동영상 제목: OpenAI 대통령 Greg Brockman: AI 전략, AGI 및 슈퍼 앱
동영상 작성자: Alex Kantrowitz
번역: Peggy, BlockBeats

편집자 주: 본문은 OpenAI 대통령 겸 공동 창업자 Greg Brockman이 Big Technology Podcast에서 한 대화를 번역한 것입니다. 이 프로그램은 장기간에 걸쳐 AI, 기술 산업 및 비즈니스 구조 변화에 주목하며 실리콘밸리의 최신 동향을 파악하는 중요한 창구입니다.

이 대화에서 Brockman은 모델 능력에 머물지 않고 문제를 더 전진시켰습니다. AI의 능력이 기본적으로 검증되었을 때 산업은 어떻게 경로를 선택하고 제품 형태를 재구성하며 시스템적 충격을 수용할 것인가에 대해 논의했습니다. 이 대화는 OpenAI의 제품 전략, 곧 출시 될 "슈퍼 앱", AI의 "비행 단계" 진입에 대한 그의 판단을 다룹니다.

이 대화를 세 가지 측면에서 이해할 수 있습니다.

첫째, 수렴의 경로.
비디오 생성에서 추론 모델로, 멀티 모드 진행에서 주도적 선택으로, OpenAI의 선택은 기술적 우위의 판단이 아니라 실제 제약 조건에 대한 응답입니다 - 연산 능력이 핵심 병목 현상이 되었습니다. 한정된 자원 기반에서 기술 로드맵은 두 개의 가장 가장 효과적인 방향으로 수렴하기 시작했습니다: 개인 보조 및 복잡한 문제 해결. 이는 또한 AI의 경쟁적 논리가 "무엇을 할 수 있는가"에서 "먼저 무엇을 할 것인가"로 전환되고 있다는 것을 의미합니다.

둘째, 형태의 재구성.
"슈퍼 앱"의 제안은 본질적으로 제품 형태의 전환입니다. AI는 더 이상 분산된 도구 집합이 아니라 통합된 입구입니다: 그것은 맥락을 이해하고 도구를 호출하며 작업을 실행하며 다양한 상황에서 계속해서 기억을 축적합니다. ChatGPT에서 Codex로, AI는 점차적으로 완전한 작업 흐름을 인수하고 있으며 인간의 역할 또한 실행자에서 스케줄러로 변화하고 있습니다 - 목표를 설정하고 작업을 할당하며 감독합니다.

셋째, 리듬의 변곡.
만약 지난 두 년이 능력의 오르막 단계였다면 지금 일어나고 있는 것은 "비행"입니다. 한편, 모델의 능력은 "작업의 약 20%를 보조"에서 "작업의 약 80%를 커버"로 급변하여 직접적으로 작업 흐름을 재구성하고 있습니다. 다른 한편에서, AI는 자체 발전에 참여 중이며(자체를 최적화하기 위해 AI를 사용), 칩, 응용 및 기업측의 공조를 쌓아 가속화의 폐쇄 루프를 형성하고 있습니다. AI는 더 이상 단일 기술이 아니며 더불어 경제 성장을 촉진하는 핵심 엔진이 되었음을 시작하고 있습니다.

그러나 동시에 다른 문제들도 동시에 부상하고 있습니다: 대중의 불신, 일자리 불안, 데이터 센터로 인한 논란, 그리고 안전과 지배의 경계. 이에 대해 Brockman이 제시한 답변은 기술 내부에 완전히 머물러 있지 않습니다. 그는 두 가지를 강조합니다: 첫째, 위험은 "중앙 통제"로 해결할 수 없으며, 인공 지능 주변에 전력 시스템과 유사한 사회 기반 시설을 구축해야 합니다; 둘째, 개인 능력이 변화하고 있으며, 이제 중요한 것은 더 이상 "도구를 사용할 수 있는가"가 아니라 "인공 지능을 활용해 자신의 목표를 달성할 수 있는가"입니다.

만약 과거의 문제가 "인공 지능이 무엇을 할 수 있는가"였다면, 지금의 문제는 이미 대부분을 대신해주는 인공 지능이 있을 때, 여전히 무엇을 해야 하는가입니다.

아래는 원문 내용입니다 (이해를 돕기 위해 일부 내용이 조직화되었습니다):

요약

AGI가 "명확한 경로" 단계에 들어섰습니다: Greg Brockman(OpenAI 공동창업자)은 GPT를 기반으로 한 추론 모델이 AGI로 향하는 명확한 길을 갖췄으며, 이를 몇 년 내에 달성할 것으로 예상되지만 모양은 여전히 "부드럽지 않을" 것입니다(jagged).

참고: AGI (Artificial General Intelligence)는 모든 인지 작업에서 인간 수준 또는 그 이상의 인공지능 시스템을 가리키며, 현재의 "특수 인공지능"(예: 이미지 인식, 추천 알고리즘)과는 달리 AGI는 작업 간의 일반성과 이동성에 중점을 둡니다.

전략 수렴: 다중 탐색에서 두 가지 핵심 응용으로: 연산 능력 제한 사항 아래, OpenAI는 "개인 비서"와 "복잡한 문제 해결"에 자원을 집중시키고 동시에 모든 방향(예: 비디오 생성)을 동시에 추진하지 않습니다.

슈퍼 응용 프로그램이 AI의 입구 형태가 될 것입니다: 채팅, 프로그래밍, 브라우저 및 지식 작업이 단일 시스템으로 통합되며, AI가 도구에서 "수행 계층"으로 전환되고 사용자는 "디스패처"로 이동합니다.

중요한 전환점: AI가 작업 흐름을 지배하기 시작하고 보조가 아닙니다: 모델 능력이 "작업의 20% 완료"에서 "80% 수행 가능"으로 상승하여 개인 및 기업이 작업 방식을 재구성하도록 합니다.

연산 능력이 핵심 병목 현상 및 경쟁 초점이 됩니다: AI 수요가 공급을 크게 초과하며, 미래의 제한은 모델 능력이 아닌 계산 리소스에 있으며, 데이터 센터 및 인프라가 핵심 변수가 됩니다.

AI「비행」(takeoff)이 진행 중입니다: 기술의 자가가속(자체 최적화 AI)과 산업의 상호협력(칩, 응용프로그램, 기업)이 결합되어 AI를 도구에서 경제 성장의 원동력으로 전환시키고 있습니다.

가장 큰 위험은 기술이 아닌 지배와 사용 방식에 있습니다: 안전 문제는 단일 주체로 해결할 수 없으며, 개방적 에코시스템과 사회 기반 시설이 함께 지지해야 합니다.

개인의 핵심 능력이 변모하고 있습니다: 미래의 경쟁력은 더 이상 '실행'에 있지 않고 '목표 설정 + AI 시스템 관리'에 있으며, AI를 적극적으로 활용하는 것이 기본 능력이 될 것입니다.

대화 정리:

Alex(주최):
오늘은 OpenAI의 공동 창업자 겸 사장 그렉 브록먼을 초청하여 AI의 가장 유망한 기회, OpenAI가 이러한 기회를 어떻게 이용할 것인지, 그리고 '슈퍼 애플리케이션'의 구상에 대해 이야기해보려 합니다. 그렉은 오늘 우리 녹음 스튜디오에 왔습니다.

그렉 브록먼(OpenAI 공동 창업&사장):
만나서 반가워요. 초대해 주셔서 감사합니다.

Sora 중단 이유: 컴퓨팅 파워 부족

Alex:
지금 시점이 매우 흥미로운데, OpenAI는 비디오 생성을 잠정 중단하고 리소스를 '슈퍼 애플리케이션'에 집중하고 있습니다 - 이 애플리케이션은 비즈니스 및 프로그래밍 시나리오를 통합할 것이라고 합니다. 외부에서 보면(나 포함), OpenAI가 이미 소비자 측면에서 선도적 위치에 있지만 이제는 리소스 구성을 조정하고 있는 것으로 보입니다. 정확히 무슨 일이 벌어진 것인가요?

참고: 2026년 3월, OpenAI는 비디오 생성 제품 Sora(응용프로그램 및 API 포함)을 폐쇄하고 해당 비즈니스 전개를 중단하겠다고 발표했습니다.

그렉 브록먼:
최근 한동안 우리는 딥러닝 이 기술이 개발되면서 항상 이 기술이 우리가 상상한 긍정적인 영향을 실제로 가져올 수 있는지, 사람들을 도울 수 있는 진정한 응용프로그램을 만들 수 있는지 확인하려고 해왔습니다.

동시에 우리는 또 다른 길도 걸어왔습니다. 이 기술을 배포하고 있습니다. 한 측면에서는 비즈니스 운영을 지원하기 위해, 다른 한 측면에서는 기술이 정말 성숙해질 때를 대비해 실제 세계에서 경험을 미리 쌓고 있습니다.

그리고 이제 우리는 새로운 단계로 나아가고 있습니다. 이 기술을 실제 세계에 적용시켜야 하고, 이를 통해 실제 작업에 참여하고 사용자 피드백을 통해 계속 발전해야 합니다.

그래서 나는 이번 변화를 다음과 같이 이해하는 것이 더 낫다고 생각합니다: 이것은 기술적인 단계의 변화로 주도되는 전략적 전환입니다.

이것은 우리가 '소비자 측면'에서 '기업 측면'으로 바뀌고 있다는 의미가 아닙니다. 더 정확히 말하면, 우리는 한 가지 질문을 하고 있습니다: 자원이 제한적인 상황에서 우리는 어떤 애플리케이션을 우선적으로 처리해아 하는가요? 왜냐하면 우리는 모든 것을 할 수 없기 때문입니다.

어떤 애플리케이션들이 실제적인 영향을 주면서 실제로 지속 가능하고 상호 협력할 수 있나요? 모든 방향을 나열해보면, 소비자 측면은 여러 가지로 분해될 수 있습니다: 예를 들어 개인 비서, 여러분을 정말로 이해하고 여러분의 목표를 공유하며 여러분의 삶의 목표를 달성하는 데 도와주는 시스템이 있습니다; 또는 창작과 엔터테인먼트; 그리고 많은 다른 가능성들이 있습니다. 그리고 기업 측면에서, 더 상위 수준에서 본다면, 사실 한 가지로 추상화될 수 있습니다: 복잡한 작업이 있는데, AI가 당신을 도울 수 있을까요?

우리에게 있어서 현재 우선순위는 매우 명확합니다. 맨 위에 위치한 것은 두 가지뿐입니다: 첫 번째, 개인 비서이며; 두 번째, 복잡한 문제를 해결할 수 있는 AI입니다.

문제는, 우리가 현재 보유한 연산력은 심지어 이 두 가지도 지탱할 수 없다는 점입니다. 더 많은 애플리케이션 시나리오까지 고려하면, 전체적으로 다룰 수 없을 정도입니다. 그래서 이는 사실적인 판단임으로, 기술이 빠르게 성숙해지고 영향이 폭발하기 직전에 우리는 선택을 해야 하며, 실제로 중요한 방향을 선택하여 진정으로 구현해야 합니다.

Alex:
이전에 OpenAI가 디즈니와 닮았다고 비유한 적이 있습니다. 핵심 능력이 있고, 다양한 시나리오로 확장할 수 있습니다. 디즈니가 미키 마우스를 가지고 있어서 영화, 테마 파크, Disney+를 만들 수 있습니다. OpenAI의 '핵심'은 모델이며, 비디오 생성, 어시스턴트, 기업 애플리케이션을 할 수 있습니다.

하지만 지금 보면, 당신들이 이 '모든 면 확장' 방식을 더는 채택하지 않고는 선택을 해야 하는 것 같은데요?

Greg Brockman:
사실 저는 이 비유가 현재 더 적절하다고 생각합니다. 그러나 핵심은 여기에 있습니다: 기술적인 측면에서, Sora(비디오 모델)와 GPT(추론 모델)은 사실 두 가지 다른 기술 분기에 속합니다. 그들의 구축 방식은 완전히 다릅니다.

문제는, 현재 단계에서 이 두 가지 기술 분기를 동시에 추진하는 것은 매우 어렵다는 점입니다, 특히 제한된 자원 상황에서. 그래서 우리가 한 선택은, 현재 단계에서 주요 자원을 GPT 이러한 경로에 집중하는 것입니다.

물론, 이는 다른 방향을 포기한다는 의미는 아닙니다. 예를 들어 로봇 분야에서는 해당 연구를 계속하고 있습니다. 그러나 로봇 그 자체는 아직 초창기 단계에 있으며, 실제로 폭발적인 성숙기로 진입하지 않은 상태입니다.

반면에, 앞으로 1년 동안, 우리는 AI가 지식 업무 분야에서 진정한 발전을 이루는 것을 볼 수 있을 것입니다.

또한 강조해야 할 점은: GPT 경로가 '텍스트'에만 해당되는 것은 아니라는 것입니다. 양방향 음성 상호 작용(speech-to-speech)과 같이, 이 기술 경로의 일부인 것은 AI를 보다 활용 가능하고 실용적으로 만들 것입니다. 이러한 능력은 본질적으로 동일한 모델 체계 안에서 서로 다른 방식으로 조정된 것입니다.

그러나 완전히 다른 기술 분과로 나아간다면, 연산 능력이 제한된 상황에서 장기적으로 유지하기 어려울 것입니다. 연산 능력이 제한된 이유는 너무나도 큰 수요 때문입니다. 거의 모든 모델이 출시된 후, 사람들은 그것을 사용하여 더 많은 일을 하고 싶어합니다.

Alex:
그렇다면 왜 당신들은 '월드 모델(World Model)' 이 경로에 중점을 두지 않았나요? 비디오 모델과 같이, 이는 물체 간의 관계를 이해해야 하는데, 이것은 로봇에게도 매우 중요합니다. 게다가 Sora의 발전은 사실 아주 빠릅니다. 왜 최종적으로 GPT에 도박을 걸었나요?

참고: '월드 모델(World Model)'은 지각과 물리적 직관에 초점을 맞추며, AI에게 '세상이 어떻게 작동하는지'를 이해하도록 하는 것이 핵심이며, 단지 '데이터의 표면 패턴'을 학습하는 것이 아닙니다. 이러한 유형의 모델은 주로 Sora와 같은 시스템을 설명하는 데 사용됩니다: 이미지 또는 비디오를 생성하는 데 그치지 않고, 객체 간의 관계(사람, 차량, 빛), 시간의 연속적인 변화(프레임 간 진행), 기본적인 물리 법칙(운동, 가리기, 충돌)을 모델링합니다. 반면에 GPT는 언어와 추론 모델로, 보다 추상적인 인지 및 작업 실행 능력에 중점을 둡니다.

Greg Brockman:
이 분야에서의 가장 큰 문제는 실제로 기회가 너무 많다는 것입니다.

우리는 매우 일찍 알아차렸습니다. OpenAI에서는, 어떠한 아이디어든 수학적으로 타당하다면, 그것은 일반적으로 작동하며 좋은 결과를 얻을 수 있습니다. 이것은 심층 학습의 기본적인 능력이 매우 강력하다는 것을 보여줍니다. 이것은 데이터에서 생성 규칙을 추상화하고 새로운 상황으로 이동할 수 있습니다. 이것은 '월드 모델(World Model)', 과학적 발견, 프로그래밍 등 다양한 분야에 적용할 수 있습니다.

그러나 문제는 여기에 있습니다: 우리는 선택을 해야 합니다.

과거에는 텍스트 모델이 얼마나 멀리 갈 수 있는지에 대한 논의가 계속되었습니다. 그것이 세상을 정말로 이해할 수 있는가? 내 생각에는 지금 이 질문에 이미 답이 있다고 생각합니다. 텍스트 모델이 AGI에 이를 수 있다고 생각합니다.

우리는 이미 선명한 경로를 보았으며, 올해에는 더 강력한 모델이 등장할 것입니다. OpenAI 내부에서, 우리의 가장 큰 고통 중 하나는 연산 능력을 할당하는 것입니다 - 이 문제는 앞으로 더 심각해질 것이며 개선되지 않을 것입니다. 따라서 본질적으로, 이것은 '어느 경로가 더 중요한가'가 아닌, 시기와 순서의 문제입니다.

지금, 우리가 이전에 멀리 떨어져 있다고 생각했던 몇 가지 응용 프로그램이 이제 손에 닿을 정도로 가까워졌습니다. 미해결 물리 문제를 해결하는 것처럼 말이죠. 최근에 우리는 한 물리학자가 오랫동안 연구해온 문제를 모델에게 맡겨, 12시간 후에 해답을 제공했습니다. 그는 이것이 자신이 처음으로 모델이 마치 "사고"하는 것 같다고 느낀 순간이라고 말했습니다. 이 문제는 심지어 인류가 영원히 해결하지 못할 수도 있지만, AI가 해냈습니다.

이런 일을 보면 유일한 선택은 두배 베팅하고, 세 배 투입하는 것뿐입니다. 왜냐하면 이것은 우리가 정말로 거대한 잠재력을 발휘할 수 있다는 것을 의미하기 때문입니다.

그래서 내게 있어 이것은 서로 다른 방향 사이의 경쟁이 아니라, OpenAI의 미션이 무엇인가? 우리는 어떻게 AGI를 세계로 가져올 것인가? 그것을 모든 사람의 복지에 실제로 도움이 되도록 만들기 위해? 그리고, 우리는 이미 그 경로를 보았고, 어떻게 전진해야 하는지 알고 있습니다.

GPT에 베팅, 세계 모델이 아닌: AGI로 향하는 경로 선택

Alex:
좋아, 실제로 당신이 방금 언급한 다음 세대 모델로 돌아가고 싶지만, 먼저 이 질문에 대해 따라 물어보고 싶습니다.

올해 초에 Google DeepMind의 Demis Hassabis와 이야기를 나누었습니다. 재미있는 점은, 그는 말했습니다. 그에게 있어서 AGI에 가장 가까운 것은 실제로 그들의 Nano Banana라고 불리는 이미지 생성기였다는 것입니다.

주: Demis Hassabis는 AI를 연구에서 돌파적인 응용으로 이끄는 핵심 인물 중 한 명입니다. 그가 창립한 DeepMind는 AlphaGo를 개발하고, 2016년에 바둑 세계 챔피언을 이기면서, AI 발전사에 있어서 기념비적인 사건이 되었습니다.

그의 이유는: 이미지 생성기든 비디오 생성기든, 그러한 이미지와 비디오를 생성하기 위해서는 본질적으로 물체 간 상호 작용을 이해해야하며, 최소한 세계가 어떻게 작동하는지에 대한 어느 정도의 이해가 있어야합니다.

그렇다면 이것이 잠재적인 위험이 될 수 있을까요? 이것은 매우 큰 베팅일 수 있으며 — 만약 상황이 정말로 그런 경우에, OpenAI는 다른 기술 분야에서 지속적으로 뛰어넘음을 택할 때 무엇을 놓칠 수 있을까요?

Greg Brockman:
만약 그렇다면? 제 답변은 두 가지 있습니다.

첫째, 물론 가능성이 있습니다. 이 분야는 그런 식이죠, 최종적으로 선택을 해야하며, 베팅을 해야합니다. OpenAI는 처음부터 이것을 하고 있습니다: 우리는 자신이 AGI로 향하는 경로를 믿는다고 판단하고, 그 뒤로 그 길을 중점적으로 따라 나아가고 있습니다. 마치 랜덤 벡터의 ​​덧셈처럼, 최종 결과는 0에 가까워질 수 있지만, 모든 벡터를 정렬하면, 그들은 명확한 방향으로 나아가도록 당신을 밀어줄 수 있습니다.

그러나 두 번째로, 이미지 생성은 사실 ChatGPT에서 매우 인기있는 기능이며, 우리는 계속해서 투자하고 우선순위를 두고 있습니다. 이것을 할 수 있는 이유는 실제로 그것이 "월드 모델"이나 "확산 모델"이라는 기술 분야에 속하지 않기 때문입니다. 사실, 그것은 GPT 아키텍처 위에 구축된 것입니다. 그래서 비록 그것은 다른 데이터 분포에 직면하고 있지만, 더 근본적인 핵심 기술 스택에서는 사실 같은 것입니다.

이것이 바로 AGI의 가장 놀라운 점 중 하나입니다: 때로는 매우 다른 응용 프로그램 - 음성 대 음성, 이미지 생성, 텍스트 처리 및 과학 연구, 프로그래밍, 개인 건강 정보 등 다양한 시나리오에서의 텍스트 자체의 응용 - 이 실제로 동일한 기술 프레임워크 안에 수용될 수 있다는 것입니다.

그래서 기술적인 면에서, 저와 회사가 항상 고민해온 한 가지는 우리의 노력 방향을 가능한 한 통일시키는 것입니다. 왜냐하면 우리는 이 기술이 실제로 전반적인 향상을 가져올 것이라고 진심으로 믿기 때문입니다. 심지어 전체 경제 시스템을 끌어올릴 것입니다.

그리고 이 문제의 규모는 너무나도 큽니다. 물론 우리는 모든 일을 다 처리할 수는 없지만, 우리가 속한 부분은 완수할 수 있습니다.

Alex：
이것이 인공 일반 지능(AGI)에서의 "일반(general)" 의 의미입니다.

Greg Brockman：
맞아, 이것이 그 G의 의미입니다.

Alex：
"통합"에 대해 얘기할 때, 이 슈퍼 어플리케이션은 정확히 어떻게 될 것인가요?

Greg Brockman：
나는 슈퍼 어플리케이션을 이해하면서-

Alex：
이것은 채팅, 프로그래밍, 브라우저 및 ChatGPT 같은 것들을 통합할 것이 맞나요?

Greg Brockman：
예. 우리가 하고 싶은 것은 최종 사용자를 대상으로 한 응용 프로그램을 만드는 것입니다. AGI의 힘을 정말로 체험할 수 있게 해주는 것, 즉 그 "일반성"입니다.

오늘날의 채팅 제품을 생각해보면, 나는 그것이 조금씩 당신의 개인 비서, 개인 API, 당신을 진정으로 이해하며 대화를 나누며 목표를 이해하며 신뢰할 수 있으며 이 디지털 세계에서 당신을 어느 정도 "대표"할 수 있는 AI가 될 것이라고 생각합니다.

코덱스에 대해서는, 당신은 그것을 이제 주로 소프트웨어 엔지니어를 위해 만들어진 도구로 이해할 수 있지만, 그것이 "모든 사람을 위한 코덱스"로 변화하고 있다고 생각합니다.

무언가를 창조하고 무언가를 구축하려는 모든 사람은 Codex를 사용할 수 있습니다. 컴퓨터가 그들이 하고 싶은 일을 수행하도록 할 수 있습니다. 그리고 이제 그것은 더 이상 단순히 "소프트웨어 작성"이 아니라 "컴퓨터 사용" 자체인 것처럼 느껴집니다. 예를 들어 노트북 설정을 조정해달라고 할 수 있습니다. 가끔 화면 구석에서 어떻게 설정하는지 까먹을 때가 있는데, 직접 Codex에게 시키면 그것을 정말로 수행해줍니다.

이것이 컴퓨터가 가져야 할 본래 모습입니다. 그것은 사람에게 적응해야하며, 나에게 적응하도록 하는 것이 아니어야 합니다.

따라서 이러한 어플리케이션을 상상해보십시오: 컴퓨터가 수행해야 하는 모든 작업을 직접 말할 수 있습니다. 여기에는 "컴퓨터 사용" 및 "브라우저 조작" 능력이 내장되어 AI가 웹페이지를 실제로 제어할 수 있고, 동시에 당신이 그것이 무엇을 하고 있는지 감시할 수 있습니다. 또한 대화가 채팅, 코드 작성 또는 일반 지식 작업인 경우에도 모든 이러한 대화가 하나의 시스템에 통합됩니다. AI는 기억력이 있으며 당신을 이해합니다.

이것이 우리가 구축하고있는 것입니다.

하지만 솔직히 말하자면, 이것은 사실 얼음산의 일각에 불과합니다. 이보다 더 중요한 것은 심층 기술의 통합입니다.

우리는 이전에 모델 수준에서의 통합에 대해 언급했지만, 지난 몇 년 동안 실제로 변화된 것은 모델 자체뿐만 아니라 "호스팅 시스템"입니다. 즉, 모델이 어떻게 맥락을 얻는가? 실제 세계와 어떻게 연결되는가? 어떤 조치를 취할 수 있는가? 새로운 맥락이 지속적으로 들어올 때 사용자와 상호작용하는 고리 구조는 어떻게 작동합니까?

과거에는 내부적으로 이러한 것들을 여러 구현으로 보유하고 있거나 적어도 약간 다른 구현을 가지고 있었습니다. 지금은 이들을 통합하여 하나의 세트로 만들고 있습니다. 최종적으로 우리는 통합된 AI 레이어를 보유하게 될 것이며, 그러한 레이어를 매우 가벼운 방식으로 사용하여 특정 응용 프로그램 시나리오를 대상으로 할 것입니다.

당신은 물론 특정 응용프로그램에 맞는 작은 플러그인 또는 인터페이스를 만들 수 있습니다. 금융 또는 법률에 특화된 것처럼, 그러나 대부분의 경우에는 심지어 그럴 필요조차 없을 것입니다. 왜냐하면 이 슈퍼 어플리케이션 자체가 충분히 일반적이고 널리 사용되기 때문입니다.

Alex：
This application is aimed at both enterprise and personal scenarios, right?

Greg Brockman：
Yes, that is actually the core of it. Like a computer, such as your laptop, is it for personal use or for work? The answer is actually: both. It is primarily your device, the interface through which you enter the digital world. And that is exactly what we are trying to achieve.

Alex：
So from a non-business perspective, if I were to use this super app in my personal life, what would I use it for? How would my life change?

그렉 브록먼:
내가 생각하기로는, 개인 삶에 있어서, 이것은 먼저 현재 ChatGPT를 사용하는 방식을 유지할 것이다.

현재 당신은 ChatGPT를 어떻게 사용하고 있나요? 사실 사람들은 이미 매우 다양하고 놀라운 작업에서 그것을 사용하고 있습니다. 때로는 간단히 "결혼식에서 스피치를 해야 해, 도와줄 수 있을까?" 라고 말하거나, "이 아이디어 좀 봐줄래, 피드백 좀 주라고?"라고 물어보거나, "작은 비즈니스를 하고 있는데, 아이디어 좀 줄래?"라고 할 수도 있습니다.

이러한 시나리오들은 일부는 개인 중심적이지만, 어떤 것은 이미 개인과 직장 사이의 경계를 흐린 상태입니다. 그리고 내 견해는: 이러한 유형의 모든 문제는 슈퍼 앱에게 맡길 수 있어야 한다는 것입니다.

그렉 브록먼:
그러나 여러분이 ChatGPT의 발전을 돌아보면, 이것 자체가 이미 변화하고 있다는 것을 알 수 있습니다.

이전에는 기억이 없었죠, 맞죠? 각 개인에 대해, 그것은 항상 동일한 AI이었고, 매번 다른 사람과 이야기하는 것처럼 거의 처음부터 시작했습니다. 그러나 만약 그것이 당신과의 이전 상호 작용을 기억한다면, 훨씬 강력해질 것입니다. 더 많은 맥락에 접근할 수 있다면, 훨씬 강력해질 것입니다.

예를 들어, 당신의 이메일, 캘린더와 연결되어 있고, 당신의 선호도를 실제로 이해하며, 당신의 과거 경험에 대한 더 깊은 배경 정보를 갖고 있다면, 그 정보를 활용하여 당신이 목표를 달성하는 데 도움을 줄 수 있을 것입니다. 또한 현재 ChatGPT에는 'Pulse'라는 기능이 이미 있어요. 이 기능은 매일 여러분을 이해한 바탕으로 여러분이 관심이 있을 법한 콘텐츠를 주도적으로 제공합니다.

그래서 개인 사용 수준에서, 슈퍼 앱은 이 모든 것을 포함하고 있으며, 더 깊고 풍부하게 수행할 것입니다.

알렉스:
언제 런칭할 계획이신가요?

그렉 브록먼:
보다 정확히 이해하는 방법은, 다음 몇 달 동안 우리는이 방향으로 한 발 한 발씩 나아갈 것이라는 것입니다. 우리가 언급한 이 완전한 비전은 점진적으로 전달될 것이지만, 전체적으로 동시에 론칭되지는 않을 것입니다. 이것은 단계적인 방식으로 나타날 것입니다.

예를 들어, 오늘의 Codex 애플리케이션은 사실상 두 가지 요소를 이미 포함하고 있습니다: 하나는 일반적인 지능체 호스팅 시스템이며, 도구를 사용할 수 있습니다. 다른 하나는 소프트웨어를 쓰는 데 뛰어난 지능체입니다.

그리고 이 일반적인 호스팅 시스템은 많은 다른 상황에서 사용될 수 있습니다. 엑셀 스프레드시트에 연결하거나 워드 문서에 연결하면, 지식 작업을 처리하는 데 도와줄 것입니다.

그래서 우리의 첫 번째 단계는 Codex 앱을 일반적인 지식 작업에 보다 유용하게 만드는 것입니다. OpenAI 내부에서 이미 그것을 이렇게 사용하고 있다는 것을 보았기 때문입니다.

이것은 첫 번째 단계이며, 이후에도 많은 단계가 뒤따를 것입니다.

Alex：
어제 동료 한 명과 Codex에 대해 이야기할 때, Codex를 사용하여 비디오 편집을 하는 사람을 언급했는데요: 그 사람이 Codex를 사용하여 비디오를 처리하도록 요청했고, Codex는 심지어 Adobe Premiere을 위한 플러그인을 만들어 비디오를 장면별로 분할한 다음 편집을 시작했습니다. 이게 당신들이 갈 방향이 맞죠?

Greg Brockman：
이러한 사례를 듣는 것을 특히 좋아합니다. 이것이 우리가 시스템이 작동하는 방식으로 활용하기를 원하는 방식입니다. 또한 흥미로운 점은 다음과 같습니다: Codex 앱은 원래 소프트웨어 엔지니어를 대상으로 설계되었기 때문에 비프로그래머에게는 현재 사용하기가 어렵다는 점입니다. 설정 과정에서 여러 가지 문제가 발생하기 때문입니다.

개발자들은 그 의미를 쉽게 알아보고 어떻게 수정할지 알고 있습니다. 우리는 이미 이에 익숙해졌기 때문입니다. 그러나 개발자가 아니라면 이를 보고 "이게 뭐지? 이전에 본 적이 없는데?"라고 생각할 것입니다.

그럼에도 불구하고, 많은 프로그램을 쓰지 않은 사람들이 이미 웹사이트를 구축하거나, 당신이 언급한 것과 같이 서로 다른 소프트웨어 간의 상호작용을 자동화하고 거기서 많은 영향력을 얻기 시작했다는 것을 볼 때, 우리는 이미 많은 사람들이 이 문턱을 넘는다는 것을 보았습니다.

지금 상황은 이렇습니다: 매우 적극적인 사람들이 이미 이러한 장벽을 넘고 있으며, 그 결과로 큰 보상을 얻고 있습니다.

어떤 의미에서, 우리가 이미 가장 어려운 부분을 완료했습니다—우리는 정말 똑똑하고 능력 있는 일을 하는 AI를 만들었습니다.

다음 할 일은, 상대적으로 "쉬운" 부분입니다: 그것이 실제로 대중에게 유용하게 만들고, 이런 문턱을 조금씩 제거하는 것입니다.

Alex：
경쟁 상황에서, Anthropic은 현재 Claude 앱을 보유하고 있으며, 챗봇과 Claude Code가 모두 존재합니다. 어느 정도로, 그들도 이미 자신들의 "슈퍼 앱" 프로토타입을 갖추고 있습니다.

Anthropic이 왜 더 빨리 이 단계에 도달했다고 생각하신가요? 그리고 OpenAI가 따라잡을 가능성은 어느 정도인가요?

그렉 브록맨：
만약 12~18개월 전의 상황으로 돌아간다면, 실제로 우리는 계속해서 "프로그래밍"을 중요한 분야로 삼았고, 다양한 프로그래밍 대회와 같은 "순수 능력 중심" 테스트에서 최고 성적을 거뒀습니다. 그러나 우리가 그때 충분히 투자하지 못했던 한 가지는 마지막 1마일의 사용성이었습니다.

즉, 우리는 이 문제에 충분한 중요성을 두지 않았다는 것을 의미합니다: AI는 이미 매우 똑똑해서 다양한 고난도 프로그래밍 문제를 해결할 수 있지만, 그것은 실제 세계의 코드베이스를 본 적이 없습니다. 반면 실제 세계의 코드베이스는 종종 매우 혼돈스럽고, 그 AI가 익숙한 "깔끔한" 환경과는 거리가 멀다는 것입니다.

우리는 그 당시에 이 분야에서 실제로 뒤쳐져 있었습니다. 그러나 대략 작년 중반쯤부터 우리는 이 문제를 매우 진지하게 채우기 시작했습니다. 우리는 특별한 팀을 구성하여, 이러한 모든 갭이 어디에 있는지, 실제 세계에는 어떤 혼돈과 복잡성이 있는지를 실제로 확인하지 못했던 것에 대해 살폈다.

예를 들어, 어떻게 훈련 데이터를 구축할 것인가? 어떻게 훈련 환경을 설정할 것인가? AI가 실제로 "소프트웨어 엔지니어링"을 경험하는 것은 어떤 느낌인가 — 방해 받는 것, 이상한 문제를 만나는 것, 다양한 비이상적 상황 등.

내 생각에, 우리는 지금 이에 따라잡았다고 생각합니다. 사용자가 우리와 경쟁사를 직접 비교할 때, 많은 사람들이 우리를 더 선호할 것입니다.

물론, 우리가 프런트엔드 경험에서 여전히 차이가 있다는 것을 알고 있습니다. 이 부분도 채워 나갈 것입니다. 그러나 전반적으로, 우리가 이 시기에하는 것은 단순히 모델을 만드는 것이 아니라, 처음부터 완전한 제품으로 고민하는 것입니다. 연구를 하는 동안, 우리는 동시에 그것이 최종적으로 어떻게 사용될지도 고려합니다. 이 전환은 OpenAI 내에서 현재 진행 중인 변화 중 하나입니다.

그래서 내 전망은, 우리가 다가올 강력한 모델 업그레이드를 경험하게 될 것이라고 생각합니다. 올해의 로드맵만 봐도, 매우 흥분되는 일들을 이룰 수 있을 것 같아요.

동시에, 우리는 마지막 1마일의 사용성을 매우 집중적으로 개선하고 있습니다.

알렉스：
2022년부터, OpenAI는이 분야에서 명백한 선두자로 보였습니다. 분명히, 지금의 경쟁은 더 이상 시험 성적으로만 경쟁하는 것이 아닙니다. 방금 당신도 "우리가 따라잡았다"는 말을 사용했습니다.

내부에서의 분위기는 변했나요? 즉, 지금은 과거와 달리 ChatGPT와 같은 제품에서 원거리 선두감이 아니라 실제로 긍정적인 경쟁에 진입했다는 느낌입니까.

외부의 몇몇 보도에서도이 변화를 볼 수 있습니다 — 예를 들어, 회사 내부에서 회의를 열어 OpenAI가 더 이상 "지원 작업"이 없다고 강조하며 모든 사람이이 핵심 방향에 집중하도록 하였습니다. 그렇다면 지금 내부 환경과 분위기는 어떻게 변화했습니까?

그렉 브록만：
개인적으로 말씀드리자면, 나에게 OpenAI에서 가장 불안한 순간은 ChatGPT를 발표한 후였습니다.

회사의 연말 파티 때 그 순간을 기억합니다. "우리가 이겼다"는 기운이 퍼져 있었습니다. 저는 이런 기분을 이전에 한 번도 느낀 적이 없었습니다. 당시 제 반응은: 아니, 우리는 이런 사람들이 아닙니다. 우리는 불리한 측입니다.

그리고 우리는 항상 그랬습니다. 이 분야의 경쟁자 대부분은 이미 자금이 풍부하고 인력, 데이터가 풍부한 대기업이며, 거의 모든 리소스가 더 풍부합니다.

그런데 OpenAI는 어떻게 경쟁에 참여할 수 있었을까요? 어느 정도에서는, 그 답은 여기에 있습니다: 우리는 편안함에 빠지지 않았기 때문입니다. 우리는 항상 도전자로서 스스로를 대하였습니다.

사실, 제게 있어서, 시장이 이러한 경쟁 상황을 실제로 보여주기 시작하고 다른 경쟁 상대들도 나타나고 잘 하기 시작한 것을 보는 것은 상당히 건강한 일이었습니다.

왜냐하면 저는 언제나 경쟁 상대에만 초점을 맞추는 것은 바람직하지 않다고 생각합니다. 그들이 지금 어디에 있는지만을 주시한다면, 그 때 당신이 그곳에 도달했을 때 그들은 이미 더 나아가 버린 것입니다.

오히려 이전 몇 년간은 상황이 정반대였던 것 같습니다: 많은 사람들이 계속해서 우리의 위치를 주시하고 있었지만, 우리는 계속해서 앞으로 전진할 수 있었습니다. 이는 오히려 우리에게 내적으로 일치감과 통일감을 준 것 같습니다.

제가 전에 언급했듯이, 우리는 과거에는 "연구"와 "배포"를 거의 분리된 것으로 여겼었고; 그러나 지금은 정말로 그것들을 통합하고 싶습니다. 나에게 있어, 이것은 정말로 아름다운 일입니다.

그래서 저는 말하고 싶습니다, 우리가 현재 위치해 있는 단계는, 우리가 이긴 적이 있었던 것으로 생각한 적도 없고, 지금 갑자기 위기에 처했다고 생각한 적도 없습니다. 알다시피, 타인들의 평가는 보통 그들이 말하는 것만큼 좋지 않거나 나쁘지 않습니다.

전반적으로, 우리는 사실상 항상 안정적이었습니다. 그리고 모델 개발이라는 핵심적인 일에 있어서, 우리의 로드맵과 우리가 이미 한 연구 투자에 대해 매우 확신합니다. 제품 측면에서, 저는 우리가 현재 매우 긍정적인 에너지를 갖고 있으며, 모든 것을 세계에 제대로 전달하려는 상태라고 생각합니다.

알렉스：
이미 여러 차례 언급하셨지만, 다음에는 매우 강력한 새로운 모델이 나올 것이라고 합니다. 그것이 정확히 무엇인가요?

The Information 보도에 따르면, 이미 "Spud"의 사전 훈련이 완료되었다고 합니다; 그리고 Sam Altman은 OpenAI 내부 직원들에게 얘기했는데, 몇 주 안에 그들은 매우 강력한 모델을 보게 될 것이라고 합니다. 그것은 몇 주 전의 이야기입니다. 팀 내에서는, 그것이 경제를 실제로 가속화시킬 수도 있으며, 상황이 많은 사람들의 예상보다 빨리 진전되고 있다고 생각합니다.

그래서, 「Spud」는 정확히 무엇일까요?

Greg Brockman:
이것은 아주 좋은 모델입니다. 그러나 내 생각에, 핵심은 실제로 특정 단일 모델에 있지 않습니다.

저희의 연구 및 개발 프로세스는 대략 이렇습니다: 먼저 사전 훈련이 있습니다, 새로운 기본 모델을 생성하는 것이고, 그 후 모든 추가 개선은 이 기본 모델을 기반으로 합니다. 그리고 이 단계는 종종 회사 내 여러 팀이 많은 노력을 기울여야합니다. 사실, 지난 18개월 동안, 전체 시간의 대부분은 여기에 소비되었습니다: 주로 GPU 인프라 주변에, 훈련 프레임워크를 담당하는 팀을 지원하고, 이러한 대규모 훈련 작업을 실제로 실행하게 했습니다.

그런 다음 강화학습 단계가 있습니다. 이미 많은 세계적인 지식을 습득한 AI가 이러한 지식을 실제로 활용하기 시작합니다.

그 다음은 사후 훈련 프로세스입니다. 이 단계에서는 정말 그에게 말해야합니다---좋아, 이제 답을 무엇인지 알았으니까, 다양한 상황에서 연습을 하러 가세요.

마지막으로, 행동과 사용성에 대한 "마지막 일 미터" 단계가 있습니다.

그러므로, 나는 Spud를 새로운 기반, 새로운 사전 훈련 모델로 보겠습니다. 그리고 그 위에는 우리 지난 약 2년간의 연구가 실제 결과로 나아가기 시작했다고 할 수 있습니다. 이것은 매우 흥미로울 것입니다.

나는 외부에서 마지막으로 느낄 것은 능력적인 전반적 향상일 것으로 생각합니다. 그러나 나에게 있어서, 이것은 단지 한 번의 단일 출시 문제에 불과한 것이 아닙니다. 이 버전이 출시되면, 실제로 이것은 우리가 앞으로 더 많은 발전을 이루기 위한 초기 버전 중 하나일 뿐입니다. 우리는이 개선 프로세스의 각 단계에서 더 많은 것을 계속해서 할 것입니다.

그러므로 나는 우리가 지금은 계속해서 가속화하는 진보 엔진을 보유하고 있다고 생각하며, Spud는 그 길 위의 한 지점에 불과합니다.

Alex：
그러면, 당신은 이 모델이 오늘날의 모델들이 아직 달성하지 못하는 무엇을 할 수 있다고 생각하십니까?

Greg Brockman:
저는 이 모델이 보다 어려운 문제를 해결할 수 있을뿐만 아니라 보다 섬세해질 것이라고 생각합니다. 그것은 지침을 더 잘 이해할 것이며, 맥락을 더 잘 파악할 것입니다.

사람들은 때때로 "큰 모델 쾌락"이라고 하는 것을 느낍니다---즉, 모델이 더 똑똑하고 능력이 높아질수록 그것을 확연히 느낄 수 있는 것입니다. 그것은 당신의 의도를 더 잘 따라갈 것이고, 니즈에 더 잘 부합할 것입니다.

질문을 하면서 AI가 실제로 당신의 의도를 파악하지 못할 때, 그런 느낌은 아직도 실망스럽습니다. 당신은 참지 못하고 이러한 생각을 하게 될 것입니다: 이것은 당신이 스스로 이해할 수 있어야하는 일인데요.

그러니까 내가 말하고 싶은 건, 어떤 의미에서는 이것이 많은 "양적 변화"들이 쌓여서 "질적 변화"를 가져오게 될 것이라는 거야. 한 쪽에서는 많은 지표들이 향상될 것이고; 다른 한편으로는 몇 가지 새로운 시나리오가 나타날 거야: 이전에는 AI가 충분히 신뢰할만하지 않아 사용하기 귀찮아 했던 부분이, 이제는 망설임 없이 직접 활용되게 될 거야.

나는 이게 전반적인 변화가 될 것이라고 생각해. 나는 특히, 그것이 어떻게 능력의 한계를 계속 높일지를 보는 걸 기대해. 우리는 이미 물리학 연구 같은 분야에서 그것의 모습을 보았고, 나는 그 다음으로 그것이 더 많은 개방형 문제들을 해결하고, 더 긴 시간대를 넘어서는 문제들을 해결할 수 있을 것이라고 생각해.

동시에, 나는 능력의 하한을 어떻게 높일지도 매우 기대하고 있어 — 즉, 당신이 무엇을 하고 싶든, 그것이 오늘보다 훨씬 더 유용해질 거라는 거야.

Alex：
하지만 일반 사용자에게는 이런 변화를 느끼기가 때때로 어려울 수 있어. 예를 들어 GPT-5가 출시되기 전에는 실제로 많은 예열과 기대가 있었지만; 그런데 그것이 실제로 나온 후, 대중들의 초기 반응은 어느 정도 실망스러운 면이 있었어. 나중에 사람들은 점차, 특정 작업에서는 실제로 매우 강력하다는 걸 발견했어.

그럼 다음 세대 모델들에 대해, 당신은 그것들이 특정 직업 상황에서 명백하게 느껴질 것이라고 생각하느냐, 아니면 모든 사람에게 상당히 직관적이고 보편적으로 느껴지는 향상이 될 것이라고 생각하느냐?

Greg Brockman：
내가 보기에 이야기는 아마도 비슷할 것 같아. 모델이 출시된 이후, 확실히 누군가가 처음에 손에 잡히자마자: 이건 내가 이전에 본 것과는 완전히 달라! 라고 여기게 될 거야. 하지만 "지능"에 병목이 있는 곳들도 있었었다. 만약 당신이 모델을 단지 더 똑똑하게 만든다면, 이런 곳에서는 사용자가 즉시 차이를 느끼지 못할 수도 있어.

하지만, 시간이 지나면, 사람들은 결국 변화를 느끼게 될 거야. 왜냐하면 진정으로 변하는 건: 당신이 이 시스템에 얼마나 의존하기 시작하는지야.

만약 당신이 지금 우리와 AI의 상호 작용을 생각해보면, 사실 모든 사람의 머릿속에는 "그것이 무엇을 할 수 있는지"에 대한 심리적 모델이 있어. 그리고 그 심리적 모델은 빨리 변하지 않아. 일반적으로는 경험을 쌓아가면서, 때때로 그것이 기적처럼 일을 대신하면서, 갑자기 당신이 깨달을 때가 있어: 원래 그게 가능했다니까, 나는 전혀 생각지 못했다니까.

예를 들어 의료 정보 획득과 같은 상황에서, 우리는 이와 유사한 상황을 이미 봤어. 나는 친구 중 한 명이, ChatGPT를 사용해 자신의 암 치료 방법을 이해했던 사례를 알고 있어. 의사가 이미 이 환자에게 이 질병은 말기이며 할 일이 별로 없다고 말했을 때, 그 친구는 여러 가지 다른 방법을 연구하는 데 ChatGPT를 사용했고, 마침내 치료 방법을 찾아내게 되었어.

이러한 상황에서 전제 조건은 사실 AI가이 시나리오에서의 도움 능력에 어느 정도 신뢰를 갖고 있어야만 시스템에서 가치를 발굴하는 데 그만큼의 노력을 기울일 것입니다.

그래서 내가 생각하기에, 우리가 볼 것은 : 모든 유사한 응용 프로그램 시나리오에서 AI가 당신을 도울 수있는 것이 모두에게 더욱 분명해질 것이라는 것입니다.

따라서 이것은 기술 자체가 강력해지고 있으며 기술에 대한 우리의 이해가 변화하고 뒤처지고 있다는 것입니다.

Alex:
즉, 당신은 그것에 더 의존 할 것입니다. OpenAI 내에서 당신들은 올해 가을에 출시 될 것으로 알려진 자동화 AI 연구원을 개발 중입니다. 그것이 정확히 무엇인가요?

AI는 이미「비상」 초기 단계에 들어섰다

Greg Brockman:
나는 전반적인 추세를 보면, 우리는 지금 기술이 급부상하는 초기 단계에 있다고 생각합니다.

Alex:
「비상」은 무슨 뜻입니까?

Greg Brockman:
비상은 AI가 지수 곡선을 따라 계속해서 강해지는 것을 의미합니다. 그 중 하나의 이유는 우리가 AI를 사용하여 AI 자체를 개선하는 데 사용할 수 있기 때문에 전체 연구 및 개발 프로세스가 가속화되고 있다는 것입니다.

하지만 내가 생각하기에, "비상"이라는 것은 기술적 측면뿐만 아니라 현실 세계적인 영향력의 해방을 의미합니다. 많은 기술 발전은 S 곡선을 따르는 경향이 있으며, 여러 S 곡선을 더 긴 시간적 기간에 걸쳐 고려하면 결국 지수 함수적인 성장으로 수렴하게 됩니다.

나는 우리가 지금 이 단계에 있다고 생각합니다. 즉, 기술 자체가 점점 빠른 속도로 전진하고 있으며이 발전 엔진은 계속해서 운동 에너지를 축적하고 있습니다.

동시에 외부 세계에서도 많은 선순풍 요소가 형성되고 있습니다. 칩 개발 업체들은 더 많은 자원을 확보하고 있으며, 많은 사람들이 다양한 응용 프로그램에서 AI를 시도하며 AI를 다양한 요구에 효과적으로 통합하는 방법을 연구하고 있습니다.

이러한 모든 역학은 계속해서 증가하고 있으며 AI를 "비상"기간으로 밀어넣고, 주요한 성장 원동력으로 만들고 있습니다.

그리고이 사실은 우리 벽 위의 몇 가지에서 일어나는 일이 아닙니다. 이것은 전체 세계, 전체 경제 구조에 관련되어 있으며, 어떻게 함께이 기술을 추진하고 있으며 그 실용성이 끊임없이 발전하고 있는지에 관한 문제입니다.

Alex:
그럼이 "연구원"은 구체적으로 무엇을 할 것입니까?

그렉 브록먼：
이 "연구원"이라는 용어는 본질적으로 말하는 것은, 인공지능이 점유할 수 있는 작업의 비중이 점점 높아짐에 따라, 우리는 그것이 더 자율적으로 더 많은 부분에서 작동하도록 허용해야 한다는 것입니다.

물론, 이에는 신중히 고려해야 할 많은 부분이 있습니다. 이것은 우리가 그것을 놓아두고 잠시 후에 돌아와서 그것이 어떤 좋은 결과를 이루었는지 확인하는 것이 아닙니다.

내 생각에는, 우리는 여전히 그 관리에 매우 깊이 참여할 것이라고 봅니다. 지금처럼, 만약 초급 연구원을 데리고 다니면서 너무 오랫동안 혼자 내버려 두면, 그가 가치 있는 길을 걷지 못할 확률이 높습니다. 그러나 숙련된 연구원이나 방향성을 가진 실제 지식인이 있으면, 개인적으로 구체적인 작업 기술을 모두 습득할 필요조차 없이 그 사람이 만드는 것에 지속적인 피드백을 제공하고 검토하며 방향을 제시할 수 있습니다: 아마 당신이 무엇을 이루길 바라는지.

그래서 나는 이 시스템을 이해하는 방법 중 하나는, 우리가 개발하고 있는 모델 출력 속도를 크게 증가시키고 새로운 연구 뚫고 나오게 하여 이러한 모델을 현실 세계에서 보다 유용하고 효율적으로 만드는 것이다. 또한, 이 모든 것이 점점 빠른 속도로 일어날 것이다.

알렉스：
그것은 구체적으로 무엇을 할까요? 당신은 그에게 직접 "AGI를 찾아 가라"고 말할 것인가요, 그러면 그는 스스로 시도할 것인가요?

그렉 브록먼：
어느 정도로는, 실제로 제는 그렇게 이해합니다, 적어도 첫 번째 의미에서는. 그러나 더 실용적인 면에서 말하자면, 저는 우리 한 연구 과학자의 전체 작업 흐름을 가능한 한 실리콘 기반 시스템으로 이동하여 실행한다고 이해합니다.

알렉스：
"비행"을 이해하는 또 다른 방법은, 인공지능의 발전이 점진적인 향상에서 모멘텀을 누적함으로써, 결국 거의 막을 수 없는 진전 과정으로 이어져 사람보다 똑똑한 지능으로 나아가는 것이다.

당신은, 일이 좋은 방향으로 나아갈 수 있다는 점과 마찬가지로, 이러한 발전이 스스로 제어를 벗어날 수 있고, 잘못된 길을 걸을 수도 있다는 점을 걱정하지 않나요?

그렉 브록먼：
내 생각에는, 물론 그렇습니다, 이것은 의심의 여지가 없습니다. 나는, 이 기술이 가져다 주는 혜택을 누리고 싶다면, 그 기술의 위험에도 엄중히 대처해야 한다고 봅니다.

만약 우리가 기술 개발에서 우리의 접근 방식을 살펴보면, 우리가 보안과 방어에 많은 노력을 기울였음을 알 수 있습니다. 아주 좋은 예가 있습니다. prompt injection(프롬프트 주입) 공격. 번데기가 인터넷에 연결된 똑똑하고 강력한 AI를 만들려면, 다른 사람에 의해 이상한 명령을 받아서 자신을 잃거나 조종당하는 일이 없도록 반드시 보장해야 합니다.

이것이 우리가 많은 노력을 기울여온 것이며, 내가 생각하기에 우리는 매우 좋은 결과를 얻었고, 이 부분을 맡은 매우 강력한 팀도 있습니다.

재미있는 점은 여기에 일부 문제가 사실 인간과 유사한 부분이 있다는 것입니다. 인간도 사회 공격을 받을 수 있고, 오도받을 수도 있으며, 전체 맥락을 이해하지 못한 채 일을 할 수도 있습니다.

우리는 이러한 유사성을 우리의 연구 및 개발 프로세스에 반영합니다. 모델을 출시하거나 개발할 때마다, 우리는 항상 고민합니다: 그것이 실제로 인간의 목표와 일치하는지 어떻게 보장하며, 그것이 정말 도움이 될 수 있는지 어떻게 확인할 것인가? 이는 우리가 매우 중요하게 여기는 사항입니다.

물론, 더 큰 문제도 있습니다. 전체 세계, 전체 경제가 어떻게 변화하게 될까요? 사람마다 이 기술로부터 어떻게 혜택을 받아야 할까요? 이러한 문제들은 기술적 문제뿐만 아니라, OpenAI만으로는 해결하기 어려운 문제들입니다. 그러나 맞습니다, 저는 종종 고민합니다. 기술을 전진시키는 것뿐만 아니라, 그것이 잠재력과 일치하는 긍정적인 영향을 가져다 줄 수 있도록 진정으로 보장해야 한다는 것을.

Alex：
문제는, 이것이 경쟁처럼 보인다는 것입니다. OpenAI 본부에서 벌어지는 일들은 많은 오픈 소스 플레이어에 의해 신속하게 복제될 수 있습니다. 그리고 이러한 플레이어들은 보안 경계, 방어 조치에서 종종 훨씬 취약합니다.

저는 예전에 당신이 한 말을 기억합니다, 그 내용은 대강 이랬던 것 같은데: 창의적인 결과를 얻으려면 많은 사람들이 많은 일을 옳게 해야 하지만, 파괴적인 결과는 단 한 명의 악의를 품은 사람만 필요할 수도 있다는 것입니다. 이것은 적어도 제가 가장 걱정하는 부분입니다. 왜냐하면 이것은 분명히 경쟁이 있는 상황이며, 그리고 발전 속도가 빠릅니다. 당신의 많은 동료들이 말한 적 있습니다. 모든 사람이 멈추기에 합의한다면, 그들도 멈출 의향이 있습니다. 그러나 지금은, 이 경쟁이 전혀 둔화되는 기미가 없습니다.

그렇다면 이 보상은, 정말 이러한 위험을 감수할 가치가 있는 것일까요?

Greg Brockman：

저는, 이 보상이 가치 있는 것이라고 생각합니다. 그러나 또한, 이러한 대답이 여전히 너무 피상적이고, 너무 일방적이라고 생각합니다.

OpenAI가 설립되었을 때부터, 우리는 항상 물었습니다: 어떠한 미래가 좋은 미래로 간주될까요? 이 기술은 어떻게하면 모든 사람의 상황을 실제로 향상시킬 수 있을까요?

이 질문을 두 가지 관점으로 나눠볼 수 있습니다. 하나는 "중앙 집중화"의 관점이며: 이 기술을 안전하게 만들기 위해서는 최고의 방법이 하나의 당사자만이 개발하는 것입니다. 이렇게 하면 경쟁 압력이 없어지고, 천천히, 신중하게 일을 제대로 할 수 있으며, 모든 것이 준비가 되면 어떻게 모든 사람에게 전달할지 결정할 수 있습니다. 이러한 아이디어는 이해할 수 있지만, 어떤 면에서는 받아들이기 어려운 해결책이기도 합니다.

그리고 또 다른 접근 방식, 또한 우리가 선호하는 접근 방식은 "탄력성"에서 출발하여 사고하는 것입니다. 다시 말해서, 이를 열린 시스템으로 보는 것입니다: 많은 참여자들이 이 기술 발전을 추진하지만 중요한 점은 기술 자체뿐만 아니라 이 기술 주변에 형성된 사회 인프라를 구축하는 데 있으며, 이를 보다 안정적으로 수용할 수 있도록 하는 데 중점을 둡니다.

전기의 발전 과정을 상상해 볼 수 있습니다. 전기도 많은 다양한 사람들과 기관에 의해 생산됩니다. 전기 자체도 위험과 위험성이 있습니다. 그러나 동시에 우리는 이를 둘러싼 다층적인 안전 인프라를 구축했습니다: 전기 안전 기준이 있고, 다른 사용 규범이 있으며, 서로 다른 규모에 대응하는 감독 방식이 있습니다. 매우 큰 규모에 이르면 전문적인 규제 요구 사항이 있습니다. 많은 사람들이 민주적인 방식으로 전기를 사용할 수 있고, 동시에 감사원이 있고, 기술의 특성을 중심으로 구축된 완전한 시스템이 있습니다.

나는 AI도 마찬가지라고 생각합니다. 우리가 정말로 볼 수 있는 것은, AI 주변에 광범위한 사회적 토론이 반드시 필요하다는 점입니다. 이 기술이 정말로 다가오고 모든 사람들의 삶을 변화시킬 경우, 사람들이 참여해야 합니다. 이는 단순히 하나의 중앙 집중화된 소수 그룹이 비밀리에 추진하고 결정하는 것이 아니어야 합니다.

그래서 나에게 있어서, 항상 가장 핵심적인 문제라고 생각합니다: 이 기술은 어떻게 발전해야 하는가? 그리고 우리가 정말로 믿는 것은, 기술 발전 주변에 형성된 저었다로운 생태계입니다.

Alex：
그러니까 당신이 말하는 것은, 우리는 현재 "비행"하는 과정에 있으며, 사실 모든 사람이 이미 거기에 있는 것입니다. 최근 NVIDIA CEO 황량현은 AGI가 이미 실현되었다고 말했습니다. 동의하시나요?

Greg Brockman：
나는 AGI가 각자 다른 사람들에게 다른 의미를 갖는다고 생각합니다. 또한 실제로는 오늘날 우리 손에 있는 기술이 이미 AGI로 간주되는 사람들이 많습니다.

이것은 논쟁의 여지가 있습니다. 그러나 내가 생각하기에, 정말로 흥미로운 점은 우리가 현재 가진 기술이 여전히 매우 "고르지 않고" 분명한 단절감을 가지고 있다는 것입니다.

많은 작업에서, 예를 들어 코딩 하는 것과 같은 일에서, 그것은 이미 초인적이라고 할 수 있습니다. AI는 그것을 수행할 수 있고, 실제로 무언가를 창조할 때의 마찰을 크게 줄여 줍니다. 그러나 동시에, 아직도 매우 기본적이고 사람이 쉽게 할 수 있는 것 중에도 AI가 어렵게 느낄 것이 있습니다.

그래서 여러분은 그 경계를 어디에 그을 것입니까? 어느 정도로, 이것은 더 많이 "느껴지는" 것이고, 엄격한 과학적 정의로 현재 순간에 제시될 수 있는 문제가 아닙니다.

그래서 나 자신에게 있어서는, 우리가 분명히 그 순간을 경험하고 있다고 생각합니다. 만약 다섯 년 전에 지금의 이러한 시스템들을 보여줬다면, 나는 네, 그게 우리가 말했던 그런 것이라고 말했을 겁니다. 그저 현실이 우리가 처음 상상한 것과 매우 다르게 형성되어 나왔을 뿐입니다. 그것은 우리가 이미 어떤 형식을 상상했던 것과는 전혀 다릅니다.

그래서 저는 생각했어요, 우리는 우리의 인지 모델을 적절히 조정해야 합니다.

Alex：
그러니까, 아직 그 때가 오지 않았다는 거죠?

그렉 브록먼：
저는 말씀드리겠습니다, 아마도 이미 70% ~ 80%에 이른 것 같아요. 그래서 우리는 실제로 매우 가까이 왔다고 생각해요.

그리고 제 생각에는, 한 가지는 이미 굉장히 명백해요: 앞으로 몇 년 안에 우리는 확실히 AGI를 맞이하게 될 거예요. 그것의 성능은 아직 약간 '울퉁불퉁'할 수 있겠지만, 전반적으로 매끈하고 완벽한 것이 아니겠죠. 그러나 그것은 임무를 완수할 수 있는 최저한도를 매우 높게 설정할 거예요 — 실제로 컴퓨터에서 수행해야 하는 거의 모든 지능적인 작업에 대해 AI가 할 수 있을 거예요.

그래서 지금 저는 조금 불확실성이 깃들인 답변을 해야 하고 있어요, 왜냐하면 이 문제는 정말 일종의 '불확실성 원리' 같은 게 있어요 — 그것을 서로 다르게 정의할 수 있기 때문에 말이죠. 그러나 제 개인적인 정의에 따르면, 저희는 거의 다 왔다고 생각해요. 한 발짝 더 나아가면, 확실히 이미 도착한 거예요.

중요한 전환점: 20%에서 80%의 업무 인계

Alex：

2025년 12월에 도대체 어떻게 된 거죠. 왜냐하면 그 때가 전환점인 것 같은데, '기계가 몇 시간 동안 끊임없이 코드를 쓰게 하는 것'이라는 것이, 한 번에 모든 사람이 '내가 그에게 신뢰할 수 있다고 생각하고, 그에게 한동안 계속 놔두자'라고 말하기 시작한 것 같아요.

그래서 그때 정확히 무슨 일이 있었나요?

그렉 브록먼：
당시 새로운 모델이 출시된 후, AI가 수행할 수 있는 작업 비율이, 당신이 하는 업무 중의 20%에서 80%로 한 번에 상승했어요. 이것은 극명한 변화였어요. 왜냐면 이제 그것은 더 이상 그저 '좋은 작은 도구'가 아니라, 새롭게 AI 주변에서 자신의 작업 흐름을 재구성해야 하는 것이 되었기 때문이었어요.

저에게 개인적으로도 매우 전형적인 감각적 순간이 있었어요. 이러한 몇 년 동안, 저는 항상 테스트 문구 하나를 가지고 있었어요: AI에게 웹사이트를 만들어달라고 요청하기. 이 웹사이트는 실제로 저가 프로그래밍을 배울 때 직접 만들었던 것이었는데, 그것에는 저의 몇 달이 걸리고 많은 노력이 들었어요.

그리고 2025년에 도달했을 때, 이 작업은 아직도 상당히 많은 시간과 여러 차례의 힌트를 주고받아야만 비교적 잘 실행돼요. 그러나 12월에 이르러서, 저는 한 번 질문하고 AI가 한 번에 잘 해냈고 많이 발전했어요.

Alex：
그렇다면 이러한 모델은 이러한 변화를 어떻게 이루었나요?

그렉 브록만：
많은 면에서, 기본 모델 자체가 더 강력해졌기 때문에입니다. OpenAI는 계속해서 사전 훈련 기술을 향상시켜 왔습니다. 그리고 그 시점에서, 우리는 이번 해 남은 기간 동안 무엇이 일어날지 조금씩 예상해 보았습니다. 하지만 동시에, 이것은 단일한 돌파구에만 해당하는 문제가 아니었기 때문입니다. 더 정확히 말하면, 우리는 모든 혁신적인 차원에서 계속 진보했습니다.

이 모델들의 흥미로운 점은: 어느 면에서, 당신은 그들이 여러 번 "도약"했다는 느낌을 받을 수 있지만; 다른 각도에서 바라보면, 사실 모든 것이 연속적인 진화였습니다. 이것은 0%에서 80%로 갑자기 뛰어오르는 것이 아니라, 20%에서 80%로 향상되는 것이었습니다. 그러므로 어느 정도로는, 그냥 더 좋아졌을 뿐이라고도 말할 수 있습니다.

그리고 제 생각에, 이러한 진전은 실제로 우리의 이후 각 소규모 버전 업데이트마다 계속되고 있습니다. 5.2에서 5.3로 이동하는 것과 같이, 내가 매우 긴밀하게 협업하는 엔지니어 한 명이 있었는데, 처음에는 그가 담당하는 그 하위 레벨, 하드코어 시스템 엔지니어링 작업을 모델이 할 수 없었지만, 새 버전 이후에는 이미 모델이 그의 설계 문서를 가져와 구현하고 지표 모니터링과 가시성 추가하여 프로파일러를 실행하여 성능을 분석하고 계속해서 최적화하고, 결국 그가 처음에 직접 전달하고 싶어 했던 결과물을 이루었습니다.

그러므로 저는 말하고 싶습니다, 이것은 더 확실히 '천천히 진전하고, 그 후 갑자기 모든 곳이 변화하는' 과정입니다. 그러나 이 모든 것은 사실 현재 작용 중인 능력에 의해 미리 예견되어 있었습니다. 제일 늦게 1년 이내에, 많은 것들, 어떤 것들은 더 빨라질 수도 있고, 매우 신뢰할 만큼 신속해질 것입니다.

알렉스：
이것이 당신을 놀라게 했나요? 왜냐하면 제 기억에 남는 것은 말 그대로 몇 달 전에 한 인터뷰에서, Codex 같은 자동 코딩 도구는 소프트웨어 개발자만 사용하는 도구였다고 말씀하셨는데요. 하지만 오늘 이 대화의 더 일찍 당신의 말을 듣면, 실제로는 누구나 이러한 도구를 사용할 수 있다고 말씀하셨습니다.

어떤 점이 여러분의 견해를 바꾸게 했나요?

그렉 브록만：
실은 저는 이전부터 Codex를 '코딩'이란 프레임워크 안에 두고 이해해 왔습니다. 결국 코드가 이름에 들어있는만큼 당연히 이를 프로그래머들이 사용하는 도구로 생각했습니다. OpenAI 내부에서도, 많은 사람들이 소프트웨어 엔지니어이기 때문에, 우리는 자신들을 위해 도구를 개발하고 있어서, 이런 방식으로 생각하는 것도 매우 당연했습니다.

그러나 이 기술이 계속 발전함에 따라, 우리는 한 가지를 깨달았습니다: 우리가 실제로 개발한 기본 기술은 대부분 '코드'에 관한 것이 아니라, 본질적으로 '문제 해결'에 관한 것임을.

핵심은 맥락 관리, 실행 프레임워크 구축, 그리고 AI가 실제 업무에 어떻게 통합되어야 하며, 일을 정말 완료해야 한다는 것에 대해 이런 생각을 하는 것입니다. 그리고 이것이 성립하게 되면, 심지어 프로그래밍 시나리오에서도, 갑자기 아무라도 이러한 능력을 얻을 수 있다는 것을 의미하게 됩니다. 왜냐하면 실제로 당신이 갖게 되는 것은 업무를 대신할 수 있는 시스템이기 때문입니다. 여러분이 가진 비전이 있고, 이루고 싶은 목표가 있다면, 여러분의 의도를 명확히 설명하면, AI가 실행하고 일을 완성시켜 줄 수 있습니다.

하지만 이로 인해 당신은 스스로에게 묻게 되는데, 왜 나는 단지 '프로그래밍' 또는 '비프로그래밍' 이라는 분류에 집중할까? 사실 이 외에도 기계적인 기술을 필요로 하는 많은 작업들이 존재합니다. 예를 들어 엑셀 시트, 프레젠테이션 제작과 같은 작업들입니다. 이러한 작업들은 이미 AI가 충분한 맥락을 갖고 있고 충분한 원시 지능을 갖추고 있다면, 현재로서는 이미 아주 잘 수행할 수 있습니다.

그래서, 우리가 그것을 단지 더 접근하기 쉽게 하고 사람 친화적으로 만들면, 그것은 '코덱스는 프로그래머를 위한 것' 에서 한 번에 '코덱스는 모든 사람을 위한 것' 으로 변할 것입니다.

Alex:
이러한 명백한 발전을 보고 난 후, 실리콘밸리에는 거의 무소식으로 Open Claw라는 새로운 현상이 나타났는데, 맞지 않나요? 혹은 좀 더 일반적으로, 전체 기술 공동체가 방금 언급한 방식으로 AI를 신뢰하기 시작했습니다 — 즉, 데스크탑 제어를 AI 로봇에게 맡기거나 Mac 미니를 사용하여 이메일, 캘린더, 파일 등의 권한을 부여하고, 어느 정도 인생을 '인계'하게 하는 것입니다.

나중에 OpenAI는 Open Claw의 창시자를 회사로 끌어들입니다. 그래서 '일상 생활을 관리하는 데 도움을 주는' 이러한 AI에 대해 조금 더 설명해 주실 수 있을까요? Open Claw 팀을 회사로 옮기면서, 그 뒤의 비전에 대응하는 것은 이러한 종류의 것인가요?

Greg Brockman:
내가 말하고 싶은 것은, 이 기술의 핵심은 무엇인지를 명확히하는 것이 중요하다는 것입니다. 사람들이 어떤 식으로 그것을 사용할지, 지능체의 비전이 무엇인지, 그것이 어떤 방식으로 사람들의 삶에 들어갈 것인지 — 이것들 자체가 매우 어려운 문제들입니다.

그리고 나는 이러한 몇 세대의 기술 진화에서 반복해서 보았지만, 깊이 진출하고, 호기심 가득하며, 강력한 상상력을 가진 사람들이 있는 것이, 이 자체가 매우 현실적인 능력이며, 새로운 경제에서 점점 더 가치 있는 능력이 될 것이라는 것입니다.

Open Claw의 창시자 Peter는 나에게 그런 사람이라는 것을 보여주었습니다. 그는 아주 강력한 상상력을 가지고 있으며, 창조적 행동욕이 강합니다. 그래서 어떤 면에서는 이 문제가 특정 기술과 관련이 있지만; 다른 면에서는, 이 문제는 본질적으로 기술 문제만은 아닙니다. 이것이 실제로 중요한 것은 : 이러한 능력들을 어떻게 사람들의 삶에 적용하고, 그들의 진정한 위치를 찾아내는 것인가?

그래서, 기술인으로서, 이것은 당연히 흥미로운 부분입니다. 하지만 실제로 사용자에게 실용적인 가치를 전달하는 데 관심이 있는 진정한 사람으로서, 우리는 현재 이 문제에 많은 투자를 하고 있습니다. 많은 투자를 하고 있습니다.

Alex:
최근 이 문제에 대해 매우 흥미로운 한 마디를 했습니다. 당신은 말했습니다. 이 자립형 AI 인텔리전트 에이전트들을 당신 대신 일하게 할 때, 당신은 '당신의 목표, 비전 및 임무를 수행하는 수천 개의 인텔리전트 에이전트로 구성된 함대의 CEO'로 전환되며, 자신은 더는 해결 방법의 세부 사항에 깊이 빠져들지 않게 됩니다.

그러나 당신은 어떤 의미에서는 이 새로운 작업 방식이 문제 그 자체에 대한 '맥박감'을 잃는 듯한 느낌을 줄 수 있다고 말합니다.

Greg Brockman:
이것이 정말 좋은 일인가요? 내 생각에는, 이것은 이익과 손해가 동시에 존재하는 것입니다.

그래서 내가 생각하는 것은, 한편으로는 이러한 도구들이 실제로 가져다 줄 수 있는 힘을 인정하는 것이고, 다른 한편으로는 그들이 가지고 있는 약점을 최대한 완화하는 것입니다. 예를 들어, 사람에게 더 큰 leverage를 부여하고, 사람이 보다 큰 행동력을 갖도록 하는 것 - 만약 당신이 비전을 가지고 뭔가를 이루고 싶다면, 당신은 당신을 위해 일을 처리해 줄 전체 스마트 에이전트 편대를 동원할 수 있게 됩니다.

그러나 이 세상의 작동 방식을 생각해보면, 결국에는 책임을 져야 할 사람이 한 명 있어야 합니다. 당신이 웹사이트를 만들고 있는데, 여러분의 인공 지능이 문제를 일으켰고, 그것이 최종적으로 사용자에게 영향을 미쳤다면, 엄밀히 말해서, 그것은 인공 지능의 잘못이 아니라 여러분의 잘못입니다. 그러므로 여러분은 이 사실에 주의를 기울여야 합니다.

내가 생각하기에, 이 도구들을 실제로 사용하려는 아무 개인은 반드시 깨달아야 합니다: 인간의 적극성, 인간의 책임은 전체 시스템의 핵심 구성 요소입니다. AI를 어떻게 활용하는가, 이것 자체가 매우 근본적인 문제입니다.

그러므로 가장 중요한 점은: 이러한 스마트 에이전트의 사용자로서 - 우리 OpenAI 내에서도 마찬가지입니다 - 당신은 책임을 포기해서는 안 됩니다. 당신은 단순히 "AI가 모든 것을 스스로 해결할 것이다"라고 말해서는 안 됩니다.

Alex:
물론입니다. 그러나 당신이 방금 말한 "문제에 대한 맥박감을 잃는 느낌"은 "책임"과는 다른 것인 것 같습니다.

Greg Brockman:
나에게는 이 두 가지가 사실 같이 묶여 있는 것 같습니다. 왜냐하면 핵심은 여기에 있기 때문입니다: 만약 당신이 CEO이지만 세부 사항에서 너무 멀리 떨어져 있다면 - 예를 들어 팀을 이끄는 중이거나 회사를 운영하고 있지만 현장 상태 감각을 잃어버린 경우, 그것은 일반적으로 좋지 않은 결과로 이끌어지지 않을 것입니다. 그래서 방금 말하고 싶은 것은, "인간들은 마침내 모든 것을 알아야 한다"는 것이 추구할 가치 있는 것은 아닙니다.

물론, 어떤 세부 사항은 안심하고 맡길 수 있습니다. 집을 짓도록 총괄 계약자를 찾는 것처럼, 아마도 직접주의로 감시할 필요가 없는 세부 사항이 많을 것입니다. 그러나 근본적으로, 만약 어떤 중요한 세부 사항이 문제가 된다면, 여전히 주의를 기울여야 하며, 여전히 알아야 합니다.

그러므로 여기에 매우 중요한 미묘한 차이가 있습니다: 당신은 단순히 "문제에 대한 이해감을 잃어도 괜찮다"고 맹목적으로 말해서는 안 되며. 대신에, 우리는 적극적으로 말해야 합니다: 나는 여전히 이러한 감각을 유지해야 하며, 시스템의 강점과 약점을 실제로 이해해야 한다.

그리고 여러분이 좀 더 저수준이고 기계적인 거래에서 벗어나기 시작할 때, 그것을 할 수 있는 이유는 이미 시스템과 신뢰 관계를 맺었고, 시스템이 일을 잘 처리할 것이라고 확인했기 때문이어야 합니다.

Alex:
모델에 관한 질문을 마지막으로 하나 더 하겠습니다. 방금 언급하신 모델 진화 경로 중 하나가 있었는데요: 사전 훈련부터 미세 조정, 그리고 강화 학습을 거쳐 문제 해결에 점차적으로 능숙해지고 인터넷에서 작업을 수행할 수 있도록 하는 것입니다.

이제 저희가 이러한 시기에 접어든 것은 모델이 이 프로세스를 통해 도구 사용을 학습했다는 점입니다. 제가 제대로 이해했다면, 다음 모델 진화 경로는 무엇인가요?

Greg Brockman:
저는 현재 우리가 처한 세계가 기계 능력이 계속해서 심화하고 확장되는 세계라고 생각합니다. 이에 일부는 물론 도구 사용과 관련이 있지만, 동시에 우리는 '도구' 자체를 정말 제대로 만들어야 합니다. 예를 들어, 만약 AI가 이미 '컴퓨터 조작'을 수행하고 데스크톱 시스템을 사용하는 것처럼 인간처럼 할 수 있다면, 원칙적으로 그것은 당신이 할 수 있는 모든 일을 할 수 있게 된 것입니다.

그러나 동시에 기계에는 기본 인프라적인 요소들이 많이 빠져 있습니다. 예를 들어, 기업 환경에서는 신원 확인 및 권한 부여를 어떻게 처리해야 할까요? 감사 추적과 관측 가능성을 어떻게 할 것인가요? 모델의 기본 능력 발전을 따라가려면, 많은 부가 기술들이 개발되어야 할 것입니다.

전반적으로 보면, 저는 다음에는 '매우 자연스러운 음성 인터페이스'와 같은 것들이 포함될 것이라고 생각합니다. 즉, 현재처럼 컴퓨터와 자연스럽게 대화하며, 컴퓨터가 당신을 정말로 이해하고 필요한 작업을 완료하며 가치 있는 제안을 할 수 있는 것입니다.

예를 들어, 그것은 당신에게 적극적으로 알릴 것입니다: 당신이 진행하던 일 중 하나가 지금 막힌 상태입니다. 아침에 일어나면, 지난 밤에 AI들이 얼마나 많은 작업을 이뤘는지 알려줄 것입니다.

아마 그것은 이미 당신을 위해 사업을 운영하고 있을지도 모릅니다. —— 나는 그것이 이 기술의 거대한 응용 분야가 될 것이라고 생각합니다. 창업의 민주화는 분명 일어날 것입니다. 그것은 그것이 당신이 처리할 문제가 있음을 알려줄 것입니다; 한 명의 고객이 매우 불만스러워하며 실제로 사람과 이야기하길 원합니다. 직접 처리해야 합니다.

그리고 다음 단계는 사람이 도전할 수 있는 목표 한계가 계속해서 높아질 것이라고 생각합니다. 우리는 실제로 이 경향의 선두를 이미 보고 있습니다. 나를 가장 흥분시키는 부분은 거의 알파고의 37수를 비유할 수 있다는 것입니다 —— 그 수는 인간이 절대로 놓지 않을 것이며, 창의적이며, 이 게임에 대한 많은 사람들의 이해를 바꿀 것입니다.

이러한 것은 모든 분야에서 발생할 것입니다. 과학, 수학, 물리학, 화학에서 발생할 것이며; 재료 과학, 생물학, 의학, 약물 발견에서도 발생할 것이며; 심지어 문학, 시 등 많은 다른 분야에서도 발생할 수 있습니다. 이는 우리가 아직 상상조차 할 수 없는 방식으로, 인간의 창의적인 이해와 사고에 대한 새로운 공간을 열어줄 것입니다.

Alex：
하지만 모델이 이미 여러모로 강력하다면, 왜 이 일이 지금까지 실제로 일어나지 않았을까요?

Greg Brockman：
제 생각에는 여기에 '능력 부족 갭'이 존재한다고 생각합니다 — 즉, 모델이 실제로 갖는 능력과 사람들이 실제로 그것을 어떻게 사용하고 있는지 사이에는 상당한 차이가 있습니다. 어떤 면에서는, 모델이 정말로 '무엇을 담고 있는지'에 대한 우리의 이해 자체도 여전히 서서히 형성 중에 있다고 생각합니다.

그래서 제 생각에는, 지금부터 기술이 더 이상 발전하지 않더라도 세계는 여전히 거대한 변화를 겪을 것입니다 — 계산 주도, AI 주도의 경제가 여전히 올 것입니다.

하지만 동시에, 또 다른 이유도 있습니다: 우리가 현재 가장 잘하는 것은 모델을 '측정 가능한' 작업에 훈련시키는 것입니다. 그래서 처음에 우리는 수학 문제, 프로그래밍 문제에서 시작했으며, 이러한 작업들은 매우 명확한 검증자를 갖고 있습니다: 정답이 맞는지 아닌지는 매우 명확히 판단할 수 있습니다. 그리고 최근 몇 년 동안, 우리가 모델을 조금씩이나마 보다 개방적인 문제로 이끈 이유도, 계속해서 '무엇이 평가되고 측정될 수 있는가'의 범위를 넓혀왔기 때문입니다.

또한 AI 자체도 이 일에 도움을 줄 수 있습니다. AI가 충분히 똑똑하고 작업을 충분히 이해한다면, 평가 기준을 제시하면 AI가 점차 학습할 수 있습니다. 그러나 '창의적 글쓰기'와 같은 작업은 '이 시 표현이 좋은가'와 같이 평가하기가 매우 어렵습니다.

그래서 이런 상황에서 과거에 우리가 AI를 계속 테스트하고 피드백을 통해 진정한 학습을 시킬 수 없었던 것은 사실입니다. 그러나 이 모든 것은 변화하고 있으며, 앞으로의 길에 대해 우리는 이미 매우 명확한 시각을 갖고 있습니다.

Alex：
정말 흥미로운데요. Peter Thiel은 이전에 말한 적이 있는데, 그 의미는 대략적으로는, '만약 당신이 수학을 잘 하는 사람이라면, 이러한 모델들 앞에서 받는 충격은 실제로 "글을 잘 쓰는 사람"보다 더 크다'였습니다. 그리고 당신도 예전에 Math Club의 회원이었죠. 이것에 대해 걱정하지는 않으십니까?

Greg Brockman：
제 생각에는, 사람들은 자신이 무엇을 잃었는지 보다는 무엇을 얻었는지 볼 때 더 쉽게 놀랍니다. 왜냐하면 '이전에 나는 어떻게 이것을 했는가'에 대한 우리의 경험이 매우 깊기 때문입니다. 예를 들어, 제가 예전에 수학 경시대회에 참가했고, 이제 AI도 수학 경시대회를 할 수 있습니다. 그러나 문제는, 이것이 실제로 '수학 경시대회' 자체와 관련이 있는 것이 아니라는 것이죠? 그것은 인류를 진보시키는 핵심적인 것이 아닙니다, 맞나요?

만약 지금의 우리의 작업 방식을 살펴보면 — 상자 앞에 앉아 다른 상자에 타이핑을 하고 있다면 — 100년 전 우리는 이렇게 살지 않았습니다. 이것은 자연스러운 상태가 아니며, 우리가 된 그 디지털 세계의 진정한 모습도 아닙니다.

그것은 "인간다움"의 본질적인 부분이 아닙니다. 정말 중요한 것은 참여하는 것, 현재에 살아있는 것, 다른 사람들과의 연결을 형성하는 것입니다.

나는 생각하기에, 우리가 볼 것은: 인공 지능이 시간을 해방시켜, 인간들이 서로의 연결을 강화하고, 사람과 사람 사이의 유대를 더 맺을 수 있는 기회를 가지게 해줄 것이라고 생각합니다.

이것은 저를 매우 흥분시킵니다.

Alex：
좋아요. 그래서 당신들이 이러한 보다 에이전트 특성이 강한 시나리오로 전환할 때, 외부에서는 미래에 이러한 대규모 교육 작업이 계속되어야 하는지에 대한 논의가 시작되고 있습니다.

특히, 모델이 이미 충분히 좋다면, 그것을 직접 현실 세계로 보내어 사전 훈련에 의존하지 않고 상당 부분의 향상을 얻을 수 있다는 것이것 같습니다. 실제로 대규모 데이터 센터를 필요로 하는 것은 주로 사전 훈련입니다.

당신은 항상 규모를 확장하고이 문제를 촉진해 왔습니다. 이러한 주장을 어떻게 생각하십니까?

Greg Brockman：
나는 이러한 주장이 기술 발전에서 아주 중요한 부분을 놓쳤다고 생각합니다. 사실, 모델 제작 파이프라인의 각 단계는 서로의 영향을 배가시킵니다. 그래서 당신은 각 단계가 더 강해지기를 원할 것입니다.

우리가 본 것은: 일단 사전 훈련이 강해지면, 뒤이어 오는 각 단계가 훨씬 쉬워집니다. 이것은 정말 타당합니다. 왜냐하면 모델은 처음부터 더 능력이 있기 때문에 더 빨리 배우고; 다른 접근 방식을 시도하고, 자신의 오류에서 배우려고 노력할 때, 더 강한 기초로 인해 더 빨리 진전하고, 실수를 덜 저지를 것입니다.

그래서, 실제로 큰 변화는 우리가 "순수히 폐쇄적이고 자체 추론적인 합리적 시스템을 훈련시키는 것"에서부터 가져온 것이 아닙니다. 대신, 우리는 모델 자체를 크고 강하게 만드는 것뿐만 아니라, 그것이 일을 시도하도록 허용하며, 현실 세계에서 사람들이 그것을 어떻게 사용하는지를 이해하고,이 사용을 다시 교육 프로세스에 피드백하는 것입니다. 그러나 이것은 그 부분의 연구를 계속 추진하는 가치나 중요성을 약화시키지 않을 것입니다.

내가보기에 또 다른 변화는: 과거에 우리는 주로 사전 훈련 단계의 초기 능력 향상에 초점을 맞추었지만, 추론 단계 또는 推断 단계의 능력을 그렇게 중요시하지 않았습니다. 지난 24개월 동안, 매우 중요한 변경 중 하나는,이 두 가지 사이의 균형이 필요하다는 것을 깨달아 시작한 것입니다.

다시 말해, 당신은 매우 강력한 기능을 갖춘 모델을 보유할 수 있지만, 추론 및 실제 실행 시 충분히 효율적이어야 합니다. 강화 학습을 수행하고 실제 세계에 모델을 배포해야하기 때문에 이러한 점은 매우 효율적인 추론 능력을 요구합니다.

이는 또한 귀하가 학습 규모를 이론적으로 가능한 최대로 확장할 필요는 없다는 것을 의미합니다. 이는 후속 대규모 사용 사례를 고려해야하기 때문입니다.

당신이 원하는 것은 실제 지능과 비용 사이에서 최적의 교차점입니다. 한 가지만 최적화하는 것이 아니라 하나의 차원만 최적화하는 것이 아닙니다.

Alex:
만약 미래가 주로 추론으로 전환된다면 Nvidia GPU가 더 이상 필요하지 않을까요?

Greg Brockman:
그럼에도 불구하고, 우리는 여전히 Nvidia를 매우 필요로 합니다.

Alex:
왜 그래요?

Greg Brockman:
이유는 많이 있습니다.

하나는: 학습과 추론 간 비율이 어떻게 변하든, 거대한 규모의 교육은 여전히 한 문제에 엄청난 연산 능력을 집중시켜야만 할 수 있으며, 현재 이러한 것에는 대체 수단이 없습니다.

그래서 미래에는 배포 측면의 연산 능력 비중이 크게 증가할 것으로 생각됩니다. 그러나 동시에, 특정 엄청난 사전 학습의 순간이 계속해서 존재할 것이며, 그때에는 여전히 많은 연산 능력이 집중되어야 할 것입니다.

그러고보면 저는 Nvidia 팀이 정말로 탁월하다고 생각하며, 그들의 업적은 정말 놀랍습니다. 그래서, 네, 우리는 그들과 매우 긴밀히 협력하고 있습니다.

Alex:
그럼 언젠가 사람들이 "우리는 이미 충분히 사전 훈련을 받았으며, 모델이 충분히 똑똑해졌다"고 말할 수 있게 될까요?

Greg Brockman:
제 생각에, 이것은 현재의 모든 문제를 해결한 후에야 할 것이라고 말하는 것과 비슷합니다. 그러나 우리가 이루고자 하는 것은 실제로 상당히 높습니다.

지난 50년 동안, 어느 정도, 우리의 야심은 실제로 후퇴해 온 부분이 있습니다. 예를 들어, 어떤 문제들은 매우 명백하게 보입니다 - 우리는 모든 사람이 의료 보험을 가질 수 있을까요? 그리고 "문제가 발생했을 때 치료"뿐만 아니라 차라리 예방 의학적 접근을 실현할 수 있을까요? 생활 방식에 관심을 기울여 사람들에게 도움을 주고, 질병이 발생하기 전에 잠재적 위험을 발견할 수 있는 것이죠. 이러한 문제들, 저는 실제로 더 지능적인 모델을 활용하여 실제로 해결할 수 있다고 생각합니다.

물론, 어떤 수준에서는 이미 이 문제가 완전히 해결되어 있는 경우가 있을 수 있습니다. 이때에 당신은 아마 더 똑떨어진 모델이 필요한가요라고 물어볼 수 있습니다. 그러나 동시에 더 높은 수준의 지능이 요구되는 다른 문제가 분명히 존재할 것입니다.

컴퓨팅 파워는 비용이 아니라 수익 엔진입니다

Alex:
우리가 데이터 센터 뒤에 숨겨진 숫자들에 대해 이야기해 봅시다. 올해 초에 1100 억 달러를 조달하셨습니다. 이 수학은 어떻게 성립되었나요? 이 돈은 데이터 센터로 직접 투자되는 건가요? 그리고 투자자들에게 이 자금을 어떻게 회수할 계획인가요? 이러한 계산 논리에 대해 이야기해 주세요.

Greg Brockman:
내가 생각하기에, 이 문제는 근본적으로 매우 간단합니다: 우리의 주요 지출은 컴퓨팅 파워입니다. 그러나 당신은 컴퓨팅 파워를 비용 중심으로만 보면 안 되며, 오힘짐 중심처럼 보아야 합니다.

이를 영업팀 고용에 비유할 수 있습니다. 얼마나 많은 영업 직원을 고용하기 원하시나요? 제품이 팔리고, 이 제품을 규모 확장하여 판매할 수 있는 메커니즘이 있다면, 고용한 영업 직원이 많으면 많을수록 수익이 더 높아집니다.

우리가 현재 처한 세계는 결국, 우리는 수요 증가에 따라 컴퓨팅 파워를 충분히 빠르게 쌓아올릴 수 없다는 사실을 계속 깨닫는 중입니다. 이 점을 저는 지금 매우 구체적으로 느낄 수 있습니다. 우리는 어떤 기능을 올릴지, 일시적으로 어떤 기능을 미룰지에 대한 매우 고통스런 결정을 내려야 했습니다. 어디에 우선적으로 컴퓨팅 파워를 할당할지, 그리고 어디에 할당하지 않을지입니다.

또한 전체 경제가 AI 중심 경제로 이동함에 따라, 이러한 상황이 더 넓은 범위에서 발생할 것이라고 생각합니다.

미래의 실제 문제는 무엇이 막대한 컴퓨팅 파워를 얻을 수 있는지인가요? 어떻게 확장하면 매우 개인적인 지능을 갖게 할 수 있을까요? 모든 사람이 Codex와 같은 시스템을 사용할 수 있는 방법은 무엇인가요?

현재 이 세계에는 이러한 일들을 지원할 충분한 컴퓨팅 파워가 전혀 없습니다. 그래서 우리는 이 문제에 대비하기 위해 미리 준비 중입니다.

Alex:
그렇지만 이것은 결국 새로운 범주인데, 맞나요? 그리고 거의 전례없이 매우 강한 결정론을 사용하고 있습니다. 새로운 범주를 만들 때, 최종적으로 성공할 것을 어떻게 확신할 수 있나요?

Greg Brockman:
나는 이 문제가 여러 구성 요소로 이루어져 있다고 생각합니다.

첫째, 실제로 이미 역사적 선례가 있습니다. ChatGPT가 출시된 순간부터, 나는 스스로와 팀이 매우 명확한 대화를 나눴다고 기억합니다. 누군가가 나에게 "우리는 얼마나 많은 컴퓨팅 파워를 사야 하나요?"라고 물었습니다. 나는 "전부"라고 답했습니다. 누군가 또 "아니, 진짜로, 얼마나 사야 하나요?"라고 물었습니다. 나는 "우리가 얼마나 구축하려고 노력해도, 우리는 수요를 따라가기 어렵다는 것을 내가 알고 있다"고 했습니다.

이후 매 해마다 그 사실이 입증되었습니다. 문제는 이러한 해시파워 구매가 18개월 이전에 결정되어야 하며 때로는 24개월 또는 그 이상의 시간이 소요된다는 점입니다. 다시 말해, 기계가 실제로 납품되기 전에 판단을 내려야 합니다. 이는 매우 강력한 선행 예측이 필요함을 의미합니다.

우리가 향하고 있는 세계는 : 지금까지 대부분의 수익이 여전히 소비자 구독에서 나온 것이며, 이 부분이 앞으로도 매우 중요할 것이라는 것입니다. 물론, 우리는 다른 수익원을 형성하고 있습니다.

하지만 현재 떠오르고 있는 보다 큰 기회는 지식 작업에 있습니다.

우리는 이미 이것을 매우 구체적으로 보고 있습니다 : 사실 거의 모든 기업이 이 기술이 정말 유용하며 경쟁력을 유지하려면 채택해야 한다는 점에 대해 깨닫고 있으며, 매우 자연스럽게 소프트웨어 엔지니어들이 이미 사용하고 있습니다. 그리고 이제 더 넓게 보급되고 있으며, 사람들이 기업 내에서 다양한 지식 작업 상황에 이 기술을 사용하고 있습니다. 이미 지불 의사가 보이는 이 산업과 볼 수 있는 수입 증가는 매우 명확합니다.

이 일은 지금 진행 중입니다. 그것을 전개하도록만 하면 됩니다. 우리가 외부에서 보는 것보다 더 많이 볼 수 있을지도 모르겠지만, 우리가 이 모델이 어떻게 발전해 나갈지에 대해 더 명확하게 볼 수 있는 것이 있습니다.

이러한 요소들을 종합하면, 이 경제체 자체가 상상하기 어려울 만큼 거대한 것임을 알 수 있습니다. 이후 이경제체의 성장의 주요 요소는 AI일 것이며, AI를 얼마나 잘 활용하며 그를 구동할 얼마나 많은 해시파워를 가지고 있는가일 것입니다.

Alex：
당신은 방금 소비자 구독이 여전히 당사의 주요 수익원이라고 말했습니다. 그렇다면 당신의 판단은 앞으로 기업이 주요 수익원이 될 것이라는 것입니까?

Greg Brockman：
저는 지금 '기업 부문'이 빠르게 성장하고 있다는 것을 명확하게 알 수 있다고 생각합니다. 물론 '기업 부문'이라는 용어 자체도 변화하고 있습니다. 왜냐하면 그것이 실제로 가리키는 것은, 사람들이 생산적인 지식 작업에서 AI를 사용하고 있다는 것입니다.

가격 책정 방식으로 볼 때, 과거처럼 분류가 명확하지 않을 수 있다고 생각합니다. 예를 들어 현재 Codex의 사용 방식은 : 만약 ChatGPT의 소비자 구독이 있다면, 사실상 Codex를 사용할 수 있습니다.

그래서 미래가 예전처럼 명확하게 B2B, B2C로 구분되는 것은 아닐 것이라고 생각합니다. 사용자로서 당신은 통합된 입구를 가지게 될 것이고 - 마치 당신의 노트북처럼, 그것이 디지털 세계로 들어가는 문일 것입니다.

그리고 진정한 수익은 본질적으로 여기서 나오게 될 것입니다.

Alex:
Dario는 한 마디 했어요. 저는 그가 아마도 여러분에 대해 얘기하고 있다고 생각해요. 일부 플레이어는 리스크 척도를 너무 높게 설정했는데, 그는 이에 대해 매우 우려하고 있다. 그가 말한 것이 바로 여러분이 인프라에 대해 대규모로 배팅한 것이라 생각해요. 이 발언에 대해 어떻게 생각하시나요?

Greg Brockman:
저는 동의하지 않아요. 저희는 항상 매우 신중했고, 우리는 다음에 무슨 일이 일어날지 정말로 보았죠. 저는 실제로 올해만 보더라도, 모든 참여자가 ‘해시레이트 제한’을 느끼게 될 것이라고 생각해요.

저희는 다른 사람들보다 그저 이 사실을 더 일찌감치 깨달았고, 이 기술이 어떻게 전개될 것인지에 대비하기 시작했을 뿐이에요.

저가 보기에는 오히려 다른 많은 참여자들은 지난해 말쯤에야 이 사실을 깨달았고, 그래서 급하게 해시레이트를 찾기 시작했지만, 그때에는 사실상 사려 추가 애드할 해시레이트가 거의 없었어요.

그래서 이렇게 말하는 것은 쉬워요. 하지만 현실은, 모두가 이미 이 기술이 실행 가능하고, 이미 왔으며, 진짜라는 것을 깨달았다는 사실입니다. 소프트웨어 엔지니어링은 단지 첫 번째 명확한 예시에 불과합니다.

그리고 우리를 실제로 제한하는 것은 사용 가능한 컴퓨팅 파워입니다.

Alex:
그는 또 이야기했어요. 그의 예측이 조금이라도 어긋나면 그의 회사는 파산의 위기에 처하기 심합니다. 여러분도 같은 위험에 처해 있나요?

Greg Brockman:
저는 실제로 이것이 더 많은 ‘하이크라잉지’(단어 플레이)를 포함하고 있다고 생각해요. 만약 여러분이 하락 시나리오를 진지하게 고려하기 시작한다면—그건 완전히 타당한 질문이라고 생각합니다—그러면 어느 정도, 이 베팅은 원래 특정 회사에 대한 것이 아니었어요.

그것은 실제로는 전체 산업에 대한 것입니다. 이는... 여러분이 이 기술이 개발될 수 있고, 우리가 보는 이 큰 가치를 실현할 수 있을 것이라고 믿는지에 대한 내용입니다.

저는 여전히 그 매우 직접적인 증거 지점들로 돌아가고 싶어요. 예를 들어 소프트웨어 엔지니어링—만약 여러분이 소프트웨어 엔지니어가 아니고, Codex를 실제로 사용해 본 적이 없다면, 이 경험의 차이를 읽어서 이해하는 것은 정말 어렵습니다. 이 차이는 실제로 설명하기 어렵습니다. 하지만 저는 사람들이 진정으로 느끼기 시작할 것이라고 생각해요.

6개월 전까지, 이 경험이 대부분은 우리 내부에서만 일어났는데; 그 후로는 외부에서도 명백한 증거 지점이 있었어요. 그리고 다시 6개월 후면, 저는 모든 사람이 느낄 것이라고 생각해요. 그리고 그때, 우리 모두는 또 다른 유형의 고통을 느낄 것이라고 생각해요: 훌륭한 모델이 나왔는데 사용할 수 없다는 점 때문에, 왜냐하면 세상에 충분한 컴퓨팅 파워가 없기 때문에요.

Alex：
네, 그런데 우리가 2026년 예측을 했을 때, 작년 말에 Ranjan Roy와 함께 진행된 토론에서 2026년은 "모두가 스마트 AI를 사용하는" 해가 될 것이라고 했습니다. 그 당시 나의 반응은: 내 눈으로 직접 보고, 스스로도 정말로 스마트 AI를 사용하기 시작할 때, 나는 믿을 것입니다.

Greg Brockman：
그럼 지금, 우리는 이미 그 시기에 도달한 것이 아닌가요? 지금 당신은 그것을 어떻게 사용하나요?

Alex：
저는 내부적으로 일하는 동료들이 비디오의 온라인 시간이 언제인지, 썸네일은 어떻게 제작해야 하는지 등을 더 잘 동기화할 수 있도록 도와주는 도구를 만들기 위해 사용할 것입니다. YouTube의 일부 데이터도 가져와서, 썸네일 등의 요소를 기준으로 영상 성능을 분석할 수 있습니다. 이것은 어느 정도로, 내가 직접 설계한 소프트웨어 패키지로, 전통적인 방식대로라면 나는 아마 돈을 쓰지 않았을 것입니다.

나는 현재 이것이 매우 흥미로운 점이라고 생각합니다: 소프트웨어는 원래 대량으로 대중화되었지만, 그래서 그 안에는 항상 당신을 위해 만들어지지 않은 부분이 많았습니다. 그리고 아마도 AI가 가져다 줄 변화는 바로 우리가 소프트웨어와 더 자연스럽게 상호 작용할 수 있는 방법을 마침내 제공해 주기 때문일지도 모릅니다.

Greg Brockman：
제 생각에, 이것이 핵심입니다. 그리고 항상 생각해 온 한 가지는: 우리가 오늘날 컴퓨터를 구축하는 방식은 실제로 우리를 디지털 세계로 끌어들인 것입니다.

자신이 얼마나 많은 시간을 핸드폰에서 계속 컨텐츠를 스크롤하면서 보내는지 생각해보세요. 또한 얼마나 많은 시간을 계속 각종 버튼을 눌러 시스템을 저마저 시스템에 연결하려고 애쓰는지 생각해보세요—왜 이러한 일들이 꼭 당신 직접 해야 하는 일이어야 하나요? AI가 진정으로 해야 할 일은 기계를 당신에게 가깝게 끌어오고, 그것이 당신과 더 잘 맞고, 당신이 무엇을 달성하려는지 이해하게 하는 것입니다.

우리의 대중 문화에는 항상 이러한 상상이 있었습니다: 직접 컴퓨터와 대화하고, 그런 다음 대신해 주도록 요청하는 것. 그리고 이제, 이것이 현실이 되기 시작했고, 당신이 할 수 있는 일이 실제로 변하고 있습니다. 그리고이 변경이 얼마나 놀랍기 때문에, 많은 경우 당신은 직접 경험해 봐야만 실제로 이해할 수 있습니다. 그래서 나는 실제로 우리가 매우 독특한 순간에 있다고 생각합니다.

Alex：
그러면 저는 궁금해요, 왜 대중들이 AI에 대한 인식이 그토록 나쁜가요? 예를 들어 YouGov의 데이터에 따르면, AI가 사회에 부정적인 영향을 미칠 것이라고 생각하는 미국인들은 긍정적인 영향을 믿는 사람들의 세 배라고 합니다.

배후에 있는 이유는 무엇이라고 생각하시나요? AI의 대중 이미지에 대해 걱정하십니까?

그렉 브록먼：
내가 생각하는 건, 우리가 정말 실천해야 하는 것이 있습니다: 이 나라 사람들에게 AI가 왜 유익한지 보여주는 것입니다. 그것은 거시적 경제적 측면에서만이 아니라, GDP 성장을 촉진한다는 큰 말로만 이야기하는 것이 아니라, 그들의 삶을 어떻게 구체적으로 개선하는지에 대한 이야기입니다.

사실, 저는 매일 아주 구체적인 이야기를 많이 듣고 있습니다. 예를 들어 한 가족이 있는데, 그들의 아이가 계속 두통을 호소하고 다른 여러 가지 건강 문제도 있었지만, MRI 진단이 승인되지 않았습니다. 그들은 나중에 챗GPT를 사용하여 증상을 연구하고, 사실 그들이 이를 바탕으로 보험 회사에 더 강력한 청구 이유를 제시할 수 있다는 것을 깨달았습니다. 그들이 그렇게 했더니, 결과적으로 아이의 두뇌에 실제로 종양이 있음을 발견했습니다. 또한 챗GPT를 통해 올바른 정보를 얻은 덕분에, 마침내 아이의 생명이 구해졌습니다.

이것은 그저 한 가지 이야기에 불과합니다. 이와 유사한 이야기는 훨씬 많습니다. 사람들의 삶이 이 기술에 의해 심각하게 개선되었고, 때로는 목숨도 구해졌습니다. 핵심은, 그들이 실제로 이 기술과 협력 관계를 맺었다는 것입니다.

하지만 내가 생각하기에, 그런 이야기들이 실제로 완전히 전해지지 않고 있는 것 같습니다. 저는 이런 일이 많은 사람들의 삶에서 일어나고 있다고 믿지만, 이유는 잘 모르겠지만, 이것이 아직 주류 서사로 변하지 못했다고 생각합니다.

또한, 내가 주목한 것은 팝컬쳐, 특히 90년대부터 이어져 내려온 그 상상력이 AI에 매우 부정적이라는 것입니다. 항상 무슨 문제가 발생할 수 있다고 강조합니다. 그러나 한 번 실제로 AI를 사용하기 시작하면, 그것이 유용하고 도움이 된다는 것을 발견하게 됩니다.

그래서 저는 실제로 이런 한 가지 사실을 매우 중시합니다: 우리는 아직 현재 기술 파도가 왜 사람들의 삶을 개선하고, 인간과 인간 간 연결을 촉진할지를 성공적으로 설득하지 못했다고 생각합니다.

이것은 제 마음속에서 매우 중요한 주목할 점입니다. 그리고 조금 더 넓은 시선으로 AI가 왜 여전히 중요한지 확인해 보면, 그것이 미래에 경제적 힘과 국가 안보의 중요한 원천이 될 것이라고 생각합니다. 그것은 한 나라의 경쟁력에 관련이 있을 것입니다. 그리고 중국과 같은 다른 나라들은 AI에 대해 거의 완전히 반대 방향을 보여주고 있습니다.

그래서, 네, 이것은 정말로 중요한 문제라고 생각합니다. 우리는 이것에 직면해야 하며, 또한 모든 사람이 이 기술의 혜택을 공유할 수 있도록 어떻게 할지 실제로 고민해야 합니다.

알렉스：
하지만 우리는 지금 매우 불안정한 시기에 있습니다. 모두가 일자리에 대해 매우 걱정합니다. AI에 대해 누군가와 이야기할 때마다, 그들은 거의 항상 묻곤 합니다: 내 일자리는 얼마나 더 오래 유지될 수 있을까요?

그리고 다시 데이터 센터에 대해 이야기할 때, 대중의 인식은 AI 자체보다도 더 안 좋습니다. 여론조사를 보면, 더 많은 사람들이 데이터 센터가 환경, 가정 에너지 비용 및 근처 주민의 삶의 질에 부정적인 영향을 미칠 것으로 생각하며, 긍정적인 영향을 믿는 사람보다 더 많습니다.

그래서 우리는 지금 이런 시기에 있습니다. 좋은 일자리는 더욱 어려워지고 있고, 사람들은 자신의 지역에 데이터 센터가 들어오는 것을 보고 이게 환경에 이로울 바 없으며 에너지 비용을 높일 뿐만 아니라 삶의 질을 낮출 것이라고 생각합니다.

그들이 틀렸을까요?

Greg Brockman:
저는 데이터 센터에 대한 주변에는 많은 오해가 있다고 생각합니다.

아주 전형적인 예로 물 사용 문제가 있습니다. 만약 여러분이 실제로 저희가 아빌린(Abilene)에 있는 시설을 방문한다면, 그곳은 세계에서 가장 크거나 적어도 그중 하나인 슈퍼 컴퓨터 시설이며, 그것의 연간 물 사용량은 사실 상영 가정의 연간 물 사용량에 불과합니다. 즉, 물 사용량은 사실 미미합니다.

하지만 외부에는 많은 오해가 있어서 사람들은 이러한 데이터 센터가 상당량의 물 자원을 소모할 것으로 생각합니다.

전기도 비슬한 상황이며 마찬가지입니다. 저희는 비용을 부담할 것을 약속했고, 전기 요금 인상 압박을 주민들에게 전가하지 않겠다고 약속했습니다. 이 부분은 매우 중요하며, 지금은 업계 전체가 비슷한 약속을 시작하고 있습니다. 지역 사회를 개선하는 것이 정말 중요합니다. 그리고 데이터 센터를 구축할 때, 우리는 실제로 그 지역 사회에 진입하여 지역에서 무슨 일이 일어나고, 우리가 어떻게 도울 수 있는지를 이해합니다. 데이터 센터는 세금 수입을 가져오고 일자리를 창출합니다. 이것은 정말 많은 혜택을 제공합니다.

그러므로 저는 이것이 우리가 어느 방식으로 나타나느냐에 달렸다고 생각합니다. 이것은 우리가 매우 진지하게 대하는 책임 중의 하나입니다.

Alex:
좋아, 하지만 주민들의 전기요금이 인상되지 않는다면, 여전히 전기를 공급받아야 할 텐데, 이는 더 많은 오염을 의미할 수도 있습니다. 이것이 문제가 아닌가요?

Greg Brockman:
저는 이것에는 사실 많은 미묘한 수준이 있다고 생각합니다.

오늘날 전력망의 운영 방식을 보면 사실 「유휴 전력」이 많이 존재한다는 것을 알 수 있습니다. 즉, 많은 전력이 실제로 존재하지만 실제로 활용되지 않고 있습니다. 동시에, 전력 공급 시스템 자체도 업그레이드가 필요합니다. 또한, 중요한 것은 이러한 업그레이드 비용들이 우리가 부담해야 하며, 일반 요금 지불자들이 부담하면 안 된다는 것입니다. 이것 역시 매우 중요합니다. 그리고 많은 곳에서 실제로 깨끗한 에너지가 이미 존재하는데, 이러한 전력이 사실상 충분히 활용되지 않고 있거나 어느 정도 낭비되고 있습니다.

그러므로, 데이터 센터의 수요가 진입하면서 오히려 이미 낡아 빠진 전력망을 업그레이드하기 위한 일종의 실질적 동력을 제공합니다. 이러한 업그레이드는 실제로 지역 사회에 현실적 이익을 제공할 것입니다. 예를 들어, 노스 다코타 주에서는 지역 데이터 센터 구축이 오히려 공공 시설 인프라를 개선하는 데 도움이 되어 주민의 전기 요금이 하락하는 결과를 보았습니다.

Alex：
좋아요, 마지막으로 정치 문제 하나요. 당신은 MAGA Inc. 에 2500만 달러를 기부했는데, 그것은 트럼프를 지지하는 정치 행동 위원회입니다.

Greg Brockman：
이 전에 Kara와 이 문제에 대해 이야기했던 것 같아요.

참고: Kara Swisher는 미국의 유명한 기술 저널리스트로, 실리콘밸리와 인터넷 기업을 오랫동안 보도하며 예리한 질문과 직선한 스타일로 유명합니다.

Alex：
네, 당시 당신은 이렇게 말했었죠: "모든 사람에게 진정으로 혜택을 주는 기술을 위해 무엇이든 할 것입니다." 이로 인해 당신이 '단일 주제 유권자' 또는 '단일 주제 기부자'가 되었다 해도 괜찮다고 했습니다. 그러나 저는 계속 생각해왔습니다: 이러한 '단일 주제 진영'에 대해, 궁극적으로 어떤 정치적 행동이 가장 핵심적인 방향을 가져야 하는지, 그것이 바로 '이 나라를 강하게 만드는 것'이어야 한다고 생각되지 않습니까?

즉, 어떤 후보가 당신이 하는 일을 백퍼센트 지지하는 것은 아니지만 그가 이 나라를 더 강하게 만들 수 있다면, 그것이 정치적 지원의 중요한 기준이 되어야 하는 것이 아닌가요? 만약 그렇다면, 그것은 당신의 기부 고려 사항 중 하나이기도 한가요?

Greg Brockman：
나는 다음과 같이 보고 있습니다: 그 기부금은 저와 제 아내가 함께 한 결정이었습니다. 우리는 양당 진영의 슈퍼 PAC에도 기부했습니다.

나는 이 기술이 아주 빨리 나타났다고 생각합니다. 몇 년 내에 그것은 정말 모든 것을 바꿀 것이고, 전체 경제의 기초가 될 것이다. 그러나 지금은 인기가 없습니다. 그래서 우리는 정말이 기술을 품는, 이 기술을 진지하게 이해하는 정치인들을 지원하고 싶다고 간절히 바랍니다.

물론 더 큰 관점에서 본다면, 이 기술 자체가 우리 나라의 능력을 향상시키고 있습니다. 어느 정도로, 저는 실제로 '단일 주제 유권자'인 것 같습니다. 왜냐하면 이것이 내가 가장 독특한 기여를 할 수 있는 분야라고 생각하기 때문입니다. 그러나 궁극적으로, 이것은 한 가지를 지원하는 것이며, 우리가 국가로서 이 기술을 적극적으로 받아들여야 한다는 것을 표현하고 있습니다.

미래의 핵심 능력: AI 사용이 아니라 'AI 관리'

Alex：
지금 당신 앞에 AI를 매우 두려워하는 사람이 앉아 있다면, 그는 AI가 내 직업을 빼앗고, 내 지역을 망치고, 세계를 너무 빨리 변하게 할 것이라고 생각할 것입니다. 당신은 그에게 무엇을 말하겠습니까?

Greg Brockman：
가장 말하고 싶은 점은: 이러한 도구들을 직접 경험하라는 것입니다. 왜냐하면 이미 존재하는 현대의 AI를 직접 경험해보지 않으면, 그것이 정말 당신을 위해 무엇을 할 수 있는지 정말 이해하지 못할 것입니다.

그리고 오늘 우리는 이미 이 기술로부터 많은 기회, 잠재력 및 능력을 보았습니다. 방금 말하신 대로 지금은 그것으로 무엇을 할 수 있는지 알 수 있죠, 맞죠? 이전에는 웹사이트를 만들어본 적이 없는 사람도 이제는 웹사이트를 만들 수 있고; 만약 작은 사업을 하고 싶다면, 예전에는 백오피스 프로세스와 운영 세부사항에 겁먹었겠지만 이제는 AI가 이와 같은 많은 일을 처리하는 데 도움을 줄 수 있습니다.

그래서 나는 당신의 삶에 대해 생각해 볼 때 당신이 건강을 관리할 수 있는지, 사랑하는 사람을 돌볼 수 있는지, 돈을 벌 수 있는지, 돈을 절약할 수 있는지 생각해보아야 한다고 생각합니다. 이 모든 것들이 현실적인 옵션으로 제시될 것입니다.

나는 사람들이 항상 "무엇이 변화할지"를 더 쉽게 보지만, "스스로 얻게 될 것"은 그렇게 쉽게 보지 않는다고 생각합니다. 하지만 나는 그것에 대해 공정한 기회를 주는 것이 가치 있다고 생각하며, 두 극단이 무엇인지 신중하게 이해해야 한다고 봅니다.

Alex：
그리고 함께 말하자면, 이것은 여론 조사에서 거의 논의되지 않는 측면 중 하나기도 합니다. "AI에 대해 들어본 적은 있지만 실제로 사용해 본 적이 없는 사람이나 거의 사용해 보지 않은 사람들"은 종종 더 부정적인 경향이 있습니다. 그러나 한 번 중독이 되면 거의 일반 사용자라도, 기술에 대한 태도는 일반적으로 훨씬 긍정적입니다.

Greg Brockman：
내 자신에게는, 우리는 이미 많은 해 동안이 기술을 고민해 왔습니다. 그리고 이제 보는 현실적인 전개 방식은 우리가 상상했던 것보다 더 놀라운, 더 유익한 영향을 가져오며, 예상 이상으로 긍정적인 영향을 줄 것입니다.

Alex：
마지막 질문. 미래를 위해 어떻게 준비해야 하는지 물어본다면 어떻게 대답하겠습니까?

그리고 이 답변은 "도구를 사용하라"만으로는 안 됩니다. 왜냐하면 내 주변에서는 정말 "내 직업이 어떻게 될지 모르겠고, 세상이 어떻게 될지 모르는데, 지금은 어떻게 해야 할지만 알고 싶다"고 물어오는 친구가 있었기 때문입니다.

Greg Brockman：
나는 여전히, 첫 번째로는 이 기술을 이해해야 한다고 생각합니다. 우리는 이미 이 기술에서 가장 많이 얻어낸 사람들이 종종 그 기술에 호기심을 가지고 접근하는 사람들이라는 것을 보았기 때문입니다. 그들은 실제로 이 기술을 자신의 업무 흐름에 통합시키려고 하며, 시작할 때 마주치는 공허한 입력란에 대해 진지하게 고민합니다.

여러분은 차츰 "나는 관리자가 될 수 있다; 방향을 제시할 수 있다; 업무를 맡길 수 있다; 감독할 수 있다"는 적극적인 태도를 기르도록 노력해야 합니다. 이러한 능력을 확실하게 개발해야 하며, 이것은 매우 기본적인 능력이 될 것입니다.

우리는 이 기술을 만들 때 이것이 인간을 돕고, 더 많은 연결을 촉진하여 사람들이 자신이 진정으로 하고 싶은 일을 할 시간을 더 가질 수 있도록 하기 위한 것이라는 것을 이미 알고 있습니다. 그래서 최종적으로 문제는 바로 이것이 될 것입니다: 여러분이 정말 원하는 게 무엇인가? 그리고 중요한 것은 이 문제를 명확히 이해하고, 이 기술을 활용해 그것을 실현하는 데 있습니다.

Alex：
그렇습니다. 프로그램에 참여해 주셔서 정말 감사합니다.

Greg Brockman：

초대해 주셔서 감사합니다.

Alex：
모두의 청취와 시청에도 감사드리며, 다음 회 Big Technology Podcast에서 만나요.

[비디오 링크]

BlockBeats 공식 커뮤니티에 참여하세요:

Telegram 구독 그룹：https://t.me/theblockbeats

Telegram 토론 그룹：https://t.me/BlockBeats_App

Twitter 공식 계정：https://twitter.com/BlockBeatsAsia