AI가 세상을 삼킨다: 차세대 플랫폼 전환의 탐색

기술의 역사는 플랫폼 전환—10년에서 15년마다 발생하는 근본적인 재설정—에 의해 정의됩니다. 메인프레임에서 PC로, 웹에서 스마트폰으로, 각 전환은 기술 산업뿐만 아니라 경제 지형 전체를 재편합니다. Benedict Evans에 따르면, 우리는 현재 다음의 거대한 전환인 생성형 AI의 한복판에 있습니다.

이 전환은 전례 없는 자본 지출의 폭발과 인프라를 향한 광적인 경쟁으로 특징지어집니다. 그러나 초기 열풍이 가라앉으면서 중요한 질문이 떠오릅니다. "뇌"(모델)를 구축하는 기업들이 가치를 포착할 것인가, 아니면 가치가 실제 인간의 문제를 해결하는 애플리케이션과 워크플로우로 상단 스택으로 이동할 것인가?

자본 지출(Capex)의 폭발과 인프라 전쟁

우리는 역사상 가장 큰 산업 투자에 필적하는 자본 배치 사이클을 목격하고 있습니다. "Big Four"(Microsoft, Alphabet, AWS, Meta)는 2026년에만 약 7,000억 달러를 지출할 것으로 예상됩니다. 이는 전 세계 통신 지출을 압도하며 석유 및 가스 산업의 규모에 근접하는 수치입니다.

이 급증은 지배적인 공포에 의해 추진됩니다: 과소 투자할 위험이 과잉 투자할 위험보다 훨씬 크다는 것입니다. Sundar Pichai와 Mark Zuckerberg가 시사했듯이, 과잉 투자의 최악의 시나리오는 단순히 몇 년 동안 "사전 구축된" 용량을 보유하는 것뿐입니다. 이는 GPU, 메모리, 전력 용량에 대한 수요가 공급을 훨씬 앞지르는 "pig in a python" 효과를 초래하여 전 세계 공급망 전체에 병목 현상을 일으키고 있습니다.

범용화(Commodity)의 함정: 모델 vs 인프라

Evans의 분석에서 가장 도발적인 논제 중 하나는 거대 언어 모델(LLM)의 잠재적 범용화입니다. 그는 2010년의 모바일 네트워크와 평행 이론을 제시합니다. 통신사들이 인프라(3G, 4G, 5G)를 구축하는 데 수조 달러를 썼지만, 실제 가치 포착은 그 인프라 위에 구축된 앱(Uber, Instagram, TikTok)에서 일어났습니다.

범용화의 근거

• 네트워크 효과의 부재: 소셜 네트워크나 마켓플레이스와 달리, 약간 더 나은 모델을 사용하는 것이 본질적으로 다른 사용자에게 모델을 더 좋게 만들지는 않습니다.
• 수렴(Convergence): OpenAI, Anthropic, Google, Meta의 프런티어 모델들은 종합적인 벤치마크 점수에서 점점 더 유사해지고 있습니다.
• 유틸리티 가격 책정: Sam Altman은 지능을 전기나 물처럼 미터기로 측정하여 구매하는 유틸리티로 구상했습니다.

그러나 이 관점은 논쟁의 여지가 있습니다. 일부 관찰자들은 프런티어 모델이 반도체 세계의 TSMC와 더 비슷하다고 주장합니다. 즉, 가장 똑똑한 모델이 가장 많은 사용자를 끌어들이고, 가장 많은 수익을 창출하며, 다음 단계의 지능으로 도약하기 위한 자금을 마련하여 범용화를 방지하는 강력한 플라이휠 효과를 만든다는 "승자 독식" 시나리오입니다.

"채팅"에서 배포로

ChatGPT가 수억 명의 주간 사용자를 보유하고 있음에도 불구하고, 참여의 깊이는 여전히 얕습니다. 대다수의 사용자에게 AI는 일상적인 필수 요소라기보다 실험적인 도구에 가깝습니다. "용량 격차"는 기술의 능력에 있는 것이 아니라, 그 배포에 있습니다.

UX 문제

Evans는 "Chat은 끔찍한 UX입니다"라고 주장합니다. AI가 참신함에서 유용성으로 넘어가려면 빈 화면을 넘어서야 합니다. AI 소프트웨어의 미래는 단순한 챗봇이 아닙니다. 특정 워크플로우, GUI, 그리고 독점적 데이터 세트에 AI를 통합하는 것입니다.

코딩 혁명

코딩은 세대적 전환을이 보이는 첫 번째 분야입니다. 우리는 한두 명이 일주일 만에 이전에 수십 명이 몇 달 동안 했던 일을 구축할 수 있는 사례를 seeing 있습니다. 하지만 코딩 비용이 0에 가까워질수록, 어려운 부분은 어떻게 구축할 것인가에서 무엇을 구축할 것인가로 이동합니다. 가치는 코딩 행위 자체에서 제품을 정의하는 데 필요한 암묵적 지식, 취향, 전략적 비전으로 이동합니다.

자동화: 작업(Task) vs 직업(Job)

AI가 세상을 어떻게 바꿀지 이해하려면, *작업(Task)*과 *직업(Job)*을 구분해야 합니다.

• 작업(Task): 특정 행동 (예: 사양서 작성, 스프레드시트 구축, 고객 통화 경청).
• 직업(Job): 판단력, 취향, 인간관계가 필요한 포괄적인 역할.

역사는 자동화로 인해 작업이 "무료"가 되면, 직업이 항상 사라지는 것은 아니며 진화한다는 것을 보여줍니다. 1974년 식료품점 바코드가 도입되었을 때, 그것은 식료품점을 없애지 않았습니다. 대신 재고 관리가 저렴해졌기 때문에 상점들이 다섯 배 더 많은 제품(SKU)을 갖출 수 있게 해주었습니다.

결론: 근본적 불확실성

2020년대 후반을 바라볼 때, 관통하는 주제는 근본적 불확실성입니다. 모든 플랫폼 전환은 일어나는 동안에는 "완전히 다르다"고 느껴지지만, 결국 모두 비슷한 흐름을을 따릅니다. 우리는 초기 인터넷과 모바일 시대에 실패한 수많은 아이디어들—AOL이나 Netscape 같은 것들—을 종종 합니다.n AI가 세상을