작성자: 21VC
컴파일러: Mu Mu
편집자: 원 다오
GPT-4 이후, OpenAI는 내년에 어떤 큰 움직임을 계획하고 있나요? OpenAI의 해자는 어디에 있습니까? AI Agent의 가치는 무엇인가요? 노년 직원이 많이 '떠나는 상황'에서 OpenAI는 더 많은 믿음과 에너지를 가진 젊은 사람들을 선택할 것인가?
OpenAI CEO인 Sam Altman(이하 "Altman")은 11월 4일 "The Twenty Minute VC" 팟캐스트에서 이러한 질문에 답변하면서 추론 능력 향상이 항상 OpenAI의 핵심 전략임을 분명히 했습니다.
팟캐스트 진행자이자 21VC 창립자인 Harry Stebbings(이하 "Stebbings")가 OpenAI가 AI 기업가에게 어떤 기회를 남길 수 있는지 물었을 때 Altman은 AI 기업가 정신이 여전히 모델 부족 문제를 해결하는 데 집착한다면 이 업무 모델이 OpenAI 모델이 업그레이드됨에 따라 더 이상 경쟁력이 없습니다. 기업가는 모델이 더욱 강력해짐에 따라 이익을 얻을 수 있는 업무 구축해야 합니다.
Altman의 견해에 따르면, 현재 사람들이 AI에 대해 논의하는 방식은 모델에 비해 시스템이 더 주목받을 만한 개발 방향이며, 내년은 OpenAI가 AI 시스템으로 전환하는 데 중요한 해가 될 것입니다.
다음은 Stebbings와 Altman의 대화에서 발췌한 내용입니다.
OpenAI는 코드 없는 도구를 구축할 계획입니다.
스테빙스: 청중의 질문으로 오늘 인터뷰를 직접 시작했습니다. 앞으로 OpenAI의 방향은 GPT-3.5와 같은 더 많은 모델을 출시하는 것입니까, 아니면 더 크고 강력한 모델을 훈련시키는 것입니까?
Altman: 우리는 모델을 포괄적으로 최적화할 것이며, 추론 능력을 향상시키는 것이 현재 전략의 핵심입니다 . 나는 강력한 추론 능력이 인공지능이 과학 연구 분야에서 상당한 기여를 할 수 있게 하고, 극도로 복잡한 코드를 작성하는 등 우리가 기대하는 일련의 기능을 열어 사회의 발전과 진보를 크게 촉진할 것이라고 믿습니다 . 향후 작업의 초점이자 우선순위가 될 GPT 시리즈 모델의 지속적이고 신속한 반복과 최적화를 기대하실 수 있습니다.
21VC 창립자 Harry Stebbings와의 팟캐스트 인터뷰에서 Sam Altman
스테빙스: OpenAI는 앞으로 기술 지식이 없는 사람들을 위한 노코드 도구를 개발하여 이러한 사람들이 AI 애플리케이션을 쉽게 구축하고 확장할 수 있을까요?
Altman: 우리가 그 목표를 향해 꾸준한 진전을 이루고 있다는 점에는 의심의 여지가 없습니다. 우리의 초기 계획은 프로그래머 생산성을 크게 향상시키는 것이지만 장기적으로는 동급 최고의 노코드 도구를 만드는 것이 목표입니다. 이미 시장에 일부 노코드 솔루션이 있지만 현재는 노코드 방식으로 완전한 스타트업을 만드는 데 필요한 요구 사항을 완전히 충족하지 못합니다.
스테빙스: OpenAI는 앞으로 기술 생태계의 어떤 영역에서 확장하게 될까요? OpenAI가 애플리케이션 수준을 장악할 가능성이 높다는 점을 고려하면, 스타트업이 기존 시스템을 최적화하는 데 대량 자원을 투자하는 것은 자원 낭비일까요? 창업자들은 이에 대해 어떻게 생각해야 할까요?
Altman: 우리의 목표는 모델을 지속적으로 개선하는 것입니다. 귀하의 업무 기존 모델의 일부 사소한 단점을 해결하기 위해 설계된 경우, 우리 모델이 이러한 단점이 더 이상 존재하지 않을 만큼 충분히 강력해지면 귀하의 업무 모델은 경쟁력이 없게 될 수 있습니다.
그러나 모델이 계속해서 발전함에 따라 이익을 얻을 수 있는 업무 구축할 수 있다면 이는 엄청난 기회입니다. 누군가 GPT-4가 극도로 강력해지고 현재 불가능해 보이는 작업을 달성할 수 있다고 당신에게 밝힌다면, 당신은 장기적인 관점에서 업무 계획하고 발전시킬 수 있을 것입니다.
Stebbings: 우리는 OpenAI가 특정 시장 부문에 미칠 수 있는 영향에 대해 리스크 투자가인 Brad Gerstner와 논의했습니다. 창업자 입장에서 OpenAI의 영향을 받을 가능성이 높은 기업은 무엇이고, 살아남을 수 있는 기업은 무엇일까? 투자자로서 우리는 이 문제를 어떻게 평가해야 할까요?
Altman: 인공 지능은 수조 달러의 가치를 창출하여 완전히 새로운 제품과 서비스를 창출하여 이전에는 불가능했거나 비현실적인 일을 가능하게 할 것입니다. 일부 영역에서는 모델이 목표를 쉽게 달성할 수 있을 만큼 강력할 것으로 기대하며, 다른 영역에서는 우수한 제품과 서비스를 구축함으로써 이 새로운 기술이 더욱 향상될 것입니다.
초기에는 약 95%의 스타트업이 모델이 나아지지 않을 것이라고 장담하는 것 같았는데, 이제는 더 이상 놀라지 않게 되었습니다. GPT-3.5가 처음 출시되었을 때 우리는 이미 GPT-4의 잠재력을 예견했고 그것이 매우 강력할 것이라는 것을 알고 있었습니다.
따라서 모델의 결함을 보완하기 위한 목적으로만 도구를 구축한다면 모델이 지속적으로 개선됨에 따라 이러한 결함은 점점 더 무의미해질 것입니다.
과거 모델의 성능이 저조했을 때 사람들은 'AI 교사'나 'AI 의료 조언자'와 같은 혁신적인 제품을 만들기보다는 모델의 결함을 보완하는 제품을 개발하는 경향이 더 컸습니다. 당시 사람들의 95%가 모델이 개선되지 않을 것이라고 확신했고, 단 5%만이 모델이 개선될 것이라고 믿었습니다.
이제 상황은 역전되었고 사람들은 개선의 속도와 우리가 어디로 가고 있는지 이해하고 있습니다. 지금은 그 문제가 덜 부각되었지만, 한때 (모델 결함을 해결하기 위해) 노력하는 기업들이 직면할 어려움을 예견했기 때문에 우리는 매우 우려했습니다.
스테빙스: “인공지능이 수조 달러의 가치를 창출할 것”이라고 말씀하신 적이 있고, 손정의(소프트뱅크 그룹 창업자 겸 CEO)도 “AI가 매년 9조 달러의 가치를 창출할 것”이라고 예측했는데, 이는 그의 예측을 상쇄하기에 충분합니다. "9조 달러의 자본 지출이 필요하다"고 생각합니다. 이에 대해 어떻게 생각하시나요?
Altman: 정확한 수치를 말씀드릴 수는 없습니다. 분명히 대량 자본 지출로 막대한 가치가 창출될 것입니다. 왜냐하면 이는 모든 주요 기술 혁명의 경우이고 인공지능도 의심할 여지 없이 그 중 하나이기 때문입니다.
내년은 차세대 AI 시스템 시대로 진입하는 매우 중요한 해입니다. 코드 없는 소프트웨어 에이전트 개발에 대해 언급하셨는데, 지금 당장은 달성할 수 없는 일이지만, 누구나 쉽게 엔터프라이즈급 도구 세트를 얻을 수 있을 것입니다. 소프트웨어가 필요합니다. 이것이 세상에 얼마나 많은 경제적 가치를 가져다줄까요? 더 편리하고 저렴하게 만들면서 동일한 가치 출력을 유지할 수 있다면 큰 영향을 미칠 수 있습니다.
저는 수조 달러 규모의 시장을 대표하는 의료 및 교육 분야를 포함하여 이와 같은 사례를 더 많이 보게 될 것이라고 믿습니다. AI가 이러한 영역에서 새로운 솔루션을 주도할 수 있다면 구체적인 수치는 중요하지 않다고 생각하지만 중요한 것은 실제로 놀라운 가치를 창출할 것이라는 점입니다.
뛰어난 AI Agent는 인간의 능력을 뛰어넘는 기능을 가지고 있습니다.
스테빙스: 향후 인공지능 개발에서 오픈소스가 어떤 역할을 하게 될 것이라고 생각하시나요? OpenAI 내에서 '일부 모델을 오픈소스화해야 하는가'에 대한 논의는 어떻게 진행되나요?
Altman: 오픈 소스 모델은 AI 생태계에서 중요한 역할을 합니다. 이미 훌륭한 오픈 소스 모델이 나와 있습니다. 고품질의 서비스와 API를 동시에 제공하는 것도 중요하다고 생각합니다. 제 생각에는 사람들이 자신의 필요에 가장 적합한 솔루션을 선택할 수 있도록 이러한 요소를 포트폴리오로 제공하는 것이 합리적이라고 생각합니다.
스테빙스: 오픈 소스 외에도 에이전트를 통해 고객에게 서비스를 제공할 수도 있습니다. "에이전트"를 어떻게 정의하나요? 당신의 생각에는 그것이 무엇이며 무엇이 아닌가?
Altman: 에이전트는 장기적인 작업을 수행할 수 있고 작업 실행 중에 사람의 감독이 거의 필요하지 않은 프로그램이라고 생각합니다.
스테빙스: 에이전트에 대해 오해가 있다고 생각하시나요?
Altman: 오해라기보다는 에이전트가 미래 세계에서 수행할 역할을 완전히 이해하지 못하고 있다는 것입니다.
자주 언급되는 예로는 오픈테이블처럼 AI 에이전트에게 레스토랑 예약을 도와달라고 요청하거나, 레스토랑에 직접 전화하는 일 등이 있다. 이는 실제로 시간을 절약할 수 있지만 더 흥미로운 점은 에이전트가 인간이 할 수 없는 일을 할 수 있다는 것입니다. 예를 들어 에이전트는 동시에 300개의 레스토랑에 연락하여 나에게 가장 적합한 요리를 찾을 수 있습니다. 특별한 서비스를 제공할 수 있습니다. 이는 인간에게는 거의 불가능한 작업이지만, 에이전트가 모두 AI이고 병렬 처리가 가능하다면 이 문제는 해결될 것입니다.
이 예는 간단하지만 인간의 능력을 뛰어넘는 에이전트의 능력을 보여줍니다. 더 흥미로운 점은 에이전트가 레스토랑 예약을 도울 수 있을 뿐만 아니라 매우 똑똑한 선배 동료처럼 프로젝트를 완료하기 위해 귀하와 협력할 수도 있고, 이틀 또는 심지어는 2주가 걸리는 작업을 독립적으로 완료할 수도 있다는 것입니다. 문제가 있을 시 연락드리고, 최종적으로는 좋은 결과를 가져오겠습니다.
Stebbings: 이 에이전트 모델이 SaaS(Software as a Service) 가격에 영향을 미치나요? 전통적으로 SaaS는 사용자 좌석을 기준으로 비용이 청구되지만 이제는 에이전트가 실제로 사람을 대체하고 있습니다. 특히 AI 에이전트가 기업 인력의 핵심 부분이 되면서 가격 책정 모델이 미래에 어떻게 변할 것으로 보시나요?
Altman: 우리는 확실히 알지 못하기 때문에 추측만 할 수 있습니다. 문제를 처리하기 위해 GPU 1개, GPU 10개, GPU 100개가 필요한지 여부와 같이 사용하는 컴퓨팅 리소스를 기반으로 향후 가격 책정 모델이 결정되는 시나리오를 상상할 수 있습니다. 이 경우 가격은 더 이상 시트 수나 에이전트 수를 기준으로 하지 않고 실제 소비되는 컴퓨팅 양을 기준으로 책정됩니다.
스테빙스: Agent를 위한 특별한 모델을 구축해야 합니까?
Altman: Agent의 운영을 지원하기 위해서는 대량 인프라가 필요하지만 GPT-3.5가 방향, 즉 복잡한 Agent 작업을 수행할 수 있는 일반 모델을 제시한 것 같습니다.
모델은 감가상각 자산이지만 교육 경험은 비용보다 더 가치가 있습니다.
스테빙스: 많은 사람들은 모델이 점점 더 상품화되면서 자산의 가치가 하락하고 있다고 믿습니다. 이러한 관점 에 대해 어떻게 생각하시나요? 현재 훈련 모델은 점점 더 자본 집약적입니다. 이는 소수의 회사만이 그러한 비용을 감당할 수 있다는 것을 의미합니까?
Altman: 모델이 감가상각 자산으로 간주될 수 있는 것은 사실이지만, 교육 비용보다 가치가 낮다고 생각하는 것은 완전히 잘못된 것입니다. 실제로 모델을 훈련하는 과정에서 긍정적인 복리 효과를 얻을 수 있습니다. 즉, 훈련을 통해 얻은 지식과 경험은 차세대 모델을 보다 효율적으로 훈련하는 데 도움이 될 것입니다.
저는 모델을 통해 얻은 실제 수익이 이러한 투자를 정당화했다고 생각합니다. 물론 모든 기업이 이런 효과를 얻을 수 있는 것은 아니다. 현재는 매우 유사한 모델을 교육하는 회사가 많을 수 있지만, 조금 뒤쳐져 있거나 지속적으로 사용자를 끌어들이고 가치를 제공하는 제품이 없다면 투자 수익을 얻기가 더 어려울 수 있습니다.
수억 명의 사용자가 사용하는 ChatGPT를 보유하게 된 것은 행운입니다. 따라서 비용이 높더라도 이러한 비용을 대규모 사용자 기반에 분산시킬 수 있습니다.
스테빙스: OpenAI의 모델은 앞으로도 어떻게 차별화될까요? 어디에서 더 큰 차별화를 보고 싶습니까?
Altman: 추론 능력은 현재 우리가 가장 중요하게 생각하는 영역이며 , 이것이 대규모 가치 창출의 다음 단계를 여는 열쇠가 될 것이라고 믿습니다. 또한 다중 모드 모델 개발에도 힘쓰고 사용자에게 중요하다고 생각되는 새로운 기능을 도입할 것입니다.
스테빙스: 새로운 GPT-3.5 추론 시간 패러다임에서 시각적 기능은 어떻게 확장됩니까?
Altman: 아무것도 손상시키지 않고 이미지 모델이 빠르게 발전할 것으로 기대합니다 .
스테빙스: 때때로 프로그래밍 작업에서 우수하다고 여겨지는 Anthropic 모델에 대해 어떻게 생각하시나요? 이 평가가 공정하다고 생각하시나요? 개발자는 OpenAI와 다른 공급자 중에서 어떻게 선택해야 합니까?
Altman: Anthropic은 정말 프로그래밍에 뛰어난 모델을 갖고 있고, 그들의 작업은 정말 인상적입니다. 개발자들은 동시에 여러 모델을 사용하는 경우가 많은 것 같은데, 분야가 발전함에 따라 그것이 어떻게 변할지 잘 모르겠습니다. 하지만 저는 인공지능이 미래에는 어디에나 있을 것이라고 믿습니다.
현재 우리가 AI에 대해 이야기하는 방식은 다소 구식일 수 있으며, 앞으로는 "모델"에 대한 이야기에서 "시스템"에 대한 이야기로 옮겨갈 것으로 예상하지만 이것이 실현되려면 시간이 걸릴 것입니다.
스테빙스: 모델 확장 문제와 관련하여, 모델 확장의 법칙이 얼마나 오랫동안 지속될 수 있다고 생각하시나요? 예전에는 지속되지 않을 거라고 생각했는데 생각보다 지속력이 강한 것 같아요.
Altman: 세부 사항을 자세히 설명하지 않고 핵심 질문은 다음과 같습니다. 모델 기능의 개선 궤적이 현재처럼 계속 될까요? 나는 그것이 오래 지속될 것이라고 믿습니다.
스테빙스: 그것에 대해 의심해본 적 있나요?
Altman: 우리는 이해할 수 없는 몇 가지 행동 패턴을 접했고, 실패한 훈련 과정을 경험했으며, 다양한 새로운 패러다임을 시도했습니다. 패러다임의 한계에 도달하면 다음 돌파구를 찾아야 합니다.
스테빙스: 이 과정에서 가장 어려운 과제는 무엇이었나요?
Altman: GPT-4 개발을 시작했을 때 우리는 매우 어려운 문제에 직면했습니다. 그로 인해 우리는 무력감을 느꼈고 어떻게 해결해야 할지 몰랐습니다. 결국 우리는 이러한 어려움을 극복하는 데 성공했습니다. 하지만 모델을 어떻게 발전시켜야 할지 혼란스러울 때가 분명히 있었습니다.
또한, GPT-3.5의 변형과 추론 모델의 개념은 우리가 오랫동안 꿈꿔온 목표이지만, 이 목표를 달성하기 위한 연구 경로는 어려움과 우여곡절로 가득 차 있습니다.
스테빙스: 이 길고 힘든 과정에서 팀 사기를 어떻게 유지합니까? 훈련 과정이 실패할 경우 어떻게 사기를 유지합니까?
Altman: 우리 팀 구성원은 매우 동기 부여가 되는 목표인 인공 일반 지능(AGI) 구축에 열정을 갖고 있습니다. 우리 모두는 이것이 쉬운 길이 아니며 성공이 쉽게 이루어지지 않는다는 것을 알고 있습니다. “나는 결코 하나님께 내 편이 되어달라고 구하지 않고, 내가 하나님 편에 서기를 기도한다”는 유명한 말이 있습니다.
딥 러닝 분야에 참여하는 것은 정의로운 목적에 참여하는 것과 같습니다. 도중에 피할 수 없는 어려움이 있더라도 결국 우리는 항상 발전하는 것 같습니다. 이런 굳건한 믿음이 우리에게 큰 도움이 되었습니다.
스테빙스: 반도체 공급망 문제와 관련해, 반도체 공급망과 국제적 긴장에 대해 얼마나 우려하시나요?
Altman: 그 우려의 정도를 정량화할 수는 없지만 우려된다는 점에는 의심의 여지가 없습니다. 그것이 나의 가장 큰 관심사는 아닐 수도 있지만, 그것은 확실히 내가 관심을 갖는 모든 것 중 상위 10%에 속합니다.
스테빙스: 당신의 가장 큰 관심사가 무엇인지 물어봐도 될까요?
Altman: 전반적으로 제가 가장 우려하는 점은 우리가 현장에서 수행하려는 모든 작업이 복잡하다는 것입니다. 결국 모든 것이 잘 될 것이라고 확신하지만 이것은 믿을 수 없을 정도로 복잡한 시스템입니다.
이러한 복잡성은 OpenAI 내부와 모든 팀 내 모든 수준에 존재합니다. 반도체를 예로 들면, 우리는 전원 공급 장치의 균형을 맞추고, 올바른 네트워킹 결정을 내리고, 충분한 칩을 확보하는 동시에 잠재적인 리스크 과 연구 진행이 이러한 과제에 부합할 수 있는지 여부도 고려해야 합니다. 또는 낭비되는 자원.
전체 공급망은 직선적인 파이프라인처럼 보일 수 있지만 각 수준의 생태계의 복잡성은 다른 산업에서 본 것 이상입니다. 어떻게 보면 이것이 나의 가장 큰 관심사이다.
스테빙스: 전례 없는 복잡성을 언급하셨는데, 많은 사람들이 현재 AI의 물결을 닷컴 거품에 비교하고 있습니다. 특히 흥분과 열정에 있어서는 더욱 그렇습니다. 자금 규모의 차이인 것 같아요. 오라클의 공동 창업자인 래리 엘리슨(Larry Ellison)은 기본 모델 경쟁에 참여하기 위한 진입 비용이 1000억 달러에 달한다고 밝혔습니다. 당신은 이 관점 에 동의합니까?
Altman: 아니요, 비용이 그렇게 높을 것 같지는 않습니다. 하지만 흥미로운 현상이 있습니다. 사람들은 과거의 기술 혁명을 새로운 혁명에 대한 비유로 사용하여 더 친숙해 보이도록 하는 것을 좋아합니다. 전반적으로 이는 좋은 습관이 아니라고 생각하지만 사람들이 왜 그렇게 하는지 이해합니다. 또한 인터넷은 분명히 AI와 매우 다르기 때문에 선택한 AI 비유가 특히 부적절하다고 생각합니다.
비용에 대한 예를 언급하셨습니다. 경쟁력을 갖추기 위해 실제로 100억 달러를 지출해야 하는지, 1000억 달러를 지출해야 하는지에 관계없이 인터넷 혁명의 특징 중 하나는 "시작하기 쉽다"는 것입니다. 인터넷과 유사한 또 다른 점은 많은 회사에서 AI는 단지 인터넷의 확장일 뿐이라는 것입니다. 다른 사람들은 이러한 AI 모델을 구축할 것이며 이를 사용하여 모든 종류의 훌륭한 제품을 개발할 수 있습니다. 이는 AI를 기술을 구축하는 새로운 방식으로 간주하는 것입니다. 하지만 AI 자체를 구축하고 싶다면 완전히 다른 이야기입니다.
또 다른 일반적인 비유는 전기이지만 이것이 여러 면에서 적용되지는 않는다고 생각합니다.
사람들이 비유에 너무 많이 의존해서는 안 된다고 생각하지만, 제가 가장 좋아하는 비유는 트랜지스터입니다. 물리학의 새로운 발견은 놀라울 정도로 확장성이 뛰어나고 모든 분야에 빠르게 확산되어 트랜지스터와 제품 및 제품으로부터 이익을 얻었습니다. 우리가 사용하는 서비스에는 대량 트랜지스터가 포함되어 있지만 이러한 제품과 서비스를 만드는 회사를 "트랜지스터 회사"라고 생각하지 않을 것입니다.
이(트랜지스터)는 주변에 거대한 공급망이 형성되어 있는 매우 복잡하고 비용이 많이 드는 산업 공정입니다. 이 간단한 물리적 발견은 대부분의 사람들이 그것이 존재한다는 사실을 깨닫지 못하고 "이것이 정보 처리에 도움이 될 수 있다"고 생각했을지라도 장기적인 경제 성장으로 이어졌습니다.
특정 연령층을 선호하기보다는 인재에 대한 높은 기준을 유지
스테빙스: 인간의 재능이 어떻게 낭비된다고 생각하시나요?
알트만: 세상에는 아주 재능 있는 사람들이 잘못된 회사에서 일하거나, 훌륭한 회사를 지원하지 않는 국가에 살고 있거나, 기타 다양한 이유로 자신의 잠재력을 최대한 발휘하지 못하는 경우가 많습니다.
제가 AI에 대해 가장 기대하는 점 중 하나는 AI가 각 개인의 잠재력을 더 잘 실현하는 데 도움을 줄 수 있다는 점입니다. 현재로서는 우리가 충분히 수행하지 못하는 일입니다. 저는 세상에 잠재적으로 뛰어난 AI 연구자들이 많이 있다고 생각합니다. 그러나 그들의 삶의 궤적은 다릅니다.
스테빙스: 당신은 지난 1년 동안 놀라운 성장을 경험했습니다. 지난 10년을 되돌아보면 당신의 리더십에 있어서 가장 큰 변화는 무엇이라고 생각하십니까?
Altman: 지난 몇 년간 가장 특이한 점은 변화의 속도입니다. 보통 일반 기업이 매출이 0에서 1억 달러로 성장하고, 1억 달러에서 10억 달러로, 10억 달러에서 100억 달러로 성장하는 데는 오랜 시간이 걸리지만 우리는 단 2년 안에 이를 달성해야 합니다. 우리는 순수한 연구실에서 실제로 대량 서비스를 제공하는 회사로 성장했고, 그 빠른 전환으로 인해 배우는 데 시간이 많이 걸렸습니다.
스테빙스: 무엇을 공부하는데 더 많은 시간을 보내고 싶나요?
Altman: 회사가 단지 10% 성장이 아닌 10배 성장 달성에 집중하도록 안내하는 방법은 무엇입니까? 수십억 매출을 올리는 회사에서 수백억 매출을 올리는 회사로 성장하려면 단순히 지난주의 작업을 반복하는 것이 아니라 엄청난 변화가 필요합니다.
그러나 급속한 성장의 과제는 견고한 기반을 마련할 시간이 충분하지 않다는 것입니다. 저는 이 초고속 성장 환경에서 따라잡고 계속 전진하는 데 얼마나 많은 노력이 필요할지 과소평가했습니다.
내부 커뮤니케이션, 정보 공유, 구조화된 관리, 계획 시 단기 요구 사항과 장기 개발의 균형을 맞추는 방법이 모두 중요합니다. 예를 들어 향후 1~2년 안에 회사의 실행력을 확보하기 위해서는 컴퓨팅 자원, 사무실 공간 등을 미리 준비해야 합니다. 이렇게 빠르게 성장하는 환경에서는 효과적인 계획을 세우기가 매우 어렵습니다.
Stebbings: Keith Rabois(리스크 투자자)는 Peter Thiel(PayPal의 공동 창업자)에게서 배운 것 중 하나가 30세 미만의 젊은이를 고용하는 것이라고 말한 적이 있습니다. 그것이 훌륭한 회사를 만드는 비결이기 때문입니다. 매우 역동적이고 야심찬 젊은이들을 채용하여 회사를 설립하는 것이 이를 위한 유일한 방법이라는 제안에 대해 어떻게 생각하시나요?
알트만: 제가 OpenAI를 창업했을 때 나이가 30세 정도였는데, 너무 어리지는 않았지만 적절해 보였습니다(웃음). 따라서 이것은 실제로 시도해 볼 수 있는 방법입니다.
스테빙스: 그런데 젊은 사람들은 에너지와 야망이 넘치지만 경험이 부족하거나 경험이 많고 자신을 입증한 사람을 선택할 수도 있습니다.
Altman: 분명한 대답은 OpenAI에서처럼 두 가지 유형의 인재를 모두 성공적으로 고용할 수 있다는 것입니다. 오늘 인터뷰 직전에 저는 이제 막 우리 팀에 합류한 한 청년에 대해 이야기하고 있었습니다. 아마도 20대 초반이었을 것입니다. 하지만 그는 놀라운 일을 해냈습니다. 그와 같은 인재, 새로운 시각과 에너지를 불러일으키는 젊은이들을 우리가 더 많이 찾을 수 있을지 궁금합니다.
그러나 반면에 인류 역사상 가장 복잡하고 비용이 많이 드는 컴퓨팅 시스템 중 하나를 설계한다면 나는 그 책임을 이제 막 시작한 젊은 사람에게 넘기지 않을 것입니다. 그러므로 우리는 두 가지 유형의 재능의 조합이 필요합니다. 단순히 특정 연령층을 선호하는 것이 아니라 재능에 대한 높은 기준을 유지하는 것이 핵심이라고 생각합니다.
경험 부족이 가치 부족을 의미하지 않는다는 점을 가르쳐 준 Y Combinator에 특히 감사드립니다. 경력 초기에 엄청난 가치를 창출할 수 있는 잠재력이 높은 인재가 많이 있으며, 우리 사회는 이러한 인재에 투자해야 한다는 점은 매우 긍정적인 일입니다.
스테빙스: 최근에 한 말을 들었습니다. 인생에서 가장 무거운 짐은 철이나 금이 아니라, 내리지 않은 결정이라는 것입니다. 어떤 미결정이 당신에게 가장 큰 스트레스를 유발합니까?
Altman: 이 질문에 대한 답은 매일 바뀌며, 아직 결정되지 않은 결정은 특히 중요하지 않습니다. 물론 우리는 어떤 제품 방향을 선택할지, 차세대 컴퓨터를 어떻게 설계할지와 같은 몇 가지 중요한 결정에 직면합니다. 이는 중요하면서도 리스크 선택입니다.
이런 일이 생기면 결정을 미룰 수도 있겠지만, 대부분의 경우 매일 51% 대 49%의 딜레마에 대면 것이 문제이고, 이러한 결정이 내 앞에 놓인 이유는 결정하기 어렵기 때문입니다. 나는 팀의 다른 누구보다 더 나은 선택을 할 수 있을지 확신할 수 없지만 결정은 내려야 합니다.
따라서 문제는 특정 결정이 아니라 결정 횟수에 관한 것입니다.
스테빙스: 51% 대 49%의 결정에 직면했을 때 상담할 수 있는 일관된 사람이 있습니까?
Altman: 아니요, 모든 것을 한 사람에게만 의존하는 것은 올바른 접근 방식이 아니라고 생각합니다. 나에게는 단일 컨설턴트에게 의존하기보다 특정 분야에 대한 좋은 직관과 배경지식을 갖춘 15~20명을 찾아 필요할 때 최고의 전문가에게 자문을 구하는 것이 더 나은 접근 방식이다.
빠른 질문과 빠른 답변
스테빙스: 현재 23세 또는 24세라면 기존 인프라를 고려할 때 무엇을 선택하시겠습니까?
알트만: AI 교육 등 AI가 지원되는 업종을 선택하겠습니다. 어떤 분야에서든 사람들이 지식을 배울 수 있도록 최고의 AI 교육 제품을 개발하겠습니다. AI 변호사, AI CAD 엔지니어 등도 비슷한 예로 들 수 있습니다.
스테빙스: 책을 쓴다고 말씀하셨는데, 뭐라고 부르시겠어요?
알트만: 아직 이름을 생각하지 못했어요. 나는 이 책에 대해 많이 생각해 본 적이 없지만, 이 책의 존재가 많은 사람들에게 영감을 줄 것이라고 생각합니다. '인간의 잠재력'이라는 주제와 관련이 있을지도 모르겠습니다.
스테빙스: AI 분야에서 사람들이 주목하지 않지만 더 많은 시간을 투자해야 하는 방향이 있나요?
Altman: 제가 보고 싶은 것은 당신의 삶 전체를 이해하는 AI입니다. 무제한 컨텍스트가 필요한 것은 아니지만 모든 데이터를 이해하고 도움을 줄 수 있는 AI 에이전트를 가질 수 있는 방법이 있기를 바랍니다.
스테빙스: 지난 한 달 동안 당신을 놀라게 한 일이 있었나요?
Altman: 공개할 수 없는 연구이지만 충격적입니다.
스테빙스: 가장 존경받는 경쟁자는 누구입니까? 왜?
알트만: 사실 저는 이 분야의 모든 사람들을 존경합니다. 이 분야는 뛰어난 재능과 훌륭한 일들로 가득 차 있습니다. 나는 문제를 피하려는 것이 아니라 재능 있는 사람들이 어디서나 정말 좋은 일을 하고 있는 것을 볼 뿐입니다.
스테빙스: 구체적인 것이 있나요?
알트만: 특별히 그런 사람은 없습니다.
스테빙스: 가장 좋아하는 OpenAI API는 무엇입니까?
Altman: 새로운 실시간 API는 훌륭합니다. 이제 우리는 좋은 것들이 많이 포함된 거대한 API 업무 운영하고 있습니다.
스테빙스: 오늘날 AI 분야에서 가장 존경하는 사람은 누구입니까?
Altman: Cursor 팀을 구체적으로 언급하고 싶습니다. 그들은 AI를 사용하여 매우 마법 같은 경험을 제공하고 사람들에게 많은 가치를 창출합니다. 많은 사람들이 모든 요소를 하나로 모으는 데 실패하지만 실제로는 그렇게 합니다. 나는 의도적으로 OpenAI의 어느 누구도 언급하지 않았습니다. 그렇지 않으면 목록이 매우 길어질 것입니다.
Stebbings: 지연 시간과 정확성 간의 균형에 대해 어떻게 생각하시나요?
Altman: 둘 사이를 조정하는 손잡이가 필요합니다 . 지금처럼 질문에 빨리 답하기를 원하고 그것에 대해 몇 분도 생각하지 않으려고 노력할 때 지연이 중요해집니다. 나에게 큰 발견을 해달라고 하면 기꺼이 몇 년을 기다려줄 수도 있을 것이다. 대답은 이것이 사용자가 제어할 수 있어야 한다는 것입니다.
스테빙스: 리더십의 불안정성에 대해 생각할 때, 가장 개선이 필요한 부분은 무엇이라고 생각하시나요? 리더로서 그리고 CEO로서 가장 개선하고 싶은 부분은 무엇입니까?
Altman: 지난주에는 우리 제품 전략의 구체적인 내용이 무엇인지에 대해 이전보다 더 확신이 없는 것 같았습니다. 전반적으로 제품이 저의 약점이라고 생각하는데, 이제 회사에서는 저에게 좀 더 명확한 제품 비전을 제시해 달라고 요구하고 있습니다. 우리에게는 훌륭한 제품 소유자와 팀이 있지만 이 분야는 제가 더 잘하고 싶은 분야이며, 최근에 특히 강하게 느낍니다.
스테빙스: 당신은 Kevin Scott(OpenAI의 최고 기술 책임자)을 고용했습니다. 저는 그를 오랫동안 알고 지냈는데 그는 훌륭합니다. Kevin의 어떤 자질이 그를 세계적 수준의 제품 리더로 만들까요?
Altman: "훈육"이 가장 먼저 떠오르는 단어입니다.
스테빙스: 그게 정확히 무슨 뜻이죠?
Altman: 그는 우선순위에 매우 집중하고, 무엇을 거절해야 하는지 알고 있으며, 사용자의 입장에서 자신이 왜 무언가를 해야 하는지, 왜 하지 말아야 하는지 생각할 수 있습니다. 그는 정말 엄격하고 어떤 엉뚱한 생각도 하지 않습니다. .
스테빙스: 5년 후와 10년 후의 미래를 내다보고, 마법 지팡이를 갖고 OpenAI의 5년, 10년 비전을 그릴 수 있다면 어떤 모습일까요?
Altman: 향후 2년을 상상하는 것은 쉽지만, 만약 우리가 올바르게 추측하고 과학적 진보 측면에서 초강력 시스템을 만들기 시작한다면 그것은 놀라운 기술 발전으로 이어질 것입니다.
5년 안에 우리는 모든 사람의 기대를 넘어서는 놀라운 속도로 기술 발전을 보게 될 것이라고 생각합니다. 사회는 AI 연구뿐만 아니라 많은 새로운 것을 발견하게 될 것입니다. 다른 과학 분야도 포함됩니다.
반면에 (기술의 진보가 가져오는) 사회의 변화는 실제로 상대적으로 제한적이라고 생각합니다.
예를 들어, 5년 전에 사람들에게 묻는다면 컴퓨터가 튜링 테스트를 통과할까요? 그들은 아마 이렇게 말할 것입니다: 아니요. 당신이 그들에게 말할 경우: 예. 그러면 그들은 이것이 사회에 큰 변화를 가져올 것이라고 생각할 것이다. 보시다시피, 우리는 대략적으로 튜링 테스트를 통과했지만 사회의 변화는 실제로 그다지 급격하지 않았습니다.
이것이 미래에 대한 나의 기대입니다. 기술 진보는 계속해서 모든 기대를 뛰어넘는 반면 사회는 더 느리게 변화한다는 것입니다. 나는 이것이 좋고 건강한 상태라고 생각합니다. 장기적으로 볼 때 기술의 진보는 분명 사회에 큰 변화를 가져올 것이지만, 5~10년 안에 그렇게 빨리 반영되지는 않을 것입니다.
