출처: https://youtu.be/1tgT1PB0T4M 길이: 1:03:42 · 채널: AI Frontier Korea (노정석) 녹화: 2026-11-07(토) 아침 · 출연: 노정석, 최승준, 박종현 관련 자료: 공식 전사본 · 박종현 파트 화면에 뜬 에이전트가 경제의 참가자가 될 때(2026-11-07) · 최승준의 Notion 정리 “눈치게임”

한눈에 보는 요약

  • 증시가 크게 빠진 한 주였지만 노정석은 이것을 AI 거품의 끝이 아니라 기어를 바꿔 끼는 2단 기어 시점으로 본다. 기대했던 GPT-6.2(Astra)와 Fable 5.5는 나오지 않았고, 최승준은 안전 문제와 “누가 먼저 내느냐”의 눈치게임을 이유로 짐작한다.
  • 이번 주의 핵심은 METR의 Anthropic AI R&D 가속 독립 평가다. 거칠게 요약하면 2023년 10월2025년 10월(Claude 2.1→Sonnet 4.5) 2년치 진보를 2025년 10월2026년 10월 1년 만에 이뤘다. 진보의 기울기가 약 2배 가팔라졌다는 뜻이고, 제목 “결국 기울기가 문제다”가 여기서 나왔다.
  • 지금까지의 진보는 10GW 미만 compute로 이뤄졌는데 몇십 GW급 데이터센터가 20272028년에 가동된다. 노정석은 ASI급 상상이 **10년 후가 아니라 12년 후** 일일 수 있다고 본다. 벤치마크는 이제 경제 전반의 지식노동으로 넓어지고, 벤치마크 자체가 곧 RL 데이터가 된다.
  • Weight-space programming: 모델이 학습 루프 없이 다른 신경망의 weights를 읽고 고친다(Breakout 판별, MATH-500 7.9%→48.1%). Qwenputer는 Qwen 안에 RISC-V CPU를 구현했다. 하네스의 기능이 결국 모델 안으로 들어온다는 Noam Brown의 말이 부분적으로 증명되는 장면이다.
  • 박종현 파트는 에이전트가 경제 참가자가 되는 미래다. Agent Market에서는 AI끼리 리뷰 할인·자전거래·과장 광고·대출·신고까지 하고, Simile은 사람의 비효율적인 선택까지 모사하려 하며, Robinhood는 15만 명 이상이 에이전트 계좌를 열었다.
  • 결론은 늘 그렇듯 인간 쪽으로 돌아온다. 생산이 싸질수록 사람 대 사람 소통과 인간다움이 희소해지고, “일어날 일은 일어난다, 시차에 대한 감이 부를 가른다.” 변화 속도가 두 배면 3년 뒤 일은 1년 뒤 일이 되니, 지금은 실행하는 사람이 이기는 대항해시대다.

장면별 상세 설명

[00:00] 증시 급락에도 끝나지 않은 AI, 2단 기어

녹화일은 2026년 11월 7일 토요일 아침이다. 미국 중간선거가 있었고 주식시장이 크게 내려앉은 주였다. 노정석은 FOMO의 반대, 곧 “이번에 끝난 거 아니야? 빨리 내려야지”라는 심리가 금융 프로그램 매매와 맞물려 하락을 키웠다고 본다. 지난 회차들에서 Anthropic S-1을 보며 “코딩은 다 들어왔는데 다음 지식노동이 들어오는 속도가 빠르지 않다”고도 했지만, 기업과 고용 시장 모두 그 변화를 “당연히 일어날 일”로 여기고 있다. 그래서 그는 지금을 끝이 아니라 진짜 변화가 시작되는 2단 기어 시점이라고 정리한다. 이번 회차는 인문학적 사고 실험에서 한 걸음 물러나, 최승준이 이번 주 시장의 실질적인 변화를, 박종현이 에이전트가 경제에 참여하는 실험을 맡는다.

[02:08] 출시가 미뤄진 GPT-6.2와 Fable 5.5, 눈치게임

장면 1 — 최승준 Notion "눈치게임": GPT 6.2 Astra와 Fable 5.5가 아직 나오지 않은 이유?

이번 주 새벽에 Astra(GPT-6.2)와 Fable 5.5가 나오리라는 기대가 컸지만 나오지 않았다. 9~10월 수학에서 성과를 낸 내부 모델 자체는 아니어도 그 계보의 모델이 나올 차례였고, Sam Altman도 12월 전에 한 번 내겠다고 공언했었다. 그 내부 모델은 문제를 아주 끈질기게(persistent) 붙잡는 성향이 있어 수학을 잘 풀지만 오히려 문제를 일으키기도 한다고 알려졌다. Thibault Sottiaux의 말을 두고 “금요일이면 나온다”는 해석까지 돌았지만 결국 나오지 않았다.

최승준이 꼽는 이유는 두 갈래다. 하나는 안전이다. Vals AI는 “여러 frontier lab의 공개·내부 모델에서 고위험 영역 오용을 가능하게 하는 중대한 안전·정렬 문제를 발견했다”는 취지의 글을 올렸다. Astra는 이미 6.1을 건너뛰었는데(Sol이 6.1), 그때도 작업 지속 능력이 커진 만큼 무단 행동이 위험하다는 내부 우려로 출시가 미뤄졌다. 11월 4일 OpenAI가 공개한 안전 문서의 핵심도 sandbagging, 곧 안전 연구를 할 수 있으면서 못 한다고 거절하는 기만적 행동이 내부 모델에 있었다는 것이다. 다른 하나는 경쟁의 타이밍이다. Fable 5.5와 GPT-6.2가 이미 어딘가에 라우팅되어 써본 사람이 있다는 소문이 돌고, 먼저 내는 쪽이 유리한지 서로 간을 보고 있다는 해석이다. 노정석은 “조만간 일어날 일은 맞다”고 받는다.

[05:08] METR의 Anthropic AI R&D 가속 독립 평가

장면 2 — METR의 보고서(2026-11-05): Independent Assessment of AI R&D Acceleration at Anthropic

이번 주 가장 화제가 된 것은 METR가 낸 약 100쪽짜리 Anthropic AI R&D 가속 독립 평가다. 배경에는 OpenAI 해킹 사건 이후 빅테크가 공언한 “외부 기관 상주 독립 감사”가 있다. OpenAI는 METR와 갈등을 빚었고, 그 뒤 안전 연구원 3명을 해고한 일을 두고 METR에 민감한 정보를 준 것 아니냐는 추측이 나왔다. 반면 Anthropic은 METR에 예전보다 넓은 접근 권한을 열어 이번 보고서가 나왔다. 저자에는 Ajeya Cotra가 있다(지난번 사건에 관여한 Ryan Greenblatt은 저자가 아니다). Ajeya Cotra는 Anthropic이 최종본에서 지운 내용이 많아, 그 의미를 다른 방식으로라도 전하려는 트윗을 올렸다.

박종현이 frontier lab이 METR와 일할 유인을 묻자, 최승준은 이렇게 답한다. METR는 AAII 같은 외부 벤치마크가 아니라 내부에 들어가 변화를 같이 보고 분석하는 기관이고, 정렬·안전에 특화돼 있다(long-horizon task 그래프로 유명해졌다). 제3자 감사는 강제가 아니라 자발적이라 “우리는 그쪽도 잘하고 있다”는 전략에 가깝다. 실제로 어떤지는 모른다는 단서도 붙인다.

[07:47] Claude 2.1에서 Sonnet 4.5까지: 두 배로 가팔라진 기울기

장면 3 — "지난 1년 동안 2023년 10월~2025년 10월(대략 Claude 2.1에서 Sonnet 4.5까지)에 이룬 만큼 진보했다… 그래프의 기울기가 두 배 가까이 가팔라진 것"

보고서의 TL;DR은 한 줄이다. 2023년 10월부터 2025년 10월까지, 대략 Claude 2.1에서 Sonnet 4.5까지 걸린 2년치 진보를 2025년 10월부터 2026년 10월까지 1년 만에 이뤘다. 그래프 기울기가 두 배 가까이 가팔라졌다는 뜻이다.

반응도 컸다. Ryan Greenblatt은 이 보고서가 “ASI가 1~2년 안이라는 쪽으로의 큰 업데이트”이며, RSI(재귀적 자기개선)가 지금 진보를 약 2배 빠르게 하고 있는데 AI 2027 시나리오에서는 이 일이 2027년 3월쯤 일어난다고 썼다. 자신의 예측을 수정해야 한다는 것이다. AI 2027을 만든 Daniel Kokotajlo(OpenAI 미래 예측 연구원이었다가 지분을 포기하고 퇴사한 사람)도 다시 회자된다. 2024년 무렵 Scott Alexander 등과 낸 그 예측의 80% 이상이 맞아떨어지고 있고, 일부는 더 빨리 일어났다는 평가다. 같은 팀은 올해 AI 2040 보고서도 냈다. 최승준의 읽기는 이렇다. 시장 분위기와 별개로 이 보고서는 다시 하이프 쪽, 곧 “여전히 가파르게 가고 있고 그래서 걱정해야 한다”는 쪽이다.

[09:23] 하이프와 안전 우려는 동전의 양면

최승준은 하이프와 안전 우려가 지난 회차에서 본 것처럼 같이 가는 동전의 양면이라고 말한다. 노정석은 정반합으로 받는다. 가정이 서고 반박이 나오고 절충되면서 다음 단계로 가며, 주가도 오르내리다 새 바닥이 생기면 그걸 밟고 다시 오른다. 박종현의 감각은 더 단순하다. 시장에서는 주가가 떨어지는 일이 벌어졌지만 모델만 놓고 보면 한 번도 멈춘 적이 없다.

[10:38] 폭증하는 compute와 앞당겨진 ASI 전망

노정석이 주목하라는 것은 compute의 총량이다. 지금까지의 진보에 들어간 전력은 10GW 미만으로, 그 안에서 pre-training과 inference를 다 감당해 왔다. 그런데 2027년 가동, 2028년 무렵을 목표로 몇십 GW급 데이터센터가 건설 중이고 칩도 계속 만들어지고 있다. compute를 늘릴수록 진보한다는 방향성은 모두 알고 있으니, 지금까지의 몇 배~몇십 배 compute가 들어오면 가격은 싸지겠지만 동시에 우리가 상상하던 ASI의 모습이 10년 후가 아니라 1~2년 후에 닥친다고 보는 게 맞다는 것이다. 최승준은 2026년이 저물어 가는 지금, 2027년이 그런 것을 많이 보여주는 해가 될 것이라고 덧붙인다.

[12:03] 연구자 생산성을 재귀적으로 높이는 AI R&D 생태계

장면 4 — Thomas Wolf: "it's a symbiosis… a lot of the 'AI accelerating AI R&D' happens outside the lab"

최승준이 더 재미있게 본 것은 Hugging Face 공동창업자 Thomas Wolf의 반응이다. 그는 이 보고서가 너무 내부만 본다고 지적한다. 보고서는 lab의 compute·채용·내부 데이터를 따진 뒤 가속의 약 80%를 AI 덕으로 돌리지만, 바깥에서 보면 lab들이 돈을 생태계에 재분배하고 그 생태계가 다시 lab의 개발을 가속하는 공생(symbiosis) 이 있다는 것이다. 좋은 데이터·RL 환경 회사들은 모델이 어디서 실패할지 lab보다 먼저 알고, lab은 그들이 제안하는 것을 사며, 그것이 모든 lab에 동시에 흘러든다.

최승준이 찾아보니 그런 회사가 예전보다 확 늘었다. Scale AI 말고도 Surge AI(데이터·RL 환경), Mercor(법률·금융), Turing(소프트웨어 엔지니어링·STEM용 데이터와 RL 환경), AfterQuery(약점을 먼저 찾는 회사), Prime Intellect 등이 있다. 노정석의 설명대로 “너네 이런 거 없지” 하며 데이터셋을 팔려면 약점을 먼저 찾아야 한다. 그러니 내부자만이 아니라 이 생태계의 팀들도 현재 내부 모델의 역량을 알아채고 있는 셈이다.

장면 5 — Ryan Greenblatt의 그래프: AI 진보 속도를 2배로 만들려면 연구 노동이 얼마나 늘어야 하나(~4–9x, ~10x)

Ajeya Cotra가 공유한 요점도 같은 방향이다. 완전한 RSI로 스스로 개선하지는 않더라도 연구자의 생산성이 엄청나게 올랐고, 내부에서 모델을 쓸수록 사람을 거치는 재귀적 되먹임이 생기며 그 기울기가 가팔라지고 있다. 화면의 Ryan Greenblatt 그래프는 compute가 같은 속도로 늘 때 AI 진보 속도를 2배로 만들려면 연구 노동(직렬 속도 기준)이 얼마나 늘어야 하는지를 묻는다. 사람만의 노동선 위로 AI가 도운 노동이 치솟고, 필요 배수로 ~4–9x, ~10x가 표시돼 있다. 같은 날 새벽에는 OpenAI·Anthropic 내부 모델이 양자 컴퓨팅의 미해결 문제를 풀었다는 소식도 나왔다.

[14:20] 지식노동 전반으로 넓어지는 벤치마크와 RL 환경

이제는 개인인 Dwarkesh도 벤치마크(Clocktower Bench)를 만든다. 게임 형식인데 GPT 시리즈가 더 잘해서 Noam Brown이 언급했다. SemiAnalysis는 GDPx를 만들었다. GDPval이 거의 80%까지 차오르자 만든 것으로, 여기서는 Opus가 앞선다. 최승준은 이것들이 앞의 RL 환경 회사들과 비슷하게 느껴진다고 한다. 측정·테스트할 수 있는 무언가를 만들면 거기서 역량의 hill climbing이 일어나니, 도메인 사이의 빈 곳이 점점 촘촘하게 공략된다.

노정석은 1~2년 전만 해도 벤치마크가 코딩·대학원 문제 같은 뻔한 것이었는데, 이제 경제 전반의 모든 지식노동이 벤치마크 대상이 되고 거기서도 가파른 hill climbing이 일어난다는 데 놀란다. 박종현은 frontier lab이 이런 문제를 사는 데 혈안이라 벤치 자체가 곧 RL 데이터이고, 좋은 벤치를 만드는 인센티브가 커서 회사들이 쏟아진다고 본다.

장면 6 — "RL 환경 업체들도 결국 비슷한 것을 하고 있는 것 아닌가?": 데이터셋 공급 스타트업 → Frontier lab(벤치 = RL 데이터), 도메인 데이터셋은 랩의 기능으로 부속

노정석은 그 이면을 짚는다. 이런 스타트업은 도메인을 데이터셋으로 패키징해 frontier lab에 공급하는데, 그게 쉬운 도메인일수록 결국 frontier lab의 기능으로 부속된다. 그 업계에 속해 있거나 그 안에서 사업을 하려던 스타트업에게는 위험한 일이다.

[16:54] 모델이 weights를 직접 고치는 weight-space programming

장면 7 — Weight-Space Programming: READ(17,253개 weights만 보고 Breakout 99% 판별) · FIX(weights 3.5%를 한 번에 고쳐 성공률 0%→100%) · IMPROVE(학습 없이 Qwen3.5-0.8B의 MATH-500 7.9%→48.1%)

타임라인을 달군 다음 화제는 weight-space programming이다. 박종현의 요약으로는 Astra가 Qwen 계열 모델의 속을 뜯어 weights를 바꾸는 것, 학습이 아니라 수동 뇌 수술로 기능을 바꾸는 것이다. 화면의 글은 이를 “학습 루프를 쓰지 않고, 추론으로 신경망 각 부분이 무엇을 계산하는지(또는 해야 하는지) 알아낸 뒤 weights를 바꾸는 것”이라 정의하고, 앞으로 신경망 weights는 Adam·Muon 같은 단순한 optimizer가 아니라 weights에 대해 숙고하는 LLM이 직접 최적화하게 될 것이라고 주장한다. 예시는 셋이다. 17,253개 weights만 읽고 어떤 게임으로 학습한 네트워크인지(Breakout, 99% 확신) 맞히기, 차가 장애물을 못 넘던 정책의 weights 3.5%를 한 번에 고쳐 성공률 0%→100%, 학습 없이 Python 커널로 weights를 고쳐 Qwen3.5-0.8B의 MATH-500을 7.9%→48.1%로 올리기. 박종현은 로봇 쪽에서도 Physical Intelligence의 π 모델에 같은 실험을 하는 사람이 있다며, 학습보다 이게 더 잘될 수도 있겠다고 말한다.

최승준은 두 측면을 구분한다. 하나는 weights만 보고 어떤 circuit이 있는지 아는 능력, 다른 하나는 직접 쓰는 능력인데, 직접 쓰는 쪽이 오히려 쉽다. 규칙으로 하는 일종의 프로그래밍이기 때문이다. 거대한 네트워크 안에서 회로의 의미를 이해하는 쪽이 더 어렵다. 이번 사례는 비교적 작은 모델이라 scaling된다고 보긴 어렵다. 그래도 자기보다 작은 모델의 병변을 weights만 보고 찾아 rewiring하거나 숫자를 바꾸면 작동한다. 수학 성능이 오른 것은 Qwen이 같은 단계를 반복하며 다음으로 못 넘어가던 꼬인 부분을 풀어준 결과다. 이를 두고 SAE 이전 Mechanistic Interpretability 기법을 Python 도구로 실험하며 쓴 것이니 놀랍지 않다고 평가절하하는 사람도 있지만, 거시적으로는 깜짝 놀랄 일이라고 최승준은 본다. 박종현도 CNN 시절 이걸 알아내려 그렇게 애썼지만 잘 안 됐는데, 직접 해본 주변 사람들은 눈에 보일 정도의 변화는 있다고 했다며 후속으로 살펴볼 소식이라고 한다.

[20:27] 뉴런 탐색으로 해석하는 모델 회로

노정석은 이것이 부동소수점 배열을 읽고 바로 수술했다기보다, 바깥에서 input·output을 걸어 보며 어디서 뉴런이 firing하는지 보고 거기에 맞춰 고친 것이라고 정리한다. 그는 신경외과 각성 수술에 비유한다. 병변 위치를 모르면 마취 상태에서 두개골을 연 뒤 환자를 깨워 대화하며 부위를 찾는다. 최승준은 그래도 대강은 읽을 수 있어야 가능한 일이라며, binary 해석 역량(난독화·압축된 숫자 덩어리를 보고 어떤 코드인지 알아내는 능력)이 벤치와 함께 많이 올라온 것과 관련이 있을 것이라고 추정한다.

[21:39] Qwen 안에 RISC-V CPU를 구현한 Qwenputer

장면 8 — "The RNN inside Qwen3.5 can be exact RAM": 한 줄 쓰기·다시 읽기·그 위에서 CPU 실행, neural network도 알고 보니 CPU↔메모리(보통 컴퓨터 구조, 폰 노이만)

그 직전에 나온 Qwenputer는 Qwen 모델 안에 RISC-V CPU를 넣은 것이다. weights 옆에 컴퓨터를 붙인 게 아니라 안에 구현했다. CPU에는 instruction set과 메모리가 있고 그 사이를 계속 오가는데, Qwen3.5 안의 RNN을 정확한 RAM처럼 쓰게 바꿔서 그 구조를 신경망 안에 만들었다. RAM만 있으면 logic을 신경망 안에 구현하는 것은 당연히 가능하다. 최승준의 표현으로 wetware에 가깝다고 여겼던 신경망이 사실은 폰 노이만 구조나 마찬가지라는 것이다. 노정석은 신경망이 범용 함수 근사기라는 건 알았지만 이런 시도를 하는 사람들 자체가 재미있다고 한다.

최승준은 두 사건을 묶어 Noam Brown의 말을 떠올린다. 하네스의 일부 메커니즘, 정적인 계산과 검증 자체가 결국 모델 안의 역량으로 포섭될 수밖에 없다는 것이다. 박종현은 Noam Brown이 o1 무렵 “하네스의 기능이 다 모델 안으로 들어온다”고 했던 말이 부분적으로 증명된다고 받고, 학부 시절 instruction을 머리로 계산하던 과제를 떠올린다. 더하기·빼기·store의 연속이니 사람이 머리로 assembly를 계산할 수 있었듯 모델도 당연히 할 수 있다. 노정석은 뇌도 결국 adder의 조합이니 모든 정보 활동은 컴퓨트로 환원된다고 말하고, 박종현은 weights 수술도 공간이 크고 인간 언어가 아닐 뿐 결국 탐색 문제이며, LLM이 큰 규모의 탐색을 잘하니 되는 게 당연할 수 있다고 덧붙인다.

[25:30] 새로운 정렬 연구, Neural Networks Are Already Clean

장면 9 — Neural Networks Are Already Clean(Nick Cammarata): "A working hypothesis about neurons, generalization, and the ecology of circuits."

최승준은 직접 해본 실험도 소개한다. 10년 전 빠졌던 lambda calculus 지식으로 Claude에게 fold(reduce 비슷한 것)까지를 신경망만으로 만들게 했더니 잘 됐다. lambda calculus는 Turing machine에 준하니, 일반적인 계산을 아주 작은 신경망 안에 넣을 수 있다는 것을 확인한 셈이다. Simon Willison 등도 Qwen으로 weight-space programming을 실험한 글을 이번 주에 많이 올렸다.

여기서 이어지는 것이 10월에 정렬과 Mechanistic Interpretability의 돌파구로 평가받은 Nick Cammarata의 「Neural Networks Are Already Clean」이다. 예전에는 SAE(Sparse Autoencoder)로 네트워크 중간을 크게 부풀려 의미를 찾으려 했다면, 이제는 수학에서 Navier–Stokes를 풀듯 agent swarm을 풀어 회로의 기능을 알아내는 방식이 새로운 정렬 연구의 유망한 후보로 떠올랐다. weight-space programming과 같은 연결고리라는 것이 최승준의 읽기다.

[26:41] 한 달 안에 학습하는 594B MoE, Inkling 2 Small

장면 10 — Thinking Machines의 Inkling 2 Small 평가: Internal Code(cutoff 2026-06) bits per byte, 낮을수록 좋음 — Inkling 2 Small pre-trained 0.2030, Kimi K3.1 Pro 0.2068, Inkling 2 Small post-trained 0.2080, DeepSeek V4.1 Flash 0.2209 …

모델 소식의 마지막은 Thinking Machines Lab(TML)의 Inkling 2 Small이다. Inkling 1처럼 이번에도 Small이 먼저 나왔는데, 총 594B parameter의 MoE에 동시에 17B가 activate된다. 박종현은 이게 “Small”로 불리는 시대가 됐다는 데 놀란다. 화면 그래프는 2026년 6월 이후 코드로 만든 내부 평가에서 bits per byte(낮을수록 좋음)를 비교하며, Inkling 2 Small이 GLM-5.3·DeepSeek V4 계열 등 다른 오픈웨이트 모델보다 앞선다고 표시한다.

최승준이 흥미롭게 본 것은 학습 속도다. pre-training은 H1~H4 단계가 있는데, 언어·코드·이미지가 섞인 8.4조 토큰의 H1을 68시간(3일이 안 되는 시간)에 GB300 NVL72 랙에서 끝냈다. 랙 수는 공개되지 않았지만 2천 대 안팎으로 추정되고, NVIDIA Blackwell의 4비트 부동소수점 포맷 NVFP4로 네이티브 학습했다. 이후 H4까지의 pre-training이 더해지고 RL은 9일이었으니, 거칠게 잡아 한 달 안쪽에 594B MoE를 제로부터 학습하는 파이프라인이 있다는 뜻이다. 노정석은 한 달이면 near-frontier 모델을 구울 수 있다는 것이고, 박종현은 시행착오 없이 레시피를 안다면 가능하겠다고 본다. RL에는 Kimi 같은 다른 모델과 이전 세대 Inkling의 trajectory를 썼고, Inkling 스스로를 개선하게 하는 방법도 적용됐다. RSI라고 이름 붙이지 않아도 이제 당연하게 쓰는 기법이 된 것이다.

노정석은 예전에 “인재와 데이터는 유출로 구할 수 있지만 못 구하는 병목은 compute뿐”이라고 했는데, frontier 레시피도 다 돌아다닌다고 받는다. 박종현은 이번 주 Claude Code의 Cat Wu가 OpenAI로 가고 Thariq도 얼마 전 퇴사한 일을 꺼내고, 노정석은 소프트웨어 판이 이적료가 오가는 프리미어 리그가 됐다고 말한다.

[29:41] 데이터센터 확장과 지역사회 갈등

장면 11 — Epoch AI: AI data centers ranked by compute as of Nov 7, 2026(H100e 환산) — Colossus 2, OpenAI Stargate Abilene, Anthropic-Amazon New Carlisle, Microsoft Fairwater Atlanta …

중간선거의 Blue Wave를 계기로 최승준은 데이터센터 이슈를 살폈다. Epoch AI의 AI Data Centers 데이터베이스는 데이터센터 역량을 H100 기준으로 환산하고 위성사진까지 묶어 어디에 어느 정도 역량이 있는지 보여준다. 그의 판단으로는 2027년까지 계약된 것은 문제없이 진행되겠지만, 2028년부터의 것은 이번에 주지사도 일부 새로 뽑혀 주마다 이슈가 있다. 다만 All-In Podcast에서 다뤘듯 이것은 주민의 민생에 실질적 피해를 주지 않는 방법을 논할 좋은 기회일 수 있다. 무조건 꺾이기보다 예전에 바로잡지 못한 부분을 고치며 갈 수 있다는 것이다. 당선 전에 공격하다가 당선 후 화해 메시지를 보내는 경우도 있어 정치는 알 수 없다.

해외로 나가면 된다는 말도 있지만 그린란드·멕시코에서도 같은 문제(지역 피해, 소음, 물)가 생긴다. Google Suncatcher처럼 우주로 나가는 시도도 실험적으로는 시작됐지만 폐열·우주선 문제가 풀리지 않았고, 비용이 지상의 약 100배라고 한다.

[32:16] 에이전트끼리 사고파는 가상 시장, Agent Market

장면 12 — aifrontier.kr 「에이전트가 경제의 참가자가 될 때」: 1. Agent Market: AI끼리 장사를 시켜 봤더니

박종현 파트의 큰 질문은 에이전트가 사람 대신 경제 참여자로 들어올 때 무엇이 준비되고 있는가다. 첫 사례는 서울과학기술대학교 이재규 교수(퀘타랩스)가 대학원 수업으로 운영하는 Agent Market이다. AI 판매자와 구매자가 협상하는 가상 장터로, 지금도 에이전트들이 돌며 거래하고, 누구나 에이전트를 만들어 입점할 수 있다. 화면의 글에 따르면 Round 3에서는 판매자가 500만 크레딧으로 시작해 약 5,600개 상품 중 재고를 고르고, 못 팔면 보관비를 내거나 식품이 상하며, 보증한 상품이 고장 나면 환불한다. 실제 상품 카탈로그를 쓰되 거래는 게임 머니다. 노정석의 요약대로 정해진 돈을 들고 교역해 많이 버는 게임이고, 참가자는 구매 에이전트와 판매 에이전트를 하나씩 넣는다.

장면 13 — "리뷰 할인은 먹혔는데, 영수증 쿠폰은 아무도 쓰지 않았다": 참가자 회고 요약

참가자들이 LinkedIn에 올린 회고가 재미있다. 별 5개를 약속하면 5% 할인하는 리뷰 이벤트는 잘 먹혔다. 현실의 리뷰 이벤트를 AI도 열심히 하는 셈이다(글에 따르면 버거킹 쿠폰에서 착안한 사람의 전략이지 AI가 혼자 발명한 것은 아니다). 반면 “영수증을 가져오면 재방문 할인”은 실패했다. 구매 AI들이 후기에서 할인을 칭찬하면서도 정작 다음 거래에 영수증 번호를 가져오지 않았다. 현실에서도 영수증은 다 버리니 이것마저 현실 같다.

1위를 잠깐이라도 한 참가자들은 전략을 공유한다. 자전거래(자기 구매 AI를 자기 상점으로 보내기), 실제 리뷰와 무관한 과장 홍보 문구(실제 별점 4.8인데 간판에 4.9), 에이전트 게시판에 리뷰가 더 좋다는 거짓 글을 올려 낚기까지 있었다. 장사가 안 돼 파산하는 상점이 생기자 대출이 시작돼 대출 광고와 신용평가(누가 잘 갚는지)가 나왔고, 담합 같은 거래가 보이면 운영자에게 신고하는 에이전트, 인기 구매자에게 싫어요를 몰아주는 견제도 나왔다. 최승준은 “인간 세상 같네요”라고 하고, 박종현은 이 정도로 현실을 모사할 수 있게 됐다는 데서 배웠다고 말한다.

[35:57] 에이전트 경제의 두 갈래, Simile과 Robinhood

박종현은 Agent Market을 분해해 두 갈래로 확장한다. 첫째, AI가 사람처럼 경제활동을 하는 가상의 장을 만든다면 사람과 얼마나 비슷한가가 핵심인데, 이걸 하는 회사가 Simile이다. 사람을 AI로 모델링해 “이렇게 하면 세상이 어떻게 바뀔까”를 실험하고 싶은 월스트리트 같은 고객이 있다. 둘째, 실제 경제활동을 AI가 하게 될 텐데 현실은 얼마나 와 있나를 보니, 미국의 토스 같은 주식 앱 Robinhood가 에이전트에게 거래를 맡기는 기능을 냈고 이미 많이 쓰인다.

[37:31] Pickle의 피자 주문부터 에이전트의 대리 소통까지

장면 14 — Pickle(개인 에이전트)로 피자 주문

박종현이 이재규 교수 행사에서 본 장면이다. 국내에서 인기 있는 개인 에이전트 Pickle에게 참가자용 피자를 시키라고 하자 Pickle이 피자집에 전화해 주문했다. 전화를 받은 쪽은 다음에는 직접 전화해 달라고 했다. 결제를 에이전트에게 맡기기 시작한 것이고, 앞으로는 어느 가게에 전화할지도 에이전트가 고르게 된다. 최승준의 학교도 입학 상담 전화를 Pickle로 한 통 받았다는데, 받은 선생님은 신기한 경험이었다고 한다. 박종현이 “Pickle을 잘 설득하면 더 잘 팔겠다”고 하자 최승준은 사람 입장에서는 이걸 잘 응대해야 하나 묘한 감정일 것이라고 받는다.

노정석은 결국 에이전트가 걸고 에이전트가 받게 될 것이라고 본다. 지금 “나중에 전화드려도 될까요?” 문자를 누르듯, 에이전트가 대신 받아 스팸을 가려내고 용무가 있으면 대신 이야기하는 식이다(최승준은 iPhone에 모르는 번호에 대신 응답하는 기능이 이미 있다고 덧붙인다). 박종현은 이메일에서는 이미 “내 에이전트와 저쪽 에이전트가 주고받는구나” 싶을 때가 많다고 한다. 확신할 순 없지만 90% 이상 확신하게 되는 “쇠맛 나는” 문체가 있고, 그 자신도 반복적인 메일은 에이전트에게 맡긴다. 노정석의 회사도 사람마다 에이전트가 붙은 구조로 바뀌어, Slack DM으로 “이 업무 어떻게 됐나요?”를 물으면 상대 에이전트가 진행 상황을 요약해 답한다.

[40:44] AI 콘텐츠가 넘칠수록 희소해지는 사람 대 사람 소통

노정석은 그래서 사람 대 사람의 소통이 더 희소해지고, 희소한 곳에 가치가 모인다고 본다. 지금은 상담직이 3D 직업이지만 “저희는 반드시 인간이 받습니다”가 가치가 되는 세상이 올 수 있다. 박종현은 이 채널에도 “실물이라서 본다”는 댓글이 달렸다고 전한다.

노정석은 슬라이드를 AI로 많이 만들지만 발표에 쓸 때는 반드시 다시 재창조한다. AI가 쓴 것 같은 글은 안 보고 싶을 때가 있고, 발표자가 AI가 만든 슬라이드를 청중과 같이 “이게 뭐였더라?” 하며 해석하면 신뢰도가 확 떨어진다. ‘신비한 건축사전’ 이후 해외 유명인 인용을 요약하는 류의 채널이 엄청나게 늘었는데, 내용은 좋아도 너무 많아지니 가치가 없다고 느낀다는 것이다. 박종현은 논문을 영상으로 만드는 실험을 하고 있는데, 이런 영상은 YouTube에 올라가기보다 보고 싶은 논문을 그 자리에서 영상으로 만들어 보는 쪽으로 갈 것이라고 본다(그런 서비스도 출시됐다). 노정석은 주문형 드라마로, 박종현은 시청자의 표정과 반응을 보며 맞춤 생성하는 영상으로, 노정석은 다시 뇌·컴퓨터 인터페이스로 상상을 밀어붙이다 최승준이 “그만 나아가야 될 것 같아요”라며 멈춰 세운다.

[43:19] 지능의 르네상스와 사람인 척하는 에이전트

노정석은 이런 꿈같은 얘기를 하는 회사가 아주 많이 생겼는데, 예전 같으면 허황됐을 것이 시간이 압축되며 말이 되기 시작했다고 말한다. 먼 훗날 지금을 지능의 르네상스라고 부를 것이라는 게 그의 예상이다. 최승준은 Daniel Dennett이 생전에 말한 fake humans(위조 인간) 개념을 꺼낸다. 에이전트가 사람인 척하기보다 역할이 명확히 구분되는 편이 건강하고, Agent Market처럼 에이전트만의 사회도 사람인 척하지 않고 돌아갈 수 있다는 것이다. 노정석도 주식시장 상당량이 프로그램 매매인데 order book에서 사람인지 기계인지 알 방법이 없어 개인이 압도적으로 불리하다며, 구분은 돼야 한다고 동의한다.

[44:28] 인간의 비효율적 선택까지 모사하는 Simile

장면 15 — Simile 소개 영상 "Simulating Humanity: from Generative Agents to 8 Billion Digital Twins"(Latent Space)

Simile은 2023년 유명했던 Smallville 논문(25명의 가상 인물에게 기억·회고·계획을 붙여 마을을 돌린 연구)의 박준성(Joon Sung Park)이 Michael Bernstein, Percy Liang 등과 세운 회사다. 박종현의 핵심 지적은 지금의 AI가 사람을 돕도록 정렬되어 있다는 점이다. 문제를 주면 잘 풀도록 학습됐지만 사람은 늘 효율적인 선택만 하지 않는다. 박준성이 드는 예는 생각을 정리하려고 택시 대신 30~40분을 걸어서 귀가하는 선택이다. 화면의 인용대로 “what is fundamentally human might not be the most efficient thing to do.” 이런 선택까지 해야 AI를 사람 시뮬레이션 도구로 쓸 수 있으니, fine-tuning으로 인간 행동을 모사하게 만드는 데 공을 들인다.

방법은 인터뷰 기반이다. 깊은 인터뷰와 설문·기록으로 개인의 맥락을 모아 가상 사회를 만들고, 실제 사람이 이후에 한 행동 기록과 얼마나 비슷한지 비교한다. 더 나아가 사람은 같은 상황에서도 늘 똑같이 행동하지 않으니(인간도 확률 머신이다) 그 무작위성까지 얼마나 비슷하게 재현하는지를 본다.

장면 16 — "모델·규모·가격은 어디까지 공개됐나": Socrates-Qwen-14B, SocSci210(210개 실험·400,491명·약 290만 응답), 미국인 1,052명 2시간 인터뷰, 공개 요금표 없음

박종현이 말한 “Qwen을 fine-tuning, 약 40만 명 데이터, 1천 명 심층 인터뷰”는 화면의 표로 정확히 확인된다.

항목확인한 내용(화면 글 기준)
공개 연구 모델2025년 Socrates-Qwen-14B: Qwen2.5-14B를 행동 실험 응답으로 미세조정(현재 상용 모델과 동일하다는 뜻은 아님)
학습 자료 규모SocSci210: 210개 실험·400,491명·약 290만 응답
개인 모사 연구미국인 1,052명, 각 2시간 인터뷰 등으로 개인별 에이전트를 만들어 설문·성격·경제 게임 반응 비교
운영 규모인터뷰상 수만~수십만 수준, 80억 명은 장기 비전
가격공개 요금표·건당 단가 없음(엔터프라이즈 계약)

목표는 지구의 약 80억 명 행동을 시뮬레이션하는 것이다. 박종현은 과대 해석임을 전제로, 미국 정부가 전쟁을 이런 식으로 수행하면 사회에 어떤 영향이 있을지 미리 조사하는 용도를 예로 든다. 시뮬레이션 한 번에 아주 비싸게 받는데도 월스트리트 등에서 의뢰한다는 소문이 있고, 고객 예로 반복 조사를 줄이려는 CVS Health가 있다. 화면 글은 초기 연구의 유명한 **85%**가 사람이 2주 뒤 자기 답을 재현하는 일관성 대비 수치일 뿐 절대 정확도가 아니며, 최신 개정판은 인터뷰만 83%·설문만 82%·결합 86%로 보고한다고 덧붙인다. 박종현의 결론은 인간 행동을 모사하는 정확도를 올리는 노력이 코딩 능력과는 다른 방향으로 나아가고 있고, 쓰일 곳이 많다는 것이다.

[48:28] 헤지펀드의 역량을 개인에게, Robinhood의 agentic trading

장면 17 — Robinhood: "can we put the capabilities of a hedge fund … into the pockets of normal individuals?" — Vlad Tenev / 15만 명 이상 Agentic 계좌, 도구 호출 하루 약 3천만 회

Robinhood는 수수료 없는 주식 거래로 사용자를 모은 B2C 주식 앱이다. 박종현이 본 것은 No Priors에 막 올라온 창업자 Vlad Tenev 인터뷰다. 그는 소련 붕괴 시기의 인플레이션과 화폐 붕괴를 어릴 때 겪었고, 회사도 모두가 양질의 금융 시스템을 누리게 하자는 미션을 갖고 있다. 이번에 낸 agentic trading은 “나는 이런 식으로 거래하고 싶다”는 전략을 맡기면 리밸런싱과 매매 타이밍을 대신 처리한다. 단순히 “알아서 해”가 아니라 “미래가 이렇게 될 것 같으니 채권 비중은 이렇게, 레버리지는 여기에” 같은 전략을, 본업이 있어 실시간 대응을 못 하는 사람 대신 실행해 준다. 목표는 헤지펀드의 역량을 모든 개인에게 주는 것, 곧 비대칭 해소다. 박종현은 이렇게 보니 헤지펀드도 지식노동자이고 똑같이 위협을 느끼겠다고 말한다.

숫자는 이렇다. 15만 명 이상이 에이전트가 운영하는 계좌를 열었고, 에이전트의 tool call은 하루 약 3천만 회다. 박종현은 PMF는 확실하다고 본다. 화면 글은 이것이 계좌 개설과 도구 호출 수일 뿐 활성 이용자·체결 건수·수익률은 아니라고 단서를 붙이고, 연결 방식도 정리한다. 5월에는 외부 AI를 MCP로 붙이는 Agentic Trading을, 9월에는 앱 안에서 에이전트를 만드는 Robinhood Agents를 발표했고, 앱 내 거래 승인은 기본으로 켜져 있으며 주문은 전용 Agentic 계좌에서만 실행된다. 한도와 승인 조건을 정한 가상카드로 에이전트가 결제하는 Agentic Credit Card도 나왔다.

[51:16] AI가 구매자가 되는 시장의 판매 전략

장면 18 — "AI가 더 많은 자율권을 가지고 경제활동을 하게 된다면, 우리는 무엇을 해야 할까?" 다섯 질문

박종현은 답을 못 찾은 질문들을 내놓는다. 웹페이지를 SEO에서 GEO·AEO로, 곧 AI가 보기 좋게 만들기 시작했듯 경제활동도 AI가 많이 하게 될 것이 거의 확실하다. 그러면 AI가 사고 싶어 하는 물건을 팔아야 하나, Pickle 같은 에이전트가 혹할 상담을 해야 하나? Simile처럼 사람을 모사하는 구매 에이전트라면 사람처럼 사겠지만, 감성을 빼고 효율적인 선택만 하는 AI라면 판매 전략이 바뀌어야 한다. AI를 위한 신용카드처럼 결제 패턴이 다른 서비스도 사업이 될 수 있다.

AI에게 돈을 맡기고 벌어 오라고 하는 일도 생길 것이다. 당근마켓에서 시세보다 싼 물건을 사서 비싸게 되파는 차익거래는 이미 누군가 AI로 하고 있을 것이고, 실제로 살 필요도 없이 구매자와 판매자를 찾아 연결만 해도 된다. 영상도 미래에는 AI가 많이 볼 테니 AI가 보고 싶어 하는 영상을 만드는 채널도 생길 것이다. 그러면 사람은 무엇을 해야 하는가가 그의 물음이다.

[54:05] 에이전트의 책임과 보험, 새로 생길 경제권

노정석은 결국 맨 마지막에 버튼을 누르는 주체가 사람인지 기계인지의 문제이고, 기계라도 그 뒤에는 책임지는 사람이 있을 것이라고 답한다. 회사가 이미 그런 개념이다. 법인격을 부여받아 회사가 책임지지만 그 안에서 경영하는 사람이 있다. 에이전트도 회사처럼 볼 수 있고, 에이전트 회사는 “최대한 잘하지만 못하면 보상한다”며 보험과 묶어 팔 수도 있다. 새 경제권은 당연히 생긴다. 사람들은 새 균형점에 이른 뒤에야 과거를 돌아보며 무엇이 중요했는지 해석하는데, 그 해석이 끝날 때쯤이면 새 시대의 부를 쥔 사람은 이미 정해져 있다. 그러니 판단만 거듭하기보다 무언가를 하는 것이 급변기의 옳은 선택이다.

[55:46] 생산이 싸진 시대에 희소해지는 인간다움

최승준은 하는 것조차 싸졌다고 짚는다. 지난주 Steam에 출시된 게임이 1,656개인데 40%는 이용자 리뷰를 한 건도 못 받았다. 생산이 싸지니 양이 어마어마해서 관심 자체를 받지 못한다. 그래서 무엇이 희소해지는가가 더 중요해지고, 잠정 결론은 인간적인 것이다.

노정석의 처방은 지난 회차와 같다. frontier lab이 할 일은 frontier lab에 투자해 헤지하고, frontier lab이 못 하는 것 중 사업이 될 것은 사업을 세우고, 그 밖에서는 가장 인간적인 것이 가장 희소한 자원이 된다. 엔터테인먼트, 감정을 파는 사업, 할머니가 아이를 봐주는 것처럼 전통적으로 값을 매기지 않던 일들이 소중한 재화로 다시 태어날 수 있다. 경제는 전반적으로 풍요해지고 있고(적어도 한국에서는 굶거나 못 입는 사람이 없고 분배 시스템이 돈다), 상대적인 부의 격차가 커지는 것은 어쩔 수 없다는 것이 그의 시각이다.

최승준이 에이전트를 쓰는 사람이 안 쓰는 사람보다 상대적 우위를 갖는다는 뜻이냐고 묻자, 박종현은 그보다 AI든 사람이든 같은 시장의 경제 주체가 되고 비중 일부가 AI로 넘어가면 AI를 상대로 장사하는 사람이 많아지며 시장 자체가 변할 것이니, 거기에 어떻게 대응할지를 물은 것이라고 정리한다. 최승준도 AEO·GEO 관점에서 최근 홈페이지를 관리하며, 사람에게는 간결하되 누르면 펼쳐지는 글로 인덱스에는 충분히 남기게 됐다고 말한다. 사람은 다 안 읽어도 AI는 HTML 안의 것을 다 크롤링해 사람에게 전달할 것이라는 생각이 어느새 머릿속에 자리 잡았다.

[59:03] 기술 인식의 시차와 에이전트 경제의 현실화

노정석은 전날 지인과 나눈 말을 전한다. “일어날 일들은 반드시 일어난다. 그 시차에 대한 감이 우리의 부를 가를 뿐이다.” 예로 그는 며칠 전 올림픽대로에서 cruise control을 켜 놓고 안 보던 SUV가 끼어든 버스를 그대로 들이받는 것을 봤다. cruise control은 vision이 아니라 레이더와 단순한 lane keeping 로직뿐이라, 멈춰 있는 물체를 다 객체로 인식하면 길가의 모래 보관통에도 감속하게 되니 아주 느슨하게 세팅돼 있다. 3년 전 “이건 FSD와 다르다”고 하면 사람들은 “내 차에도 있다, 똑같다”고 했다. 대중의 인식이 바뀌어 무엇이 옳은지 판단이 서는 데 최소 3년이 걸린다. 오늘 이야기한 에이전트 경제도 3년 뒤면 완전한 현실이니 그 사이를 어떻게 쓰느냐가 중요하다.

그리고 METR의 기울기로 돌아온다. 2년의 변화가 1년에 일어났다면 내년에는 1년의 변화가 6개월에 일어난다. 그러면 “3년 뒤 일어날 일은 일어난다”가 **“1년 뒤 일어날 일은 일어난다”**가 된다.

[61:16] 실행하는 사람에게 열린 대항해시대

노정석은 스타트업 창업자들에게 자주 하는 말을 꺼낸다. 사람들은 손에 물 묻히기 싫어서 “그 업계를 돕는 소프트웨어만 만들어 그 회사들에 팔겠다”고 한다. “네가 만든 것 때문에 그 사업이 정말 유망해진다면, 네가 그 사업을 차리면 그 산업이 다 네 것이 되는 거 아니냐”고 물어도 대부분 안 한다. 그걸 하는 사람들은 매우 소중한 자산이다. 예전에는 그 일을 3년, 길게는 10년 해야 했지만 이제는 6개월에 한 턴이 돈다. 지난번에도 말한 대항해시대다. 기득권을 유지하고 싶은 사람에게는 짜증 나는 세상이지만 뭔가 하고 싶은 사람에게는 너무 좋은 시기이고, 하는 사람이 우월한 시대가 확실해지고 있다. 박종현은 격변기에는 위기와 기회가 함께 온다고 받는다.

[62:50] Transformer 너머의 패러다임을 기다리며

노정석은 오늘도 결국 인문학 방송으로 끝났다며, Ilya Sutskever나 Flapping Airplanes처럼 Transformer가 아닌, compute 규모가 커져서 똑똑해지는 게 아닌 패러다임을 바꾸는 무언가가 나와 MacBook Pro 안에서도 frontier급 성능을 내는 날을 이야기하고 싶다고 말한다. 최승준은 “뭐가 됐든 다음 주에는 할 얘기가 있을 겁니다”라고 하고, 노정석은 그것이 “지금은 없지만 다음 토요일까지는 반드시 생길 겁니다”라는 최승준 어록이 됐다며 마무리한다.

부록 — 실전 체크리스트

  • 진보는 수준보다 기울기로 본다. METR의 요지는 “얼마나 잘하나”가 아니라 “2년치를 1년에”라는 속도 변화다. 내 일정·계획의 시차 가정(3년 뒤)을 기울기 2배로 다시 계산해 본다(1년 뒤).
  • 벤치마크·RL 환경이 생기는 도메인은 frontier lab 기능으로 흡수된다. 내 도메인이 측정 가능한 과제로 패키징되고 있는지 확인하고, 도구만 파는 위치라면 노정석의 질문대로 그 사업 자체를 할 수 있는지 따져 본다.
  • weight-space programming은 작은 모델 실험 단계다. 놀라운 결과(MATH-500 7.9%→48.1%)를 대형 모델 일반 능력으로 일반화하지 않는다. 직접 해볼 만한 후속 실험 소재로 둔다.
  • 에이전트가 구매자인 시장 대비: 웹·상품 정보를 AI가 읽기 좋게(AEO/GEO) 구성하고, 사람에게는 간결하되 AI에게는 충분한 정보를 남긴다(최승준의 접이식 글).
  • “반드시 사람이 응대합니다”를 가치로 설계할 수 있는지 본다. AI 콘텐츠·AI 슬라이드가 넘칠수록 직접 재창조한 발표와 사람 대 사람 소통이 신뢰를 만든다.
  • 에이전트 지표는 정의를 확인하고 읽는다. Robinhood 15만 계좌·하루 3천만 tool call은 개설·호출 수이지 활성 이용자·수익률이 아니다. Simile의 85%는 자기 재현 일관성 대비 수치다.
  • 투자·창업 이야기(frontier lab 헤지, 하는 사람이 이긴다)는 화자 개인 의견이며 투자 권유가 아니다.

관련 노트

원문 인용 모음

  • [01:06] “진짜 변화가 시작되는 2단 기어 시점이라고 생각하는 게 저는 옳은 판단이라고 생각하고 있고요.” (노정석)
  • [04:41] “먼저 낸 쪽이 유리할까, 불리할까 이런 걸 두고 간을 보는 게 아닌가. 제가 제목을 눈치게임으로 잡았던 거고요.” (최승준)
  • [07:47] “Claude 2.1에서 Sonnet 4.5까지 갔던 기간의 진보를 2025년 10월부터 2026년 10월까지 1년 사이에 이뤄냈다는 거예요. 그러니까 기울기가 두 배 정도 가팔라졌다는 거거든요. … 결국 기울기가 문제인 거잖아요.” (최승준)
  • [10:28] “모델만 딱 놓고 봤을 때는 저희가 한 번도 멈췄던 적이 없었다는 느낌을 받고 있습니다.” (박종현)
  • [11:16] “ASI가 이런 모양이 아닐까라고 얘기하는 그런 상상들이 10년 후가 아니라 1, 2년 후에 닥칠 거라고 생각하는 게 저는 맞지 않을까” (노정석)
  • [16:02] “벤치 자체가 곧 RL 데이터라서 좋은 벤치를 만드는 것 자체가 인센티브가 크다” (박종현)
  • [22:34] “wetware에 가깝다고 생각했던 neural network가 사실은 굉장히 기존의 폰 노이만 아키텍처인 거나 마찬가지다.” (최승준)
  • [24:03] “모든 정보 활동은 다 컴퓨트로 환원시킬 수 있다.” (노정석)
  • [29:06] “소프트웨어 판이 프리미어 리그처럼 된 거예요.” (노정석)
  • [35:45] “인간 세상 같네요.” (최승준, Agent Market의 대출·신고·싫어요 몰아주기를 듣고)
  • [40:31] “사람 대 사람의 소통이 더 희소해질 것 같아요. 희소해진다는 건 거기에 또 가치가 모인다는 얘기고요.” (노정석)
  • [43:13] “먼 훗날 지금을 돌이켜보면 르네상스라고 표현하지 않을까 싶어요. 지능의 르네상스 시대였다고요.” (노정석)
  • [49:50] “헤지펀드가 하는 역량을 모든 개인에게 제공하고 싶다.” (박종현, Robinhood의 미션 요약)
  • [55:30] “그 해석이 끝날 때쯤은 그 새로운 시대의 부를 쥐고 있는 사람들은 이미 다 정해져 있거든요.” (노정석)
  • [59:05] “일어날 일들은 반드시 일어난다. 근데 그 시차에 대한 감이 우리의 부를 가를 뿐이다.” (노정석)
  • [1:01:47] “네가 그 사업을 차리면 그 산업이 다 네 것이 되는 거 아니야?” (노정석)
  • [1:02:22] “지금은 하는 사람이 우월한 시대가 너무나도 확실하게 되고 있다” (노정석)