카파시가 말하는 AI 에이전트 시대의 생존법

안녕하세요, 슈크림빵입니다! 오늘은 제가 흥미롭게 읽은 글을 생각해보고자 가져왔습니다.😎 저도 개발자로 지내다 보니 새로운 기술에 대한 FOMO(놓칠까 봐 두려움)가 항상 존재합니다. 하지만 때론 이러한 두려움 자체를 무기화하는 현상에 지칠 때도 있죠. 이 글은 그 포모에 대해 "기다려도 괜찮다"고 얘기하는 글입니다! 원문: "I'm OK being left behind, thanks!" 몇 년 전, 누군가 저에게 암호화폐를 권한 적이 있습니다. "이게 돈의 미래야!" 라고요. 저는 좀 더 쓸 만하고, 덜 불안정하고, 쓰기 쉽고, 완전히 신뢰할 수 있게 되면 그때 시작하겠다고 답했습니다. 그러자 이런 말이 돌아왔습니다. "뒤처지고 싶어?" 이상한 말이라고 느꼈습니다. 뒤처진다니, 대체 뭐에서요? 비트코인이든 뭐든 정말로 우리 모두를 경제적 고단함에서 해방시켜줄 거라면, "일찍 들어가는 것"이 무슨 의미가 있을까요? 내일도 거기 있을 텐데, 제가 적절하다고 느낄 때 합류하면 되는 거 아닌가요. 크립토 시절의 대표적인 압박 문구가 있었습니다. "가난하게 살면서 재미나 보세요(Have Fun Staying Poor)." FOMO를 무기화한 이 문장은, 사람들의 회의감을 내려놓게 만드는 교묘한 방법이었습니다. 지금의 AI 도구들을 보면서 비슷한 감정을 느낍니다. 이것저것 써봤습니다. 괜찮은 것도 있었습니다. 대부분은 좀 별로였습니다. 지금 상태로 저에게 실질적으로 유용한 건 거의 없었습니다. 과대광고가 현실이 될 때까지 기다려도 전혀 불안하지 않습니다. DOS용 워드스타 사용법을 지금 배워야 할 이유가 있을까요? 구글 독스가 곧 나올 텐데요. 이 기술이 정말 말하는 것만큼 대단하다면, 제가 원하는 시점에 배워도 충분히 생산적으로 쓸 수 있을 겁니다. 당신의 일정이 아니라 저의 일정에 맞춰서요. Git이 처음 나왔을 때 바로 쓰지 않았습니다. 안정화되고, 채용 공고에서 요구하기 시작했을 때 배웠습니다. 초창기의 고생을 함께 했다면 7% 정도 더 능숙했을까요? 어쩌면요. 하지만 그래서 뭐 어떤가요? 결국 뜨지 못한 기술을 배우느라 같은 시간을 낭비했을 수도 있습니다. 석사 논문을 메타버스로 썼습니다. VR을 만드는 법을 배우는 건 재밌었지만, 완전히 시간 낭비였습니다. 일찍 들어간 것이 가져다준 실질적 효용은 정확히 제로였습니다. 물론 최전선에 서는 것이 합리적인 경우도 있긴 ...

WSJ이 최근 보도한 "OpenAI 경영진이 직원들에게 집중하라고 했다"는 뉴스가 보도 됐습니다. 겉보기엔 평범한 경영 전략 이야기 같지만, 한 발 물러서서 보면 훨씬 큰 그림이 보입니다. 이건 IPO 경쟁이다 지금 미국 AI 업계에서 벌어지고 있는 건 Anthropic, OpenAI, xAI(SpaceX 소유) 세 회사의 IPO 레이스가 시작됐습니다. 이코노미스트에 따르면, 세 회사가 각각 지분 15%를 공개할 경우, 그 합산 금액이 지난 10년간 미국 전체 IPO에서 조달된 금액과 맞먹는다고 합니다. 그런데 타이밍이 좋지 않죠. 중동 정세가 불안정해지면서, 그간 AI 투자를 뒷받침해온 걸프 국부펀드들의 지갑이 닫히는 중입니다. 결국 뉴욕과 런던의 공개시장 투자자들이 그 무게를 감당해야 하는 상황으로 여전히 IPO 창구는 열려 있지만, 오래 열려 있지는 않을 것으로 보입니다. OpenAI의 문제: "사이드 퀘스트" OpenAI는 최근까지 사방으로 흩어져 있었습니다. Sora(영상 생성), Atlas(웹 브라우저), 하드웨어 디바이스, AI용 TikTok… 매번 같은 에너지로 발표하고, 매번 다른 제품이었습니다. COO 시모(Simo, 전 Facebook 앱 총괄)는 지난주 올핸즈에서 직원들에게 "사이드 퀘스트를 멈춰라"고 했습니다. 시가총액 8,400억 달러짜리 회사가 서로 관련 없는 실험을 동시다발로 돌리고 있었다는 뜻인데... 그 사이에 가장 집중력 있는 경쟁사(Anthropic)가 시장을 먹고 있었습니다. WSJ 보도 자체가 전략이다 흥미로운 건 이 보도의 성격인데요. WSJ은 트랜스크립트를 "reviewed"했다고 썼다. 유출됐다거나 입수했다는 표현이 아니다. 이건 통제된 유출(controlled leak)입니다. "사이드 퀘스트", "코드 레드", "Anthropic 웨이크업 콜" — 시모의 발언 하나하나가 외부 소비용으로 선택된 단어들입니다. 조직 혼란을 인정하되, 그것을 "이제 정신 차렸다"는 서사로 포장하여 투자자와 고객을 향한 메시지로 내비칩니다. 같은 주에 나온 다른 뉴스로는? 로이터: OpenAI가 TPG, Advent, Bain Capital, Brookfield와 100억 달러 규모의 엔터프라이즈 합작법인을 추진 중 프론티어 얼라이언스: McKinsey, BCG, Accenture, Capgemini와 파트너십 발표 이 모든 뉴스가 하나의 퍼즐이고, 최종 청중은 딱 하나 — IPO 가격을 매길 투자은행과 기관투자자입니다. Anthropic의 무기: 개발자 Anthropic에는 워싱턴의 친구가 없습니다. 오히려 국방장관 헤그세스는 Anthropic이 펜타곤에 모델 무제한 접근을 거부하자 "공급망 리스크"로 지목했고, 알트먼은 그 빈자리를...

"Yes, and…" Carson Gross는 몬태나 주립대 컴퓨터과학 교수이자 세 아들의 아버지로, 요즘 가장 많이 받는 질문에 대한 답을 이 글에서 풀어내고 있습니다. "AI 시대에 프로그래머가 되어도 괜찮은가?" 그의 대답은 "Yes, and…"였습니다. "Yes" — 여전히 유효한 커리어다 프로그래밍의 본질은 컴퓨터로 문제를 해결하고, 그 과정에서 복잡성을 제어하는 것이다. 이 능력의 가치가 줄어들 미래는 상상하기 어렵다. "직접 코드를 써라" AI가 주니어에게 특히 위험한 이유는, 코드 생성을 AI에 맡기면 코드를 읽는 능력이 생기지 않기 때문이다. 코드를 읽지 못하면 자신이 만든 시스템을 이해하지도, 통제하지도 못하는 "마법사의 제자" 함정에 빠진다. 흔히 "코딩→프롬프팅"을 "어셈블리→고급언어" 전환에 비유하지만, Gross는 동의하지 않는다. 컴파일러는 결정론적이고 우발적 복잡성을 줄여주지만, LLM은 비결정론적이며 오히려 부적절한 접근 방식으로 복잡성을 추가할 수 있다. AI는 훌륭한 조교다 AI를 코드 생성기가 아닌 학습 파트너로 활용하면 성장에 큰 도움이 된다. 특히 도구 설정이나 환경 문제 같은 우발적 복잡성에 막혀서 의미 없이 시간을 낭비하는 상황을 줄여준다. "and…" — 달라지는...

안녕하세요. 저는 슈크림빵입니다! 🫓 밸리 활동을 많이 하지 않아서 저를 처음 보는 분들이 많으시겠죠? ㅎㅎ 그래서 간단히 제 소개를 드리자면, 저는 AI Engineer로 일하고 있습니다. 마침 제가 다음주에 회사에서 중요한 발표를 앞두고 있습니다. 아직 신입이라 개발도 연구도 커뮤니케이션도 문서 정리와 PPT, 발표 등 결국 못하는 것이 없어야 하는구나를 몸소 배우며 좌충우돌 지나보내고 있네요. 사실 이번주까지 발표 자료 공유해달라 했는데, 시간이 부족해서 못했어요^^ 그러다보니 전 주말에 혼자 회사에 덜렁 앉아 있습니다.ㅋㅋ 에라이💩💩💩 그래서 일하기 싫어서 좀 쉬다 갑니당..^^ 헤헤 오늘 작업 효율성을 위해 한 번 claude PPT 기능을 써보기로 했고, 간단하게 공유 글을 써보았습니다! 대단한거 하나도 없습니다 ㅋㅋㅋ 그리고 이곳엔 저같은 병아리🐣가 없는 것 같아요...^^ 공식 안내는 PowerPoint에서 Claude 사용 해보기 이곳에서 보실 수 있습니다. 사실 이런 설명보단 직접 써보는 것이 가장 빠르잖아요? 그럼 시작합니다.🫵 설치를 하면 제일 오른쪽 끝에 클로드가 생깁니다! 그리고 오른쪽에 챗봇 형식으로 창이 따로 생기는데요. 제가 슬라이드 페이지를 옮기면 이렇게 선택된 슬라이드에 대한 질문을 할 수 있으며, 이렇게 해보라며 권유를 해주네요. 0. 텍스트 수정 제목과 부제목 추천 쉬운 것부터 시켰습니다. 🎯 추천 제목 & 부제목 1. 성장 스토리형 제목: 첫 걸음에서 한 걸음 더 부제목: 시용 기간 동안의 성장과 배움의 기록 2. 여정 중심형 제목: 함께한 시간, 만들어낸 결과 부제목: [이름]의 시용 기간 활동 리뷰 3. 깔끔 심플형 제목: 지난 N개월, 이렇게 달려왔습니다 부제목: 시용 기간 주요 활동 및 성과 공유 4. 자신감 표현형 제목: 준비된 팀원이 되기까지 부제목: 시용 기간...

안녕하세요, 저는 슈크림빵이고요. 우리는 밸리에서 만났습니다. 연휴의 첫 시작을 알리는 금요일 밤, 자정이 넘어 토요일에 뵙네요. 오늘 리뷰할 글은 〈The Singularity will Occur on a Tuesday〉 (2026년 2월 10일) 입니다. 이 글을 쓴 주인공은 캠 페더슨(Cam Pedersen)입니다. 샌프란시스코 엔지니어로, Municipal Robotics에서 로봇을 만드는 사람입니다. 블로그에 이런 기술 글을 자주 쓰고, 본인을 Engineer 또는 Optimist라고 소개합니다. 살짝 미쳐 있는 엔지니어 같죠. 특이점은 수학, 과학에서 많이 쓰이는 개념인데 저도 로봇쪽 AI Engineer라서 특이점을 듣고 괜히 반가웠습니다. 실제로 로그를 디버깅하다 보면 설명할 수 없는 에러가 많고 싱귤러리티(특이점)이 많이 발생하거든요. 본문 내용은 AI 관련 종사자가 아니라면 이해하기에 좀 어려울 수 있습니다. 수식도 많고, 개념이 익숙지 않을 거예요. 그냥 슥슥 넘겨가며 읽으셔도 좋습니다! 일부러 원글의 분위기를 살리기 위해 번역해서 거친 문체 그대로 가져왔어요! "Wait, the singularity is just humans freaking out?" "Always has been." 샌프란시스코의 모든 사람들이 특이점 얘기를 하고 있다. 저녁 파티에서, 커피숍에서, 왠지 모르게 애쉬튼 커처가 나타난 OpenClaw 밋업에서. 대화는 늘 같은 패턴이다: 누군가는 곧 온다 하고, 누군가는 허황된 소리라 하고, 아무도 숫자는 없다. 질문 자체가 잘못됐다. 만약 뭔가가 가속하고 있다면(그리고 측정상 실제로 그렇다면), 흥미로운 질문은 '올 것이냐'가 아니다. '언제'냐다. 그리고 가속하고 있다면, 정확히 언제인지 계산할 수 있다. 나는 AI 발전의 실제 지표 5가지를 수집해서, 각각에 독립적으로 쌍곡선 모델을 피팅하고, 극점을 향해 진짜 곡률을 보이는 지표를 찾았다. 날짜는 밀리초 단위까지 정밀하다. 카운트다운이 있다. (이게 미친 짓인 건 안다. 어쨌든 하는 거다.) 데이터 5가지 지표를 골랐는데, 내가 인류학적 중요성이라 부르는 기준으로 선정했다 (여기서 anthropic은 "인간에 관한"이라는 그리스어 의미다. 그 회사 말고. 뭐 데이터셋에 의심스러울 정도로 자주 등장하긴 하지만): MMLU 점수: 언어 모델용 수능시험 달러당 토큰 수: 지능의 비용 붕괴 (로그 변환함. 제미나이 플래시 이상치가 150배 범위를 차지해서) 프론티어 출시 간격: "뭐야 이게" 순간들 사이의 줄어드는 간격 arXiv "emergent" 논문 수 (최근 12개월): 밈적으로 측정한 분야의 흥분도 코파일럿 코드 점유율: AI가 작성한 코드 비율 왜 쌍곡선인가 대부분의 사람들은 AI를 지수함수로 외삽한다. 틀렸다! 지수함수 는 t → ∞일 때만 무한대에 접근한다. 영원히 기다려야 한다. 말 그대로. 우리가 원하는 건 유한한 시간에 무한대에 도달하는 함수다. 그게 특이점의 정의다. 수직 점근선, 수학이 깨지는 지점: 일 때, 분모가 0으로 간다. 버그가 아니다. 기능이다. 다항식 성장()은 유한 시간에 절대 무한대에 도달하지 않는다. 열적 죽음까지 기다려도 은 여전히 유한하다. 다항식은 AGI가 "수십 년 후"라고 생각하는 사람들을 위한 거다. 지수 성장은 에서 무한대에 도달한다. 기술적으로는 특이점이지만, 무한히 인내심 있는 특이점이다. 무어의 법칙은 지수적이었다. 우리는 더 이상 무어의 법칙 위에 있지 않다. 쌍곡선 성장은 성장하는 것이 자기 자신의 성장을 가속할 때 일어나는 일이다. 더 나은 AI → 더 나은 AI 연구 도구 → 더 나은 AI → 더 나은 도구. 초선형 역학의 양의 피드백. 특이점은 실재하고 유한하다. 피팅 절차는 간단한데, 이게 좀 걱정되어야 한다. 모델은 각 지표에 별도의 쌍곡선을 피팅한다: 각 계열 는 자체 스케일 와 오프셋 를 가진다. 특이점 시간 는 공유된다. MMLU 점수와 달러당 토큰 수는 같은 y축에 있을 이유가 없지만, 극점이 언제인지에는 동의할 수 있다. 각 후보 에 대해, 계열별 피팅은 와 에 대해 선형이다. 질문은: 어떤 가 쌍곡선을 가장 잘 피팅하는가? 아무도 말해주지 않는 특이점 피팅의 진실이 있다: 대부분의 지표에는 실제로 특이점이 없다. 모든 계열에 걸쳐 총 RSS를 최소화하면, 최적 는 항상 무한대다. 멀리 있는 쌍곡선은 직선으로 퇴화하고, 직선은 노이즈 있는 데이터를 그럭저럭 잘 피팅한다. "특이점 날짜"는 검색 경계로 설정한 게 ...