LLM에 대해 우리가 아는 모든 것이 틀렸을 수도 있다는 110억 달러 규모의 베팅

지난주, 제품도 없고 웹사이트도 없으며 설립된 지 겨우 두 달밖에 되지 않은 한 회사가 110억 달러를 유치했습니다. 이는 유럽 역사상 최대 규모의 시드 라운드(seed round)입니다.

이 회사의 이름은 Ineffable Intelligence입니다. 창업자는 DeepMind의 AlphaGo와 AlphaZero를 만든 인물인 David Silver입니다. 기업 가치는 510억 달러에 달합니다.

그리고 저를 멈춰 세운 부분은 바로 이것입니다: 그들은 또 다른 LLM(대규모 언어 모델)을 만들고 있는 것이 아닙니다.

베팅

오늘날 모든 주요 AI 기업들 — OpenAI, Anth Anthropic, Google — 은 모두 동일한 게임을 하고 있습니다:

1. 인터넷에서 가능한 한 많은 인간의 텍스트를 스크래핑(Scrape)한다.
2. 거대한 트랜스포머(transformer)를 학습시켜 다음 토큰(token)을 예측하게 한다.
3. RLHF(인간 피드백 기반 강화학습)를 사용하여 도움이 되고 해롭지 않은 것처럼 들리게 만든다.
4. 규모를 키우고(Scale up) 창발적 능력(emergent capabilities)이 나타나기를 기도한다.

Silver의 논지는 이 패러다임 전체가 막다른 길(dead end)이라는 것입니다. 단순히 속도가 느려지는 것이 아니라, 막다른 길입니다.

그의 주장은 이렇습니다: 언어 모델은 **정적인 인간 데이터(static human data)**로부터 학습합니다. 그것들은 우리가 이미 알고 있는 것들을 압축해 놓은 스냅샷입니다. 모델들은 추론을 흉내 낼 수는 있지만, 실제로 세상과 상호작용(interact) 하지는 못합니다. 무언가를 시도하고, 실패하고, 조정하고, 다시 시도해 본 적이 없습니다.

진정한 지능은 인간의 텍스트를 암기하는 데서 오는 것이 아닙니다. 그것은 환경 내에서 행동하고 그 결과로부터 배우는 것에서 옵니다.

만약 Silver가 옳다면

하지만 이것은 문샷 (moonshot)이며, 모두가 그 사실을 알고 있습니다. 연속적인 환경 (continuous environments)에서 순수하게 강화학습 (reinforcement learning)을 통해서만 AI를 훈련시키는 Silver의 접근 방식은 대규모로 입증된 적이 없습니다. AlphaGo와 AlphaZero는 보드게임이라는 제한된 세계에서는 훌륭하게 작동했습니다. 하지만 현실 세계는 무한히 더 복잡합니다.

회의론자들은 말합니다: "우리는 수십 년 동안 강화학습 (RL)을 사용해 왔지만, GPT-4에 근접한 결과물은 내놓지 못했습니다. 왜 이것이 다를 것이라고 생각합니까?"

신봉자들은 말합니다: "왜냐하면 아무도 이 정도 규모의 컴퓨팅 자원 (compute)을 투입하여 이 규모로 시도해 본 적이 없기 때문입니다."

두 입장 모두 타당합니다. 그렇기에 이것은 1,100만 달러짜리 확실한 승부수가 아니라, 110억 달러 규모의 베팅인 것입니다.

이것이 빌더(Builders)들에게 의미하는 바

이 부분이 제가 실제로 관심을 두는 지점입니다. 이것이 오늘날 AI를 기반으로 제품을 만드는 사람들에게 무언가 변화를 가져올까요?

네, 하지만 여러분이 예상하는 방식과는 다를 것입니다.

1. LLM 시대는 AI의 최종 형태가 아닙니다

만약 여러분이 GPT나 Claude에 대한 API 접근에 전적으로 의존하는 비즈니스를 구축하고 있다면, 다음과 같은 질문을 던져볼 가치가 있습니다: 만약 3~5년 안에 근본적인 패러다임 (paradigm)이 바뀐다면 어떻게 될까요?

이것이 구축을 멈추라는 뜻은 아닙니다. 그것은 추상화 계층 (abstractions)을 구축하라는 뜻입니다. 여러분의 제품은 특정 모델 제공업체에 결합되어서는 안 됩니다. 여러분의 가치 제안 (value prop)이 "우리는 GPT-5를 사용합니다"가 되어서는 안 됩니다. "우리는 X 문제를 해결합니다"가 되어야 합니다.

2. "규모가 전부다 (Scale is all you need)"라는 명제가 최고 수준에서 의문시되고 있습니다

110억 달러가 LLM에 반대하는 논제 (anti-LLM thesis)로 흘러 들어갔다는 사실은, 가장 큰 투자자들조차 현재의 경로에 완전히 확신하지 못하고 있음을 말해줍니다. 그들은 헤지 (hedge)를 하고 있는 것이며, 그 헤지는 510억 달러 규모의 기업입니다.

만약 여러분이 "그저 규모를 키우면 된다"는 서사가 너무 단순하다고 느껴왔다면, 여러분만 그런 것이 아닙니다. 업계도 조용히 같은 사실을 인정하고 있습니다.

3. 인디 개발자들에게: 이것은 여러분의 게임을 바꾸지 않습니다

AI가 트랜스포머 (transformers) 기반으로 작동하든 강화학습 (reinforcement learning) 기반으로 작동하든, 여러분이 오늘날 만들고 있는 도구들에게는 중요하지 않습니다. 중요한 것은 이것입니다: 여러분이 실제 사용자의 문제를 해결할 수 있는가?

어찌 되었든 AI 레이어(AI layer)는 범용화(commodity)되고 있습니다. 다음 파도의 승자는 가장 뛰어난 모델을 가진 이들이 아니라, 가장 뛰어난 제품과 가장 뛰어난 배포(distribution) 역량을 가진 이들이 될 것입니다.

더 큰 그림 (The Bigger Picture)

이것은 단지 David Silver에 관한 이야기가 아닙니다. 이는 업계가 제가 **포스트 스케일링 시대 (post-scaling era)**라고 부르는 단계로 진입하고 있다는 신호입니다.

지난 5년 동안의 플레이북(playbook)은 간단했습니다: 트랜스포머(transformer)를 가져와서, 더 크게 만들고, 더 많은 데이터를 주입하여, 더 나은 결과를 얻는 것이었습니다. 그 플레이북에 균열이 보이기 시작했습니다. GPT-5는 출시되지 않았습니다. GPT-4와 GPT-4.5 사이의 격차는 GPT-3에서 GPT-4로 넘어갈 때보다 눈에 띄게 작았습니다. 수확 체감(Diminishing returns)은 실재합니다.

업계는 세 가지 경로로 나뉘고 있습니다:

경로	대상	가설
A — 스케일링 유지 (Keep scaling)	OpenAI, Anthropic, Google	더 많은 컴퓨팅 자원, 더 많은 데이터, 더 많은 모달리티 (modalities)
...

제품 빌더(product builders)로서, 우리가 머무는 곳은 경로 C입니다. 그리고 그것은 괜찮습니다. 왜냐하면 지난 10년 동안 가장 가치 있는 기업들은 인프라를 구축한 기업들이 아니었기 때문입니다. 그들은 그 인프라 위에서 무언가를 구축한 기업들이었습니다.

여러분의 생각은 어떠신가요 — Silver의 베팅은 선견지명이 있는 것일까요, 아니면 망상일까요? 저는 이 생각을 할 때마다 마음이 왔다 갔다 합니다. 댓글을 남겨주세요, 모두 읽어봅니다.

---

저는 여러 플랫폼에 글을 쓰는 인디 해커(indie hackers)를 위한 콘텐츠 재가공 도구인 MultiPost를 만들고 있는 1인 개발자입니다. 저는 AI 트렌드, SaaS 개발, 그리고 1인 창업자로서 실제로 월 반복 매출(MRR) 500달러를 달성하려고 노력하는 과정에 대해 글을 씁.