 이제 이게 앞으로 심해지면 심해졌지 뭐 낮아질 다시 완화될 방법은 없어 보이잖아요.
네.
어,
그게 이제 컴퓨터 공학가 좀 대표적인데요. 이제 많은 분들이 의하이 하시는게 AI 시대에 정말이 컴퓨터 공학들 특히 뭐 스탠포드 컴퓨터 공학과 전공 학생들이 얼마나 유명이 저 유망 전도한 학생들입니까? 근데 이 친구들한테도 이런 영향이 있고요. 또 실제로 스탠포드가이 컴퓨터 과학가에서 아예 그냥 그 프로그래밍 랭귀지 과목을 없애 버렸어요. 실제로 지금 앞에 화면에 보시는 것처럼 CS146S라는 과목이 있는데요. 이게 모든 학생들이 수강해야 되는 기초 전공 과목이거든요. 그 소위 이제 뭐 C너, 자바 언어 이런 거 배우는 과목이이에요. 이게 뭐 원투 뭐 이렇게 있는데이 과목 안에 C언너 자바 언어 언어 얘기를 싹 삭제해 버렸어요. 이제는 AI 시대에 AI 도구를 가지고 뭐 바이브 코딩이든 AI 어떤 에이전트 프로그래밍이든 이런 AI의 힘을 빌러서 개발을 해야 된다라는 그 언어 자체를 공부할 필요가 없다라는 것을 과목 이제 과자 설명에 집어넣고 커리큘럼 바꿔 버렸어요. 그리고 되게 재밌는 문구를 하나 발견했는데 여기 보시면은 앞으로 AI는이 소프트웨어 개발을 민주화하는데 기여할 것이다.이 정하 이런 산업계에서도 쓰이는게 뭐냐면은 이게 평탄해진다는 거예요. 역량 자체가
그 누구나 쓸 수 있다.
그렇죠. 개발자라는게 사실 저도 컴퓨터 전공했지만 제가 날고는 개발자로 크질 못한게 너무나 뛰어난 애들이 많았어요.
그 저는 이제 학교 이렇게 와 가지고 이렇게 강의를 하는 사람이 됐지만은 정말 뛰어난 개발자들은요. 학생 때부터 밤새 막 개발하면은 막 만 줄짜리 코딩 짜버리고 게임 하나 만들어 버리고 이랬거든요. 그 친구도 못 따라갔어요. 그니까존했는데 이게 민주화라는게 이제는 어느 정지 지식만 있고 AI 좀 다를 줄 알면은 내가 개발할 수 있다라는 거예요.
그 만줄 코드 누구나 짤 수 있다.
누구나 짤 수 있다. 바이브 코딩이라고 하죠. 이거는 이제 코딩은 뭐 느낌으로 코딩한다 뭐 이런 이제 이제 표현인데 그냥 내가이 소프트웨어이 앱이 기능에 대해서 정확하게 AI한테 설명만 해 주면은 개발 언어 그 코드를 하나도 쓰지 않았는데도 AI가 소스 코드를 짜 줍니다. 그러면 이제 소스 코파일링 툴에다가 이제 집어넣으면은 앱이 개발되는 거예요.
이런 어떤 시대가 되다 보니까 이게 이제 개발자들도 아주 큰 영향을 받고 있다. 그러면은 그나마 그나마 그래도 아직 뭔가 기술이나 이렇게 뭐 손으로 뭘 막 뭐 만들고 하는 물리적인게 필요한 이런 것들은 그래도 좀 개발 속도가 좀 느리잖아요. 이런 물 피지컬이 없는 것들은 개발 속도가 지금 뭐 어마어마하고 그러면은 요번에 뭐 현대차에서도 아틀라스라고 뭐 로봇 휴먼 로봇 같은 걸 좀 발표를 했는데 그래서 갑자기 막 주가도 막 엄청 폭주했는데 피지컬 AI라도 좀 그 발전 속도가 느리면 거기서 뭔가 직업을 얻어 보려고 하실 수도 있을 것 같은데 피지컬 AI의 발전 속도는 어떻습니까? 근데 이게 피지컬 AI는 더 무서운게 뭐냐면요. 갑자기 아마 극단적인 변화가 일어날 수 있어요.
갑자기 가요.
네. 사례로 바로 말씀을 드려 볼게요. 이게 뭐냐면요. 중국 샤오미의 스마트폰 공장인데요. 중국의 그 메이징의 창핑 지역 창핑구라는 지역에 있는 스마트폰 공장 그렇게 크진 않아요.
네. 뭐 1년에 한 만 대정 아 뭐 만대 정도 생산하는 공장인데이 공장에 사람이 한 명도 없습니다.
무인 공장이에요. 완벽히 무인 공장이에요. 한 명 두 명은 들어가게 없습니다. 정말 무인인데 완전 자동화가 되어 있거든요. 그니까 로봇이라든지 혹은 AI 혹은 설비가 진행화되어 있어 가지고 알아서 자체적으로 원자재부터 뭐 조리 품질 검사까지 완벽하게 무인화된 형태로 만들어냅니다.
근데 이게 재밌는게 제가 사진을 왜 가지고 왔냐면요.이 보세요. 지금 공장을 지금 가동 중단하는 거 같이 보이죠? 그게 아니고요. 사람이 한 명도 없으니까 불을 꺼놓고 일을 해요.
음. 조명이 필요가 없다.
조명 필요 없잖아요.이 AI나 뭐 이제 각종 센서들이 조명에 그렇게 민감하지 않거든요. 그러니까 불 헌금해도 다 보거든요. 그러다 보니까 마이크론 수준 뭐 예를 들면은 100만 분의 1m 단위의 먼지까지도 제거를 해요. 네.
정말 그 정교한 작업을 할 수 있다라는 거예요. 그러니까 빠른 생산 속도뿐만이 아니라 이게 뭐 10초당 한대 만들어낸다든가 뭐 이런 속도라고 하더라고 사람이 없으니까 오히려 장점도 있겠네요. 그런 뭐 먼지나 이런 것들에 제한이 없으니까.
그렇죠 변수들도 통제가 더 더 잘되고 먼지라든지 이런 작업 환경들을 또 유지보사하는데 상당히 용이하겠죠. 이런 식으로 피지컬 AI가 완벽하게 작업 현장이나 말씀하신 그런 이제 우리가 뭐 물리적인 이런 동작이 필요한 그런 역할을 하는 것에 완전히 AI나 로봇이 대체를 해 버리면은 이런 식으로 간다는 거예요.
음.
무인이 돼 버리죠. 그내가 아야 다른보다 이쪽 이까지 좀 버틸만 하니까 내가 쪽 기술 배워야지 했다가 10년후에 갑자기 이렇게 완전히 무인나돼 버리면
전체가 날라. 우리 영화도 있었잖아요. 얼마 전에 저기 이병원 출연한 영화
어쩔 수가 없다.
네. 네. 그 영화 내용처럼 사실 그런 일들도 벌어질 수 있. 그니까 이게 단계적인 거 같아요. 지금 현재는 전문직 혹은 소프트웨어 개발자 이런 어떤 부과 가치가 높고 또 AI의 조금 더 친화적인 영역들부터 AI 침투 속도가 빠르게 나타나고 있지만은이 피지컬 영역은 아무래도 물리적 세상의 기반이기 때문에 이것이 좀 속도가 느리고 여러 다양한 영역들이 융합이 필요하다 보니 시간이 벌립니다. 축적의 시간이 필요하죠. 근데 극단적인 변화가 이제 5년 후 10년 나타날 수가 있다. 이런 상황들을 우리가 깨달을 수가 있는 거죠. 그러면 이런 상황에서 결국에 무언가 무언가를 배우고 뭔가 공부하고 어떤 경험과 지식을 쌓아서 다른 사람과의 경쟁의를 통해서 그동안 무을 벌어 왔는데 어떻게 그럼 앞으로 해야 될지 그럼 시청하시는 분들도 뭔가 직업을 그럼 다 포기해야 될 수도 없고 어떻게 해야 될까요? 지금 아 아무래도 이에 컨텐츠 질문 주셨을 때 저도 이거 답을 어떻게 드릴까 고민을 많이 했거든요. 항상 뭐 강의자리나 또 대중들 만나면 이런 질문들 많이 하시는데 제가 좀 명쾌한 답을 드리고 싶은데 명쾌하게 답을 드릴게 없어요. 그 뭐 뭘로 열소 있는데 전 두 가지 말씀드리 첫 번째는 적응력이에요.
세상 변화에 살아남는 적응력이 필요하죠. 이게 변화 속도로 치자면요. 2000년에 초반 닷컴블 뭐 인터넷 닷컴 시대, 인터넷 시대에 비해서 저는 열배 100배 수준이라고 봅니다. 그럼 변화 속도가 더 빠르다라는 거거든요. 그럼 과거에 5년 10년 단위로 일어났던 변화가 지금 1년 6개월 단위로 일어날 수 있다라는 거거든요. 그러면이 변화 속도를 우리가 어떻게 빠르게 적응할 것인가 개인차 엄청나게 나타날 거예요. 네.
그 개인 차의 대표적인게 그 AR 리터러시입니다. AR 문해력이죠. 채치 지금 3년 됐는데요. 다음 또 주제에서 다루겠지만은 채치 어디다 쓰고 계세요? 각자 물어보면요. 제가 기업 강의 가서 뭐 토론하고 하면요. 같은 부서에 있는 사람들끼리도 채치를 다 쓰고 있도이 사람이 쓰고 있는 깊이와 저 사람이 쓰고 있는 깊이가 달라요. 그럼 그게 뭐냐면은 내가 AI를 쓰고는 있지만 정말 잘 쓰고 제대로 쓰고 내가 뭔가 더 효용을 만들고 뭔가 성과를 만드는 제대로 못 쓰고 있다는 거거든요.이 이 차이가 지금 엄청나게 벌어져 있고 결국 그 말은 우리가 지금 현재 이런 거대하고 예측 불가능한이 변화의 시대에 우리가 해야 될 것은 이런 적응력뿐만이 아니라 AI를 직접 부딪혀 가지고 내가 이것에 어 얼마나 효용을 더 끌어낼 수 있을지 내 업무에서 내 일상에서 한번 써 보다 보면은 어 이걸 더 잘 쓰는 방법이 있네. 어 이걸 이런 문제를 해결할 수 있네. 내가 이런 역할을 또 하면 되겠네. 이거를 이제 계속 부딪히면서 알아가야 되는 거죠. 그래서 이런 적응과라는 부분 저는 이 두 가지가 지금 당장 우리가 단기적으로 지금 오늘 시청하시는 분들이 좀 우리가 고민해보고 노력해야 되는 부분들이다 말씀을 드립니다.
피할 수 없다면 최대한 빨리 적응하고 그걸 활용하는 능력을 지금 키우는게 가장 핵심이다. 반대로 이거를 잘 활용만 할 수 있으면 예전에는 못 했던 어떤 1인 기업을 만든다든지 1인 앱을 만든다든지 이런 것들이 다 가능할 수도 있는 거니까 이게 위기일 수도 있지만 누군가 빨리 적응한 사람한테는 엄청난 기회가 될 수도 있다. 이런 얘기 해 주셨습니다. 경희대 김상용 교수님하고 이야기 나누고 있습니다. 그러면은 이제 AI를 잘 활용을 해야 된다. 이게 어찌 보면 앞으로 우리가 당장 해야 될 어떤 최우선 과제라고 보면은 어떻게 활용하느냐 이거는 이제 각자 다르단 말이에요. 뭐 가장 많이 하는게 이제 채t 켜 가지고 네이버처럼 그냥 검색하시는 분들이 제일 많은데 그 정도로 말씀하시는 건 아닐 것 같아요. 예. 도대체 AI를 얼마나 잘 활용을 하면 어떤게 바뀌는지 뭐 이런 것들도 좀 궁금하긴 하거든요. 어떤 활용도 잘하는 사람과 못하는 사람의 차이.
네. 제가 지금 이번 학기에 강의한 내용이 그 생성의 활용 전략이라 과목을 강의하는데
네. 어, 정말 요즘이 AI 분야 관심이 많다 보니까 뭐 다양한 분야에서 오신 분들이 학생들이 수강을 합니다. 뭐 금융권, 공공기관, 뭐 제조업 혹은 일반 그냥 학생도 있고요. 각 업종마다 각자 영역마다 내가 AR을 써서 뭘 해야겠다는 목적들이 다르잖아요. 이걸 이제 수업 시간에 막 토론하고 프로젝트 하면서 다양한 학생들의 사례 뭐 이런 프로젝트 만들어서 채법 만들어서 하는 걸 보면요. 저도 깜짝깜짝 놀래요.
저게 된다고. 와, 이렇게까지 된다고. 저도 이걸 가르치고 연구하는 사람이지만 제가 AR를 어떻게 다 알겠습니까? 네.
근데 이런 것까지 다양한 영역에 AI가 능력치를 발휘할 수 있다라는 것을 보면서 정말 무궁무진하다. 일단 먼저 전제로 말씀을 드리고요. 자, 그래서 제 결론은 AI를 방금 말씀하신 검색 용도 즉 정답 자판기로 쓰는 분들은 지금 되게 잘 못 쓰고 계신 분들이에요. 그럼 어떻게 써야 되냐? AI를 우리가 이제 나의 일상의 혹은 업무상의 협업자로 생각을 하셔야 됩니다. 그럼 이게 또 조금 추상적일 수 있죠? 제가 구체적으로 말씀드려 볼게요. 정말 AI를 지금 아직 그 제대로 못 쓰시는 분들은 뭐 정보 검색하고 혹은 내가 뭔가 뭔가 궁금한 거 있을 때 혹은 내가 뭐 걸 써야 될 때 초안 작성시키고 혹은 영어 원서 이런 거 번역 좀 시키고 이런 거 하잖아요. 그거 기존에 디지털 도구 다 됐었잖아요. AI 달라진게 뭡니까? 좀 정확한 거. 그거는 AI의 효용을 제대로 갖치우는 분들이 아니죠. 네. 뭐냐면 검증자, 청원자, 분석자 이렇게 제가 말씀드리는데 예를 들면은 제가 하고 있는 업무에서 내 분야를 나보다도 더 잘하는 전문가를 한 두 명 옆에 뒀다고 생각해 보세요. 인간 전문가들을. 그럼이 사람들에게 뭘 시킬 겁니까?
음.
내가 하던 거를이 사람한테 검증을 시키겠죠. 네. 틀린 거 있는지.
그렇죠. 어. 제가 요거 좀 구성했는데 좀 봐 주세요.
그러면 이제 한 두 줄 써 줄 거 아닙니까? 그럼 이거 이거 썼는데 요거 문제가 뭐가 있어요? 요거 좀 새로운 내용 없어요? 이런 거 할 거 아닙니까? 네. 그런 역할을 한번 생각시켜요. 예를 들어볼게요. 제가 언론사 컬럼을 하나 이주마다 작성하는게 있는데 뭐 AI랑 협을 하고 있습니다.
네. 뭐 물론 AI한테 다 시켜 가지고 제 이름 달고 뭐 내고 이런 건 아니고요. 제가 스토리는 어느 정도 만들어요. 제가 구상은 합니다. 그리고 어떤 방향으로 어떤 컨셉으로이 글을 쓰겠다라는 것을 몇 문장 정도 아이디어를 작성해요. 근데 제가 최지T에 그 GPTS 기능을 이용해서이 쥐침 설정을 딱 해 놨어요. 이게 컬럼을 작성하는 채보 이렇게 만들어 놨어요. 그래서 여기 지침에다가 뭐 어떤 맥락으로 어떤 대중들에게 어떻게 할 전문자의 전문가의 시각을 보여 주려고 해. 내가 스토리를 얘기하면 1500로 작성해 줘. 뭐 베르소나 설정이라든지 뭐 포맷이라든지 맥락 소개라든지 우리가 프롬프트 엔지니어링 기법들이 있거든요. 거기 맞춰서 제가 지침을 설정을 해요. 그다음에 제가 이번 주에 써야 될 컬럼 아이디어를 그 창에다 딱 집어 넣으면은 제가 지침을 설정한 그런 내용과 형식과 포맷대로 얘가 작성을 쫙 해 줍니다.
네. 자, 그런 다음에 이제 작업이 시작돼요.
얘가 했던 내용들에서 내가 뭔가 좀 부족하다고 생각했던 걸 처원하고요. 또 거기다 또 얘한테 의견을 물어봐요. 그 자료를 찾아 달라고 그래요.
그럼 결국 제가 이런 과정 속에서 AI가 모든 것을 만들어 주는게 아니라 제가 끌고 가면서 AI에게 필요한 부분들, 내가 부족한 부분들을 채우는 역할을 시키잖아요.
네.
그래서 AI의 훨씬 더 나보다 뛰어난 능력치를 극대로
끌어 올려서 활용을 하는 거예요.
거기다가 검증자 역할은 어떤 게 있느냐? 여기에 이제 쓰인 이런 팩트나 수치나 이런 것들에 대해서 우리가 팩트 체크를 해야 되잖아요. 그걸 제가 눈으로 직접 확인해야 되는데 얘한테 그 참고 문헌에 대한 요청을 해요. 그런 다음에 그 참고 문헌에 대해서 충분히 내용이 설득이 있고 제가 확인이 되면은 그냥 넘어가지만 뭔가 미심적으면 그걸 누르고 들어가서 직접 확인을 하죠.
음 이런 작업들이 AI 소통하면서 그 완성도를 끌어올리는 작업이에요. 그리고 최종적으로 어 이치T항 작성한 컬럼이 어느 정도 완성도가 갖춰졌다. 그럼 그 전체 전문을 긁어다가 구글 재미나이한테 또 검증을 맡깁니다.
그래서 구글 재미나이에도 제가 창을 하나 만들어 놨어요. 이게 뭐냐면은 어 칼럼 검증 도구예요. 그래서 어떤 기준에 따라서 어떤 어 맥락에 따라서 네가 최종 검증자 역할 할 거야. 이렇게 하면은 제가 최치비 작성한 컬럼을 거대가 붙이면은 최종 검증을 해 줘요. 몇 가지 추가를 해 주거나 뭔가 지적을 해 줍니다.
네. 그래서 저는 결국이 컬럼 작성이라고 하는 하나의 과업을 최치피와 재미나이 협업을 하고 있고요. 채치피가 모든 걸 맡기는게 아니라 제가 스토리텔링을 하고 거기다가 채치T에 필요한 것들을 얻고 또 검증하고 추가하고 이런 작업을 하는 거예요. 그게 결국 앞서 제가 말씀드린 것처럼 단순히 정답 자판기로 쓰는 것이 아니라 내가 과업을 끌고 가는 과정에서 부족한 부분 또 AI의 능력치를 더 극대화할 수 있는 부분들 혹은 내가 좀 어 좀 필요한 부분들을 추가로 얻는 거죠. 이런 작업들을 하나하나 이제 경험을 통해서 쌓아가면은 내가 일상에서 업무에서이 각각에 조금씩 이제 특정 특징들이 다르니까 거기 맞춰서 좀 맞춤형으로 AI를 활용할 수가 있는 거죠.
음. 그니까 일종에 내가 팀장이 되고 팀원들로서 활용을 해라. 근데이 팀원들은 각자가 다 이제 스페셜리스트라고 보고 다만 이제 팀원들도 실수할 수 있으니까 서로 이제 교차 검증시키면서 하나의 어떤 프로젝트를 완성해 간다. 요런 전략으로 써야 되는게 이제 AI 기본이라는 거죠. 네. 근데 다들 이제 네이버리 찾아주는 네이버처럼 쓰거든요. 예. 근데 그런 거가 전부는 아니다.
그게 문제가 이제 우리 할로시네이션 환각 현상 많이들 얘기하잖아요. 영상 컨텐츠 보시는 분들 한번 스스로 한번 자문을 해 보십시오. 나도 무슨 말인지 모른 질문들을 AI 던지고 있지 않으십니까?
음.
내가 질문을 막 그냥 썼어요. 다시 읽어 보면은 내가 뭘 질문했는지 잘 모르겠어요. 명확하지 않아요. 에이 모르겠다. 엔터 치는 분들 많으시죠. 이렇게 질문하면요. AI는 거의 엉뚱한 얘기를 할 가능성이 높아요. 거기다 환각 현상이 벌어질 가능성이 높습니다. 왜냐면 환각 현상게 왜 일어나냐면요. 우리가 질문한 내용들을 가지고이 AI는 확률적 출론이라는 걸 하거든요.
네.
그럼에요 질문한 단어 하나하나가 얘가 추론하고 어울리는 단어들을 어울리는 내용들을 찾아내는데 아주 중요한 인풋으로 씁니다. 근데 내가이 작성한이 인풋들이 프롬프트들 하나하나 단어들이 서로 너무나 이질적이거나 아니면 내가 원하는 그 목적이나 방향에 부합하지 않는 좀 튀는 이런 내용들이 많이 들어가 있으면요. 얘는 어떻게 생각했습니까? 이거 말하는 거야? 저거 말하는 거야?
야이이 얘기를 하려고 하는데 저 이런 얘기도 있네.
뭐 10초, 20초 생각하는 그 찰라에 엄청나게 다양한 옵션들을 고려할 거예요. 거기서 환각형 현상이 나오는 거예요. 그니까 그 말은 프롬프트 작성 자체부터 우리가 좀 주도적으로 즉 내가 AI한테 정말 불필요한 얘기를 하지 않고 명확하게 지시하고 가장 명확한 자료들을 좀 제공하고 그리고 컨셉이나 목적을 설명하고 이거 자체가 이런 AI의 한계나 부족한 부분들을 해결할 수 있는 방법이 되거든요. 근데 그냥 네이버에 검색하듯이 아무거나 때려 놓고 네이버에 검색했을 때 그렇게 하셔도 되는게 우리가 나오는 답이 얘가 만들어 준 답이 아니라 인간이 어딘가 올려놓은 답을 찾아주잖아요. 그러면 그게 어 이게 아니네 맞네 우리가 확인할 수 있지만 AI는 엉뚱한 말을 만들 수 있다라는 거죠. 그런 차이들을 우리가 좀 메커니즘을 이해하면 아 프롬프트 작성해야 되겠구나 이걸 이제 깨달을 수가 있
그니까 내가 팀장이라고 생각하면 팀원들한테 업무 지시 정확하게 안 하면 이상한 거 가져오는 것처럼 나도 그런 상사 싫어한다라고 생각하시는 분들은 질문을 잘 그니까 정확하게 해라.
그러면 결국에이 질문 프롬프트 작성이 핵심이겠네요.
예. 그럼 이거를 어떻게 하느냐 뭐 이런 것들도 좀 궁금해하실 것 같은데.
네. 프롬프트 작성법에 대해서 사실 많은 이제 프롬프트 엔지니어라고 하죠. 이런 또 하나의 뭐 직책 직업이 있어요.
그러니까 AI와 소통하는 거 앞으로 너무나 우리가 일상적으로 많이 쓰게 하게 될 텐데 이거 소통하는 방법도 우리가 이제가 태어난 아기가 엄마 아빠 부르고 또 내 친구에게 어떻게 얘기하고 선생님한테 어떻게 얘기하고 우리 또 우리 한국어에는 예절이 있지 않습니까? 뭐 이런 어떤 단어 선택을 어떻게 해야 되고 이거 하나하나 우리가 뭐 감각적으로도 그렇고 학습으로도 알아가는 거잖아요. 그럼 AI가 시대가 지금 뭐이 최시pt 시작으로 해서 3년 됐다라고 하면은 우리 지금 세 살짜리 간다는 얘기인 거예요.
우리 언어 배워야 되잖아요. 그게 프롬프트거든요. 그니까 AIO 소통하는 방법인 거죠. 자, 근데 이제 프롬프트라고 하는 것이 그러면 어떤 뭐 보고 공부하면 됩니까, 교수님? 저한테 물어보시면은 책을 다 추천을 해 달래요. 물론 뭐 책 보시고 공부하시게 도움이 되죠. 근데이 프롬프트라 자체가 우리가 인간과 소통할 때 소통법에 대해서 책 한 권을 정리할 수 있습니까?
음.
못 한다는 거. 그러니까 그 말은 우리가 이런 어떤 어 정형화된 가이드라인 이런 것들도 중요하지만 내가 직접 부딪히면서 경험적으로 깨달아 가야 되는게 크다. 먼저 이제 전제로 말씀을 드립니다. 자, 그럼에도 불구하고 아직 AI 초창기다 보니까 이제 조금 그래도 이런 텍스트 뭐 가이드라인 이런게 좀 필요하신 분들이 있죠. 우리가 프롬프트 엔지니어링의 일단 목적부터 좀번 이해하시는게 필요해요. 내가 거대한 도서관에서 내가 필요한 자료를 찾을 때 내가이 이런 자료를 찾아서 섹션 얘기하고 주제 얘기하고 이걸 명확하게 써 주는 거 되게 중요하죠. 근데 AI한테 내가 명확하게 아는 거를 요구할 때도 있지만 내가 잘 모르는 거 아니면 나는 생각하지도 못한 거 좀 얘기해 봐 이런 거 지시할 때 있잖아요. 근데 그때 막 내가 갖고 있는 막 어줍자는 지식 가지고 막 프로스 쓰면은 얘는 엉뚱한 얘기만 할 거예요.
그럼 내가 원하는 답이 안 나오겠죠. 그럴 때 또 쓰는 프롬프트가 따로 있는 거죠. 그니까이 상황에 맞는 프롬프트 작성법이 필요하다. 자, 그래서 우리가 이제 프롬프트 엔지니어링이라고 하는 것이 AI에게 얘가 추론하고 어울리는 답들을 찾아내는 것에 힌트를 제공하는 것이다라고 여러분들이 이해를 하신다라고 하면은 여러분들이요 단어 하나하나 선택을 어떻게 해야겠다라는 것이 분명하게 이제 목적이 잡힙니다. 자, 그래서 구체적으로 들어가 볼게요. 어, 프롬프트 엔지니어들 뭐 여러 다른 연구자들 있죠? 뭐 특히나 요즘 구글의 연구자들이 다양한 또 이런 그 성과 결어 어 이제 조사 결과들을 연구 결과들 발표를 하고 있습니다. 구글에서 얼마 전에 발표한 프롬트 엔지니 6대 요소를 좀 기준으로 설명을 드릴게요. 명령을 잘해야 된다. 맥락을 잘 설명해야 된다. 예시를 들어 줘야 된다. 페르소나를 설정해야 된다. 포맷 어조를 잡아 줘야 된다. 이렇게 얘기를 하거든요.
물론 이건 또 바뀔 수도 있지만요 기준을 가지고 한번 말씀을 드려 볼게요. 먼저 명령을 잘해야 한다라고 하는 거는 우리 인간에게도 뭔가를 지시할 때 야, 너 이렇게 좀 해가지고 저렇게 해서 렇게 해가지고 이렇게 해서 렇게 해 줄래? 뭐 뭐 하라는 거지? 팀장님이 이런 짓이 하면은네
뒤에 가서 욕하잖아요. 뭐 하라는 거지? 그럼 조금 이제 간결하게 하고 명확하게 하는게 중요하죠.
그럼 명확하게 한다는 건 앞서 제가 말씀드린 거죠. 이게 서로 막 충돌나는 상황들을 얘한테 설명해 주면 AI 혼란스럽잖아요. 그걸 명확하게 아주 딱 그 한 목적적으로 설명하라. 요게 첫 번째고요. 두 번째는 좀 테크니컬하게이 명령에 해당되는 거, 서술어에 해당되는 것을 세 개 이하로 줄이라는 거예요.
네.
이거를 조사해서 리스트업해 줘.
이거를 검색해서 요약해 줘. 두 개씩 쓴 거잖아요. 그럼 이제요 명령어에 해당된 수로에 해당된 액션에 해당되는 것을 두 개 세 개 정도만 쓰면은 AI는 더 명확한 지시 이행을 한다. 요것만 지키시더라도 훨씬 더 이게 올라갑니다. 근데 이렇게 질문하시더라고요. 아 그러면은 교수님 제가 일을 할 때 뭐 이런 이런 관 단계가 많은데 그거 어떻게 그러면은 이제 세 개 이하로 줄입니까? 그럼 쪼개서 하셔야죠. 티키타크 하셔야죠.
그니까 조사하는 거 그다음에 뭐 정리하는 거 그다음에 뭐 이렇게 문서 만드는 거
그죠? 찾아라 그러면 찾아 주잖아요. 야 요거 좀 더 찾아줄래? 찾아주잖아요. 요거 좀 정리해 봐. 요거 좀 그림 그려 봐. 그래 그 3번 고거 그림 그려 봐. 이런 식으로 티기탁하면서 다 단계적으로 하는 거. 뭐 그런 방법들을 좀 사용하시면 되고요. 두 번째 맥락입니다. 우리가 이제 맥락이라고 하는 거 뭐 뭐 내용 뜻은 잘 이해하시지만은 일상의 소통 과정에서 우리가 맥락을 설명하는게 인간에게 상당히 부족해요. 왜냐하면은 우리가 하루 종가 누구랑 대화하는지를 한번 생각을 해 보시면은 나를 다 잘 아는 나의 맥락을 잘 이해하고 있는 사람들이랑 대화를 많이 하거든요. 직장 동료라든지 내 가족이라든지 지인이라든지 구구절절 내가 이런 상황들을 설명할 필요가 없는 사람들이에요. 이게 훈련이 안 되어 있는 거예요. 그래서 가장 부족합니다. AI는 여러분들이 질문할 때마다 리셋돼 된다고 생각하시면 돼요. 새로운 상황을 상정을 해요. 그럼 그 상황에 대해서 설명을 해 줘야 될 거 아니에요. 물론 아주 상식적인 상황들을 구구절로 설명할 필요는 없어요. 근데 뭔가 특정을 해 줘야 되고 뭔가 제약이 있고 이런 것들을 명확하게 설명을 해야 됩니다. 어떠한 고려 사항이 있는지 어떤 목적인지 어떤 의도인지 우려되는 점은 뭔지 야 이거는 네가 선을 넘으면 안 돼.요 안에서 설명을 해 줘야 돼. 이런 것들. 이런 것들을 명확하게 특히 업무상에 이런게 많겠죠. 요거를 하나하나 우리가 좀 타이핑 이제 프롬프트로 작성하는 방법들을 몸소 익혀야 된다. 이게 또 필요한 영량이죠. 세 번째 예시를 들어 주는 겁니다. 이거는 이제 뭐 일상적으로 뭐 모든 질문에 하실 필요는 없는데 예를 들어 분석 업무나 좀 좀 고다된 추론 어떤 이런 것들 지시하실 때는 요것 결과의 예시를 한두 개만 들어 주는 우리 퓨샷 프롬프팅 퓨샷 러닝이라고 하거든요. AI가 어떤 상황인지를 캐치를 빨리 해요. 예를 들면 마케터가 고객 후기를 분석해요. 근데 고객 후기들 중에 아여이 집은 꼭 무조건 다시 방문할 거 같아. 강추 이거는 플러스 1점이라 보면 돼. 아 야 여기 최악이야. 여기 절대 안 올 거야. 이거는 -1점이라 보면 돼. 예시를 두 개를 들어줬잖아요. 그럼 AI 입장에서 아 그런 느낌으로 하라는 거구나. 이걸 정확히 캐치를 해요. 그래서 훨씬 더 다른 분석의 정확도가 올라갑니다. 이게 실제로 엔지니어 프롬프트 엔지니어들이 여러 다양한 비교 테스트를 해 본 결과 AI 맥락 이해도가 훨씬 더 올라가는 것이 검증이 됐어요.
그래서 요런 것들을 하나하나 들어 주는 것도 우리가 이제 AI의 이런 분석력을 높이는데 상당한 기여를 할 수 있다. 그네 번째 요거 재밌는데요. 페르소나 설정입니다. 뭐냐면은 얘들 우리 브람 유튜버님께서 부동산 시장 관련돼서 뭔가 조사를 하실 때 AI에게 뭔가 시켜요. 데 그 첫 문장에다가 너는 글로벌 탑 부동산 전문가야.
글로벌 탑 부동산 애널리스트야? 아니면 국내 뭐 부동산 전문가야?요 문장을 한 문장 넣어 주는 순간이 AI는 그 수준에 맞는 자료 검색을 합니다.
네. 그 수에서 용어 선을 그 수에 맞는 문장을 만들어요. 이게 뭐냐면 지식이라는 것이 정말 뭐 끝도 없이 넓잖아요. 근데 그 분야에서 내가 찾아야 되는 그 지식의 범위 스코을 정하고이 결과물의 난이도를 정해 주는 것이 페로선 설정에 해당되거든요. 그래서 요거를 우리가 좀 간거하기 쉬운데 요걸 한 문장에도 넣어 주면은 상당히 또 중 어 퀄리티 좋은 답을 얻을 수가 있다 말씀드리고
그 일종의 역할을 부여하라는 거죠. 롤플레잉을 시키라는 거죠. 그죠?
음. 그럼 너는 대학교 1학년생이야라고 했었으면 안 걸렸을 텐데.
맞습니다. 제가 그 [웃음] 얘기 아까 제가 빠뜨렸는데요. 그 GPT 제로나 뭐 이런 검증에도 안 걸리는 방법이 각색을 여러 번 하면 돼요.
AI가 작성해 주잖아요. 딱딱하게 전문가 같이 작성해 주죠. 야 나는 이런 거 몰라. 대학교 1학년 경영학과 수준에 맞는 단어 선택해 주고 중간중간에 좀 20대 같이 좀 비어 뭐 은어 같은 거 좀 써 줘 이러면은
자연스럽게 해줘요. 내가 최근에 쓴 글이야. 참고해. 그렇죠. 그걸 학습을 시킬 수 있죠. 나의 글을 어 이제 학습을 시키 내 말투를 따라해 줘요. 뭐 이런 것들이 이제 페르소나에 해당되죠. 네. 다섯 번째여 포맷과 톤은 아마 뭐 이제 말 그대로 포맷을 설정해 주고 뭐 어떤 형식으로 해 달라 뭐 이런 건데 어 요즘 프롬프트 엔지니어들이 재미난 매직 워드라고 하는 것들을 발견을 했어요. 뭐냐면은 여러분들 프롬프트 질문 끝에다가 MEC 이런 거 한번 넣어 보세요. 특히 연구자들 상당히이고 소중합니다. MEC에 뭐냐면 뮤추얼 EXCl시ive 컬렉티스티브 해서 누락 없이 중복 없이예요.
음.
우리 연구하실 때 뭐 부동산 연구하실 때 정책 내가 제안을 하려고 하는데 1번 2번이 뭔가 좀 서로 겹치는 거 같아. 이러면 싫잖아요.
명확하게 익스클루시브하게 해 달라.
그래서 이거 MEC 단어만 마지막에 그냥 영어로 그냥 넣어놓 넣으셔도 AI 알아듣거든요. 그러면 1번 2번 3번 딱딱 선 그어 줍니다.
네. 그리고 스텝바이 스텝 요것도 상당히 좋은데 AI 입장에서 너무나 봐야 될 지식들, 데이터들이 넘쳐나는데 스텝바이 스텝 요거 하나 넣어 주면은 그냥 제 느낌이 거 같아요. 아, 좀 여유를 가지고 찾아 단계적으로 좀 봐야겠네 이런 거 같아요.
그래서 훨씬 더 좀 분석이고 체계적으로 자료를 작성을 해 줍니다. 자, 그리고 이제 톤에 해당되는 부분인데 요것도 이제 사람들이 많이 안 해요. 그러니까 우리가 언어라고 하는게 뭐 되게 공손한 표현도 있고 아니면 보고용 말투도 있고 공식적인 말투도 있고 친구들끼리 편하게 하는 말투도 있고 막 이렇잖아요. 거를 잘 안 넣어 주시는 거예요. 뭐 간결하게, 친근하게, 뭐 CEO 보고용 보고서 형태로 뭐 UX 라이팅 스타일로 이런 식의 단어들을 넣어 주면은 훨씬 더 그 톤에 맞는 어조에 맞는 설명들을 해 줍니다. 그래서 이런 것들이 어,이 언어와 이런 것들의 AI가 충분히 이걸 커버할 수 있는 정도의 수준들 우리가 프롬프트에다가 집어넣어 주냐 안내어 주냐가 결과에 상당한 차이를 보여 줄 수 있다.
음. 그러면 제가 어떤 거를 시킬 때 저 여섯 가지를 충분히 적어 가지고
그렇죠.
어. 빠짐없이. 음,
설명만 잘해줘도 훨씬 퀄리티 높은 답을 얻을 것이다.이 되는
저는 학생들한테 이렇게 얘기를 해요. 이거 어려워하는 학생들한테는 야, 요거 한 장 그 책칭 같은 거 만들어 가지고 옆에 노트북 옆에 붙여 놔라.
그래서 프롬프부터 쓸 때 어이 명령은 어떻게 해야 되지? 아, 컨텍스트이 맥락은 빠졌네. 사례 뭐 너치 뭐 페르소나 설정했나? 이걸 이제 점검해. 그니까 내가 몸에 익을 때까지 요런 것들을 조금 뭐 나름의 교과서적으로 한번 챙겨 보시면은 훨씬 AI와 소통하는 것들이 실력이 늘어나겠죠.
네.
음. 그러네요. 저걸 굳이 뭐 한 번에 만들려고 할 필요도 없고 어찌 보면 이제 조사 파트 AI 그다음에 요거를 뭐 검증하는 AI 자 마지막 글로 만드는 AI 뭐 이런 식으로 해 놔도 충분하게 됐어요.
네습니다.
그러면은 이게 모든 지금 AI 그 툴들에도 똑같이 적용이 되는 건가요? 뭐 예를 들어 재미나이든 채트피티든 뭐 다 똑같이 이런 것들을 하면 더 효과가 좋은 건가요?
네. 지금 현재 나와 있는 생성형 AI는 어 사실 기반 알고리즘이 뭐 다 똑같다 보시면 됩니다. 트랜스포머라는 알고리즘을 쓰고 있고 이게 이제 기본 메커니즘이 앞서 말씀드린 확률적 출론이라는 거거든요.
네.
그러니까이 프롬프트가 중요한게 아까 제가 우리가 프롬프트에 입력한 단어 하나하나를 가지고 관련성을 가지고 가장이 목적이 부합할 거 같은 가장 적중률이 높은 단어를 선택해서 문장으로 만들어 내 주는 방식이거든요. 그 말은 얘가 출론할 때 도움이 될 만한 내용들을 집어넣어 주면 얘가 당연히 좋은 퀄리티 답을 만들겠죠.
음 그을엔 해더니 이런 방법들이 있더라. 그래서 프트 엔지니어링대 요소를 이렇게기를 하고 있고 물론 더 좋은 방법들이 나올 수 있죠. 근데 지금 현재는요 정도의 기준을 따라서 필요할 때마다 어 요건 페르소나 넣으면 좋겠다. 요거는 맥락을 좀 더 추가하면 좋겠다. 이런 것들을 좀 해 보시면은 훨씬 더 좋은 퀄리티에 답을 얻을 수가 있습니다.
하긴 뭐 뭐 부산에 여행을 갈 거야라고 얘기하는 거랑 뭐 부산에 가는데 우리는 뭐 몇 명 가족이고 우리는 예전에 어디 갔고 뭐 이렇게 구구절절 설명을 하면 훨씬 더 얘가 더 명확한 답을 해 주는 거는 인간이라고 생각해도 당연한 거잖아요.
그렇죠. 다이어트 전략을 AI에 짜 달라고 해 볼게요. 그러면은 이제 야 10kg 6개월 만에 10kg 뺄 수 있는 다이트 전략을 짜줘. 얘 잘 짜줄 거예요. 근데 문제는 내가 어떤 채형, 어떤 체질인지, 내가 어떤 음식을 좋아하는지,
혹은 내가 어떤 속도로 빼고 싶은지
아니면 내가 빵은 내가 못 끊어, 빵은 먹으면서도 다이어트 할 수 있는 방법, 뭐 이런 여러 가지 뭐 맥락이죠. 맥락이나 아니면은 또 페르소나라는 너는 이제 다이어트 업계 전문가야. 너는 나의 개인 PT 매니저야.
요런 식의 설정을 해 주면요. 훨씬 더 풍성하고 정확하고 맞춤화된 답이 나올 거예요.
음. 요거 이제 여러분들 일상에 AI 쓰는 거 너무 흔하잖아요. 근데 요거 하나하나 문장 요거 집어넣는 거 자체가 엄청난 효과가 나오니까 이걸 안 쓸 이유가 없다라는
한번 요거는 꼭 한번 해 보실 필요는 있을 것 같습니다. 그러면은 이렇게 한다고 치고 그러면 지금 뭐 제미나이도 있고 뭐 지금 채 GPT도 있고 요즘에 뭐 구글이 결국에 승리한다 안 한다 하면서 막 주가에도 영향을 받는데 우선 지금 뭐 촬영일 기준 성능 차이가 유임미하게 큰지 아니면은 크지는 않고 각자 잘하는 전문 분야가 있는 건지이 다양한 AI 툴들 중에서 뭘 선택해야 되는지도 좀 어려운 거 같거든요.
네. 이게 벌써 3년 됐잖아요. CP이 나온지 3년까지 이제 뭐 이제 초 전반기 이제 1, 2년째를 보면은 성능차가 있었어요.
확실히 최치T가 우위에 있었고요.
일부 이제 뭐 문맥이라든지 뭐 혹은 자료 정리라든지 이런 거 잘 뭐 퍼플렉시티나 클로드 언급이 됐고요. 뭐 재미나이도 제미나이는 종합 툴이니까 뭐 거비슷한 수준이었죠. 근데 이제 확실히 이제 분야별로 혹은 또 그 2차 그 이진 그룹에 있는 툴들과는 확실히 차이가 났습니다.
네. 근데 요즘 점점 더 상향 평준화가 되는 거 같아요.
그래서 여러분들이 사실 뭐 AI 쓰는 거 뭐 정말 뭐 정말 대단한 과학 기술 무슨 아인슈타인 이론을 만 이런 거 아니잖아요. 일상적인 업무에 쓰는 것들 아주 난이도가 높지 않은 것들을 많이 쓰시잖아요. 그런 정도 수준은 지금 현재 나와 있는 여러분들 알 만한 툴들은 거의 비슷한 퍼포먼스를 내더라. 다만 벤치마크 이런 어떤 정말 고차원의 문제 해결 능력이나 출론 능력들을 평가하는 이런 실험 결과들을 보면은 지금 현재 2020년 1월 초 기준으로는 정말 지금 기술적인 뭐 그런 수준에서의 성능 차이를 말해 달라라고 하면은 지금 현재는 재미나가 제일 앞서 있다. 뒤집은 거죠. 채지에서. 그 최근에 이제 업그레이드가 됐고 채치피트를 월등이 앞서는 결과가 나왔어요. 클로드를 월등이 앞서는 결과가 나왔습니다. 근데 뭐 여러분들 일상적으로 쓰기에는 지금 이제 언급되는 이런 툴 정도는 오히려 내가 잘 쓰냐 못 쓰냐가 더 중요하다. 뭐 그렇게 말씀을 드릴 수가 있고 어 다만 이제 뭐 조금 용도를 업무상에 좀 특정 용도로 이렇게 나눠서 쓰고 싶으실 때는
네. 저는 아무래도 이런 맥락을 이해하는 능력은 체스피트가 상당히 좋더라고요. 표현력이나 이런게 좋고 뭐 소위 이제 우리 브리남님께서도 한 발표 자리에서 최지T는 F 성향이나 뭐 이런 얘기 하시잖아요. 공감을 좀 잘해 줘요.
T가 누구죠? T가 누구?
T는 저기 퍼플렉시티
퍼플렉시티 예 그니까 뭐 그런게 실제 맞아요.네 맞티.네 맞아요. 왜냐면 정말 웃긴게 채피한테 얘기하면 항상 긍정하고 시작해요. 아 좋았어. 훌륭세계최고 [웃음] 강자료를 해 도움도 안 되는데 그 이런 그런 식의 이제 맥락이의 능력이라든지 혹은 감정적 표현 이런 것들이 상당히 좀 우리가 좀 친숙하게 쓸 수 있는 치피pt다. 그러니까 일상적으로 쓰실 때는 치피pt가 상당히 뭐 괜찮다. 근데 요즘 재미나이가 뭐 자료 조사라든지 분석이라든지 이런 것들을 월등이 좀 올라오고 있어요. 네. 그래서 뭐 그런 것도 좀 같이 좀 써보시고요. 또 멀티모델이라고 하는 거 예를 들면은 이제 사진 분석하고 영상 분석하고 이런 것들이잖아요. 재미나이가 좀 압도적입니다.
아,
그래서 어, 뭐 사진에서 혹은 그래프에서 글로 텍스트로 전환해죠. 이미지 텍스트죠. 혹은 영상에서 유튜브 영상 링크 넣어 놓고 이거 분석해서 글로 만들어 줘.
이런 거 재미나요? 월등이 잘합니다. 그래서 그런 것들을 이제 멀티모델 용도로 많이 쓰시는 분들은 종합툴 중에 재미나일를 많이 쓰시면 좋을 것 같고요. 뭐 클로드라든지 퍼플렉시티는 뭐 이런 또 문장 만들어내는 그이 어떤 아주 유료한 표현들이라든지 혹은 뭐 이런 그 리서치 영향에서 상당히 또 강점을 보이고 뭐 이런 부분들이 있는데 하여튼 뭐 저금 제 저는 이제 요런 정도 툴은 여러분 직접 써 보시면서 내가 어떤 영향을 갖느냐가 더 중요하다.
네.
그리고 또 하나는 뭐 최근에 이제 그록이
성인 버전 이제 나오지 않았습니까?
음.
저는 안 써봤어요.
어우.
그러게는 좀 아직까지 뭐 거기까진 못가 봤습니다.
엄청납니다.
아, 그래요?
제가 제 또 제 채널에서
그럭도 전문가분이 나오셔 가지고
한번 쓰는 걸 봤거든요. 성인물들이 막 나와요.
아, 그래요?
네.
한국에서 그걸 풀어 줘요. 그
아, 그래요? 어떻게 그렇게 풀어주지? 그게 뭐냐면은 그니까 일단 그 툴 자체가 성인 툴로 등록이 안 되어 있어 가지고
아, 그래요?
근데 그 컨텐츠는 성인으로 만들어지는 거예요. 근데 그게 법적으로 좀 제재가 있을 수 있을 것 같은데 아직까지는 그게 뭐 네. 그러니까요. 이게 제가 직접 쓰는 거를 봤는데요. 이게 뭐 예를 들면은 모델 업비슷한 사진을 넣고 이거를 뭐 영상으로
움직이게 만들어줘. 그래도 다 되고.
음.
그리고 뭐 제 사진과이 모델 사진을 뭐 이런 것도 됩니다.
그걸 왜 하신 거야?
아 제가 [웃음] 테스트를 해 보거죠. 말씀을드려야 되니까 연구적으로 [웃음]
그래서 정말 이게 그 채치피티가 얼마 전에 작년 11월이죠. 캐나다부터 그 성인 인증해서 성인용 콘텐츠 생성도 풀었어요.
아 성인 인증한 사람만 네네. 그 저도 인증을 해서 한번 그러니까 사실 성인 지금 이미 인증이 되어 있으시잖아요. 그러면 그냥 뭔가 다른 절차 없이 쓸 수 있어요.
그러니까 성인용의 그런 컨텐츠 요청을 해도 얘가 받아준다라는 거예요.
음. 뭐예를 들면 뭐 근데 너무 막 이상한 뭐 무슨 야동 만들어주고 이런 생각하지 마시고요. 이게 뭐냐면 예를 들면 너랑 나랑 이제 연애하는 사이야. 우리 성인 같이 대화해 보자. 그럼 얘가 끈적끈적하게 대화를
해. 아 온라인 그런 거를 할 수 있다. 얘기 들었어요. 네. 그 뭐 사진도 어느 정도 제가 근데 제 채널에서 그걸 한번 해 봤거든요. 직접
근데 아직까지뭐 과하게 그록만큼 안 돼요. 그록은 정말 매운 맛이고요. 음.
얘네 한 스파이시 정도. [웃음] 그래서 이게 아 채치피도 이제 약간은 제 생각에 재미나이가 이렇게 업그레이드가 빠르게 진행되는 거 봤을 때 상당히 위기감을 느끼고 있지 않냐? 실제로도 세마르트먼이 적색 경보 발령했잖아요.이 재미나이 업그레이드 되는 거 보고 큰일이다.
네. 재미나 업그레이드 되는 거 보고 두 개 기업이 긴장을 했는데 하나가 그 TPU 성능 때문에 엔비디아가 긴장을 했고요. 근데 엔비디아 반응은 야 그래도 우리가 앞서 여유를 부렸어요. 근데 샘 알트먼의 반응은 야 적색 경보다.
음.
야 지금 기타 투자하는 거 다 끊고 그냥 GPT에 몰빵하자. 성능 업그레이드 해야 돼. 지금 이렇게 됐거든요. 그러니까 이게 채 G지PT는 지금 수익 모델이 GPT 구동료밖에 없어요.
네. 근데 문제는 이게 지금 1년에 대략 2025년 기준으로 한 6조 정도 매출이 나왔는데 이게 실제로 그 비용이 한 15조 정도 들었어요. 그 적자잖아요. 근데 이게 적자인데 구독자가 지금 아주 빠르게 늘어야 되는데 이런 재미나이 같은 정말 대단한 또 툴들이 막 이렇게 경쟁 치열하게 나오면은대 뺏길 수밖에 없는 거. 지금 이미 선도자 입지잖아요. 더 늘어야 되는데 더 뺏길면은 이제 심각해질 수 있죠. 그 저는 오히려 오픈 AI가 좀 힘들어질 수도 있겠다. 예전 네스케이프 전체를 밟지 않을까 뭐 이런 또 생각
아무래도 구글이 뭐 전 세계에서 돈 제일 잘 버는 회사인데 그러면 이제 당연히 자금력으로 이제 밀어붙일 수도 있고 어 그러면 이제 말라 나온 김에 어느 정도 지금 AI 관련된이 툴들도 경쟁을 하고 있지만 약간의 좀 이제 그 우열이 좀 갈리고 있는 상황이다라고 봐야 될까? 아니면 아직은 혼조세라고 봐야 되나요? 아직 딱 지금 시점으로는 아직까지 혼조인데요. 오늘 저 2026년 우열이 갈릴 시작 지점이 됐다라고 보고요. 과거에 우리 2000년대 초반에 검색 엔진 얼마나 많았습니까?
한 2, 30개 있었잖아요. 그거 이제 다 정리됐잖아요. 그게 그게 이렇게 생각하시면 돼요. 우리가 일상에 내가 AI는 엄청나게 많이 쓰겠지만 내가 주로 쓰는 AI가 뭐 10개 20개일 수는 없잖아요. 지금도 여러분 여쭤보면은 저는 최치피pt만 써요. 아니면 저는 뭐 어떨 땐 요거 쓰고 어떨 땐 요거 쓰고 뭐 세 개 정도 얘기하시거든요. 저도 실제로 AI2를 한 대여섯 개 정도 쓰거든요.
네. 그 이상 늘리기는 힘들어요. 그리고 이제 AI가 오히려 다른 앱의 기본 기능으로 붙겠죠. 그래서 그러면은 지금 이렇게 지금 우죽순 AI 생성 AI 툴들이 늘어나고 다 자기만의 시장을 갖기는 어렵다라는 거죠. 그럼 이게 어느 정도 성능이 상황 평화 되면서 어떤 비즈니스 모델 수익 모델을 가져가느냐 어떤 업종이랑 이게 잘 맞아 궁합이 잘 맞느냐 이런 것들이 이제 갈리면서 시장에서 살아남는 기업과 또 예전처럼 검색인지처럼 사라지는 기업들이 저는 2026년부터 본격적으로 우열히 가려질 것이다. 이렇게 보고 있습니다.
네.
[음악]
경희대 김상윤 교수님하고 이야기 나누고 있는데요. 그러면 결국에 이제 저희도 제테크 채널이니까 이런 상황에서 내 나름대로의 직업도 잘 지키고 거기서 이제 소득도 늘려야 되겠지만 이게 결국엔 다 돈으로 바뀔 텐데 여기에 같이 좀 편승해서 가야 되지 않나? 그 결국에 뭐 이게 주식투자와 이제 가장 직관적으로 이어질 것 같은데 지금요 관련된 업계에 투자하셨던 분들 과거 1, 2년 동안 투자하셨던 분들은 성과가 좋았어요.
앞으로도 좋을 거냐? 이거에 대한 좀 궁금함이 있을 것 같습니다. 기본적으로 요즘에 뭐 거품 얘기 뭐 버블 얘기 나오고 있는데요. 아직 버블의 뭐 초입일 뿐이지 꺼지려면 조금 남았다. 뭐 이런 얘기 하시는 분들도 많고 어떻게 보십니까? 버블의 가능성은 있으나 어 저한테 딱 그냥 한 가지로 집어 주세요 하면은 버블은 아닐 것 같다라는게 제 의견이고요. 물론 금융권의이 버블론자들의 시각도 존중을 합니다.
왜냐하면 이제 금융이라고 하는게 기술과 또 다른 차원이잖아요. 이게 정말 돈이 될 거 같으면은 이게 뭐 10년 20년 법을 계속 쌓일 수도 있지 않습니까? 네게 실제에서 성과는 것과 실제로 돈이 돌아가는 건 다른 시장이니까요. 뭐 그런 관점에서 이게 과연 지금 돈 버는 기업들이 제대로 벌고 있느냐. 뭐 그들의 주장은 크게 뭐 세 가지더라고요. 첫 번째는 엔비디어만 돈을 벌고 있다. 그 반면에 두 번째는 오픈 AI 같은 정말 AI 생성 AI 시대 대표 기업 탑원 기업도 적자에 허덕이고 있다. 오픈 AI가 흑자 전환 가능성은 2030년 넘어가야 생긴다 하더라고요. 2030년까지 예정된 투자를 집행하면은 그리고 이런 정도 수준으로 구독자를 모은다라고 하면은 적자를 벗어나지 못한다라는 거예요. 오픈 AI조차 돈을 못 보는 누가 돈을 벌겠느냐? 새로운 신생 기업 중에서 이런 얘기들이 나올 수가 있죠. 그게 두 번째 이유고요. 세 번째 이유가 조금 이제 구조적인 문젠데 그걸 소위 순환 투자라고 하죠. 엔비디아가 반도체 GPU 팔아 가지고 돈 벌어요.이 돈을 어디다가 쓰느냐? 퍼플렉시티나 오픈 AI 재투자를 합니다. 그럼 얘네들이이 돈을 받아 가지고 또 GPU를 구입해요.
얘가 또 돈을 벌어서 또 투자를 해 줘요. 그래서 실제로 이런 생성의 AI 기업들의 지분의 상당 부분을 엔비디아가 갖고 있거든요. 그니까 서로 계속 순환 투자하면서 이게 그 그 규모만 키운 거 아니냐? 이게 어느 순간 빵 터질 수 있지 않냐? 이런 얘기들이거든요. 그 세 가지 이유데 뭐 당연히 다 합리적인 저는 근거라고 봅니다. 근데 AI가 과거 다컴 버블에 비해서 실제로 지금 우리 일상이나 업무 혹은 산업에 적용되는 속도나 실제 내실이 있다라는 거고 그게 지금 현재 2026년 기준으로도 충분히 그런 효과들이 나타나고 있다. 다만 우리가 이제 어 사실 투자자들이 뭐 우리 브람 채널은 워낙 또 투자 잘하시는 분들 뭐 저보다 훨씬 더 투자 많이 하시는 분들이 들으시는 내용들이니까 투자라고 하는 것은 이게 당장 내 돈을 태웠을 때 내가 돈을 빼는 시점에서 돈을 벌어야 되는 거잖아요. 이게 뭐 5년 후 10년 후 올라갈 것이다. 이게 중요한게 아니잖아요. 그런 관점에서는 조금 기준이 필요하다. 좀 속과내는 작업이 필요하다라는 말씀을 좀 오늘 준비를 했습니다. 자, 그래서 제가 가지고 온 내용이 뭐냐면요. 우리가 이제 스마일컵라고 하죠. 이제 산업에 이런 그 돈을 버는 부과 가치를내는 영역과 또 못내는 영역을 이렇게 그렸을 때 우리가 스마일이라고 하는이 얼굴에이 입 웃는 모양으로 나오는게 뭐 기획이나 설계하는 이제 제조업이라 치면은 기획 설계형에서 돈을 많이 벌고 제조형에서 돈을 못 벌고 뭐 뒤에 이제 사후 AS나 혹은 뭐 유통형에서 돈을 많이 벌고 이게 이제 스마일 커브 아닙니까? 그럼 AI 업계에서 스마일 커브가 어떻게 형성되느냐라는 거예요. 실제로 우리가 구조적으로 좀 살펴보면은 지금까지 현재는 반도체 기업들이 다 돈을 벌고 있죠. 왜냐하면요. AI 시대가 이제 막 개화가 됐다라고 치면은 지금 가장 중요한게 뭐냐면은 데이터를 학습시켜야 돼요. AI라고 하는게 세상을 이해하려면 데이터를 학습해야 되잖아요. 똑똑한 지능을 발휘하는 거 자체가 학습이거든요. 근데 그 학습에 필요한게 뭐냐면은 당연히 데이터 필요하죠. 근데 그것의 수단 도구가 되는 거 우리 곡괭이라고 보통 표현을 하더라고요. 그게 바로 반도체 AI 반도체 GPU라는 거죠.
그 GPU가 지금 무한대로 필요한 시대가 지난 몇 년간 흘렸던 거예요. 그리고 AI가 이렇게 본격적으로 여러 산업에 영향을 끼치니까 학습이라는게 온갖 곳에서 필요하고 그 당연히 GPU가 그 역할을 할 수밖에 없었고 하드웨어 반도체 영역이 투자가 집중되고 실제로 돈을 벌 수밖에 없었죠. 자, 근데 이게 이제 반도체가 무한대로 수요가 생산 될 것이냐? 2026년은 어느 정도 조금 변화들이 있을 수 있다. 우리가 지금 학습이라고 하는 것이 뭐 대형 거대 언어 모델 뭐 생성형 이하의 중심으로이 빠르게 다양한 영역에서이 모델 규모를 키우면서 GPU 수요들을 많이 받쳐 줬지만은 앞으로는이 학습된 기본 모델을 바탕으로 돈벌 거리들 그니까 즉 우리가 데이터를 또 이런 서비스화하고 또 실제로 이제 물리적 세상에서 뭔가 변화를 만드는 이런 영역들에 필요한 것들 그러니까 이게 우리가 이제 추론의 영역이라고 하거든요. 그러니까 학습용의 반도체가 있으면은 출론용 반도체가 필요하고 이것이 이제 TPU 이제 구글의 TPU가 그 역할을 대신 하는 거 아닙니까? 그 과정에서 우리가 HBM이라는 것도 요곳에 하나의 또 수혜를 얻고 있잖아요. 이런 것들이 이제 어 사이클이 돌고 있다. 자, 그래서 우리가 반도체 영역들은 조금 변화 양상들을 살펴보면 되는데 그래서 이게 좀 붙임이 있을 수 있다라는 말씀을 먼저 드리고요. 그래서 우리가 좀 더 2026년 단기적으로 주목해 봐야 될 부분, 좀 더 긍정적인 부분은 저는 데이터 센터와 에너지 분야라고 봅니다.
네. 어, 특히나 우리가 에너지라고 전력 수급 문제는 이게 기정 사실이에요. 반도체는 좀 수요가 좀 좋을 때 분기마다 좀 이런 붙임들이 있지만은 전전력 에너지라는 측면은 지금 현재 2027년, 2028년, 2029년, 2030년까지 계속 공급 부족이에요. 이거는 이제 기정 사실로 예측이 다 되어 있어요. 왜냐하면요. 이게 수요 공급의 원칙에 따라서 에너지 생산 공급의 그 케파는 이미 예측대로 다 정해져 있어요.이 당장 에너지가 많이 필요하다고 발전소를 빠르게 지을 수 있습니까? 예를 들면은 우리가 이제 뭐 원자력 발전소는 뭐 최소 7년에서 10년 정도 걸리고요. 화력 발전소는 5년 정도 걸리거든요. 이게 에너지 계획이 5년, 10년, 20년 단위로 나올 수밖에 없는 거예요. 그럼 당장 내년에 내 후년에 어떻게 될 건데? 에너지 부족하다는 거예요. 그 말은 지금 현재이 에너지를 배급하고 생산하고 하는 영역이 엄청난 과부화가 몰릴 수 있다. 상당히 투자적으로도 당연히 지금도 주목하고 계시지만은 더 주 주목해 봐야 될 분야이고요. 또 하나는 데이터 센터 부분입니다. AI 데이터 센터도 그렇고 실제로 수요 산업의 AI가 보급이 되면은 수요 산업의 데이터들을 다루는 AI 추론에 필요한 데이터 센터가 아니라 수요 산업 데이터를 모아놓는 데이터 센터도 또 필요해요.
네.
피지컬 AI가 대표적이죠. 이런들이 엄청나게 또 이게 공급이 필요하거든요. 예를 들면 지금 현재 전 세계 데이터 센터가 뭐 대략 비공식계지만 한 12,000개 정도 있다라고 합니다. 근데 2030년까지 2만 개를 넘어선대요.
음.
그 예정이 다 되어 있어요.
네.
그럼 거의 두 배거든요.
그러니까요.
지금까지 지은 거보다
네.
더 지어야 되네.
네. 네.
그게 몇 년 만에
음.
데이터 센터는 물론 뭐 1, 2년 만에 완공을 하지만 이게 이미 계획이 이렇게 되어 있으면은 어떻게 필연적으로 데이터 영역 수요 사명이 같이 복합적으로 들어가겠죠. 거기다가 에너지 전력 수급 들어가겠죠. 이거는 예정이 되어 있고 어 갑작스런 변수가 나타나지 않는 영역이라는 거예요. 확실한 영역이라는 거죠. 그래서 요런 영역에서 물론 지금 이쪽 영역도 많이 지금 이미 많은 이제 상승률을 종목들이 보였지만은 좀 속아내서 우리가 좀 투자를 하는 것도 2026년 필요하다. 그리고 마지막 산업 특화 영역입니다. 이제 대표적으로 피지컬 AI 같은 거죠. 제조업이든 혹은 요즘 바이오나 의료, 제약 산업의 AI 투자 엄청나게 들어오고 있거든요. 그럼이 산업들이 AI 받아들였을 때 어떻게 확신되는데 요거 보셔야 된다는 거예요. 이제 당장 우리가 AI 가지고 효과가 나타나는 수요 산업들이 올해부터 생겨날 수가 있다. 그럼 요런게 좀 신규 투자 영역이 아닐까? 너무 엔비디아 반도체만 집중하지 마시라. 집착하지 마시라. 그니까 M비디아 안
간다라는 게 아닙니다. 근데 요거 기대하는 수익률에 비해서 또 묻침이 있는 거에 비해서 오히려 더 안정적으로 우리가 수익을 창출할 수 있는 영역들을 좀 찾아보자. 이런 말씀을 좀 드리는 겁니다.
네. 그니까 올해부터는 좀 유의미하게 돈을 버는 회사들도 좀 나타날 수 있을 것이다. 실적이 막 나오고 AI를 기반으로 뭐 기존의 산업을 훨씬 효율화한다든지 그런 것들을 한번 투자를 할 필요가 있다. 그 올해도 어쨌든 AI 전반이 분야에 돈이 더 가고 그다음에 그게 이제 주가를 상승시키는 요인으로는 작동을 하겠죠.
올해 뭐 갑자기 뭔가 좀 이쪽 시장이 급감한다거나 이럴 확률은 낮다라고 보시나요? 지금 분위기상 그럴 것 같진 않아요. 뭐 극하거나 뭐 정말 갑자기 침체가 되거나.
네. >> 근데 저는 이제 이제 그 아까 제가 이제 서도에 말씀드린게 금융과 기술이 좀 다르다라고 뭐 제가 금융 정보가 아니다 보니까 이제 그런 말씀드린 이유가 조금 이제 너무 자본들이 이제이 나스닥이나 기술주 위주로 몰리긴 했어요. 이게 실제 전체 미국 주식 시장의 대략 45%가 기술주가 차지하고 있다라고 하더라고요. 그 말은 뭔가 이제 거대 손, 큰 손이 야 이제 한번 눌렀다 가야겠다. 그럼 어디부터 빼겠습니까? 당연히 기술주부터 빼죠. 그런 거를 이제 뭐 저한테 물어보시면 전 답을 못 해요.
근데 이제 그냥 제가 저도 투자자일 뭐 일계 투자자 관점에서 봤을 때 상방이 조금 조심하긴 해요. 뭐 제 개인적인 거 말씀드리면은 저도 이제 기술주 당연히 이제 관심을 갖고 투자를 하고 있는데 어 작년에 좀 뭐 조금 타이밍적으로 좋았을 때도 못 안 좋았을 때도 있지만 조금 줄였어요. 좀 줄여서 나머지는 그냥 그대로 가져가고 있습니다. 왜 줄였냐면은 한번 조정이 오면은 얘네들을 중심으로 조정이 올 거라고 봤고 이게 이제 버블이라서 조정이 아니라 돈이 몰린 것에 대한 조정이 있을 수 있다. 그런 기술적 조정들은 당연히 저는 상반기에 있을 수 있다라고 보고 그런 것들은 뭐 더 전문가분들의 말씀을 좀 듣고 하시는데 AI 자체의 좀 버블 요거는 저는 조금 더 부정적 시각이 큽니다. 버블이 아닐 가능성이 더 크다. 잠깐 조정이 올 순 있지만 조정 이후에 다시 또 상승하는 구조로 가서 결국에는 전고점을 계속 돌파하는 양상은 꺾이지 않을 것이 >> 네. 그렇게 보고 있고요.
그래서 특히나 이제 미국 주식 시장은 우리나라 주식 요즘 너무 좋지만은 미국 주식 시장은 이게 큰 조정 없이 이게 사이클 없이 계속 27, 28, 29 갈 수도 있겠다. AI가 이끈다라고 하면은 저는 그렇게 이제 생각을 하고 있고 다만 앞서 제가 말씀드린 것처 밸류체인 제가 소개드린 이유가 어 반도체만 너무 집중하지 마시라. 이게 AI가 정말 버블이 아니라 전반적인 사회 구조를 바꾸는 것에 제대로 영향을 끼쳐 간다라고 하면 더 수의 산업들이 더 많아지는 거예요.
>> 네. >> 그러면 이게 특속의 진주들이 나오거든요. 이미 제가 말씀드린 뭐 에너지나 뭐 데이터 이런 쪽은 이미 또 이런 투자 섹터가 형성되어 있지만은 또 다른 차원의 수요 산업의 수회주들이 생길 것이다. 그래서 조금 다양한 시선으로 좀 분산하시고 또 AI가 끌고 가는 영역에서이 변화의 긍정적인 영향을 받는 업종들에 대해서 좀 시간들을 좀 확대해 볼 필요가 있다라는 겁니다. 예.
아까 이제 전력 얘기를 해 주셨는데 사실이 모든 것들은 결국에 이제 전기로 돌려야 되는 것이고 근데이 전기라는 거는 뭐 기존의 인류가 쓰는만큼 정도에서 살짝 뭐 여유치 정도로 항상 운영을 해 왔을 텐데이 수요가 지금 어찌 보면 2022년 이후에 갑자기 폭발적으로 생긴 거잖아요.
>> 그러면 이제 전력 인프라는 건 뭐 송전도 있을 것이고 당연히 이제 전기를 발전시키는 것도 있을 텐데 이게 당장 공급이 되냐? 그러니까 소위 말하는 병목 현상이 일어나는 거 아니냐. 그니까 지금의 모든이 예측이 병목 현상을 한번 만나면 그때 또 이제 어 버블이었다 하면서 또 꺾이는 이런 일들도 일어나지 않을까 싶기도 하거든요.
>> 충분히 그 변수도 있을 수 있죠. 이게 에너지 전쟁은 저는 불가피하다라고 봅니다. 그리고 병목 현상 이미 지금 예측이 되고 있어요. 이제 미국 같은 경우에 AI 수요가 집중되어 있잖아요. 이미 지금 예정되어 있는 데이터 센터 AI 뭐 이런 투자 규모만 봤을 때도 이미 전력 나는 예정되어 있어요. 이미 많은 전력 에너지 관련된 연구 기관들의 발표에 따르면 2027년부터 쇼티지가 날 것이다. 이런 예측들이 나오고 있고 실제로 지금 데이터 센터 그냥 평균적인 데이터 센터 다섯 개 돌리는데 원자력 발전소 하나가 필요합니다.
>> 음. >> 이게 말이 안 되는 거예요. 원자력 벌전수 얼마나 큰 그 발전 그기구 기관입니까? 그죠? 이런 인프라에 데이터 센터 고작 다섯 개 눌린대요.
>> 그 말은 데이터 센터 아까 제가 뭐 2만 개 이상 간다라고 했잖아요.
>> 그 이미 지금 전력 부족은 예측 되어 있는 기정 사실이다라고 보시면 돼요. 그렇다 보니까 이제 좀 집중하시라는 거고 실제로 지금 뭐 2026년 기준으로요. 전 세계 AI 전력량이 한 국가 그러니까 일본의 AI 그 전력 소비량을 넘어섰다라고 해요. 이게 어마어마한 규모거든요. 이게 이제 어 속도가 더 가팔라질 수 있다라는 것이고 재밌는 사례가 하나 있는데 아일랜드라는 나라 아시죠?
이 >> 아일랜드가 특이한 게요. 이게 이제 기업들 이제 작은 나라다 보니까 강소국이 되기 위해서 기업들을 많이 이제 특히 빅테크 기업들을 유치하려고 유럽의 유럽 지사들을 유치하려는 전략으로서 법인세를 엄청 낮춰줬어.
>> 그래서 뭐 구글 뭐 이런 유럽 지사 유럽 뭐 이제 헤드코터라든지 뭐 메타 뭐 다 알랜드에 들어가 있거든요. 근데 어떤 문제가 생긴지 아세요? 이게 그 헤더쿼터가 거기 들어가 있으니까 얘네들이 이제 그 근처에 데이터 센터도 돌릴 그 인프라들을 많이 구축한 거예요. 그랬더니 이제 알랜드가 그것도 세금을 깎아 준 거예요. 그랬더니 이 전기 요금이 갑자기 급상승해 버려 가지고 너무 많은 데이터 세가 들어온 거죠. 이걸 예측을 못 한 거죠.
>> 그래서 지금 일반 소비자 전기 요금도 엄청나게 올려 버린 거예요. 그래서 알랜드 국민들이 야, 전기 요금 내 이렇게 비싸게 내야 돼. 왜 구글 이런 기업들이 왜 내 전기요금을 이렇게 올려 놨어? 음반 이게 어떻게 보면 역습이죠. 네.
>> 알트가 이걸 예상을 못했던 거예. 이런 일들도 벌어지고 있고 전 세계적으로 이게 결국은 뭐 전력란은 이미 예상되어 있다라는 것에서 투자 관점에서 뭐 한 몇 가지 좀 말씀드리 이미 뭐 투자 잘하고 계신 분들 다 알고 있고 이미 또 많은 또 상승이 있었던 종목들이고 영역이긴 하지만 송전 변합기 시장들 저는 이게 앞서 말씀드리 2027년 2030년 계속 전력 부족이 이미 기정 사실이 되어 있다는 점에서 이 수요는 줄어들 수가 없죠. 음 드은 이미 예되어 있다는 거예요. 상승이
>> 그러니까 전기를 깔아놔야 뭐가 되는 거니까
>> 반도체는 뭐 안 사도 되지만 전기는 깔아야죠. 깔아놔야도 나중에 하니까.
>> 그죠? 네. 맞습니다. 그래서 이런 뭐 전력을 해결하는 것과 관련된 인프라와 관련된 여러 산업들, 여러 업종들 뭐 송전시장뿐만이 아니라 이런 다 설비 시장들 또 이런 대한 또 전력 생산 방식들이 있거든요. 소용 모듈 원자로라든지 뭐 이런 영역들의 기업들 뭐 이런 지금 이미 또 이슈가 많이 되고 있지만은 이런 투자도 상당히 또 좋은 투자가 훌륭한 투자가 될 수 있다라는 말씀을 드리고요.
요즘은 이런 그 데이터 센터의 전력 그 사용을 또 줄이기 위한 또 아예 그냥 이제 전력이 부족하니까 전력을 적게 쓰는 데이터 센터를 만들자 이런 아이디어들도 나오고 있어요. 이미 실제로 2018년에 마이크로소프트는 네이틱 프로젝트라고 해서이 해상 데이터 센터 즉 바닷 속에다가 데이터 센터를 빠뜨리는 시도를 합니다. 일단 바닷속에 빠뜨리면은 여러 이제 그 지상에 뭐 땅도 사야 되고 건물도 올려야 되고 이런 비용도 절감이 되고요. 또 하나는 물에다가 빠뜨리니까 열을 시키기가 더 유리한 거예요. 바닷물로 해수로 이제에 물 열을 시키는 거죠. 그래서 이런 방식들을 이제 실제로 이제 파일럿 테스트를 했는데 문제는 되게 재밌는게 뭐 절반에 실 실패 절반에 성공을 했어요. 왜냐하면은 고장률이나 뭐 이런 가동률은 생각보다 잘 나왔어요. 효율이 나왔는데 이걸 몇 년 동안 집어넣어 놨더니 따개비가 붙어 가지고
>> 이게 유지보수가 힘들더라는 거예요.
>> 어, 그럴 거 같은데요. 그쪽에 어, >> 그래서 이게 실제로 돌리는 네. 그렇죠. 돌리는 거는 생각보다 효율이 잘 나왔는데 이런 다른 새로운 변수들이 생겨 가지고 지금 현재는 조금 이제 그 홀딩이 홀딩이 되어 있습니다. 근데 되게 재밌는게 이걸 또 누가 하냈습니까? 중국이 해냈습니다.
>> 음. >> 중국의 하이렌더라는 기업이 2023년 하이난 앞바다에 세초 세계 최초로 수종 데이터 센터 구축했거든요. 당연히 하이렌더 주가 어떻게 되겠습니까? 엄청나게 상승했죠. 2025년 1년 동안 두 배 이상 상승했어요. 요즘 참 희한한게이 혁신 산업에 미국 얘기하다가 그다음은 꼭 중국이에요.
>> 네. >> 이게 정말 좀 속상하기도 한데 이렇게 데이터 센터, 해상 데이터 센터 분야도 중국이 치고 나오고 있다. 그럼 우리나라는 어떻게 하고 있느냐? 우리나라도 괜찮습니다. 지금 한국 해양과학 기술원을 중심으로 이런 기초 기반 기술들을 지금 확보해 나가고 있고요. 특히 기업들도 예를 들면 삼성이 오픈 AI랑 같이 우리가 해수냉각 데이터 센터 만들자. 이렇게 지금 시도하고 있고 시도 울산 아빠대 2027년에 지금 이거 시범 사업 지금 예정이 되어 있습니다. 그래서 이런 것들이 이제 하나하나가 뭐냐면은 AI라고 하는 것이 이게 반도체 학습하고 출론하고 이런 쪽으로만 아니라 이게 전력에도 영향기치고 또 뭐에도 영향기 치고 뭐에도 영향기고 하면서 이거를 우리가 해소할 수 있는 방법들 다양한 대안들을 찾아 나가는 과정이 있다. 그런 관점에서 우리가 데이터 센터나 이런 에너지 산업이나 이런 것들도 우리가 좀 바라볼 필요가 있다라는 거죠.
>> 음. 이게 나중 되면은 이제 우주로 가겠죠. 우주의 데이터 센터를 만들면 뭐
>> 벌써 그런
>> 태양광에 뭐 온도도 다 해결되니까
>> 아예 그냥 위성으로 이렇게 데이터 센터 띄어놓자 뭐 이런 얘기도
>> 그렇게 되면은 결국에 이제 아까 말씀하신 초지능과 엮겨 가지고 이제 뭐 모든 이제 인공지능이 이제 급속도로 이제 발전하기 시작하고 그럼 이제 휴모노이드가 다 자원 채굴하고 그걸로 물건 만들고 그렇게 되면은 이제 인간이 일하지 않는 세대 시대가 올 수도 있거든. 그걸 기대 되게 이제 밀고 계신가 봐요.
>> 아, 그냥 그렇게 [웃음] 될 거 같다는 뭐 막연하지만 뭐 그래 보여요. 왠지
>> 뭐 이렇게 막연하게 하니까 그 근거를 될 수 없어서 제가 자세히 말씀 못 드리지만 저도 그런 느낌이 있어요.
>> 네. >> 대신에 이제 그렇게 되면 이제 남은 사람들이 뭘 할 것이냐 그러면 이제 뭐 전쟁이나 뭐 이런 걸로 또 갈 거 같기도 하고 뭐
>> 전쟁이 또 전쟁이 부각되고 있더라고요.
>> 예. 음.
>> 굳이 이렇게 뭐 필요 없어지니까 상대가 필요 없다면은
>> 재밌는 게요. 이게 그런 뭐 인간이 일을 안 해도 되는 거랑 뭐 같은 맥락은 아니지만은 이런 급진적인 변화가 올 거를 다들 예상을 하고이 세계 부호들은요. 지하 벙커를 만들고 있어요.
>> 지하 속에 들어가 살겠다라는 거야. 그 뭔가 너무 지구의 뭐 지구 온난나도 그렇고 AI가 뭐 세상을 세상에 역습을 할 거다. 뭐 AI 멸망론 이런게 막 계속 부각이 되니까 야 이럴 경우 대비해서 우리 땅 파 놓고 벙커 만들어 놓자. 실제로 지금 저커버그도 그렇고요. 또 일부 또 부유 세력들이 벙커 만들어 가지고 자신만의 그 안에서 먹고 살 수 있는 공간을 만드는 시도들도 이어지고 있습니다.
>> 그러니까요. 지금은 뭐 벙커로가 있겠지만 이제 조금 더이 기술이 발전하면 이제 우주로 나가서 우주에다가 이제 벙커를 만들고 뭐 그런 왔다 갔다 하면서 살지 않을까 싶기도 하간 이제 안가 본 길을 가기 때문에 예측도 안 되지만 시대가 엄청나게 바뀔 것이다. 요거 하나는 정확하게 예측을 할 수 있을 것 같습니다.
그래서요 상황에서 지금 말씀해 주셨던 것들이 사실 꽤 오는 종목들도 있는데 앞으로 더 갈 것이다. 네.
>> 오른 종 안 오은 장목 찾기가 어렵잖아요.
>> 아, 그러니까 그래서 지금 이게 비싸다고 생각할 수도 있는데
>> 토가 도가하면 비싼게 아닌 거니까 그래 시장은 훨씬 확대된다는 거잖아요.
>> 그죠? 그래서 AI 쪽 뭐 제가 이제 위주로 말씀을 드릴 수밖에 없고 제가 이제 연구하는 분야니까 이쪽 봤을 때 전체 파일로 갔을 땐 더 갈 것이다. 그 안에서 좀 더 갈 거를 찾자 이거 이거예요. 그 좀 더 갈 걸 찾자라는 것이 너무 반도체 반도체 반도체만 보지 마시고 좀 여러 시선을 확대해 가지고 좀 분산하시는 또 이런 관점들도 상당히 훌륭할 수 있겠다라는 말씀드.
그 최근에 이제 구글이 이제 TPU 발표하면서 엔비디아 주춤하고 구글은 지금 막 시총이 막 급등해 가지고 애플 넘었다 얘기도 나오고 가고 계십니까?
>> 아니요. [웃음]
>> 제가 미리 말씀 좀 드리고 싶어요.
>> 아, 그래요? TPU 이게 엔비디아 GPU랑 뭐 같이 가는 것이다. 뭐 이게 뭐 경쟁 상대 이렇게 논란이 있던데 어떻게 봐야 됩니까? 사실 그 구글 그리고 엔비디아는 서로 경쟁이라고 얘기를 안 해요.
>> 그니까 그게 일부러 안 하는게 아니라 그들 자체가 그렇게 컨셉을 잡고 있어요. 그니까 TPU는 추론에 특화되어 있는 반도체거든요. 그니까 아까 제가 학습용 출론용 따로 나온다 그랬는데 쉽게 말씀드리면 학습용은 내가 똑똑한 지능을 갖기 위해서 공부하는 거고요. 추론용은이 공부한 머리를 가지고 뭔가 돈이 될 만한 서비스를 하기 위한 어떤 머리를 쓰는 겁니다. 이게 다르잖아요. 그죠? 그럼 이게 학습용과 추론용의 역할을 제대로 하고 있다. 근데 이번에 TPU가 이슈가 됐던게 뭐냐면은 이게 주로 출론용으로 쓰이던 TPU가 이번 재미나의 학습용으로 쓰였다라는 거예요.
>> 근데 성능이 너무 잘 나온게 이제 이슈가 된 거죠.
>> 이번 성능이 어느 정도 나왔냐? 여기 한번 화면 보시면은 어 모든 벤치마크 결과에서 지금 현재 뭐 채치피티나 클로드를 압도했습니다.
>> 압도 수준이에요. 그래서 이렇게 똑똑한 재미나를 만들었는데 너 너네 어떻게 학습했어? 우리 TPU 썼어. 이렇게 나온 거죠. 그니까 언론이 야 그럼 TPU가 이제 엔비디아 무너뜨리는 거 아니야? 이렇게 나오는 건데. 근데 이제 결론부터 말씀을 드리면은 엔비디아 GPU랑 지금 구글 TPU가 2026년 딱요 1년만 놓고 보면 서로 맞붙을 그런 시장은 아니다. 이게 별도 약간 이렇게 틀어져 있는 시장이다 이렇게 보시면 되고 다만이 엔비디아 GPU가 너무 기세 등등 해 가지고 이렇게 2년 3년 가면은 오히려 버블론이 더 강화될 수밖에 없어요. MBD나 하나의 기업이 거의 독점적으로 이게 모든 AI 영향을 끼치는 거는 별로 좋지 않잖아요. 데 TPU라는 것이 지금 현재로는 이렇게 어긋나 있지만은 얘네가 뭐 출론 모델이든 혹은 나중에 학습 용으로든 좀 쓰이든 이런 생태기가 조금씩 형성되면서 엔비디아 말고도 조금 이렇게 다른 대안들이 있네. 엔비디아가 지금 거의 80% 정도 독점하고 있는데 한 70 60으로 떨어지면서 자연적으로 이렇게 생태계가 두 개 세 개 정도 형소 건져나잖아요.
>> 요런 건 좀 희망적이죠. 음.
>> 그래서 실제로 이제 좀 그렇게 보시면 되고 다만 구글이라는 한 기업만 놓고 보면은 정말 그 우리 소위 야구 선수들한테 파브 플레이어라고 얘기하잖아요. 그 파브툴 플레이어 됐어요. 다 하는 거예요. 이제
>> 실제로 지금 포툴이죠. 포툴 지금 화면 보세요. 이게 다 하는 거죠. 지금 현재 그렇죠. 하드웨어도 하고 클라우드도 갖고 있죠. 클라우드 전 세계에 지금 점유율 한 30% 되거든요. 클라우드 갖고 있죠. 그다음 파운데이션 모델 뭐 우리 이제 제미나이 모델 뭐 팜 모델 이런 거 가지고 있죠. 그리고 이제 하드웨어까지 완성한 거죠. 그래서 이게 정말 AI 시대 지금 2026년 기준으로 이렇게 포툴 플레이어는 거의 최초다. 물론 중국에 뭐 알리바 정도 제외하고요. 이런 정도로 봤을 때 구글 자체의 어떤 그 희망적인 우리가 스토리는 좀 써 볼 수 있겠다. 그래서 구글 주가가 이미 또 선반영돼서 오르고 있지 않습니까?
>> 근데 이건 좀 저는 올해 더 올라갈 가능성이 크다. 네. 구글은 상당 상당히 전 좋은 픽이다라고 보고 있고. 왜냐면 그 상승률이 엔비디아보다는 좀 지금까지 못했기 때문에 좀 더 여력이 있다라고 보고요. 그리고 앞서 제가 에너지 전력 수요 문제랑을 좀 연결해서 말씀을 드리면은 이게 결국 앞으로 AI 시대는 바틀렉 그 이제 그 어떤 어디서 그게 이제 장벽이 생기느냐 바로 에너지 문제라는 거예요. 이거 에너지 효율을 만드는 업체들이 상당히 수위를 찾을 가능성이 크거든요. 그런 점에서 제민하이가 이제 그이 TPU를 써서 학습을 시켰지만은 또 이거 운영하는 과정에서 이게 출연하는 과정에서 에너지를 상당히 적게 쓰고 있다라고 알려져 있어요. 이게 보시면은 채치에 비해서 더 적은 에너지를 쓰고 있어요. 그리고 뭐 실제로 이걸 비교해 보시면은 여러분들이 이제 채치피티나 재미나의 질문 하나 할 때 에너지가 얼마나 쓰이냐 TV 켜 가지고 9초 정도 시청하는 그 정도 에너지가 쓰여요. 그리고 물도 소 쓰인데 물 왜 쓰인지 아까 제가 설명드렸죠. 이게 추론하고 하면 이제 냉각장치가 필요하기 때문에 물이 쓰인다 이렇게 보시면 되는데 요게 한 0.26m 이게 계속 줄어들고 있거든. 효율화되고 있거든요. 요런 점에서 에너지 효율을 좀 더 강화할 수 있는 모델 뭐 GPU가 어디 기업 거냐 요게 상당히 또 올해 상당히 초점이 맞춰질 수 있다. 이런 것들 좀 중요합니다.
네. 지금까지 경희대 김상윤 교수님 모시고 어 AI 시장부터 그리고 이제 이런 것들을 기반으로 어떤 투자를 해야 되는지 얘기를 해 봤는데요. 어쨌든이 AI가 이제 쉽게 꺼질 것 같은 그런 느낌은 아니고 앞으로 한 4, 5년 이상 더더욱 더 성장하면 성장했지. 물론 이제 벽 현상 때문에 성장이 약간 지체될 순 있어도 이 가는 방향은 꺾이지 않는다.이 얘기를 이제 집중적으로 해 주신 거 같고요 내용 잘 참고하셔 가지고 좋은 선택하시기를 바라면서 영상 마무리하도록 하겠습니다. 오늘 시청해 주셔서 감사드리고요. 교수님도 오늘 나와 주셔서 감사드립니다.
>> 네. 감사합니다. [음악]