출처: https://x.com/karpathy/status/2109361546505966046 (@karpathy, 2026-10-12) · 2026년 4월 자기 글(원문)을 인용하며 다시 꺼낸 글

핵심 요지

4월에 카파시는 “AI 역량 이해의 격차”를 두 집단이 서로 엇갈려 말하는 문제로 봤다. 무료·구형 모델(예: Advanced Voice Mode의 엉뚱한 답)로 AI를 판단하는 사람들과, 유료 최상위 에이전트 모델(Codex·Claude Code)을 기술 분야에서 직업적으로 쓰며 “AI 정신병”을 겪는 사람들이다. 반년 뒤 그는 이 격차가 오히려 넓어져서, 이제는 두 집단이 아니라 가파른 깔때기라고 고쳐 말했다.

깔때기의 네 층 (카파시의 냅킨 계산)

층규모보는 것
거의 접해 보지 않음약 60억 명(~75%)LLM과 사실상 접점이 없다
무료 챗봇의 가끔 사용자10~20억 명(~20%)“좀 나은 구글 검색”, 글쓰기 보조. 수학·코드 밖 전문가도 대부분 여기다. 임원처럼 사람과 대화하는 직무는 지적으로는 알지만 체감은 간접적이다
수학·코드에서 프런티어 LLM을 직업적으로 사용약 2천만 명(0.2%)몇 주·몇 달 걸리던 큰 프로젝트를 에이전트가 프롬프트 하나로 끝낸다. 앱 만들기·복제·번역·바이너리 디컴파일까지. 카파시 자신도 1년 전엔 손으로 코드를 쳤다
내부 프런티어 시스템 접근자약 5천 명(0.00006%)수천 개 에이전트가 몇 주 동안 협업하는 거대 소프트웨어 프로젝트, 제로데이 발굴, 기계 속도의 사이버 공방, 새 과학과 수학. 사람의 검토·이해가 뒤처지기 시작했다

깔때기를 만드는 세 요인

  1. 야망·문제 크기·기간에 비례하는 효과 — 한 문단짜리 답이 필요한 질문은 시스템을 거의 시험하지 않는다. 정말 신경 쓰는 크고 어려운 문제가 쌓여 있어야 한다. 소비자/전문가 축을 만든다.
  2. 들쭉날쭉함(jaggedness) — 역량은 디지털이고 검증 가능하며 돈이 되는 영역에서 솟는다. 수익 잠재력으로 고른 환경 혼합에서 검증 가능한 보상으로 강화학습(rlvr)을 하기 때문이다. 수학·코드라는 영역 축을 만든다.
  3. 접근 등급 — 무료, 유료, 내부.

결론은 “지금의 기묘함”이다. 대중은 대부분 이 시스템을 써 보지 않았고, 써 봤다면 엉성한 챗봇을 봤다. 전문가 다수는 완만한 향상만 느낀다. 그리고 소수는 곡선이 수직으로 꺾이는 현기증을 겪는다. 이 모든 일이 동시에 일어난다.

읽을 점

  • 같은 사람이 “AI는 별것 없다”와 “AI가 모든 걸 바꿨다”를 들을 때, 둘 다 자기 층에서는 맞는 관찰이라는 설명틀이다.
  • 규모 수치는 카파시 스스로 냅킨 계산이라고 밝힌 추정이다.
  • 바이브 코딩에서 에이전틱 엔지니어링으로 옮겨 간 그의 이전 관점은 2026-06-20-karpathy-vibe-coding-to-agentic-engineering 참고. 코딩 에이전트를 많이 쓰는 0.2% 층의 실천 사례는 2026-10-06-x-huxlab-lauren-tan-30-agents.