EP 102
EP 102. 샌프란시스코의 교훈: "사람들이 다 미쳤어요"
오프닝: 3주 실리콘밸리 출장에서 돌아오다 00:00
노정석 자, 녹화를 하고 있는 오늘은 2026년 6월 28일 일요일 밤입니다. 저희가 오랜만에 녹화를 하고 있는데요. 제가 지난 거의 한 3주 넘게 미국에 다녀오느라고 승준님이랑 시차도 안 맞고 그 사이사이에 미팅도 많고 그래서 녹화가 늦어졌습니다. 또 미국 가서 굉장히 많은 사람들을 만나면서 우리는 무엇을 잘하고 있나, 또 우리는 무엇이 모자란가, 무엇에 더 집중해야 하는가, 이런 것들에 대한 생각을 많이 가지고 돌아왔어요.
그래서 그에 대한 어떤 액션의 일환으로서 저희가 하고 있는 AI 프론티어도 외연을 더 확장해야 되겠다는 개편 의견을 가지고 있고 어떤 식으로 개편할지에 대해서는 이 에피소드 후반부에서 조금 더 자세하게 말씀을 드리겠지만, 결론만 짧게 말씀드리면 너무 무겁게 하는 것보다는 가볍게, 자주, 조금은 틀릴 수 있지만 하지만 빠른, 이런 것들을 좀 더 지향해야 되겠다. 그리고 무언가 AI 프론티어만이 할 수 있는 공헌점이 좀 있겠다.
단지 밖에 있는 소식들을 깔끔하게 정리해 주고 비즈니스 의견을 내는 것 이외에 저희가 해야 하는 어떤 의무감, 어떻게 하면 한국을 글로벌에 연결시키지, 이런 것들에 대한 부채 의식이 있었는데 그걸 좀 풀어내야 되겠다. 이런 식으로 그런 것들에 대한 아이디어. 저희 메인 에피소드가 일주일에 한 번씩 녹화를 하고 있는데요.
새 호스트 박종현(sudoremove) 합류 01:36
노정석 저희 메인 에피소드에 호스트를 한 분 더 모셨습니다. 여러분 아마 많이 보셨을 거예요. sudoremove 채널을 운영하고 계시는 박종현님인데 박종현님이 고맙게도 저희 AI 프론티어에 호스트로 또 조인을 해 주셔서 앞으로 저희 메인 에피소드에서 종현님 얼굴 자주 뵙게 될 것 같습니다. 종현님, 어서 오십시오.
최승준 안녕하세요.
박종현 박종현입니다. 대외적으로는 소개해 주신 것처럼 sudoremove 채널 하고 있고요. 호스트를 맡고 있고, 초대해 주셔서 감사합니다. 제가 누가 되지 않게 잘 한번 해보도록 하겠습니다. 아마 저는 주로 질문하는 포지션, 그런 역할을 많이 하지 않을까 싶습니다.
노정석 종현님은 저희 채널에서 젊음을 담당하시는 그런 역할을 맡게 되시는 겁니다. 그래서 또 기술적으로 저희가 약한 부분들에 대해서 깊게 파시고, 저도 종현님이 굉장히 좋아하는 세션이 혼자서 무언가를 하시는 라이브 세션. 제가 또 애청자이기도 하거든요. 그래서 거꾸로 종현님이 저희 메인 호스트로 조인을 해 주셨듯이 저도 종현님이 하는 그런 sudoremove의 라이브 채널에 가끔 나가서 같이 배우고 이런 세션 기대하고 있습니다.
그러면 오늘 저희, 제가 지난번 에피소드에서 승준님과 뉴스를 다루면서 미국에서 제가 만나는 분들, 어떤 어떤 일들이 있는지 간략하게 말씀을 드렸었는데 오늘 그거에 대해서 느낌을 좀 정리해 왔습니다. 그래서 그 꼭지를 좀 나눠서 어떤 어떤 일들이 일어나고 있고, 저는 시장을 어떤 섹션으로 보고 있고, 이런 부분들에 대해서 일단 한번 시작을 해보도록 하겠습니다. 제가 이번에 3주 있는 동안 창업자들이 몰려 산다는 Hayes Valley라는 동네에서 있었거든요. 그래서 김민석 대표님이랑 같이 이 3주의 끈끈한 시간을 보냈는데 좋은 점이 숙소 바로 옆에 공원이 있어요.
그래서 그 공원에 올라가면 샌프란시스코 시내가 쫙 내려다보이는 이런 공원이 있는데, 여기 아침저녁으로 가서 석양을 내려다보고 해 뜨는 거 보고 이런 것들이 꽤 저한테는 인상적으로 남았습니다.
출장의 세 가지 목적: 프론티어 랩, 스타트업 신, AI x Bio 03:48
노정석 제가 이번에 출장을 갔었던 목적이 첫 번째로는 프론티어 랩이나 또 프론티어 랩에서 나온 굉장히 뛰어난 많은 분들이 소위 NeoLab을 많이 차리시잖아요. 그래서 그런 분들을 만나서 전반적으로 시장이 어떤 vibe로 흘러가고 있는지 이런 것들을 듣고 싶었던 게 하나가 있었고 또 두 번째로는 한국의 스타트업 신과 달리 미국이, 저희가 Y Combinator 포트폴리오 회사들에서 어떤 회사들이 생기고, 어떤 회사들이 발표하는지를 보고 있지만 직접 가서 스타트업 신을 살펴보고 싶었던 게 하나가 있었어요.
그래서 한국 분 또는 외국 분들 두루두루 거쳐서 굉장히 많은 entrepreneur들을 만났고 또 그 안에서도 시장이 이렇게 형성돼 있구나라는 그런 것들이 좀 있었습니다.
그리고 벤처캐피탈리스트 분들도 만나서 어떤 것들에 관심이 있어 하고, 또 어떤 것들에는 별 관심이 없어 하는지, 또 그들이 느끼는 마켓 타이밍은 어떠한지, 이런 것들을 조금 느껴볼 수 있는 시간이었고 또 세 번째가 사실은 저의 가장 큰 목적성이기는 했는데 AI와 바이올로지의 경계에서 큰 회사들은 어떤 접근을 하고 있고, 학교는 어떤 접근을 하고 있고, 또 한국에서는 아예 이런 회사가 없는데 미국에 그냥 AI의 프랙티스를 가지고 바이올로지에 접근하는 굉장히 많은 회사들이 있어요.
그래서 그 회사들 그냥 알음알음 좀 만나서 뭐 하고 있는지, 물론 안에 있는 극비 얘기는 안 해 주지만 대략 뭘 하고 있고, 어떤 방향이고, 어떤 게 어렵고, 어떤 게 재미있는 점들인지는 이야기들을 해 주거든요. 그게 참 실리콘밸리의 좋은 점이기는 한데, 만나서 물어보고 제가 줄 수 있는 선물들을 최대한 풀어놓으면 또 그들도 저에게 무언가를 주려고 이렇게 서로 배울 점들을 교환하는 것들이 굉장히 자연스럽거든요. 그래서 그런 컬처 속에서 저도 소기의 목적을 이룰 수 있었습니다.
최승준 궁금한 거가, 무슨 선물을 주셨어요?
노정석 그들이 궁금한 것들인데 저만 알고 있는 것들이 있거든요. 한국의 상황은 어떻다, 한국에서 이게 이야기가 되는 게 제일 관심 있는 게 한국의 칩 생태계예요. 왜냐하면 지금 투자가 가장 몰리고, 벤처캐피탈들도 열심히 회사를 찾고 있는 게 의외로 Codex 잘 쓰는 회사, 이런 서비스 쪽의 회사가 아니라 거의 대부분 AI 데이터 센터에서 모델 바로 직전까지에 있는 그런 회사들이거든요. 그래서 부동산, 전력, 그다음에 송전, 냉각, 그리고 당연히 그 위로 올라가면 칩, 그다음에 그 칩 위에서 그 칩들의 트레이닝이나 inference를 효율적으로 돌려주는 오케스트레이션 소프트웨어.
딱 이 정도까지는 관심이 정말 끝내주게 뜨겁고요. 그 위에 올라가는 것들은 사실은 이건 AI가 되든 AI가 안 되든 그냥 사업적으로 말이 되는데, 요새 다 AI를 쓰니까 거기는 그냥 원래 우리가 사업에 대해서 갖고 있던 렌즈로 시장을 바라봐요. 그래서 매출이 얼마나 됐는지, 시장이 얼마나 큰지, 또 얼마만큼 시장 개척을 잘하는지, 성과의 growth라고 그러죠. 성과치가 얼마나 빨리 가는지. 그래서 거기서도 이미 자리 잡아서 잘 되고 있는 회사들도 좀 봤고, 그리고 이제 막 꿈꾸고 있는 사람들도 봤고, 갈 길이 머네라고 하는 그런 회사들도 당연히 많이 만났고요. 거기도 계층은 당연히 다양하게 있습니다.
최승준 근데 어쨌든 행간에서 말씀해 주신 거가 한국의 정보가 교환 가능한 가치가 있는 정보였다는 뉘앙스가 있었던 거가 이제 좀 캐치가 됐던 거거든요.
노정석 그럼 당연하죠. 그거 말고 제가 줄 게 특별히 없거든요. 물론 또 다른 질문 하나 있었죠. 너 나이에 비해서 너무 피부가 좋은데, 역시 한국은 뷰티의 나라구나, 뭘 쓰니, 뭘 하면 되니, 이런 것들에 대한 질문이 심심찮게 와요. 그래서 이런 것들도 참 한국적 강점은 맞구나라는 생각도 좀 거꾸로 들었습니다. 들어가기에 앞서서 어쨌건 한 3주 제가 머무르는 동안 아낌없이 시간을 내어 주시고 또 많은 정보를 아낌없이 공유해 주신 분들께 또 성함을 다 일일이 밝히지는 않겠지만 이 자리를 빌어서 진심으로 감사드린다는 말씀드립니다.
최승준 궁금하네요. 어떤 이야기인지.
swyx와의 만남과 AI Engineer Summit 서울 준비 08:20
노정석 만났던 것 중에 제일 저의 소원 성취가 있었다면 제가 너무너무 좋아하는 swyx와 만나서 또 swyx는 어떤 철학을 갖고 있는지 또 AI의 나아가는 방향은 뭔지 그리고 저희가 AI 프론티어에서 AI Engineer Summit의 서울 편을 준비하고 있거든요. 그래서 관련해서 swyx와 의견을 나누고 대략의 일정들, 이런 것들을 좀 상의하고 온 것들도 수확이었습니다.
최승준 swyx를 모를 수도 있지 않나요?
노정석 그럴 수도 있겠네요. 그런데 swyx는 Latent Space의 메인 호스트죠. 그리고 저희가 AI 엔지니어라면 많이 보는 AI Engineer Summit을 만든 사람이기도 하고 그리고 저희가 너무 궁금해 마지않는 실리콘밸리의 핵 인싸들을 줄줄줄 데려와서 굉장히 심도 깊은 팟캐스트 채널을 만들어주고 저희도 Latent Space 팟캐스트가 저희의 어떤 주제였던 적이 많잖아요.
최승준 맞아요. 몇 번 있었죠?
노정석 그래서 그 관련해서 저는 “나 너 너무 좋아한다, 존경하고 있다. 어떻게 그렇게 콘텐츠들을 많이 만들어내고 그러냐.” 그런 것들에 대해서 이런저런 대화들을 나눴습니다. 그리고 옆에 계신 분은 김민석 대표님인데, 말씀하십시오.
박종현 Latent Space에 최근에 또 새로운 포맷이 여기서 새로운 포맷 시도하시는 것처럼 하시더라고요. 누구였죠? OpenAI에서 지금 CRO 하시는 분, Mark Chen하고 요리하면서 하는 그런 예능 쇼 같은 걸 하시더라고요.
최승준 요리하면서 해요?
박종현 요리하면서 인터뷰하는 걸 하는데 이제 저런 시도까지 하시는구나. 그리고 저는 swyx가 운영하는 서비스 중에 Twitter aggregate해서 뉴스 Twitter 순으로 이렇게 정렬해 주는 거 있거든요. 그거 정말 잘 보고 있습니다. 진짜 사람들이 관심 있는 뉴스가 이런 거구나. 이런 거 follow-up하기 좋았던 것 같아요.
노정석 맞아요. AI 뉴스레터를 굉장히 일찍부터 시작했었고 저희 거의 대부분 그거 보고 있죠. 그리고 옆에 계신 분은 저희 채널에도 출연하셨던 김민석 대표님인데, 이번에 저와 거의 모든 미팅을 동행하셨거든요. 그런데 민석 대표님 덕분에 제가 액세스하지 못하는 20대 초반의 창업자들을 정말 많이 만났어요. 20대 초반의 인도인, 중국인, 일본인, 현지에 있는 entrepreneur들을 정말 많이 만날 수 있었고 이 자리를 빌어서 민석 대표님한테도 또 거듭 감사의 말씀을 한번 드립니다. 그러면 이제 앞에 썰이 길었으니까 조금 메인으로 달려볼게요.
Time Gap × Domain Gap: 프론티어 랩으로 응축되는 시장 10:56
노정석 저희 이 그래프는 많이 보여드렸어요. 2025년 후반 정도에 대략 Time Gap과 Domain Gap이 시장에 이런 식으로 펼쳐져 있는 것 같은데 가장 최전선의 프론티어 랩들이 있고 그걸 따라가는 어떤 사람들, 우리가 그걸 도망자들이라고 규정을 했었는데 그리고 이제 막 출발한 자들, 남겨진 자들까지 스펙트럼이 쭉 늘어서 있고 도메인별로도 아직까지는 여전히 갭이 좀 있는 것 같다는 말씀을 드렸었는데 저희 2026년 3월 정도에는 이 도메인 갭도 펼쳐져 있던 이 Time Gap이 그냥 쫙 줄어드는 것 같아, 이런 얘기를 했었는데 지금 6월 느낌은요.
이 Domain Gap도 멀리 펼쳐져 있는 게 아니라 프론티어 랩에 있는 프론티어 모델로 전부 그냥 흡수되는 그런 느낌이 있어요. 프론티어 모델이 못하는 도메인들을 찾는 게 어떤 새로운 큰 사업 기회가 되는 것처럼 우리가 아는 거의 대부분, 코딩, 리걸, 파이낸스, 아주 일반적인 사이언스, 로보틱스, 그다음에 컨슈머 영역까지 프론티어 랩들에 쭉 응축되고 있다는 그런 느낌이 많이 들고 있고요. 그다음에 저희가 모델과 관련한 이야기들을 조금 덜 하기 시작했는데 이제 GPT-5.6 곧 나오려고 하고 있잖아요.
GPT-5.5, GPT-5.6 오면서부터 또 Claude도 Opus 4.8, Mythos 5 오면서부터는 모델이 한 번 더 점프하는 그런 느낌이 좀 있고요. 그리고 못하는 일이 뭐지라는 식의 뉘앙스들이 많이 생기는 것 같아요. 그래서 이것들을 제가 시장을 좀 나눠보면 저 타임의 최전선에는 프론티어 랩들이 있는 것 같고 그 뒤로 저희가 아는 Cursor라든지 Cognition이라든지, 프론티어 랩은 아니지만 약간 Quasi Frontier Lab스러운 모델도 일부는 가지고 있으면서 코딩 쪽에서 잘하고 있고 이런 회사들이 몇 개가 있는 것 같아요. 그런데 이 회사들도 흡수되고 있죠.
Cursor도 xAI에 팔렸고 Cognition도 지금 Cognition이 마켓 셰어가 한 4위 정도 되거든요. 그런데도 매출이 한국 돈으로 조 단위에 가까운 매출이 나고 있는 걸로 보여요. 굉장히 작은 마켓 셰어인데 그만큼 코딩 마켓이 좀 큰 거고 그래서 저는 그거를 Quasi Frontier Lab이라고 약간 굳이 네이밍을 했고 그 뒤로 Claude Code와 Codex에서 만들어지는 엄청난 수의 에이전트 스타트업들이 그 뒤에 영역에 있는 것 같고요.
이런 LLM 베이스가 아닌 게 이제 저희가 Periodic Labs라든지, NewLimit이라든지, 바이오, 그다음에 로보틱스, 그다음에 Material Science 이런 쪽에서 도메인별로 프론티어 랩들이 나오는 곳들이 있는데 이런 영역들이 있는 것 같아요.
OpenAI가 직접 하겠다는 도메인: 코딩·리걸·바이오 13:56
노정석 그래서 굳이 따져보면 제가 업계에 믿을 만한 소식통에서 그 소스에서 들은 얘기인데 OpenAI가 코딩과 리걸과 바이오는 우리가 직접 할 거고 나머지 영역은 우리가 안 하려고 한다. 스타트업들과 협업하려고 한다고 이 전선을 좀 나눴다고 하더라고요. 그런데 OpenAI가 그런다는 얘기는 Anthropic도 대충 그렇다는 얘기일 거고 Google은 아직 그런 정도까지 날카로운 전략이 있지는 않은 것 같아요.
여기는 여전히 항공모함 전략으로 가고 있는 것 같고 그래서 코딩, 리걸, 바이오, 이런 쪽은 프론티어 랩들이 직접 하려고 하는 도메인이라는 그런 뉘앙스를 좀 전달드리고 싶고 그게 아닌 다른 도메인, 저희 Physical AI라고 하는 로보틱스, 그다음에 굉장히 많은 바이오나 헬스케어, 요새 또 longevity 스타트업들 굉장히 많이 생기고 있는데 longevity, 그다음에 AI 기반의 cancer therapy를 하는 회사들도 또 많이 생기고 있거든요. 그런 회사들, 이런 회사들은 좀 다른 보법을 가지고 있는 것 같습니다.
그래서 그 앞에 있었던 Quasi Frontier Lab들은 프론티어 랩으로 좀 흡수될 것 같은 그런 기분이 있고요.
도메인을 고르는 기준: RLVR이 돌 수 있는 곳 15:10
박종현 어떤 도메인들 중에서 저렇게 직접 하려고 하는 도메인이 있고 조금 미뤄두는 도메인이 있다고 하면 어떤 기준으로 뽑는 것 같으신가요?
노정석 두 가지 아닐까요? 이 프론티어 모델들이 흡수할 수 있는 영역, 프론티어 랩들이 지금 가장 많은 노력을 쏟는 곳이 사실은 post-train이고, post-train에 저희가 아는 파이낸스라든지 리걸이라든지 컴퓨터 use 에이전트, QA라고 하는 이런 영역들에 대해서 데이터셋을 어마어마하게 만들고 있거든요. 코딩은 말할 것도 없고 그리고 오늘 또 다른 소스에서 들은 건데 프론티어 랩들이 아직 GitHub에 올라가지 않은 잠자고 있는 고품질의 사람이 만든 소스 코드를 사고 있거든요.
그것도 돈으로 사고 있고, 그다음에 예를 들어서 파이낸스 섹터에도 그냥 일반적인 파이낸스가 있는 게 아니라 IB 어카운팅, IB에 들어가면 주식하는 부분, 채권하는 부분, 선물하는 부분, 그런 것들에 따라서 굉장히 많은 또 다른 갈래길이 있잖아요. 그런 부분들에 데이터셋을 어마어마하게 만들고 있더라고요. 돈을 써서 전문가들을 고용해서 굉장히 비싼 값에 거기서 데이터셋들을 만들어서 자체적으로 어떤 RLVR을 돌릴 수 있는 그런 영역들, 충분히 시장도 크고 본인들이 데이터 작업과 post-train 작업을 잘해서 프론티어 모델들이 압도적인 성능 우위를 갖게 만드는 부분들이 직접 하려고 하는 부분이 아닐까라는 생각이 들어요.
그러면 당연히 코딩, 리걸, 바이오 이런 쪽은 시장이 굉장히 큰 영역이니까 그리고 모델이 이미 좀 잘하고 있을 법한 영역이니까 그런 기준으로 고르지 않았을까라는 생각이 듭니다.
박종현 말씀해 주신 게 공감이 되는 게 저희 같은 경우, 저 같은 경우에는 다른 분야는 잘은 모르지만 로보틱스는 저희가 그래도 열심히 팔로업하고 있었거든요. 로보틱스 같은 경우에도 시장이 너무나 커서 프론티어 랩에서 하고 싶지 않을까 이런 생각을 저희가 하고 있고, Gemini 같은 경우에는 실제로 공개적으로도 열심히 하고 있죠. 그런데 말씀해 주신 기준에 따르면 로보틱스는 아무래도 LLM과 조금 거리가 있어서 post-train만으로 하기는 어려울 것 같고 pretraining 단계부터 무언가 다시 해야 될 것들이 많아 보여서 조금은 리걸이나 헬스케어보다는 멀리 있다는 게 공감이 됩니다.
노정석 그렇죠. 프론티어 랩들이 직접 하겠다는 그런 도메인들을 보면요. verifiable 가능한, verify 하는 영역도 디지털 콘텐츠 안에서 다 끝나는 영역이 대부분 저 안에 들어가요. 그런데 디지털 도메인을 살짝만 넘어서면 바로 어떤 verifier를 만드는 데 스케일 문제에 부딪치잖아요. 그래서 그 부분들은 직접 손에 물 안 묻히려는 그런 생각이 있지 않나라는 생각이 들어요.
마켓 1·2·3으로 나눠 보는 AI 시장 18:07
노정석 그래서 저는 이거를 마켓 1, 마켓 2, 마켓 3 정도로 나눠서 보고 있어요. 프론티어 랩은 프론티어 랩대로 봐야 될 것 같고 그다음에 프론티어 랩과 동일한 어떤 통밥을 갖고 있는데 도메인이 완전 다른 부분, 이런 부분이 마켓 2라고 했고 나머지 마켓 3, 마켓 3가 제일 크겠죠. 그래서 마켓 1의 어떤 프론티어 플레이어는 너무 당연하겠지만 이들은 저희가 방금까지 얘기한 것처럼 그냥 AGI를 창조한 이후에 그 AGI가 모든 문제를 해결하게 한다라는 이 통밥이 도는 곳은 그냥 다 가고 있는 것 같아요.
가장 general한 게 가장 specific한 거다라는 생각으로 그냥 모든 도메인들, 디지털로 다 끝낼 수 있는 도메인들은 다 가고 있는 것 같고 그리고 compute, 데이터, 알고리즘, 이 정도가 프론티어 랩들의 어떤 축을 볼 수 있는 제가 가지고 있는 어떤 관점의 축인데 compute와 데이터는 여전히 유의미해요. 그런데 알고리즘 쪽에 대해서는 당연히 리서치를 열심히 하고 있지만 이게 게임 체인저다라는 시각은 상대적으로 굉장히 작은 것 같아요. 그래서 compute 부분에서는 물론 pretraining에도 당연히 많은 노력을 쏟고 있고 그러겠지만 pretraining 얘기는 거의 잘 안 나와요.
프론티어 랩들을 만났을 때 거의 대부분 가장 많은 노력을 쏟고 있다. 그게 제일 중요해, 거기가 제일 핵심이죠 라고 얘기하는 부분들은 거의 대부분 다 post-train 파이프라인이에요. 그래서 post-train 파이프라인의 두 축이 하나가 사실은 post-train 자체의 어떤 트레이닝 인프라고요.
전문가의 암묵지를 사들이는 post-train 데이터 호황 19:55
노정석 그리고 또 하나는 post-train용 데이터인데 데이터는 방금 말씀드린 것처럼 프론티어 랩들 안에서 데이터를 직접 만드는 디비전도 있거니와 바깥에서 데이터 엄청 많이 사요. 그래서 여전히 데이터셋을 생성해 주는 회사들은 굉장히 호황이다. 그리고 그런 데이터셋을 생성하는 그런 부분들도 어떻게 하는지를 조금은 살펴보니, 아까 말씀드린 것처럼 하나의 섹터가 생기면 그 섹터의 전문 분야들을 소위 전문가들만 가지고 있었던 그런 암묵지에 대한 데이터들을 다 RLVR용 연습 문제로 빼는 그런 일들을 하고 있더라고요. 그래서 어느 정도의 데이터셋이 만들어지면 그걸 프론티어 랩들이 살짝 무게로 달아서 사 가는 그런 느낌. 물론 굉장히 비싼 가격에 사 가기는 합니다마는, 그 자체 자체를 이건 좋고 이건 나쁘고 그런 게 아니라 그 섹터에 대한 부분에 대해서 어느 정도 우리가 지금까지 없었던 그런 post-train 셋이네라고 하면 그냥 사 가는 그런 느낌이 들어요.
트레이닝 인프라 최적화와 benchmark maxing의 현실 21:08
노정석 그리고 대단히 호황이다라는 생각이 들고 post-train 하는 그 파이프라인 쪽은 아시다시피 reinforcement learning은 pretraining하고는 좀 다르잖아요. inference를 한 번은 돌아서 그 결과를 내야만 그 결과를 가지고 다시 리워드를 줄 수 있는 그런 게 있는데 그런데 그 과정에서도 어떤 건 inference가 짧게 끝나고 어떤 건 정말 길게 끝나고, 어느 정도 길게 끝나야 되고 짧게 끝나야 되고, 이런 것들에 대해서 굉장히 많은 그런 것들이 있는데 걔들을 어떻게 다 이렇게 소위 MFO라고 그러죠. 저희의 컴퓨테이션 양을 최적으로 소비하면서 트레이닝 루프를 돌릴 수 있냐.
이 부분에 굉장히 많은 노력들이 들어가고 있고 그럼 그 노력이 구체적으로 어떤 것들이에요? 라고 물어보면 거기에 대한 답변은 전부 다예요. vLLM 같은 그런 inference도 사실상 거의 밑바닥까지 다 고쳐서 최적화해서 돌린다라는 말씀도 해 주시고 benchmark maxing이라는 게 실제 하는 것 같아요. 그래서 벤치마크들을 돌려보면서 벤치마크가 좋은 지점에서 나쁘게 나오는 지점으로 가면 다시 체크포인트를 앞으로 돌려서 그 런을 버리고 좋은 체크포인트에서 다시 시작하고 이런 식의 최적화 루프가 굉장히 지저분한 엔지니어링 형태로 도는 것 같고 거기에 굉장히 많은 엔지니어분들이 소위 갈려 나가고 있는 이런 뉘앙스였습니다.
랩들을 가릴 것 없이.
박종현 말씀해 주신 거를 제가 한번 이해한 대로 다시 한번 해석을 해보자면 여기서 얘기하시는 post-train용 최고급 데이터셋, 저 데이터가 정확히 어떤 건가 생각을 해보면 저희가 수학 문제를 한번 예를 들어 볼까요? 그러면 수학 문제와 답, 이게 최고급 데이터셋인 거죠. 좋은 수학 문제와 어려운 수학 문제와 답. 그럼 그것들을 쭉 엄청 많이 가지고 있으면 좋은 벤치마크를 가지고 있으면 그거를 풀게 하기 위한 RL을 돌려서 잘 풀 때까지 돌린다. 그러니까 어려운 문제와 답을 많이 갖고 있는 게 지금 프론티어 랩들이 하고 싶어 하는 거다. 이렇게 이해하면 될까요?
노정석 네, 하고 있는 일이죠. 그리고 거기에 대한 경쟁이 굉장히 많은 것 같아요. 그래서 데이터셋 회사들도 저기에 한 번 팔면 모든 랩에 다 팔 수 있을 거라는 생각도 하는 것 같아요. 왜냐하면 저쪽은 이 데이터로 학습했는데요. 이거 안 하시겠어요라고 그런 거를 할 수 있을 것 같아요. 물론 당신 그렇게 파세요라고 제가 확인해 보지는 않았습니다만 대화에서 유추하건대 이러한 것들이 다 동작하겠구나라는 생각이 듭니다.
깊어지는 RL, 그리고 “RLVR이 AGI인가” 논쟁 24:04
노정석 그래서 저희가 RL 얘기가 나온 지 2년이 훌쩍 넘어갔는데 그 2년 동안 일어난 일을 좀 복기해 보면 계속 RL이 깊어지는 쪽으로 가고 있는 거거든요. 이게 얼마나 더 깊어질지에 대해서는 아직은 모르겠어요. 근데 확실한 건 거기에 대해서 아직 끝은 없는 것 같다. 이걸 시키면 시킬수록 모델의 성능이 계속 증가한다라는 거는 저희가 지난 6개월 동안 프론티어 랩들이 내는 모델들을 보면서 계속 보고 있잖아요.
최승준 근데 저도 이야기 듣다 보니까 제 인상에서는 요새 슬그머니 제너럴을 덜 이야기한다는 느낌을 받긴 했거든요. Google DeepMind는 여전히 AGI를 얘기하는데 지금 말씀해 주신 거, 아까 종현님도 pretraining으로 돌파해야 되는 게 로보틱스에 있는 것 같다라고 하시는 것처럼 현재 레짐은 RLVR로 되는 레짐이고 그거는 제너럴이 아닐 수도 있겠다라는 생각이 문득 들긴 했습니다. 개인적인 얘기.
노정석 그 말씀을 잘 이해를 못 했어요.
최승준 그러니까 RLVR로 돌파할 수 있는 영역에서만 성능이 올라가고 있지, 그게 꼭 제너럴은 아닐 수 있겠다.
노정석 그건 당연하죠. RLVR이 돌고 있는 영역들인데, 그 영역들 중에서 코딩이나 예를 들어 리걸이나 파이낸스나 바이오 이런 쪽은 나름의, 바이오는 잘 모르겠네요. 근데 적어도 리걸이나 이런 부분들은 답을 낼 수 있으니까 이건 맞다, 틀리다라고 하는 걸 낼 수 있으니 그런 쪽 영역들에 심화 연습 문제들이 잔뜩 생겨나고 있는 그런 느낌.
최승준 그러니까 이거는 말꼬리 잡기일 수 있으나 그런 걸 AGI라고 얘기하기에는 어렵지 않나라는 게 제 인상인 거죠.
노정석 그 AGI의 definition에 대해서는 사실 누가 할 수 있겠어요? 받아들이는 사람의 입장에서 이 정도면 AGI야라고도 말할 수 있는 거고 이걸로는 형편없지라고 말할 수 있는 거고 잘 모르겠습니다. 그래서 데이터와 이 post-train 인프라 쪽에 여전히 굉장히 많은 투자가 되고 있는 것 같다라는 말씀드릴 수 있을 것 같고, 당연하겠지만 안에 단위 연산당 효율, compute efficiency 부분도 굉장히 중요하게 다뤄지고 있다는 말씀, 여기저기서 많이 들었습니다.
”2025년 리서치 진보는 없었다” 알고리즘 회의론 26:20
노정석 알고리즘은 여전히 열심히 리서치하고 있고, 그런데 이런 쪽 얘기는 심지어 알고리즘을 하시는 분들도 말씀 잘 안 해주시긴 해요. 심지어 Meta의 정형원 박사님은 2025년은 리서치 쪽에서 거의 진보가 없었던 거 아니냐, 없었던 한 해로 본인은 판단한다라고 말씀하시더라고요.
박종현 여기서 말씀하시는 알고리즘이 예를 들면 트랜스포머 내부에 어텐션을 MLA를 한다든가 무슨 어텐션을 한다든가 이런 걸 말씀하시는 게 맞죠?
노정석 그렇죠. 제가 그 질문도 정형원 박사님한테 드렸었거든요. DeepSeek 관련해서 이런 쪽에 메모리를 줄인다든지 이런 부분들에 대해서 알고리즘적 혁신이 굉장히 많이 일어나고 있는데 그런 부분에 대한 평가를 한번 말씀드렸는데 그런 건 다 하는 거라는 말씀을 하셔서 저도 더 이상 여쭤보진 않았습니다.
박종현 어떤 지능을 올리기 위한 breakthrough는 아니고 그냥 효율성을 올리는 거니까 다른 일로 취급을 하시는 것 같은 느낌이네요.
노정석 근데 그런 부분보다는 알고리즘이 뭐가 좋고 뭐가 나쁘고 어떤 게 했다라는 이런 거보다 바라보시는 어떤 문제의 관점이 완전히 다르신 것 같았어요. Bitter Lesson의 그런 느낌.
Noam Brown의 test-time compute와 벤치마크의 새 기준 27:45
노정석 아직까지는 스케일을 더 높게 가져가는 부분에서 할 수 있는 일들이 있다라고 생각하시는 것 같고 그다음에 최근에도 Noam Brown이 나와서 test-time compute 얘기 굉장히 많이 하고 있잖아요. 그래서 모델의 성능을 평가하는 게 지금은 그냥 어떤 하나의 단위 스칼라 점수만 가지고 벤치마크가 겨우 3점 올랐네, 이런 식으로 3%포인트 올랐네, 이런 식으로 얘기하는데 그거 틀렸다. GPT-5.4와 GPT-5.5만 비교하더라도 같은 어떤 벤치마크의 최적점을 훨씬 짧은 inference 토큰 안에서 도달한다.
그렇기 때문에 앞으로 벤치마크의 기준은 inference 토큰의 예산을 고정한 상태에서 early 시점에 고정한 상태에서 벤치마크를 봐야 된다라는 얘기를 했었고 그 얘기가 함의하는 바는 이 모델의 test-time compute를 계속 늘리면 늘리면 늘리는 대로 여전히 모델이 낼 수 있는 성능은 끝을 모르고 계속 증가할 개연성이 있다라는 부분이거든요. 그래서 이 compute scale이라는 부분이 저희가 모델의 크기라든지 트레이닝에 들어가는 compute의 양도 있지만 inference의 compute를 더 늘리는 형태로 문제 해결점을 찾을 수도 있다라는 그 부분이 좀 분리돼 있다라는 뉘앙스를 받았습니다.
최승준 문득 그게 생각이 나네요. 최근에 GPT-5.6 발표했을 때 그 시스템 카드에는 없고 블로그에 아마 있었을 텐데, 750 TPS 나온다. Cerebras로 GPT-5.6이 750 TPS 나와서 굉장히 빠르게 그거를 테스트 타임에서 돌아갈 수 있다. 그런 얘기가 얼핏 나온 거 생각나요.
노정석 네, 그리고 저희 지난주에도 얘기했었습니다마는 그 Erdős 문제를 풀었던 모델 있잖아요. OpenAI에서. 근데 그 풀었던 모델조차 무언가 랩 안에서 돌리는 희귀한 훨씬 뛰어난 모델이 아니라 그냥 우리가 쓰는 GPT-5.5에 막대한 test-time compute를 투입해서 이루어지는 결과들이다라는 이야기도 어떤 연구원분이 해주셨습니다.
최승준 당장 GPT-5.5 수준에서 20배 빨라지거나 하면 그것만으로도 이득이 어마어마할 것 같긴 해요.
노정석 이 부분은 저희가 사업적으로 앞으로 할 얘기들이 굉장히 많이 있을 것 같긴 해요.
박종현 저도 한번 첨언을 해보자면 그냥 지능의 관점에서 봤을 때 저희가 예를 들어서 경우의 수 수학 문제를 푼다 그러면 저희가 경우의 수를 정말 소위 노가다해서 다 카운팅해서 문제를 풀 수도 있지만 똑똑하게 푼다고 하면 직관적으로, 논리적으로 훨씬 효율적으로 풀 수 있는데 그럼 사용하는 토큰 수가 적게 풀어내는 것 자체가 지능이 높다, 이렇게 볼 수도 있을 것 같아요.
노정석 정확하게 Noam Brown이 한 얘기가 그거죠. 훨씬 낮은 test-time compute budget으로 더 빨리 높은 성능이 유지하게 된다.
최승준 그래서 사람들이 Fable 5를 그리워하고 있죠.
노정석 그래서 이게 심한 요약이고 나머지에 랩마다 있는 독특한 이야기들도 또 애환, 이런 얘기들도 많이 했었죠. xAI는 Elon Musk가 매 회의에 팀 회의에 들어오는데 그래서 매니저한테 물어보는 게 아니라 그 일을 담당하고 있는 실무자한테 항상 물어본대요. 직접적으로. 근데 그걸 좋아하는 분한테는 그게 굉장히 challenge이고 재미있는 거기도 하지만 또 그게 굉장히 큰 스트레스로 다가오시는 분들도 있고 그러한 것 때문에 xAI를 떠나시는 분들도 굉장히 많다라는 이야기 좀 들었고요.
AI x Bio: Doudna의 회의론과 두 개의 접근법 31:27
노정석 그리고 나서 제가 사실은 제일 관심 있게 본 회사들인데 AI로 바이오하는 회사들 많이 있잖아요. 그래서 어제도 사실 노벨상 받았던 Doudna 교수가 Emily Chang이랑 Bloomberg 인터뷰를 하면서 그냥 챗봇은 문서 요약이나 할 줄 알지 사람이 하는 innovation은 못한다. 이런 이야기를 했었거든요. 근데 제가 이 마켓 2에 있는 도메인들을 좀 보면서 예를 들어 바이오만 예를 들어 볼게요.
Doudna 교수처럼 학교에 계시거나 혹은 전통적으로 굉장히 큰 연구소에 계셨던 분들의 approach와 그다음에 완전 반대편에서 AI의 practice를 가지고 전통적으로는 바이오를 안 하시던 소프트웨어 엔지니어들이 하시는 접근이 두 개가 완전히 다르다는 느낌이 들었어요. Doudna 교수가 했던 얘기가 바이오가 얼마나 방대한 영역인데 챗봇에 이렇게 저렇게 답변 나오는 거 가지고 새로운 물질을 찾고 연구를 하고 그럴 수 있어?
이건 불가능해라는 그런 이야기들을 하시는 게 있고 그렇기 때문에 큰 제약회사라든지 이런 쪽이 만들고 있는 파이프라인을 보면 마치 저희가 2015년에서 17년 사이에 저희 BERT나 Transformer, GPT가 나오기 전에 그때 애플리케이션들은 거의 대부분 convolutional neural network 애플리케이션들이 많았잖아요. 그리고 문제마다 네트워크 아키텍처가 다 달랐고 데이터셋이 전부 달랐고, 그에 따른 트레이닝과 이런 것들이 전부 달랐죠. 그러던 시절이 있었는데 BERT, Transformer, language model로 넘어가면서 소위 foundational approach라는 게 생겼잖아요.
그건 모르겠고 데이터를 general한 것들 잔뜩 모으고 그냥 Transformer에다가 트레이닝이 되고 loss가 떨어지면 그 general한 것들이 specific한 문제를 풀어. 이런 식으로 어떤 패러다임이 바뀌었었잖아요.
바이오의 CNN 시대, foundational approach의 등장 33:37
노정석 그런데 제가 이 biology에서 이번에 정확하게 그걸 느꼈어요. 이쪽 대형 도메인은요. 그냥 문제별로 파이프라인이 다 달라요. 그리고 그건 이렇게 풀어야만 풀리는 문제야라고 얘기를 해요. 그런데 저쪽에 있는 소프트웨어 업자들을 보면 그냥 Transformer base로 foundational model approach를 만들고 그냥 데이터셋의 양을 늘린 다음에 그 모델의 eval을 잘 짜서 원하는 단위 문제들을 설계하는 형태로 돌아가요. 그런데 그 두 번째 랩들의 방법론을 이 앞에 있었던 전통의 랩들은 첫째 아예 인정하지 않는 것 같고 에이, 저렇게 해봐야 안 돼. 이건 그렇게 안 풀리는 문제라는 그런 인식을 하고 있는 것 같고 두 번째로는 쟤들이 뭘 하고 있는지 정확하게 모른다는 게 저의 판단이에요. 뭐 하고 있는지 모르더라고요, 정확하게.
최승준 그러면 앞쪽 랩도 만나보신 거예요?
노정석 네, 앞쪽 랩도 만나봤죠. 그래서 그 인상을 가지고 있어서 이 두 개 사이에 gap이 있구나.
OpenCRISPR: AI는 이미 그 도메인에서 혁신했다 34:43
노정석 그리고 이 gap을 잘 exploit하는 게 큰 사업 기회겠다는 생각을 하고 왔는데, 이제 와가지고 엊그저께 시차도 안 맞고 해가지고 Doudna 교수가 Emily Chang이랑 한 인터뷰를 그냥 쓱쓱 넘기면서 봤는데 Doudna 교수가 AI는 innovation 못해. 저건 그냥 요약 챗봇이고 아직은 멀었어라고 얘기하는 거 보면서 노벨상 탄 저 교수님도 아직 세상이 어떻게 바뀌는지 잘 모르네라는 그런 생각이 들었어요. 당장 그분이 CRISPR-Cas9 그걸로 노벨상 타신 분인데, CRISPR-Cas9에
최승준 가위 말하는 거예요? 유전자 가위.
노정석 유전자 가위 만든 분인데 본인이 발견한 그 Cas9 단백질과 같은 역할을 하는 다른 단백질을 AI가 OpenCRISPR라고 작년에 또 몇 개 후보 물질을 찾아냈거든요. 그러니까 그 AI가 찾은 거죠. 당장 본인 도메인 안에서 innovation을 해 온 거죠. 그래서 그런데 그쪽은 완전한 foundational approach였거든요. 단백질을 잔뜩 흡수하고 그 모델 가지고 비슷한 것 같은 거를 그냥 in silico에서 찾아내는 접근을 했는데 working을 하는 거죠. 그런데 이제 biology 쪽에서 이러한 foundation approach를 하고 있는 회사의 엔지니어들을 좀 만났어요. 그래서 그들이 어떤 approach를 하고 있는지 이제 방금 말씀을 드렸고, 굉장히 성과가 괜찮다. 애들 장난처럼 보이겠지만 지금은, 메인스트림 학자들 입장에서는. 그런데 이 부분이 GPT-1에서 GPT-2 정도 넘어가는 그 시기 정도의 느낌이라는 생각이 좀 들었습니다.
최승준 최근에 상징적인 일이 또 하나 있었잖아요. 노벨상 수상자인 John Jumper가 DeepMind 나와가지고 Anthropic 갔지 않습니까?
노정석 그렇죠. 그걸 어떻게 해석해야 될지 저는 잘 모르겠어요.
최승준 어쨌든 그런 거, AlphaFold 하던 사람이 Anthropic으로 갔다 정도죠.
노정석 그런데 Anthropic으로 요새 사람들 굉장히 많이 간대요. Anthropic의 주가가 괜찮고 그다음에 지금 주가가 막 오르고 있는 추세이기 때문에 지금 가야 소위 스톡옵션을 많이 받고
최승준 좀 그런 거예요?
노정석 예, 상업적인 그런 것들이 크기 때문에 인센티브가 꽤 큰 것 같더라고요.
도메인 전문가를 설득할 것인가, 이길 것인가 36:59
박종현 정석 님의 어쨌든 얘기를 제가 잘 듣고 플레이를 어떻게 해야 될까 생각을 해보자면 저희나 이 AI 프론티어 팟캐스트를 듣고 계시는 모든 분들은 AI의 어떤 potential을 믿고 있는 사람들인데 이쪽 사람 입장에서 생각해 보면 아직 AI potential이 없다고 생각하는 domain expert들 그런 분들이랑 무언가 exploit해서 사업 기회가 있을 것 같다. 이렇게 말씀을 주셨는데 그럼 그런 domain expert들을 잘 설득해서 같이 co-work을 해나가는 것 이런 것들이 best scenario라고 생각을 하시는 건가요? 아니면 반대로 좀 더 극단적으로 주장하면 domain expert들을 이길 수도 있지 않을까 이렇게 생각할 수도 있을 것 같거든요.
노정석 정말 좋은 질문이고요. 그런데 솔직하게 제 생각은 저도 너무 몇 개의 현상을 가지고 일반화하는 경향이 있는데 domain expert 분들이 AI를 빡세게 배우고 지금 일어나고 있는 이 space에서 이 scale이 어떤 의미인지를 이해하시는 분이 아니면 AI가 저거 다 하겠다는 생각을 하기는 어려울 것 같아요. 그리고 저희 소위 domain expert라고 하시는 분들이 나이도 많으시잖아요.
나이도 많으시고 아시는 것도 많고 이러기 때문에 제가 미국에서 만나본 많은 명함만으로도 화려하게 빛나는 그런 분들의 피드백들에 비춰서 볼 때는 이분들은 AI가 저거 해 오는 거 눈앞에서 보여줘도 안 믿으시겠다는 생각이 저는 좀 들었어요. 그래서 domain expert들을 설득하여 그들과 함께 무언가를 하는 것보다 그냥 AI 소프트웨어 엔지니어가 그 도메인을 배우는 게 더 빠를 수도 있겠다는 생각이 들어요.
그럼 예전에 그냥 조그마한 산업, 제가 화장품 사업을 하면서도 많이 썼던 비유이긴 한데 이런 화장품 사업이 아니라 therapeutics, 치료나 제약이나 심지어 longevity drug이나 이런 부분들도 expert가 아닌 출발점을 가진 회사가 이길 수 있겠다는 생각이 듭니다.
Codex로 사흘 만에 만든 개인 유전체 파이프라인 39:20
노정석 그래서 저도 사실은 이 바이오 쪽에 저희 출장의 메인 목적이 저거였기 때문에 그리고 그 사이에 제가 출장 가기 전에 피 뽑아서 마크로젠에 보내놓은 저의 long-read genome sequence가 다 도착을 해서 제 유전자와 제 건강 기록과 모든 것들을 다 합해가지고 소위 파이프라인을 다 만들었거든요. 이해하지 못하는 이야기들이 정말 많지만 그것들을 제가 이해할 수 있는 term으로 학습하는 자료도 얘가 더 잘 만들어주고 그거 가지고 예전 같았으면 그냥 하나의 회사가 성립했을 파이프라인을 Codex가 한 3일 동안 다 뽑아주더라고요.
최승준 일종의 개밥 먹기 하시려고 그러는 거예요.
노정석 그냥 개밥 먹기. 다 만들어 봤어요. 그래서 제가 왜 그렇구나, 라는 거에 대한 깊은 이해가 생겼습니다.
최승준 지나가기 전에 아까 John Jumper의 의미를 여쭤봤을 때 제가 그냥 스쳐 지나가듯이 생각이 안 났었는데 지금 생각해 보니까 Google DeepMind는 AlphaFold 같은 특수한 모델을 하지만 Anthropic은 안 하잖아요. LLM만 하잖아요. 코딩 모델만. 그러니까 그거를 통해서 과학을 하겠다는 뉘앙스가 아닐까라는 것도 잠깐 생각이 났습니다.
노정석 그럴 수 있겠죠. 근데 그 프론티어 랩들은 상향 평준화를 향해 달려가는 것 같아요. 그리고 또 이거는 누가 한 말씀이라고는 저도 당연히 말씀을 못 드리지만 이미 랩들 사이에는 이 프론티어 모델을 만드는 기술이 그다지 어려운 게 아니다. 한 번 본 사람은 밖에 나가서 동일한 자원과 동일한 게 있으면 시간의 문제지 재현 가능하다는 것들을 그냥 다 서로서로 알음알음 얘기하는 불편한 진실이라고 얘기하더라고요.
이 도메인 쪽인데 이 마켓 2 도메인에 대해서 말씀을 조금 드렸는데 이런 영역들이 이거는 저희가 앞선 에피소드에서 수도 없이 말씀을 드렸으니까 그다음에 아까 종현님의 질문과도 맞닿아 있는 건데 이 디지털 월드에서 바로 손쉽게 verifier가 안 만들어지는, verifier는 진짜 로봇이 돌거나 아니면 실험을 하거나 무언가가 어떤 리얼월드에서 액션이 한 번은 돌아야 verify를 해줄 수 있는 그런 도메인들이 이 마켓 2의 거의 대부분인 것 같다. 그리고 저는 마켓 2, 거듭 항상 다른 에피소드에서도 많이 말씀을 드렸지만 마켓 2에 많은 어떤 기대와 저 역시도 어떤 사업적인 그런 포인트들을 많이 놓고 있는 부분입니다.
”사람들이 다 미쳤어요” 20대 창업자들의 서부 시대 42:01
노정석 스타트업 얘기로 돌아가 보면 사실 여기가 재밌는 얘기가 제일 많은데 사람들이 다 미쳤어요.
최승준 실리콘밸리 사람들이요?
노정석 예, 미쳤어요. 미쳤어요. 그래서 정말 서부 시대구나. 여기 꿈을 찾아서 잘난 사람들은 잘난 사람들대로의 어떤 달려가는 라운드가 형성돼 있고 그냥 꿈꾸는 사람들은 정말 와서 비자도 그냥 관광 비자로 와서 해커톤만 막 다니면서 무언가 생기겠거니 하는 그런 젊음들도 봤고요. 그래서 정말 다양한 사람들이 있구나 라는 것들에 대해서, 그래서 미쳤다는 표현에 대해서 제가 쭉 말씀을 드릴게요. 첫 번째로 스타트업들을 하는 회사들, 창업자들의 나이가 20대 초반이에요. 다 20대 후반, 30대 초반 들어가면 이거 많이 늙었어요. 30대 초반은.
최승준 20대 초반이라면 대학 중퇴인 거예요. 그러면 대부분
노정석 대학을, 거긴 군대를 안 가니까 대학을 졸업하고 어디서 인턴 1년 하고 Y Combinator 들어가면 스물두세 살 정도 되거든요. 근데 이제 Y Combinator가 뽑는 회사들이 요새 나이가 굉장히 다 어려요. 그리고 예전에도 한 번 말씀드린 것 같은데 요새 많은 대학생들의 꿈이 Y Combinator 같은 데 붙어서 합법적으로 학교를 그만두는 거, 혹은 그냥 학교는 성적용으로 그냥 디플로마를 따기 위해서만 다니는 목적으로 하는 경우도 많고 그리고 저희 지난번에 녹화했었던 Jordan의 회사에도 고등학교만 졸업하고 취직한 친구들 꽤 있거든요.
그러니까 요새 젊은 친구들은 AI 네이티브이기도 하거니와 대학이 가르쳐 줄 수 있는 그런 지식의 한계 그리고 거기에서 본인들이 4년 동안 돈을 내고 디플로마를 따는 것과의 효용을 냉정하게 비교하는 것 같아요. 그래서 고등학교만 마치고 회사에 가서 바로 경력을 시작하는 경우도 꽤 많이 있다. 그리고 좋은 회사에서 좋은 경력을 쌓는 게 학부 졸업장과 동치라고 느끼는 사람들도 많아지고 있다는 게 제가 봤었던 신기한 것들이고요. 그런 것들은 지금 한국에도 좀 있죠. 김서준 대표님이랑 같이 일하는 고등학생들도 이미 있는 걸로 알고 있으니까요.
박종현 근데 고등학교 졸업하고 딱 그런 행동들을 하고 계시더라고요. 그래서 아마 InstructKR이나 이런 데서 Discord에서 아이디를 많이 보셨을 것 같은데 활동을 많이 하시는 것 같더라고요. 보면서 좀 부럽다는 생각을 했습니다. 진짜 20대 초반에 꿈을 위해서 다 바로 달려가고 있는 행동을 하시는 분들을 보면서 많이 배우기도 하고 저도 비록 이제 늙은 축에 속하지만 여기서
최승준 그런 글이나 에피소드 쓰지 않으셨어요? 중간에 차라리 이럴 걸, 그런 거. 다시 돌아가면 학교보다는
박종현 지금 그런 생각을 하고 있죠. 그때는 그런 생각을 하지 못했었는데 20대 때는 지금의 생각을 가지고 20대로 간다면 저도 이 시기라면 그렇게 달리고 싶다, 이런 생각을 하고 있습니다.
노정석 그래서 그 젊은이들을 보면서 느끼는 게 시간의 상대성이에요. 저 사람들이 느끼는 시간 축과 우리가 느끼는 시간 축이 지금 상대적으로 굉장히 다르구나. 그리고 저들이 바라는 것들과 우리가 바라는 것들도 굉장히 다르구나라는 걸 느껴서 저도 덕분에 그 젊은이들 틈바구니에 저를 그냥 잔뜩 담갔다가 온 기분이어서 굉장히 리프레시가 됐습니다.
ARR 40억에 밸류에이션 4천억 45:43
노정석 또 한 가지는 밸류에이션 얘기를 좀 위로 올려서 말씀드려야 될 것 같은데 회사들이 갖는 밸류에이션이 굉장히 높아요. 일단 Y Combinator에서 배치에 들어가서 그다음에 거기에 들어가면 Y Combinator의 투자를 받고 그다음에 프리시드, 시드 정도를 받고 그러는데 그 밸류에이션도 한국보다 훨씬 높거니와 한 매출이 한국 돈으로 한 30억에서 40억 정도 ARR 환산으로, 연 매출로 하는 게 아니라 그냥 연 평균 환산 매출로 했을 때 그 정도에 도달을 하면 회사의 밸류에이션들을 그냥 300 million 정도를 봐줘요. 300 million 밸류가 얼마냐면 4천억이에요. ARR 기준으로 30, 40억 정도. 한국 기준에서 비교해 보면 두세 배가 아니라 뒤에 공이 하나가 더 붙어 있는 거죠.
창업자의 두 부류: 드리머와 AI 에이전트 비즈니스 46:42
노정석 솔직히 공이 하나가 더 붙어 있는 밸류에이션을 좀 형성을 하고 있는 것 같고, 그리고 그 창업자들이 딱 두 부류인 것 같아요. 무언가 중후장대하게 꿈꾸는 창업가들이 있고요. 예를 들면 이런 거예요. 지금 Transformer 모델은 잘못됐어. Yann LeCun이 말하는 월드 모델도 이런 문제가 있어. 새로운 모델은 이런 거여야 해라고 하는 그런 꿈꾸는 드리머들. 근데 그런 드리머들은 보면 경력부터 일단 천재 느낌이 막 들어요. 학교는 우리가 아는 그 유명한 학교에 한 열일곱에 입학했고 지금 스무 살인데, 뭐죠?
Google DeepMind에 이미 다녔고, 그래서 하는 얘기가 Google DeepMind 연구원들 한 반절은 똑똑한데 반절은 그렇게 똑똑한지 모르겠어요. 이렇게 얘기하고, 본인이 직원이 6명인데 본인이 사장이고 본인 가르치던 교수님을 hire했고 그리고 이 회사에 우리가 아는 그 유명한 투자사들이 다 돈을 못 넣어서 줄이 쭉 서 있어요. 예, Sequoia, a16z부터 해가지고 막 다 서로 돈 넣고 싶어서 줄 서 있는데 시작하는 seed valuation이 거의 한 5천억 이 정도 되는 것 같아요.
그다음에 투자하겠다는 금액도 거의 한 1천억 가까이 되는 것 같고, 그러면서 시드, 그러니까 회사 창업한 지 얼마 안 됐는데 그냥 창업하자마자의 company valuation이 그 정도 되는 거죠. 그래서 여기도 그런 굉장히 젊고 천재적인 그런 아이들은 무언가 change the world 할 것 같은 그런 분위기가 나면 굉장히 비싼 값에 거의 NeoLab 수준의 valuation이 그냥 시작부터 생기는 것 같다는 생각이 들고 그다음에 두 번째로 AI 에이전트 비즈니스를 하는 거는 여기는 진짜 스펙트럼이 어마어마하게 다양해요. 첫 번째로 여기 시장이 아직 다 열린 건 아니잖아요.
대부분 B2B SaaS스러운 거를 AI native 애플리케이션으로 바꾸는 그런 회사들이 굉장히 많은데 이 회사들도 일단은 매출이 없더라도 valuation에 대한 기대가 굉장히 높게 있어요. 왜냐, 본인이 이미 Meta에서 5 million, 한국 돈으로 치면 80억이죠. 연봉으로 5 million을 받던 사람이고 내 친구는 Anthropic에서 80억 받다 왔고 내 친구는 ByteDance에서 80억 받다 왔고 그러던 친구 3명이서 창업을 했으니까 우리 셋이 연봉만 합쳐도 240억인데 회사 valuation이 1천억인 건 make sense 한 거 아니야 라는 게 있고, 그런 것들에 대해서 조금 인정해 주는 그룹군이 있어요.
연봉 5백만 달러의 실체, 실리콘밸리 임금 구조 49:34
노정석 주로 우리가 아는 유명한 회사의 출신들 임금 얘기를 조금 드릴 건데 실리콘밸리가 한국보다 임금 수준이 훨씬 높은 건 맞지만 그 안에서도 소위 프론티어 랩들과 펀딩을 잘 받은 AI 회사들의 연봉 수준은 굉장히 높거든요. 그냥 평범한 스타트업의 조금 괜찮은 엔지니어면 한 200K에서 300K, 그러니까 20에서 30만 불을 연봉으로 받거든요.
물론 그들의 굉장히 높은 물가와 세액을 고려했을 때 한국으로 치면 반 정도는 까도 한국이랑 비슷한 수준이긴 한데 그럼 그들의 연봉이 그냥 한화로 계산해도 3억에서 4억 5천 정도가 되는데 굉장히 펀딩을 잘 받은 스타트업이나 아니면 방금 말씀드렸던 이렇게 꿈꾸는 회사의 founding member였거나 혹은 Google이나 Meta나 이런, 혹은 Thinking Machines 같은 NeoLab을 포함해서 이런 데서 괜찮은 엔지니어였으면 연봉들이 물론 5 million 이 정도 됩니다. 물론 그 연봉이 전체가 연봉은 아니에요.
base salary는 예를 들면 한 8억에서 10억 정도가 실제로 우리가 받는 연봉이고, 나머지 60억에서 70억은 그 높은 회사의 높은 valuation으로 환산한 스톡옵션이긴 해요. 스톡옵션과 스톡 그랜트가 섞여 있는 금액이기 때문에 예를 들어서 실리콘밸리에 Google 다니는 누군가가 합계 연봉이 5 million이었다고 하면 그냥 스톡옵션에서 지불해야 되는 세금, 그다음에 스톡 그랜트에서 지불해야 되는 세금, 연봉에서 지불해야 되는 세금 해가지고 그냥 max 50%에서 60%는 세금으로 아마 나갈 거예요. 그렇다고 하더라도 한 30억에서 40억 정도가 그냥 실수령 연봉이긴 한 거죠.
이 밸류에이션은 어떻게 회수되나: acqui-hire 51:40
박종현 말씀해 주시는 어떤 돈의 흐름을 스케일이 좀 와닿지 않아서 제가 투자자에 한번 이입을 해봐서 생각을 해본다면 지금 저기 빅테크에서 일하던 직원들이 스톡 포함해서 10억 이상 단위의 임금을 받고 있다고 해서 그 친구들이 창업을 했을 때 새롭게 여는 그 비즈니스가 어쨌든 그만큼 valuation을 막 1천억씩 쳐준다는 거는 그만큼 회수를 할 수 있어야지만 사실 투자자가 투자를 하는 거잖아요. 그럼 투자자들은 그냥 거기서 그만큼 가치를 인정받고 일을 했다는 것만으로 그걸 다 해낼 수 있다고 가정을 하는 건가 보네요.
노정석 저도 그 부분이 궁금해서 그냥 물어봤어요. 그 창업자한테 너 exit plan이 어떻게 되고, 안 되면 안 된 회사들 중에서 내 친구들 중에서 팔린 회사들 있어라고 그랬더니 고개를 끄덕끄덕하면서, 밖에 나오지 않아서 그렇지 그 수많은 대기업들, enterprise들도 AI로 무언가를 해야 되기 때문에 그들이 그냥 회사를 통째로 이렇게 집어가서 acqui-hire 형태로 안아가는 경우가 꽤 많고 그때 형성되는 valuation에서 투자자들도 이익을 얻는다고 하니까 그런 정도의 valuation에 대한 약간의 지금의 합의는 있는 것 같아요. 물론 이게 거품이냐, 앞으로도 계속될 거냐라는 부분에 대해서 저도 의문은 있습니다만 지금 현재 샌프란시스코에서 일어나는 딜들의 valuation은 그 정도가 되는 것 같다.
박종현 VC들이 그 정도의 valuation, 엄청 저희가 생각하기에는 말도 안 되게 높다고 생각되는 valuation을 주는 것들이 나름 합리적이다, 이렇게 이해가 됩니다.
최승준 한편으로 드는 생각은 모수가 어느 정도인데 그중에 얼마만큼이 저 정도이냐도 알면 좋긴 하겠는데요.
노정석 그거가 제가 사실 named와 newbie에 어떤 걸 해 놓은 건데, newbie라 하더라도 한국보다 훨씬 좋은 조건에 seed financing을 얻는 경우는 꽤 많이 있는 것 같아요.
최승준 근데 제가 궁금한 건 거기에 지금 모여 있는 정확한 숫자는 몰라도 얼마만큼의 인재들이 모여 있는 상황이길래 이런 그중에서 탑을 꼽자면 이런 일들이 벌어지나 이런 게 궁금했던 거죠.
노정석 숫자는 저도 잘 모르겠네요. 제가 그냥 South Park 근처에 있는 커피숍과 그다음에 Salesforce Tower 위에 Salesforce Park가 있는데 거기에 있는데 다들 스타트업 하는 사람들과 그다음에 거기에 있는 빅테크 회사들, 그다음에 굉장히 펀딩 잘 된 엔지니어들 다 모여 있는 그 블록이 있거든요. 근데 그 블록에서 느껴지는 분위기로는 여기 그냥 바글바글하네요. 그래서 그냥 꿈꾸는 사람들의 어떤 진입 마켓과 어느 정도 named들이 이렇게 왔다 갔다 하는 마켓의 차이는 분명히 있겠죠.
YC 한 배치 200팀, 1분 데모데이, 피벗의 문화 54:37
노정석 근데 그 경계를 굳이 저한테 갈라보라고 하면 그냥 Y Combinator 출신들도 발에 채일 정도로 많거든요. Y Combinator가 한 배치에 거의 200팀 가까이 뽑으니까 그래서 데모데이 하면 발표 시간이 1분이래요. 하루에 다 끝난대요. 그 회사들이 1분 동안 무슨 얘기를 할 수 있겠어요? 그렇기 때문에 미리 성과들을 만들어야 되고 또 투자자들도 미리 다 공부하고 가서 이렇게 투자할 회사들을 고른다고 하는데 어쨌건 거기가 이제 예전처럼 막 Y Combinator 됐다고 하면 아, 이건 진짜 좋은 회사라는 게 아니라 Y Combinator 됐다고 하면 그래, 여기는 대학 졸업장은 있는 뭐 이런 느낌.
박종현 최근에 Y Combinator 배치에 든 한 다리 건너 지인분을 인터뷰할 기회가 있어서 대화를 한번 해봤는데, 거기도 대학생 분들이세요. 그래서 지금 배치에 참여해서 돌고 있는데 피벗을 엄청 하더라고요. 그리고 피벗을 하는 거를 Y Combinator에서도 나쁘게 생각하지 않고 그래서 아이템들을 다 돌아가면서 빠르게 iteration 하고 어떤 유저들의 evaluation 지표를 보고 아이템이 중요한 게 아니라 사람을 사는 그런 느낌을 조금 받았습니다.
노정석 어느 정도 괜찮은 사람이라고 하면 Y Combinator가 일단 그냥 살짝 찍어놓는 그런 느낌인 것 같아요. 그리고 Y Combinator가 하는 플레이를 해보려고 하는 South Park Commons라든지 또 몇 군데의 세력들은 더 있는 것 같아요.
최승준 그럼 이거 전체의 플레이북이 일종의 떡잎에 투자하는 그런 거예요? 누가 될성부른 떡잎인가, 이런 거요?
노정석 글쎄요. 그렇게 일반화하기는 좀 어려운데 그런데 이게 벤처캐피탈 업계의 그냥 불편한 진실이잖아요. 결국은 아이템보다는 항상 사람 고르기 게임이기 때문에 사람을 훨씬 젊은 사람, 훨씬 똑똑한 사람, 그다음에 실행력이 괜찮은 사람으로 해 놓으면 그냥 다른 것보다 훨씬 승률이 높다는 그런 지표가 있었으니까 전반적인 흐름이 그쪽으로 다 옮겨갔겠죠. 그래서 Y Combinator 때문이라고 말씀드릴 수는 없겠지만 전반적인 창업자들의 나이가 어마어마하게 어려져서 요새 Bay에서 스타트업 파운더라고 하면 거의 대부분 20대 초반, 많으면 중후반 정도고 30대 초반만 돼도 살짝 올드하고, 그 위로 넘어가면 그들과는 다른 시간의 속도에서 조금은 다른 도메인 전문성과 무언가 하나의 문제를 가지고 오는 데인데 거기는 제가 많이 사람들을 만나지 못해서 뭐라고 말씀을 못 드리겠습니다. 그래서 스타트업 하시는 분들을 많이 만났는데 그 정도로 요약드릴 수 있을 것 같아요.
젊어지는 VC, 데이터센터·칩·인프라, 그리고 한국 칩 생태계 57:36
노정석 그리고 벤처캐피탈들은 스타트업들의 무언가 애플리케이션 레벨을 하거나 B2B스러운 그런 것들을 하는 스타트업들 에는 아직 그렇게 큰 관심은 많이 없는 것 같아요.
최승준 그런데 벤처캐피탈 하니까 생각이 나는 게 저희가 그동안 인터뷰했을 때 서준 대표님도 그렇고 예전에 원준 대표님도 그렇고, VC가 이제 살 길이 모호해서 스스로 액션을 취하는 쪽으로 가는데 여기도 그런 분위기인가요?
노정석 그리고 이것도 말씀드려야 될 것 같은데 벤처캐피탈리스트들 나이도 굉장히 어려요.
최승준 얼마나 어린데요?
노정석 20대 초반도 많고, 30대들도 많고, 그리고 굉장히 독특한 경력의 벤처캐피탈리스트들이 많아져서 거꾸로 VC를 하겠다는 사람들한테도 굉장히 많은 자본들이 쏟아지고 있는 것 같은 그런 느낌이 들고, 그리고 여기도 DeepMind에 다니다 나온 사람들이 수많은 스타트업들을 차리잖아요.
그래서 DeepMind 출신, Anthropic 출신, 무슨 출신, 무슨 출신들 해가지고 스타트업들이 굉장히 많이 생겨나고 있는데 벤처캐피탈도 Sequoia나 어디나 등등 우리가 아는 소위 네임드들에서 무언가를 경험한 사람들이 나와서 젊은 벤처캐피탈 창업도 굉장히 많이 일어나는 것 같고 그들도 스타트업을 꿈꾸는 만큼 똑같이 꿈꾸고 있는 그런 단계라는 생각이 들었고 VC는 워낙 많은데 다 만나본 건 아니라 몇 개만 샘플로 만나봤으니까 몇 개만 샘플로 만나본 벤처캐피탈들은 거의 대부분 데이터 센터나 칩, 그다음에 모델을 오케스트레이션해 주고 inference나 트레이닝을 오케스트레이션해 주는 인프라 소프트웨어, 이런 쪽 영역들에 관심이 집중되고 있어요.
아직은 저쪽 영역에 훨씬 성장성이 높다고 판단하고 있는 것 같아서 데이터 센터 앞으로 더 만들어져야 되고, 칩은 한동안 품귀일 거고, 그래서 그거에 대한 대안을 제안할 수 있게 만들 수 있는 사람, 회사들에 훨씬 많은 기회가 있다고 생각하는 것 같아요.
최승준 여기서 칩이 뭐예요? 메모리 쪽이에요, 계산 쪽이에요?
노정석 다요.
최승준 그거에 대한 혁신을 하는 스타트업들이 있는 상황인 거예요?
노정석 그래서 저 부분에서 한국에 대한 관심이 굉장히 많더라고요. 그래서 진원님 회사라든지, 정규님네 회사도 제가 많이 소개해 드렸는데 한국이 아무래도 삼성전자와 하이닉스가 있어서 그 출신들이 나와서 회사 만드는 거 없냐, 칩 회사들 중에서 괜찮은 회사들 없냐, 이런 질문들이 꽤 많았던 기억이 납니다.
최승준 그런데 저희는 데이터 센터는 없죠. 인프라 소프트웨어 오케스트레이션이랑 칩은 있지만 국내에는 데이터 센터를 하는 데가 있나요?
노정석 있잖아요. 대기업들, SK가 가장 열심히 하고 있는 것 같고.
박종현 답변 주신 거에 이어서 생각을 말씀드리자면 VC가 저런 데이터 센터나 칩이나 이런 데 관심을 가진다는 게 조금 위화감이 드는 게, 말씀 주신 것처럼 대기업들이 저런 걸 많이 하는데 VC는 대기업들이 그런 VC한테 투자를 받지는 않잖아요. 그럼 작은 회사들 중에 저런 문제를 풀려고 도전하는 회사들이 많이 있나요? VC가 저런 회사에 투자할 후보 자체가 상당히 적지 않을까 이런 생각이 조금 들었습니다.
노정석 한국에요?
박종현 한국이나 미국이나 통틀어서요.
노정석 네, 제가 숫자가 많다 적다라는 말씀은 저도 정확한 샘플을 가지고 있는 게 아니라서 말씀은 못 드리겠는데, 당연히 그냥 에이전트 스타트업이나 이런 거에 비해서는 현저히 적을 것 같긴 해요. 그런데 저쪽은 보통 이런 인식이 있을 수도 있잖아요. 그건 NVIDIA가 다 끝난 마켓 아니야, 삼성이나 하이닉스가 다 끝난 마켓 아니야 라는 그런 인식이 있을 수도 있는데 현실은 전혀 그렇지 않더라. 이쪽이 훨씬 더 성장할 여지가 많이 있고 이제 겨우 시작에 불과하다는 그런 관점이 저는 더 지배적이라고 느꼈어요. 이거 이제 끝났기 때문에 굉장히 보수적으로 봐야 되는 거 아니야라는 것과 정반대의 그런 느낌. 거기도 valuation이 엄청나죠. OpenAI랑 일을 제일 열심히 하고 있는 것 같긴 합니다. 그래서 대략 그냥 만났던 것들을 한번 정리한 이야기를 드렸고요.
ICML 서울 주간: 밋업 활용법과 소셜 계정 관리 1:02:00
노정석 그리고 재미있는 게, 저희 ICML이 7월 4일부터 코엑스에서 열리거든요.
최승준 11일까지인가 그랬던 것 같아요.
노정석 네, 사실 4일, 5일은 그 전야 주말이고 6일부터 메인 컨퍼런스 시작해서 그 주간이 메인 컨퍼런스가 월, 화, 수, 워크숍이 그 뒤로 조금 있는 그런 것 같아요. 아마 월, 화, 수 정도가 피크겠죠. 그런데 ICML이 그래도 꽤 큰 머신러닝 쪽에서는 꽤 큰 학회다 보니까 프론티어 랩에서도 굉장히 많은 연구자분들이 오고 그다음에 벤처캐피탈이나 어떤 스타트업들도 꽤 많이 와요. 그래서 그 기간 동안 굉장히 많은 파티가 열리거든요.
미트업들이 있고, 어떤 미트업들은 invitation-only라서 아마 등록을 하더라도 못 가는 데가 있을 수 있고 아니면 자유롭게 갈 수 있는 그런 영역들도 있고 한데, 관심이 있으시다면 저는 여기 지금 보여드리고 있는 7월 4일 사이오닉에서 하는 Instructor KR 행사랑 7월 5일 Hashed에서 하는 행사, 그 두 군데는 갈 예정이거든요. 가서 또 한국뿐만 아닌 여기저기 세계 각지에서 오신 그런 프론티어에 있는 사람들과 이야기를 하고 또 투자자들에게 본인 회사나 혹은 사업을 소개할 수 있는 그런 자리니까 이 기회를 놓치지 않고 이용하시면 괜찮을 것 같다는 생각이 듭니다.
Luma에 가셔서 ICML 서울 이렇게 검색하면 7월 4일부터 한 10일 사이에 쏟아져 나오거든요. 그래서 괜찮은 곳에 한번 등록을 하시면 좋을 것 같습니다. 그리고 많은 등록이 LinkedIn이나 트위터 핸들이나 본인의 어떤 소셜 로그를 요구해요. 그래서 거기에 어떤 기록들이 많이 없으면 아예 초대장 자체도 못 받는 경우가 많기 때문에 저는 그런 LinkedIn이나 트위터 같은 거 조금 평상시에 관리해 두시는 게 글로벌 레벨로 하시기에 좋지 않나라는 생각이 듭니다.
AI 프론티어 개편: 더 가볍게, 더 빠르게 1:04:13
노정석 자, 그래서 이제 저희 오늘 말씀드리고 싶은 내용들은 거의 말씀을 드렸고 AI 프론티어를 어떤 식으로 개편할 건지에 대해서 짧게만 말씀드리면 서두에 말씀드렸듯이 무겁게 하는 것은 지양하고 좀 더 가볍고 좀 더 빠르게 그런 것을 만들어 보려고 하고요. 그 방향은 저희 지금 승준님이랑 제가 했었던 것 같은 일주일에 한 번씩 에피소드 번호를 붙이는 메인 에피소드는 종현님을 호스트로 한 분 더 모셨으니까 한 분 정도의 게스트 혹은 저희 셋 이렇게 돌아가면서 저희가 하던 양식대로 메인 에피소드는 진행을 계속하려고 하고 그런데 굉장히 많은 수의 서브 채널들을 가볍게 만들 예정입니다.
그래서 저도 이번에 출장을 마치면서 그러면 우리가 AI 프론티어 채널로서 뭔가 해야 되는 역할이 있다면 뭐가 있을까라는 고민을 했을 때 저는 한국의 강점 가장 한국적인 게 가장 글로벌한 거다라는 그런 생각을 하고 있거든요. 아까 말씀드린 것처럼 칩이라든지 인프라라든지 이런 부분들에 대해서도 있지만 아직 저는 AI가 만드는 컨슈머 서비스 이 부분이 열리지도 않은 시장이라는 생각이 들거든요. 그리고 그 부분에서 무언가 큰 서비스가 나온다면 저는 한국에서 그 씨앗이 가장 먼저 보일 거라는 생각을 하고 있습니다.
근데 한국에서 그 씨앗이 보이더라도 이게 그냥 한국 안에서만 크고 한국에서만 경쟁을 하면 또 한국 사람들은 똑똑하기 때문에 그냥 좋은 서비스 있으면 또 우리 안에서도 어마어마한 카피가 일어나잖아요. 그리고 우리 안에서 치고받고 싸우면서 그냥 다 전사하거든요. 그러면서 타이밍을 잃고 그 잃은 타이밍 사이에 미국에서 그냥 똑같은 회사가 하나 나와서 더 크게 성공하고 이런 경우들을 굉장히 많이 봤기 때문에 저는 제가 20대 초반의 창업자도 아니고 저도 그 창업자들을 더 도와야 되는 그런 입장에서 한국에 있는 좋은 스타트업들을 글로벌로 많이 소개해야 되겠다는 생각을 하고 있어요.
Monthly AI Demo Day 한국 스타트업을 글로벌로 1:06:26
노정석 월에 한 번 정도는 데모데이 같은 것을 열어서 한국에 있는 사업이라든지 기술을 글로벌로 소개하는 그런 걸 해야 되겠다. 그래서 Monthly AI Demo Day를 어렵겠지만 영어로만 하는 그런 데모데이를 만들어서 글로벌로 소개를 해 나가야 되겠다는 생각을 하고 있고 이 데모데이를 쭉 연결해서 내년에 있을 AI Engineer Summit, AI Engineer Conference 서울 에디션에 조금 마중물로 만들어 봐야 되겠다는 생각을 하고 있습니다.
최승준 개발하고 있는 제품을 그 시간 동안 소개를 하는 그런 거예요.
노정석 1분에 하나씩은 아닐 거고요. 10분에 하나씩 해서
최승준 하루에 여러 개가 소개되는 거예요, 그러면?
노정석 여러 개 해야죠. 10분만 하고 끝나기에는 뭔가 오프라인에서 모이는 거는 굉장히 부담이 되기 때문에 일단은 가볍게 시작을 하고 어떻게 되는지는 봐야죠.
최승준 오프라인 행사인 거예요, 데모데이는?
노정석 네, 그러려고 합니다. 이게 한국말로 해도 온라인에서 서로 합을 맞추고 뭔가 발표를 이렇게 관리하는 게 거의 불가능에 가깝기 때문에 이거는 오프라인에서 해야 됩니다.
최승준 그리고 송출은 없는 거고 그냥 오프라인에서만?
노정석 그리고 AI와 바이오 세션도 제가 사업 준비하면서 알게 되는 것들은 그냥 공부하는 차원에서 해보려고 하고, 민석 대표님이 또 미국에 가실 건데 실리콘밸리 특파원 역할을 해 주신다고 하니까 제가 얘기했었던 굉장히 재미있는 Y Combinator 알럼들이나 이런 분들 다 민석님 친구분이었던 경우가 많거든요. 사실 민석님 덕분에 제가 한국 네트워크가 아닌 다른 네트워크에 접근을 이번에 굉장히 많이 하고 왔어요. 그리고 또 승준님도 승준님의 도반과 함께 하시는 그런 영역들로 또 세션도 해보실 수도 있고 조금 가볍고 재미있게 많은 것들을 만들어 보려고 합니다.
최승준 전체적인 줄거리를 이렇게 톺아보면 결국에는 실리콘밸리에 굉장히 큰 기회가 있고 거기랑 연결하는 흐름이 AI 프론티어 개편하고도 연결점이 있는 거네요.
노정석 저 높은 valuation과 저 높은 시장 접근성에 무언가 채널을 뚫어야 되겠다. 그런 생각을 하고 돌아왔습니다.
첫 3인 녹화 소감과 마무리 1:08:47
노정석 오늘 저희 종현님과 함께한 첫 번째 녹화였는데요.
최승준 종현님 소감이 궁금하긴 한데요.
박종현 저의 소감은 어쨌든 저도 항상 듣기 때문에 저는 게스트로 한 번 나온 적이 있어서 그냥 재미있는 얘기 오늘 너무 잘 들은 것 같고요. 특히 실리콘밸리 특파원 앞으로 하려고 하시는 게 저는 기대가 제일 많이 되고 저도 샌프란시스코를 동경하고 있기 때문에 가봐야겠다 이런 생각을 오늘 하게 되었습니다.
노정석 네, 종현님 같은 분은 저는 가보시는 게 좋지 않나 라는 생각이 드네요.
박종현 도전을 한번 해보도록 하겠습니다.
노정석 네, 놀러 가는 게 아니라 그냥 가서도 충분히 경쟁력이 있는, 거꾸로 저는 한국에서 AI native라고 불리시는 소위 신선들의 가치가 굉장히 높다는 생각을 하고 왔어요. 저희가 정말 잘하는 사람이 여기 많다는 그 생각도 하고 왔습니다.
최승준 어쨌든 고생하셨습니다.
노정석 이 정도로 마무리를 하고 저희 이제 다시 일상으로 돌아가서 이 개편된 걸 가지고 재미있는 것들을 많이 해보는 걸로 하시죠.
최승준 알겠습니다.
노정석 자, 오늘 그럼 이 정도로 하겠습니다. 수고하셨습니다.