Google · xAI · TML

What was discussed

오간 이야기

AB180 남성필 대표가 첫 세션을 열었습니다. 주제는 AI 네이티브 조직이었습니다. 기존 조직에 AI를 얹는 게 아니라 처음부터 AI를 중심으로 설계된 조직이라는 개념이었습니다. 사내 자동화 시스템 ‘에이봇’ 하나로 PR 800개를 처리했다는 사례가 그 의미를 단번에 보여줬습니다.

김성식은 Northwestern에서 CS를 전공하고 Uber에서 커리어를 시작해 Google DeepMind(Bard, 일명 Code Red 팀), Cruise를 거쳐 xAI에 합류했습니다. Google과 xAI의 일상은 완전히 달랐습니다. Google은 주 20~50시간 근무에 3주 온보딩이 있었지만, xAI는 첫날 컴퓨터 셋업 30분 뒤 바로 실전이었습니다. 출퇴근 개념이 없었고, Grok 3 론칭 때 트위터에 돌던 텐트 사진은 사실이었다고 했습니다.

일론은 모든 팀을 주 1회 이상 직접 만났습니다. 임원 보고가 아니라 개발자를 한 명씩 지목해 지금 뭘 하는지 묻고, 최소 세 단계까지 파고들었습니다. 감정 표현도 직설적이었고, First Principles로 맞지 않는 방향을 가장 싫어했습니다. 카메라 비전만으로 자율주행이 가능해야 한다는 그의 논리가 대표적인 예였습니다.

가장 화제였던 건 Macro Hard 프로젝트입니다. 마이크로소프트가 하드웨어 없이 거의 소프트웨어로 굴러가는 회사인 만큼, AI가 사람 개입 없이 그런 회사 하나를 대체할 수 있다면 그게 AGI라는 발상에서 출발했고, 그 반대 방향이라는 의미로 이름을 붙였습니다. 김성식은 이 프로젝트에 지목돼 일했지만 일론과 팀의 방향이 자주 충돌했고, 결국 구조조정으로 팀이 재편됐습니다. 따르던 멘토 두 사람의 퇴사와 결혼식 10분 전까지 코딩하던 개인적 한계가 겹쳐 그도 xAI를 떠났습니다.

현재 몸담은 Thinking Machines Lab은 결이 다릅니다. 대부분의 랩이 사람을 대체하는 기술을 만든다면, TML은 사람과 AI가 협업하는 관계를 지향합니다. 이번에 공개한 두 가지는 멀티모달리티와 Full Duplex였습니다. 스크린샷을 붙여 텍스트로 설명하는 지금의 ‘이메일식’ 소통 대신 보고 들으며 직접 보여주는 방식, 그리고 턴 베이스가 아니라 말하면서 끊고 들으며 생각하는 JARVIS 같은 소통을 목표로 합니다. 모델이 모델을 학습시키는 RSI 이야기도 오갔습니다.

랩마다 AGI의 정의가 달랐습니다. OpenAI는 모든 직업에서 전문가 평균 수준일 때, 일론은 회사 하나가 AI만으로 굴러갈 때, 데미스 하사비스는 또 다른 기준을 듭니다. 김성식 본인은 지식과 논리는 이미 사람을 앞설 수 있지만, 처음 보는 것을 빠르게 배우는 제너럴리스트 능력과 컨티뉴얼 러닝이 아직 부족하다고 봤습니다. 그는 한국의 빠른 도입 속도(인구 대비 세계 1~2위 토큰 사용량, ‘DX’·‘AX’ 같은 용어의 일상화)에 주목했고, 모든 직업이 사라지기까지는 생각보다 오래 걸릴 것이며 포스트-AGI 시대엔 오히려 엔터테인먼트처럼 ‘좋고 나쁨의 기준을 만드는’ 사람의 역할이 커질 것이라고 전망했습니다.