핵심 요약

  • 컨빅션의 투자자 새라는 AI 연구의 경쟁이 치열해졌다고 본다. 일부 연구자 사이에는 AI가 모델 개발을 돕는 재귀적 자기개선으로 1~2년 안에 지능이 급격히 발전할 수 있다는 믿음이 생겼지만, 그는 그 시점을 확신하지 않는다.
  • 그는 창업자의 명성만으로 대규모 연구 투자를 결정하는 일을 경계한다. 기술이 작동할 이유와 사업이 성립할 이유를 함께 이해해야 한다는 입장이다.
  • 법률 AI와 가정용 로봇, 신약 연구용 AI에는 가능성을 보면서도, 현재 가능한 일과 앞으로 가능할 것으로 기대하는 일을 구분한다.
  • 컴퓨팅 자원 확대에는 전력, 데이터센터 건설, 인력, 부품 공급망이 얽혀 있다. 새라는 기술 개발 속도만으로 이 물리적 제약을 해결할 수 없다고 본다.

‘1~2년’이라는 기대와 연구자의 불안

새라가 가까이 지내는 연구자들의 환경은 갈수록 경쟁적으로 변하고 있다. 그의 설명에 따르면 최근 12개월 사이 일부 연구자에게는 AI가 AI 연구 자체를 개선하면서 1~2년 안에 지능이 급격히 발전할 수 있다는 믿음이 새로 자리 잡았다. 다만 그는 이를 전망이 아닌 믿음으로 소개하며 시점에 의문을 남겼다. 연구자 안드레이 카르파시가 오랫동안 ‘2년 뒤’라고 생각해 왔다고 말한 사례도 그 불확실성을 보여주는 맥락에서 언급했다.

대형 연구소의 규모가 커진 점도 연구자의 체감에 영향을 준다고 그는 본다. 개인의 연구가 성과를 좌우한다는 감각 대신, 모델이 연구를 맡거나 막대한 컴퓨팅 자원 규모가 결과를 결정한다는 생각이 퍼질 수 있다는 것이다. 새라는 두 생각 모두 연구자에게 무력감을 줄 수 있다고 말했다. 그렇다고 모든 연구자가 자신의 기여를 같은 방식으로 판단하는 것은 아니다. 결과에 미치는 영향과 관계없이 연구 자체를 하고 싶어 하는 과학자도 있다고 덧붙였다.

기술에서 출발하되 고객 문제까지 확인한다

컨빅션은 AI 모델이 잘 처리할 수 있는 작업과 그 작업의 경제적 가치를 함께 살펴봤다. 새라가 든 사례는 법률 AI 기업 하비다. 2022년 말 그가 보기에 법률 업무에는 많은 문서를 읽고, 관련 내용을 찾아내며, 문장을 작성하는 과정이 있었다. 언어 모델의 작동 방식과 문서 검색 기술을 고려하면 기술적으로 맞는 영역이라는 판단이었다.

그러나 기술적 적합성이 곧 복잡한 법률 업무의 자동화를 뜻하지는 않는다. 새라는 비교적 단순한 임대차 계약 질문에 답하는 일에서 대형 인수합병 업무의 상당 부분을 처리하는 일까지는 큰 도약이 필요하다고 설명했다. 하비 창업자들의 장기적 포부에 끌렸지만, 그 포부가 언제 실현될지는 알 수 없다고 했다.

투자 판단에서도 첫인상은 출발점일 뿐이다. 새라는 창업자와 아이디어를 듣고 빠르게 긍정적인 판단을 내릴 때가 있지만, 이후 며칠에서 몇 주 동안 자신이 이해하지 못한 부분을 확인하고 동료의 의견을 구하며 투자 메모를 쓴다고 말했다. 창업자의 역량과 평판이 뛰어나더라도 기술적 가설과 사업 구조를 설명하지 못한 채 큰돈을 투자하는 일은 위험하다는 것이다.

로봇의 데이터 문제와 출시 전의 기대

새라는 선데이 로보틱스 창업자들의 작업에서 로봇 AI의 구체적 제약을 다루는 방식을 높이 평가했다. 로봇이 다양한 집과 작업에 적응하려면 실제 환경을 반영한 데이터가 필요하지만, 이를 무한정 비싸게 수집할 수는 없다. 그가 주목한 것은 데이터를 어떤 형태로 저렴하게 모으고, 이를 모델 학습에 얼마나 활용할 수 있는지에 대한 연구였다.

그는 팀이 하드웨어와 데이터 수집 방식을 여러 차례 바꾸며 실제 환경에서 작업을 시험했다고 설명했다. 팀은 인터뷰가 이뤄진 해 말에 가정에서 일하는 범용에 가까운 로봇을 먼저 시험 운영할 수 있다고 믿고 있었다. 새라는 그 속도에 놀랐지만, 제품이 실제로 나오기 전까지는 성과를 확정할 수 없다고 선을 그었다.

컴퓨팅 자원은 전력과 공급망에 달려 있다

새라가 꼽은 큰 걱정 중 하나는 앞으로 5~10년 동안 충분한 컴퓨팅 자원을 확보할 수 있는지다. 그는 한 대형 클라우드 기업의 인프라 책임자에게서 2030년 전에는 필요한 규모의 변화를 만들 방안이 없다는 말을 들었다고 전했다. 이는 해당 책임자의 판단으로 소개된 것이며, 산업 전체의 확정된 일정은 아니다.

그가 지적한 병목은 전력 생산만이 아니다. 데이터센터를 지을 지역의 동의, 건설을 둘러싼 규제와 이해관계, 숙련 인력과 원자재, 냉각과 칩 공급까지 이어진다. 소프트웨어를 빠르게 고쳐도 건설과 제조에 필요한 시간까지 같은 속도로 줄일 수는 없다는 설명이다.

새라는 이를 컴퓨팅 독립성의 문제로도 봤다. 칩부터 전력과 냉각까지 공급 경로가 여러 곳에 걸쳐 있을 때, 접근하기 어려운 한 지점에 지나치게 의존하면 취약해진다. 모든 부품을 미국 안에서 만들어야 한다는 뜻은 아니며, 각 요소에 둘 이상의 공급 경로를 갖추는 것이 중요하다고 말했다. 컨빅션은 데이터센터 인력 문제, 원자력, 대체 칩 구조에 투자했고 데이터센터 건설 사업도 검토했지만, 당시에는 아직 투자하지 않았다고 밝혔다.

열린 모델과 생명과학의 가능성, 남은 조건

새라는 공개적으로 활용할 수 있는 AI 모델이 확산되는 이유로 비용, 처리 속도, 민감한 데이터, 기업의 자원 통제 필요성을 들었다. 동시에 강력한 모델이 방어적 사이버보안이나 생물학 연구에 쓰일 수 있다면 악용 가능성도 살펴야 한다고 말했다. 특히 일부 모델의 숨겨진 동작에 대한 우려를 추측으로만 다루기보다 엄격하게 시험해야 한다는 입장이다.

생명과학에서는 모델을 이용한 소프트웨어가 제약사에 가치를 제공할 수 있다는 쪽으로 자신의 판단이 바뀌었다고 했다. 컨빅션이 초기 투자한 차이 디스커버리가 여러 대형 제약사와 연구개발 과정의 일부를 가속하는 작업을 하고 있고, 실제 도구 사용자들의 반응도 판단에 영향을 줬다는 설명이다. 다만 규제, 안전성, 물리적 실험의 속도는 여전히 해결해야 할 조건이라고 인정했다. AI가 신약 개발의 경로를 분명히 바꾼 사례가 나와야 업계의 판단도 크게 달라질 것으로 봤다.

새라의 투자 판단을 관통하는 기준은 가능성과 입증을 구분하는 데 있다. 연구자의 평판, 빠른 기술 발전, 큰 시장에 대한 기대는 검토할 이유가 되지만, 기술과 사업을 이해하고 실제 사용 현장에서 확인하는 과정까지 대신하지는 못한다.