- 강연자 : 알파코드 CEO 정하성 대표
- 장소 : 재간둥이송선생 유튜브 채널
- 방송일자 : 2026년 1월 8일
- 대상자 : 저의 유튜브, 텔레그램, 네프콘 멤버십 구독자분들
형에 대해 간단히 소개를 드리자면 경력이 오래된 개발자입니다. 다양한 기업에서 대형 서비스를 운영한 경험이 풍부합니다. 실무자로 일할 때는 업계에서 실력하나로 인정받던 풀스택 개발자 출신입니다. 최신 기술에 대한 수용도가 높습니다. AI 분야에는 AI 열풍이 불기 전 부터 투신해왔습니다. AI 분야 최전방의 최신 소식들을 저도 형으로부터 많이 전해 듣습니다. 사람들이 테슬라를 믿지 못하던 시절부터 자신의 몸을 테슬라 자율주행에 맡기고, 사람들이 긴가민가 할 때 부터 집에 스타링크 안테나를 달고, 사람들이 에이전트라는 단어를 잘 모르던 시절부터 AI 에이전트를 믿고 업무 상당 부분을 맡겨 버리는 공격적인 테크긱입니다. 최근에는 기술전도사 역할에 재미를 붙였습니다. 개인 블로그를 통해서 AI와 관련한 다양한 이야기를 전해주고 있습니다. 누구에게나 하나라도 더 알려주기 위해 열려 있는 친절한 캐릭터입니다. 기술 뿐만 아니라 기술을 종교, 역사 등의 인문과, 사회, 경제, 법률, 안보 등 다양한 곳으로 연결시킬 줄 아는 다층적 인재이기도 합니다.
강연을 빙자한 간담회는 사람들이 궁금한 것을 질문하고, 형이 답변을 하는 식으로 진행되었습니다.
형 : 사전 질문지 질문들 답변하고. 중간에 올라오는 질문들에 답변하는 식으로 진행하겠습니다. 그리고 사전 질문지를 봤는데, 당연하게도 IT 종사자 시각에서는 질문들의 수준이 크게 높지는 않았습니다. 다만, 주식투자자나 일반적인 비전공자 대중 수준에서는 나름대로 수준이 있어 보이는 질문들이 있었습니다. 대충 그정도 난이도의 이야기가 오갈 것으로 보이니 참고하여 들어 주시면 감사드리겠습니다. 보통 테크기업에서 강연할 때는 이것보다 훨씬 심오하고 난이도가 높은 이야기들이 오갑니다.
AI를 이용한 해외 재무제표 분석
질문 : AI를 활용하여 실질적으로 해외 기업 재무제표 원문까지 정밀하게 분석할 수 있고, 비즈니스 모델에 대하여 심도 있게 분석 및 지속적으로 추적해 나갈 수 있을지 알고 싶습니다. 그리고 관련해서 실질적인 방법과 노하우도 알고 싶습니다.
답변 : 재무제표 분석은 당연히 됩니다. 에이전트로 해서 스케줄링을 만들어서 주기적으로 튀는 재무 수치를 모니터링할 수도 있고요. 이런 것들은 굳이 AI 아니어도 원래부터 기존 기술로도 충분히 구현 가능하고 됐던 기능이긴 합니다.
다만, 요즘에는 클로드 코드나 이런 편리한 에이전트들이 나와서 프로그래머가 아닌 분들도 말로만 '해줘'라고 해도 구현이 가능해진 겁니다.
대신 그런 것들 역시 소프트웨어다 보니 어떤 로직에 의해서 돌아갑니다. 그런 로직 같은 것들을 추상화해서 처리해 줘야 합니다. 사람한테 커뮤니케이션하듯이 컴퓨터에게 전달을 잘 해야 하는데, 그게 예전에는 워낙 어려웠는데 조금 쉬워진 겁니다. 그래도 추상화된 것들을 옮기는 과정을 체계적으로 하는 논리적인 것들은 필요합니다. 원래 컴퓨터 프로그래밍 친화적인 사람이었다면 아주 수월하게 생산성 향상이 가능해진 것이고, 그렇지 않은 사람들도 필요한 것은 말로 명령해서 구현할 수 있는 시대가 되었습니다.
실질적인 방법들을 제안드립니다. 코딩을 아예 못 해도 '클로드코드'하고 계속 질문 주고받고 답변하고 하다 보면 어느새 소프트웨어 하나가 뚝딱 만들어져요. 물론, 처음에는 잘 안 되더라도 계속 해 보세요. 그리고 만들다가 잘 안 되면 다 뒤집고 새로 시작 하는 게 제일 낫습니다. 소프트웨어를 만들고 지우고 다시 반복 하세요. 가령 2시간을 작업했다치면 만들어 둔 게 아까워서 지우기 힘들지만 지우고 새로 하는 게 가장 좋습니다. 이제는 개인 소프트웨어를 만들어서 쓰고 지우는 시대입니다. 지우는 것을 두려워 하지 마세요.
재간둥이 송선생의 첨언 : 저도 가치투자자의 길을 가고 있지만 차트 매매, 시스템 트레이딩 등에 재미로라도 손을 안 대본 것은 아닙니다. 이쪽 분야의 고수분들이 없는 건 아니지만 저는 저에게 맞지 않다고 포기해서 그 길을 가지 않았습니다. 과거의 시스템 트레이딩, 로보어드바이저 매매 이런 것은 단순 매크로 조합에 지나지 않았다고 생각했습니다. 잘 쳐줘야 기관의 마케팅 용어 수준이었지요. 하지만 클로드나 클로드코드와 밀접하게 일을 하고 계시면 아실 것이라 생각합니다. 저도 이 부분은 이제 생각이 바뀌었습니다. 이제는 AI가 마케팅 용어가 아니라, 정말로 스스로 잘 리서치 해서 잘 판단할 수 있는 영역에 들어왔다고 생각합니다. 리서치든 구현이든 뭐든 AI가 앞으로는 많은 일을 스스로 더 잘 처리할 수 있을 것이라 보고 있고, 지금도 그러하고 있습니다. 그런 시대에 재무제표 분석이나 해외의 리서치 자료를 수집하고 긁어와서 가공하고 번역한 후 여러가지 판단을 제시하는 것은 AI가 할 수 있는 일의 극히 일부 수준에 지나지 않는 시대가 되었습니다. 한마디로 그 정도 일은 AI에게 이제는 식은 죽 먹기가 되었다는 이야기입니다.
AI 시대, 일자리의 미래 (10년·20년 전망)
질문 : 앞으로 5년 내에 AI가 현재 우리가 하고 있는 일들을 어느 정도까지 대체하고, 이로 인해 직업 환경이 어떻게 변화할지에 대해서 전문가의 의견을 듣고 싶습니다.
답변 : 5년을 전망하기 보다는 10년, 20년 정도를 내다 봐야 한다고 생각합니다.
10년 내: 현재 모든 노동자의 약 50%가 무노동자가 될 겁니다. 분명히. 지식 노동자들 사이에서 회사가 사람을 안 뽑는 현상이 가속화되고 있는 건 현실이고, IT 쪽에서는 특히 더 많이 그렇게 되고 있습니다.
20년 내: 생산 가능 인구 100명이 있다고 하면 그 중에서 일을 하는 사람은 10명 정도만 남을 것입니다. 당연하게도 부자가 되려면 놀면서 기본소득 받는 계층이 아니라 이 일하는 10% 안에 들어야 합니다. 그 10%가 지금의 20배, 30배를 더 벌 것이라고 생각합니다.
기본소득 필요성: 기본소득이 필요하다고 봅니다. 다만 복지적 관점보다는 통제적 관점에서 필요합니다.
이란이 지금 내부적으로 정국이 불안합니다. 이란에서 지금 폭동을 일으키는 사람들이 누군가 가만히 들여다 봤어요. 신기하게도 하층민이 아니라 중산층이 폭동을 주도하고 있어요. 중산층으로 살면서 장사를 하는 분들이 국가가 붕괴될 정도로 폭동을 주도한다 것 자체가 이례적입니다.
이런 상황들은 다른 나라에서도 생길 수 있습니다. 일자리가 없고 소비가 사라진 세상에서는 당연하게도 기본소득을 안 주면 다 뒤집어 엎어 버립니다. 복지의 개념과 비슷하게 들릴 수 있지만 심오하게 말하면 그런 상황들을 통제하기 위한 수단으로 기본소득이 필요합니다.
이미 그렇게 되고 있고, 10%만 일하는 세상이 온다면 양극화는 지금보다 훨씬 심해지겠죠. 근데 재미있게도 일하지 않는 90%의 사람들에게서 의외로 불만은 없을 수 있어요. 왜냐면 그 90%가 자아실현이나 부자가 되는 쪽 보다는 그냥 생존하고 연명하는 쪽으로 갈테니까요.
이런 상황이 유토피아냐 디스토피아냐는 사실 공산주의에서 얘기하는 그 개념으로 보면 그게 유토피아로 본 건데, 반대쪽 이념을 가진 누군가에게는 디스토피아라 할 수 있는 거죠. 천국이냐 지옥이냐는 각자의 관점에 따라 다 다릅니다.
그런 세상이 오더라도 전체적으로 GDP는 늘 테니까 그 10%가 지금의 20배, 30배를 벌 거라고 생각합니다. 이들이 경제 발전을 주도합니다. 나머지 90%는 일하지 않고 기본소득으로 살면서, 인간에게 필요한 기본 욕구만 충족시켜줘도 행복하게 살 것입니다.
인구론 관련해서는 인구가 줄어드는 게 오히려 자연스럽고, 인구 감소 쪽이 선진국에서 조장됐던 것 아닌가 하는 생각도 듭니다. 인구 감소가 마냥 재앙은 아닐수도 있습니다.
대학 교육의 역할과 미래 인재상
질문 : 안녕하세요. 저는 서울 모 대학교의 총장실에서 일하고 있습니다. 대학을 졸업할 학생이 어떤 역량을 갖춰야 되는지 궁금합니다. 피터 틸은 대학 교육의 효용성이 점차 약화되고 있다고 말했습니다. 소수의 뛰어난 인재가 혁신을 주도하고 다수의 인력이 일자리를 찾기 어려운 미래가 도래한다면 대학의 역할이 필요할까요. 대표님께서 신입 직원을 채용한다고 할 때, 이 대학이 정말 교육을 잘하고 있구나라고 느끼게 만드는 핵심 역량은 무엇인가요?
답변 :
교육의 역사적 맥락: 서양 최초의 고등교육 기관인 아카데미아는 플라톤이 만들었습니다. 그리고 그 노선은 소크라테스의 것입니다. 그렇게 유래해 약 2500년을 유지한 시스템 중 하나가 대학 시스템이에요. 과거로 갈수록 도제 형태로 학습이 이루어졌습니다. 그래서 선생님을 누굴 만나느냐가 중요했습니다. 하지만 이제는 누군가한테 배우고, 가르침 받고, 하는 것은 의미가 없어졌습니다. 단순한 지식의 획득은 이제 LLM에게 물어보는 편이 정확도도 높고 더 빠릅니다. '생각의 시대'라고 한국분이 쓰신 책이 있습니다. 이 책을 참고해 보시면 좋겠습니다.
1차 지식 vs. 2차 지식: 1차적인 지식을 얻거나, 그런 걸 가르치는 것 자체가 무용해졌습니다. 하지만 1) 레시피를 만드는 것 - 원천적 지식, 2) 완전 다른 관점에서 문제를 풀어내는 통찰, 이런 것은 배울 필요가 있습니다. 레이달리오가 역사 관점에서 반복되는 주기를 얘기하는 것 같은 통찰, 이런 건 누군가가 생각해 놓고 얘기를 안해주면 보통의 사람들은 아예 인지조차 하지 못하니까 모르게 도는 것이고, LLM에 존재하지 않을 수도 있어요.
핵심 역량 — 비판적 사고와 팩트 검증: 유튜브나 AI를 통해 많은 지식을 습득할 수 있는데, 문제는 사람들이 점점 '의심을 하지 않는다는 것'입니다. 정보에 대한 의심을 하고 팩트 검증을 할 수 있는 능력을 갖춰야 합니다. 내게 찾아온 행운까지도 의심하는 태도를 가져야합니다. "왜 나한테까지 이 행운이 왔을까? 이상한데?"
배경 지식의 중요성 — mRNA 백신 사례: 코로나 백신의 아미노산 개수가 약 293개(MRNA 정보는 약 1,273개). 그중 986번과 987번이 리신과 발린인데 그걸 프롤린으로 치환한 것이 S-2P 설계의 핵심이며 그것을 했던 회사가 모더나와 화이자입니다. 이런 기억들을 많이 갖고 있어야 어떤 수치가 말도 안 되는 건지 판별할 수 있습니다. 그러려면 독서를 많이 해야하고, 다양한 배경 지식을 폭 넓게 갖고 있어야 합니다. 그래야 여러 가지 것에서 리터러시(역치)를 높일 수 있습니다.
배움의 네 가지 필러(Pillar):
- 대화 — 사람과 대화하거나, 책과 대화하거나.
- 실험 — 전제 조건을 걸어놓고 결과를 검증 (약 200년 된 방법론).
- 경험 — 가장 강력한 학습.
- 메타인지 — 2,600년 전 붓다의 깨달음에서 나온 개념. 자기 자체를 객관적으로 보고 한 단계 더 깊은 차원에서 생각하는 능력.
외우는 것과 창의의 관계: 창의는 무조건 외우는데서 시작합니다. 창의는 기본적으로 관계성을 찾는 것이고, 관계성을 찾으려면 대뇌피질에 이미지를 올려야 합니다. 해마가 우리 기억을 3초 정도 플래시로 잡아줄 때, 그 안에 관련 생각들의 이미지를 올려서 관련성을 잡아야 합니다. 그러려면 많은 것을 외우고 있어야 합니다.
외국어 학과, 외국어대학은 없어질까? — 일단 통역과 번역은 끝났어요. 당장 통번역 업무에 대한 수요가 크게 줄었습니다. 이제는 챗GPT, 클로드나 제미나이 같은 도구로 어지간한 번역 업무는 0원으로 더 빠르게 끝낼 수 있습니다. 외대 뿐만 아니라 대학 자체가 아예 생존을 위해 다른 방향으로 가야되는 상황입니다.
실제로 저의 큰 아이가 올해 고등학교를 졸업했습니다. 아이는 수능도 안 봤고, 제가 대학도 가지 말라고 했습니다. 공부는 무조건 많이 해야 되지만, 대학에서 진짜 지적 탐구를 하는 게 아닌 상황에서 허공에 몇 천만 원을 뿌리느니 차라리 그냥 여행을 보내는 게 낫다고 생각했습니다.
재간둥이 송선생의 첨언 : 사람들이 컴퓨터 공학과 언어 공부를 하지 말라는 이야기를 많이 합니다. 그리고 전문직이 사라진다는 이야기도 많이 합니다. 하지만 저는 그러지 말라고 합니다. 컴퓨터 공학은 더욱 중요해질 것입니다. 그리고 외국어를 잘 구사하는 사람은 더욱 중요해질 것입니다. 하나 예를 들어보겠습니다. 당장 기존 방식의 통번역 업무는 많이 사라질 것입니다. 그러나 LLM과 대화를 하려면 한국어를 잘 하는 것 보다 영어를 잘 하는 것이 압도적으로 유리합니다. AI에게 일을 더 잘 시키면서도 더 적은 토큰을 쓰려면 영어가 유창한 것이 유리합니다. 아이러니하게도 통번역의 설자리는 좁아지지만 AI와 더 잘 일하기 위해서 영어를 잘 하면 유리합니다. 그리고 갈수록 AI 핑계를 대면서 외국어 구사 능력을 퇴화 시키는 사람도 늘어날테니 진짜 잘 할 수 있는 사람의 희소성과 가치는 높아집니다. 컴퓨터 공학이나 프로그래밍 공부도 마찬가지입니다. 모두가 '해줘' 만으로 기능을 구현할 때, 코드가 돌아가는 원리나 인프라의 구성, 자료 구조나 메모리 같은 근본적인 것을 잘 이해하는 사람이 AI를 이용해서 더 멋진 프로그램을 만들어낼 수 있을 것입니다. 전문직은 실력있고 AI와 친한 사람은 압도적인 퍼포먼스를 낼 것이고, 일을 잘 못하거나 AI비친화적인 사람은 도태될 것입니다.
AI 대화 데이터 삭제와 개인정보 보안
질문 : 개인적으로 민감한 내용을 담은 상담을 챗GPT와 자주 나누는 편입니다. 특히, 부부관계나 직장 동료들과의 관계에서 힘든 부분들도 많이 물어보고 있습니다. 챗GPT를 비롯한 LLM 서비스들은 대화 내역을 삭제하는 기능이 있는 것을 보았습니다. 이때 이 채팅들을 삭제하라고 하면 진짜 다 삭제해 주는지 궁금합니다. 삭제를 하더라도 OpenAI 서버 어딘가에 남는 거 아닌지 궁금합니다.
답변 : 사실 저희 같은 외부자는 알 수 없는 부분이긴 합니다. 저는 사용자가 지운 데이터도 삭제하지 않고 남겨서 학습시킬 것으로 보고 있습니다. 여러분이 서비스에 던지는 질문 자체도 학습 데이터가 됩니다.
그리고 컴퓨터 공학적으로 보면 데이터를 삭제하는 것 자체가 리소스가 많이 들어요. 괜히 포렌식이 가능한 게 아닙니다. 데이터를 지우는 행위 자체가 실제로는 주소만 날리고 원본 데이터는 보통은 기록장치 어딘가에 남겨져 있습니다.
데이터베이스에서도 딜리트(delete) 컬럼을 두고 "이건 지운 거야"라는 표시의 일종인 플래그만 기록하고 실제 데이터는 남겨 놓는 경우가 많습니다. 그래서 여러분들이 인터넷에 글을 올릴때는 조심하셔야 합니다. 한번 기록되거나 올라간 데이터는 사실상 영원히 남습니다. 게시판에 글을 썼다가 지워도 실제로 그 글은 삭제 시키지 않는 경우가 많습니다. 사실상 '삭제되었다'라고 표시만 해 둘 뿐입니다.
그리고 내 아내가 누구고, 내 아들이 누구고, 이런 사생활 정보 마저도 이미 구글이 다 알고 있어요. 이미 구글이 우리의 모든 것을 다 알고 있다고 보시면 됩니다. 그러니 너무 두려워 하지 마세요. 구글이 내것만 알면 무섭지만, 전 지구인의 정보를 다 알고 있으니까요. 일전에 일론 머스크도 "사생활에 대한 내용은 인터넷에 절대로 쓰지 마라, 나중에 무슨일이 생겨도 다 자기 책임이다"라는 말을 했습니다.
AI 환각(Hallucination) 현상의 원리
질문 : 서비스를 쓰다보면 오류가 많은데, 과금을 유도하려고 일부러 그러는 건지? 아니면 하드웨어나 소프트웨어 역량이 한계인 건지요?
답변 : GPT의 'T'자가 트랜스포머(Transformer)인데, 트랜스포머 자체가 예측하는 기계입니다. 뒤에 올 글자를 확률적으로 예측하는 거라서 읽기에는 "그럴 듯하게" 만든 겁니다.
제어된 환각: 사람도 선망 증세나 환각 증세가 있습니다. 뇌과학적으로 보면, 우리가 지금 의식하고 생각하고 있는 것을 "제어된 환각(controlled hallucination)"이라 합니다. 일례로 재판이나 수사를 할 때 사람 말이 오락가락 하잖아요. 사람 자체도 과거의 기억을 금방 잊고, 생각은 뒤죽박죽이 되며 할루시네이션 투성이의 말과 행동을 합니다. AI도 같습니다.
만약 지금처럼 편안하게 지식을 검증하거나 검색할 수 있는 환경이 없던 2천 년 전에 챗GPT 같은 걸 가져다 줬으면, 당시 사람들은 정말 엄청난 지성으로 보았을 것입니다. 그리고 당연히 천재로 봤을 것이고 챗GPT의 말을 그대로 믿었을거라고 봅니다. 여기에 필요한 것이 "그럴 듯하다"는 것 자체가 되게 중요한 거예요.
오류를 줄이는 법: ChatGPT에서 나온 답을 다시 서적이나 검색엔진을 통해서 팩트 체크하세요. 그리고 다른 LLM(클로드, 제미나이 등)에 물어 보면서 확인하세요. 여러 모델이 공통으로 답하는 것이 팩트일 가능성이 높습니다.
재간둥이 송선생의 첨언 : 모델들의 성능이 자고 일어나면 좋아 지고 있습니다. 할루시네이션은 갈수록 줄어들고 있습니다. 최근 클로드 Opus 4.6은 거의 완벽에 가까운 기교를 보여주고 있습니다. 물론 여전히 AI는 할루시네이션을 일으키고, 전적으로 AI에게 모든 것을 맡기는 건 위험합니다. 하지만 갈수록 더 좋아질 것으로 생각합니다. 아주 빠른속도로요.
AI 반려봇, 의식, 그리고 인간의 몸
질문 : 머잖아 반려로봇을 데리고 다닐 거라고 생각합니다. 수명이 짧은 반려견의 데이터, 행동, 짓 등을 그대로 AI에 집어넣어서 반려견 수명을 확장할 수 있을까요?
답변 : 당연히 됩니다. '디트로이트: 비컴 휴먼'이라는 게임을 한번 해보시면 느낌이 딱 와요. 당연히 우리 인간이 로봇에게 사랑도 느낄 수 있습니다. 그리고 말씀하신 그런 시대도 올 수 있습니다.
다만, 뇌 이식은 어려움: 최근 뇌과학 분야에서 나오는 논문들을 보면, 뇌를 분리해서 다른 몸체에 이식하는 건 아주 어렵습니다. 최근 드러나는 사실이지만 뇌와 장기는 분리될 수 없어요. 이게 무슨 말이냐고 하면 뇌와 장기가 서로 맞는 조합이 있고 이게 세트로 하나라는 말씀입니다. 가령, 세로토닌의 85%는 뇌가 아닌 소장에서 나옵니다. 허리 수술에 성공해서 척추가 펴지면 되게 우울했던 게 기분이 풀리면서 마음이 행복해져요. 소장을 포함한 모든 장기가 호르몬을 분비하고 수용체가 다 있기 때문에, 몸과 정신은 일체형으로 같이 있어야 합니다.
T1 vs. 머스크 AI 로봇 — LoL 대결을 시키면 어디가 이길까? 지금은 무조건 T1이 이깁니다. 다만, 길게 보면 양쪽의 소프트웨어 역량이 벌써 다릅니다. 컴퓨팅 파워를 적게 쓰면 몰라도 AI가 컴퓨팅 파워를 많이 쓰면 인간이 절대 못 이깁니다. 인간의 뇌가 30~40W 쓰는데, 상대는 30만W를 쓴다면 어떻게 이기겠어요.
AI 추론 능력의 한계와 에너지·우주 산업 전망
질문 : AI의 추론 능력은 현재 어느 정도 수준이고 얼마나 더 성장할 수 있는가? GPU, 반도체, 전기, 냉각, 데이터센터 인프라 외에 투자자들이 빠뜨리고 있는 게 있는가?
답변 :
카르다쇼프 척도: 환경론자들은 싫어하지만, 결국에는 기술을 더 빠른 속도로 더 많이, 더 엄청나게 개발해야 환경문제 조차 다 해결됩니다.
그리고 환경에 대해서도 생각해 볼 지점이 있습니다. 환경파괴라는 건 현생 생물들에게 살 수 없는 환경을 제공한다는 의미일 뿐, 지구 안에서의 물질 사이클 자체에는 아무 문제가 없어요. 우주로 안 나가면 전쟁으로 죽거나 다른 이유로 죽을 겁니다. 우리가 환경으로 죽든, 전쟁으로 죽든 우리가 죽은 사체에서 나온 것들은 어차피 지구 안에서 다 돕니다.
그리고 식량에 대한 이야기입니다. 지구가 한 1.6개 정도 더 있어야 현재 필요한 식량 생산량을 받쳐줄 수 있어요. 이제 식량 자체가 싼 시대는 끝났습니다.
반도체의 물리적 한계: 지금 우리 반도체 제조 기술은 옹스트롬(Ångström) 수준까지 내려 왔는데, 더 이상 내리기가 어렵습니다. 물질의 가장 기본까지 쪼갠 상태인데, 전자가 양자적으로 시프트하면서 오류가 엄청 많아져요. 그래서 HBM처럼 쌓아 올리거나, M 칩처럼 면적을 키우는 방식을 쓰는 겁니다. 궁극적으로는 완전히 다른 방식이 필요합니다.
달과 헬륨-3: 달에 헬륨-3(³He)이 있는데, 인류 전체가 만 년 정도 쓸 수 있는 양입니다. 핵융합의 원료가 되는 물질로, 달을 먼저 개척하는 사람이 핵융합 시대를 여는 겁니다.
투자자들이 놓치고 있는 두 가지:
1) 바이오: 우주에서는 인체가 약해지므로, 이를 극복하고 유지하는 기술이 발달할 수 밖에 없음.
2) 물류 시스템: 우주에서 뭘 갖고 오든, 실어 나르든 다 물류 베이스가 필요. 머스크가 재활용 로켓 만드는 것도 물류. 우주 물류 회사들이 엄청 커질 것.
원자력 발전의 현실: 이론적으로는 원자력 발전소를 5만배를 더 돌리면 카르다쇼프 척도 1에 도달한다는 이야기가 있습니다. 그리고 이건 다른 이야기지만 핵 폐기물의 우라늄-238에서 플루토늄을 추출해 재처리하면 원료가 다시 되므로 효율이 높아집니다. 다만 무기 전용 위험성 때문에 재처리가 제한되고 있습니다. SMR(소형 원자로)은 통제 가능하지만 비용이 엄청 많이 듭니다. 현실적으로 핵분열 발전을 할 수밖에 없고, 석탄 발전소는 꼭 지으면 안 됩니다.
AI 시대 자녀 교육 — 독서와 수학
질문 : 아이들 아빠로서 AI 시대에 아이들 교육을 어떻게 가르쳐야 될지?
답변 : 일론 머스크도 비슷한 질문을 받았을 때 2분 동안 머뭇거릴 정도로 어려운 질문이었습니다. 사실 답이 없어서요.
교육에는 답이 없지만 다만 확실한 것은 있습니다: 1) 독서를 많이 해야 합니다. 무조건이요. 책 안 읽어도 된다고 하면 그 사람이 정말 이상한 겁니다. 2) 수학공부를 꼭 시키세요. 수학에 능한 사람은 어떤 걸 추론하거나 끄집어내서 현실화시키는 데 탁월한 능력을 가집니다. 일론 머스크도 물리학자예요. AI 자체가 물리학이고, 물리학 자체가 수학 베이스입니다.
다른 분야 보다도 노벨 물리학상을 받은 사람들의 나이가 대체로 어린 이유가 있어요. 물리학은 기능적으로는 이해하기가 "쉬워서(?)" 그렇습니다. 인간사회의 권모술수 같은 건 잘 몰라도 사회 생활 상관없이 혼자 파고들면 최고 레벨까지 올라갈 수 있으니까요.
유연 지식과 고정 지식: 먼저 유연 지식(물리학, 수학 등)을 얻으려면 공부를 25살 이전에 열심히 해야 합니다. 이후에 안 되는 건 아니지만 여러가지 이유들로 되게 어려워집니다. 요즘 클로드나 ChatGPT 같은 걸 켜놓고 "최소한 이거부터 알려줘"라는 간단한 문구 하나만 넣으면, 공부 할 내용들을 쭉쭉 알려 줍니다. 최소한 혼자 공부하기에는 정말 좋은 시절입니다.
그리고 수학도 기본적으로는 외워야 공부가 시작됩니다 됩니다. 논리를 이해하는 건 그 다음이에요. 인간이 학습하는 모든 건 외우는 게 기본 베이스예요. 기본적으로 다 외우고 문제 보고 "아 이렇게 되는구나" 해가지고 풀고 하는 과정을 가는 겁니다. 수학은 정말 재밌어요, 혼자 해보면.
일론 머스크의 일화: 배터리가 1kWh에 600불이라는 걸 이상하게 생각해서, 들어가는 모든 원자재에 대해 조사했습니다. 영국 금속 거래소에서 찾아봤더니 원재료 가격이 50%밖에 안 들더라는 걸 알아챘습니다. 그럼 이건 중간에 뜯어먹는 놈이 있거나, 뭔가 회사 프로세스에 잘못하고 있다고 생각했습니다. 이렇게 생각해서 문제를 찾고, 해결하는게 듣고보면 쉬운 것 같지만 많은 사람들에게 실제로는 그렇지 않을수도 있습니다. 이렇게 추론하고 추정하는 힘은 학문이나 지식 베이스가 있는 경우, 거기서부터 나옵니다.
우주의 기본 구조: 지구에서 우주 끝까지의 거리도 실제로 가서 확인한 건 아니지만 수학 방정식으로 다 증명된 겁니다. 푸는 사람도 그 수식에 대해 진정 이해하는 건 아니에요. 수학적으로 이해하는 것이죠. 수식으로 풀었더니 그렇게 된다는 거예요. 지금 LLM도 똑같아요 — 왜 학습이 돼서 작동을 하게 되는지 챗GPT를 만든 샘 알트먼도 정확한 작동 원리는 모른다고 했어요.
개인 투자자, AI 시대에도 유효한가
질문 : 최근 AI가 주식 투자도 실험적으로 하고 있던데, 미래에도 개인이 하는 주식 투자가 가치가 있을까요?
답변 : 이미 월스트리트 트레이딩의 90%는 컴퓨터가 하고 있습니다. 그럼 우리 가치투자자들이 기업을 직접 보고 하는 게 쓸모없냐 하면, 계속 유효한 부분도 일부 존재하여 남을 겁니다. 워런버핏 같은 투자 세대는 앞으로 리서치가 편해지고 매매를 정신없이 하는 시대가 온다고 해도 살아 남을 거라고 봅니다. 좋은 회사에 투자해서 장기간 눌러 있어도 되잖아요. 투자는 잘 모르지만 이것도 투자의 방법이잖아요. 여기에 굳이 AI를 안 붙여도 돼요. 투자는 분석이나 리서치, 치고 빠지는 타이밍 같은 것 이외에 초장기간의 판단이나 시대의 변화, 시간을 녹이는 인내력 같은 건 구현하지 못합니다.
재간둥이 송선생의 첨언 : 이 부분에 대해서는 앞에도 비슷한 이야기가 나와서 답변한 것 있음.
중소기업의 AI 도입 전략
질문 : 제조업과 임대업을 하는 중소기업에 입사한 지 한 달 됐습니다. 회사에서 갑자기 저에게 AI 도입을 알아보라는 지시가 내려왔습니다. 여기는 수작업으로 조립하는 공장이고 딱히 최첨단 자동화가 필요한가라는 의문이 듭니다. 일반적인 제조 중소기업에서 이 미션을 어떻게 수행해야 할까요?
답변 :
가장 중요한 것: 비즈니스 언더스탠딩이 최우선입니다. AI 도구를 뭘 쓸지보다, 그 업(業)에 대한 숙지가 먼저입니다. 우선은 AX 업무 진행을 위해서 담당자, 임원부터 시작해서 전부 인터뷰하고 페이퍼(PPT가 아닌 문서)로 쭉 정리해야 합니다. 우선 가장 간단한 업무부터 시작하세요. 돼지코 같은 단순한 제품부터 자동화를 시작해서, 그게 성공하면 좀 더 복잡한 것으로 확장하는 겁니다.
15-30 법칙 감안: 회사의 구성원들 중 기술 수용도가 높은 맨 앞의 15%는 좋은 도구가 있으면 무조건 씁니다. 그 사람들은 쓰지 말라고 해도 알아서 다 써요. 그 다음 15%는 앞의 15%가 쓴 걸 보고 따라 씁니다. 앞의 15%가 쓰는 걸 보고 "괜찮네"라고 생각하면 수용하여 따라서 씁니다. 그리고 그 다음 30%는 오너가 쓰라고 하면 씁니다. 이때는 오너도 해당 도구의 생산성에 동의한 상태니까요. 이걸 안 쓰면 잘라 버릴까봐 쓰게됩니다. 그리고 마지막 나머지 40%는 좋은 게 있다고 쓰라고 해도 안써요. 정말 때려 죽여도 안 써요.
도구 추천: 회사에서 MS의 제품들을 쓰고 있다면 코파일럿(Copilot) 쪽으로 시작하세요. 유튜브를 찾아보거나 LLM에 물어보면 필요한 내용이 많이 나옵니다. 본인이 먼저 숙지한 다음 전체 직원 대상으로 튜토리얼을 만들어서 교육하는 게 필요합니다. 이건 질문자분께 큰 기회입니다. AI 전환(AX)을 맡은 거니까 고맙다 하고 시작하세요. 이 미션을 해내면 그 회사에서는 AX 업무 관련한 모든 것은 본인만 할 수 있게 됩니다. 회사에 머물게 되면 즉각 임원으로 수직 승진할 수도 있는 아주 큰 업무입니다. 회사에서 나가게 되더라도 기업문화 하나를 통째로 바꾸고 AX 도입을 주도한 것으로 큰 경력을 인정받을 수 있습니다.
30대 청년의 미래 대비 — 오케스트레이션 능력
질문 : 30대 초반 청년에게 미래를 대비하면서 꼭 이거 하나만 했으면 하는 것이 있나요? 그리고 지금 시점에 꼭 깨달았으면 하는 것 하나씩만 알려주세요.
답변 : 수동적으로 본인이 하던 것만 하면 안 됩니다. 이 시대를 살아갈 수 있는 가장 중요한 것은 복합적 능력, 오케스트레이션 능력입니다. 오케스트라의 지휘자처럼, 100개의 악기를 다 알아야 합니다. 각각의 바이올리니스트보다 잘 칠 수는 없지만, 전체 밸런스를 조정하고 강약을 조절할 줄 아는 사람이 이제는 되게 중요합니다. 넓게 아세요. 세법도 알고, 개발도 좀 알고, 디자인도 좀 알고. 온 세상의 많은 것에 호기심을 가지세요. 딥하게가 아니라 큰 틀을 알고 있어야 합니다. 온 세상의 일들이 어떻게 유기적으로 엮여서 돌아가는지 이해하면 더 좋습니다. 인간이 영위하는 모든 일들의 큰 개념들을 알아야 그때부터 비로소 질문을 할 수 있습니다. LLM 시대에는 질문이 중요합니다. 질문 할 줄 알아야 AI도 더 잘 다룰 수 있습니다. 뭘 질문해야 할지 모르면 안됩니다. 의사하고 이야기 할 때는 의학전문 용어로 대화할 수 있어야 합니다. 법률가와 이야기 할 때는 법률용어와 법체계를 이해하고 대화할 수 있어야 합니다. 일단 우선은 용어부터 알면 돼요. 모든 학문의 접근법은 다 똑같아요 — 용어를 알고 들어가세요.
미국에서 1인 창업 유니콘(기업가치 1조 회사) 회사가 지금 엄청 많이 올라오고 있어요. 이게 다 AI 도구들이 발달해서 가능한 것입니다. 예전에는 상상도 할 수 없었던 일이잖아요. 이게 그러면 단순히 AI 덕분이냐 하면 AI 도구의 덕은 크지만 더 중요한 것이 있습니다. 1인 유니콘 창업자들의 공통적 특징이 있습니다. 그 사람들의 특징은 온 세상의 일들을 넓게 많이 안다는 것입니다. 그래서 질문할 수 있고, 규합할 수 있고, 만들고 구현할 수 있습니다.
지금 꼭 깨달았으면 하는 것: 만약에 지금 다니고 있는 회사가 편안하다면 나오세요. 편안한 회사는 당장 탈출해야 합니다. 조직에서 늘 챌린지가 있어야 합니다. 그 챌린지 덕분에 항상 불편해야 그 조직에서 내가 성장하는 겁니다. 위에 사수가 까탈스러우면 더 좋아요. 화를 내서라도 나를 바꿔서 데려가려는 상사가, 조용히 아무 소리도 안하고 있다가 다음 날 그냥 자르는 상사보다 훨씬 좋은 상사입니다.
AI 대화 데이터 삭제와 개인정보 보안
미대·화가의 미래 — 인간 본성과 예술의 가치
질문 : 미대 진학을 희망하며 디자인을 공부하는 자녀가 있습니다. 아이의 화풍을 학습시켜 놓으면 AI가 똑같이 그려 주더라구요. 정말 놀랐습니다. 앞으로 화가가 살아 남을 수 있을까요?
답변 : 화가는 살아 있을 겁니다.
스케치의 중요성: 여담이지만 제가 유일하게 못 배운 게 스케치예요. 사람은 이미지적 사고 밖에 못 합니다. 냄새를 맡아도, 소리를 들어도 우선은 그 이미지가 올라와요. 스케치는 관찰력을 표현하는 방식 중 하나인데, 스케치가 되면 머리에서도 신기한 작용들이 일어납니다. 수학만큼이나 중요한 게 스케치예요.
인간이 만든 것의 가치: 화가가 없어진다는 건 인간 자체의 본성에 대한 가치를 부여하지 않겠다는 얘기입니다. 어떤 작가가 자기의 의지와 내용을 투영해서 만든 것에 대해 가치를 부여해 주는 거잖아요. AI가 그려주는 건 누구나 프롬프트로 할 수 있지만, 진짜 사람이 그려주는 그림은 부자들이 비싼 값에 사고파는 시장이 되지 않을까 싶습니다. 정명훈이 지휘하는 오케스트라를 AI가 연주해줄 순 있지만, 돈 많은 사람들은 현장에 가서 듣습니다. 앞으로 그 가격은 더욱 올라갈 것입니다. 그러니 AI시대가 되더라도 예술은 죽지 않습니다.
외국어대(언어) vs. 미대(예술) — 뇌과학적 관점에서 언어 영역은 좌뇌에만 있습니다. 우뇌에서 받은 자극을 좌뇌의 언어 기관으로 해석하는 건데, 결국 언어라는 건 해석기에 불과합니다. 해석적인 측면의 행위는 AI가 대체하기 훨씬 수월합니다. 이래서 제가 통번역은 끝났다고 말한거예요. 반면, 그림을 그리거나 예술, 창작 활동을 하는 건 알타미라 석화처럼 훨씬 오래된 인간의 본능적 행위입니다. 우리는 엄지와 검지로 펜을 잡죠? 이때 검지가 되게 중요해요. "뇌의 시냅스가 말단까지 내려와서 다 있는 걸 검지라고 표현"할 정도입니다. 검지의 손 끝은 굉장히 민감한 기관입니다. 반가사유상도 검지를 이렇게(손가락 모양을 해 보이며) 하잖아요. (이 뒤에는 쓰지 못함)
결론: 손끝으로 하는 창조적 행위는 인간의 본성에 훨씬 가깝고, 그것에 대한 가치 부여는 앞으로도 더 크게 해줄 가능성이 높습니다. "외대는 사망이고 미대는 생존이다." 제 개인적인 생각이지만, 그렇게 생각합니다.
효과적인 프롬프트 작성법 & AI 기업 수익 모델
질문 : ① 일반인이 LLM 사용 시 어떤 형식의 프롬프트를 써야 효과적인가요? ② OpenAI 같은 서비스 제공사들은 어떻게 수익을 내야 할까요? 계산을 해보면 지금보다 구독자 5배가 더 가입해야 남는다는데 현실적으로 불가능해 보입니다. ③ 미래에 현실화될 것 같은 기술이나 기능이 있으신가요? ④ 대표님의 본업에서의 궁극적인 지향점은?
답변 :
프롬프트 팁 — 우선 태그를 사용해보세요. HTML 마크업 태그처럼, 메타태그를 써서 질문을 구조화하면 AI가 되게 잘 알아듣습니다. 예를 들어 <predefined>, <my-question> 같은 태그를 의미 있게 영어로 써주면 디파인도 잘 되고 답변 품질이 획기적으로 올라갑니다. 그리고 한 줄로 질문하고 A4 한 장 답변 받으면 쓰레기가 나와요. 질문을 성의있게 하세요. 고급스럽게 그리고 체계적으로 질문하세요.
AI 기업 수익 — 이건 돈 문제가 아닙니다: 실제로 200불짜리 상품을 쓰면서 API 사용량을 계산하면 100만 원, 150만 원까지 나옵니다. 그러니까 OpenAI나 클로드가 구독료로는 수익을 남길 수 없어요. 그런데 왜 그렇게 하냐? 1960년대 소련과 미국이 우주개발 경쟁을 하던 것과 같습니다. 자존심 게임이 아니라 미래의 확실한 먹거리를 잡기 위한 헤게모니 싸움입니다. 당장 돈의 문제가 아니에요.
매니페스트 데스티니(Manifest Destiny): 1820년대 먼로주의(고립주의) 뒤에 바로 따라오는 게 확장주의입니다. 미국은 영토를 더 넓힐 수 있는 상황이 안 되자 가상 세계(IT, 디지털)로 영토를 넓힌 겁니다. 그리고 우주로 갔고요. 미국을 창업한 청교도적 본성상 확장을 해야 하는 나라이기 때문에, AI 투자도 돈 문제가 아닌 겁니다. 최근 시끄러웠던 그린란드 문제도 이 확장주의 맥락 안에 있습니다.
본업 지향점: B2B 쪽으로 AI 도구들을 만들고 있고, 좋은 서비스를 만들어서 우리회사를 유니콘 회사로 만드는 게 목표입니다. 저희 모 회사(메가존)는 매출이 이미 조 단위입니다.
AI의 의식
질문 : AI에게도 의식이 생길 수 있을까요?
답변 : 사람과 에이전트 간 협업이든 에이전트 간 협업이든, 협업이 가능하려면 의식이 있어야 합니다. 말, 소, 애완견처럼 인간과 협력이 가능한 동물들은 의식이 있습니다. 근데 정확하게는 인간 같은 경험이 없고, 인간같은 기억이란 게 없어서 감정도 없다는 게 뇌과학적으로는 맞습니다.
의식은 경험에서 옵니다. 경험은 몸으로 합니다. 몸이 없이는 경험이 안 되고, 경험 없이는 의식이 생기지 않습니다. 그래서 지금 로봇이라는 몸을 만들어주고 있는 겁니다. 로봇에 LLM이 탑재되면 드디어 이 존재들이 경험이라는 것을 하게됩니다. 그러면 나아가 의식이 생길 수 있다고 봅니다.
생산성 혁명의 타임라인: AI가 와서 갑자기 세상이 다 바뀌고 생산성이 향상될 거라는 건 꿈입니다. 산업혁명도 한 100년 있다가 실질적 생산성 향상과 삶의 질 개선을 이끌었습니다. IT 혁명도 이야기가 한창 나온지 10~15년 후에야 생산성이 확 올라갔어요. AI덕에 인류 문명의 삶의 질이 향상되는 것, 이것도 아직 시작도, 출발도 안 한 상태입니다.
AI의 의식 가능성과 자율주행의 미래 (라이다 vs 카메라)
질문 : 회사에서 라이다 센서를 도입했습니다 블록을 스캔해 3D 데이터를 모아 모델링하는 데 사용하고 있습니다. 미래에 라이다 센서를 이용한 데이터가 얼마나 더 필요할까요?
답변 : 라이다 센서 자체는 필요 없는 쪽으로 갈 수 밖에 없다고 봅니다.
단, 라이다 기술 ≠ 라이다 센서: 테슬라가 자동차를 만들 때 라이다 없이 했다고 많이들 알고 계십니다. 그러나 테슬라 자동차에 라이다 기술은 들어갔어요. 라이다 센서를 안 쓴 겁니다. 테슬라는 수도라이다(Pseudo-LiDAR) 기술을 씁니다. 수도 라이다란 카메라(2D)를 통해 들어오는 정보를 순식간에 가상의 3D 맵으로 만드는 것입니다. 이것이 테슬라가 차량에 라이다 센서를 달지는 않았지만 라이다 기술은 활용했다고 말씀 드리는 부분입니다.
라이다 센서의 단점: 센서가 복잡하고 민감합니다. 비가 오거나 노이즈 발생 시 취약 맵을 미리 그려놔야 합니다. 파장 범위가 카메라(300~800nm)보다 짧습니다. 프로그래밍 시 복잡도도 증가합니다. 또한, 예외 처리 상황도 증가합니다. 이런 모든 것들이 노이즈로 작용합니다.
카메라의 장점: 인간도 라이다 센서 없이 두 눈으로 보고 판단합니다. 시각의 레인지가 약 300~800nm까지 넓고, 카메라 두 개로 실시간 3D 맵을 만들 수 있습니다. 테슬라 FSD를 직접 이용해 보세요. 얘가 나보다 착각을 훨씬 덜 해요.
자율주행의 현재 이슈 — 메모리: 사람은 몇 번만 가봐도 그 길을 기억하는데, AI는 메모리가 없어서 그런 부분은 착각합니다. 롱텀 메모리, 숏텀 메모리 이런 것들이 지금 아주 부족해요. 이걸 보완하면 더 좋아집니다. 초행길은 사람보다 훨씬 낫고, 어두운 환경도 잘 처리합니다. 주식 투자도 똑같지 않아요? 온갖 정보 다 들어봤자 잡음만 늘거든요. 가장 필요한 핵심적인 부분들만 심플하게 알고 있는 게 많은 경우들에는 더 낫습니다.
마무리 인사
형 : 제가 다른 대표님들과 다음 약속이 있어서 일어 나야해요. 답변 못 드린 세 분은 따로 텍스트로 답변을 받아서 전달드리겠습니다. 그리고 프로그래밍 하시는 분들은 제가 집에 가서 줌 미팅을 켤게요. 이야기가 길어질 것 같아요.
송 : 오늘 바쁘신데 시간 내 주셔서 너무 감사드리고, 형님들도 들어오셔서 채팅 많이 써 주셨는데 채팅 못 읽어 드려서 죄송합니다. 너무 감사했습니다. 바이바이. 감사합니다.
아래의 질문들은 개발을 전문적으로 하시는 분들이며, 답변이 길어질 것으로 판단되어 형이 별도로 야간에 시간을 내어 질문자분들을 모시고 줌 미팅을 약 1시간 넘게 진행하였습니다.
AI 코딩의 현실: 바이브코딩만으로 트레이딩 시스템을 만들 수 있는가
질문 : 파이썬만 다룰 줄 아는 비개발자 출신 코더입니다. 현재 클로드코드 맥스를 구독해 사용중입니다. 사용 목적은 개발 생산성을 높이는 것인데, CLI를 이용해 코딩을 할때 마다 너무나 간단한 부분에서 자꾸 오류를 내서(A폴더에 B파일이 버젓이 있는데 B파일이 없어서 문제라고 인식한다던지.) 현재는 질답용으로 사용하는 비율이 높습니다.
UI를 만들거나 맡겨도 되겠다 싶은 작업에는 너무나도 유용한데, 엄밀한 로직을 맡길 때는 결국 수작업으로 하고 있습니다. 이게 복잡한 부분에서 찐빠를 내면 내가 뭔가 이해가 부족해 프롬프트를 엄밀하게 하지 못했겠거니 하겠는데, 아주 간단하고 더 이상 쉬울 수 없는것에서 이런 문제를 낼 때 마다 내가 코드 검토를 전부 하기 어렵고 복잡한 대규모 작업에서는 더 문제가 생길 확률이 높고 검수도 어려울텐데, 이럴거면 내가 직접 짤수밖에 없지않나? 해서 결국 손으로 코딩하게 됩니다.
주로 하는 내용은 0.01~0.001초 단위 내에서 시장데이터를 받고 특정 로직을 적용 후 액션을 취하는, 큰틀에서는 간단하지만 세부적으로는 좀 까다로울 수 있는 내용인데, 치명적으로 잘못된 부분이 있을때는 단 몇초만에 수 천만원의 손실이 날 수 있습니다.
그래서 어느정도의 오류는 감수하고 엄밀성을 포기하기는 어려운 상황입니다. 로직자체가 들인 시간과 노동의 산물이자 핵심재산이라, 개발을 타인에게 맡기는것이 상당히 어려운데, 아마 전문개발자 입장에서는 한숨나올정도의 간단한 코딩작업 난이도가 아닐까? 싶은 생각이 들때마다 이 코딩병목이 너무나 아쉽습니다.
대표님께서는 손코딩을 전혀 하지않고 AI만을 이용해 개발하신다고 들었는데, 이것이 저에게 너무나 충격이었습니다. 실제로 그것이 가능한지, 가능하다면 어디까지 가능한지, 견해가 궁금합니다.
어떤이는 클로드코드만으로 개발하는것이 아직은 환상이라고도하는데, 오히려 외국의 '졸라쩌는' 개발자들은 나는 바이브코딩만으로 다하는데? 한다는 글들을 접하기도 합니다.
세세한 노하우까지는 짧은 라이브방송중에 어렵겠지만 큰 골자에서의 방향을 잡아주실 수 있을까요? 업계 최전선에 계신 탑티어 전문가분의 의견과 가르침을 여쭙습니다.
답변 : 질문자는 개인 트레이더이며, AI 초단타 매매 프로그램 개발에 대한 문의입니다. 질문자가 바이브 코딩으로 단타매매 프로그램을 개발중인데 어떠한 로직적인 부분에 막혀 있는 상황입니다.
바이브 코딩(Vibe Coding)과 개발자의 역량
- 말로 하는 코딩이 가능해졌으나, 금융 로직처럼 정밀한 작업에서는 한계가 있음.
- AI는 도구일 뿐, 결국 개발자의 본질적인 실력이 결과물의 퀄리티를 결정함.
- 복잡한 소스 코드는 독립된 환경(MSA 방식)으로 격리하여 오작동을 방지해야 함.
프로그래밍 성장을 위한 필수 조건
- 수학적 사고력과 리팩토링, 클린 코드 등 고전적인 프로그래밍 원칙을 공부하시면 도움이 됨.
- 개발언어에 대한 이해가 있어야 하고 이를 통해서서 LLM(AI)에게 정확한 지시를 내려야 본인이 원하는 결과를 얻을 수 있을 것.
개발 병목 현상 해결과 마음가짐
- 조급함보다는 기본기에 충실하며 장기적인 관점으로 접근할 것.
- 1인 개발자로서의 성공 경험: 절실함과 열정이 있다면 기술적 한계도 단기간에 극복 가능.
협업 및 사회적 가치
- 로직의 보안도 중요하지만, 집단 지성과 오픈소스의 가치를 활용하는 것이 유리함.
AI코딩 툴 변경제안(질문자 2의 질문자 1에 대한 조언)
- 커서도 좋고 안티그래피티도 좋다(대표님). 한번 본인에게 맞는 툴을 다시 찾아보는것도 좋을 것 같다.
# 이하 답변들은 생략 1시간 가량 줌 미팅을 통해 대표님의 집중 도제식 교육이 있었음.
줌미팅 후 질문자 1의 소감 전달 : 소중한 시간 내주셔서 감사합니다. 갑작스레 소중한 기회가 생겨서 무슨말을 할까 고민도 한참 했는데 횡설수설도하고, 정론을 말씀하셨는데 조급한 마음에 단기적인 시야를 버리지 못해서 쳇바퀴도 많이 돌린것도 같습니다. 소중한 조언 참고해서 좋은 결과 낼 수 있도록 하겠습니다. 자리 마련해주신 송 선생님께도 조언해주신 대표님께도 다시한번 감사드립니다.
기존 웹앱에 AI 디버깅 기능을 붙이려는데 어떤 도구가 좋을지?
질문 : 대표님, 소중한 나눔에 감사드리며 AI 활용에 대해 조언을 구하고 싶습니다. 안녕하세요, 대표님! 바쁘신 일정 중에도 이렇게 소중한 재능 기부로 배움의 기회를 열어주셔서 진심으로 감사드립니다. 현업에서 AI 기술을 이끌고 계신 대표님의 안목이 궁금하여 조심스럽게 고민을 나누어 봅니다. 제가 개발해온 기존 웹애플리케이션(포탈시스템 등)의 효율을 높이기 위해 AI를 접목해 보려고 하는데요. 기존 소스 코드 전체를 AI가 미리 파악하게 한 뒤, 나중에 오류 로그가 발생했을 때 AI가 코드 맥락을 짚어서 1차적인 해결책을 제안해 주는 시스템을 꿈꾸고 있습니다. 현재 Cursor, Claude Code, Aider, GitHub Copilot 같은 도구들이 있는 것으로 알고 있는데, 복잡한 코드까지 잘 이해해서 도움을 줄 수 있을지 궁금합니다. 대표님께서 보시기에 이런 목적에 가장 적합한 도구는 무엇인지, 혹은 어떤 방향으로 구현을 시작해 보면 좋을지 따뜻한 조언 한마디 부탁드리고 싶습니다. 귀한 시간 내어 주셔서 다시 한번 감사드리며, 대표님의 답변이 저에게 큰 이정표가 될 것 같습니다. 감사합니다!
답변 :
AI 코딩 및 언어 전환 (Java -> Kotlin)
- 비용 절감과 생산성 향상을 위해 AI 활용 및 코틀린 전환 하는게 좋다. (AI가 더 효율적으로 활용하는 언어로 바꾸는게 좋다)
- 메타(Meta) 사례: 2025년까지 100% 코틀린 전환 목표 (생산성/비용 절감).
- 장점: 'Null Pointer' 오류 등 불필요한 코드를 줄여 오류 발생률 90% 감소.
AI 활용 방식
- AI가 도움을 주지만, 최종적인 확인과 수정은 사람의 몫.
- 기술 변화를 수용하고 AI를 도구로 잘 활용하는 자세가 중요.
효율적인 학습 및 교육 방법 (AI 관련 교육문의)
- 비우기: 잘못된 선입견을 지우고 새로운 지식을 수용.
- 용어 이해: LLM 등 AI 관련 핵심 용어들을 먼저 찾아보고 확실히 이해할것.(남에게 설명할정도)
- 역사적 맥락: 기술이 발전해온 과정을 통해 원리를 자연스럽게 이해.
# 이후, 1시간 정도 진행된 별도의 줌미팅 내용은 생략. 이 질문자도 줌 미팅을 통한 도제식 교육에 감사함을 표해오셨습니다.
플랫폼이 문을 닫고 있다: 소셜미디어 연구자는 데이터를 어떻게 구하나
질문 : API 제한과 플랫폼 정책 강화로 소셜미디어 연구에서 합법적 데이터 확보가 점점 어려워지고 있는데요. Data Donation 같은 참여자 동의 기반 접근법이 대안으로 떠오르지만, 한국처럼 data portability가 제한적인 환경에서는 한계가 있는 것 같습니다. 학술적 엄밀성과 윤리적 적법성을 충족하면서 충분한 데이터를 확보할 수 있는 현실적인 방법이 있을지 조심스레 여쭤봅니다.
답변 : 핵심부터 말씀드리면, 학술적 엄밀성과 윤리적 적법성을 모두 충족하면서 충분한 소셜미디어 데이터를 안정적으로 확보하는 방법은, 한국 환경에서는 이미 매우 제한적이며 ‘기술적 방법’의 문제가 아니라 ‘구조적 조건’의 문제입니다.
Data Donation과 같은 참여자 동의 기반 접근은 윤리적으로 바람직하지만, 한국처럼 data portability가 제한되고 플랫폼 통제가 강한 환경에서는 규모/대표성/지속성 측면에서 근본적인 한계를 가질 수밖에 없습니다.
이 문제는 단순히 API 제한이나 플랫폼 정책 강화의 결과가 아니라, 데이터 주권(소버린 데이터)을 둘러싼 글로벌 권력 구조 변화의 연장선에 있습니다.
미국은 1990년대 이후 물리적 지배가 아닌 디지털 플랫폼과 기업을 통한 소프트 파워 전략으로 세계를 장악해 왔고, 무료 서비스 전략을 통해 우호국과 중립국의 디지털 생산 구조 자체를 흡수해 왔습니다.
이 과정에서 진정한 가치는 서비스가 아니라, 그 위에서 2차적으로 생산되는 데이터에 있었고, 이는 개인의 행동/의식/무의식까지 포착 가능한 자산이 되었습니다.
유럽이 2015년 전후로 GDPR을 중심으로 강력한 디지털 규제를 도입한 것도, 이미 잠식이 진행된 이후에야 그 가치를 인식했기 때문입니다.
반면 중국과 러시아는 미국 자본은 제한적으로 수용하되, 자국 디지털 서비스와 데이터에 대해서는 철저히 통제하는 전략을 유지해 왔고, 이것이 결과적으로 오늘날의 디지털 자립 경쟁력으로 이어졌습니다.
한국은 특이한 위치에 있습니다. 미국의 우방국이면서도 예외적으로 강한 디지털 역량을 보유한 국가이지만, 글로벌 플랫폼 경쟁에서는 영향력을 충분히 행사하지 못했고, AI 전환 국면에서 그 공백을 미국 빅테크가 빠르게 파고들었습니다.
이 상황에서 “한국적 데이터”를 윤리적으로, 엄밀하게 확보하는 것만으로는 더 이상 의미 있는 해자를 만들기 어렵습니다. 가치는 데이터 그 자체가 아니라, "그 데이터로부터 얼마나 폭발적인 2차 생산물을 만들어낼 수 있느냐" 에 달려 있기 때문입니다.
LLM이 보여준 것은 특정 언어나 국가 단위의 데이터 축적이 아니라, 다국어·다도메인 데이터를 통합·가공·재조합하는 능력입니다. 과거의 아래한글과 같은 ‘로컬 최적화된 소버린 서비스’ 모델은 더 이상 방어선이 될 수 없습니다.
실제로 원본 데이터가 외부로 제공되지 않았음에도, 구글 제미나이 3.0프로는 해당 포맷과 맥락을 충분히 해석해 냅니다. 이 지점에서 한국만의 데이터, 혹은 윤리적으로 완결된 데이터만으로는 경쟁 우위를 만들 수 없다는 현실을 직시해야 합니다.
현실적인 대안이 있다면, 개별 연구자가 플랫폼을 우회해 데이터를 확보하려는 접근이 아니라, 국가 차원에서 정합성과 공평성을 전제로 구축과 개방하는 공공 데이터 인프라를 적극 활용하는 것입니다.
현재 진행 중인 국가 데이터 공유 사업들은 법적 윤리적 정합성을 담보하면서도 일정 규모와 지속성을 확보할 수 있는 거의 유일한 선택지에 가깝습니다.
학술 연구 관점에서는 이러한 데이터부터 우선적으로 활용해야합니다.
정리하면, 이 문제는 방법론의 문제가 아니라 시대가 요구하는 데이터 전략의 문제입니다.
연구 윤리와 엄밀성을 지키면서 충분한 데이터를 확보하려면, 더 정교한 크롤링이나 동의 모델이 아니라, 데이터가 생산/통제/가치화되는 구조 자체를 전제로 한 접근 전환이 필요합니다.
촬영일자 : 2026년 1월 8일
글로 옮긴날 : 2026년 3월 19일
송종식 드림
