인터뷰/예측
openai 티보 "차세대 모델과 에이전트가 등장하면 현재의 Codex가 원시적으로 보일 것"
작성자
작성일
2026-08-25 14:03
조회
2
아래는 원문의 질문 흐름을 유지하면서, 티보가 직접 말하는 듯한 1인칭 인터뷰 형식으로 재구성한 상세 요약입니다. 문맥상 잘못 전사된 고유명사는 ChatGPT·Codex·OpenAI 등으로 바로잡았습니다.
1. Google DeepMind에서 LM Chat을 만들던 시절
Q. ChatGPT가 등장하기 약 1년 전, Google에는 LM Chat이라는 제품이 있었다고 했습니다. 당시 어떤 일을 하고 있었나요?티보:
저는 당시 DeepMind에서 연구 속도를 높이기 위한 인프라와 제품을 주로 만들고 있었습니다. DeepMind는 매우 창의적인 곳이었고, 내부에는 언어 모델의 성능을 확장하는 팀도 있었습니다. 모델이 꽤 좋은 결과를 내기 시작하면서 자연스럽게 “이 모델과 대화할 수 있는 제품을 만들면 어떨까?”라는 생각이 나왔고, 그렇게 LM Chat과 비슷한 형태의 내부 도구가 등장했습니다.
시점은 ChatGPT 출시 약 1년 전이었습니다. 처음에는 내부에서만 사용했지만, 이를 일반 대중에게 공개된 도구로 발전시키려는 야심도 있었습니다. 당시 모델이 만들어내는 일관된 텍스트를 처음 접했을 때는 굉장히 특별하다고 느꼈습니다. 초창기에는 유용하다기보다 재미있는 경우가 많았지만, 시간이 지나면서 점점 실질적인 도움을 주기 시작했습니다.
다만 DeepMind는 연구 조직으로서는 훌륭했지만, 제품을 빠르게 출시하도록 설계된 조직은 아니었습니다. 이 점에서 OpenAI는 상당히 다릅니다.
2. Google에서 배운 교훈과 OpenAI의 조직문화
Q. Google에서의 경험을 통해 무엇을 배웠고, 그것을 OpenAI에 어떻게 적용하고 있나요?티보:
저는 그 경험을 자주 떠올립니다. 특히 어떤 조직문화를 보존해야 하고, 무엇을 반복하지 말아야 하는지 생각합니다.
OpenAI는 상향식 문화가 강한 조직입니다. 구성원이 새로운 아이디어를 제안하고, 뜻이 맞는 사람들과 모여 매우 빠르게 제품을 만들고 출시할 수 있습니다. 새로운 제품 아이디어에 제동을 거는 힘이 비교적 적습니다. 저는 이런 환경이 매우 흥미롭고 즐겁다고 생각합니다. 궁극적으로 세상에 긍정적인 영향을 주는 제품을 빠르게 내놓는 것이 중요하기 때문입니다.
하지만 빠르게 출시한다고 해서 기능을 무질서하게 쌓아서는 안 됩니다. 전체적인 방향과 일관성이 없는 기능들의 잡동사니가 되어서는 안 됩니다. 그래서 저희는 빠른 실험과 출시를 장려하면서도 다음과 같은 원칙을 함께 중시합니다.
- 단순한 제품
- 높은 완성도
- 즐거운 사용자 경험
- 성능과 효율성
- 제품 전체의 일관성
3. 창업자와 기존 기업에 필요한 태도
Q. 그런 문화를 만들고 싶은 창업자에게 어떤 조언을 하겠습니까?티보:
우선 자신이 만들려는 것에 대한 확신이 필요합니다. 그리고 실제 사용자를 확보해 피드백을 받고, 그 피드백을 바탕으로 매우 빠르게 반복해야 합니다.
또 하나 중요한 것은 자기 자신을 파괴할 준비가 되어 있어야 한다는 점입니다. 기존 사업이 잘되고 있더라도, 새로운 연구나 아이디어가 더 큰 미래를 열 수 있다면 적절한 순간에 자원을 옮겨야 합니다. 현재의 핵심 사업에서 인력이나 컴퓨팅 자원을 빼야 할 수도 있습니다. 이것은 굉장히 어렵지만 매우 중요합니다.
AI의 미래와 인류가 AI로부터 얻을 이익은 어떤 기업이 현재 구축해 놓은 사업이나 향후 몇 달의 매출을 기다려주지 않습니다. 우리는 AI가 어디로 향하고 있는지 눈을 크게 뜨고 바라보고, 다가오는 변화의 물결을 잡을 수 있도록 스스로를 배치해야 합니다.
4. 새로운 모델의 능력은 출시 전부터 완전히 알 수 없다
Q. OpenAI처럼 앞선 조직도 AI의 발전 방향을 미리 정확히 알기 어려운가요?티보:
그렇습니다. 저희도 모델을 훈련한 다음 실제로 사용해 보면서 그 모델의 능력을 발견합니다. 벤치마크만으로는 모델이 할 수 있는 모든 일을 알 수 없습니다.
직접 모델을 오래 사용하다 보면 “이런 방식으로도 도움을 받을 수 있구나” 또는 “우리가 생각하지 못했던 일도 할 수 있구나”라는 발견이 나옵니다. 그러면 제품을 바라보는 방식 자체가 달라집니다.
최근의 음성 모델이 좋은 사례입니다. 새로운 음성 기능은 대화가 매우 자연스럽고 도구도 사용할 수 있습니다. 저는 이제 ChatGPT에 타이핑하는 것보다 말로 지시하는 시간이 훨씬 많아졌습니다. 받아쓰기 품질도 매우 좋아졌습니다.
아침에 휴대전화를 들고 오늘 해야 할 일을 말하면, ChatGPT가 제가 연결해 놓은 도구를 이용해 실제 업무를 처리할 수 있습니다. 이런 사용 방식은 고품질 음성 모델이 나오기 전에는 불가능했습니다. 새로운 모델 능력이 새로운 제품 형태를 만들어내는 것입니다.
5. “현재의 Codex는 2~3개월 뒤 원시적으로 보일 것”이라는 전망
Q. 차세대 모델과 에이전트가 등장하면 현재의 Codex가 원시적으로 보일 것이라고 했습니다. 무엇이 달라져야 하나요?티보:
현재 Codex나 다른 코딩 에이전트를 능숙하게 사용하는 사람들은 어느 정도의 불편함에 익숙해져 있습니다.
예를 들어 모델에게 지식을 가르치기 위해 스킬 파일을 관리해야 하지만, 이런 파일은 시간이 지날수록 유지하기가 어렵습니다. 메모리 기능이 있더라도 모든 것을 완벽하게 기억하지는 않습니다. 서브에이전트를 사용하면 사용자가 그 서브에이전트들의 구조와 작업까지 직접 관리해야 합니다. 여러 에이전트가 작은 네트워크를 만드는 것처럼 보이지만, 곳곳에서 “완벽한 동료와 함께 일하고 있다”는 감각이 깨집니다.
제가 원하는 것은 사용자가 이런 내부 구조를 신경 쓰지 않아도 되는 시스템입니다. 미래의 에이전트는 다음을 깊이 이해해야 합니다.
- 제가 어떤 사람인지
- 제가 이루려는 목표가 무엇인지
- 제가 매일 어떤 일을 하는지
- 제 팀이 무엇을 하고 있는지
- 언제 반응하고 언제 먼저 행동해야 하는지
6. 차세대 AI에는 노트북보다 더 많은 자원이 필요하다
Q. 왜 차세대 모델은 노트북을 넘어선 컴퓨팅 자원을 필요로 하나요?티보:
노트북은 인간의 작업 속도에 맞춰 설계된 장치입니다. 인간이 타이핑하고 생각하는 속도, 동시에 열어두는 애플리케이션의 수, 처리할 수 있는 정보량을 기준으로 만들어졌습니다.
그러나 모델에는 인간과 같은 제약이 없습니다. 미래의 모델은 필요하다면 수십 개 또는 100개의 애플리케이션을 동시에 다룰 수도 있습니다. 한쪽에서는 문제를 탐색하고, 다른 쪽에서는 테스트를 작성하며, 동시에 코드를 컴파일하고 새로운 가설을 검증할 수 있습니다.
모델 생성 속도가 10배나 14배 빨라지면 모델의 사고 속도보다 도구 호출, 네트워크, CPU 및 각종 소프트웨어 계층의 지연이 병목이 됩니다. 이 문제는 여러 작업을 동시에 수행하는 방식으로 어느 정도 보완할 수 있지만, 결국 미래 모델이 활용할 수 있는 자원은 개인 노트북의 범위를 넘어가게 됩니다. 그래서 클라우드 에이전트가 중요해집니다.
7. 에이전트가 빨라지면 인간의 작업 방식도 달라진다
Q. 지금은 10~15개의 에이전트를 동시에 실행하기도 합니다. 초고속 모델이 나오면 개인 개발자의 작업 방식은 어떻게 달라질까요?티보:
저희는 인간의 주의력을 보호하는 문제를 중요하게 보고 있습니다. 기술은 인간이 기술에 적응하도록 요구해서는 안 됩니다. 기술이 인간의 멀티태스킹 능력과 집중 방식에 맞춰져야 합니다.
어떤 결과를 지금 바로 보여줄지, 아니면 30분 뒤 적절한 시점에 알려줄지 판단할 수 있어야 합니다. 초고속 모델에 음성 기능까지 결합하면 AI가 인간과 비슷하거나 더 빠른 속도로 상호작용하게 됩니다.
사용자는 흐름을 끊지 않고 아이디어를 말하고, 곧바로 프로토타입을 보고, 작은 보고서를 실시간으로 만들 수 있습니다. 이런 경험에 익숙해지면 10개의 느린 에이전트를 띄워 놓고 결과가 올 때마다 계속 작업 맥락을 바꾸는 방식으로 돌아가고 싶지 않을 것입니다.
8. 개인 AGI와 완전 자동화는 서로 다른 문제다
Q. 루프나 그래프 같은 에이전트 기법은 모두 인간의 주의력 관리를 위한 것인가요?티보:
저는 현재 해결해야 할 문제를 크게 두 범주로 나눕니다.
첫 번째는 최고의 개인 AGI 또는 개인 에이전트를 만드는 것입니다. 이 에이전트는 저와 같은 작업 흐름 안에서 움직이고, 저를 깊이 이해하며, 중요한 새 아이디어를 먼저 제안할 수 있어야 합니다. 코딩뿐 아니라 조사, 조언, 글쓰기 등 다양한 문제를 해결하면서도 저라는 개인에게 매우 세밀하게 맞춰져야 합니다.
두 번째는 인간이 거의 개입하지 않는 완전 자동화입니다. 예를 들어 시스템이 다음과 같은 일을 자동으로 수행할 수 있습니다.
- 운영 환경의 로그를 분석해 성능을 최적화하기
- 소프트웨어 회귀 문제를 발견해 자동으로 수정하기
- 보안 스캐너가 발견한 취약점을 즉시 패치하기
- 취약점이 노출된 시간을 거의 0에 가깝게 줄이기
9. ChatGPT와 Codex를 합치는 이유
Q. ChatGPT와 Codex가 하나로 합쳐지는 방향에 대한 반응은 어땠나요?티보:
처음에는 “왜 굳이 둘을 합쳐야 하느냐”는 반응도 있었습니다. 하지만 미래의 모델이 요구하는 방향이 통합이기 때문에 저희는 합치는 것이 가장 단순하고 올바른 선택이라고 판단했습니다.
저희가 만들고 있는 것은 코딩만 하는 에이전트가 아니라, 사용자를 모든 면에서 도와주는 매우 개인적이고 강력한 에이전트입니다. 장기적으로 ChatGPT와 Codex는 다음과 같은 기반을 공유하게 됩니다.
- 동일한 핵심 모델
- 동일한 에이전트 실행 구조
- 강력한 멀티모달 능력
- 음성을 중심으로 한 자연스러운 상호작용
- 높은 속도와 효율성
- 코딩과 비코딩 작업을 구분하지 않는 범용 능력
각 개인은 서로 다른 능력과 요구를 가지고 있습니다. 따라서 하나의 인터페이스가 사용자의 기술 수준과 개성에 맞춰 스스로 변화해야 합니다.
10. 궁극적으로는 모든 사람이 같은 ‘개인 AGI’를 사용한다
Q. 그렇다면 개발자와 일반 사용자 모두 동일한 인터페이스를 사용하게 되나요?티보:
그렇습니다. 저와 제 어머니가 같은 시스템을 사용하게 될 수 있습니다. 다만 연결된 도구, 맡기는 작업, 사용하는 방식, 얻는 효용은 완전히 다를 것입니다.
그 시스템은 각 사용자의 생각과 필요를 계속 학습하면서, 개인에게 최대한 도움이 되는 방향으로 자신을 맞출 것입니다. 저는 이것을 개인 AGI라고 생각합니다. 하나의 기반 시스템이지만, 사람마다 전혀 다른 존재처럼 작동하는 것입니다.
11. AI는 인간에게 자연스러운 방식으로 존재해야 한다
Q. 몇 년 뒤 인간과 AI의 이상적인 상호작용은 어떤 모습일까요?티보:
저는 AI가 인간의 행동방식에 매우 자연스럽게 맞춰져야 한다고 생각합니다. 대규모 언어 모델이 성공한 이유 중 하나도 자연어를 사용하기 때문입니다. 자연어는 본질적으로 인간의 개념입니다.
사람에게 편지를 받으면 저는 글의 내용뿐 아니라 그 안의 감정과 미묘한 뉘앙스도 어느 정도 이해할 수 있습니다. AI도 사용자의 말투나 문장에 담긴 의도를 제대로 파악해야 합니다. 사용자가 “내 말투의 뉘앙스를 이해하지 못했기 때문에 엉뚱하게 답했다”고 느끼는 순간을 최대한 없애야 합니다.
저희가 만들려는 기술은 인간이 새로운 조작법을 배워 적응해야 하는 도구가 아닙니다. 인간이 이미 세상에서 말하고, 보고, 생각하고, 행동하는 방식의 자연스러운 확장이 되어야 합니다.
텍스트와 음성만이 아니라 표정, 손동작, 주변 환경도 중요합니다. 제가 사무실 화이트보드에 아이디어를 적고 AI에게 “이건 어떻게 생각해?”라고 말하면, AI가 그 내용을 보고 이해한 뒤 자연스럽게 대화할 수 있어야 합니다. 미래의 AI는 눈에 띄는 별도의 도구라기보다 주변에 자연스럽게 존재하는 ‘앰비언트’ 시스템에 가까울 것입니다.
12. 경쟁사보다 OpenAI만의 방향에 집중한다
Q. Anthropic과의 경쟁을 어떻게 보고 있습니까?티보:
저는 경쟁사를 그렇게 많이 보지 않습니다. 제가 주로 생각하는 것은 우리가 독특하게 잘할 수 있는 일이 무엇인지, 우리의 가치가 무엇인지, 그리고 그 방향으로 어떻게 최대한 빠르게 나아갈 것인지입니다.
OpenAI는 가장 강력한 모델뿐 아니라 매우 효율적인 모델을 만들고, 그 기술을 가능한 한 많은 사람이 사용할 수 있는 제품으로 제공하는 데 자부심을 가지고 있습니다.
Codex와 ChatGPT를 통합한 것도 같은 이유입니다. 코딩 능력을 개발자에게만 제공하는 것이 아니라 기획자, 디자이너, 영업, 마케팅, 커뮤니케이션 담당자도 안전하고 쉽게 사용할 수 있도록 만들고 싶었습니다. ChatGPT라는 대규모 배포 기반을 이용해 새로운 능력을 빠르게 많은 사람에게 전달한 것이 Codex 성장의 중요한 원인이 됐습니다.
저희는 커뮤니티의 아이디어를 많이 받아들이고, 개발 과정도 상당히 투명하게 공유하려 합니다. 이 기술은 OpenAI 내부의 생산성만 높이기 위해 만드는 것이 아닙니다. 전 세계가 혜택을 얻도록 만드는 것이 저희의 사명입니다.
13. 사용량을 초기화해 주는 ‘리셋 버튼’의 의미
Q. 서비스에 문제가 생겼을 때 사용량 제한을 초기화해 주는 것은 마케팅 전략인가요?티보:
처음부터 마케팅 전략으로 시작한 것은 아닙니다. 제품을 빠르게 반복 개발하던 초기에 저희가 무언가를 망가뜨리거나 설정을 잘못해 사용자 경험이 좋지 않은 일이 있었습니다. 사용자는 이 제품에 의존하고 있는데 저희 문제로 30분이라도 제대로 사용하지 못했다면, 추가 사용량을 제공해 보상하는 것이 옳다고 생각했습니다.
지금도 같은 원칙을 따릅니다. 저희가 제품을 망가뜨렸거나 경험이 기대에 미치지 못했는데 그 원인을 정확히 알지 못한다면 사용 한도를 초기화합니다. 이제는 실제 물리적인 리셋 버튼도 있습니다. 마케팅이나 재무 부서와 복잡하게 협의해 누르는 버튼은 아닙니다. 제가 적절하다고 느끼면 누를 수 있습니다.
좋은 일이 있을 때는 커뮤니티와 축하하기 위해 사용량을 제공하기도 합니다. 새로운 기능을 더 많은 사람이 시험해 볼 수 있도록 “추가 사용량을 드릴 테니 직접 탐색해 보세요”라고 하는 것입니다.
사용자를 아낀다고 말만 하는 것과, 문제가 생겼을 때 실제로 사과하고 보상하는 것은 다릅니다. 저는 후자가 진정한 신뢰를 만든다고 생각합니다.
14. AI가 AI 인프라를 개선하기 시작했다
Q. Soul이 Luna의 효율을 개선해 가격을 80% 내렸다고 합니다. 이것은 컴퓨팅 투자의 결과인가요, 알고리즘 발전의 결과인가요?티보:
저희는 컴퓨팅 수요를 매우 오래전부터 계획했습니다. 2년 전에는 OpenAI가 왜 이렇게 막대한 컴퓨팅 자원에 투자하느냐는 의문을 받았지만, 지금은 그 투자를 해놓은 것이 매우 다행이라고 생각합니다.
상당한 컴퓨팅 자원이 연구에 사용되고 있습니다. 더 뛰어난 미래 모델을 만들기 위한 투자입니다. 동시에 최전선 모델을 이용해 현재 모델의 서빙 구조와 전체 시스템을 다시 설계하고 최적화할 수 있게 됐습니다.
가장 강력한 모델이 다음과 같은 작업을 도와줍니다.
- 추론 스택 재설계
- 모델 서빙 방식 개선
- CUDA 커널 최적화
- 시스템 병목 발견
- 비용과 처리속도 개선
- 더 효율적인 제품 및 상호작용 방식 개발
효율이 좋아졌을 때 그 이익을 회사에만 남겨두기보다 가격 인하와 성능 향상으로 사용자와 고객에게 돌려주는 것이 저희의 원칙입니다. Luna 가격 인하도 그 결과입니다. 같은 규모의 컴퓨팅 자원으로 처리량을 크게 늘릴 수 있었기 때문에, 연구와 제품 사이에서 거대한 희생을 감수해야 하는 선택도 아니었습니다.
15. 이것도 초기 형태의 재귀적 자기개선인가
Q. 강력한 모델이 다른 모델과 인프라를 개선하는 것은 재귀적 자기개선의 초기 단계인가요?티보:
재귀적 자기개선은 보통 모델이 더 나은 모델을 연구하고 개발하는 의미로 논의됩니다. 하지만 저희가 이미 큰 성과를 보고 있는 영역은 모델이 자신을 사용하는 데 필요한 핵심 인프라를 개선하는 것입니다.
추론 스택, CUDA 커널, 서빙 인프라, 클라우드 에이전트, 사용자 인터페이스가 모두 하나의 거대한 시스템을 이룹니다. 모델이 이 시스템을 개선하면 모델에서 더 많은 효용을 얻을 수 있고, 개선된 시스템을 다시 모델 자신에게 적용할 수 있습니다.
저는 이것도 넓은 의미에서는 재귀적 자기개선이라고 생각합니다. 아직은 모델 연구 자체보다 인프라 개선 성격이 강하지만, 개선된 인프라를 다시 자기 자신을 향해 적용할 수 있다는 점이 중요합니다. 이런 일을 하지 않는다면 오히려 이상할 것입니다.
16. 최전선 강화학습을 일시 중단한 이유
Q. OpenAI가 최전선 강화학습을 잠시 중단한 것은 어떤 의미인가요?티보:
모델 능력이 강해질수록 정렬과 안전의 중요성도 커집니다. OpenAI는 필요한 영역에 자원을 집중적으로 투입해 왔고, 현재 안전 분야에 대한 투자도 크게 늘리고 있습니다.
이번 일시 중단은 팀이 시스템의 모든 부분을 충분히 이해하고 강화할 시간을 확보하기 위해 필요했습니다. 이후 훈련을 다시 시작할 때는 시스템을 완전히 통제하고 있다는 확신을 가져야 했습니다.
구체적인 재개 기준은 안전팀이 담당했습니다. 처음부터 단순한 숫자 하나가 정해진 방식이라기보다, 토론과 발견을 거치면서 기준을 세우는 과정이었습니다. 결국 안전팀은 훈련을 재개할 수 있는 비교적 명확한 원칙에 도달했습니다.
저는 OpenAI가 앞으로도 필요하다면 이런 결정을 신속하게 내릴 것이라고 생각합니다. 내부에서 안전 때문에 중요한 훈련을 멈춰야 할 때 결정을 내리지 못하는 모습을 본 적은 없습니다.
17. 울트라패스트 모드가 실제로 쓰이는 곳
Q. 울트라패스트 모드는 OpenAI 내부에서 어떻게 사용하나요?티보:
저희는 매초가 중요한 고위험 상황에서 울트라패스트를 사용합니다. 예를 들어 서비스 장애가 발생하면 사고 대응 책임자와 대응팀에 울트라패스트 접근 권한을 줍니다. 장애 대응에서는 단 몇 초도 중요하기 때문입니다.
Dev Day에 포함할 새로운 기능을 월요일까지 결정해야 하는 것처럼, 짧은 시간 안에 중요한 아이디어를 시험해야 하는 팀에도 제공할 수 있습니다.
저는 ADHD가 있어서 작업 맥락을 자주 바꾸고 작은 결정을 많이 내리는 환경에서도 비교적 잘 일합니다. 하지만 한 가지 일에 집중하고 싶을 때는 울트라패스트가 특히 좋습니다. 모델의 답을 기다리느라 흐름이 끊기지 않기 때문입니다.
속도 향상 폭은 작업에 따라 달라집니다.
- 웹사이트나 게임 프로토타입처럼 코드를 대량 생성하는 작업에서는 약 10배 수준의 속도 향상을 체감할 수 있습니다.
- 도구 호출이 많은 작업에서는 네트워크와 에이전트 실행 과정이 병목이 되므로 약 3~4배 정도로 줄어듭니다.
- 따라서 명목상 최대 14배가 빨라도 모든 작업이 실제로 14배 빨라지는 것은 아닙니다.
18. 초고속 AI가 열어줄 새로운 인터페이스
Q. 속도가 빨라지면 어떤 새로운 사용 방식이 가능해질까요?티보:
저는 텍스트를 넘어선 상호작용에 큰 기대를 걸고 있습니다. 예를 들어 인간과 AI가 하나의 공유 캔버스에서 함께 작업할 수 있습니다.
AI가 여러 아이디어와 이미지를 즉시 생성하면 사용자가 그중 하나를 선택하고, 음성이나 텍스트로 실시간 수정 지시를 내릴 수 있습니다. 프로토타입을 눈앞에서 바로 바꾸며 함께 발전시키는 창의적인 과정이 가능해집니다.
지금까지 엔지니어는 전체 시스템의 요구사항과 장단점을 머릿속에서 오래 검토한 다음 구현을 시작했습니다. 하지만 앞으로는 1분 안에 실제 프로토타입을 만들어 실행해 보고, 결과를 바탕으로 설계를 개선할 수 있습니다. 생각한 다음 만드는 방식에서, 만들면서 생각하는 방식으로 이동하는 것입니다.
19. 발전 속도와 향후 1~2년 전망
Q. 울트라패스트 같은 속도는 계속 비싼 프리미엄 기능으로 남을까요?티보:
기술은 시간이 지날수록 더 많은 사람이 이용할 수 있게 되는 경향이 있습니다. 에이전트가 작업을 끝내는 속도는 매달 크게 개선되고 있습니다.
여기에는 단순한 추론 속도뿐 아니라 토큰 효율도 포함됩니다. Soul은 Terra보다 훨씬 적은 토큰으로 작업을 처리하고, 다음 모델은 Soul보다도 훨씬 더 토큰 효율적일 것입니다. 추론 하드웨어와 전체 시스템도 계속 발전하고 있습니다.
저는 앞으로 약 1~2년 안에 현재의 울트라패스트에 가까운 속도가 기본값이 되거나, 적어도 기본 속도에 매우 가까워질 수 있다고 생각합니다. 다만 더 많은 하드웨어와 비용을 사용해 추가 성능을 제공하는 상위 등급은 항상 존재할 가능성이 큽니다.
즉, 오늘날의 프리미엄 속도가 미래에는 대중화되겠지만, 그 시점에도 다시 한 단계 더 빠르고 강력한 프리미엄 옵션이 있을 것입니다.
20. AI가 대중에게 주는 실질적인 이익
Q. 일자리 자동화와 환경 문제 때문에 AI를 두려워하는 사람에게 어떤 말을 해주고 싶나요?티보:
저희는 ChatGPT를 특정 전문가 집단이 아니라 전 세계를 위한 제품으로 만들고 있습니다. 모델의 효율을 높이는 것은 광범위한 접근성과 직접 연결됩니다. 모델 운영비가 낮아질수록 더 많은 사람이 더 많은 일을 할 수 있고, 일상에서 얻는 효용도 커집니다.
Luna는 현재 작고 매우 효율적인 모델이지만, 약 6개월 전이었다면 최전선에 있었을 법한 능력을 가지고 있습니다. 지금은 비용이 놀라울 정도로 낮아졌고 일부 환경에서는 무료로도 제공됩니다.
저는 오늘날 최전선에 있는 지능이 불과 6개월 뒤에는 훨씬 저렴해지는 흐름이 계속될 것으로 봅니다. 기술은 시간이 지나면서 효율적으로 변합니다. 저희는 그 효율 향상을 광범위한 접근성과 사용자 효용으로 연결하는 데 집중하고 있습니다.
AI를 한 번도 사용해 보지 않아 두려운 사람도 멀리서 사례를 찾을 필요는 없습니다. 많은 사용자가 ChatGPT를 다음과 같이 활용합니다.
- 글쓰기 지원
- 개인적인 고민 상담
- 건강 및 의료 정보 이해
- 금융 정보 정리
- 의사와 상담하기 전 질문과 상태 정리
처음부터 복잡한 일을 맡길 필요는 없습니다. 다른 사람들이 AI를 어떻게 사용하고 어떤 도움을 받는지 살펴본 뒤, 자신의 생활에서 어디에 도움이 될 수 있을지 가볍게 시도해 보는 것이 좋은 출발점이라고 생각합니다.
인터뷰 전체를 관통하는 티보의 관점
티보:제가 보는 다음 AI 물결의 핵심은 단순히 모델의 지능이 높아지는 것이 아닙니다. AI는 사용자를 깊이 이해하는 개인 AGI가 되고, 동시에 복잡한 업무를 인간의 개입 없이 처리하는 자동화 시스템으로 발전할 것입니다.
현재의 스킬 파일·불완전한 메모리·서브에이전트 관리 방식은 과도기적 형태입니다. 향후 에이전트는 노트북을 넘어 클라우드 자원을 사용하고, 음성·시각·도구·장기적 개인화를 하나로 통합할 것입니다. ChatGPT와 Codex의 통합 역시 이 방향을 향한 과정입니다.
가장 중요한 변화는 발전 속도입니다. 일반 서비스 속도는 이미 3개월 만에 약 60% 개선됐고, 초고속 추론에 가까운 경험도 약 1~2년 안에 대중화될 수 있습니다. 더 강한 모델은 다음 모델뿐 아니라 추론 인프라와 제품을 개선하면서 광범위한 의미의 재귀적 자기개선을 시작하고 있습니다.
저희의 목표는 사용자가 AI에 맞춰 자신을 바꾸게 하는 것이 아닙니다. AI가 각 개인의 성향, 목표, 작업 방식과 주의력에 맞춰 변화하도록 만드는 것입니다.
전체 0