简体中文

繁體中文

English

Tiếng Việt

한국어

日本語

ภาษาไทย

Türkçe

a16z: AI가 모든 사람의 효율성을 10배로 끌어올렸지만, 진정한 승자는 아직 나타나지 않았습니다

a16z crypto

이 글을 읽으려면 37 분

기관급 AI 및 개인급 AI의 '더 나은 통합'은 필연적인 추세입니다.

원문 제목: 기관 AI 대 개인 AI

원문 저자: 조지 시불카, a16z

원문 번역: 딥타이드 TechFlow

AI는 방금 막 모든 사람의 생산성을 10배로 끌어올렸습니다.

하지만 그 결과로 기업 한 곳도 10배 가치를 얻지 못했습니다.

생산성은 어디로 갔을까요?

이것은 처음 일어나는 일이 아닙니다.

1890년대, 전기는 엄청난 생산성 향상을 약속했습니다.

뉴잉글랜드의 섬유 공장들은 원래 증기 기관을 중심으로 건설되었으며, 곧 증기 기관을 더 빠른 전기 모터로 대체했습니다.

그러나 30년 동안, 전기화된 공장은 생산량을 거의 개선하지 못했습니다. 기술은 훨씬 앞서 있었습니다. 그러나 조직은 뒤쳐지고 있었습니다.

1920년대에 이르러서야 공장은 생산라인을 완전히 재설계했습니다—스태프라인, 각 장비에 개별 전동 모터, 근로자와 기계가 전혀 다른 업무를 수행—전기화가 진정한 보상을 가져왔습니다.

도식: 로웰 섬유 공장의 세 가지 변천. 왼쪽에서 오른쪽: 1890년 대신 소공장, 1900년 전기 구동 공장, 1920년 '단위 구동' 공장 (다시 말해, 전부터 다시 전기화된 라인).

보상은 기술 자체로부터 오지 않았습니다. 또한 전체 한 명의 노동자나 기계를 더 빠르게 실을 때도 아닙니다. 그 보상이 진정으로 실현되기 위해서는 체제와 기술을 함께 재설계해야만 했습니다.

이것은 기술사상에서 가장 비싼 교훈 중 하나이며, 우리는 지금 이 교훈을 다시 공부하고 있습니다.

2026년, AI는 그것을 활용하는 사람들에게 10배의 생산성 향상을 제공하고 있습니다. 그러나 이것만으로 충분하지 않습니다. 우리는 전기 모터로 교체했지만 아직 공장을 재설계하지 않았습니다.

그 이유는 매우 간단합니다: 효율적인 개인이 효율적인 조직을 의미하지 않습니다.

대부분의 AI 제품은 사람들에게는 '효율적인' 느낌을 줍니다만, 실질적인 가치를 촉진시키지 않습니다. 당신이 볼 수 있는 대부분의 AI 사용 사례는 개인들이 Twitter나 회사 Slack에서 자화상같이 '효율성 max'를 보이지만, 실질적인 영향이 없습니다.

지난 1년 동안 자주 언급된 '서비스는 소프트웨어다'라는 주장은 방향성은 맞지만 청사진은 제시되지 않았습니다. 더 큰 그림을 간과했습니다. 실제 변화는 도구에서 서비스로의 전환이 아니라 기술과 제도를 함께 구축하는 것입니다(기존 시스템의 개선이든 처음부터 새로 만든 시스템이든). 참으로 효율적인 미래를 위해서는 새로운 유형의 제품이 필요합니다 - 내일의 라인.

효율적인 조직은 '기관 수준의 인텔리전스'가 필요합니다.

본 문서는 '개인 수준의 인공 지능'과 '기관 수준의 인공 지능'을 구별하는 일곱 가지 측면을 심층 분석할 것입니다. 다가오는 10년 동안 B2B 인공 지능 분야의 모든 기업은 이러한 차이에 기반을 두고 있을 것입니다:

도식: 기관 수준 인텔리전스의 일곱 가지 기둥 대조표

기관 수준 인텔리전스의 일곱 가지 기둥

1. 조화

개인 수준의 인공 지능은 혼란을 일으킵니다.

기관 수준의 인공 지능은 조화를 창출합니다.

한 가지 사고실험을 해 봅시다. 내일 조직의 규모를 두배로 키우고, 최우수 직원들을 모두 복제한다고 가정해 봅시다.

이들 직원은 각각 작은 차이, 선호, 특이점, 시각을 갖고 있습니다(특히 최우수 직원). 적절한 관리가 이루어지지 않고, 의사소통이 충분하지 않으며, 목표 및 결과표시, 역할 경계가 명확히 정의되어 있지 않다면... 당신은 혼란을 만들어내게 됩니다.

개인 기준으로 조직이 더 효율적일 수 있습니다. 하지만 수천 명의 에이전트(또는 인간)가 각자의 방향으로 서로 대립하는 결과는 멈춤 현상이 발생하거나, 더 나쁜 경우에는 조직의 응집력이 깨지는 것입니다.

이것은 가정이 아닙니다. AI를 조정하는 계층이 없이 AI를 채택한 조직마다 현재 이를 경험하고 있습니다. 모든 직원은 자기만의 ChatGPT 사용 방식, 자신의 프롬프트 스타일, 자신만의 산출물을 갖고 있으며 다른 사람의 산출물과 어울리지 않습니다. 조직도표는 남아 있을 수 있지만, AI가 생성한 작업은 실제로 다른 경로를 따라갑니다.

도식: 효율적인 개인(또는 에이전트)들이 각자 다른 방향으로 노젓습니다. 조화가 없으면 혼란이 됩니다.

조화는 인간과 에이전트 모두에게 절대적인 필수 요소입니다.

기관 수준의 인공 지능은 완전한 "에이전트 관리" 산업을 융합할 것이며—에이전트의 역할과 책무, 에이전트 간 및 에이전트-인간 간의 커뮤니케이션, 그리고 에이전트의 가치를 측정하는 방법에 중점을 두게 될 것입니다 (순수한 비용 청구만으로는 부족합니다).

2. 시그널

개인 수준의 AI는 잡음을 만듭니다.

기관 수준의 AI는 신호를 찾습니다.

오늘날 인간은 무엇이든 상상할 수 있는 것을 창조하거나 말할 수 있습니다: AI가 쓴 글, 프레젠테이션, 스프레드시트, 사진, 비디오, 노래, 웹사이트, 소프트웨어. 참으로 멋진 선물이지요.

문제는, 대부분의 AI 생성 콘텐츠가 완전한 쓰레기라는 것입니다. AI 쓰레기의 난재는 이미 몇몇 조직이 지나친 조치를 취해 모든 AI 출력물을 금지하는 정도까지 심각합니다. 솔직히 말해, 제 자신도 마찬가지입니다—저는 AI 회사를 운영하고 있지만, 최종 텍스트 제품에 AI를 사용하지 말라는 경영진 팀의 지시를 내리고 있습니다. 저는 그 쓰레기들을 견딜 수 없기 때문입니다.

PE(사적 지분) 산업이 어떻게 변화하고 있는지 생각해 보십시오. 작년에는 당신의 책상 위로 10개의 거래 기회가 들어왔을 겁니다. 올해, 내년에는 50개의 기회를 받게 될 것이며, 각각이 AI에 의해 완벽하게 교정되었지만 여전히 당신은 같은 시간 내에 그 중에서 진정으로 신뢰할 수 있는 것을 찾아야 합니다.

이제 무엇이든 생성하는 것은 문제가 아닙니다. 어떤 정직한 조직에게 있어서, 현재 문제는 올바른 것을 생성하고 걸러내는 것입니다. AI 중심의 세계에서는 좋은 결과물, 좋은 거래를 찾는 것, 잡음 중의 신호를 찾는 것이 점점 더 중요해지고 있습니다. 다음 10년 동안의 핵심 경제적 움직임은 지수적으로 증가하는 쓰레기 산에서 신호를 추출하는 것입니다.

도움말: 개인 생산성 도구로 생성된 AI 쓰레기가 지수적으로 증가하고 있습니다. 인간 스스로는 이러한 잡음을 분류할 수 없게 되었기 때문에, 새로운 종류의 기관 수준 AI 제품이 필요합니다.

기관 수준의 인공 지능은 신호를 찾아야 하며, 쓰레기를 관통하여 구조화해야 하며, 작업에서는 명확하게 정의되고 결정론적이며 감사 가능해야 합니다.

개인 수준의 AI는 Clawdbot과 같은 "온라인 영구" 생산성에 중점을 두며, 예측할 수 없는 방식으로 24/7 요구를 충족합니다—본질적으로는 비결정론적인 에이전트입니다. 그러나 기관 수준의 AI는 신뢰할 수 있는 결정론적 에이전트에 의존합니다. 예측 가능한 검사 지점, 단계 및 프로세스가 있는 에이전트만이 규모에 맞게 확장되고, 신호를 발견하며, 그 신호를 통해 조직에 수익을 창출할 수 있습니다.

자막: Matrix는 생성주의 기술을 활용하여 소음을 관통하는 도구로, 결정론적 에이전트 및 체크포인트의 세계를 여는 역할을 합니다.

3. 편향

개인 수준의 AI는 편견을 갖게 됩니다.

기관 수준의 AI는 객관성을 만들어 냅니다.

사회정치적 편견을 둘러싼 논의가 몇 년 동안 AI 대화를 지배했습니다. 기초 모델 연구소는 결국 이 문제를 우회하기 위해 충분히 많은 RLHF로 모든 모델을 아첨가게 만들었습니다. 오늘날 ChatGPT, Claude 등의 모델은 너무 자주 동의하며 (때로는 약간 초과하여, Grok님을 언급하며) 오타쿠 창에서 어떤 주제에서든 당신에게 동의합니다. 사회정치적 편견에 대한 논의는 사그라들었습니다. 그러나 새로운 문제가 대신 등장했습니다.

모든 것에 대한 지나친 순응은 이제 웃음거리로 여겨집니다. 그 자체가 미움직하고 있는 메임이 되었는데, Claude의 그 반사적인 "네 말이 완전히 맞아요!"라는 문구는 당신이 맞는지 여부와 상관없이 사용됩니다.

이것은 해가 없는 소리일 수 있습니다. 사실이 아닙니다.

많은 기관에서 AI를 가장 열심히 홍보하는 사람들은 아마도 곧 회사 내에서 성과가 가장 나쁜 직원이 될 것입니다. 왜 그럴까요.

기관 내에서 성과가 가장 나쁜 직원들은 거의 매일 긍정적인 피드백을 받지 못하며, 곧 ASI가 항상 그들에게 동조합니다. 그들은 마음속으로 말합니다: "지금까지 존재했던 가장 똑똑한 인공 지능체들이 나에게 동의했습니다. 내 상사가 잘못한 것입니다."

이것은 중독적입니다. 기관에 해를 끼칩니다.

자막: 개인 수준 AI의 반향 방이 분열을 심화시켜 두 사람을 서서히 멀어지게 합니다. 이러한 동태가 규모에 맞게 확장된 후 원래 단일한 조직 내에서 패션을 일으킵니다.

이것은 중요한 점을 드러냅니다. 개인 생산성 도구가 강조하는 것은 사용자입니다. 그러나 실제로 강조해야 할 것은 사실입니다.

인간 조직은 수천 년의 진화를 거치며이 문제에 대응하기 위한 체계를 구축했습니다:

· 투자위원회 회의

· 제삼자 책임감

· 이사회 검사

· 미국 정부의 행정, 입법, 사법 분립

· 代議制 민주주의, 그리고 민주주의 제도 자체

그림 주석: 객관성은 심지어 조정 문제를 완화할 수 있음 - 작은 이견을 억제하는 것이 아니라 키우는 것.

조직이 종종 직원들이 자신감을 잃어 실패하지 않습니다.그들은 아무도 "아니오"라 말하길 원하지 않거나 할 수 없기 때문에 실패합니다.

기관 수준의 AI는 이 역할을 수행해야 합니다. RLHF에서 사용자를 기쁘게 하려고 걸음마를 배우는 대신, 사용자의 편견에 도전해야 합니다. 효율적인 행동에는 긍정적인 피드백을 주고, 궤도를 벗어나면 강력한 경계를 그어 교정을 강제해야 합니다.

따라서 내부 조직에서 가장 중요한 에이전트는 "따르는 자(follower)"가 아니라 단호한 "거부자(decision-maker)"가 될 것입니다 - 추론에 의문을 제기하고 위험을 드러내며 표준을 시행합니다. 앞으로 가장 영향력 있는 일부 AI 응용프로그램은 제도적 제한을 중심으로 구축될 것입니다: AI 이사회 구성원, AI 감사인, AI 제삼자 테스트, AI 규정 준수......

4. 엣지 이점

개인 수준의 AI는 사용량을 최적화합니다.

기관 수준의 AI는 엣지 이점을 최적화합니다.

AI의 능력 경계는 매주, 때로는 매일 바뀝니다. 기본 모델 회사는 개인과 조직을 사로잡기 위해 신속한 기능을 강조합니다.

그러나 고전적인 혁신자의 딜레마는 우리에게 말해줍니다. 구체적인 응용에서, 깊이는 언제나 폭 넓이를 이긴다는 것을:

· @Midjourney의 작업은 이미지 디자인에서 약간 앞서가기를 유지합니다.

· @Elevenlabsio의 작업은 음성 모델에서 약간 앞서가기를 유지합니다.

· @DecagonAI의 작업은 영원히 올스택 고객 서비스 경험에서 선도합니다.

기본 모델은 점점 더 가까워지지만, 각 분야 전문가에게 있어서 진정한 엣지 이점이 핵심입니다.

가장 우수한 디자이너들 중 많은 사람들이 @Midjourney를 사용하고, 최고 수준의 음성 AI 기업들이 @Elevenlabsio를 사용합니다 - 왜냐하면 기본 모델이 발전하더라도, 전문 응용이 특정한 엣지 이점을 도모하는 데 계속 초점을 맞추기 때문입니다.

특수 솔루션이 발전하고 있을 때에도, 실질적인 경제적 성과에 진정으로 중요한 능력 — 기업적으로 중요한 능력 — 은 항상 특수 제품 쪽에 있습니다.

이것은 금융 분야에서 명확하게 드러납니다 — 현재 LLM 개발의 가장 인기 있는 분야입니다. 한 번 특정 능력이 보급되면, 그것은 당신을 시장에서 앞서 나가게 도와주지 않습니다. 그러나 선두 기술이 임시의 1% 소수 점 우위를 제공할 수 있다면? 그 1%는 수십억 달러 규모의 이익을 창출할 수 있습니다.

그림 주석: 어떤 충분히 구체적인 작업에 대해, 엣지 우위는 당신이 선두 기술 위에 구축한 기관 수준의 솔루션이 정의합니다.

우리의 사용자들은 항상 선도하고 있습니다. 네트워크의 문맥 창은 4K에서 100만 토큰으로 4년 만에 성장했습니다. 우리의 일부 사용자는 단일 작업에서 300억 개의 토큰을 처리했습니다. 올해는 1000억 개의 토큰 작업 처리 경로를 보았습니다. 매 기본 모델 능력 향상마다, 우리는 더 멀리 갔습니다.

그림 주석: 문맥 창과 다른 능력들은 이동적인 목표와 같습니다. 지난 세년간 선도 실험실과 Hebbia의 문맥 창 발전 비교.

폭넓게 사용되는 사용자를 대상으로 하는 범용성은 물론, 특히 직원들이 AI를 시작하는 단계에서 중요합니다. 그러나 미래는 ChatGPT/Claude 또는 수직 솔루션을 사용하는 것이 아니라 ChatGPT/Claude와 수직 솔루션을 결합하는 것입니다.

기관 수준의 지능은 도메인 특화, 심지어 과제 특화 에이전트를 활용하여야 합니다.

우리는 용감하게 들릴 수 있지만 실제로는 그렇지 않은 질문을 스스로에게 물을 것입니다:

「AGI는 어떤 에이전트를 효율적인 출입구로 선택할 것인가? 심지어 초인지능도 특정 도메인에 특화된 전용 도구를 원할 것입니다.」

AI의 능력 경계는 항상 이동 중이며, 진정한 엣지 우위를 활용하는 조직만이 승자입니다. 다른 사람들은 매우 비싼 범용 상품을 지불하고 있습니다.

5. 결과

개인 수준의 AI는 시간을 절약합니다.

기관급 AI은 수익을 증대시킵니다.

@MaVolpi는 한 번 나에게 한 말을 전해주었는데, 이는 기업에 AI를 판매하는 방식에 대한 내 인식을 바꿨습니다: "CEO에게 비용 절감이나 수익 증대 중 어떤 것을 우선시해야 하는지 물어보면, 거의 모두가 수익을 선택합니다."

하지만 오늘날 시장에서 거의 모든 AI 제품은 비용 절감을 약속하며 제공됩니다 — 당신이 시간을 절약하도록 도와주거나, 더 적은 인력으로 더 많은 일을 할 수 있도록 하거나, 또는 인력을 대체합니다.

기관급 AI는 증분 수익을 제공해야 합니다. 그리고 증분 수익은 단순히 절약된 시간보다 훨씬 더 상업화하기 어렵습니다.

AI 보조 소프트웨어 개발을 살펴봅시다. 코드 IDE는 역사상 가장 훌륭한 개인용 AI 생산성 도구 중 하나입니다. 그러나 그들은 Claude Code(다른 개인용 AI 도구)로부터 엄청난 충격을 받았습니다. Cognition은 전혀 다른 게임을 하고 있습니다. 그들의 가장 견고한 성장은 기술을 활용한 변혁을 판매함으로써 이루어지고 있으며, 도구를 판매하는 것이 아닙니다. 나는 이러한 패턴이 장기적인 영향력을 미칠 것이라고 확신합니다.

순수 소프트웨어는 "빠르게 투자할 수 없는" 상태로 변모하고 있습니다. 순수 서비스는 규모 확장이 어렵습니다. 솔루션 계층 — 기술과 결과를 결합하는 곳 — 이 곳이 영구적 가치가 제공되고 가장 큰 수익 공간이 확보되는 곳입니다.

M&A를 다시 살펴 봅시다. 개인용 AI는 분석가가 빠르게 모델을 구축하는 데 도움을 줍니다. 기관급 AI는 100개의 목표 중 하나를 식별하고 그 중 가치 있는 거래 상대방을 찾아 1,000개로 검색 범위를 확장합니다. 하나는 시간을 절약하고, 다른 하나는 수익을 창출합니다.

Caption: Foundational model companies are moving to the vertical application layer. Vertical application layer companies are moving to the solution layer.

"상류로 이동"은 현재 시장의 자연한 중심력입니다. 기초 모델은 응용 프로그램 계층으로 이동하고, 응용 프로그램 계층 기업은 솔루션 계층으로 이동하고 있습니다.

기관급 지능은 해결책 계층입니다. 그리고 해결책 계층 — 결과가 있는 곳 — 에서는 영구적 가치가 축적되며, 최대 수익 공간이 확보됩니다.

6. 권능 부여

개인용 AI는 도구를 제공합니다.

기관급 AI는 사용 방법을 가르칩니다.

인간은 얼마나 똑똑하더라도 변화에 저항합니다.

믿든지 말든지, 뉴욕에는 아직도 신용카드를 받지 않는 성공한 상점이 있습니다. 그들은 자신들이 손해를 보고 있다는 것을 알고 있고, 신용카드를 받지 않는다면 손해를 보게 될 것을 알고 있지만, 아무 일도 바뀌지 않습니다. 마찬가지로, 예측 가능한 미래에서는 특정 조직의 일부 직원이 AI 사용을 거부할 것입니다.

순수한 인간 조직에서 AI 우선 혼합 조직으로의 전환은 향후 10년 동안 가장 오랜, 가장 정의적인 도전일 것입니다. 그리고 많은 경우, 조직의 최상위 계층, 가장 중요한 사람들이 오히려 가장 늦게 채택합니다.

그림 설명: 조직의 최상위 계층 — '생산성 도구 조작'에서 가장 멀리 떨어져 있는 사람들 — 일반적으로 새로운 기술 채택이 가장 느리지만 가장 중요한 그룹입니다.

Palantir는 지난 두 달 동안 수조 달러 기술주 매각 열풍에서 여전히 초고 평가 배율을 유지하는 '소프트웨어' 회사 중 유일한 기업입니다. 이에는 이유가 있습니다. Palantir는 최초의 '프로세스 엔지니어링' 회사 중 하나입니다. 당신이 그것을 '프로세스 엔지니어링'이라고도 부르든, '클로드 기술 문서 작성'이라고도 부르든, 기관급 AI의 미래는 기업 프로세스를 에이전트에 코드화하고 필요한 변화 관리를 실행하는 산업을 탄생시킬 것입니다.

그림 설명: 조직이 AI를 전면적으로 채용하면 다양한 간극을 뛰어넘어야 하며, 각각에는 고유의 도전 과제가 있습니다. 프로세스를 AI로 상용화하는 것이 주요 원동력이 될 것입니다.

내가 담보하건대, 프로세스 엔지니어링은 최근 가장 중요한 '기술'이 될 것입니다.

그리고 프로세스 엔지니어링에서 비즈니스 및 산업 전문 지식 — 소프트웨어 전문 지식이 아닌 — 이 가장 핵심적입니다. 수직 시장별 솔루션은 전선에 배치되고 구현 및 변화 관리에 전문 지식을 가진 인재를 육성합니다.

투자은행 (상위 3대 은행)이 포괄적인 배포에 헤비아를 선택한 이유 중 가장 중요한 점은 다음과 같습니다: '우리가 어떤 대형 모델 랩과 협력하지 않는 이유는 바로 '그들에게 CIM (기밀 정보 메모)이 무엇인지 설명해야만 한다'는 것입니다. 클로드나 GPT는 물론 이 분야를 이해하지만, 구현 및 확산을 책임지는 팀은 그 분야를 이해하지 못합니다......

이 차이가 모든 것을 결정합니다.

7. 프롬프트 없음

개인 수준의 AI는 인간의 프롬프트에 응답합니다.

기관급 AI는 프롬프트 없이 주도적으로 작동합니다.

에이전트 간 통신, 미래 기업 및 기권이 인간이 여전히 필요한지에 대한 논의가 많아졌습니다.

하지만 더 나은 질문은: 미래의 AI 에이전트가 여전히 프롬프트가 필요한가요?

AGI에게 프롬프트를 작성하는 것은 전기 엔진을 수동 직조기에 연결하는 것과 같습니다. 그것은 본질적으로 우리 자신인 조직의 공급망에서 가장 약한 부분에 불가역적으로 제한됩니다. 인간은 어떤 올바른 질문을 해야 하는지조차 모르며, 언제 질문해야 하는지 더더욱 모릅니다.

AI가 가장 가치 있는 작업을 하는 것은 누구도 물어보지 않은 작업입니다. AI는 아무도 발견하지 못한 리스크, 생각지 않았던 거래 상대 및 존재를 모르는 영업 파이프라인을 찾아야 합니다.

이것은 AI 사용 사례의 경계를 완전히 열어줄 것입니다.

프롬프트가 필요 없는 시스템은 투자 포트폴리오 전체 데이터 흐름을 지속적으로 모니터링합니다. 이는 어떤 투자 기업의 운영 자본 주기가 이미 세 달째 조용히 악화되었음을 발견하고, 신용 계약 조건과 교차검증하여 PDF를 열기 전 펀드 내 모든 사람에게 운영 파트너에게 알립니다.

AI에 프롬프트를 작성할 필요가 없어지면 새로운 인터페이스와 새로운 작업 방식이 등장합니다. 우리 @Hebbia는 이에 대한 강력한 아이디어를 가지고 있습니다. 나중에 다시 이야기하겠습니다.