핵심 요약

  • 마크 앤드리슨은 결과를 검증할 수 있다는 점에서 AI 코딩 도구가 빠르게 발전할 것으로 전망했다. 다만 코드를 이해하고 결과를 평가하는 사람의 역량은 여전히 중요하다고 봤다.
  • 그가 접한 AI 기업에서는 엔지니어 채용이 늘고 있다. 고객 서비스 등 일부 업무의 자동화 사례는 있지만, 작은 팀이 곧 엔지니어를 대체했다는 관찰은 제시하지 않았다.
  • 기존 제품에 AI 기능을 덧붙이는 방식과 AI를 중심에 놓고 제품을 다시 설계하는 방식을 구분했다. 조직 자체를 AI에 맞춰 재설계한 회사는 아직 보지 못했다고 말했다.
  • AI 경쟁의 승자를 예측하지 않았다. 모델의 크기와 공개 방식, 학습 방법, 자금 조달, 정확성, 실행 비용이 모두 미해결 문제라고 봤다.

AI 코딩이 낮추는 개발 장벽

앤드리슨은 AI 코딩을 소프트웨어 개발의 큰 변화로 평가했다. 코드의 결과는 실행하고 검증할 수 있어, 합성 데이터 생성과 자체 학습, 강화학습을 통해 도구를 더 개선할 여지가 크다는 설명이다. 그는 AI가 코드 설명과 수정, 결제 시스템 같은 외부 서비스 연결, 배포 과정에도 도움을 준다고 말했다.

렉스 프리드먼은 이런 도구가 개발 경험이 없는 사람에게도 힘을 주지만, 코딩을 배우는 일은 여전히 필요하다고 지적했다. 앤드리슨도 동의했다. 코드를 이해하는 사람은 AI가 만든 결과를 평가하고 작업을 더 잘 지휘할 수 있기 때문이다. 동시에 AI에게 코딩을 배우거나 코드베이스의 작동 방식을 물을 수도 있다고 덧붙였다. 교육 사례로 칸 아카데미와 AI 기능을 갖춘 리플릿을 언급했다.

앤드리슨은 소프트웨어를 만들기 쉬워질수록 더 많은 소프트웨어가 만들어질 것이라고 예상했다. 향후 개발 일자리도 늘 수 있다고 전망했지만, 이는 현재 확인된 결과가 아니라 그의 추정이다.

채용 현실과 AI 중심 제품

프리드먼이 스타트업 규모가 작아지는지 묻자, 앤드리슨은 자신이 보는 범위에서는 대기업과 작은 기업 모두 AI 시스템을 만들 엔지니어를 적극 채용하고 있다고 답했다. 고객 서비스처럼 일부 업무를 최적화하거나 자동화하는 기업은 있으나, 엔지니어 채용이 줄어드는 징후는 아직 보지 못했다는 것이다.

그는 기존 제품에 AI 기능을 추가한 기업과 처음부터 AI를 중심에 놓고 제품을 설계한 기업을 구분했다. 전자의 예로 이메일 요약 기능을, 후자의 사례로 자신이 만난 AI 이메일 시스템 개발팀을 들었다. 프리드먼은 커서를 AI를 중심에 놓고 개발 도구를 다시 만든 사례로 제시했다.

두 사람은 기존 기업이 제품 전체를 다시 설계하기 어려운 이유도 논의했다. 앤드리슨은 기존 고객과 사업에 미칠 영향을 고려해야 하는 대기업의 사정이 스타트업에 기회를 준다고 설명했다. 다만 아이디어가 분명해 보여도 새 이메일 제품을 실제로 만들고 지메일과 경쟁하는 일은 어렵다는 프리드먼의 지적도 남는다.

조직을 다시 설계하는 실험은 아직

앤드리슨이 기다리는 것은 제품을 넘어 조직도까지 AI에 맞춰 바꾼 회사다. 그는 엔지니어링 책임자가 여러 코딩 에이전트를 관리하거나, 반대로 AI가 사람과 에이전트의 작업을 관리하는 구상을 예로 들었다. 그러나 이런 회사를 아직 보지 못했다고 선을 그었다. 시스템의 준비 수준과 기존 조직의 틀을 깨려는 창업자의 실행력이 걸림돌일 수 있다는 것이 그의 판단이다.

승자를 가르지 못한 AI 경쟁

앤드리슨은 어느 기업이 AI 경쟁에서 이길지 예측하지 않았다. 큰 모델과 작은 모델, 공개 모델과 비공개 모델 가운데 무엇이 유리한지부터 합성 데이터와 단계적 추론, 강화학습을 얼마나 밀어붙일 수 있는지까지 답이 열려 있다고 봤다. 대규모 모델 개발 자금을 누가 공급할 수 있는지도 별도의 문제로 꼽았다.

정확성과 비용 역시 남은 조건이다. 그는 법률 문서에 존재하지 않는 판례가 들어간 사례를 들어, 창의적 생성 능력과 사실의 정확성을 구분해야 한다고 말했다. 수학과 코딩처럼 답을 확인할 수 있는 분야에서는 오류를 줄일 가능성을 봤지만, 그 가능성이 실현될지는 미해결 문제라고 했다. 성능이 좋은 일부 대형 모델은 실행 비용이 높고 속도도 느리다고 덧붙였다.

LLM 경로에 대한 반론

앤드리슨은 대규모 언어 모델(LLM)에 적극 투자하면서도 얀 르쿤의 비판을 검토한다고 말했다. 프리드먼의 설명에 따르면 르쿤은 AI에 물리적 세계에 대한 이해가 필요하며, LLM만으로 이를 얻기 어렵다고 본다. 앤드리슨은 이 주장이 옳다면 자신의 투자 판단에도 문제가 될 수 있어 진지하게 다뤄야 한다고 했다. 그는 르쿤이 옳을 수도, 틀릴 수도 있으며, 그 비판이 시스템 개선을 이끌 수도 있다고 봤다.

결론

이 대담에서 AI 스타트업의 기회는 개발 도구와 제품 설계의 변화로 나타난다. 앤드리슨이 관찰한 채용 현황과 아직 실현되지 않은 조직 구상은 그 변화의 범위를 구분해 보여준다. 모델의 정확성, 비용, 발전 경로에 대해서는 결론을 유보했다.