따라가는 질문들

AI 성능은 모델 덕인가 도구 덕인가?

같은 모델도 주변 도구를 바꾸면 결과가 크게 달라집니다. 발전의 몫을 어디에 매길지 연구자 사이에서도 갈립니다.

1. AI가 좋아진 건 모델 덕인가, 도구(하네스) 덕인가

   같은 모델도 주변 도구를 바꾸면 결과가 크게 달라져, 둘의 공을 떼어 재기 어렵습니다.

   1편

AI는 단어를 어떻게 숫자로 바꾸나?

토큰과 벡터로 쪼개는 방식은 알려져 있지만, 그 숫자가 뜻을 어떻게 담는지는 계속 새로 밝혀지는 중입니다.

AI는 정말 생각을 하는 걸까?

단계별로 풀어 쓰는 모습이 사고처럼 보입니다. 그 과정이 실제 계산을 보여 주는지, 그럴듯한 설명일 뿐인지 갈립니다.

AI는 왜 그럴듯한 거짓말을 할까?

다음 말을 고르는 방식 자체에서 나온다는 설명과 훈련 방식이 부추긴다는 설명이 쌓이고 있습니다. 없앨 수 있는지는 아직 모릅니다.

크게 만들수록 계속 똑똑해질까?

크기를 키우면 좋아진다는 법칙이 한동안 맞았습니다. 이제 한계에 왔다는 말과 다른 축으로 이어진다는 말이 엇갈립니다.

1. AI는 크게(매개변수를 많이) 만들수록 계속 똑똑해지나

   규모는 계속 커지는데, 같은 시험 점수로 보면 작은 모델이 큰 모델을 따라잡는 사례도 나옵니다.

   1편

AI에게 어떤 일부터 맡겨야 하나?

잘하는 일부터 맡기라는 조언과 틀려도 금방 보이는 일부터 맡기라는 조언이 갈립니다. 잘한다와 맡겨도 된다는 같은 말이 아닙니다.

1. 회사는 AI에게 어떤 업무부터 맡기고 있나

   고객 응대·영상 제작 같은 반복 업무는 이미 맡기고 있고, 판단이 필요한 핵심 업무는 아직 사람이 쥐고 있습니다.

   1편

AI 코딩 도구는 실제 일을 줄여 주나?

빨라졌다는 체감과 검토·수정이 늘었다는 측정이 엇갈립니다. 숙련도와 코드 종류에 따라 결과가 다릅니다.

AI 사용량은 왜 금방 바닥나나?

사람은 질문 수를 세지만 시스템은 매번 다시 보내는 대화 전체를 셉니다. 이 차이가 알려지면서 쓰는 요령이 바뀌고 있습니다.

1. 챗GPT·클로드 사용량은 왜 생각보다 빨리 바닥나는가

   사람은 메시지 수를 세고, 시스템은 매번 다시 보내는 대화 전체의 토큰을 셉니다.

   1편

AI 답을 어디까지 확인해야 하나?

모두 확인하면 쓰는 의미가 줄고, 안 하면 틀린 답이 새어 나갑니다. 일의 종류별로 적정선을 찾는 기록이 쌓이는 중입니다.

AI 경쟁, 미국과 중국 중 누가 앞서나?

가격·능력·사용량 중 무엇으로 재느냐에 따라 답이 바뀝니다. 칩과 인재 층으로 내려가면 잣대가 또 갈립니다.

1. 미국과 중국, AI에서 누가 앞서고 있는가

   가격으로 재면 중국이, 사람들의 선호 투표로 재면 미국이 앞섭니다. 무엇으로 재느냐에 따라 답이 달라집니다.

   1편

2. AI 경쟁에서 미국과 중국 중 누가 앞서 있나

   공개된 모델 성능 발표로 세면 격차가 좁혀지는 중이고, 정부 간 통제·조사(데이터 유출 조사 등) 움직임으로 세면 아직 긴장 관계가 우선이다

   1편

3. 유럽 미스트랄의 새 공개 모델이 중국 공개 모델과 어깨를 나란히 하는가

   회사가 낸 성능 시험 점수를 보는가, 직접 써 본 평가를 보는가에서 갈립니다.

   1편

내 PC에서 AI 돌리는 게 현실적인가?

작은 모델의 성능은 충분해졌습니다. 그런데 메모리와 기계 값이 올라 결국 싸게 먹히는지가 갈립니다.

1. 내 컴퓨터에서 AI를 직접 돌리는 것이 이제 현실적인가

   성능만 보면 이미 충분합니다. 갈리는 자리는 기계 값이 계속 오르는데도 클라우드 AI를 빌려 쓰는 것보다 결국 싸게 먹히느냐입니다.

   1편

휴머노이드 로봇은 집에 들어올까?

시연 영상은 빠르게 좋아지는데 원격 조종이 섞였다는 지적도 잇따릅니다. 공장 밖으로 나오는 시점은 아직 흐립니다.

새 AI가 나올 때마다 뭐가 달라지나?

출시 발표는 매번 큰 도약을 말합니다. 쓰는 사람이 체감하는 변화는 그보다 작다는 말도 많아 기준이 흔들립니다.

1. 내가 하려는 일을 끝내는 값이 떨어지고 있는가

   토큰 하나당 값은 떨어지는데, 일 하나를 끝내는 값은 오릅니다. 무엇을 세느냐에 따라 답이 갈립니다.

   1편

2. 새 AI 모델이 나올 때마다 실제로 달라지는 게 있나

   가격 대비 성능으로 보면 뚜렷한 진전이 있고, 기대에 못 미쳐 이름만 바뀐 모델도 있습니다.

   4편

AI 성능 점수를 믿어도 되나?

시험 문제가 학습에 섞였다는 의심과 시험에 맞춘 요령이 반복해 드러납니다. 점수를 실력으로 볼지 갈립니다.

1. AI 성능 점수(벤치마크)는 실제 성능을 얼마나 잘 보여주나

   발표하는 회사는 점수로 우위를 말하고, 검증 기관은 시험 문제 자체의 결함을 셉니다.

   1편

AI에 넣은 내 정보는 안전한가?

대화 기록이 유출되거나 소송 증거로 보관되는 일이 생겼습니다. 회사의 약속을 어디까지 믿을지 갈립니다.

1. AI 안경이 퍼지는 지금, 몰래 찍힐 걱정은 풀렸는가

   카메라를 끄는 물리 스위치가 답이라고 보느냐, 이미 너무 퍼져서 늦었다고 보느냐에서 갈립니다.

   1편

2. 메타의 새 AI 비서 뮤즈에게 내 정보와 접근 권한을 맡겨도 안전한가

   가진 권한을 기준으로 보면 위험 사례가 쌓이고, 인기·순위를 기준으로 보면 성공한 신제품으로 보인다

   1편

AI로 만든 결과물 저작권은 누구 것인가?

사람의 기여가 어디까지여야 권리가 생기는지 나라마다, 판결마다 다릅니다. 기준이 아직 굳지 않았습니다.

AI가 사람 일자리를 줄이고 있나?

없어진 자리만 세느냐 새로 생긴 자리까지 세느냐에 따라 답이 갈립니다. 해고 발표에 AI를 이유로 붙이는 일도 늘어 셈이 흐립니다.

1. AI가 사람 일자리를 줄이고 있는가

   없어진 자리만 세는지, 새로 생긴 자리까지 같이 세는지에 따라 갈립니다. 세는 대상이 다르면 같은 해를 두고도 정반대 결론이 나옵니다. 줄어든 자리를 AI 탓으로 돌릴 근거가 있는지도 함께 봐야 합니다.

   1편

AI 시대엔 무엇을 공부해야 하나?

AI를 잘 쓰는 법을 배우라는 쪽과 AI가 못 하는 기초를 쌓으라는 쪽이 갈립니다. 도구가 기초를 대체하는지가 진짜 갈림목입니다.

1. AI 시대엔 AI 쓰는 법을 배워야 하나, AI가 못 하는 것을 배워야 하나

   당장의 생산성을 보느냐, 몇 년 뒤 대체될 가능성을 보느냐에 따라 조언이 정반대로 갈립니다.

   1편

AI 시대에 대학 졸업장은 여전히 쓸모 있나?

학위 요건을 없애는 회사가 늘었다는 소식과, 초급 일자리가 줄수록 학위가 더 중요해진다는 해석이 함께 있습니다.

AI로 콘텐츠 만드는 사람은 늘었나?

만드는 사람은 늘었지만 비슷한 결과물이 넘치면서 주목받기는 더 어려워졌다는 말이 나옵니다.

AI 엔지니어는 개발자와 무엇이 다른가?

직함은 퍼졌지만 하는 일의 경계는 회사마다 다릅니다. 새 직업인지 개발자의 한 갈래인지 정리되는 중입니다.

대기업만 가능했던 일, 이제 누가 하나?

번역·디자인·개발처럼 비용이 벽이던 일이 싸졌습니다. 그 빈자리를 작은 팀이 채우는지, 플랫폼이 다시 가져가는지 바뀌는 중입니다.

작은 나라도 AI로 기회를 잡을 수 있나?

자국 모델을 만드는 나라가 늘지만 칩과 자본은 소수에 몰려 있습니다. 틈새를 찾을지 종속될지 갈립니다.

1. 한국 AI 스타트업에 투자가 실제로 몰리고 있는가

   투자 소식마다 규모와 단계가 제각각입니다. 신생 스타트업이 받은 65억~144억 원 규모 투자(시리즈A부터 상장 직전 투자인 프리IPO까지)만 셀 수도 있고, 이미 수천억 원을 모은 메가존클라우드 같은 대형 IT 기업의 프리IPO까지 함께 셀 수도 있습니다. 어느 쪽이냐에 따라 「몰리고 있다」는 판단이 갈립니다.

   1편

혼자서도 되는데 왜 격차는 커지나?

AI 덕에 작은 팀도 만들 수 있게 됐지만 유통과 연산 자원은 큰 회사에 모입니다. 어느 힘이 더 센지 갈립니다.

1. AI 덕에 혼자서도 할 수 있게 됐는데, 왜 큰 회사와의 차이는 더 벌어지는가

   「차이」를 가진 장비와 돈으로 재느냐, 한 사람이 해낼 수 있는 일의 범위로 재느냐에서 갈립니다.

   1편

   합류 — 혼자서도 큰 성과를 내는 시대에, 왜 AI 격차는 오히려 커지나

AI 투자 열기는 거품인가 성장인가?

투자 규모가 매출보다 빨리 는다는 쪽과, 수요가 설비를 못 따라간다는 쪽이 함께 근거를 냅니다.

1. AI에 맞춰 설비를 다시 짓는 데 돈이 실제로 어디로 가고 있는가

   「투자」가 설비투자·지분투자·리스로 나뉘고 결산월도 회사마다 달라, 같은 숫자로 비교하기 어렵습니다.

   1편

2. AI 투자 열기는 거품인가, 계속 이어질 성장인가

   빌린 돈과 주가를 떠받치려는 움직임을 보면 거품 신호로 읽히고, 새로 짓는 시설과 상장 때 매겨진 기업 가치를 보면 성장으로 읽힙니다.

   1편

   합류 — AI 투자 열기는 거품인가 아직 성장 중인가

3. 앤트로픽이 말하는 회사 몸값이 실제 성적과 맞는가

   「성적」을 앞으로 커질 시장 크기로 보느냐, 지금 쓰는 사람 수와 성장 속도로 보느냐에서 갈립니다.

   2편

4. AI 칩 값, 이제 빚과 리스로 치르는가

   칩을 사는 데 들어간 돈의 규모를 세는가, 그 돈이 누구의 빚과 보증으로 메워졌는지를 세는가에서 갈린다

   1편

5. 오픈AI·앤트로픽은 언제, 어떤 조건으로 상장하나

   회사가 직접 낸 서류·발표만 세는가, 소식통을 인용한 보도까지 세는가에 따라 상장 시점과 조건이 다르게 보인다

   1편

6. AI 스타트업 몸값이 올라가는 속도가 실적을 앞서는가

   투자 유치 금액을 세는지, 그 회사가 버는 매출을 세는지에서 갈립니다.

   1편

AI로 실제 돈 버는 회사는 어디인가?

AI 매출을 따로 떼어 밝히는 공식 기준이 없습니다. 회사마다 세는 방식이 달라 누가 버는지 말이 갈립니다.

1. AI로 실제로 돈을 버는 회사가 있는가

   「AI 매출」이라는 공식 숫자는 애초에 없습니다. 있는 것은 클라우드 매출과 데이터센터 부문 매출이고, 이것을 AI 매출로 볼 수 있느냐에서 갈립니다.

   1편

2. 삼성전자가 사상 최대 이익을 냈는데 주가는 왜 빠지나

   이번 분기 이익만 보는지, 이미 오른 기대까지 같이 보는지에서 갈립니다.

   1편

3. 통신사가 AI 사용량(토큰)을 팔아 돈을 벌 수 있나

   요금제에 묶어 파는 방식을 보는지, 쓰는 만큼 받는 방식을 보는지에서 갈립니다.

   1편

엔비디아 독주는 언제까지 이어질까?

빅테크가 자체 칩을 늘리고 경쟁사가 따라붙는 중입니다. 소프트웨어 생태계가 지켜 줄지 아직 결론이 없습니다.

1. 엔비디아가 허깅페이스를 사면 공개 AI 생태계에 득인가, 독인가

   돈이 들어와 허깅페이스가 더 오래 버틴다고 보느냐, 칩 회사 것이 되어 중립을 잃는다고 보느냐에서 갈립니다.

   1편

2. 엔비디아가 사상 최대 규모로 자기 회사 주식을 사들인 것은 자신감의 표시인가, 주가 방어인가

   사들인 금액 규모를 세는가, 그 직전까지의 주가 부진을 세는가에서 갈린다

   1편

3. AMD가 한국 반도체·AI 회사와 손잡으면 엔비디아 독주에 균열이 생기는가

   협력 발표 건수를 세는가, 실제 납품 물량을 세는가에서 갈립니다.

   1편

AI 구독료는 결국 올라갈까?

쓰는 양은 느는데 요금제는 쪼개지고 비싼 등급이 생깁니다. 원가가 떨어져 내려갈지, 수익을 위해 오를지 갈립니다.

1. AI 구독료는 앞으로 오를 쪽인가 내릴 쪽인가

   고급 기능 기준으로 보면 오르고, 기본 기능 기준으로 보면 경쟁 때문에 내려갑니다.

   1편

2. AI 서비스는 구독료 대신 광고로 돈을 벌게 되는가

   돈 내는 이용자 수를 보는가, 광고 노출 규모를 보는가에서 갈립니다.

   1편

안전을 외친 창업자가 속도를 내는 이유는?

안전을 이유로 회사를 세운 사람들이 경쟁 한가운데 서 있습니다. 앞에 서야 규칙을 정할 수 있다는 논리와 명분일 뿐이라는 시각이 갈립니다.

1. AI 위험을 경고한 회사 대표들이 왜 계속 더 강력한 모델을 내놓는가

   회사 발표로 보면 안전장치를 더했고, 출시 속도로 보면 경고와 행동이 반대로 갑니다.

   1편

젠슨 황의 예측은 누구를 위한 것인가?

칩을 파는 회사의 대표가 수요를 전망합니다. 업계 최고의 시야로 보느냐, 판매자의 말로 보느냐가 갈립니다.

사람만큼 똑똑한 AI는 언제 오나?

리더들이 말하는 시점이 계속 당겨지거나 밀립니다. 시험 점수로 재느냐 실제 일을 끝내느냐에 따라 답이 달라집니다.

1. 사람만큼 똑똑한 AI는 언제 오는가

   시험 점수로 재느냐, 일을 끝까지 해내는지로 재느냐에 따라 답이 갈립니다.

   1편

AI 만드는 사람들은 속도를 늦추고 싶나?

말로는 신중을 외치면서 출시는 앞당기는 일이 반복됩니다. 말과 행동 중 무엇을 입장으로 볼지가 갈립니다.

1. AI 회사의 안전 담당자가 떠나는 것은 위험 신호인가

   퇴사자 한 사람의 말을 보는가, 회사 전체 안전 장치를 보는가에서 갈립니다.

   1편

AI 회사 CEO의 예측은 얼마나 맞았나?

과거 예측을 지금 결과와 맞춰 본 기록이 쌓이는 중입니다. 맞은 것과 틀린 것이 섞여 있어 믿을 만한 사람이 누군지 아직 가려지지 않았습니다.

1. AI 리더들이 몇 년 전에 내놓은 예측이 지금 실제로 벌어진 일과 얼마나 맞아떨어졌는가

   방향만 맞으면 '맞았다'고 보는가, 예측한 시점까지 맞아야 '맞았다'고 보는가에 따라 판정이 달라진다

   1편

AI 규제는 혁신을 막는가?

규제가 투자를 쫓아낸다는 쪽과 신뢰를 만들어 시장을 넓힌다는 쪽이 갈립니다. 비교할 사례가 아직 적습니다.

1. EU가 챗GPT를 초대형 검색엔진으로 지정해 규제를 강화한 것은 맞는 조치인가

   이 지정이 불법 콘텐츠·미성년자 보호·선거·건강 같은 구체적 위험을 실제로 줄인다고 보는 쪽이 있습니다. 반대로 월평균 이용자 4,500만 명 기준을 넘겨 절차대로 자동 적용됐을 뿐이라고 보는 쪽도 있습니다.

   1편

2. 백악관의 AI 차르와 초지능 부대가 AI 규칙의 중심을 옮기는가

   안보 조직을 세는가, 이용자 보호 규칙을 세는가에서 갈립니다.

   1편

정부의 국산 AI 성적표를 믿을 수 있나?

정부가 고른 기준과 평가 방식이 결과를 좌우합니다. 공정한 잣대인지 지원을 정당화하는 절차인지 갈립니다.

한국 AI기본법은 무엇을 바꾸나?

법은 생겼지만 고영향 범위와 의무 내용은 하위 규정에서 정해집니다. 기업이 무엇을 해야 하는지는 아직 채워지는 중입니다.

AI 사고가 나면 누가 책임지나?

만든 회사, 배포한 회사, 쓴 사람 사이에 책임을 어떻게 나눌지 법마다 다릅니다. 판례도 이제 쌓이기 시작했습니다.

1. AI 에이전트가 일으킨 사고는 누가 책임지나

   만든 회사를 보는지, 쓴 회사나 사용자를 보는지에서 갈립니다.

   1편

AI 거품은 닷컴 버블과 같을까?

닷컴 때처럼 기대가 앞서 간다는 쪽과, 이번엔 이미 돈을 버는 회사가 받치고 있다는 쪽이 갈립니다.

1. 예전에 전기와 인터넷이 퍼질 때도 지금 AI를 두고 하는 말처럼 '세상이 완전히 바뀐다'는 얘기가 나왔었는가

   그 시절 사람들이 실제로 남긴 동시대 기록을 세는가, 훗날 사람들이 회고하며 붙인 평가를 세는가에 따라 답이 달라진다

   1편

산업혁명 때 일자리는 어떻게 바뀌었나?

기계가 일자리를 없앴다는 기억과 결국 더 많이 만들었다는 기록이 함께 있습니다. 그 사이 한 세대가 치른 값을 어떻게 볼지가 다시 읽히고 있습니다.

인터넷처럼 AI도 소수가 독식할까?

인터넷은 열린 기술로 시작해 몇몇 플랫폼으로 모였습니다. AI는 처음부터 큰 돈이 드는 만큼 더 빨리 모일지, 공개 모델이 흩뜨릴지 갈립니다.

철도 과잉투자의 교훈이 AI에도 맞을까?

철도 붐은 투자자를 망하게 했지만 선로는 남아 다음 산업을 키웠습니다. 데이터센터가 그 선로가 될지, 빨리 낡는 설비일지 갈립니다.