개인적으로 인식하는 투자 방향성 메모

불확실성을 다루는 사고 프레임 중 하나이다. Known Known : “내가 안다는 것을 아는 것” Known Unknown : “내가 모른다는 것을 아는 것” Unknown Known : “내가 알고 있지만, 내가 알고 있다는 것을 모르는 것” Unknown Unknown : "내가 모른다는 사실조차 모르는 것" 투자에 적용해보자. Known Known 현재 주가 매출, 영업이익, 부채비율 보유 비중 내 진입 가격 금리, 환율, 섹터 흐름 Known Unknown 다음 분기 실적 향후 성장률 시장의 멀티플 변화 정책 리스크 경쟁사의 대응 Unknown Known 내가 사실 이 종목을 좋아해서 리스크를 덜 보고 있음 손실 회복 욕구 때문에 판단이 흔들리고 있음 과거 비슷한 패턴에서 내가 무리한 적이 있음 “이번엔 다르다”는 감정이 들어와 있음 Unknown Unknown 예상 못 한 회계 이슈 갑작스러운 규제 대형 고객 이탈 유동성 경색 시장 구조 자체의 변화 그래서 좋은 투자자는 "모든 것을 아는 사람"이 아니라, "내가 무엇을 아는지, 무엇을 모르는지, 무엇을 모른다는 사실조차 모를 수 있는지를 포지션 크기에 반영하는 사람"이다. 지혜란 모든 것을 아는 것이 아니라, 내 지식과 무지의 위치를 아는 능력이다. 우리는 미래를 예측할 수 없다는 사실을 인정해야 한다. 진짜 리스크는 우리가 모르는 것, 즉 '알려지지 않은 미지(unknown unknowns)'에서 온다 별첨 unknown unknown 에 대한 Valley의 글 내용 [Feb2024] Known Unknown의 영역: 무지의 인지화 - '킴코미' 님 위험에 대하여, 머리가 띵 했던 문장. - '하늘밥도둑' 님 진실에 대하여 - 'actuary' 님 퀄리티 투자자의 포지션 사이징 정량화 feat 앙상블 캐피털 - '하늘밥도둑' 님 투자의 마음가짐 정리 - '하늘밥도둑' 님

AI의 등장으로 상상만 하면 많은 것들을 이뤄낼 수가 있는 상황에 왔다 사람이 문제를 정의하기만 하면, AI는 해결할 지식과 정보를 서치하고, 사람은 그를 토대로 사고를 확장하고 검토하고 의사 결정하면 된다. 결국에는 “사람의(나의) 상상력과 문제 정의력이 높은 수준인가?” 에 AI 시대의 인간에 능력이 달렸다고 볼 수 있겠다. 그렇다면, ‘어떤 것을 이뤄낼 수 있는가’의 상상력과 문제 정의력을 어떻게 키울 수 있겠는가? AI 시대 개개인의 디양한 도메인에 대한 능력의 하한의 상향 평준화가 이뤄질텐데, 모든 도메인에 대해서 상향 평준화가 이뤄지는 것은 아니고 그 사람이 인지하는 도메인까지 이뤄진다. 가령, 사람들은 모른다. AI로 DCF를 할 수 있다는 사실을. 앱개발을 할 수 있다 사실을, 본인이 원하는 서비스를 개시해볼 수 있다는 사실을, 문제는 해보지도 않았을 뿐더러 그런 방법론이 있다는 지식(Knowledge)조차 모른다. 누군가 더 똑똑해서만이 아니라, 무엇을 물어볼 수 있는지, 무엇을 위임할 수 있는지, 어디까지 시도할 수 있는지를 더 많이 알고 있는 지 차이에 기반하기 때문이다. 즉, 그 사람의 도메인 인식 범위에 능력이 달라진다고도 볼 수 있겠다. 마찬가지로 나는 세계의 모든 가능성과 인식을 알고 있는가? 모른다. AI로 신약 개발이 가능하다고 가정하자. 나는 그 사실을 모르고 가능성을 인식조차 못 한다. 내게는 없는 세상인 것이다. 즉 ‘실제로 가능한 것’보다 ‘내가 인식 가능한 것’이 AI 시대 내 능력의 한 축을 결정한다 앞서 정의한 AI 능력의 한 축인 ‘가능성 인식의 범위’는 어떻게 늘릴 수 있을까? 늘리는 방법론이 존재할까? 그렇다면, 나의 능력 하한의 상향은 남들보다 넓은 도메인에서 발생할 것이며, 나의 자산이 될 것이다.

운동 세부 기록 운동 월간 리포트 아래 리포트는 이 대화에서 제공된 기록만 근거로 작성했다. 총 기록은 19회(PT 18회, 자율 운동 1회)이며, 수면/피로 평균 등 수치 분석은 컨디션 수치가 적힌 18회(2/24~3/24) 기준이다. 또한 일부 기록은 세트 수·통증 표기가 불완전하거나 혼재되어 있어, 필요한 부분에는 “기록상 확인 가능한 범위에서”라고 명시했다. 1. 이번 달 한 줄 요약 이번 달은 ‘자세를 배우는 단계’에서 ‘몸이 스스로 자세를 재현하기 시작한 단계’로 넘어간 한 달이었다. 2월 말 기록에서는 스쿼트·데드리프트·팔굽혀펴기 모두에서 기본 정렬, 호흡, 부위별 힘 사용을 하나하나 배우는 흐름이 강했다. 그러나 3/13, 3/16, 3/21 기록에서는 “일일이 의식하지 않아도 일부가 자연스럽게 몸에 녹아난다”, “자세는 더할 나위 없다”, “배웠던 내용들이 몸과 뇌에서 하나가 된다”는 표현이 직접 등장한다. 동시에 이달은 단순히 퍼포먼스가 오른 달이 아니라, 잘 되는 날과 안 되는 날을 어떻게 운영해야 하는지까지 배운 달이기도 했다. 특히 3/20 기록은 수행이 무너진 하루였지만, 그날의 해석과 태도 변화는 오히려 다음 달 운영의 기준을 만들어냈다. 2. 훈련 총괄 요약 항목 기록상 확인 가능한 범위 총 PT 횟수 18회 총 자율 운동 횟수 1회 (2/27) 총 기록 수 19회 상체 / 하체 / 등 중심 훈련 비중 ※ 각 날짜의 주력 부위 기준으로 분류 구분 횟수 비중 하체 중심 9회 47% 등/후면사슬 중심 6회 32% 상체(가슴/푸시) 중심 4회 21% 하체 비중이 가장 높았고, 그 다음이 등/데드리프트 계열, 마지막이 무릎대고 팔굽혀펴기 중심의 상체 푸시 계열이었다. 이는 2/23의 “하체 주 2회 보강” 방향과도 일치한다. 가장 자주 수행한 운동 Top 5 ※ 세트 수가 아니라 ‘등장한 날짜 수’ 기준, 같은 운동은 무게가 달라도 한 묶음으로 집계 순위 운동 등장 횟수 1 스쿼트 9회 2 밴드 스트레칭 8회 3 데드리프트 6회 4 인타이트/아웃타이트 5회 5(공동) 바벨로우 / 런지 각 5회 기록상 가장 자주 등장한 핵심 목표 기초 체력 + 무게중심 밸런스 + 정확하고 올바른 자세 2/23을 제외하면 거의 모든 기록에서 이 조합이 반복되었다. 즉, 이번 달 훈련은 단순 근비대나 중량 증가보다 “자세 품질 + 움직임의 질 + 밸런스”를 최우선으로 놓고 진행되었다고 볼 수 있다. 3. 운동별 퍼포먼스 변화 3-1. 스쿼트 수행 무게/반복 변화 2/26 기록상 맨몸 스쿼트 15회 × 3세트(추정), 6kg 15회 × 3세트(추정) 수준에서 시작했다. 3/5에는 12kg 12회 × 2세트를 수행했고, 3/10에는 16kg 12회 × 1세트, 3/13에는 16kg 12회 × 2세트, 3/16에는 16kg 15회 × 2세트, 3/23에는 16kg 20회 × 2세트까지 올라왔다. 자세/기술 변화 초반에는 발 접지, 아치, 고관절 열기, 하강 저항, 시선 의존, 복압 유지가 전부 개별 과제로 제시됐다(2/26, 3/5). 3/10 기록에서는 “맨몸 스쿼트가 이제 자연스럽고 체중이 감당되고 제어된다”고 적혀 있고, 3/13, 3/16에는 “무게가 무거울수록 오히려 자세가 더 좋게 나온다”, “과거 지도 내용이 몸에 녹아난다”고 서술됐다. 3/21에는 “별 다른 지적이나 기초적인 교정이 없었다”는 기록이 있어, 기본 정렬은 한 단계 올라온 것으로 보인다. 자극/안정성 변화 초반에는 오른다리 떨림(3/10), 고관절 열기 습관 미정착(3/5, 3/16), 하강 시 저항 유지 필요가 반복됐다. 그러나 3/16 기록에서는 “이전보다 적은 세트로도 충분히 하체를 털어버렸다”고 적혀 있어, 동작의 효율과 자극 전달이 개선된 흐름이 보인다. 현재 수준 요약 맨몸 스쿼트는 ‘제어 가능한 동작’ 단계에 도달했고, 16kg은 반복 수행이 가능한 실전 중량대로 자리잡았다. 다음 단계는 더 높은 무게를 무작정 올리는 것이 아니라, 이미 올라온 품질을 유지한 채 리듬·저항·복압을 자동화하는 것이다. 3-2. 데드리프트 수행 무게/반복 변화 2/24에는 30kg × 10회(RPE 7, 추정)가 대표 세트였다. 3/3에는 40kg 10회 × 2세트, 3/11에는 40kg 12회 × 1세트, 3/19에는 60kg 5회 × 2세트, 3/24에는 60kg 7회 × 1세트까지 확인된다. 자세/기술 변화 2/24 기록의 핵심은 “허리/다리/팔로 들던 패턴 → 등에 걸고 후면사슬로 들어올리는 패턴”으로의 전환이었다. 3/3에는 시선, 가슴 열기, 코어 균형, 호흡 패턴, 하강 시 좌우 비대칭 등 세밀한 기초 교정이 집중적으로 들어갔다. 3/11에는 “지나치게 의식하지 않아도 원하는 동작이 나오는 경험”이 적혀 있고, 3/19, 3/24에는 무거운 무게에서의 제어 문제와 도전 구간이 명확히 드러난다. 자극/안정성 변화 3/19 기록에서 사용자는 “과거 60kg에서는 허리가 아팠는데 이번에는 굉장히 허리가 깔끔했다”고 적었다. 이는 단순 중량 증가보다 부담 부위가 허리에서 등/후면사슬로 재배치된 것을 보여주는 중요한 변화다. 다만 3/24에는 “40kg은 충분히 제어가 되는데 60kg은 전반적인 제어가 잘 안 되는 느낌”이라고 했고, 예전 습관대로 다리부터 끌어올리거나 등이 말리는 느낌이 남아 있다. 현재 수준 요약 40kg은 기술적으로 제어 가능한 구간, 60kg은 현재의 도전 구간이다. 큰 방향은 분명히 좋아졌지만, 60kg에서는 여전히 “등으로 들기 / 하강 제어 / 복압 유지 / 세트 후반 무너지지 않기”가 남은 과제다. 3-3. 바벨로우 수행 무게/반복 변화 2/24에는 20kg × 15회(추정), 2/27 자율운동에서는 20kg 20회 × 3세트, 3/11에는 20kg 20회 × 2세트, 3/19에는 30kg 10회 × 1세트 + 15회 × 1세트, 3/24에는 30kg 15회 × 3세트까지 확인된다. 자세/기술 변화 초반부터 “데드리프트 자세에서 출발”, “상체를 세우지 않기”, “등으로 당기기”, “가슴 열기”, “팔을 너무 길게 빼지 않기”가 반복 지도됐다(2/24, 3/11, 3/19, 3/24). 3/19에는 그립을 “엄지까지 감싸는 일반적 쥐기”보다 “주먹 쥐듯이” 잡을 때 팔 개입이 줄고 등 자극이 올라온다는 관찰이 등장한다. 자극/안정성 변화 사용자는 점차 “팔이 개입하려고 하는데 그럴수록 더욱 등의 자극에 집중”해야 한다는 자기 인식을 가지게 됐다(3/24). 즉, 중량 자체보다 피로 시 보상 패턴(상체 세움, 팔 개입, 긴장 이탈)을 인지하는 단계로 올라왔다. 현재 수준 요약 30kg로 세트 수행은 가능하지만, 피로 누적 시 상체 각도와 등 긴장 유지가 관건이다. 동작의 본질은 이미 이해했고, 이제는 피로한 구간에서도 그것을 끝까지 유지하는 단계다. 3-4. 무릎대고 팔굽혀펴기 수행 무게/반복 변화 2/25에는 평균 18회로 5~6세트를 수행했다. 3/4에는 23회→15회 하향 등차 세트(총 9세트), 3/12에는 15회→24회 상향 등차 세트(총 10세트), 3/20에는 컨디션 이슈로 15→20 세트 후 10회 다회 세트로 하향 조정했다. 자세/기술 변화 2/25 기록의 큰 변화는 손목 통증과 어깨의 끄드득거림이 사라진 상태에서 가슴/전면 어깨/삼두 자극을 받았다는 점이다. 3/4에는 “팔을 45도로 충분히 열어 가슴을 쓴다”, 3/12에는 “가슴으로 잡고, 가슴으로 버티고, 가슴으로 민다”가 핵심 큐로 정리됐다. 자극/안정성 변화 3/12 기록에서 사용자는 “첫 세트 15개가 너무 자연스럽게 밀려서 당황스러울 정도였다”, “손목 통증도 없고 어깨에서 소리나 마찰도 전혀 없다”고 적었다. 이는 퍼포먼스 증가와 동시에 두려움이 사라진 기술 학습이었다. 다만 3/20처럼 회복이 무너진 날에는 자세 감각이 급격히 흐려질 수 있다는 것도 동시에 확인됐다. 현재 수준 요약 기술과 자신감은 크게 올라왔고, 통증 없는 수행 기반이 생겼다. 다만 이 운동은 회복/수면/심리 상태의 영향을 크게 받는 패턴이 분명히 보인다. 3-5. 기타 주요 운동 인타이트/아웃타이트 2/23부터 3/16까지 반복적으로 등장했다. 3/16에는 인타이트 42.5kg × 15회, 아웃타이트 ...

한 줄 요약: 자기 삶을 AI가 읽고 추론하고 활용할 수 있는 ‘기계가 읽는 작업 환경’으로 바꾸는 데에서 AI 시대 경쟁력이 나오지 않을까 개인이 AI 시대에 살아가는 방법 중 하나는, 자기만의 AI 컨텍스트(문맥, 맥락)를 구축하는 일이라고 생각합니다. 개인의 문맥을 정리해서 AI가 쓸 수 있게 만드는 사람이 유리하다 AI 모델은 이미 일반적인 영역에서는 매우 뛰어난 성능을 보여줍니다. 하지만 모델이 가중치 안에 충분히 담고 있지 못한 영역, 혹은 적절한 컨텍스트가 형성되지 않은 영역에서는 여전히 환각을 일으키거나 기대만큼의 성능을 내지 못합니다. 바로 그 지점에서 “나만의 데이터”가 강력한 레버리지로 작용합니다. 요약하자면, 내 기록·문서·의사결정 기준·프로젝트 히스토리를 AI가 쓸 수 있는 형태로 정리하는 사람이 유리하다는 의미가 되겠습니다. 왜 ‘나만의 데이터’가 기회가 되는가 이 논리는 회사 수준에서 보면 Cursor 같은 사례로 설명할 수 있습니다. 처음에는 frontier model을 가져다 쓰는 단순한 wrapper처럼 보였지만, 실제로는 사용자의 코드 승인·거절, 작업 흐름, 사용하는 데이터, 수정 패턴 등이 계속 쌓이면서 사용자 고유의 데이터 플라이휠이 형성됩니다. 그리고 이 데이터는 단순한 로그에 그치지 않고, 이후 더 나은 결과를 만들어내는 후속 학습 자산이 됩니다. 중요한 것은, 이 논리가 회사에만 해당하지 않는다는 점입니다. 이것을 개인에게 옮기면, 내 일기 내 프로젝트 기록 내가 어떤 결정을 왜 내렸는지 내가 어떤 답변을 좋아하고 싫어하는지 내 루틴, 취향, 제약, 실패 패턴 이 전부가 개인용 proprietary data가 되겠습니다. 그리고 이 데이터를 바탕으로,...

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?” ...