더 많은 분들이 보셨으면 좋겠습니다 (샘 알트먼 인터뷰)

URL: https://www.youtube.com/watch?v=ygDt_ne4oQU 날짜: 2026-07-28 채널: BZCF | 비즈까페

---

📌 핵심 질문 / 이 영상이 다루는 핵심 논점

샘 알트먼이 OpenAI 창업자 겸 CEO로서 밝히는 이 인터뷰의 핵심은 ==우리는 지금 "특이점(singularity)" 한복판에 있으며, 이 시기를 어떻게 다루느냐가 인류의 미래를 AI 권위주의(authoritarianism)로 갈지 AI 자유(liberty)로 갈지를 가른다==는 것이다.

• 10년 전 강연 때는 먼 미래의 꿈이었던 것이 지금은 실제로 벌어지고 있는 현실이 되었다("we're actually in it")
• OpenAI의 존재 자체가 "비즈니스 미스터클(business miracle)"이며, 구글·마이크로소프트 같은 거대 기업이 자원을 압도적으로 갖고도 왜 밀리는지 알트먼 자신도 명확히 설명하지 못한다
• 알트먼은 텍스트/미팅으로 하루 300~400명과 접촉하며 얻는 방대한 맥락(context)을 활용해 남들과 다른 의사결정을 내린다고 말한다
• OpenAI는 연구소 → 제품 회사 → (곧 공개될) 인프라 회사로 정체성이 계속 바뀌어 왔고, 그 과정에서 로보틱스·Sora·브라우저 같은 잘 나가던 프로젝트를 의도적으로 죽여왔다

인터뷰는 스타트업 조언, OpenAI 창업 초기 비화, 조직 운영 철학, 개인적 습관과 고통, 미래 전망까지 폭넓게 다루며, 관통하는 태도는 "지수함수(exponential)를 진심으로 믿고, 혼란(chaos) 속에서 감정적 평정을 유지하며, 미션에 집중해 실행에만 몰두하라"는 것이다.

---

1. 스타트업을 대하는 태도: 지수함수를 믿어라

이 시대 스타트업의 가장 큰 무기는 "땅이 흔들리고 있다는 것"이며, 그 흔들림을 이용하는 자만이 압도적 우위를 갖는다.

1.1. 10년 전과 달라진 스타트업 환경

1. 속도와 규모의 변화
   1. 소규모 팀의 파워: 지금은 10주 된 스타트업이 예전 스타트업과는 비교할 수 없는 결과물을 만들어낸다. 반대로 10년 전 방식으로 굴러가는 10주 된 스타트업은 이미 "안 좋은 상황(bad shape)"에 처한 것
   2. 구체적 사례: 알트먼이 최근 만난, 생긴 지 2주 정도 된 스타트업은 문서·프레젠테이션·스프레드시트를 AI가 퍼스트클래스 소비자로 다루도록 만든 오피스 생산성 슈트 전체를 다시 만들었는데, 이는 불과 얼마 전이라면 "1년치 작업량"이었을 일
2. 경쟁의 역설
   1. 하드 스타트업의 재정의: 도구가 늘어나면 어려운 스타트업이 쉬워질 것 같지만, "무엇이 어려운 스타트업인가" 자체가 너무 빠르게 바뀌어서 알트먼조차 완벽한 멘탈모델이 없다고 인정
   2. 물리 세계의 가치 상승: 소프트웨어가 공짜가 되어가는 세상에서 물리적인 것(로봇, 로켓 제작 등)의 가치가 급등하고 있지만, 로봇이 좋아지면 이 전제도 급격히 바뀔 수 있다고 지적

1.2. 안전한 길로 도망치는 창업자들에 대한 비판

1. "쉬운 승리"의 유혹
   1. 엔터프라이즈 버티컬 에이전트: 대부분의 스타트업이 "특정 산업 버티컬용 AI 에이전트를 만들겠다"는 식으로 접근하는데, 이는 작동은 하겠지만 경쟁이 치열하고 그 시대를 대표하는 성공작은 되지 못할 것
   2. 판단은 있으되 아쉬움도 있다: 알트먼은 이런 선택을 비난하지 않지만("no judgment"), 지형이 이렇게 유동적인데도 완전히 새로운 판을 짜는 "미친 도전"을 하는 사람이 더 적다는 데 놀란다고 말한다
2. 스케일링 법칙을 진짜로 믿기
   1. 미래를 당겨쓰기: 스케일링 법칙이 계속될 것이라는 사실을 진심으로 내재화하고, 이번 달엔 불가능하거나 비경제적이지만 2~4년 후엔 가능해질 일을 미리 계획하는 창업자가 드물다
   2. 시장의 미적응: 고성장 젊은 창업자에게 베팅하는 데는 여전히 "공짜 돈"이 남아있다는 것 자체가, 시장이 지수적 성장에 대한 신뢰를 충분히 체화하지 못했다는 증거

1.3. 지수함수에 대한 신뢰가 만드는 관찰력

1. 사람·회사·모델을 같은 틀로 본다
   1. 성장 궤적 플로팅: 알트먼은 새로 만난 사람을 자신의 멘탈모델 위에 위치시키고, 다음에 만났을 때 얼마나/얼마나 빨리 성장했는지를 관찰하는 습관이 있다
   2. 모델 진보와 동일한 신뢰 체계: 창업자의 성장을 지켜보는 것과 모델의 3개월 단위 지능 향상을 지켜보는 것은 "주관적으로 같은 느낌은 아니지만, 근본적인 믿음 체계는 동일하다"고 말한다
2. 창업자에게 가장 강조하고 싶은 것
   1. 지수함수에 대한 신뢰 부족이 최대 약점: 만약 지금도 스타트업 어드바이저를 한다면 가장 강조하고 싶은 것이 바로 이 "지수함수를 믿는 능력"이라고 밝힌다

---

2. 혼돈(Chaos)과 고통을 다루는 법

혼돈 속에서 감정적 평정을 유지하는 능력은 가르칠 수 없고(teachable) 오직 경험으로만 배울 수 있다(learnable)는 것이 알트먼의 핵심 주장이다.

2.1. 혼돈에 익숙해지는 유일한 방법: 반복 경험

1. 머리로 아는 것과 몸으로 익히는 것의 차이
   1. 감정적 숙련은 반복이 필요: 아무리 지적으로 이해해도, "이건 나를 죽이지 못할 것이다", "어떻게 해결할지 모르지만 결국 알아낼 것이다"라는 믿음은 실제로 여러 번 겪어봐야 체화된다
   2. 어린 창업자의 취약점: 젊은 창업자들은 아직 이 감정적 평화에 도달할 만큼 커리어 경험이 없어서 초기에 큰 고통과 불필요한 실수를 겪은 뒤에야 배운다
2. YC 오피스 아워에서 관찰한 패턴
   1. 신참과 베테랑을 구분하는 기준: 회사가 얼마나 오래됐는지 몰라도, 문제가 잘못 굴러갈 때 반응하는 "감정 상태"만 봐도 신참 창업자인지 몇 년 해본 창업자인지 바로 구분된다고 말한다
   2. 첫 번째 위기와 열 번째 위기: 회사를 무너뜨릴 것 같은 사건도 처음 겪을 땐 세상이 끝나는 것 같지만, 10번째쯤 되면 "9번을 살아남았으니 이번도 아마 괜찮을 것"이라는 태도로 바뀐다

2.2. "나쁜 경험의 반대는 좋은 경험이 아니라 무경험이다"

1. 관점의 전환
   1. 나발 라비칸트의 비유 인용: "인생에 리모컨 빨리감기 버튼이 있다면 인생은 그냥 끝나버리는 것"이라며, 지루하고 나쁜 부분도 "아무 경험 없음"보다는 훨씬 낫다고 설명
   2. 나쁜 날에도 감사하기: 이 관점 덕분에 알트먼은 나쁜 날에도 비교적 쉽게 감사할 수 있다고 말한다
2. 좋은 것과 나쁜 것을 모두 삶의 깊이로 받아들이기
   1. 감정적 깊이와 범위: 좋은 경험과 나쁜 경험 모두가 "흥미로움"과 "감정적 깊이와 폭"의 일부라는 인식이 핵심

---

3. 미션과 조직 철학: 권력 분산 vs AI 권위주의

알트먼이 반복해서 강조하는 최대 리스크는 소수의 사람이나 기업이 세상을 통제하려는 "AI 권위주의"이며, 이를 막기 위해 지능을 극도로 저렴하고 풍부하게 만들어 모두의 손에 쥐어주는 것이 OpenAI의 사명이다.

3.1. 미션이 곧 실행 우선순위를 결정한다

1. 명확한 미션 + 문제에 대한 깊은 이해
   1. 의사결정의 나침반: "무엇을 할지"를 정하는 데 이 두 가지 조합이면 상당히 정확한 방향이 나온다고 말한다(완벽하진 않고 때때로 과도하게 확장하거나 충분히 야심차지 못한 실수도 함)
   2. 핵심 미션 문구: "지능을 극도로 풍부하고 저렴하고 강력하게 만들어 모두의 손에 쥐어주고 많이 쓸 수 있게 하는 것"이 OpenAI가 스스로를 규정하는 방식
2. 플랫폼 전략: 버티컬 자체 개발은 안 한다
   1. 분산 경제를 신뢰: OpenAI는 모든 버티컬·모든 스타트업을 자체적으로 만들 생각이 없으며, 분산된 경제(decentralized economy)가 중요하고 좋다고 믿는다
   2. 인텔리전스 유닛 생산에 집중: 대신 "지능의 단위(units of intelligence)"를 훌륭하게 생산해 모든 제품·서비스에 그것을 불어넣는(imbue) 것이 자신들의 역할이라고 정의

3.2. 회사(joint stock corporation)라는 발명품에 대한 통찰

1. 산업혁명의 진짜 핵심 발명품
   1. 기술이 아니라 제도: 어릴 때부터 산업혁명을 흥미롭게 봤던 알트먼은, 지금 관점에서 가장 중요한 발명은 특정 기술이 아니라 "주식회사(joint stock corporation)"라는 제도였다고 말한다
   2. 이전과 이후의 단절: 주식회사 이전에는 신뢰 기반의 가족 사업만 있었고 "주주"라는 개념 자체가 없었는데, 국가(주권자)들이 이 새로운 지위—국가만큼은 아니지만 개인보다 훨씬 강력한—를 부여하면서 인센티브 정렬, 책임 제한(liability protection), 대규모 자본 조달이 가능해졌다
2. 주식회사가 만든 결과: 인류사 최대의 "과잉성과"
   1. 곡선의 변곡점: 인류사 전체를 놓고 볼 때 "회사"가 발명된 시점에 극빈층 비율, 유아사망률 등 모든 지표의 곡선 모양이 확연히 바뀐다고 지적
   2. 자본주의의 오버퍼포먼스: "자본주의의 터무니없는 오버퍼포먼스"를 인정하면서도, OpenAI의 미션은 이 어떤 경제적 파워보다도 더 중요하다고 덧붙인다
3. CEO 소시오패스 비율과 인센티브 정렬
   1. 자본주의가 소시오패스를 정렬시킨다는 가설: 인터뷰어가 CEO 중 소시오패스/사이코패스 비율이 높다는 통계를 언급하며, 자본주의가 이런 극단적 자기중심적 인물들의 인센티브를 사회와 재정렬시켜 좋은 제품을 만들게 하는 최초의 시스템일 수 있다는 가설을 제기
   2. 알트먼의 반박: 소시오패스 CEO도 많이 알지만, 정말 뛰어난 CEO들은 그 범주에 넣지 않겠다고 답한다. 다만 자기애가 매우 강한 CEO는 많으며, 주주들이 지분을 살 수 있기 때문에 그 성가심을 좀 더 참아주는 정렬 효과는 있다고 인정
   3. CEO를 움직이는 동력: 사람마다 다르지만, 매년 스스로를 얼마나 더 뛰어나게 만들 수 있는지 확인하는 "게임"에서 오는 지적 자극이 큰 부분을 차지한다고 분석

3.3. AI 권위주의 대 AI 자유

1. 현재 시점의 핵심 싸움
   1. 두 가지 갈림길: 정렬(alignment)·안전·경제 문제를 이유로 단일 모델이나 특정 기업이 "기계 신(machine god)" 역할을 독점할 것인가, 아니면 다소 지저분하더라도 사람들에게 힘을 나눠주고 사회가 가드레일 안에서 스스로 이 기술의 사용법을 결정하게 할 것인가
   2. 역사적 근거: "인류가 안전을 이유로 자유를 거래할 때마다 장기적으로는 순손실이었다"는 원칙을 적용해, 권력을 사람들에게 나눠주는 쪽을 선택해야 한다고 주장
2. 가장 걱정하는 AI 리스크
   1. 소수 통제 시나리오: 소수의 사람이나 기업이 세계를 통제해야 한다고 생각하는 "AI 권위주의"가 지금 가장 걱정되는 리스크라고 명시

---

4. 실행(Execution)과 인센티브 정렬의 기술

큰 아이디어는 쉽고, 진짜 어려운 것은 그 아이디어를 실현하기 위한 지루한 그라인딩(grinding)이라는 것이 알트먼의 반복된 주장이다.

4.1. 공급망 파트너들의 타임라인을 맞추는 법

1. "믿게 만들기"가 핵심
   1. 단순 지시로는 안 통한다: "이 날짜까지 터빈/칩을 납품해달라"고 말만 해서는 공급업체들이 다른 우선순위에 밀려 흘려듣는다
   2. 모델·연구를 직접 공유: 핵심 공급업체들에게 다가올 모델, 그것이 가능케 할 것, 자신들의 연구를 실제로 상세히 보여주며 왜 그들의 믿음이 필요한지, 왜 이걸 우선순위에 둬야 하는지 설득한다
2. 인센티브 정렬
   1. 미션에 믿음을 심는 것 + 인센티브 조율: 가장 중요한 것은 파트너들이 미션 자체를 믿게 만드는 것이지만, 동시에 그들의 인센티브를 OpenAI와 최대한 일치시키는 방법도 함께 찾는다

4.2. 실행이란 무엇인가 — "전형적인 실행"은 없다

1. 문제마다 완전히 다른 접근이 필요
   1. 팹(fab) 건설 자금 조달 vs 칩 설계팀 구축: 새로운 반도체 공장(fab) 건설 자금을 조달하는 법과, 훌륭한 칩 설계팀을 모아 연구팀과 협업시키고 실제 공급망을 가동시키는 법은 완전히 다른 접근이 필요하다고 설명
   2. 정의: 굳이 "전형(typical)"을 말하자면, "문제가 요구하는 어떤 단계든 그냥 하고 어떻게든 되게 만드는 것"
2. 전문가에게 직접 물어보기
   1. 브라이언 체스키의 방식: 체스키가 어떤 분야든 부끄러움 없이 전문가를 찾아 질문하는 방식을 언급하며, 자신도 새로운 분야를 빠르게 습득할 때 전문가를 찾아 대화하고 최대한 많이 읽는 방식 외에 특별한 전략은 없다고 말한다
   2. 원하는 것을 요청하라: "항상 원하는 것을 요청해야 한다"는 원칙을 강조 — 항상 얻는 건 아니지만, 얻었을 때는 놀라운 일이 일어난다

4.3. 사례: Codex — 승산 없어 보이던 도전

1. 뒤처진 상태에서 결정한 "가미카제" 미션
   1. 불리한 출발: Codex를 시작할 때 Claude Code에 크게 뒤처져 있었고, 이미 모멘텀을 가진 제품 카테고리에서 이기려는 시도는 "절대 안 통한다"는 것이 업계 컨센서스였다
   2. 결과: 팀에게 "매우 중요하지만 극도로 어려운 미션"이라고 요청했고, 팀은 "비즈니스 역사상 극히 드문 진짜 성과"를 냈으며 지금은 알트먼이 아는 최고의 코더 대부분이 쓰는 제품/모델이 되었다
2. 포기하지 않은 이유
   1. 코딩의 전략적 중요성: 코딩이 매우 빠르게 벌어질 몇 안 되는 전략적 영역이었고, RSI(재귀적 자기개선, Recursive Self-Improvement)에 코딩이 결정적이라는 판단 때문에 포기할 수 없었다고 설명

4.4. 잘 되던 프로젝트를 죽이는 결정

1. 실제 사례: 로보틱스와 Sora/브라우저
   1. GPT-3가 터졌을 때: 매우 기대하던 로보틱스 프로젝트를 접고 GPT-3에 집중하기로 결정
   2. 코딩 에이전트가 터졌을 때: 마찬가지로 기대하던 Sora와 브라우저 프로젝트를 접고 코딩 에이전트에 집중 — Sora는 죽이지 않았다면 "충분히 성공적이었을 것"이라고 인정하면서도, 컴퓨트와 에너지를 코딩 에이전트에 투입하는 게 더 중요했다고 밝힌다
2. 결정은 한 번의 회의가 아니라 점진적 확신
   1. 점진적 깨달음의 과정: "이 컴퓨트, 이 사람들, 이 제품 방향을 더 중요한 곳에 써야 한다"는 것을 점진적으로 깨닫고, 결국 고통스러운 결정을 내리는 과정
   2. 팀 재정렬의 열쇠: 팀원들이 순간적으로는 불행하더라도 미션과 판돈(stakes)을 이해하고 있기 때문에 "왜 이걸 하는지 이해한다"고 받아들이며, 슈퍼인텔리전스를 향한 지속적 재조정을 좋은 일로 받아들인다는 것이 핵심

---

5. 개인적 습관, 삶, 그리고 고통

5.1. 하루 300~400명과 텍스트하는 습관

1. 양날의 검
   1. 본인도 인정하는 나쁜 습관: "나는 내가 아는 그 누구보다 더 많은 사람에게 문자를 보낸다. 이게 좋은 일이라고 생각하지 않는다"고 스스로 평가하며, 시간을 너무 많이 잡아먹고 주의 지속 시간(attention span)이 짧아졌다고 인정
   2. 엄청난 맥락(context)을 얻는다는 이점: 스스로를 "그렇게 똑똑하진 않지만 지금 벌어지는 일에 대한 방대한 단기 컨텍스트를 가진 AI 모델"에 비유
2. 컨텍스트가 만드는 다른 의사결정
   1. 구체적 사례는 공개 불가: 특정 사례를 공개적으로 말할 순 없지만, 어떤 고객·공급업체에게 영향을 줄 연구 돌파구를 아침에 미리 알고 있어서 그날 다르게(더 나은) 결정을 내린 경우가 많다고 설명

5.2. 세계 순회(World Tour): 28개국 35일

1. 결정 배경
   1. GPT-4 직후의 혼란: GPT-4 출시 직후 세상이 "멜트다운" 상태였고, 각국 정상들이 "이거 통제해야 하나? 이게 지금 깨어나는 건가?"라며 불안해하던 시기였다
   2. 직접 만나야 한다는 판단: 회사 규모가 아직 작았기 때문에 결국 알트먼 본인이 직접 나서서 세계 정상들을 만나지 않으면 상황이 매우 나빠질 것 같다는 직감이 있었다
   3. 브라이언 체스키의 조언: 체스키가 에어비앤비 시절 8개 도시 순회를 한 경험을 바탕으로 이 방식을 조언했고, 알트먼은 28개국 35일로 이를 확장했다
2. 여행의 실제 경험
   1. 비행기에서 생활: "비행기에서 살았다"고 표현할 정도의 강행군이었으며, 침대는 있었지만 편안함과 별개로 여전히 "여행은 그냥 힘들다"고 말한다
   2. 시차보다 탈진: 최대 시차는 4시간 정도(대부분 1시간씩 이동)라 극심한 시차는 아니었지만 극도로 탈진했다고 설명
   3. 묘한 정신적 증상: 여정 마지막 며칠 동안 반쯤 잠든 상태에서 자신이 "어린 시절 침대"에 있는 것 같은 환각적 감각을 반복해서 느꼈다 — "이건 이제 집에 갈 시간이라는 깊은 무의식의 신호"였다고 해석
3. 얻은 교훈
   1. 묶어서 하는 것이 낫다: 국제 여행은 하루짜리를 여러 번 나눠 하는 것보다 7~10일 단위로 몰아서 하는 것을 선호하게 됐고, 이후로도 그렇게 하고 있다
   2. 빈도: 이런 규모의 여행을 연 1~2회 정도, 이후로는 더 작은 규모로 여러 번 해왔다고 밝힌다

5.3. 위험을 재는 능력: "비행기 타기(get on planes)"

1. 경계 상황에서의 결단
   1. 인터뷰 시점 최근 사례: 무엇을 위해서인지는 밝힐 수 없지만, 최근에도 불편한 이틀 밤을 새는 여정을 감수하고 비행기를 탔고 "결과가 좋았다"고만 언급 — 신생아가 있는 와중에도 감행했다고 덧붙인다
2. 리스크에 대한 재해석
   1. 대부분의 리스크는 과대평가된다: 로빈후드에서 콜옵션 매수 같은 행동엔 진짜 리스크가 있지만, 비행기를 타는 것 같은 행동의 리스크는 사람들 생각보다 훨씬 낮다고 지적
   2. 컴퓨트 베팅: 스스로가 리스크로 보였지만 사실 그렇지 않았던 결정의 대표 사례로 "컴퓨트를 대량으로 사들이는 데 항상 극도로 강한 확신을 가졌던 것"을 꼽는다
   3. 말로 설명해보게 하기: 어떤 결정이 왜 고위험/저위험이라고 생각하는지 사람들에게 소리 내어 말하게 하면, 지적인 막힘은 대체로 풀린다(감정적인 부분은 항상은 아니지만)고 설명

5.4. 아이폰·틱톡·알림에 대한 자기 통제

1. 아이폰: 위대하지만 관계는 껄끄럽다
   1. 역대 최고의 기술: "아이폰은 인류가 집단적으로 만든 최고의 기술 작품"이라고 평가하면서도, 알림을 끄기 전까지는 아이폰과의 관계를 좋아하지 않았다고 고백
   2. 메시지 앱까지 알림 차단: 극소수를 제외한 모든 알림을 끄고 항상 꺼진 상태로 유지하는데, 이는 메시지 앱을 포함하며 "인생의 큰 업그레이드"였다고 표현
2. 틱톡 중독 경험
   1. Sora 앱을 만들며 의도적으로 중독되어봄: 틱톡이 어떻게 사람을 빨아들이는지 배우려고 일부러 스스로를 중독시켰는데, 처음엔 "취침 전 10분만" 통제하며 쓴다고 생각했지만 곧 하룻밤에 1시간, 어느 토요일 오후엔 3시간을 소파에서 흘려보냈다
   2. 삭제 결정: "지금 순간엔 마약처럼 즐겁지만 나한테 나쁘다는 걸 알 수 있었다"며 결국 틱톡을 삭제했다 — 아이폰 자체를 지킬 자제력은 없었다고 인정
3. 강력한 기술에 대한 통찰
   1. 오남용은 필연: 앞으로 OpenAI도 "믿을 수 없이 아름답고 도움이 되는 강력한 기기들"을 만들 것이 확실하지만, 사람들이 이를 오남용해 예상 못한 방식으로 삶을 망칠 것도 확실하며, 결국 사회가 "적응(adapt)"할 것이라고 전망

5.5. 아이를 낳고 나서: 가장 고통스러웠던 것

1. 일과 육아 병행의 잔혹함
   1. "매우 고통스럽다": 지난 12개월 동안 가장 고통스러웠던 일로 "아이를 낳고 동시에 정말 열심히 일하는 것"을 꼽았다
   2. 스스로 평가한 아빠 역할: "일과 가족 외엔 거의 아무것도 안 한다"는 점에서 상대적으로 present한 아빠라고 생각하면서도, 여전히 이 한 번뿐인 시간의 많은 부분을 놓치고 있다고 느낀다고 고백

---

6. OpenAI의 역사와 정체성 전환

6.1. 세 번의 정체성: 연구소 → 제품 회사 → (곧 공개될) 인프라 회사

1. 역순의 결합
   1. "제품 회사를 연구소에 볼트로 붙였다": 대부분의 회사와 반대로 OpenAI는 연구소에 제품 조직을 나중에 결합시켰다고 표현
   2. 다음 단계는 아직 비공개: 알트먼은 다음 단계(대규모 저마진 인프라 회사로의 전환)에 대해 구체적으로 말하길 거부하면서도, "내가 매우 잘하고 열정을 가진 것과 앞으로 10배~100배 성장의 다음 단계를 정렬시키는 방법을 알아냈다"며 기대감을 드러낸다
2. 연구소 대표와 제품 회사 대표는 완전히 다른 두 개의 일
   1. 거의 무관한 두 직업: "거의 완전히 다른 두 개의 직업처럼 느껴졌다"며, 연구소 운영 경험이 제품 회사 운영에 전혀 도움이 되지 않았다고 밝힌다
   2. YC 경험이 도움이 된 부분: 다만 YC에서 많은 창업자들이 회사를 스케일업하는 과정을 지켜본 경험은 어느 정도 도움이 됐다고 인정

6.2. ChatGPT 출시 5일째, 진짜 전환점

1. 곡선을 읽는 눈
   1. 연구자들의 오판: 첫날 사용자 급증 후 오후에 감소, 둘째 날 더 높은 피크 후 감소, 셋째 날 또 더 높은 피크... 이 패턴을 두고 연구자들은 매일 "이건 그냥 반짝 PR 현상, 곧 끝난다"고 판단했다
   2. 알트먼의 다른 판단: YC에서 충분히 많은 사례를 봤기 때문에, 완전히 유기적으로 성장하는 것의 "스펙트럼 시그니처"를 알아봤고 이것이 진짜라는 것을 직감했다
2. 100만 유저를 넘은 5일째 밤
   1. 아내와의 대화: 집에 돌아와 "축하해"라고 말하는 파트너(Ollie)에게 "이게 얼마나 나쁜 건지 넌 모른다. 나뿐 아니라 너한테도 나쁜 일이다. 우리의 조용하고 멋진 삶이 대포에서 발사되듯 끝날 것"이라고 말했다
   2. 의도적 자기기만: 지적으로는 언젠가 이런 일이 벌어질 거라고 알고 있었지만, "그 순간이 지금은 아니다"라고 스스로를 성공적으로 속여왔다고 고백. 반대로 연구소를 운영하던 시절은 "상상할 수 있는 가장 멋지고 재미있는 직업이자 라이프스타일"이었다고 회고 — 지난 세기, 어쩌면 그 이상 가장 중요한 작업을 하는 가장 똑똑한 사람들 사이에서 특등석을 갖고 있었다고 표현

6.3. 성장의 세 물결: 챗봇 → 코딩 에이전트 → 영속 에이전트

1. 지금까지의 두 번의 거대한 폼팩터
   1. 1차: 챗봇, 2차: 코딩 에이전트 — 코딩 에이전트는 "완전히 미쳐 날뛰고(going totally nuts)" 있다고 표현
2. 다가올 3차 물결
   1. 영속 에이전트(persistent agents): 곧 등장할 세 번째 물결은 "치프 오브 스태프, 동료, 코워커"라 부를 만한 영속적으로 존재하는 에이전트 개념이 될 것이며, 이 세 번째 물결도 상당히 빠르게 지나갈 것으로 전망

6.4. OpenAI는 왜 성공했나 — 알트먼조차 완전히 설명 못하는 미스터리

1. "비즈니스 미스터클(business miracle)"
   1. 아무도 안 믿었던 것을 믿었다: 자신의 "슈퍼파워"를 묻는 질문에, "아무도 안 믿었지만 명백히 믿어야 했던 것에 대한 원칙적 확신을 가지고, 그것을 중심으로 인재와 조각들을 모은 것"이라고 답한다
   2. 오히려 자기 확신을 의심했다: 너무 명백해 보여서 "우리가 다들 틀렸다"기보다 "우리끼리 자기 최면(drinking our own Kool-Aid)에 빠진 게 아닐까" 더 걱정했지만, 결과적으로 "명백히 옳았다"
2. 거대 기업들이 왜 밀렸는가
   1. 제프 베조스의 AWS 비유: 베조스가 AWS를 두고 "비즈니스 미스터클"이라 표현하며 7년간 심각한 경쟁자가 없었다고 한 것처럼, OpenAI도 또 하나의 비즈니스 미스터클이라고 자평
   2. 구글이 압도했어야 했다: 2019년, 늦어도 2020년쯤이면 구글이 이 시장을 그냥 가져갔어야 했는데 그러지 못했다 — "거대 기업이 왜 경직되고 관성에 갇히는지"에 대한 무언가가 분명히 있다고 지적하면서도, 이게 세상에는 좋은 일(거대 기업이 영원히 유일한 지배 세력으로 남지 않는 것)이라고 평가
3. 마이크로소프트가 투자한 이유
   1. 구글의 딥마인드에 대한 대응: 구글은 딥마인드가 있었지만 마이크로소프트는 AI 베팅이 없었고, 거대 기업은 모든 주요 기술 영역에 뭔가를 갖고 있어야 한다고 느낀다는 점이 더 쉬운 설명이라고 밝힌다
   2. 결과는 기대 이상: 마이크로소프트 시가총액에 1~2조 달러를 더했을 것으로 추정하며, 클라우드 성장과 기술까지 포함해 마이크로소프트가 매우 좋은 베팅을 했고 앞으로도 계속 잘될 것이라고 평가

6.5. 초기 창업 비화: 그렉 브록먼의 아파트에서

1. 첫날의 막막함
   1. 1월 4일, 10~12명: 회사 설립을 위한 준비 작업 끝에 그렉 브록먼의 아파트에 10~12명이 모인 첫날, "화이트보드를 사야 하나, 아이디어를 얘기해야 하나, 논문을 써야 하나"라며 "우리가 무슨 짓을 저지른 거지?"라는 생각이 들었다고 고백
   2. 방향성 부재: AI를 만들고 싶다는 것은 알았지만 그 외에는 정말 불분명한 상태로 몇 년이 걸려서야 리듬과 방향을 찾았다고 밝힌다

---

7. 디자인 철학: 조니 아이브에게 배운 것

7.1. 문제를 이해하는 것이 해법의 번뜩임보다 중요하다

1. 조니 아이브의 프로세스
   1. 철저한 사전 연구: 자동차를 디자인할 때 모터스포츠의 전체 역사, 차량 캐빈 텍스트에 쓰이는 다양한 서체, 소재, 시대별 엔진 소리와 왜 어떤 소리는 매력적이었는지까지 전부 연구하고 실제로 이 모든 세부 탐구를 책으로 써낼 정도라고 소개
   2. 해법을 서두르지 않는다: 아이브는 문제를 진짜로 깊이 이해하기 전에는 해법에 대해 너무 많이 생각하는 것조차 허용하지 않는다
2. 알트먼이 이해하지 못하는 중간 단계
   1. 연구와 정제는 이해되지만: 문제를 연구하는 것, 아주 새로운 컨셉을 훌륭한 것으로 정제하는 과정은 이해하지만, "문제를 깊이 이해하는 것"에서 "매우 참신한 아이디어"로 넘어가는 영감의 중간 단계는 "한 번에 일어나는 것 같고" 자신은 이해하지 못한다고 인정

---

8. 채용과 조직 운영 철학

8.1. 강점에 집중하라 — 약점 극복은 함정

1. 자신이 가장 못하는 것: 프로덕트
   1. 자기 평가: "내가 뭘 잘 못하는지 안다"고 자평하며 프로덕트 감각이 부족하다고 인정하지만, 자신이 이해하지 못하는 분야(디자인 등)에서도 훌륭한 사람을 알아볼 수 있다는 점은 강조
   2. "당신이 깊이 이해하는 것만 채용할 수 있다"는 통념 반박: 이 업계 통념에 동의하지 않으며, 30분만 대화해도 그 사람이 뛰어난지는 명백히 알 수 있다고 반박
2. 강점 극대화 원칙
   1. 약점 집착은 큰 함정: "전혀 잘하지 못하고 앞으로도 잘할 수 없는 것을 잘하게 만들려는 집착"은 큰 함정이며, 대신 강점에 훨씬 더 능숙해지는 것을 믿는다고 강조

8.2. 배울 수는 있지만 가르칠 수 없는 것

1. 관찰을 통한 학습
   1. 말로 설명해달라고 요청하는 것은 안 통한다: 타고난 것처럼 보이는 능력(사람들을 목표 아래 결집시키는 능력 등)은 본인조차 왜 잘하는지 깊이 이해하지 못해 가르칠 수 없다고 인정
   2. 직접 관찰하며 흡수하기: 대신 잘하는 사람 곁에 머물며 회의에 같이 앉아 직접 관찰하고 스스로 배우는 방식은 실제로 효과가 있다고 설명 — 프로게이머의 플레이를 보고 배우는 것과 같은 원리라는 비유가 이어진다

8.3. 조직의 속도는 90%가 사람이다

1. 리더 배치가 결정적
   1. 운영 리듬보다 사람이 우선: 여러 운영 방식이나 매니지먼트 기법이 있지만, 결국 리더 자리에 어떤 사람을 앉히는지가 90%를 결정한다고 단언
   2. 빠른 무버 vs 느린 무버: 리더 역할의 모든 사람에 대해 "이 사람이 빠르게 움직이는 사람인가, 느리게 움직이는 사람인가"를 항상 염두에 둔다
2. 내부 승진을 원칙으로
   1. 대부분의 임원은 내부 승진이어야 한다: 외부 채용이 필요할 때는 많은 대화, 철저한 레퍼런스 체크, 캐주얼한 방식의 협업 테스트를 거친다고 설명

---

9. 미래 전망: 일자리, 지위 게임, 컴퓨트 실수

9.1. 컴퓨트 투자에서 저지른 최대 실수

1. 명백한 과소 투자 인정
   1. "확실히 컴퓨트 투자를 심하게 과소했다": 올바른 멘탈모델로 접근했다면 알 수 있었을 텐데, 금융 시장에 심리적으로 위축(psyched out)되어서 실수했다고 인정하며 "명백한 실수였다"고 스스로 평가
   2. 재발 방지: 이 특정 실수를 다시 반복하진 않겠지만 새로운 실수를 하게 될 거라며 담담하게 받아들인다
2. 데이터센터를 스스로 만드는 데이터센터
   1. 알고리즘 편중에 대한 지적: 지금 업계는 "더 나은 알고리즘을 만드는 알고리즘"에 상대적으로 너무 많은 관심을 쏟고, "더 많은 데이터센터를 만들 수 있는 데이터센터"에는 관심이 부족하다고 지적
   2. 로봇 완전 자동화 공급망: 로봇과 진짜 자동화된 공급망이 있는 세계에서는 데이터센터의 사고력을 써서 로봇 함대를 움직여 더 많은 데이터센터를 복제하는 것도 상상할 수 있으며, 추가 컴퓨트를 이렇게 쓰는 것이 다른 용도보다 훨씬 훌륭한 사용처가 될 수 있다고 전망

9.2. 일자리의 미래 — 수학은 예외가 될 수 있다

1. "더 바빠질 것"이라는 역설적 전망
   1. 기술은 항상 여가를 약속했지만: 기술이 오랫동안 "일을 덜 하게 해줄 것"이라 약속해왔고 실제로 어느 정도 여가와 삶의 질은 늘었지만, "대규모 주4시간 근무"라는 약속은 결코 실현되지 않았고 AI도 이를 바꾸지 못할 것이라고 전망
   2. 상대적 게임으로서의 경제: 사람들은 항상 서로에 대한 상대적 위치에 집착하고, 새로운 것을 원하고 서로를 위해 뭔가를 만들고 싶어 하는 욕구는 계속될 것이므로 초지능(super-intelligence) 이후에도 우리는 예상보다 훨씬 바쁠 것이고 "은근히 그걸 좋아하게 될 것"이라 전망
2. 수학은 다를 수 있다
   1. 연구해야 할 특이 사례: 대부분의 직업은 예상보다 잘 적응하겠지만, 수학은 그렇게 되지 않을 가능성이 높은(probably won't) 중요한 연구 대상이라고 짚는다
   2. 역설적 현상: "1조 토큰을 썼다"는 사람에게 "근데 왜 더 성공 못했냐"고 묻는 밈을 인용하며, 기술 발전에도 불구하고 사람들이 덜 바빠지는 게 아니라 더 바빠지고 있다는 역설을 지적
3. 지위 게임과 인간다움의 지속
   1. 경제적 가치와 무관한 인간적 행위의 지속: 로봇이 요리를 완벽하게 하게 되어도 사람들이 함께 요리하고 함께 먹는 행위는 오래도록 중요하게 남을 것 — 요리는 경제적 가치를 만드는 게 아니라 "사랑을 보여주는" 행위이기 때문
   2. 진화생물학에 반하는 베팅은 나쁜 베팅: 성경처럼 수천 년간 영향력을 지속한 것들의 예를 들며, 모험과 좋은 퀘스트, 요리처럼 인간이 계속 신경 쓸 "가장 원초적인 것"을 추정할 때는 진화생물학을 거스르는 베팅은 대체로 나쁜 베팅이라는 원칙을 제시

9.3. 반복되는 원칙: 진짜 트렌드 vs 가짜 트렌드

1. VR과 ChatGPT의 대조
   1. 가짜 트렌드의 특징: VR처럼 과대광고는 크지만, 사람들이 실제로 그것을 사랑하게 되지 않고 삶을 그 경험 중심으로 설계하지 않아 결국 선반 위에 방치되는 경우
   2. 진짜 트렌드의 특징: ChatGPT처럼 거의 매일, 어떤 날은 3시간씩, 어떤 날은 거의 안 쓰더라도 삶 속에 "지속적으로(persistent)" 자리 잡는 경우
2. 이 멘탈모델의 출처
   1. YC에서 축적한 데이터: YC에서 일하며 얻은 방대한 스타트업 데이터를 분석하려는 의지만 있다면 정말 많은 것을 알아낼 수 있었다고 밝히며, 이 원칙(진짜 트렌드 vs 가짜 트렌드)도 그 과정에서 정립됐다고 설명

9.4. 오늘의 스타트업은 여전히 10년 전처럼 생겼다

1. 받아들여진 지혜(received wisdom)에 대한 경고
   1. 여전히 옛날 틀을 따른다: 지금의 스타트업도 "사람을 덜 뽑고 Codex 토큰에 돈을 더 쓴다" 정도의 차이만 있을 뿐 근본적으로 10년 전 스타트업과 비슷한 모습을 하고 있는데, 실제로는 훨씬 더 다르게 생겨야 한다고 지적
   2. 완전히 다른 방식을 시도하는 소수: 완전히 다른 방식으로 스타트업을 하려는 몇몇 사람을 만났지만, 대부분은 그냥 "코덱스를 더 많이 쓰는" 정도에 그쳐 충분하지 않다고 결론짓는다

---

10. 마사 손(Masayoshi Son)에 대한 평가

10.1. 이 시대의 진짜 이례적 인물

1. 극찬
   1. 이 10년의 승자 중 한 명: 마사 손이 이번 10년의 가장 놀라운 성공 사례 중 한 명이 될 것이라고 전망하며 "믿을 수 없는 사람(incredible person)", "소중한 친구(dear friend)"라고 표현
   2. 거대한 확신과 스케일에 대한 두려움 없음: 큰 숫자와 큰 스케일을 전혀 두려워하지 않는 것이 마사 손의 특징이며, 이런 사람이 세상에 많지 않다는 것에 감사해야 한다고 말한다
2. N of 1 캐릭터
   1. 알트먼 자신과는 다르다: 자신도 그와 같은 "스케일에 대한 무한 개념(no ceiling concept of scale)"을 갖고 있냐는 질문에, 마사 손은 "N of 1(유일무이한) 캐릭터"라며 자신과는 다른 범주라고 선을 긋는다

---

주요 발언 모음

"It is amazing to me what a 10-week old startup now can look like. And also if you look like a 10-week old startup from 10 years ago, you sort of are in bad shape." "The opposite of a bad experience is no experience — and at some point in the not-distant future you'll be in no experience land. Then you can be grateful for the bad experience too." "One of the biggest AI risks I am worried right now is like AI authoritarianism — a small number of people or companies thinking they need to control the world. That'd be very very bad." "Every time that humanity has traded off its liberty for safety it's been a long-term net loss." "I text more people than anybody else I know. I don't think this is like a good thing. I think this is actually like a bad habit... but it gives me a huge amount of context." "You have no idea how bad this is... it's not just bad for me, it's bad for you too. We have this nice quiet life — it's about to go through a cannon." "Really great design is way more about understanding the problem than the flash of insight." "I think it's like 90% the people you put in leadership roles." "I definitely badly undershot on the compute investments... I got like psyched out by the financial markets or something. That was clearly a mistake." "Betting against evolutionary biology is like usually a bad bet." "You should always ask for what you want. Not all the time you get it, but sometimes you do. And when you do, amazing things can happen."

핵심 데이터 & 수치

• ChatGPT 100만 유저 돌파: 출시 후 5일 만에 달성, 이 순간이 알트먼에게 "우리는 이제 진짜 회사가 된다"는 것을 체감시킨 전환점
• 세계 순회 규모: GPT-4 출시 직후 28개국을 35일간 순회, 최대 시차 변화는 4시간(대부분 1시간 단위 이동)
• 마이크로소프트 투자 성과: OpenAI가 마이크로소프트 시가총액에 약 1~2조 달러를 더했을 것으로 알트먼이 추정
• AWS 비유: 제프 베조스가 AWS를 두고 "비즈니스 미스터클"이라 표현, 7년간 심각한 경쟁자가 없었다는 사례를 OpenAI에 빗댐
• 성장의 3물결: 챗봇 → 코딩 에이전트(현재 "완전히 미쳐 날뛰는" 단계) → 영속 에이전트(다가올 3차 물결)
• 하루 접촉 규모: 알트먼은 하루 300~400명과 텍스트/대화하며 방대한 단기 컨텍스트를 확보

결론 및 시사점

1. 지수함수를 진심으로 믿어라: 스케일링 법칙이 계속될 것이라는 믿음을 실제로 내재화하고, 지금은 불가능하거나 비경제적인 일을 몇 년 후를 대비해 미리 계획하는 창업자가 승리한다.
2. 혼돈 속 평정심은 가르칠 수 없고 오직 경험으로만 얻어진다: 젊은 창업자의 최대 약점은 실력 부족이 아니라 위기 앞에서의 감정적 미숙함이며, 이는 반복된 경험을 통해서만 극복된다.
3. 미션이 명확하면 실행 우선순위가 자연히 정해진다: OpenAI는 미션(권력 분산, 저렴하고 풍부한 지능)에 따라 로보틱스, Sora, 브라우저처럼 잘 나가던 프로젝트도 과감히 죽여왔다.
4. 강점을 극대화하고 약점은 위임하라: "네가 깊이 이해하는 것만 채용할 수 있다"는 통념은 틀렸으며, 조직의 속도는 90%가 리더 배치로 결정된다.
5. 강력한 기술은 필연적으로 오남용되고, 사회는 결국 적응한다: 알트먼 자신도 틱톡 중독을 겪고 알림을 전면 차단한 경험처럼, AI 기기도 비슷한 궤적을 밟을 것으로 예상되며 자기 통제와 사회적 적응이 함께 필요하다.
6. AI 권위주의 대 AI 자유는 지금 이 순간의 핵심 싸움: 안전과 경제 문제를 이유로 소수가 권력을 독점하는 길이 아니라, 다소 어수선하더라도 권력을 분산시켜 사회가 스스로 이 기술의 쓰임을 결정하게 하는 길을 선택해야 한다.