핵심 요약 AI 에이전트 기술은 코딩 지식 없이도 소프트웨어 개발을 가능하게 하는 혁명적 변화를 가져옴 향후 24개월 내 많은 일자리가 AI에 의해 대체될 것으로 예상됨 루틴 작업 중심의 직업(데이터 입력, 품질 보증, 고객 서비스 등)이 가장 먼저 영향 받을 것 AI는 교육과 의료 분야에서 긍정적 혁신을 가져올 것으로 기대 새로운 시대에는 전문 기술보다 높은 주도성(agency)과 일반적 능력(generalist skills)이 중요해짐 AI 에이전트: 새로운 디지털 혁명의 시작 AI 에이전트라는 용어를 들어보셨나요? 이는 단순한 챗봇이 아닌, 사용자의 요청에 따라 자율적으로 작업을 수행하고 목표를 달성할 수 있는 인공지능 시스템입니다. 이 기술은 웹 브라우저 접근, 프로그래밍 환경 이용, 심지어 결제 처리까지 가능한 도구들을 활용하여 인간의 개입 없이도 복잡한 작업을 수행합니다. Replet의 CEO 암자드는 자신의 경험을 공유했습니다. 그는 코딩 기술 없이도 Replet을 사용해 웹사이트를 구축하고, 스트라이프 결제 시스템을 통합하고, 구글 로그인 기능까지 추가할 수 있었습니다. 이러한 기술은 기존에 수주가 걸리던 작업을 단 몇 분 만에 완료할 수 있게 해줍니다. "나는 코딩 기술이 전혀 없는 상태에서 웹사이트를 구축하고, 스트라이프를 통합하고, AI를 내 웹사이트에 추가하고, 구글 로그인을 웹사이트 앞부분에 추가했으며, 이 모든 것을 단 몇 분 만에 해냈습니다." 일자리의 미래: 무엇이 사라지고 무엇이 남을 것인가 AI 에이전트의 등장으로 많은 직업들이 위험에 처하게 될 것입니다. 특히 루틴 작업 중심의 직업들이 가장 먼저 영향을 받을 것입니다. "만약 당신의 일이 루틴한 작업이라면, 향후 몇 년 내에 사라질 것입니다." 영향을 받을 직업들: 품질 보증 작업 데이터 입력 업무 고객 서비스 담당자 회계사 의료 진단 관련 일부 직업 실제로 Kler CEO는 AI 고객 서비스 에이전트가 매월 230만 건의 채팅을 처리하고 있으며, 이는 700명의 전일제 직원이 할 수 있는 양과 동일하다고 밝혔습니다.

"AI를 이해하는 가장 좋은 방법은 먼저 작게 시작하는 것이다." - 스탠포드 웨비나 언어모델의 기본 원리와 작동 방식 언어모델 작동 기본 메커니즘 입력 텍스트 기반 다음 단어 확률 계산 "학생들이 책을"이라는 입력 → "열었다", "읽었다" 등 다음 단어 예측 학습 데이터량에 따라 예측 정확도 변화 2단계 학습 프로세스 사전학습(Pre-training) 웹, 책 등 공개 텍스트 데이터로 단어 예측 훈련 대규모 코퍼스로 기본 언어 이해력 구축 후속학습(Post-training) 지시사항 따르기(Instruction Following) 훈련 인간 피드백 기반 강화학습(RLHF) 사용자 친화적 상호작용 능력 개발 프롬프트 엔지니어링 필수 기법 1. 구체적 지시사항 작성 2. Few-shot 학습 3. 컨텍스트 제공 4. Chain of Thought

주요 포인트 요약 👨‍🔬 학문적 배경: 인도 첸나이 출신, IIT 마드라스에서 전기공학 학사 및 석사, UC 버클리에서 컴퓨터 과학 박사 학위 취득 🚀 Perplexity 설립: 2022년 8월 설립, AI 기반 대화형 검색 엔진으로 빠르게 성장 💰 성과: 월 6억 쿼리 이상 처리, 90억 달러 기업가치, 제프 베조스와 엔비디아 등이 투자 🔍 핵심 가치: 검색의 패러다임을 키워드에서 질문 중심으로 전환, 소스 인용 통한 신뢰성 확보 🌐 기술 전략: 자체 모델 개발, 웹 크롤링 인프라 구축, 에이전트 기능 추가 등으로 차별화 ⚙️ 경영 철학: 빠른 반복과 실험 중시, 분기별 계획 수립 (AI의 빠른 변화 속도 고려) 아라빈드의 학문적 배경과 AI 여정 아라빈드 스리니바스는, 인도 첸나이 출신으로 지식을 부보다 더 중요시하는 문화적 배경에서 성장했습니다. 그는 IIT 마드라스에서 전기공학을 전공했지만, 컴퓨터 과학에 대한 호기심으로 머신러닝 대회에 참가해 우승했습니다. "나는 전기공학을 전공했는데, 당시엔 컴퓨터 과학을 했어야 했나 고민했죠. 모든 '쿨한 아이들'은 컴퓨터 과학에 있었으니까요." 전기공학 배경은 ML로 전환하는 데 오히려 도움이 되었습니다. 컨볼루션이나 신호 처리 같은 개념에 이미 익숙했기 때문입니다. 그는 Andrew Ng과, "천천히 말하는 영국인" Geoffrey Hinton의 온라인 강의를 통해 독학했습니다. 버클리 대학원에서 인턴십을 거치며 OpenAI와 DeepMind에서 일했고, 이 경험이 그를 겸손하게 만들었습니다. 학업 중 일리야 서츠케버(Ilya Sutskever)와의 만남은 중요한 전환점이 되었습니다. 서츠케버는 그의 모든 강화학습 아이디어가 형편없다고 직접 말했지만, 대신 생성형 비지도 학습의 중요성을 강조했습니다. 이 통찰력은 나중에 ChatGPT의 기본 레시피가 되었습니다. Perplexity의 탄생과 성장 버클리에서 PhD를 마치고, 실리콘 밸리의 영향력 아래 스타트업을 시작하기로 결심했습니다. TV 쇼 '실리콘 밸리'의 팬이었던 그는 처음에는 손실 없는 압축 관련 스타트업을 구상했지만, 함께할 사람을 찾지 못했습니다.