1. 아이디어는 넘치는데 왜 발전은 더딜까?

(문제) 새로운 AI 기술이 쏟아져 나오지만, 정작 우리가 체감하는 변화는 왜 계단식으로 정체되어 보일까요? (해결책) 트랜스포머 논문의 공저자 우카시 카이저는 그 해답으로 '검증(Verification)의 자동화'를 제시합니다. (근거) 그는 자신의 노트에만 100개가 넘는 아이디어가 있지만, 이를 코드로 구현하고 실제로 작동하는지 확인하는 과정이 현재 연구의 가장 큰 병목이라고 밝혔습니다.

2. OpenAI 내부의 고백: "우리 소프트웨어는 별로다"

놀랍게도 세계 최고의 AI 기업인 OpenAI와 구글의 내부 코드도 '엉망(Not good)'인 상태가 많습니다.

1. 기술 부채의 산: 연구자들은 결과 도출을 위해 코드를 빠르게 짜는 데 집중하며, 이 과정에서 엄청난 버그와 기술 부채가 쌓입니다.
2. 리팩토링의 필요성: 현재 AI 발전의 상당 부분은 이 엉망인 코드를 고치고 최적화하는 데 소모되고 있습니다.
3. 훈련의 비가역성: 한번 훈련(Training run)을 시작하면 수백억 원의 비용 때문에 멈출 수 없으며, 버그를 안고 끝까지 가야 하는 경우도 허다합니다.

👉 지금 실천하기: 여러분의 프로젝트에서도 코드 품질에 너무 매몰되지 마세요. 우카시 카이저처럼 '일단 실행'하고, 나중에 AI(Cursor 등)의 도움을 받아 리팩토링하는 것이 현재 AI 시대의 정석 워크플로우입니다.

3. 왜 '코딩 에이전트'가 AGI의 열쇠인가?

우카시 카이저는 AI가 단순히 글을 쓰는 것을 넘어, 스스로 코딩하고 검증하는 단계에 진입할 때 연구 속도가 폭발할 것이라고 예측합니다.

• 합성 데이터의 한계: 단순히 데이터를 생성하는 것만으로는 모델 개선에 한계가 있습니다.
• 검증의 가속: AI가 실험용 모델을 준비하고 코드를 검증해 준다면, 연구자는 100개의 아이디어를 동시에 테스트할 수 있게 됩니다.
• 외부에서의 폭발: 내부적으로는 계단식 발전이지만, 이 검증 병목이 해결되는 순간 외부에서는 '기술 폭발'로 보이게 될 것입니다.

4. 흔히 하는 실수: 대형 모델만 기다리는 태도

많은 사람이 GPT 5.2.2나 차세대 모델이 모든 문제를 해결해 줄 것이라 믿으며 기다리기만 합니다. 하지만 GPT 5.2가 출시된 지금도 상황은 크게 다르지 않습니다.

• 실수: 고성능 모델이 나오면 내 업무 자동화가 저절로 될 것이라 생각함.
• 실패 원인: 모델의 지능보다 중요한 것은 '도메인에 맞는 검증 루프'를 만드는 것입니다.
• 올바른 방법: 지금 바로 Claude Code나 Cursor 같은 도구를 사용하여, 본인의 업무 로직을 AI가 검증할 수 있는 환경(Test-Driven)으로 만드세요.

FAQ

Q1: 우카시 카이저가 누구인가요? A: 구글에서 트랜스포머(Transformer) 논문을 쓴 8명의 저자 중 한 명이며, 현재 OpenAI에서 핵심 연구원으로 재직 중입니다.

Q2: AI가 코드를 고치면 정말 더 빨라지나요? A: 네, 우카시는 내부 인프라의 개선 여지가 엄청나게 남아 있으며, 이 자동화가 다음 도약의 핵심이라고 강조했습니다.

Q3: 비디오 생성 모델은 언제쯤 완성될까요? A: 팟캐스트에서 그는 'Very soon', 어쩌면 '오늘 당장'이라도 놀라운 성과가 나올 수 있는 단계라고 언급했습니다.