예전 인턴들은 커리어 조언을 물었어요. 요즘 22살들은 이래요 — "지금 당장 창업 안 하고 6개월 늦으면 제 인생 끝난 건가요? AGI가 오면 배를 놓치는 거잖아요!" … 진정하세요. 심호흡하고. 일은 원래 시간이 걸립니다.
— 알리 고드시, 매년 인턴 Q&A 세션에서 벌어지는 일
01 · 강연장 최면 깨기

손 들어보세요 — 3문항 설문 트릭

알리가 강연마다 써먹는 트릭을 그대로 재현했다. 스탠포드 강의실에서 실제로 벌어진 순서대로 직접 답해보시길. "항상 통합니다. 최면이 먹히고 있다는 증거죠."

질문 1 / 3
우리는 이미 AGI를 갖고 있다고 생각하십니까?
스탠포드 강의실: 손 든 사람 ~10%. "항상 똑같아요, 어딜 가나 10%." [웃음]
질문 2 / 3
당신이 일상에서 상호작용하는 사람들 중 상당수가, 당신이 쓰는 최고 성능 모델보다 덜 똑똑합니까?
강의실: 거의 전원이 손을 들었다. [웃음]
질문 3 / 3
자, 처음부터 다시. 우리는 아직 AGI가 없다고 생각하십니까?
결론
"이미 당신 주변 많은 사람보다 똑똑하다면서요. 그게 범용(General) 지능입니다. 인간 뇌와 똑같지 않을 뿐, 인공(Artificial)이고요. — 우리는 이미 AGI를 갖고 있습니다. 딸기(strawberry)의 R 개수를 못 셌다는 이유로 골대를 옮기지 마세요."
2009년 UC버클리 AMPLab — 'AI계의 마이클 조던'(진짜 이름이 Michael Jordan)이 있던 당대 최고 AI 랩 — 의 AGI 정의 기준으로도 이미 달성. 알리가 당시 연구자들에게 직접 확인까지 했다: "그 정의라면, 확실히 도달했다."
02 · 그런데 왜

AGI는 있는데 PoC의 95%는 망한다

MIT 테크리포트: 기업 AI PoC의 95%가 실패("75%일지도 모르지만 방향은 맞다"). 어느 조직을 들여다봐도 에이전트 동료들이 뛰어다니는 미래는 없다. "현실은 아직 영화 '오피스 스페이스'처럼 굴러갑니다. 인간들이 TPS 보고서를 돌리고 있어요 — AI 회사들 내부조차도."

한쪽 현실

모델은 이미 충분히 똑똑하다

최고 모델은 당신이 매일 상대하는 많은 사람보다 낫다. 어려운 수학도 푼다. GPU와 데이터센터에 돈을 더 태운다고 해결될 문제가 아니라는 뜻.

다른쪽 현실

조직 안에선 바보가 된다

모든 회사엔 "존한테 물어봐, 제인이 다 알아" 하는 사람이 있다. 10~40년치 컨텍스트가 그 사람 머릿속에만 있고 모델엔 없다. 그래서 에이전트는 바보 같은 실수를 하고, 쓸모없어진다.

임팩트를 내고 싶다면 — 그 컨텍스트를 AI에 넣는 법을 알아내세요. 낡은 비즈니스 프로세스를 에이전트 안으로 옮기는 법을. AGI는 이미 와 있으니까, 그게 되는 순간 문제는 풀립니다. 뇌(silicon)는 있어요. 이제 탄소(carbon)가 실리콘에게 말을 걸게 해야죠.
— 스탠포드 학생들에게 주는 핵심 조언
03 · 역사는 두 번 반복된다

전기도 40년 걸렸다 — 다이너모의 교훈

알리의 추천 논문: 스탠포드 폴 데이비드의 "다이너모에서 컴퓨터로"(1990). 기술 혁명이 생산성 통계에 나타나기까지 얼마나 걸리는지에 대한 이야기 — 지금 CEO들이 "AI 도입했는데 왜 생산성이 안 오르죠?"라고 묻는 것과 정확히 같은 장면.

1880 — 전기(다이너모) 등장

공장들은 증기기관을 전기모터로 갈아끼우기만 했다. 라인샤프트(회전축·벨트) 중심의 빽빽한 다층 공장 구조는 그대로. 생산성? 안 오름.

~1920 — 40년 만의 각성

공장을 도시 밖으로 옮기고, 넓은 단층 평면으로 새로 짓고, 기계마다 개별 모터(unit drive)를 달았다. 공장 바닥 전체를 갈아엎자 그제야 생산성이 폭발했다.

1987 — PC와 솔로우 패러독스

노벨상 경제학자 로버트 솔로우: "컴퓨터는 어디에나 있다, 생산성 통계만 빼고." 사람들은 PC로 타이핑한 뒤 종이로 출력해 폴더에 꽂고 비서가 색인을 달았다. PC를 타자기로 쓴 것.

2026 — AI, 같은 자리

"대형은행 CEO도, 내 고객 2만 곳도 전부 같은 말을 해요 — AI 대단하다는데 우리 조직에선 생산성 향상이 안 보인다고. 뭘 잘못하고 있냐고. 리와이어링을 안 했으니까요. 전기 때랑 똑같이."

04 · 리와이어링 실전 사례

9개월 → "AI 써서 7.5개월" → 1분기에 7개

Databricks 내부에서 실제로 벌어진 일. CEO가 직접 LLM으로 이틀 만에 커넥터를 짜고 팀에 물었다: "너희는 왜 3분기 걸려?" 팀의 답: "AI 유용하네요. 9개월을 7.5개월로 줄일 수 있겠어요." ("사장님이 만든 건 장난감이고요… 나쁜 뜻은 아니고요.") 그때 사내의 '퍼스트 프린시플 사나이'가 프로세스 자체를 갈아엎었다.

PM이 고객 순회하며 요구사항 수집 — 꼬박 1분기, 80쪽짜리 예쁜 보고서
→ 1주일 만에 초안
틀려도 된다. 소프트웨어가 싸졌으니 다시 쓰면 된다. 빠른 반복이 정답.
Salesforce·Workday 테스트 환경을 내부에서 구축 — 느리고 에러투성이
→ 외부 전문 업체에 병렬 아웃소싱
우리가 못하는 건 돈 주고 맡기고, 동시에 여러 개 돌린다.
커넥터 1개당 담당자 1명 — 휴가 가면 프로젝트 정지 (버스 팩터 1)
→ 7명이 7개를 함께
누가 버스에 치여도(!) 멈추지 않는 구조.

커넥터 1개 생산에 걸리는 시간

단위: 개월 · '리와이어링'은 1분기(3개월)에 7개 = 개당 약 0.4개월로 환산
"GPT-7이나 Opus 6이 나왔어도 이건 안 도와줬을 겁니다." 이건 AI 문제가 아니라 인간 리팩토링·프로세스 변경 문제 — 지금 전 세계 모든 조직이 통과하고 있는 관문. 잘하는 곳과 못하는 곳이 갈리는 지점이다. (사족: 지원 업무도 마찬가지 — Databricks는 시중 지원 자동화를 전부 써봤는데, 업체들이 정체를 알고는 "저희가 도울 수 있는 레벨이 아니네요, 나가주세요"라고 했다고. [웃음])
05 · SaaS 종말론 팩트체크

"소프트웨어가 죽었으면 OpenAI도 죽었게요?"

"소프트웨어는 죽었다"가 참이라면 — 연구자들이 소프트웨어를 짜는 OpenAI·Anthropic도, 사람이 소프트웨어로 칩을 설계해 TSMC에 파일로 보내는 NVIDIA(세계 최고 시총)도 죽어야 한다. 그러니 소프트웨어는 안 죽는다. 대신 두 가지가 진짜로 변했다: 진입장벽↓ + 전환비용↓. 에이전트랑 대화만 하면 되는 세상에선 UI 락인이 사라진다 — 그 에이전트가 아이폰을 조작하든 Salesforce를 조작하든 경쟁사 것을 조작하든 무슨 상관인가.

1살아남는 해자 (7 Powers)

규모의 경제(AWS), 브랜드(페라리·롤렉스는 싸구려 소프트웨어로 못 이긴다), 신뢰·보안 인증, 특허, 그리고 남들에게 없는 데이터. 코드가 공짜가 돼도 이것들은 안 무너진다.

2쓸려나갈 회사

10년간 소프트웨어가 10년 전과 똑같이 생겼는데 매출만 오른 회사. 혁신 근육 자체가 소실됐기 때문에, 진입장벽이 낮아진 오늘 창업한 팀에게 순식간에 따라잡힌다. "정말로 두려워해야 합니다."

3살아남을 회사

지난 10년간 계속 혁신해 왔거나, 지금이라도 정신 차리는 회사. 고객·데이터·규모라는 이점은 여전히 이들 편이다. 가격 구조는 바꿔야겠지만. (진행자 왈: "어깨 움츠리고 'Ali 만남' 메모나 타이핑하는 워크플로우 소프트웨어는 아마 끝.")

06 · $100를 어디에 걸까

가치는 언제나 스택 위로 올라간다

"에너지·칩·인프라·모델·앱, 5층 스택에 $100를 배분한다면?" — "앱이 이길 게 뻔하니 맨 위에 걸겠다." IBM(PC) → Microsoft(OS) → VMware(가상화) → 클라우드… 실리콘밸리 역사에서 가치는 항상 커머디티화된 아래층을 밟고 위로 올라갔다. 지금은 돈이 전부 한 사람(젠슨)에게 모이는 '파란 삼각형'이지만, 그 삼각형은 뒤집힌다.

앱 / 애플리케이션 시드 전략으로 여러 곳에 분산 — 다음 구글이 여기서 나온다
모델 가치는 있지만 규모의 경제 게임, 마진은 아마존 서점 수준으로
인프라 (토큰 팩토리) 거실에 미니 데이터센터? 아니다 — 클라우드처럼 중앙집중
칩 지금 돈이 다 여기 있다 (젠슨의 미소)
에너지 스택의 바닥
오픈소스라는 압력

Kimi 2.6의 재미있는 사실

중국 문샷이 화요일에 낸 Kimi 2.6은 — 1월에 나왔더라면 인류 역사상 최고 모델이었다. 프론티어와의 격차는 3~4개월에서 이제 약 1개월. 오픈소스는 사라지지 않고, 가격 압력을 계속 가한다.

프론티어 모델 비즈니스의 미래

Amazon.com 서점 마진

프론티어 모델 제공업은 규모의 경제 게임이 되고, 총마진은 얇아지고, 결국 소수만 남는다. 가치는 있지만 화려한 사업은 아니라는 것 — 진행자도 동의한 결론.

07 · 멀티캐스트의 저주

당대의 '가장 중요한 문제'는 대부분 헛수고였다

2000년대 초, 세계 최고 수학 두뇌들이 매달린 인터넷의 '가장 중요한 문제'는 멀티캐스트였다. (객석: "…그게 뭔데요?") 알리는 그걸로 창업까지 했다. 그런데 광케이블이 쏟아지며 대역폭 값이 폭락 — 문제 자체가 증발했다. "제 박사과정은 정말 바보 같았죠." 그 시절 진짜 위대한 아이디어는 이렇게 생겼었다:

"택시 사업을 하겠다"
Uber
2000년에 말했으면 미쳤다는 소리
"책을 팔겠다" (제일 없어 보이는 것)
Amazon → AWS
베조스의 시큘러 베팅
"내 침실을 남에게 빌려주겠다"
Airbnb
2001년에도 가능했지만 아이디어에 9년 걸렸다
"짧은 문자를 뿌리겠다"
Twitter
당시엔 제정신 아닌 소리
다음 조 단위 후보 ①

헬스케어 — 미국 GDP의 17%

"당신과 같은 유전적 구성의 환자를 1억 명 봤고, 앞으로 생길 문제를 안다"는 회사가 있다면 — 사람들은 얼마든 낸다. 생명 앞에서 지불 의사는 무한대에 가깝고, 지금의 헬스케어는 형편없으니까.

다음 조 단위 후보 ②

교육 — VC의 안티 컨센서스

"마지막 조 단위 교육 기업이 뭐죠? 1,000억짜리도 없죠?" 그런데 아이는 계속 태어나고, 부모는 교육에 목숨 걸고, 선거가 교육 문제로 갈린다. AI로 증명 가능하게 잘 가르치는 회사 — 데이터 해자 + 규모의 경제 + 승자독식. 조 단위가 될 수 있다.

08 · 라피드 파이어

3문 3답 + 웃음 포인트

Q1매일 쓰는 AI 제품은?

코딩엔 Cursor("다들 Claude Code 좋아하는 거 알지만 전 diff 방식이 좋아요")와 콤보로. 진행자: "일론이 인수한 뒤에도 쓰세요?" 알리: "아뇨, 당연히 끊었죠." [웃음] 그리고 진짜 애용템은 자사 Genie — CEO 의사결정은 대부분 숫자·시계열 질문이라서.

Q2Databricks의 다음 10년?

"소프트웨어 비용은 계속 내려가고, 진입장벽·전환비용도 내려간다. 일종의 SaaS 종말은 있다 — 전부는 아니지만. 우리는 거기에 동참해서 소프트웨어 몇 개를 죽이고 싶다." (자칭 SaaS 종말론의 수혜자 선언)

Q3학생들에게 조언?

"공포 마케팅에 흔들리지 마세요. Airbnb는 2001년에도 가능했는데 아이디어가 나오는 데 9년 걸렸어요. 인간은 원래 좋은 아이디어를 잘 못 떠올립니다. 베조스처럼 시큘러 트렌드에 베팅하고 길게 보세요. 지금 트위터에서 제일 시끄러운 그것? 아마 멀티캐스트일 겁니다."

09 · 결론

뇌는 도착했다, 몸을 만들 차례

"AGI는 이미 여기 있다"는 도발은 사실 겸손한 주장이다 — 이제 남은 병목은 신적인 모델이 아니라, 존과 제인의 머릿속 컨텍스트를 꺼내고 공장 바닥을 갈아엎는 지루한 인간의 일이라는 것.

투자자의 언어로 번역하면: ① 모델 레이어는 아마존 서점 마진의 규모 게임으로 수렴하고 ② 가치는 앱 레이어로 올라가며 ③ 승부는 컨텍스트(데이터 해자)와 프로세스 리와이어링(process power)에서 갈린다. ④ 그리고 지금 모두가 떠드는 바로 그 주제는 멀티캐스트일 수 있으니 — 헬스케어·교육처럼 '없어 보이는' 곳을 봐라.

한 줄 요약: 진정해라, 길게 봐라, 컨텍스트를 옮겨라. GPT-7은 당신 조직의 회의 문화를 고쳐주지 않는다.