개인적으로 올해 초부터 SALT라는 국제학교를 통해서 특강을 하면서 이런 교육이 꼭 필요하다는 것도 느꼈고 가능성도 보였습니다. 오히려 왜 다른데서는 안하지 라고 생각하는 것도 있었습니다. 뭔가 가장 하고 싶은게 많은 나이가 어릴 때인데 뭔가 그때 창업 교육 만큼 시너지 나는게 없거든요. 실제로 중국/미국/유럽 등에선 하고 있었는데 우리 나라 교육도 바뀌어야 하지 않을까 하는 생각을 합니다. 여하튼, 미국 텍사스에 정말 재밌는 학교 이야기를 해줄 거라고 생각합니다. 학교에서 공부를 하루에 단 2시간만 하고, 나머지 시간엔 인공지능(AI)이 주도하는 특별한 커리큘럼을 따른다고 상상해 보세요. 저는 처음 이 소식을 들었을 때 솔직히 반신반의했습니다. 그런데 실제로 미국 텍사스주 오스틴에서 시작한 '알파 스쿨(Alpha School)'이 바로 그런 학교입니다. 이 학교는 최근 테크 기업들이 대거 몰려들고 있는 텍사스 오스틴에서 출발해, 마이애미와 브라운스빌까지 이미 확장되었고, 올해 가을 뉴욕과 올랜도를 포함한 미국 내 여러 도시로 확대될 예정입니다. 대체 이 학교의 무엇이 사람들의 관심을 끌고 있는 걸까요? AI와 인간의 협력: '교사' 대신 '가이드' 알파 스쿨의 가장 독특한 점은 바로 선생님이라는 개념이 없다는 것입니다. 대신 '가이드(guide)'라고 불리는 어른이 학생들의 학습과 성장을 지원하죠. 실제 수업 내용과 개인 맞춤형 학습 계획은 AI가 제공합니다. AI는 학생 한 명 한 명의 실력을 실시간으로 분석해 최적의 맞춤형 학습을 제공합니다. 덕분에 같은 반 학생들이라도 각자의 수준과 관심사에 따라 서로 완전히 다른 내용을 배우게 됩니다. 예를 들어, 12살인 바이런 애트리지(Byron Attridge)는 현재 7학년이지만, 수학은 8학년, 독해는 9학년, 언어 예술은 10학년 수준으로 배우고 있다고 합니다. 그는 이렇게 말합니다: "친구들이나 선생님이 가르치는 내용에 묶이지 않고, 내 수준과 속도에 맞춰 배울 수 있어서 좋아요." 알파 스쿨 공동 창립자이자 유명 팟캐스터인 매켄지 프라이스(MacKenzie Price)는 교육의 핵심을 이렇게 표현합니다: "좋은 교육의 90%는 동기부여입니다. AI가 교과를 가르치면, 가이드는 학생들의 감정과 동기부여에 집중할 수 있죠." 학교에서 창업을 배운다고? 알파 스쿨에서는 하루 중 단지 2시간만 수학, 언어와 같은 전통적인 학습을 하고, 나머지 시간은 학생들이 직접 참여하고 협력하는 실전형 프로젝트로 채워집니다. 예를 들어, 지난해 56학년 학생들은 실제 푸드트럭을 만들어 운영했습니다. 이 과정에서 학생들은 예산 짜기, 비즈니스 계획 세우기, 요리하기 등을 스스로 해내며 협력과 문제 해결 능력을 키웠습니다. 또, 학생들은 '마스터피스 프로젝트'라는 특별 프로그램을 통해 자기만의 창의적인 결과물을 만들어냅니다. 이 프로젝트에서 학생들은 AI가 제공할 수 없는, 인간만이 만들어낼 수 있는 독특하고 새로운 관점을 찾아내야 합니다. 실제로 학생들이 만든 결과물은 다음과 같습니다: 감정을 인지하고 반응하는 곰 인형 데이트 상담을 해주는 챗봇 텍사스 최대 규모의 산악자전거 공원 조성 이 프로젝트를 통해 학생들은 AI와 차별화되는 창의적인 사고력을 자연스럽게 훈련합니다. 이 방식의 성공과 한계 하지만 모두가 알파 스쿨의 교육 방식을 환영하는 건 아닙니다. 비판자들은 지나친 AI 의존도가 아이들의 사회성과 공감 능력을 떨어뜨리고, 지나치게 개인화된 학습 환경이 학교의 근본적인 역할인 사회화를 약화시킬 수 있다고 지적합니다. 또한, 연간 학비가 약 40,000달러(약 5,500만 원)에 달하기 때문에 특정 계층의 학생들만이 접근할 수 있는 고급화된 교육으로 여겨질 수 있다는 점 역시 논란의 대상이 됩니다. 그럼에도 알파 스쿨은 미래 교육이 지향할 수 있는 흥미로운 방향을 제시합니다. AI를 활용하여 개개인의 학습 속도를 존중하고, 학생들이 스스로 창의적인 프로젝트를 통해 현실 세계의 문제를 해결하게 만드는 방식은 기존 학교 시스템에서 놓치고 있던 부분을 효과적으로 보완합니다.

기술의 진보는 곧 시야의 확대를 의미합니다. 실제로 Cursor는 12개월 만에 ARR 1M → 100M을 달성하며 SaaS 역사상 가장 빠르게 성장한 기업이 되었습니다. 이는 단순한 우연이 아닌, PM이 AI 기반으로 사고하면서 가능해진 성과죠. 이처럼 AI는 PM에게 새로운 문제 영역(problem space)과 솔루션 영역(solution space)을 동시에 열어주고 있습니다. 약 10달 전 쯤에 이런 글을 쓴 적이 있습니다 PM의 핵심 책임: 세 가지는 그대로지만, 하는 방식은 완전히 달라졌다 전통적인 PM의 세 가지 핵심 역할은 다음과 같습니다: 고객의 문제를 이해하기 우선순위를 정해 어떤 문제를 해결할지 결정하기 효과적인 솔루션을 조직하고 전달하기 AI는 이 구조를 무너뜨리지 않지만, 각 단계의 실행 방식은 혁신적으로 바뀌었습니다. 이해하기 (Understand): 문제 자체가 달라진다 ✅ 문제 공간의 확장 예전에는 "기술적 한계로 포기했던 문제"들이 이제는 AI로 해결 가능한 영역으로 들어왔습니다. 사실 고객도 직접 경험하기 전에는 “불가능하다”고 생각했던 니즈를 직접 말하지 않죠. Canva의 경우, 고객은 “AI로 디자인을 쉽게 만들고 싶다”고 말하지 않았지만, 기능이 출시되자 원하던 솔루션으로 자리 잡았습니다. ✅ 데이터 분석 방식의 진화 고객 인터뷰, 지원 티켓, 챗봇 대화 등에 흩어져 있던 정성적 데이터는 AI 도구로 실시간·자동화된 분석이 가능해졌습니다. 단순히 인사이트를 모으는 것이 아니라, 뉴스처럼 발생하는 트렌드를 탐지하고 깊이 있는 통찰을 제공합니다. 우선순위 (Prioritize): 할 수 있느냐가 아니라, 가치가 있느냐의 문제로 AI는 기존의 "가능성(feasibility), 영향력(impact), 리스크(risk), 비용(cost)" 평가 항목 모두를 뒤흔듭니다. Feasibility: AI 덕분에 옛날엔 불가능했던 기능도 수 주 내에 구현 가능해졌죠. Impact: Duolingo의 실시간 수업 난이도 조절처럼, 퍼스널라이제이션이 전략이 됩니다. Risk: 환각(hallucination), 편향(bias), 규제 이슈 등 AI 특유의 리스크 요소가 추가됩니다. Cost: 초기엔 싸 보였다가도, 사용량 증가에 따라 비용이 폭발할 수 있습니다. 설문조사 결과, AI 어시스턴트 기능은 오히려 64%의 사용자에게 선택되지 않았습니다. 고객이 원하지 않는 기능을 억지로 넣으면, 제품에 대한 신뢰 자체가 흔들릴 수 있습니다. 실행 (Execution): AI는 단순한 보조 기능을 넘어, 경험을 설계하는 핵심 수단이다 이전에는 AI를 단지 ‘추가 기능’으로 붙였지만, 이제는 프로덕션 경험 전반을 재설계하는 동력이 됩니다.

What is GTM? 이름 그대로 제품/서비스를 잘 만들고 난 다음에 시장에 어떻게 출시하고 수익 내고 고객에게 도달하여 반복적으로 이 제품/서비스를 쓰게하는가? 1. 기존 마케팅과 뭐가 다름? 기존 세일즈(영업) 뭐가 다르냐? F1 열린다. 마케팅 팀 : 경기 전에 분위기를 띄움, 입장객 늘려 세일즈 팀 : F1 드라이버 (최전선에서 뛰는) GTM 팀 : 레이스 전체의 흐름/전략 짜는 → 타이어 언제 갈껀지? 어떻게 갈껀지? 몇바퀴를 어떻게 돌건지? 일본 버전 마케팅과 영업은 전술 그리고 GTM 전략이다. 2. Product Owner/Product Manager 이거랑 뭐가 다름? 제품 솔루션 구축, 비즈니스 모델 정의와 함께 긴밀하게 연결되어 반복적으로 진행되어야 합니다. → 시장/매출/유저 PO → 제품의 UX/UI, 개발, 기획, 사업 등등 아무리 훌륭하고 혁신적인 제품이라도 GTM 전략 없이는 시장에 안착하기 어렵다. 3. GTM의 목표는 무엇이냐? 시장 성공적인 출시: 제품이나 서비스를 시장에 성공적으로 출시하는 것입니다. 목표 고객 도달: 정의된 목표 고객에게 효과적으로 제품을 도달시키는 것입니다. 경쟁 우위 확보: 시장 내 경쟁자들 사이에서 경쟁 우위를 확보하는 것입니다. 수익 창출: 궁극적으로 비즈니스의 수익을 창출하는 것입니다. ʻ만들면 팔릴 거야ʼ → 개소리… 누가써줌??? 사이드프로젝트 ʻ만들면 써줄 거야ʼ → 친구/가족 → 악성지표(노이즈) → 롱테일 지표가 나오네…. 뭐지? GTM → ʻ이렇게 하면 팔린다ʼ는 구체적인 과학으로 바꾸는 과정

"죄송합니다, 사실 그 할인은 존재하지 않습니다." 최근 Air Canada의 챗봇은 고객에게 "항공권이 50% 할인된다"는 잘못된 정보를 제공했고, 결국 법정까지 가는 일이 벌어졌습니다. 법원은 고객의 손을 들어줬고, AI의 '거짓말'로 인해 항공사는 할인 약속을 지켜야 했죠. 챗GPT를 포함한 최신 언어모델들이 만들어내는 사실이 아닌 답변, 즉 '환각(hallucination)' 문제는 이제 단순 기술적 실수가 아니라 사회적·법적 파장을 일으키는 심각한 이슈가 되고 있습니다. 🧠 AI의 환각이란? 환각이라는 표현은 사람이 환상이나 착각을 보는 것처럼 느껴집니다. 하지만 AI는 실제로 헛것을 보는 게 아니라, 단지 다음 단어를 확률적으로 예측하며 가장 그럴듯한 단어를 이어붙이는 과정에서 '그럴싸하지만 틀린 답변'을 만들어냅니다. 마치 사람이 재채기를 억제할 수 없듯, AI의 환각도 시스템이 정상 작동하면서 나오는 자연스러운 부산물이죠. 예를 들어 "2005년 노벨 평화상 수상자는?"이라는 질문에 실제 수상자 대신 언론에서 더 자주 언급된 인물을 답하는 식입니다. 훈련 데이터에서 자주 등장할수록 AI는 그 단어를 정답이라 생각할 가능성이 높아지기 때문이죠. (이미지 삽입: AI가 환각을 일으키는 원리 - 다음 단어 확률 예측과 실제 사실 사이의 괴리) 🧪 왜 완전히 해결이 어려울까? Vectara의 창립자이자 전 구글 임원인 Amr Awadallah는 이렇게 말합니다: "AI 모델의 작동 방식 자체가 확률적이기 때문에, 환각을 100% 없애는 건 불가능합니다." 이는 AI 기술의 구조적인 한계입니다. 특히 최근 등장하는 추론(reasoning) 능력이 뛰어난 모델일수록, 여러 번 내부적으로 답변을 시도하는 과정에서 환각의 가능성이 오히려 증가하기도 합니다. 최신 모델의 정확성은 점점 높아지고 있지만, 여전히 중요한 업무(의료, 법률 등)에 사용하기엔 불안한 수준입니다. 🔍 어떻게 해결하려 할까? AI 기업들은 환각률을 줄이기 위해 몇 가지 접근을 시도하고 있습니다. 1. RAG (Retrieval-Augmented Generation) RAG 방식이란 AI가 답변을 생성할 때 자체 학습 데이터에만 의존하지 않고, 외부 데이터(뉴스, 검색결과, 내부 문서 등)를 실시간으로 참조하여 출처와 함께 정확한 정보를 인용하는 방식입니다. 예를 들어 고객이 "제품 환불 규정이 어떻게 되나요?"라고 질문하면, AI는 단순히 학습한 내용을 답하는 것이 아니라 실제 기업 내부 문서에서 "사내 정책 문서 3조 2항에 따라 7일 이내 환불 가능"이라는 정확한 답변과 출처를 함께 제시합니다. 2. 검증용 보조 모델 운영 DeepMind나 Cohere 같은 기업들은 메인 AI 모델이 제공한 답을 다시 검증하는 소형 AI 모델을 별도로 운영하여, 잘못된 정보를 미리 걸러내는 방식으로 정확성을 높입니다. 3. 수학적 자동 추론 AWS는 "자동화된 수리 추론(automated reasoning checks)"을 적용해, 계산이나 논리에 맞지 않는 답변을 AI가 스스로 걸러내도록 했습니다. 이 방식은 특히 정확성이 필수적인 금융이나 의료 분야에서 유용합니다.

우리가 AI처럼 말하게 될까? ChatGPT가 2022년 말에 등장한 이후 불과 두 달 만에 1억 명의 사용자를 확보하면서 역사상 가장 빠른 기술 확산을 이뤘습니다. 이미 많은 사람들이 글쓰기, 공부, 업무, 창작 활동에서 AI의 도움을 받고 있죠. 그런데 혹시 우리도 모르게 AI의 언어 습관을 배우고 있는 건 아닐까요? 흥미로운 질문이죠. 최근 개인적으로 진행한 연구에서 AI가 실제 사람들의 언어 습관에 어떻게 영향을 주고 있는지 분석해 봤습니다. 결과가 놀라워서 블로그로 기록해 봅니다. 연구를 어떻게 진행했을까? 이번 연구는 크게 두 단계로 구성되었습니다. 첫 번째 단계는 ChatGPT의 특성 어휘를 찾아내는 것이었어요. 수백만 페이지에 달하는 이메일, 에세이, 논문, 기사 등을 ChatGPT로 편집했습니다. 이 과정에서 "텍스트를 다듬어줘", "명확하게 표현해줘" 같은 일반적인 프롬프트를 이용했죠. 이때 ChatGPT가 반복적으로 추가한 단어들을 모아 'GPT 단어'로 정의했습니다. 예를 들면 "delve(탐구하다)", "realm(영역)", "meticulous(세심한)" 등이 여기에 속합니다. 두 번째 단계는 실제 언어 사용 패턴을 분석하는 것이었어요. 이를 위해 36만 개 이상의 유튜브 영상과 77만여 개의 팟캐스트 에피소드를 분석했습니다. 특히 ChatGPT가 출시되기 전후를 비교하며 변화의 정도를 측정했어요. GPT 단어의 급증 현상 연구 결과, ChatGPT가 등장한 이후 "delve(탐구하다)", "boast(자랑하다)", "swift(신속한)", "inquiry(조사)", "meticulous(세심한)" 같은 GPT 단어의 사용이 눈에 띄게 늘어났습니다. 놀랍게도 이런 변화는 정형화된 대본뿐만 아니라 평범한 일상 대화에서도 나타났습니다. 인간과 AI 사이의 문화적 피드백 루프 1.인간이 텍스트로 AI를 훈련 2.AI가 재구성된 텍스트를 생성 3.인간이 AI 패턴을 무의식적으로 모방 4.다시 1번으로… 더 흥미로운 것은 이런 현상이 일종의 문화적 피드백 루프를 형성한다는 점입니다. 사람들은 AI를 학습시켜 텍스트를 생성하게 하고, AI는 이를 기반으로 통계적으로 재구성된 텍스트를 사람에게 제공합니다. 결국 인간은 다시 이 AI의 언어 습관을 무의식적으로 따라 하게 되는 것이죠. 연구에서는 이를 "AI 기술에 저장된 패턴이 인간의 마음으로 역전파되는 현상"이라고 표현했습니다. 이번 연구는 ChatGPT 같은 AI가 단지 효율적인 도구를 넘어서, 우리가 사용하는 언어와 생각 방식 자체를 근본적으로 바꾸고 있음을 보여줍니다. AI와 인간 사이에 형성된 이 무의식적 피드백 루프는 앞으로도 우리 사회의 언어적 문화에 지속적으로 영향을 미칠 것입니다. 한국어에선 무엇이 있을까? 지난 포스팅에서도 말했지만 티가 나는 말들이 한국어에도 존재하는 것 같습니다. 개인적으로 느끼는 것들은 이런 것들 입니다. 사실 문어체나 구어체에서 잘 안쓰이는 표현들이였는데 요즘 점점 많이 보이는 것 같은 건 기분 탓일까요? 개인적으로는 이런 표현들이 너무 많이 나오면 이 사람 LLM으로 과제 한거 아니야? 하고 의심을 괜히 하게 됩니다. 변화/발전 표현 발전시키다 개선하다 향상시키다 증진하다

요즘 대학가엔 이상한 기류가 흐르고 있습니다. ‘너무 매끈한 에세이’가 시험지 위에 늘고 있고, '이 학생이 이런 문장을 썼을 리 없는데?' 싶은 과제가 줄지어 제출됩니다. 어느새 캠퍼스에는 새로운 레저 문화가 생겼습니다. “이거 AI가 쓴 거 아니야?”를 맞히는 일종의 탐정 놀이 말입니다. 하지만 문제는 단순히 ‘부정행위’에 그치지 않습니다. 오히려 우리는 훨씬 더 본질적인 질문을 던져야 할 시점에 와 있습니다. AI가 인간의 창의성과 표현 능력에 어떤 영향을 주고 있는가? 그리고 우리는 그것에 어떻게 대응할 것인가? 에세이도, 논문도, 커버레터도 ‘AI가 쓴 것 같아’ 실제로 저는 AI의 능력을 직접 시험해 보기로 했습니다. 몽테뉴의 수필론을 물었더니 진짜 인용 한 줄과 가짜 인용 두 줄을 섞어 냈고, 엘리자베스 비숍 스타일의 시를 써달랬더니 형식은 틀리고 내용은 유사하되 어딘가 어색했습니다. 중요한 건 이런 문학적인 영역은 능히 따라한다는 것이였습니다. 이후 저는 이메일, 논문 등에서도 적용되는지 시도 해 봤습니다. 물론 여전히 어색했죠. 이게 2024년의 일입니다. 놀라운 점은 따로 있었습니다. 일반적인 과제나 이메일, 기획안, 편집 메모, 일정 조율 등 ‘귀찮은 일’에서는 AI가 엄청난 보조자 역할을 했다는 것이죠. 최근 저는 복용하는 약 때문에 어지럼증과 두통이 잦은데, 그런 저를 위해 AI는 문서 형식도 맞춰주고, 말투도 다듬어주고, 때론 “지금 삶이 얼마나 복잡하고 애쓰고 있는지 안다”며 위로까지 건넸습니다. AI는 ‘자신 없는 나’를 대체해준다. 너무 부드럽게 이쯤 되면 AI가 인간의 ‘정신노동 파트너’가 되어가고 있다는 걸 부정할 수 없습니다. AI는 지치지 않고, 불평하지 않고, 칭찬을 해주고, 언제든지 또 다른 버전을 제공하며, 당신의 언어를 복제합니다. 문제는… 그 복제가 너무 자연스럽고, 너무 매끄럽다는 것입니다. 예를 들어, AI에게 제 블로그 글을 몇 개 주고 스타일을 분석하게 했더니 이렇게 말했습니다: “당신의 문체는 긴장감 있고 지적으로 단정되며, 절제된 감정과 철학적 사유의 결이 엿보입니다.” 너무 정확해서 무서웠습니다. 마치 거울을 들이댄 것 같은데, 그 거울 속의 저는 더 완성된 모습이었습니다. 이런 경험을 반복하다 보면, 문득 이런 생각이 스쳐갑니다. ChatGPT의 메모리기 기능이 추가되고 나서는 더 그렇게 느겼습니다. 이제 저의 거의 모든 비밀?까지 알고 있는 상태가 되고 있었기 때문이죠. 글쓰기 수업에서 ‘쓰기’를 없앤다는 역설 학생들도 마찬가지입니다. 처음엔 단순 요약을 맡기다가, 어느새 구조화, 전개, 초안 작성까지 AI에게 맡기기 시작합니다. “이 정도면 직접 쓴 거나 마찬가지 아냐?”라고 합리화하면서 말이죠. 그러다 보면 어느 순간, '글쓰기 수업'에서 학생은 글을 ‘쓰기’ 않고도 A를 받게 됩니다. MIT 미디어랩의 최근 연구는 이런 불안을 데이터로 뒷받침합니다. 54명의 참가자에게 에세이를 쓰게 한 후 뇌파(EEG)를 측정했는데, AI에 의존한 그룹은 자기 글에 대한 기억력, 주도성, 뇌 연결성이 모두 낮아졌습니다. 연구진은 이를 "인지적 부채(cognitive debt)"라 명명하며, 장기적인 학습 저하를 우려했습니다. 개인적으로 이번에 출판하는 책에도 이 부분을 꼭 넣었습니다. 문제는 기술이 아니라 ‘사고의 외주화’다 사실 기술 자체는 중립적입니다. 문제는 그것을 ‘어떻게’ 쓰느냐죠. ChatGPT는 수업 준비를 도와줄 수 있습니다. 일정도 정리해주고, 학습 목표도 정리해줍니다. 하지만 그 도움을 ‘편의성’이라는 이름으로 무분별하게 수용하면, 사고의 근육은 점점 약해지고 맙니다. 결국 우리는 선택의 기로에 서 있습니다. 속도와 효율의 유혹을 받아들이고, AI에게 창작의 주도권을 넘겨줄 것인가, 아니면 불편함과 비효율 속에서 스스로 사유하고, 문장을 빚는 고통을 감수할 것인가. 우리가 진짜 잃을지도 모르는 것들

Meta가 이번에 새로 구성한 팀의 명단이 유출 되었는데 어마어마 합니다. 국내에서도 인공지능 파운데이션 모델 독자적으로 만드는 목적이 있다면 팀 구성에 참고해보세요. Meta 내부에서 유출된 자료에 따르면, 메타가 구성한 AI 최정예 조직 ‘Superintelligence 팀’의 인력 구성으로 앞으로의 방향성을 볼 수 있는데요. 사실 연봉이나 국적으로 사람들이 어그로가 끌린 거 같은데 본질은 이들이 지금 무엇을 하고자 하는지를 분석 하는 겁니다. 🧠 기술 집중 분야 LLM 최적화 멀티모달 학습 지식 편향 제거 강화학습 기반 미세조정 1. 전략적 인재 영입 OpenAI에서만 15명(31%)을 영입한 것은 매우 공격적인 인재 확보 전략입니다 DeepMind, Google 등 주요 AI 회사에서 핵심 인재들을 대거 영입 파운데이션 모델 구축 및 파인튜닝 과정에서 암묵지 부분을 해결하고 싶어하는 듯 2. 분야별 전문성 Foundation Models 팀에 OpenAI 출신들이 집중배치 Computer Vision 팀에 DeepMind 출신들이 많이 배치 각 분야별로 해당 영역의 최고 전문가들을 확보 3. 중국계 연구자 비중 전체의 47%가 중국계로, 특히 핵심 연구 분야에 집중 이들 대부분이 미국 최상위권 대학에서 PhD를 취득 이를 안보나 정치적 문제로 보는 경우가 있는데 이들이 이전에 썼던 논문을 보면 그냥 엄청난 실력자 혹은 상징적인 성과를 가지고 있음 리더십 계층 이름

안녕하세요, 해봄입니다. 정말 오랜만에 공지글을 쓰네요. 늘 블로그를 구독해주시고 따뜻한 댓글과 관심을 보내주셔서 정말 감사드립니다. 여러분의 구독과 댓글이 제게 큰 힘과 격려가 됩니다. 오늘은 여러분께 특별히 소개하고 싶은 프로젝트가 있어서 공지 드리게 되었습니다. 이 책은 전자책이 한창 유행하던 시절, 출판사도 직접 만들어보고 열심히 썼다가 저조차 잠시 잊고 지냈던 책입니다. 당시 저는 전자책을 수십만 원씩 받고 판매하거나 직접 경험하지 않은 내용을 책으로 쓰는 것에 대해 공감이 어려웠습니다. 그래서 최대한 제가 직접 경험했거나 간접적으로라도 충분히 이해한 내용을 바탕으로 진솔하게 5권의 시리즈를 만들었어요. 당시에는 다양한 출판사들에게 출판 제안을 받았는데 전자책 시장이 궁금해서 거절했었는데 지금 생각해보니 책으로 하면 실물이라도 남고 그랬을 터인데 뭔가 너무 수익적으로 본 게 아닌 가 싶기도 하네요. 사실 각 책이 100~200페이지 정도이다 보니 실물 책으로 만든다고 하면 그래픽이랑 조판 들어가서 200~300페이지 정도 되지 않을까 생각이 드네요. 잡설이 길었습니다. •1권: What to Build 101 – 창작 과정의 막힘 (완성의 어려움) •2권: GTM 101 – 시장 반응의 불확실성 (판매의 어려움) •3권: Scale 101 – 성장의 복잡성 (시스템화의 어려움) •4권: Iterate 101 – 개선의 혼란 (최적화의 어려움) •5권: Impact 101 – 목적과 수익의 충돌 (의미 찾기의 어려움) 어떤 훌륭한 분이 최근 이 책을 구매해주신 덕분에 다시 개정 작업을 진행하게 되었고, 이번에 표지부터 ebook까지 더욱 깔끔하게 정리할 수 있었습니다. ✨ 사실 썼다는 것을 기억에서 까마득하게 잊고 살았던 것 같아요. 이렇게 과거게 만들었던 것을 보고 연락주시는 분들을 보면 얼마나 힘이 나는지 모릅니다. 어떤 이유로 오셨든, 이 책을 찾아주시고 읽어주셔서 진심으로 감사드립니다. 여러분 한 분 한 분이 이 책의 특별한 첫 독자세요. 주변에 추천해주시면 정말 더욱 감사하겠습니다. 사실 저도 은근히 욕심이 납니다. 호호호. 그리고 오픈 카톡방이 있습니다. 늘 환영합니다. (입장코드 1024) 앞으로도 블로그 댓글과 구독 늘 감사드립니다. 여러분과 함께 성장하는 시간이 소중합니다. 🤝 늘 제 블로그를 방문해주셔서 감사합니다.

"양치질을 하면서 샤워를 하고, 끈이 없는 신발을 신으며 하루 1분이라도 아껴야 해요." 혹시 이런 생각, 한 번쯤 해본 적 있으신가요? 최근 들어 SNS나 유튜브를 보면 이른바 '마이크로 효율화(Micro-efficiency)'가 사람들의 일상 깊숙이 자리 잡고 있음을 알 수 있습니다. 아주 사소한 행동 하나에도 철저히 계산된 전략으로, 시간을 단 1분이라도 절약하려는 움직임이죠. 한 잔의 차에 숨은 철학 영국에 사는 베로니카 풀렌(54세)은 매번 차를 마실 때 두 잔의 차를 만듭니다. 하나는 우유를 더 넣어 미지근하게 바로 마시고, 다른 하나는 40분 후 완벽한 온도가 되었을 때 마시죠. 이 방식으로 그녀는 매일 20분, 2년 동안 약 10일을 아꼈습니다. 이토록 작은 효율이 장기적으로는 큰 차이를 만듭니다. 풀렌의 습관은 여기서 끝나지 않습니다. 아침에는 항상 삶은 달걀, 점심에는 오믈렛, 저녁 메뉴까지 정해놓고 매일의 옷 역시 일정한 패턴을 반복합니다. 매번 새롭게 결정을 내려야 하는 스트레스를 최소화한 것이죠. 이런 습관 덕에 그녀는 자신이 원하는 일에 쓸 수 있는 에너지를 충분히 확보할 수 있다고 말합니다. 왜 사람들은 이토록 1분에 집착하는가? 이런 현상은 결코 특이한 개인의 습관으로만 그치지 않습니다. 틱톡에서는 #LifeHack이라는 태그가 1,100만 회 이상 언급되고 있고, 수많은 생산성 인플루언서들이 "1% 효율의 법칙"을 강조하고 있습니다. 베스트셀러 『아토믹 해빗(Atomic Habits)』은 작은 습관의 누적 효과가 얼마나 큰 변화를 가져올 수 있는지 대중에게 설파하고 있죠. 사회적 맥락에서 보면, 이러한 마이크로 효율화는 단순한 취미나 유행을 넘어 현대 사회의 압박을 드러내는 현상이기도 합니다. 기술 발전으로 일을 빠르게 처리할 수 있게 되었지만, 남은 시간에 더 많은 일이 채워지는 역설적인 상황이 반복되고 있는 거죠. 심리학자들은 이를 "능동적 번아웃"의 초기 증상으로 해석하기도 합니다. 좋은 습관 vs. 강박의 경계 효율화를 추구하는 사람들은 다양한 이유를 가지고 있습니다. 몸이 불편해 작은 에너지라도 아끼려는 사람, 혹은 그냥 '게으름'을 더 편하게 실천하려는 사람까지 다양하죠. 하지만 전문가들은 효율화 습관이 지나치게 집착적으로 흐르면 강박증이나 우울증으로 이어질 수도 있다고 경고합니다. 효율적이라는 것이 곧 만족감을 주는 것은 아니기 때문입니다. 실제로 영국의 한 조사에 따르면, 평균적으로 한 사람이 일주일에 진짜로 자유롭게 사용할 수 있다고 느끼는 시간은 단 23시간뿐이라고 합니다. 그래서 1분이라도 아껴야 한다는 압박이 생겨나는 것이죠. 건강한 효율화를 위한 3가지 팁 하지만 무조건 효율을 추구하는 게 답은 아닙니다. 그렇다면 건강한 효율화를 위해 어떻게 접근해야 할까요? 목적성을 점검하세요. 아낀 시간을 어떻게 쓸지 명확히 계획을 세우는 것이 좋습니다. 그냥 아끼는 데서 끝난다면 효율화는 결국 의미를 잃게 됩니다. 적절한 '느슨함'을 허용하세요. 지나치게 엄격한 규칙은 오히려 피로감을 높입니다. 주말이나 휴가 때는 의도적으로 효율화 습관에서 벗어나 보는 것도 좋습니다. 지속적으로 리뷰하고 리셋하세요. 삶의 환경이 바뀌면 효율화 전략도 바뀌어야 합니다. 주기적으로 지금의 습관이 정말 나에게 의미 있는지 점검하고, 변화가 필요하다면 주저 없이 수정하세요. 진짜 중요한 것은 시간의 양이 아니라 질이다 "절약한 시간으로 무엇을 할 것인가?" 이 질문이야말로 우리가 놓치지 말아야 할 핵심입니다. 시간을 아끼는 습관은 결국 우리 삶을 더 행복하고 의미 있게 만들기 위한 수단이어야 합니다. 단순히 바쁘게 살기 위한 것이 아니라, 오히려 삶의 여유를 되찾기 위해서 말이죠. 사실 이 글과 이어 집니다...

예전에 누가 그랬는데 너는 기획도하고 개발도하고 마케팅도 하는데 넌 도대체 뭐니? 전문성이 뭐야? 이런 질문에 사실 저도 잘 모르겠었어요. 저는 그냥 제가 할 수 있는 걸 다 했을 뿐이거든요. 그냥 우리가 잘 될 수 있는거 다 하는데? 정도로 대답합니다. 원래 GTM(Go-To-Market)은 제품이나 서비스를 시장에 출시하고, 고객이 이를 성공적으로 채택하게 만드는 전 과정을 말합니다. 이를 담당하는 GTM 매니저는 제품을 개발하는 단계부터 실제로 고객의 손에 닿기까지 모든 일을 합니다. 작은 팀이 크게 성장하는 비밀 카카오브레인과 넥슨 코리아에서 일하면서 분명 멋진 프로젝트도 진행했고, 동료들도 훌륭했지만, 무언가 부족하다는 느낌을 지울 수 없었죠. 사실 저는 고민이 많았습니다. 무엇보다 '성장'이란 단어를 말하면서도, 제품의 실제 성장이 피부로 잘 와 닿지 않았습니다. 내가 만드는 것이 정말 고객에게 가치를 주고 있을까? 커리어에서 의미 있는 성장을 만들어내고 있을까? 애초에 성장/갓생/육각형 등의 용어를 안좋아하기도 하구요. Notion에서 배운 진짜 성장의 경험 그러던 중, Notion과 일하면서 제 관점이 완전히 바뀌었습니다. 글로벌에서 수천만 명의 사용자가 있는 제품이 어떻게 만들어지고, 어떻게 월 반복 매출(MRR)을 높이며, 적은 인력으로 최대한의 효율을 만들어낼 수 있는지 배웠습니다. Notion은 단순히 많은 사람을 쓰는 회사가 아니었습니다. 명확한 가치, 잘 다듬어진 제품, 그리고 그것을 믿고 사용하는 사용자가 있었죠. 이 경험을 통해 저는 커리어에서 가장 중요한 점을 깨달았습니다. "큰 조직이 아니라, 제품과 사용자의 관계에 집중해야 한다." Gamma에 합류한 이유, 그리고 결과 이 깨달음을 가지고 Gamma에 합류했습니다. 그리고 2년만에 ARR 5천만 달러를 달성하고 15개월 연속 흑자를 유지하고 있습니다. Gamma는 작지만 강력한 팀이고, 저는 이곳에서 시니어 GTM(Go-To-Market) 매니저로 일하게 되었습니다. 단지 35명의 인원으로 5천만 사용자, 그리고 연매출(ARR) 5천만 달러(약 650억 원)를 기록하는 놀라운 성장세였습니다. Gamma의 빠른 성장 뒤엔 다음과 같은 핵심 전략이 있었습니다. 기존 GTM Manager에서 이번에 Senior GTM Strategy Manager로 한 계단 올라섰습니다. 저희가 시장을 공략할 때 사용하는 방법은 간단합니다. 원칙을 세울 것, 원칙을 지킬 것 두 가지죠. 몇가지를 공유해 보겠습니다. 1. 사용자 중심 가격 전략 (Van Westendorp) 우리는 가격을 정할 때 절대 추측하지 않았습니다. Gamma는 Van Westendorp 방법론을 통해 사용자들이 "얼마를 지불할 준비가 되었는지" 정확하게 파악하고 그에 맞춰 가격을 책정했습니다. 덕분에 초기부터 탄탄한 수익 구조가 만들어졌고, 이후 2년 동안 한 번도 가격을 바꾸지 않아도 안정적 성장을 유지할 수 있었습니다. 가격은 고객에게 전하는 신호입니다. 정확한 가격 설정은 제품과 사용자 간 신뢰를 만듭니다. 2. 최소한의 인력으로 최대한의 성장 Gamma는 AI 기반 프레젠테이션 도구를 만듭니다. 제품 자체가 스스로 영업과 마케팅을 해줍니다. 우리의 Go-To-Market 전략은 간단했습니다.

얼마 전, 넷플릭스에서 본 『오징어 게임 시즌 3』의 강렬했던 결말 장면이 아직도 머릿속에 남아있습니다. 마지막 게임은 하늘 위에서 펼쳐지는 이른바 '고공 오징어 게임'. 이 게임은 정사각형, 정삼각형, 그리고 완전한 원형의 기둥 위에서 차례로 진행됩니다. 특히 마지막 단계의 둥근 기둥 장면에서 주인공은 자신을 지배했던 탐욕의 굴레에서 벗어나기 위해 스스로 희생을 선택합니다. 이전까지 원(동그라미)은 탐욕과 집착을 상징했지만, 주인공이 아이와 미래를 위해 이 원 위에서 죽음을 택하면서 그 의미를 완전히 뒤집어 놓았습니다. 이 장면은 우리가 보는 현실이 절대적이지 않으며, 환경이나 경험에 따라 그 의미가 언제든지 달라질 수 있음을 생생히 보여줍니다. 참고로 저는 오징어 게임 시즌 3를 무척 재미없게 보았습니다. 문화가 보는 방식을 바꾼다? 두 개의 흥미로운 착시 연구 이와 비슷한 이야기를 최근 접한 두 가지 시각 착시 연구에서도 찾을 수 있었습니다. 영국 런던정경대학(LSE)의 이반 크루핀(Ivan Kroupin) 연구팀은 '코퍼 착시(Coffer illusion)'라는 그림을 서구 사회 사람들과 나미비아 농촌 사람들에게 보여줬습니다. 흥미롭게도 서구권 참가자들은 대부분 사각형을 본 반면, 나미비아 농촌 참가자들은 주로 원형을 봤습니다. 연구팀은 이것을 '목수의 세계(carpentered world)' 가설로 설명합니다. 즉, 우리가 살아온 환경이 뇌가 세상을 보는 방식을 결정한다는 것입니다. 그러나 또 다른 연구는 이 가설을 흔듭니다. 도르사 아미르(Dorsa Amir)와 채즈 파이어스톤(Chaz Firestone)은 '뮐러-라이어 착시(Müller-Lyer illusion)'를 통해, 이 착시가 환경과 무관하게 인간뿐 아니라 동물이나 앞을 전혀 보지 못했던 아이들까지 경험한다는 사실을 밝혔습니다. 이 두 연구는 서로 충돌하는 듯 보이지만, 사실은 우리가 보는 세상이 객관적 실체라기보다는, 우리 뇌가 끊임없이 해석하고 창조하는 것이라는 중요한 메시지를 던져줍니다. 보는 것도, 말하는 것도 결국은 '뇌의 환각' 신경과학자 아니 세스(Anil Seth)는 "우리가 보는 현실은 뇌가 만들어낸 통제된 환각(controlled hallucination)"이라고 표현합니다. 즉, 우리의 뇌는 객관적 세상을 그대로 보여주는 것이 아니라, 경험과 환경, 문화를 기반으로 세상을 주관적으로 해석해 우리 앞에 펼쳐놓습니다. 흥미로운 점은 이런 현상이 시각뿐 아니라 언어에도 똑같이 적용된다는 사실입니다. 스탠퍼드 대학의 심리학자 레라 보로디츠키(Lera Boroditsky)의 연구를 예로 들어보죠. 그녀는 독일어와 스페인어 화자들에게 '열쇠(key)'와 '다리(bridge)'를 묘사해 달라는 실험을 했는데, 두 언어에서 이 단어들의 성별이 서로 반대였습니다. 독일어에서 열쇠는 남성명사, 다리는 여성명사 스페인어에서는 열쇠가 여성명사, 다리는 남성명사 놀랍게도 독일어 화자들은 열쇠를 "무거운, 강한"과 같은 남성적 특성으로, 다리는 "아름다운, 우아한"과 같은 여성적 특성으로 묘사했습니다. 반대로 스페인어 화자들은 정반대의 묘사를 했습니다. 이처럼 우리가 사용하는 언어도 결국 우리 뇌가 현실을 창조하고 해석하는 방식을 결정합니다. 우리가 '본다'고 믿는 것도, '말한다'고 믿는 것도, 결국은 뇌의 통제된 환각인 셈입니다. 『오징어 게임』, 시각 착시, 언어가 말하는 같은 이야기 『오징어 게임』의 마지막 원형 기둥 장면이 강렬했던 이유도, 언어가 우리의 현실 인식을 바꾸는 것도 결국 같은 이유에서입니다. 우리가 절대적이라고 믿었던 세상의 의미가 얼마든지 변할 수 있고, 우리가 가진 언어나 문화, 경험에 따라 세상이 완전히 달라질 수 있다는 것입니다. 착시 현상과 언어 연구, 그리고 드라마가 우리에게 공통적으로 주는 메시지는 분명합니다. 세상은 우리의 마음속에서 언제나 재해석되고, 재창조된다. 그렇다면 우리가 삶을 더 긍정적으로 바꾸고 싶다면, 먼저 세상을 바라보는 우리의 방식부터 바꿔볼 필요가 있지 않을까요? 『오징어 게임』의 주인공이 원형의 의미를 탐욕에서 희생으로 바꿔놓았듯이, 우리도 삶에서 보는 것과 말하는 것의 의미를 새롭게 바꿀 수 있습니다. 우리가 경험하는 어려움, 고통, 심지어 행복까지도 결국은 우리가 그것을 어떻게 바라보느냐에 따라 달라질 수 있습니다. 사실 『오징어 게임』이라는 작품이 주목 받은 것 자체가 우리가 일상적인 세상 혹은 어릴 때 좋은 추억으로 남아 있던 게임들이 탐욕에 물든 어른들이 목숨을 걸고 하는 게임이 되어 버려서 였던 것 처럼. 약간의 시선을 바꾸면 완전 새로운 것 혹은 재밌는 것들이 나올 수 있지 않을까요?

최근, 꼬치코칭을 통해 중국어에 능숙한 분을 만나봤습니다. 그러다 중국에서 자주 사용되는 앱들에 대해 이야기 하며 제가 사용해본 적이 있는 것들을 이야기 했습니다. 중국을 잘 모르시는 분들이라도 위챗(WeChat)은 한 번 들어 보셨을 겁니다. 중국에서는 위챗 없이는 거의 아무것도 할 수 없다는 농담도 있습니다. 식사 주문, 택시 호출, 쇼핑, 결제는 물론이고 심지어 정부 서비스까지 위챗 안에서 해결이 가능하죠. 한국에서 흔히 사용하는 카카오톡이나 네이버와 비교해도 훨씬 더 다양한 기능을 한 앱 안에서 제공합니다. 중국의 이런 ‘슈퍼 앱’ 현상은 단순히 중국인들이 더 편리한 것을 좋아해서일까요? 아니면 다른 이유가 있는 걸까요? 흔히들 동서양의 앱 디자인 차이를 설명할 때, "아시아인은 정보가 많고 복잡한 앱을 좋아하고, 서양인은 심플한 앱을 선호한다"고 말하곤 합니다. 하지만 실제로는 그렇지 않습니다. 최근 중국과 한국, 일본 등 아시아 국가의 앱들 역시 점차 더 깔끔하고 단순한 디자인으로 변화하고 있습니다. 그럼에도 불구하고, 왜 슈퍼 앱이 중국에서만 유독 강하게 자리 잡게 되었을까요? 스마트폰으로 시작된 ‘모바일 우선’ 시대의 출발점 2010년대 초반의 중국은 인터넷이 아직 제대로 정착되지 않은 상태였습니다. 당시 중국의 인터넷 보급률은 35% 미만이었고, 데스크탑 컴퓨터를 쓰는 사람들도 많지 않았습니다. 이런 상황에서 중국 소비자들에게 스마트폰이 최초의 개인용 컴퓨팅 기기가 된 것입니다. 이렇게 모바일 중심의 인터넷 환경이 처음부터 구축되면서 기존의 인터넷 습관들이 형성되지 않았습니다. 예컨대, 미국과 유럽의 경우 이미 웹 브라우저나 이메일 등 데스크탑 기반 인터넷 사용 습관이 자리 잡고 있었지만, 중국은 처음부터 모바일 앱이 주류였죠. 이 빈틈을 메운 것이 바로 텐센트(Tencent)의 위챗입니다. 위챗은 메신저로 시작했지만, '공식 계정(Official Accounts)'과 '미니 프로그램(Mini Programs)'을 통해 거의 모든 인터넷 서비스를 제공하기 시작했습니다. 사실상 위챗은 중국의 구글 크롬(Chrome)과 같은 브라우저 역할을 했던 셈이죠. 기존 웹 기반 서비스를 모바일로 옮기지 않고 처음부터 앱 중심의 환경을 만든 것입니다. 여기서 저는 늘 말하는 텐센트 마화텅 회장의 말을 떠올립니다. 마화텅은 텐센트의 QQ와 게임들이 카피캣이라고 놀림 받을때 이런 말을 했습니다. "우리는 고양이를 보고 호랑이를 그렸다" 초기 중국의 디지털 경제는 인프라가 매우 부족했습니다. 은행들은 소비자 친화적인 온라인 결제 시스템을 제공하지 않았고, 쇼핑은 현금 거래 위주였으며, 전자상거래는 신뢰를 얻지 못한 초기 단계였습니다. 이 상황에서 알리바바(Alibaba)는 타오바오(Taobao)의 온라인 거래를 위해 알리페이(Alipay)를 개발하여 자체 결제 시스템을 구축했습니다. 기업들은 필요한 서비스가 없으면 직접 만들어 내야 했습니다. 이것이 슈퍼 앱이 탄생한 진짜 이유입니다. 즉, 이상적인 사용자 경험(UX)을 위해서가 아니라, 시장의 공백을 메우고 산업 전반을 빠르게 점유하기 위한 필연적 선택이었습니다. ‘담장 쌓기’ 경쟁 전략의 등장 중국의 슈퍼 앱 성장은 또 다른 이유로 설명할 수 있습니다. 바로 극단적인 경쟁 환경 때문입니다. 텐센트, 알리바바, 바이두(Baidu), 바이트댄스(ByteDance) 같은 거대 기업들은 오랫동안 서로의 플랫폼 링크를 차단하는 이른바 '담장 쌓기(Walled Garden)' 전략을 사용했습니다. 위챗에서 타오바오의 쇼핑 링크를 열려고 하면 접속이 되지 않는 식이었죠. 따라서 각 기업은 자체 앱에 가능한 한 많은 서비스를 담으려고 했습니다. 이로 인해 위챗 같은 슈퍼 앱은 음식 배달, 택시 호출, 결제, 쇼핑, 소셜 미디어까지 모두 하나의 앱 안에서 제공하게 되었습니다. 중국 정부가 2021년에야 이런 링크 차단을 금지했지만, 이미 소비자 습관은 굳어졌고 슈퍼 앱 모델이 뿌리 깊게 자리 잡게 되었습니다. 또 다른 이유는 경제적 관점에서 찾을 수 있습니다. 초창기 중국 소비자들의 온라인 소비력은 서구에 비해 낮았기 때문에, 개별 앱 하나당 얻을 수 있는 고객의 생애 가치(Lifetime Value)는 적었습니다. 이에 따라 기업들은 한 고객에게 가능한 한 많은 서비스를 제공함으로써 고객당 수익을 극대화하려 했습니다. 또한 초기 고객 확보 비용이 매우 높았기 때문에, 앱 하나에 사용자를 모으면 그 사용자를 경쟁사로 보내지 않기 위해 더욱 많은 서비스를 통합했습니다. 텐센트가 위챗페이(WeChat Pay)를 홍보하기 위해 중국의 설날 춘절(CNY)에 ‘빨간 봉투(홍바오)’ 캠페인을 벌여 현금을 나눠준 것도 이와 같은 전략의 일환이었습니다. 문화적 선호가 아니라 전략적 선택 슈퍼 앱이 중국에서 성공한 이유는 사용자의 요구 때문이 아니라, 모바일 우선 환경, 산업 인프라의 부족, 치열한 경쟁 환경, 낮은 소비력과 같은 독특한 시장 조건들이 결합되었기 때문입니다. 그렇다면 다른 나라의 기업들이 슈퍼 앱 모델을 그대로 따라 해야 할까요? 꼭 그렇지는 않습니다. 오히려 중요한 교훈은 제품 설계의 결정이 무엇에 의해 이뤄지고 있는지를 이해하는 것입니다. 슈퍼 앱이 늘 정답은 아닙니다. 어떤 경우는 한 앱에 다양한 서비스를 묶는 게 좋을 수 있지만, 다른 경우는 최고의 사용자 경험을 제공하는 단일 앱을 만드는 게 더 효과적일 수 있습니다. 실제로 위챗은 모든 것을 다 해결할 수 있는 ‘완벽한 슈퍼 앱’은 아닙니다. 미니 프로그램으로 간단한 서비스를 경험하게 해주는 방식은, 사실상 모바일 환경의 '오픈 웹(Open Web)'과 같습니다. 사용자는 서비스를 미리 경험해 본 후, 필요하면 별도 앱을 다운로드합니다. 우리나라에서도 한 때 슈퍼앱이 미래라면서 호들갑을 떨었던 이들이 있었습니다. 하지만 그것을 실제로 해낸 곳은 누가 있나요? 개인적으로 진정한 슈퍼앱을 이뤄낸 것은 토스 정도 입니다. 이번에 토스가 추진하는 앱인토스가 이런 것의 본격적인 시작이라고 봅니다. 중국의 슈퍼 앱 사례를 통해 우리가 얻을 수 있는 가장 큰 시사점은, 비즈니스 필요성이 제품을 어떻게 진화시켰는지 이해하는 것입니다. 결국 제품의 성장은 사용자의 요구가 아니라, 기업들이 직면한 환경과 시장 조건의 전략적 대응에서 시작되니까요. 개인적으로 중국의 디지털 생태계나 기술력을 가장 과소 평가 하는 곳이 한국이라 생각합니다. 제가 늘 말하듯 중국 선진시 아니면 상하이 등만 가보셔도 내가 알던 중국이 아니구나 하는 생각이 들거에요.

최근 금융 관련 서비스를 만드는 곳에 인공지능 기획, 아키텍쳐 자문을 하면서 금융업에서도 이런 논의가 가속화 되고 있다는 것을 느꼈습니다. ChatGPT 같은 생성형 AI가 큰 주목을 받고 있지만, 그보다 훨씬 이전부터 금융권에서는 인공지능(AI)을 적극 활용해왔습니다. 사기 탐지부터 신용 위험 관리, 심지어 초단타 거래 전략까지, 금융의 핵심 업무 곳곳에서 AI가 중요한 역할을 하고 있죠. 하지만 인공지능이 실제로 신뢰받고 윤리적으로 사용되기 위해서는 여전히 많은 숙제가 남아 있습니다. 그 중 가장 중요한 이슈가 바로 설명 가능성(Explicability)입니다. 금융권에서 AI 모델이 복잡할수록, 그것이 어떻게 의사결정을 내리는지 파악하는 일은 어려워집니다. 흔히 말하는 ‘블랙박스’ 문제죠. AI 모델이 정확한 예측을 내놓는다고 하더라도, 그 예측이 어떤 기준과 과정에 따라 이루어졌는지 설명할 수 없다면, 특히 금융처럼 신뢰가 필수적인 영역에서는 심각한 문제가 될 수 있습니다. 그래서 오늘은 이 ‘설명 가능성’이란 무엇이고, 금융권에서 실제로 어떻게 구현할 수 있는지에 대해 깊이 있게 살펴보고자 합니다. 잠시 흥미로운 예시를 하나 들어볼까요? 2019년, 애플 카드(Apple Card)는 성차별적 대출 심사 논란으로 사회적 이슈가 되었습니다. 같은 소득과 신용도를 가진 부부가 신청했는데, 남편의 신용 한도가 아내보다 월등히 높게 책정된 것이죠. 사람들은 즉각 이 결정이 ‘성별에 따른 차별’이라고 비판했습니다. 그러나 정작 카드 발급사와 심사 알고리즘을 관리하던 금융기관들은 이 문제가 발생한 이유를 정확히 설명하지 못했습니다. 결과적으로 심각한 이미지 타격을 입었죠. 이 사례는 금융권에서 AI가 작동할 때 발생할 수 있는 문제를 잘 보여줍니다. AI는 데이터 기반으로 의사결정을 내리는데, 데이터 자체가 편향되어 있거나, 알고리즘의 판단 기준이 명확히 드러나지 않는다면 금융기관은 심각한 윤리적·법적 책임을 질 수 있습니다. 이런 맥락에서 금융권에서는 AI를 사용할 때 반드시 다음과 같은 질문을 해야 합니다. “우리의 AI 모델은 왜 그런 결정을 내렸는가?” “AI가 내린 결정은 과연 공정한가?” “AI 모델의 판단 기준을 우리가 설명할 수 있는가?” AI 설명 가능성을 이루는 세 가지 핵심 요소 설명 가능성(Explicability)은 단지 모델의 작동 방식을 기술적으로 보여주는 것 이상입니다. 금융권에서 AI의 설명 가능성을 제대로 구현하기 위해서는 다음 세 가지 요소를 모두 갖춰야 합니다. (1) 투명성(Transparency) AI 모델이 어떻게 구성되어 있는지, 어떤 데이터로 훈련되었는지, 어떤 전제 조건이나 가정을 바탕으로 작동하는지를 이해관계자에게 명확하게 공개하는 것입니다. 예를 들어, 신용 평가 모델의 데이터 출처와 평가 변수 선정 이유를 고객과 규제 당국에 공개함으로써 신뢰를 얻을 수 있죠. (2) 해석 가능성(Interpretability) AI의 결정을 인간이 쉽게 이해할 수 있도록 하는 것입니다. 모델의 작동 방식을 단순한 알고리즘이나 시각적 도구를 통해 설명할 수 있어야 합니다. 예를 들어, 대출 신청을 거부한 이유를 구체적인 데이터 포인트로 설명할 수 있어야 합니다. (“당신의 신용카드 사용률이 높아 대출이 거절되었습니다.” 등) (3) 책임성(Accountability) AI 모델이 내린 결정에 대해 명확한 책임 소재를 정하고, 문제가 발생했을 때 어떻게 대응할지 사전에 정하는 것입니다. 모델이 잘못된 결정을 내렸을 때, 이를 즉각 수정하고 피해를 구제할 수 있는 명확한 프로세스와 책임자를 설정하는 것이죠. 이 세 가지 요소를 모두 아우르는 통합적 접근이 금융권에서 AI의 설명 가능성을 제대로 구현하는 핵심이라고 할 수 있습니다.

병원을 찾을 때 우리는 늘 정확한 진단과 빠른 치료를 기대합니다. 하지만 현실은 긴 대기 시간과 의사 인력 부족으로 인해 원하는 때에 치료받기 쉽지 않죠. 그런데 최근 마이크로소프트(Microsoft)가 공개한 놀라운 연구가 의료계에 새로운 가능성을 제시했습니다. 바로 인공지능(AI)을 활용한 진단 시스템이 인간 의사보다 네 배나 정확한 진단을 내렸다는 것입니다. "AI가 정말 의사를 대체할 수 있을까?" 하는 의문이 드는 것도 사실 입니다. AI 진단 오케스트레이터, 의료계에 등장하다 마이크로소프트가 발표한 "AI 진단 오케스트레이터(Microsoft AI Diagnostic Orchestrator, MAI-DxO)"는 단순한 인공지능 모델이 아닙니다. 이 시스템은 서로 다른 역할을 맡은 다섯 명의 의사가 모인 패널처럼 설계됐습니다. 각 AI 에이전트가 가설을 세우고, 검사 항목을 선택하고, 최종 진단을 내리기 위해 서로 의견을 주고받으며 가장 적절한 치료 방법을 도출하는 방식이죠. 여기서 흥미로운 점은 AI가 결론에 도달하는 과정을 명확히 보여준다는 것입니다. 마이크로소프트는 이를 '체인 오브 디베이트(Chain of Debate)'라 부르며, AI가 어떤 논리를 통해 문제를 해결했는지를 투명하게 공개했습니다. 인간 의사를 뛰어넘는 정확성? 그렇다면 이 AI는 실제 의료 현장에서 얼마나 효과적일까요? 이를 검증하기 위해 마이크로소프트는 미국 최고 의학 저널인 NEJM(New England Journal of Medicine)에 실린 가장 까다로운 진단 사례 304건을 AI에게 제시했습니다. 결과는 놀라웠습니다. AI가 가장 잘 작동한 경우(OpenAI의 o3 모델 사용)의 진단 정확도는 무려 85.5%였습니다. 같은 사례를 진단한 숙련된 인간 의사들의 성공률은 단 20%였습니다. 인간 의사들이 교과서나 동료의 도움을 받을 수 없었다는 한계가 있었지만, 그럼에도 AI의 압도적인 성과는 의료계의 큰 충격으로 다가왔습니다. 비용과 시간까지 절약하는 AI 정확성뿐만 아니라 비용 절감 효과도 눈길을 끌었습니다. 마이크로소프트는 AI에게 진단 과정에서 비용을 고려하도록 설정했고, 이에 따라 필요한 검사 수가 크게 줄어들어 실제 사례에서 수십만 달러의 비용을 절약할 수 있었다고 합니다. "이 시스템은 우리가 본 것 중 가장 뛰어난 AI 성능을 보였으며, 의료 접근성의 새로운 문을 열 수 있다." 마이크로소프트의 도미닉 킹(Dominic King) 박사는 이렇게 평가했습니다. AI 모델은 이제 '상품', 진짜 경쟁력은 '조합력' 이 실험에서 마이크로소프트는 OpenAI뿐 아니라 메타(Meta), 앤트로픽(Anthropic), 구글(Google), xAI 등 여러 기업의 AI 모델을 활용했습니다. 특히 최고 성능을 보인 OpenAI의 모델도 궁극적으로는 '상품화(commodity)'될 것이며, 진정한 차별성은 이런 모델들을 통합하고 조합하는 '오케스트레이터'에 있다고 무스타파 술레이만(Mustafa Suleyman)은 강조했습니다. 마이크로소프트는 이 기술을 자사의 AI 챗봇 코파일럿(Copilot)과 빙(Bing) 검색엔진에도 적용할 계획이라고 밝혔습니다. 이는 하루 5천만 건이 넘는 건강 관련 질문을 처리하는 플랫폼에서 엄청난 잠재력을 발휘할 것으로 기대됩니다. '의료 초지능' 시대, 준비가 필요하다 무스타파 술레이만은 이번 연구를 '의료 초지능(Medical Superintelligence)'을 향한 첫걸음이라 표현합니다. 더 빠르고 정확하며 저렴한 진단이 가능한 미래가 코앞으로 다가온 것입니다. 하지만 아직 임상 환경에 도입하기에는 추가 검증이 필요합니다. 심장 전문의이자 AI 의료 권위자인 에릭 토폴(Eric Topol) 박사 역시 이 연구가 실제 의료 환경에서 이루어진 것은 아니지만, AI가 가진 의료 효율성의 가능성을 입증한 중요한 연구라고 평가했습니다.

"요즘 젊은 사람들은 너무 섹스를 안 해요. 믿기 어려울 정도죠." 2016년, 미국의 매체 '버슬(Bustle)'은 20대 초반 젊은이들 사이에서 성관계 빈도가 급감했다는 충격적인 연구 결과를 소개하며 이렇게 선언했습니다. 이후, 이 현상은 '섹스 불황(Sex Recession)'이라는 이름으로 불리며 큰 화제를 모았습니다. 미국 '애틀랜틱'의 표지에 등장한 벌과 새가 서로 등을 돌리고 있는 그림은 이 세대의 성적 단절을 강렬하게 표현했죠. 과거의 어른들이 걱정한 것은 '너무 난잡한 젊은이들'이었지만, 오늘날의 기성세대는 오히려 '섹스를 기피하는 젊은이들'을 우려합니다. 실제로 최근 통계에 따르면 Z세대(1990년대 중반~2010년대 초반 출생)의 성관계 빈도가 전례 없이 낮아지고 있습니다. 2018년 한 조사에 의하면, 18~24세 남성 중 약 3분의 1과 여성의 5분의 1이 일 년 이상 성관계를 하지 않은 것으로 나타났고, 팬데믹은 이 현상을 더욱 심화시켰습니다. 2021년에는 캘리포니아의 1830세 중 거의 40%가 성관계 경험이 없었다고 답했죠. 모든 것이 가능하지만, 아무것도 원치 않는 세대 흥미롭게도, Z세대는 이전 세대보다 성에 대해 더욱 개방적이고 다양한 선택지를 가진 세대입니다. 스마트폰 하나면 쉽게 데이팅 앱을 통해 짧고 가벼운 만남을 가질 수 있고, 다양한 성적 취향이 자유롭게 수용되는 시대를 살아갑니다. 그런데 왜 이들은 성을 멀리할까요? 이에 대해 영국 저널리스트 루이스 페리(Louise Perry)는 다소 보수적이지만 흥미로운 관점을 제시합니다. 그녀의 책 『21세기 성 가이드(A New Guide to Sex in the 21st Century)』에서는 성을 진지하게 받아들이고, 남녀 간의 생물학적 차이를 인정하며, 캐주얼한 성관계의 위험을 경고합니다. 페리는 "모든 남성은 맨손으로 거의 모든 여성을 죽일 수 있다"는 강렬한 경고와 함께, 여성들이 섹스 파트너를 신중히 선택해야 한다고 주장합니다. 반면, 가디언(Guardian)의 기자 카터 셔먼(Carter Sherman)은 자신의 책 『두 번째 혁명(The Second Coming)』에서 Z세대가 성적 불황을 겪는 이유를 정치적 보수주의와 인터넷이라는 거대한 힘 사이에 끼인 결과로 설명합니다. 온라인은 무한한 성적 콘텐츠를 제공하는 동시에 성적 상품화를 부추기고, 이는 실제적인 친밀감을 저해하는 결과를 가져왔다는 것이죠. Z세대는 어린 나이부터 포르노에 과도하게 노출되어 오히려 성에 대한 건전한 태도를 형성하기 어려워졌습니다. 성적 불황의 진짜 이유는 '관계'의 불황이다 성적 불황의 근본적인 문제는 바로 '외로움'입니다. Z세대는 이전 세대보다 훨씬 더 불안과 우울을 겪고 있으며, 타인과의 친밀한 관계 형성에도 어려움을 느끼고 있습니다. 또한 술 소비가 줄어든 것도 주목할 만합니다. 술은 이전 세대에게 있어 타인과 빠르게 친밀감을 형성하는 매개체였지만, Z세대는 이마저도 멀리하며 더욱 관계 맺기에 어려움을 겪고 있습니다. 소셜 미디어의 영향으로 자신의 매력을 수치화된 기준으로 끊임없이 평가받는 환경 또한 친밀감 형성에 장애물이 됩니다. 결국, 성적 불황은 관계 맺기의 어려움과 타인과의 진정한 연결이 희박해진 사회적 현상을 반영하는 것입니다. 우리는 무엇을 해야 할까? 루이스 페리와 카터 셔먼 모두 각자의 관점에서 성적 불황의 원인을 짚고 있지만, 결국 두 저자 모두가 간과한 것은 바로 성이 지닌 '즐거움과 연결의 힘'입니다. 성은 단순히 육체적 쾌락만을 제공하는 것이 아니라 인간이 타인과 가장 깊이 있고 직접적으로 연결될 수 있는 소중한 영역입니다. 친밀한 관계 속에서 우리는 서로를 이해하고, 존중하며, 사랑하는 법을 배우게 됩니다. 우리 사회는 Z세대가 다시 성을 통해 건강한 인간관계와 즐거운 경험을 만들어갈 수 있도록 돕기 위한 논의가 필요합니다. 성적 불황의 근본 원인을 단지 개인의 문제로 축소시키지 말고, 보다 포괄적이고 심층적인 사회적 대화를 시작할 때입니다. 최근 이런 기사를 보며 실제로 Z세대들이 원하는 것은 '단순한 만남'이 아닌 상대를 이해하고 알아가는 과정 같은데 그것이 자만추라고 부르는 영역인지... 아니면 예전에 유행했던 Resume 소개팅 같은 것인지는 잘 모르겠습니다. 섹스 불황(Sex Recession)이라는 표현이 재밌어서 좀 찾아보았네요.

최근 제가 올린 바이브 코딩 관련 글이 생각보다 많은 관심을 받았습니다. 특히 구체적인 수익 이야기를 솔직히 공유했더니 많은 분들이 공감하고 흥미롭게 봐주셨죠. 덕분에 기분 좋게 지내고 있었는데, 얼마 전 뜻밖의 상황을 마주했습니다. 바로 익명의 누군가가 제가 운영하는 해외 법인 관련해서 신고를 했던 일입니다. 처음엔 정말 놀랐어요. 제가 위법한 일을 한 것도 아닌데, 뜬금없이 신고가 들어오니까 황당하더라고요. 이번 경험을 통해 저처럼 해외 법인이나 글로벌 결제를 고민하는 분들에게 유용할 법한 이야기를 나눠보려 합니다. 🚨 무슨 신고였을까요? 신고의 내용은 이렇습니다. 제가 Stripe Atlas로 설립한 해외 법인에 대해, 국내에서 필요한 각종 신고나 절차를 제대로 이행하고 있는지에 대한 민원이었습니다. 결론부터 말씀드리자면, 저는 다행히 아무 문제 없었습니다. 왜냐면 저는 처음부터 전문 세무사님을 통해 세금 신고(종합소득세)와 외국환거래 신고 등을 확실하게 처리하고 있었거든요. 마침 종소세 시즌이기도 해서 세무사님과 서류 준비를 꼼꼼히 하고 있던 중이었습니다. 이촌세무회계법인 늘 감사합니다. 한국에서 해외법인을 운영할 때 꼭 알아야 하는 것 그런데 이번 일을 겪으며 알게 된 사실이 있습니다. 의도치 않게 저의 경우 이미 준비가 돼 있었지만, 만약 미리 제대로 준비를 하지 않았다면 복잡하고 귀찮은 상황이 생길 수 있다는 거예요. 한국에서 해외법인을 설립하거나 운영할 때 반드시 해야 하는 의무들이 있습니다. 자세한 것은 사실 저도 잘 모르기에 세무사님의 조언과 지시를 따랐습니다. 외국환거래 신고 (외국환은행을 통해 해외직접투자 신고 및 정기 보고 필수) 종합소득세 신고 (국내에서 발생한 소득 외에 해외에서 발생한 소득도 포함해서 처리) 위 절차는 어렵지는 않지만, 미리 안 해놓거나 깜빡하면 불필요하게 복잡해질 수 있습니다. 개인적으로 도움 됐던 팁들 제가 이번에 문제없이 넘어갈 수 있었던 건 다음과 같은 이유 덕분입니다. 1️⃣ 전문 세무사의 도움을 받아라 개인사업자든, 법인이든 세무사와 함께 하면 이런 상황에도 바로 대처할 수 있습니다. (특히 종합소득세 신고 시즌에는 세무사님이 정말 든든합니다.) 2️⃣ 크리에이터 자동입금 서비스 (신한은행) 사용하기 개발자나 크리에이터라면 수익 관리가 복잡할 수 있는데, 저는 신한은행의 ‘크리에이터 자동입금 서비스’를 사용하고 있어서 수익 관리가 깔끔히 정리되어 있었어요. 이것 덕분에 신고할 때 편리했습니다. 3️⃣ 해외 법인이 반드시 필요하지 않다면, 국내 솔루션 이용하기 사실 해외 법인이 꼭 필요한 상황이 아니라면 국내에서 편하게 결제 시스템을 구축할 수 있는 솔루션이 많습니다. 개인적으로는 래피드(Latpeed)나 토스페이먼츠 같은 서비스가 제일 현실적이고 추천할 만합니다. 개인사업자, 복잡한게 싫다면 레피드를 추천 드리고 직접 개발 핸들링 가능하고 법인사업자 같은 경우에는 토스 추천드립니다. 물론, 해외 법인 설립 및 핸들링 가능하실 경우에는 Stripe Atlas나 LemonSqueeze 추천 드립니다. 해외 법인, 꼭 필요한가요? "정말 특별한 이유가 없다면 해외 법인은 불필요하게 복잡할 수 있다."

최근에 올렸던 바이브코딩(Vibe Coding)에 관한 글이 예상보다 큰 관심을 끌었습니다. 많은 분들이 성공담에만 주목하셨는데, 사실 이 과정에서 겪었던 여러 가지 시행착오와 실패 사례도 있습니다. 오늘은 그중에서 제가 경험한 흥미로운 '삽질기' 하나를 여러분과 공유하려고 합니다. 제가 당시 개발했던 서비스는 "PDF AI SHIELD"라는 이름을 가진 PDF 보호 시스템이었습니다. 최근 확산되는 LLM(대규모 언어 모델)들이 PDF 문서를 쉽게 읽고 요약해버리는 현상이 늘면서, 이를 막기 위한 방안으로 떠올렸던 아이디어였죠. 대학에서 학생들에게 자료를 나눠주거나 공문서 등을 열심히 작성해서 공유 했을 때 모두 인공지능으로 요약해 읽고 오니 뭔가 이걸 어떻게 제한 하지 라는 생각이 들었습니다. LLM이 우리가 제공하는 다양한 문서, 데이터를 정리 요약하는 법은 간단합니다. LLM은 문서를 읽고 → 중요 포인트를 찾고 → 묶고 → 짧게 말하고 → 출력 하는 과정을 거쳐 우리에게 정보를 제공합니다. 이 과정에서 저는 "읽기" 단계에 개입하여 LLM이 아예 chunking을 하지 못하게 방해하는 방식을 고안했습니다. 일반적인 PDF 보안은 비밀번호나 인증서, OCR 제거와 같은 방법을 사용하는데, 저는 여기에 특별한 방법을 추가했습니다. 그 방법이 바로 "보이지 않는 페인트"를 PDF에 뿌리는 것이었습니다. 사람이 보기엔 전혀 이상이 없지만, LLM의 눈에는 이를 읽을 수 없게 방해하는 일종의 "투명한 페인트"를 문서에 추가한 겁니다. 이외에도 인증서 형태의 태그와 PDF 메타데이터를 암호화하여 LLM이 쉽게 읽어내지 못하도록 조치했습니다. 기술적으로는 생각보다 훌륭히 작동했습니다. ChatGPT, Claude와 같은 유명한 LLM을 포함해 로컬 LLM 모델들까지 모두 이 방법에 막혔습니다. 처음 결과를 봤을 때는 거대 AI 기업들을 상대로 작은 승리를 거둔 듯한 기분마저 들었습니다. 이 자신감을 바탕으로 가격 정책을 정하고, Reddit과 몇몇 해외 커뮤니티에 홍보도 진행했습니다. 생각보다 빠르게 구매자들이 나타났고, 금세 성공적인 비즈니스로 자리 잡을 것 같았습니다. 솔직히 이 시점에서 조금 들떠 있었던 것도 사실입니다. 비즈니스 모델은 다음과 같이 구성했습니다. 비로그인 상태에서는 최초 1회 무료 사용 로그인하면 하루에 1회씩 사용 가능(24시간 기준) 월간 구독 시 하루 최대 30회 사용 가능 연간 구독 시 무제한 사용 가능 그런데 얼마 지나지 않아 예상치 못한 문제가 발생했습니다. GPT-4o, Claude Sonnet 3.5, Gemini Pro와 같은 모델에선 잘 작동했지만, 최신 모델인 o3나 Sonnet 3.7에서는 이 보호 기술이 완전히 무력화되었습니다. 더군다나 mini 모델이나 특정 조건에서는 메타데이터 암호화까지 뚫리는 경우가 발생했습니다. 다행히 초기 사용자 중 한 분이 친절하게 이 문제를 제보해 주셨고, 저는 즉각적으로 모든 구매자들에게 환불을 진행했습니다. 보안이라는 서비스의 특성상 단 한 번이라도 뚫리면 제품을 계속 판매할 수 없었기 때문입니다. 초기에 얻은 수익은 결제 수수료 등으로 인해 오히려 적자가 되어버렸지만, 빠른 조치 덕분에 더 큰 손실을 막을 수 있었습니다. 이걸로 보안 관련 소송 걸리는 것보다는 훨씬 낫잖아요? 제가 괜히 입금까지 완료된 것이 수익이라고 한 게 아닌 이러한 경험담을 몇 가지 더 가지고 있습니다. 반응이 좋다면 앞으로 더 다양한 이야기를 공유해 볼까 합니다. 사실 바이브 코딩 첫 글에도 말했지만 바이브 코딩을 하다 보면 우리 생각 이상으로 많은 삽질과 수정이 필요하고 이 과정에서 개발자에 대한 수요가 오히려 더 발생한다고 생각합니다. 그리고 이런 삽질들이 반복되면 더 좋은 제품이 되는 것 같구요. 사람들은 실패담 보다는 성공담과 극적인 것을 더 좋아하는 것 같지만, 개인적으로는 이런 실패담도 꽤 많습니다. 삽질이라고 표현했지만 개인적으로 배운 것도 많고요. 이런 글이 반응이 좋을지 모르겠지만 한 번 반응이 좋으면 2편, 3편도 계속 공유해보겠습니다.

회사를 그만두고 창업을 시작하면서 가장 크게 느꼈던 것은 좋은 자극에 대한 갈구였습니다. 감사하게도 많은 분들의 도움과 시대의 흐름 덕에 밥 굶을 걱정은 없었고 회사는 생각보다 빠르게 안정적인 궤도에 올랐습니다. 그러나 좋은 동료와의 꾸준한 교류에 대한 갈증은 쉽게 채워지지 않았습니다. 1인 사업자로서 몇몇 프리랜서 분들과 원격 근무 형태로 협업하다 보니, 자연스럽게 회사 동료처럼 편안하게 이야기하며 서로 자극을 주고받는 관계가 그리워졌죠. 소중한 인력을 단지 이런 이유로 채용하기엔 부담스럽기도 했고, 간혹 다른 기업에서 주 1회 근무를 해 보기도 했지만, 기대했던 자극이나 영감과는 조금 거리가 있었습니다. 특정 독서모임을 주최하거나 참여해 봤지만 역시나 무언가 부족했습니다. 어릴 땐 여러 사람들과 왁자지껄 모이는 걸 좋아했는데, 이제는 그런 자리에서 오는 피로감도 컸고요. 그러던 중 코칭을 떠올리게 되었습니다. 예전에 애자일 코치 교육을 받으면서 배웠던 기술과 프로그램이 있었기에, 이를 바탕으로 무료로 코칭을 진행해 보기로 마음먹었습니다. 처음에는 대상자를 특정하지 않고, 주로 저연차 직장인이나 취준생을 대상으로 시작했는데요. 시간이 흐르며 놀랍게도 50대, 60대 분들도 찾아와 주셨습니다. 인생의 2막을 준비하거나 이미 활기차게 달리고 계신 분들이셨죠. 한 번은 소형 선박을 제작하는 분과 만나 이야기를 나누었습니다. 그분은 거제에서 20톤 미만의 소형 선박을 전문으로 제작하는 조선소를 운영하고 계셨습니다. 알루미늄과 이름도 어려운 섬유강화플라스틱을 결합한 하이브리드 선박을 만들며, 선주의 세세한 요구사항에 따라 배의 상부 구조물을 맞춤형으로 제작하는 방식이 매우 인상적이었죠. 저는 그때까지 부산, 인천, 강릉을 여행하며 수없이 많은 배를 보았지만, 배를 누가 어떻게 만드는지에 대해서는 생각해 본 적이 없었거든요. 이렇게 작은 조선소들이 큰 조선소와는 다른 방식으로 유연하게 고객 맞춤형 제작을 한다는 사실을 알게 되니 새로운 세상을 엿본 기분이었습니다. 그리고 여기서 어떤 식으로 수수료를 받고 각 비용이 대략적으로 얼마 드는지도 무척 재밌는 소재였습니다. 어떤 날에는 현직 간호사 분들과 이야기를 나누면서 '마이듀티'라는 앱을 알게 되었습니다. 마이듀티는 간호사들이 자신의 복잡한 교대 근무 일정을 효율적으로 관리하고, 동료들과 손쉽게 공유할 수 있도록 도와주는 도구였습니다. 이 앱의 가장 큰 장점은 같은 병동 내 동료들의 근무표를 한눈에 볼 수 있다는 점이었죠. IT 업계에서 일하면서도 전혀 몰랐던 서비스였고, 특정 직업군의 니즈를 정확히 파악해 탄생한 이 앱은 제게 큰 영감을 주었습니다. 글로벌도 진출해서 많이들 사용하고 이제는 없으면 안되는 앱이 되었더라구요. 언제는 만도(Mando)에서 근무하시는 이분을 통해 자동차 한 대가 만들어지기 위해 얼마나 복잡하고 정밀한 협력 구조가 필요한지를 배우게 되었습니다. 만도는 자동차의 제동, 조향, 현가 장치 등 운전자 안전과 직결된 핵심 부품들을 개발하고 생산하는 기업입니다. 우리가 매일 타고 다니는 자동차 한 대에도 이렇게 수많은 부품과 기업들이 촘촘히 엮여 있다는 사실은, 보통 하나의 제품을 전체적으로 만드는 방식으로 일해온 IT 분야의 제게는 굉장히 신선한 자극이었습니다. 개별 부품을 전문적으로 제작하고 각 기업이 유기적으로 협업해 최종 제품을 완성하는 제조업의 방식은, 제가 평소 경험한 협업의 형태와 전혀 다른 매력을 보여주었습니다. 물론, 머리로는 그렇게 만들어진다는 것을 알고는 있었지만 실제로 그 일을 하고 산업에 종사하는 분의 이야기를 직접들으니 더욱 색달랐던 것도 있습니다. 이렇게 꼬치코칭을 통해 수많은 분야의 분들을 만나면서 제가 보는 세상이 점점 넓어지고 깊어짐을 느꼈습니다. 단지 사람들을 만난 것이 아니라, 다양한 삶과 경험을 통해 세상을 이해하는 시야가 넓어진 느낌이었죠. 때로는 만난 분들끼리 서로 연결해 채용이 이루어지기도 하고, 사업적인 협업이 시작되기도 했습니다. 생각지도 못한 곳에서 뜻밖의 영감을 받을 때는 그 자체로 저에게 큰 기쁨이었습니다. 많은 사람과의 대화는 결국 한 가지를 깨닫게 해주었습니다. 제가 알고 있다고 생각한 세상은 너무나 좁고, 우리가 서로의 이야기를 나눌 때 비로소 넓고 다채로운 세상이 보인다는 사실을요. 앞으로도 저는 꼬치코칭을 통해 더 많은 사람과 만나고, 더 많은 이야기를 엮으며 서로의 삶을 더욱 의미 있게 연결하고자 합니다. 한 분, 한 분 뵙다 보니 누적이 아닌 개개인으로 100분을 넘게 만나게 되었고 이건 엄청난 자산이 되었네요. 밥값과 커피값이 많이 들었지만 그 이상의 가치를 했다고 생각합니다. 앞으로는 더 체계적으로 만나보면 좋겠다는 생각을 하며 이만 줄입니다.

지난 주말, 판사를 하셨고 다양한 사건과 사례를 경험하신 판사 부부 댁에 가서 즐거운 시간을 보냈습니다. 두 분은 모두 판사의 법봉을 내려 놓으시고 지금은 변호사와 전원 생활을 하고 계시는데 밤이 깊어지고 모닥불을 피우며 다양한 이야기를 하다가 저의 호기심으로 '판사는 공명정대한가?'에 대한 발칙한 질문으로 시작해 어떻게 그것을 훈련하고 확신할 수 있는지에 대해 이야기가 확장되었습니다. 이후, 틈틈히 이 생각을 정리해보고 있는데 물론 저는 법률가는 커녕 시민으로서 최소한의 법 지식만 있을 뿐 입니다. 제가 유일하게 법에 대해 공부했던 것은 고등학교 1학년 <법과 사회>라는 과목이 전부였습니다. 저도 신문기사나 기존에 생각하는 것들에 대해 작성해 본 것이니 너그러히 읽어주시면 감사하겠습니다. 전세계에서 발생하는 사법 지연 "지연된 정의는 정의의 부재(Justice delayed is justice denied)" 이 오래된 격언이 지금 전 세계에서 현실화되고 있습니다. 사법부에 대해 이것 저것 알아보다 보니 영국의 사례가 눈에 띄였습니다. 유럽에서 한국까지 사법부가 사건 적체와 재판 지연으로 몸살을 앓고 있습니다. 특히 영국과 유럽에서는 심각한 재판 지연 사례가 속출하며 사법 시스템 자체가 마비될 위기에 처했습니다. 영국 법무부 발표에 따르면, 2016년 약 4만 8천 건에 불과했던 법원 사건 적체는 2024년 현재 7만 건 이상으로 증가했습니다. 심지어 런던에서는 칼로 위협한 피고인의 단 3일짜리 재판 일정이 2028년으로 잡힌 사례가 발생하며 사회적으로 큰 파장을 낳았습니다. 유럽 전반적으로 사법 시스템의 투자가 만성적으로 부족한 상태인데, 유럽평의회의 조사에서는 유럽 각국의 사법 예산이 GDP 대비 0.31% 수준으로 10년간 실질 감소했다고 지적했습니다. 포르투갈 리스본에서는 법원 직원들의 잦은 파업으로 재판 업무가 마비되는 사례가 빈번히 발생하고 있습니다. 프랑스, 스페인은 말할 것도 없고... 미국도 최근 여러 몸살을 앓고 있습니다. 한국의 사법부 역시 위기를 겪고 있습니다. 법률신문의 조사에 따르면 대한민국 판사 1인당 연간 사건 처리량이 독일의 5배, 일본의 3배 수준입니다. 대법관 12명이 매년 약 4만 건의 상고 사건을 처리하는 상황에서 잦은 판사 인사 이동은 사건의 연속성과 공정성을 크게 저해하고 있습니다. 최근 헌법재판소와 대법원에서도 정치적 이슈로 이목이 몰리면서 사건 적체가 심각해졌고, 이는 결국 국민의 재판청구권과 권리구제에 실질적 피해를 주고 있습니다. 뭐, 이런 교과서적 말이 아니더라도 사법부를 인공지능으로 대체한다? 국회가 지난해 말 판사를 370명 증원하는 법안을 통과시켰지만, 단순히 인원을 늘리는 것으로 근본적 문제 해결은 어렵다는 지적이 많습니다. 오히려 사법 시스템 자체의 구조적이고 효율적인 개혁이 필요하다는 목소리가 높습니다. 이런 상황에서 최근 판사의 역할을 인공지능으로 대체하면 공정한 판결이 가능하다는 주장이 나오고 있습니다. 하지만 이는 큰 착각입니다. 인공지능은 오히려 기존의 편향성을 증폭할 가능성이 크며, 최근 딥러닝 기반의 초거대 인공지능 모델은 내부 작동 원리가 블랙박스와 같아 편향의 원인을 추적하기조차 어렵습니다. 결국 판결을 내리는 존재의 문제는 불완전성이 아니라, 판결의 일관성에 있다고 봐야 합니다. 사법부가 존재하는 가장 근본적인 이유는 명확한 원칙과 철학 아래 일관된 판결을 내릴 수 있도록 우리가 권한을 신뢰하고 맡겼기 때문입니다. 그런데 최근 민의나 다수의 의견이라는 이름으로 판결의 철학과 기본 논리 자체가 흔들리는 사례가 자주 나타나고 있습니다. 이는 법치사회가 서서히 무너지는 시작일 수 있습니다. 과잉 입법으로 야기된 사법 혼란 한국의 문제 중 하나는 과잉 입법입니다. 우리나라는 1년에 제정되는 법률의 수가 다른 국가에 비해 압도적으로 많습니다. 법률이 지나치게 많아지면, 해석의 여지가 좁아지고 다양한 사회적·경제적 활동이 위축됩니다. 법률 간 상충되는 경우도 빈번히 발생하여 기업과 시민이 법을 지키는 것 자체가 어려워지는 역설적 상황이 연출됩니다. 이런 문제를 해결하기 위해 필요한 것은 오히려 입법부의 디지털화입니다. 인공지능이 판사를 대체하거나 보조하기보다는, 입법 단계에서 법률 간 충돌 여부와 사회적 영향을 충분히 데이터로 검토하는 시스템이 필요합니다. 현재처럼 같은 당이나 동료 의원의 요청에 따라 법안을 지지하는 관행을 개선해야 하며, 초기에는 블라인드 평가로 법안의 내용을 객관적으로 평가하고, 이후에 기명 투표로 책임성을 높이는 방식도 고려해볼 만합니다. 결국 정의는 사치품이 아니라 우리가 반드시 지켜야 할 필수적인 가치입니다. 사법부의 일관성과 독립성을 지키기 위한 근본적이고 체계적인 개혁과 함께, 입법부의 디지털화를 통해 보다 투명하고 효율적인 법률 체계를 구축하는 것이 지금 우리가 직면한 위기를 극복하는 현실적인 길이 될 것입니다. 국가 의원 당 연간 평균 발의 법안 수 전체 연간 발의 법안 수 의원 발의 비율(%) 정부 발의 비율(%) 법안 통과율(전체)

최근 한국인공지능학회(https://kjai.jams.or.kr/)지에 논문이 Accept(게재 확정) 나서 공유 드립니다. Pre-print형태로 이전에 Arxiv에 업로드 되었던 논문인데 이름은 거창하게 HEMA로 지었습니다. 사실 뇌의 한 부분인 해마에서 따온 이름입니다. 뇌의 해마는 기억과 학습을 관장하는 중요한 역할을 수행하는 구조물입니다. 특히 새로운 사실을 기억하고 공간을 탐색하는 데 중요한 역할을 하며, 편도체와 상호작용하여 감정적인 기억을 형성하는 데에도 관여합니다. 해당 논문의 핵심은 LLM에서 Long-Context 그러니까 긴 대화를 할 경우 품질이 떨어지는 것을 방지하는 연구인데요. 간단하게 이야기 하면 인간이 어떤 사건, 상황을 기억할 때, 모든 것을 세세하게 기억하지 않는 것 처럼 일반적으로 요약해 기억하는 것을 Compact Memory라는 형태로 text 형태로 저장하고, 인간의 경우 상징/신호 등을 메인으로 기억하는 것을 포인트로 잡아 사전에 나눴던 대화를 Vector DB형태로 보존하여 Vector Memory 로 가지고 갑니다. 이럴 경우 긴 대화로 좀 더 오래 맥락을 유지하면서 동작이 가능하고, 일관성 있는 경험이 가능합니다. 이후 소설, 반려챗봇 등을 운영하는데 잘 사용할 수 있을 것으로 보이고 완전 재현 방식으로 실험을 해서 sLM으로 반복적 실험을 했습니다. 일단은 영어기준이고 6b 기준으로도 성능이 잘나오는 걸 보면 이미 서비스화 되어 있는 Claude나 ChatGPT에서는 더 잘 작동할 것 이구요. 보통은 Claude 같은 것을 사용할 때 대화가 너무 길어서 다른 대화로 옮겨야 하거나, ChatGPT에서도 대화가 길어질 때 성능이 저하되는 경우가 있었는데 최근에는 이것을 Project 기능이나 Memory 기능 등으로 해결하려는 게 보입니다. 이전까지는 프롬프트를 통해 "이전까지 대화를 요약 정리해줘" 같은 방식으로 한 번 정리 시키고 새로운 이야기를 시작했던 것과 유사하죠. KCI, SCI에 논문을 계속 내어 보고 있는데 허들이 높아진게 느껴집니다. 타율이 예전 같지 않네요. 가장 번거로운 것은 회사에 있었을 때는 회사 자원으로 연구를 풍족(?)하게 할 수 있었다면, 지금은 빠듯하게 사비로 해야한다는 점이 있습니다. 후속 연구를 통해 문체를 유지하며 중복된 내용이 없으며 균질하게 결과물을 내는 것에 대해 하나 준비 중인데 이것도 성과가 나오면 공유 드려보도록 하겠습니다.