개인 AI 컨텍스트의 시대

https://youtu.be/k3pZRrSmrtk?si=uVba_ufjPSXbgaos 공감이 많이 되는 내용이라 가져왔습니다. AI 생성의 시대/AI agent의 시대에 뒤쳐지고 있다는 FOMO 그리고 우울. 그에 대한 저 자신의 관찰을 토대로 해당 영상을 접하게 되었고, 나만 느끼는 것이 아니라는 사실을 인지하게 된 것 같습니다. 결국은 내가 할 수 있는 만큼, 내가 재미있는 만큼, 현재와 현실에 주의집중하여 충만함과 배움의 재미로 회귀하는 태도를 지녀 보아야겠다는 생각을 해봅니다. 아래는 해당 영상의 스크립트를 토대로 AI에게 정리 및 요약을 부탁한 내용입니다. 아래는 대화(에피소드) 전체의 핵심 논지를 주제별로 압축 정리한 요약입니다. 1) 문제의식: “AI 딸깍” 시대가 만드는 불안(FOMO)과 우울 하루/일주일 만에 고품질 소프트웨어가 쏟아지면서 따라가지 못한다는 감각 → FOMO → 스트레스/우울이 생긴다. AI 관련 콘텐츠 산업 자체가 “큰일 났다, 따라와야 한다”는 톤으로 FOMO를 유발하며 성장하는 구조도 지적한다. 2) MVK(Minimum Viable Knowledge): “모르는 채로도 옳은 방향으로”의 화두 핵심 질문: “모르는 상태에서 출발해도, 결국 옳은 방향으로 가려면 최소한 뭘 갖춰야 하나?” ...

https://www.instagram.com/p/DTMLQkZEj3m/ 스탠포드가 코드를 직접 치지 않아도 되는 CS146S 소프트웨어 개발수업을 도입하며 교육의 초점을 바꾸고 있다. 이 수업은 코딩의 문법과 알고리즘보다 AI 도구를 활용해 문제를 정의하고 시스템을 설계하는 능력을 핵심으로 삼는다. 변화하는 개발자시장: 코딩을 당연한 전제이자 도구로 두고 '무엇을 만들지, 어떤 구조와 기준으로 설계할지'에 교육의 초점을 옮긴 것이다. 기술의 장벽이 낮아진 자리에서, 문제를 정의하고 방향을 설계하는 능력이 개발자뿐 아니라 기획자와 창업가의 핵심 경쟁력이 되고 있다. 위 인사이트를 통해서 얻을 수 있는 것은 ‘개발'에 대한 기반이 바뀌어 나가고 있다. 대혁명이 일어나고 있다. 개발 공부 & 코딩을 몰라도 된다는 것은 아니지만, 개발과 코딩을 사용하지 않고도 소프트웨어를 개발해보는 시도들이 이어나가지고 있으며, 핵심 능력이 문제를 정의하고 시스템을 설계하는 방향으로 흘러가고 있음을 시사한다.

GPT에게 이것저것 시켜보고 활용해보면서 저에 대해서 많은 것들을 학습 시켜뒀습니다. 제 일기, 사고 패턴, 기질, 성격, 가치관, 의사결정 로직 등등 그리고 그 외에도 인지조차 못 할 저의 무의식 마저도 GPT에 입력해두면서 모든 제 정보를 팔아 넘겼습니다 어느 순간부터는 저의 시스템2의 보조가 되어서, 저의 무의식을 설명하기도 하고 시스템1의 충동도 제어할 조언도 하고, 대충 저의 무의식을 비추고 생활 패턴의 맞는 조언을 만들어내는 수준까지 이끌어냈습니다. 기존에도 저는 저에 대한 정보들을 문서화해두었습니다. 나의 장점, 단점, 성격, 기질, 습관, 가치관 등등을 말이죠. (이하 카르마) 여기서 드는 생각... 아.. 이것들을 통합적으로 하나의 데이터베이스(창고)에다가 일목요연하게 정리해두고 구성해두면 RAG(LLM이 답을 생성하기 전에 외부 데이터를 찾아와 같이 쓰게 만드는 구조)처럼 사용한다면.... 0.3~0.5 분량의 제가.. 만들어져서, 나의 카르마를.. 반영하는 목표들과 프로젝트들 할 일들의 기획과 실행을 보조하는 비서이자, 각종 저장해둔 아이디어들로 창의적인 프로젝트를 기획해낼 브레인 스토밍의 용도로 사용할 수 있지 않을까..? 하는 생각이 들었습니다. 그래서 시작해보려고 합니다. '닥터가드너' 님의 Life OS 템플릿(Notion)을 기반으로 하여 해당 템플릿에 적응하고 기존의 저의 Life OS(삼성노트)를 Notion에 이식하는 과정을 거친 다음 위 아이디어를 실행해보려고 합니다. 일단 그 시작을 해나가려고 하기에 일단 아이디어를 기록해둡니다. 좋은 후기로 다시 글을 이어나갈 수 있으면 좋겠습니다. 당장은 좋은 아이디어라는 생각에 묘한 흥분감이 드네요 중간 후기

① 들어가며 – 1분기 쇼크 이후, 3분기 13F가 보여주는 새로운 AI 지도 2025년 1분기, 웨일 락 캐피탈은 AUM이 3분의 1이 날아가는 악몽 같은 분기를 통과했습니다. 그 와중에도 알렉산더 사서도트는 포트폴리오를 대충 줄이는 대신, 에너지–하드웨어–데이터–플랫폼–보안을 하나의 수직 계층으로 바라보며 AI 경제를 “풀스택으로 사는” 구조로 다시 짰죠. 애플과 전통 SaaS를 대거 덜어내고, 셀레스티카·블룸 에너지·임핀지·몽고DB·마이크로소프트·옥타 같은 종목을 축으로, AI가 돌아가기 위해 필요한 거의 모든 층을 한 포트폴리오 안에 쌓아 올린 그림이었습니다. 그로부터 반년이 지나 2025년 3분기. 이번에는 실제 13F 공시 데이터만을 가지고, “지금 이 순간, 사서도트가 AI 밸류체인의 어디에 가장 강하게 베팅하고 있는가”를 다시 그려보려 합니다. ② Q3 포트폴리오 스냅샷 – 극도로 집중된 36개, 인프라 41%, 플랫폼 48% 1) 숫자로 보는 전체 구조 Q3 13F를 그대로 펼쳐 보면, 총 44개 종목이 나오지만 이 중 현재 보유 중인 종목은 36개, 나머지 8개는 분기 중 전량 매도된 이름들입니다. 현재 보유: 36개 전량 매도: 8개 (AFRM, ALKT, DKNG, ENTG, INTU, SLAB, SMCI, MNDY) 집중도는 여전히 “헤지펀드형 성장주 매니저”답습니다. 상위 10개 종목 비중 합계: 56.9% 상위 20개 종목 비중 합계: 83.1% 상위 30개 종목 비중 합계: 97.7% 사실상 상위 30개에서 포트폴리오가 다 끝난다고 봐도 무방한 구조죠. 상위 10개를 나열하면 이렇게 됩니다 (분기말 비중 기준): Celestica (CLS) – 8.68% Applovin (APP) – 8.22% NVIDIA (NVDA) – 7.00% Meta Platforms (META) – 6.31% Roblox (RBLX) – 6.07% Broadcom (AVGO) – 5.56% Bloom Energy (BE) – 4.66% Amazon (AMZN) – 3.74% Alphabet (GOOGL) – 3.35% Duolingo (DUOL) – 3.29% 이 10개가 포트폴리오의 절반 이상(56.9%)을 차지합니다. 눈에 띄는 건, 1위와 7위가 여전히 인프라(셀레스티카, 블룸)이고, 그 사이를 플랫폼/콘텐츠/광고(앱러빈, 메타, 로블록스, 아마존, 알파벳, 듀오링고)가 가득 메우고 있다는 점입니다. 2) AI 레이어별 비중 – L1 41.4%, L2 10.2%, L3 48.4% Q1 리뷰에서 정의한 레이어 체계를 그대로 가져와 Q3 포트폴리오에 적용해보면: Layer 1 – 물리·에너지·인프라 발전·전력·데이터센터, EMS/ODM, 칩, 광통신 등 Layer 2 – 데이터·현실 연결 DB, 데이터 플랫폼, 네트워크, 센서, 결제·핀테크, 커넥티비티 등 Layer 3 – 플랫폼·보안·애플리케이션 하이퍼스케일러, SaaS, 보안, 광고/콘텐츠/게임/커머스 플랫폼, 소비자 앱 등 Q3 기준 36개 보유 종목을 이 틀로 분류하면: Layer 1 (에너지·하드웨어·데이터센터 인프라) 종목 수: 13개 포트폴리오 비중 합계: 41.4% 예시: Celestica (CLS) – AI 서버/네트워크를 조립하는 EMS NVIDIA (NVDA) – GPU·AI 칩 Broadcom (AVGO) – 네트워크/가속 칩 Bloom Energy (BE) – 데이터센터용 분산 전원 Fabrinet (FN), Ciena (CIEN), Corning (GLW), Coherent (COHR) – 광통신·레이저·섬유 등 데이터센터·통신망의 배선 TSMC (TSM), TTM Technologies (TTMI), SiTime (SITM), Vertiv (VRT), HPE (HPE) 등 칩 생산·PCB·타이밍·IDC 인프라 Layer 2 (데이터·현실 연결) 종목 수: 5개 비중 합계: 10.2% 예시: MongoDB (MDB) – 비정형 데이터에 특화된 현대식 데이터베이스 Impinj (PI) – RAIN RFID로 물리 세계를 데이터로 전환 Semtech (SMTC) – 연결·센서·LoRa 등 IoT 신호를 전달하는 칩 Nu Holdings (NU), Chime (CHYM) – 신흥국·디지털 은행 기반의 핀테크 데이터 허브 Layer 3 (플랫폼·보안·애플리케이션) 종목 수: 18개 비중 합계: 48.4% 예시: 빅테크·하이퍼스케일러: Amazon (AMZN), Microsoft (MSFT), Alphabet (GOOGL) 소비자·콘텐츠·게임: Meta (META), Roblox (RBLX), Netflix (NFLX), Duolingo (DUOL) 광고·수익화 플랫폼: Applovin (APP) 커머스/핀테크 플랫폼: Sea (SE), MercadoLibre (MELI), Shopify (SHOP), Coupang (CPNG), Carvana (CVNA) B2B SaaS·도구: JFrog (FROG), HubSpot (HUBS) 보안·ID: Okta (OKTA) 헬스케어 SaaS: Hinge Health (HNGE) 숫자로만 보면, L1+L2(인프라+데이터)가 약 51.6%, L3(플랫폼·앱)가 48.4%입니다. Q1에서 그렸던 “인프라부터 플랫폼까지 풀스택으로 들고 가겠다”는 설계가 여전히 유지되면서, 인프라 4 : 데이터 1 : 플랫폼 5 정도의 균형을 만들어 놓은 모습이라고 정리할 수 있겠습니다. ③ 무엇을 버리고, 어디에 더 실었다인가 – Q3 리밸런싱의 방향성 이제 본격적으로, Q2 대비 “줄인 것/버린 것/늘린 것/새로 산 것”을 레이어 관점에서 해석해보겠습니다. (비중 변화는 “분기말 비중 – 이전 분기 비중(=Q2)” 기준) 1) Layer 1 – GPU에서 “전력·광통신·타이밍”으로 더 깊이 내려갔다 (1) 유지 + 일부 축소: 셀레스티카·엔비디아·브로드컴 Celestica (CLS) 비중: 10.05% → 8.68% (-1.36%p) 여전히 포트폴리오 1위, 다만 Q1·Q2에 비해 조금 가볍게 가져갑니다. “AI 서버 조립공장” 역할은 그대로지만, 비중만 살짝 줄인 수준. NVIDIA (NVDA) 비중: 7.87% → 7.00% (-0.87%p) 여전히 3위 대형 포지션이지만, 엔비디아 한 종목에 올인하기보다는 다른 인프라 종목으로 분산하는 느낌입니다. Broadcom (AVGO) 비중: 6.26% → 5.56% (-0.70%p) Q1에서 사서도트가 “이미 모두가 알고 있는 승자를 너무 비싸게 쫓고 싶어 하지는 않는다”는 뉘앙스를 풍겼다면, Q3에서는 그 태도가 숫자에 반영된 모습입니다. 셀레스티카·엔비디아·브로드컴 같은 대표 하드웨어 이름들은 “핵심은 그대로, 무게중심만 살짝 낮춘 상태”라고 볼 수 있겠죠. (2) 강력한 증액: 블룸 에너지와 네트워크/부품 체인 Bloom Energy (BE) – 0.67% → 4.66% (+3.99%p) 단숨에 포트폴리오 7위로 점프. Q1에서 에너지 인프라를 AI의 병목으로 본 시각이 Q3에는 숫자로 폭발합니다. 전통 전력망 확장만으론 AI 데이터센터 전력 수요를 감당하기 어렵다고 보고, 연료전지 기반의 분산 발전을 적극적으로 사 모은 셈입니다. Ciena (CIEN) – 0.94% → 2.29% (+1.35%p) Corning (GLW) – 1.37% → 2.53% (+1.16%p) SiTime (SITM) – 1.19% → 1.70% (+0.51%p) TSMC (TSM) – 1.90% → 2.39% (+0.49%p) 이들은 공통적으로 “데이터센터와 네트워크가 실제로 돌아가게 만드는 부품들”입니다. 광케이블, 광모듈, 타이밍 칩, 파운드리 등은 화려하지 않지만, AI 연산이 늘어날수록 기하급수적으로 수요가 늘어나는 영역이죠. (3) 인프라 내에서 버린 것: 슈퍼마이크로·Entegris·Silicon Labs 전량 매도 목록에서 인프라 레이어에 해당하는 종목을 보면: Super Micro Computer (SMCI) – 이전 비중 0.38% → 0% Entegris (ENTG) – 0.47% → 0% Silicon Labs (SLAB) – 0.51% → 0% GPU 서버 OEM과 특정 공정 소재/칩에 대한 익스포저는 줄이고, 그 자본을 블룸 에너지·Ciena·Corning·SiTime·TSMC로 옮긴 그림입니다. 해석 Layer 1 안에서도, Q1에는 “EMS+서버+GPU”에 집중했다면, Q3에는 한 걸음 더 내려가서 “전력·광통신·타이밍·파운드리” 같은 더 폭넓은 인프라 밸류체인으로 스펙트럼을 넓힌 것으로 읽힙니다. 즉, “GPU 자체”보다 전력과 네트워크라는 병목 구간에 자본을 더 두텁게 쌓고 있습니다. 2) Layer 2 – 핀테크를 줄이고, 데이터·센서에 힘을 준다 Layer 2는 전체 비중이 10.2%로, 숫자상으로는 Q2 대비 큰 변화가 없습니다. 하지만 안을 들여다보면 구성이 꽤 바뀌었습니다. (1) 데이터·센서 쪽 증액 MongoDB (MDB) – 1.22% → 2.02% (+0.80%p) 비정형 데이터·AI 워크로드에 맞는 DB 플랫폼에 베팅을 더 키웠습니다. Impinj (PI) – 1.37% → 2.61% (+1.24%p) 실물 세계의 사물을 RAIN RFID로 식별해 데이터로 끌어오는 역할. Q1에서 “현실을 데이터로 번역하는 감각기관” 역할로 설명했던 포지션이, Q3에는 비중으로 그 중요도가 더 또렷해졌습니다. Semtech (SMTC) – 2.50% → 2.95% (+0.45%p) IoT·연결 칩을 통해 데이터를 흘려보내는 하드웨어 단. (2) 핀테크·디지털 뱅킹은 정리·축소 Nu Holdings (NU) – 3.40% → 2.34% (-1.05%p) Chime (CHYM) – 0.67% → 0.33% (-0.34%p) 거기에 더해, 전량 매도된 L2 종목들을 보면: Affirm (AFRM) – 1.22% → 0% Alkami Technology (ALKT) – 0.28% → 0% 해석 Q1에서 이미 “SaaS·전통적인 클라우드 앱 S-커브에서 내려와 인프라로 내려간다”는 선언을 했는데, Q3에서는 그 연장선에서 핀테크 쪽 익스포저를 정리하고, 진짜로 AI가 먹을 데이터를 만들어내는 레이어(센서·DB)에 더 힘을 준 것으로 볼 수 있습니다. Layer 2는 전체 비중은 비슷하지만, 내용물이 “결제/대출” → “데이터/센서” 쪽으로 확실히 이동했습니다. 3) Layer 3 – 플랫폼은 더 좁게, 더 공격적으로 Layer 3는 여전히 포트폴리오에서 가장 큰 덩어리입니다. 총 18개 종목에 48.4%가 들어가 있고, 상위 10개 중 6개가 Layer 3입니다. 하지만 Q2 대비로 보면 전체 L3 비중은 약 2.5%p 줄어든 반면, 내부 구성이 많이 바뀝니다. (1) 크게 늘린 플랫폼들 비중 변화 상위 종목을 보면 L3 쪽에서 눈에 띄는 이름들이 있습니다. Applovin (APP) – 5.95% → 8.22% (+2.27%p) 이제 Celestica에 이어 포트폴리오 2위. 모바일 게임·앱 수익화를 위한 광고/퍼포먼스 마케팅 ...

10년 동안 연평균 수익률 26%, 그런데 3달 만에 AUM 3분의 1이 날아간 자문사가 있다? Valley 컨텐츠팀의 투자 거장 글에서 영감을 얻어 기업 탐색을 진행했습니다. 기업 탐색을 진행한 시점은 3분기 13F가 공개된 11월 16일입니다. 웨일 락 캐피탈을 중심으로 기업 탐색을 진행한 이유 2025년 금융 시장의 주도주라고 하면 AI 그중에서도 빅테크이다. 웨일 락 캐피털은 이전부터 기술주 투자의 선봉장 노릇을 해온 기관으로 거장 탐색 기능에서도 높은 샤프 비율을 유지하고 있다(물론 이는 기술주 주도 시장에 잘 놓여있었기 때문일 수 있다.) 해당 캐피털의 거장은 '알렉산더 사서도트'로 금융인이자 전기공학 전공이라서 기술에도 정통했다. 1994년 투자은행 애널리스트로 커리어를 시작한 다음, 2년 뒤에는 인터넷 광고 스타트업에 합류하면서 당시에 인터넷 열풍을 현장에서 직접 경험하게 된다. 금융 분야와 테크 분야에 몸담았으며, 1997년하버드 경영대학원을 거쳐서 1999년에 피델리티에 인턴으로 입사하면서 투자 업계에 메인스트림에 입성하게 되고 아마존의 매력을 찾아내면서 정식 채용된다. 2006년에는 독립하여 아버지와 함께 헤지펀드를 세우게 되며, 이것이 바로 웨일 락 캐피털이다. 웨일 락 캐피털의 원칙을 정의하자면, "세상을 바꿀 파괴적 혁신을 일으키는 위대한 기업을 찾아 장기 투자한다."로 정리된다. 기술/미디어/텔레콤 섹터에 대한 엔지니어적 전문성을 바탕으로 세상을 바꾸는 장기적인 성장 테마에 고유한 해자를 기반으로 성공을 거둘 수 있는 기업을 발굴하는 것이 특기이다. 이러한 원칙을 단적으로 드러내는 것이 S-커브 이론이다. 어떤 기술이든 초기에는 전환 비용도 높고 적응하는 데에 시간도 상당 소요되다 보니 더디게 ...