문명에 한 번 오는 기회: Alexandr Wang이 말하는 AI 시대의 창업

Alexandr Wang은 열아홉에 Scale AI를 창업했고 지금은 Meta의 초지능 랩을 이끕니다. Y Combinator 무대에서 그가 던진 메시지는 하나입니다. 모델은 이미 충분히 강력하니 앞으로 모자라는 건 지능이 아니라 무엇을 만들지 정하는 비전이라는 겁니다.

데이터가 아무도 안 쳐다볼 때 시작했습니다

Wang은 뉴멕시코 로스앨러모스에서 자랐습니다. 수학과 컴퓨터 대회를 휩쓸었지만 큰일을 하고 싶다는 마음만 있었지 방법은 몰랐습니다. 고등학교를 마치고 실리콘밸리로 와서 Quora에서 1년을 일했고 열여덟에 MIT에 들어갔습니다.

열일곱에서 열아홉까지의 그 시기를 정신을 차릴 틈도 없이 몰아쳤다고 기억합니다. 하고 싶은 일이 계속 바뀌었고 주변 사람에게서 너무 많이 배웠습니다. 돌아보면 두 가지가 중요했습니다.

하나는 회사에서 일해본 것입니다. 밖에서 보면 회사가 어떻게 굴러가는지 전혀 모릅니다. 무언가를 실제로 만드는 일이 어떤지, 고쳐가며 다듬는 일이 어떤지, 여러 사람이 모여 결정을 내리는 일이 어떤지 알 수 없습니다. 다른 하나는 MIT에 간 것입니다. 그곳에서 무엇이 재미있는지 마음껏 찾아볼 기회를 얻었습니다. 그해 막 나온 TensorFlow를 만지며 처음으로 모델을 훈련했고 거기서 Scale의 아이디어를 얻었습니다.

모델 하나를 훈련하려면 세 가지가 필요했습니다. 연산 자원을 쓸 클라우드 계정, 돌릴 코드, 그리고 데이터입니다. 앞의 둘은 온라인에서 버튼만 누르면 얻었는데 데이터만은 길이 없었습니다. 버튼 하나로 데이터를 얻는 방법이 반드시 생긴다는 게 그에게는 너무 당연해 보였습니다.

MIT 1년 뒤 YC에 들어갔지만 처음 들고 간 아이디어는 달랐습니다. 사람들이 진료를 받도록 돕는 AI 에이전트였습니다. 지금은 실제로 존재하는 서비스지만 그때는 타이밍이 틀렸습니다. 한두 달 만에 Jared Friedman이 따로 불러서 이거 어디로도 안 갈 것 같다고 말했습니다. 그게 그들에게 필요한 말이었습니다. YC가 그의 창업에 결정적이었던 이유가 여기 있습니다. 진심으로 잘되기를 바라면서도 아주 솔직하게 말해주고, 네가 멍청한 짓을 하고 있으면 그렇다고 알려줍니다.

그렇게 원점으로 돌아가 기회가 어디 있는지 깊이 생각한 끝에 Scale이 나왔습니다. 당시에는 대규모 언어 모델이 아직 전면에 나오기 전이었고 자율주행과 컴퓨터 비전이 막 떠오르던 참이라 그쪽이 첫 시장이 됐습니다. 데이터를 팔기 시작했지만 초기 몇 년 동안 데이터는 전혀 매력적인 사업이 아니었습니다. 숫자가 좋고 매출이 나와도 투자자들은 늘 회의적으로 반응했습니다. 이게 좋은 사업이 맞느냐, 오래 갈 수 있느냐고 물었습니다. 모델을 직접 훈련해본 투자자가 아무도 없었으니 이해하지 못한 겁니다. 지금은 그때 투자를 거절했던 바로 그 사람들이 데이터야말로 AI에서 가장 큰 사업 기회라는 글을 씁니다.

월스트리트저널을 펼쳐놓고 회사를 시작할 수는 없습니다.

세상에 대해 참이라고 아는 단순한 명제에서 출발해야 합니다. 유행하는 주제를 골라잡는 방식으로는 Scale을 시작할 수 없었습니다.

합의보다 확신이 먼저입니다

핵심은 아무도 동의하지 않는 믿음에 확신을 갖는 일입니다. 세상에서 가장 성공한 회사들은 그 아이디어가 인기를 얻기 훨씬 전에 시작했습니다. 개념이든 시장이든 사업이든 사람들이 합의하기까지 여러 해를 무명으로 버텼습니다. 남들보다 훨씬 먼저 세상의 진실을 알아보는 사람만 성공합니다.

Scale은 10년째 AI를 해왔습니다. 그 시간 동안 Wang이 가장 놀란 건 주변의 말에 사업 판단을 맡기면 안 된다는 점이었습니다. 무리를 너무 따라가면 극도로 혼란스러워지고 결국 아무 데도 가지 못합니다. 미래가 어떤 모습일지에 대한 자기 나침반을 만들어야 합니다. 그러지 않으면 나머지 모두가 나를 헷갈리게 만듭니다.

누구도 처음부터 회사를 잘 시작하지는 못합니다. 초기에 만났던 투자자들은 나중에 이렇게 말했습니다. 너무 빨리 성장하고 너무 빨리 달라져서 그때는 알아보지 못했다고요. 해본 적 없는 일을 잘할 리가 없습니다. 모두 형편없이 시작하고, 게임은 얼마나 빨리 나아지느냐입니다.

병목은 모델이 아니라 확산입니다

지금 세상의 병목은 모델의 발전 속도가 아닙니다. 이미 존재하는 기술을 세상 구석구석에 퍼뜨리고 세상이 거기 적응하도록 돕는 일이 병목입니다. 오늘부터 모델이 조금도 나아지지 않더라도 경제와 사회가 뒤집히는 데 수십 년이 걸립니다.

꿈꾸는 사람에게는 문명에 한 번 올까 말까 한 기회입니다.

비전과 야망이 있다면 무언가를 만들어서 미래가 어떤 모습이어야 하는지에 대한 자기 관점을 관철할 수 있는 때라는 뜻입니다.

10년 전 창업은 다윗과 골리앗의 싸움이었습니다. 자원이 훨씬 적으니 영리해야 했고 시장에 파고들 각도를 찾아야 했습니다. 지금은 골리앗 대 골리앗에 가깝습니다. 스타트업은 에이전트와 AI로 몸집을 키운 메카 골리앗이고 대기업은 예전 그대로의 골리앗입니다. 에이전트를 제대로 받아들이고 그 강점을 가장 야심 차게 쓰는 방법을 찾으면 기존 사업자를 어렵지 않게 이깁니다.

모두가 자기 초지능을 갖는 생태계에 걸었습니다

1년 전 Mark Zuckerberg가 개인 초지능에 대한 메모를 썼습니다. 세상의 수십억 명이 각자에게 맞춰진 초지능을 갖게 된다는 구상입니다. 그 초지능은 사용자의 맥락을 알고 목표를 이루도록 돕고 무엇보다 그 사람의 주체성을 넓혀줍니다. Meta가 가장 많이 생각하는 게 주체성 확장입니다. 예전에는 꿈도 못 꿨던 일을 사람들이 해내게 만드는 것입니다. 모든 게 쉬워지면 사람들이 무엇을 할지 스스로 묻게 만드는 것이기도 합니다.

세상을 통제하는 하나의 AI라는 그림은 믿지 않습니다. 대신 넓은 생태계를 봅니다. 오늘 Meta 플랫폼에는 2억 개의 사업체가 있는데 이 숫자가 수십억 개로 가야 한다고 봅니다. 비즈니스 에이전트와 개인 에이전트가 맞물려 돌아가는 생태계입니다.

Meta에 온 지 1년, Wang은 초지능 랩을 사실상 처음부터 다시 지었습니다. 9개월 만에 Spark 1을, 두 달 뒤에 이미지 모델과 Spark 1.1을 내놨습니다. 가장 중요했던 건 인재 밀도였고, 인재 밀도는 저절로 복리로 불어납니다. 뛰어난 사람이 많을수록 가장 뛰어난 사람들이 더 오고 싶어 합니다. 그리고 프론티어 AI는 제품 개발이 아니라 과학입니다. 이 모델로 무엇을 할 수 있는지 어디까지 밀어붙일 수 있는지 탐색하는 일이라 인터넷 회사와는 사고방식도 운영 방식도 다릅니다. 역량도 연산 자원도 사용량도 모두 가파른 지수곡선 위에 있으니 랩을 그 곡선과 함께 자라는 유기체처럼 설계해야 합니다.

모델 값이 비싸서 부유한 개발자와 회사만 쓸 수 있는 세상은 원하지 않습니다. Spark는 Opus보다 8배 쌉니다. 최고의 AI 제품이 아직 나오지 않았다고 보기 때문입니다. 파도가 올 때마다 앞선 파도보다 10배씩 컸습니다. 자율주행이 있었고 그보다 10배 큰 챗봇이 왔고 다시 그보다 10배 큰 코딩 에이전트가 왔습니다. 앞으로도 새로운 형태가 계속 나오고 그때마다 판이 훨씬 커집니다. 그래서 생태계를 풀어놓는 쪽을 택했습니다. 지금 있는 것보다 훨씬 큰 모델도 준비 중이고, 현존하는 최고 모델과 겨룰 수준이 될 거라고 말합니다. AI 역량이 한곳에 모이지 않고 흩어져야 한다고 믿기에 오픈소스 모델도 준비합니다.

Spark는 지금 OpenCode로 쓸 수 있고 곧 자체 harness도 나옵니다. 진행자는 요즘 에이전트 도구를 길가에 자꾸 멈춰 서는 페라리에 비유했습니다. Wang이 harness에서 노리는 게 정확히 그 지점입니다. 속도, 그리고 신뢰성입니다. 여기에 원하는 만큼 복잡한 멀티 에이전트 구성까지 감당하는 확장성을 더합니다. harness 위에서 에이전트를 엮고 루프를 짜는 혁신이 훨씬 많이 일어날 거라고 보기 때문입니다. 모델은 이미 GDP 성장을 여러 지점에서 끌어올릴 만큼 강력하고, 남은 몫은 비전과 야망을 가진 사람들에게 있다는 게 그의 생각입니다.

지금 가장 큰 기회는 에이전틱 루프입니다

당장 어디에 큰 기회가 있느냐는 질문에 Wang은 에이전틱 루프를 꼽았습니다. 하나의 결과를 얻는 데 토큰을 1,000배, 100만 배 더 쓰면서 계속 돌아가는 피드백 루프를 만드는 일입니다.

회사를 뜯어보면 결국 큰 피드백 루프입니다. 고객을 얻고, 그 고객을 더 만족시키고, 만족한 고객이 더 쓰고, 그 돈으로 사람을 더 뽑아 다시 고객을 늘립니다. 모든 스타트업이 이 루프이고 그 안에 작은 루프들이 또 있습니다. 지금은 사람이 이 루프의 각 지점을 맡고 있습니다. 그 자리를 에이전트가 맡아 루프를 돌리고 다듬게 만드는 데 엄청난 여지가 있습니다.

Meta 내부에서도 확인했습니다. 올바른 에이전틱 루프를 짜고 에이전트가 최적화할 올바른 평가 지표를 주면, 에이전트 무리가 엔지니어 100명 팀보다 더 많은 일을 아주 손쉽게 해냅니다.

방법 자체는 놀랍도록 평범합니다. 무엇을 지표로 삼을지 정하고, 스킬과 마크다운 파일, cron job, 목표를 지정하는 명령이면 됩니다. 파고들어 보면 마법은 없습니다.

흔해지는 건 지능이고 희소해지는 건 비전입니다

요즘 논쟁은 대부분 모델이 실제로 얼마나 좋아지는지, 초지능이 2년 뒤인지 5년 뒤인지, 벽에 부딪히는지에 쏠려 있습니다. Wang은 이 논쟁이 시간 낭비에 가깝다고 봅니다. 아주 강력한 모델이 나오는 건 어차피 정해진 일입니다. 정확히 언제냐를 두고 다툰 일이 나중에는 근시안적으로 보일 거라고 말합니다. 인류 전체가 이미 엄청난 지수곡선 위에 올라타 있기 때문입니다. 10년 전에는 최고의 AI가 유튜브 영상에서 고양이를 알아보는 수준이었는데 지금은 디지털 신에 가까운 존재와 대화합니다. 지난 10년의 변화를 보고 놀라지 않기는 불가능합니다.

10년 뒤에 돌아보면 명백해질 사실은 하나입니다. 지능이 흔해졌고 주체성도 흔해졌다는 것입니다. 인류 역사 내내 진보의 병목은 똑똑한 사람들이 모여 하나의 목표를 향하는 일이었습니다. 미국이라는 나라가 그랬고 미국의 거의 모든 회사가 그랬고 YC 회사가 다 그렇습니다. 그 전제가 사라집니다. 희소한 자원은 지능도 주체성도 아니라 비전과 야망이 됩니다. 5년, 10년 뒤 세상이 오늘과 어떻게 달라야 하는지 분명한 그림을 갖고 있는지, 거기까지 가는 온갖 고생을 견딜 각오가 있는지가 남습니다. AI가 그 일을 10배, 100배 쉽게 만들어주는데, 뒤집어 말하면 그만큼 더 크게 꿈꿔도 된다는 뜻입니다.

그렇다고 기술이 필요 없어지지는 않습니다. Stanford에서 컴퓨터공학 전공자가 두 자릿수 비율로 줄었습니다. 그럼 이제 말을 다루는 쪽으로 가고 구조를 다루는 쪽은 버려야 하느냐는 질문에, Wang은 구조를 다루는 힘을 버리는 건 분명한 실수라고 답합니다. 체계적이고 엄밀하게 생각하는 힘은 여전히 중요합니다. 바뀌는 건 추상화 계층뿐입니다. 예전에는 코드를 썼고 그다음에는 사람들로 조직을 짰습니다. 지금은 에이전트를 어떻게 엮을지 고민하고, 곧 백만 개의 에이전트를, 그다음에는 조 단위의 에이전트를 어떻게 함께 일하게 할지 고민합니다. 시스템 사고는 유행을 타지 않습니다. 여기에 더해 세상이 어떻게 발전해야 하는지에 대한 더 깊은 나침반과 철학적 관점이 필요합니다. 앞으로 10년 동안 인류는 지난 100년보다 더 많이 달라질 것이기 때문입니다.

세상은 이 기술을 받아들일 준비가 거의 안 되어 있습니다. 그래서 만드는 사람에게 책임이 따릅니다. 기업과 정부가 적응하도록 도와야 하고 생물학적 위협과 사이버 위협에서 세상을 지킬 방법을 찾아야 합니다. 동시에 지금은 사람에게 유례없는 기회이기도 합니다. 새로운 과학을 만들고, 오래 풀리지 않던 건강과 생물학 문제를 풀고, 상상도 못 했던 사업을 세울 수 있습니다.

열여덟 살의 자신에게 한마디를 보낼 수 있다면 무엇이겠냐는 질문에 Wang은 두 가지를 말했습니다. 하나는 미래가 어떻게 흘러갈지에 대한 자기 나침반을 만들고 거기에 깊이 확신을 가지라는 것입니다. 소음이 쏟아지고 어릴수록 경험이 없어 확신을 갖기 어렵지만, 시장과 업계와 주변 사람들이 만들어낸 여러 해의 혼란을 버티게 해준 건 결국 그 확신이었습니다. 다른 하나는 가장 가파르고 가장 오래갈 지수곡선을 찾아 올라타라는 것입니다. 수십 년 전에는 무어의 법칙이었고 지금은 AI입니다. 시작점이 지루해 보여도 상관없습니다. 앞서 나온 그 고양이 검출기가 그랬습니다. 그게 우리 시대의 가장 중요한 기술이 되리라고 설명하기는 어려웠지만, 그것은 이미 믿기 힘든 지수곡선 위에 있었습니다.

출처

Deep Dive

2026-08-11

지능보다 방향과 버티는 힘이 희소해진다

Wang이 말하는 변화는 AI가 성공을 보장한다는 뜻이 아닙니다. 지금까지는 큰일을 하려면 문제를 풀 수 있는 사람을 많이 모으고, 같은 목표로 움직이게 해야 했습니다. AI 에이전트가 조사와 개발, 분석, 운영을 상당 부분 맡으면 한 사람이 예전보다 훨씬 큰 실행 능력을 갖게 됩니다. 사람을 모아야만 얻을 수 있었던 지능과 행동 능력을 도구로 빌려 쓰게 되는 것입니다.

이 문맥에서 “주체성이 흔해진다”는 표현은 느슨합니다. AI가 자기 목적을 갖는다는 뜻이 아니라, 한 사람이 AI를 통해 행동할 수 있는 범위가 넓어진다는 뜻에 가깝습니다. 실행 능력이 널리 공급되면 무엇을 위해 그 능력을 쓸지가 새로운 병목이 됩니다.

비전은 막연한 큰 꿈이 아닙니다. 5년이나 10년 뒤 누구의 삶이 어떻게 달라져야 하는지 구체적으로 그리는 일입니다. 야망은 성공하고 싶다는 욕심이 아니라, 그 미래를 만들기 위해 오랫동안 실패와 불편함을 견디는 의지입니다. 누구나 값싼 로봇과 중장비를 쓸 수 있게 된 건설 현장에서도 무엇을 어디에 왜 지을지 정하고, 허가와 실패를 견디며 끝까지 완성할 사람은 여전히 필요한 것과 같습니다.

“10배, 100배 크게 꿈꿔도 된다”는 말은 전망에 가까운 과장입니다. AI가 사람과 조직을 완전히 없애는 것은 아닙니다. 자본과 신뢰, 제도, 현장 지식도 계속 필요합니다. 핵심은 과거에는 팀의 크기 때문에 시도하지 못했던 일을 이제 더 작은 팀도 시도할 수 있다는 데 있습니다.

미국, 회사, YC는 같은 조직 원리를 가리킨다

미국과 일반 회사, YC 스타트업은 서로 다른 성공 사례가 아닙니다. 규모만 다른 채 같은 일을 하는 조직의 예입니다. Wang이 본 기존의 성공 공식은 비전을 가진 사람이 똑똑한 사람과 자본을 모으고, 이들을 하나의 목표로 정렬한 뒤 큰일을 해내는 것이었습니다.

미국은 세계의 인재와 자본을 끌어오고 대학과 기업, 시장을 통해 사람들이 일을 벌이게 하는 큰 조직입니다. 회사는 개발자와 디자이너, 영업 담당자처럼 다른 능력을 가진 사람을 제품과 매출 목표로 묶는 중간 조직입니다. YC 스타트업은 창업자 몇 명이 투자와 초기 인재를 모아 한 문제에 집중하는 가장 작은 조직입니다.

Wang이 미국과 YC를 든 데에는 실리콘밸리의 관점과 청중도 작용합니다. Scale AI가 YC에서 출발했고, 인터뷰를 듣는 사람도 YC 창업자들입니다. 이 비유는 인재를 모으고 정렬하는 일이 중요했다는 주장을 익숙한 사례로 압축합니다. 미국이 실제로 하나의 목표를 향했다거나 인재 조율이 역사상 유일한 병목이었다는 증명은 아닙니다.

AI가 바꾸는 전제는 지능이 반드시 사람의 채용과 조직을 통해서만 공급된다는 믿음입니다. 예전에는 비전을 실행하려면 사람을 모아 조직부터 만들어야 했습니다. 앞으로는 한 사람이 여러 에이전트에 일을 맡겨 먼저 실행할 수 있습니다. 그래서 조직을 만드는 능력이 사라진다기보다, 비전을 가진 작은 조직이 큰 조직처럼 움직일 수 있게 된다는 주장으로 읽는 편이 정확합니다.

시스템 사고는 더 큰 단위의 관계를 설계하는 힘이다

시스템 사고는 복잡한 것을 많이 아는 능력이 아닙니다. 여러 요소가 함께 움직여 원하는 결과를 내도록 역할과 관계, 규칙을 설계하는 능력입니다. 전체 목표를 정하고, 일을 나누고, 입력과 출력을 연결하고, 성공 기준과 실패 복구 방식을 만드는 일이 여기에 들어갑니다.

추상화 계층이 바뀐다는 말은 같은 조율 문제를 더 큰 단위에서 다룬다는 뜻입니다.

에이전트 100개에 모두 “좋은 제품을 만들어”라고 시키면 같은 일을 반복하거나 서로 충돌할 수 있습니다. 조사하는 에이전트, 계획을 나누는 에이전트, 만드는 에이전트, 실제 결과를 확인하는 에이전트로 역할을 나눠야 합니다. 중요한 판단과 실패는 사람에게 올리고, 최종 결과를 합칠 권한도 한곳에 두어야 합니다. 각 에이전트의 능력보다 에이전트 사이의 연결 방식이 전체 성과를 결정합니다.

시스템 사고는 목표를 어떻게 효율적으로 이룰지 답합니다. 비전과 철학은 그 목표를 왜 이루려는지, 이루어도 되는지 답합니다. 잘못된 목표를 가진 시스템이 효율적으로 움직이면 피해도 커집니다. 그래서 앞으로 필요한 사람은 직접 모든 일을 처리하는 사람이 아니라, 올바른 방향을 정하고 그 일이 안전하게 반복되는 구조를 만들며 결과를 책임지는 사람입니다.

Key Insight

AI가 흔하게 만드는 것은 자기 목적을 가진 주체가 아니라 생각과 실행을 공급할 수 있는 능력입니다. 미래의 병목은 어떤 세계를 만들지 정하고, 많은 에이전트가 그 방향으로 안전하게 움직이도록 시스템을 설계하며, 결과를 책임지고 오래 밀어붙이는 사람에게 옮겨갑니다.