AI를 아직도 시험 점수로 평가하고 있으면 어떻게 살아갈려고 그러나..
경영학 박사 학위가 있다고 회사를 잘 굴리는 건 아니다.
요리 자격증 있다고 맛집 요리사가 아니다.
공부 잘 했다고 누군가를 가르치는 것도 아니다.
이건 누구나 알고 있다.
자격증, 시험 성적은 그 사람이 시험을 잘 봤다는 증명이다. 회사를 살려봤다는 증명이 아니다.
우리는 사람을 평가할 땐 이걸 안다. 자격증 줄보다 그가 실제로 뭘 굴려봤는지를 본다. 경험을 본다. 지금까지 이뤄온 결과들과 그 과정에서 온 이야기를 본다.
그런데 정말 웃기게도 AI한테는 정반대로 평가하고 있다.
우리는 AI를 자격증으로 평가한다
사람들은 AI를 자꾸 점수로 줄 세운다.
MMLU 몇 점.
GPQA 몇 점.
SWE-Bench 몇 점.
전부 시험이다. 시험을 보면 누가 더 공부를 잘했는지는 알 수 있다. 그건 맞다.
문제는, 시험 잘 보는 사람과 현장에서 굴러본 사람은 다를 수 있다는 거다.
경영자 두 명이 있다고 해보자.
한 명은 세계 최고 MBA를 수석으로 졸업했다. 케이스 스터디는 전부 만점이다.
다른 한 명은 망해가던 공장을 10년간 직접 돌려 흑자로 바꿔놨다.
당신이라면 둘 중 누구에게 내 회사를 맡기겠는가.
대부분의 AI 회사는 아직 강의실 안에 있다. 정해진 문제, 정해진 답, 정해진 채점 기준. 그 안에서 점수를 겨룬다.
시장에 도는 이야기는, xAI의 Grok이 SpaceX와 Tesla 내부에서 테스트되기 시작했다는 거다.
(스펙 수치나 "Claude 추월" 같은 표현은 아직 마케팅과 루머가 섞여 있다. 거기는 일단 접어두자.)
중요한 건 점수가 아니라 무대가 바뀌었다는 사실로 봐야한다.
SpaceX 비행 소프트웨어는 오류 하나가 수천억짜리 로켓을 날려버리개 된다.
Starlink는 수천 기 위성을 동시에 제어하고, Tesla FSD는 수백만 대 차량에 배포되는 코드다.
여긴 틀리면 시험 점수가 깎이는 곳이 아니다.
실제로 사람이 죽거나 천문학적인 돈이 그리고 무언가가 터지는 곳이다.
벤치마크는 케이스 스터디다. 이 현장은 활주로다. 시험지에선 답을 틀려도 빨간 줄로 끝나지만, 활주로에선 틀리면 진짜로 추락한다.
핵심은 "누가 더 똑똑하냐"가 아니다
사람들은 Grok이 Claude보다 센지, GPT보다 센지를 두고 싸운다. 흥미로운 이야기긴 하지만, 투자 관점에서 그건 핵심이 아니다.
핵심은 하나다. 실제 나 또는 산업 생산성을 얼마나 끌어올리는가? 이거다.
FSD를 만드는 엔지니어가 수천 명이라고 하자. AI로 생산성이 20%만 올라도, 수백 명을 더 뽑은 효과가 난다. 그런데 인건비는 거의 안 는다.
출시가 빨라진다. 버그 수정이 빨라진다. 새 기능이 빨리 나온다.
이게 분기마다 반복되면, 경쟁사와의 격차는 산술적으로가 아니라 기하급수적으로 벌어진다. 대부분은 이 영향을 과소평가한다. AI를 아직 챗봇 정도로 보기 때문이다.
여기서 개인이 할 수 있는 결론이 나온다.
벤치마크 순위표를 믿지 말라고.
어떤 회사가 어떤 점수로 누구를 이겼다는 뉴스는 매주 바뀐다. 그 뉴스를 따라다니면 매주 마음이 바뀌고 구독 해지를 하고 디지털 이민을 한다.
실제 도움이 되는 방법은 하나다. 직접 써보는 것.
이민을 하다가 하나로 정착하는거다.
내 일에, 내 코드에, 내 문서에 직접 물려보고 결과로 고르는 것. 점수표가 아니라 내 활주로에서 이륙에 성공하는 모델을 고르는 것.
이건 단순한 도구 선택의 문제가 아니다. 같은 도구를 쥐고도 결과가 갈리는 시대에는, 직접 굴려본 사람만 진짜 성능을 안다. 어떻게 돌리는지 안다.
직접 굴려본 사람들은 같은 냄새를 맡는다
그리고 현장에서 AI를 진짜로 굴려가는 사람들 사이에서 비슷한 말이 나온다. 지금 예상했던 것 보다 생각보다 훨씬 빠르다고..
작년에 못 하던 걸 올해 하고 있고, 분기마다 선이 넘어간다. 챗봇이 아니라 일하는 동료에 가까워지고 있다.
그리고 역노화라는 바이오 업계에서 다시 이야기가 나오고 있다. 인간의 노동에 대한 이야기는 이미 이전부터 있었지만..진짜 다가오고 있다고 느낀다:
그리고 여기서 'AGI'라는 단어가 나온다.
나는 AGI가 정확히 언제 온다고 단정하지 않을거다. 다만 개인적으로 시점을 명확히 보고 있다.
정의도 사람마다 다르겠지만 솔직히 그 세상이 어떤 모습일지도 잘 모르겠다.
다만 한 가지는 분명하다.
현장에서 직접 굴려본 사람일수록, 이걸 먼 미래의 공상으로 보지 않는다는 것이다.
레오폴드 아쉔브레너가 Situational Awareness에서 한 말이 그거다.
일정 수준을 넘는 AI는 더 이상 상품이 아니라고. 그건 국가의 힘 자체가 된다고.
백악관은 물론 청와대도 이미 그렇게 보고 있다
이게 그냥 기술 이야기였다면 정부가 끼어들 이유가 없다. 그런데 끼어들었다.
미국은 이미 몇 년 전부터 엔비디아의 최첨단 AI 칩을 중국에 못 팔게 막았다. 반도체가 아니라 무기를 다루듯 다룬다. 석유를 다루듯이..
여기서 더 나아가, 첨단 모델 자체를 전략 물자로 보기 시작했다는 이야기다. 모델의 무게를 핵 기술 다루듯 통제해야 한다는 논의다. 여기서 핵심은 방향이라고 보고 있다.
칩을 막는다. 모델을 막는다.
가장 좋은 자격증을 가진 AI가 누구 손에 있느냐가, 이제 기업 경쟁이 아니라 국가 안보 문제로 넘어갔다는 뜻이다. 그래서 '소버린 AI'라는 말이 나온다
칩도 막히고 모델도 막힐 수 있다면, 각 나라는 같은 질문 앞에 선다.
한국은 정치적 성향을 빼고 본질만 본다면 여러국가와 이해관계와 인과관계로 엮여 있는 중립적 위치의 제조국가이다. 앞으로도 쭉 그럴 가능성이 크다.
여기서 질문이 생긴다. 남의 나라 칩, 남의 나라 모델, 남의 나라 데이터센터 위에 우리 산업과 행정을 통째로 올려도 될까?
여기서 '소버린 AI'라는 말이 나온다. 자국의 칩, 자국의 데이터, 자국의 모델로 돌아가는 AI를 갖자는 거다.
석유가 그랬고, 전력이 그랬다. 한 번 남의 손에 인프라를 통째로 맡기면, 그 손이 잠그는 순간 끝이 난다.
AI도 같은 자리에 들어간다.
일련의 사건들이나 정치 성향은 전혀 고려하지 않는다.그 어떤 편도 아니다. 그놈의 너편 내편 나눠서 잘 되는 꼴을 못 봤다.
다시 본론으로 돌아가 지금 각국 정부가 AI에 쏟는 돈의 단위가 달라졌다.
미국은 민간과 손잡고 수천억 달러 규모의 데이터센터 계획을 발표했다. 중동은 국부펀드를 AI 인프라에 통째로 밀어 넣는다. 유럽도, 한국도 자국 AI에 예산을 따로 떼기 시작했다.
방향은 분명하다.
이건 'AI가 챗봇이라서' 쓰는 돈이 아니다. AI를 다음 시대의 전력망이자 무기로 보기 때문에 쓰는 돈이다. 기업이 생산성 때문에 AI를 현장에 박아 넣는 그 논리가, 국가 단위로 똑같이 반복되고 있는 거다.
이미 한 번 일어난 일이다
역사를 바꾼 기술은 늘 소비자보다 먼저 산업과 국가의 현장에서 힘을 냈다.
전기가 처음 공장에 들어왔을 때, 사람들은 그걸 그냥 증기기관 자리에 끼워 넣었다. 진짜 도약은 공장 구조 자체를 전기에 맞춰 다시 짰을 때 나왔다. 그리고 곧 전력은 한 나라의 국력을 재는 기준이 됐다. 지금 AI도 똑같은 자리에 있다.
대부분은 AI를 검색창 대신, 채팅 상대 대신 쓴다. 기존 작업 위에 살짝 얹는 수준으로 그런데 소수는 AI를 실제 생산 라인에 박아 넣는다.
그래서 소수이지만 그들이 이야기 하는 1인 창업자(에이전트 기반)들을 기대하는 이야기가 스멀스멀 나오는 이유라 본다. 그들은 생산라인에 바로 박을 수 있으니까. 그리고 생산라인을 위해서 사람을 억지로 해고할 필요도 없으니까 말이다.
그리고 국가는 그걸 전력망과 무기 사이 어딘가에 놓고 보기 시작했다.
만약 AI가 현장에서 진짜 생산성을 증명한다면, 그때부터 이건 챗봇 사업이 아니게 된다. 산업혁명에 가깝고, 동시에 군비 경쟁에 가까워진다.
그래서 지속적으로 팔란티어를 보고 있다. 팔란티어를 방산업체로 보면 안된다는 이야기를 누누히 하는 이유가 있다.
핵심은 AI가 얼마나 좋은 자격증을 가졌는가가 아니다.
AI가 실제 세상을 얼마나 빨리 움직이게 만드는가, 그리고 그 힘을 누가 쥐는가다. 지금 AI를 점수표로 줄 세우고 있는게 아니라 내 활주로에 올려놓고 직접 띄워봐야한다.