인공지능 시대에 여전히 경쟁 우위를 유지하는 분야는 어디일까요?

저자: Systematic Long Short

작성: 페기, 블록비츠

편집자 주: 인공지능이 코드 작성 및 최적화를 시작하고, 나아가 소프트웨어 생산 프로세스를 점진적으로 장악함에 따라, 더욱 심층적인 구조적 변화가 다가오고 있습니다. 노동 분업, 기업 조직, 심지어 지식 장벽까지 재정의될 가능성이 있습니다.

이 글의 저자는 과거 헤지펀드에서 20명 가까운 팀을 이끌었지만, 전성기에 회사를 떠나 창업을 선택했습니다. 그의 생각에 진정한 신호는 시장 심리가 아니라 기술적 역량의 비약적인 발전입니다. 모델이 안정적으로 사용 가능한 코드를 생성하고 재귀적으로 개선될 수 있을 때, 소프트웨어 개발과 지식 생산의 논리가 변화하기 시작한다는 것입니다.

본 논문은 양적 금융의 관점에서 인공지능 시대에 여전히 존재할 수 있는 단기적인 "해자"들을 분석합니다. 여기에는 독점 데이터, 규제 마찰, 권위 있는 기관의 승인, 그리고 물리적 세계의 시간적 격차가 포함됩니다. 또한, 불확실성이 높은 시대에는 미래를 정확하게 예측하는 것보다 방향을 파악하고 기회가 사라지기 전에 행동하는 것이 더 중요하다는 핵심적인 결론을 제시합니다.

다음은 원문입니다.

모델이 코드 작성을 시작하면 변경 사항은 이미 되돌릴 수 없게 됩니다.

제가 업계가 전환점에 다다르고 있다는 것을 처음 깨달은 건 이전 직장에서였습니다. 마치 배경 음악이 느려지는 소리가 들리는 듯했는데, 주변 사람들은 아무 일도 일어나지 않을 것처럼 행동하고 있었죠.

당시 저는 헤지펀드에서 20명 가까운 팀을 이끌며 오랫동안 해오던 일을 하고 있었습니다. 겉으로 보기에는 순조롭게 승진하는 커리어처럼 보였죠. 만약 그곳에 계속 있었다면 훨씬 더 큰 성공을 거두었을지도 모릅니다. 하지만 결국 저는 많은 사람들이 꿈꾸던 그 자리를 떠나 소수의 팀원들과 함께 스타트업을 처음부터 시작하기로 했습니다. 당시에는 이 결정이 거의 이해되지 않았고, 심지어 "커리어 자살"로까지 여겨졌습니다.

하지만 최근 몇 달 동안 대규모 해고, 창업을 위한 자발적 퇴사, 그리고 낮에는 직장에서 일하고 밤에는 몰래 코딩이나 프로젝트 작업을 하는 사람들이 늘어나면서, 겉보기에는 "미친" 것처럼 보였던 그러한 결정이 더 이상 터무니없어 보이지 않게 되었습니다.

최근 많은 사람들이 제게 "이 모든 것이 궁극적으로 어디로 향할까요?"라고 묻습니다. 이 글은 현재 제가 드릴 수 있는 답변입니다.

솔직히 말해서, 궁극적으로 변화가 얼마나 클지는 확신할 수 없습니다. 하지만 양적 금융을 통해 배운 한 가지는 올바른 방향으로 가고 있다는 것만으로도 충분한 경우가 많다는 것입니다.

변화가 되돌릴 수 없다는 것을 진정으로 깨닫게 해준 것은 ChatGPT의 o1 모델이었습니다.

그 전까지는 이런 시스템들을 "AI"라기보다는 "LLM"이라고 불렀습니다. 인공지능에 가까운 능력을 갖추고 있다고는 생각하지 않았기 때문입니다. 하지만 o1이 등장하면서 상황이 달라졌습니다. 처음으로 이런 모델들이 구조화된 프롬프트를 사용하여 안정적으로 코드를 생성할 수 있게 된 것입니다.

코드는 아직 완벽하지 않고, 오해나 잘못된 이해가 있을 수도 있습니다. 하지만 핵심은 이 코드를 활용하여 유용한 코드를 작성할 수 있다는 점입니다.

제 생각은 간단합니다. 인공지능이 쓸만한 코드를 생성할 수 있게 되면, 자체 논리를 재귀적으로 개선하고 우리가 상상조차 할 수 없는 속도로 소프트웨어 개발을 주도할 것입니다.

이 이야기를 꺼낼 때마다 누군가는 항상 "이 코드는 아직 버그가 많고 실제 운영 환경 요구 사항을 충족하기엔 한참 멀었다"라고 반박합니다. 하지만 이는 사람이 작성한 코드에도 버그가 있다는 사실을 간과하는 것입니다. 우리가 직접 코드를 작성하는 것을 멈추기 전에 인공지능이 완벽한 코드를 작성해 줄 필요는 없습니다.

진정한 전환점은 인공지능이 인간보다 오류율이 낮으면서 동시에 훨씬 빠른 속도로 코드를 작성할 때입니다. 그 순간, 코드 작성 작업은 완전히 기계에 맡겨지게 될 것입니다.

O1의 역량을 직접 목격한 후, 저는 미래에 극적인 변화가 일어날 것이라고 거의 확신하게 되었습니다.

인공지능 시대에도 여전히 존재하는 해자

처음에는 AI가 양적 금융 산업을 점진적으로 잠식할 것이라고 생각했지만, 그 과정은 비교적 느릴 것이라고 예상했습니다. 이유는 간단합니다. 기관 수준의 코드를 학습시키는 데 사용할 수 있는 공개 데이터가 거의 없기 때문입니다.

당시 저는 소프트웨어 엔지니어링을 피라미드처럼 생각했습니다. 맨 아래에는 기본적인 코딩 작업이 있고, 그 위에는 아키텍처 설계 능력을 갖춘 시니어 엔지니어가 있으며, 그 위에는 데이터 과학자, 양적 개발자, 다양한 업계 전문가와 같은 전문 개발자가 있다고 생각했습니다. 이론적으로는 전문 지식이 깊을수록 경력이 더 안정적이라고 여겼습니다.

당시 제 예상으로는 2년 안에 주니어 프로그래머들이 가장 먼저 해고될 것이고, 그 다음으로 시니어 엔지니어들이, 그리고 모델이 점차 전문 지식을 흡수함에 따라 더 높은 직급의 직원들까지 영향을 받을 것이라고 했습니다.

하지만 곧 다른 사실을 깨달았습니다. 최첨단 모델링 회사들은 결국 업계 전문가들을 직접 고용하여 그들의 전문 지식을 모델에 반영할 것이라는 점입니다. 다시 말해, 전문 지식은 단기적으로는 경쟁 우위가 될 수 있지만, 장기적으로는 모델 자체에 점차 흡수될 것이라는 뜻입니다.

당시에는 향후 5년 안에 몇몇 유형의 사업은 쉽게 변화될 가능성이 낮다고 여겨졌습니다.

카테고리 1: 독점 데이터

대량의 독점 데이터를 보유한 기업은 대체하기가 더 어렵습니다.

예를 들어, 밀레니엄과 같은 대형 멀티 전략 헤지 펀드(포드 샵)는 애널리스트 연구, 투자 조언, 시장 판단, 실제 거래 결과 등 매일 엄청난 양의 데이터를 생성합니다.

이 데이터를 활용하여 모델을 지속적으로 개선하면 외부인이 모방하기 어려운 경쟁 우위를 확보할 수 있습니다. 기업의 데이터 소스가 모델에 쉽게 접근 가능하지 않은 한, 해당 기업은 일정 기간 동안 경쟁 우위를 유지할 수 있습니다.

범주 2: 규제 마찰

인간의 승인이 광범위하게 필요한 산업은 쉽게 빠르게 변화하기 어렵습니다. 전통적인 금융 시장이 그 예입니다.

이러한 시장에 진출하려면 증권 계좌를 개설하고, 라이선스를 취득하고, 국경을 넘는 법적 서류에 서명해야 합니다. 암호화폐 거래는 쉽지만, 외국 기업이 중국에서 철광석을 거래하는 것은 훨씬 더 복잡합니다.

어떤 산업이든 여전히 사람의 서명과 승인을 필요로 하는 한, 그 산업의 발전 속도는 필연적으로 승인 절차에 의해 제한될 것입니다.

카테고리 3: 서비스로서의 권한

요즘 인공지능(AI)이 법률 의견서를 작성하는 것은 비교적 쉬워졌습니다. 하지만 현실은 사람들이 여전히 변호사에게 수만 달러를 지불하며 법률 자문을 구한다는 것입니다. 이유는 간단합니다. 현재 AI가 제시하는 의견은 권위가 부족하기 때문입니다.

스마트 계약 감사에도 동일한 논리가 적용됩니다. 기술적인 관점에서 볼 때, AI는 이미 최고의 감사 전문가 수준에 도달했거나 심지어 능가했을 수도 있습니다. 하지만 시장은 여전히 유명 감사 회사의 "인증서"를 선호합니다.

고객이 실제로 구매하는 것은 의견 그 자체가 아니라, 그 의견을 뒷받침하는 권위이기 때문입니다.

범주 4: 물리적 세계

하드웨어 발전 속도는 소프트웨어 발전 속도보다 훨씬 느리고, 하드웨어 문제는 해결하기도 훨씬 더 어렵습니다.

따라서 현실 세계와 직접 상호작용하는 물리적 산업은 단기적으로 인공지능으로 인해 급격한 변화를 겪을 가능성은 낮습니다. 그러나 하드웨어 성능이 향상되면 동일한 논리가 적용될 것입니다. 즉, 저숙련 직종이 먼저 사라지고 그 뒤를 이어 고숙련 직종이 사라질 것입니다.

이러한 해자는 분명히 존재합니다. 하지만 해자는 변화를 멈추게 할 수는 없고, 단지 속도를 늦출 뿐이라는 점을 인정해야 합니다.

확실성을 기다리기보다는 신호에 따라 행동하십시오.

미래가 매우 불확실하고 빠르게 변화할 때, 사람들은 흔히 두 가지 유형의 실수를 저지릅니다.

첫 번째 접근 방식은 확실성이 확보될 때까지 기다렸다가 조치를 취하는 것입니다. 두 번째 접근 방식은 "이건 마치 닷컴 버블과 같아"와 같이 과거의 사례를 적용하는 것입니다.

두 접근 방식 모두 오판으로 이어질 수 있습니다.

정보가 불완전한 경우에는 기본 원리부터 추론하는 것이 더 합리적인 접근 방식입니다.

미래의 모든 세부 사항을 알 필요는 없습니다. 대략적인 방향만 예측하고 비대칭적인 베팅 전략을 세우면 됩니다. 다시 말해, 예측이 틀리더라도 손실은 감당할 수 있지만, 예측이 맞으면 막대한 수익을 올릴 수 있습니다.

불확실한 미래에서 비대칭성은 모든 것이다.

실용적인 사고방식은 먼저 "특정한 결과가 나타나기 위해 필요한 전제 조건은 무엇인가?"라고 자문하고, 그 다음 "이러한 전제 조건들이 이미 충족되었는가?"라고 자문하는 것입니다.

돌이켜보면, 이 인공지능 변곡점을 예측하는 것은 사실 어렵지 않았습니다. 핵심 요소들은 이미 존재했기 때문입니다. 즉, 작성 가능한 코드, 지속적으로 개선될 수 있는 모델, 그리고 육성하는 대신 구매할 수 있는 조직적 지식 등이 그것입니다.

이러한 신호들을 주의 깊게 관찰하면 미래의 방향을 대략적으로 예측할 수 있다.

더 나아가 추론할 수도 있다.

우리는 아직 다음과 같은 시나리오를 완전히 목격하지 못했을지도 모릅니다. 인공지능이 스스로 학습하고, 스스로 복제하며, 완전히 자율적으로 작동하는 것입니다.

인공지능이 일련의 행동을 통해 능력을 0.1% 향상시킬 수 있다고 하면, 언뜻 보기에는 대단한 일이 아닌 것처럼 들릴 수 있습니다. 하지만 이 수치가 0이 아닌 한, 계속해서 증가할 것입니다. 이것이 바로 멱법칙 효과의 전형적인 예입니다.

금융 시장에서 신호가 명확해지면 거래는 이미 포화 상태인 경우가 많습니다.

투자에서는 불확실성을 감수하고서라도 초기 확신을 얻는 것입니다. 이러한 원칙은 직업과 창업에도 똑같이 적용됩니다.

그러므로 진정한 질문은 미래에 무슨 일이 일어날 것인가가 아니라, 내가 이미 알고 있는 것은 무엇인가? 이 정보는 어느 방향을 가리키는가? 지금 행동하는 것과 기다리는 것 사이의 비용 차이는 무엇인가? 입니다.

자주 간과되는 또 다른 사실은 행동 그 자체가 정보를 생성한다는 것입니다.

행동은 진공 상태에서 일어나지 않습니다. 세상에 맞서 행동하면 세상은 피드백을 줍니다. 이 피드백은 새로운 정보를 가져다줍니다. 정보는 반복을 촉진하고, 반복은 더 나은 행동을 만들어냅니다. 이것이 발전의 근본적인 메커니즘입니다.

불확실성 속에 가만히 있는 것은 서서히 쇠퇴하는 길입니다. 반면에 행동은 탐험을 의미합니다.

기존 시스템의 혜택만 계속 누린다면 앞으로 몇 년은 더 버틸 수 있을 겁니다. 하지만 저는 항상 진정으로 제 소유의 무언가를 하고 싶었고, 그 기회가 빠르게 사라지고 있다고 느낍니다.

물론 세계 최대 헤지펀드들은 여전히 큰 성공을 거둘 것입니다. 그들은 복제하기 극히 어려운 독점적인 데이터를 보유하고 있기 때문입니다. 전통적인 금융 시장 역시 규제와 수작업 프로세스에 의해 제약을 받고 있습니다.

하지만 저는 이러한 조직들이 결국 포트폴리오 관리자를 포함한 대다수의 직원을 AI로 대체할 것이라고 믿습니다.

당장은 아니겠지만, 조만간 이루어질 것입니다.

당시 제 생각에는 기회가 4~5년 정도 남았습니다. 기존 모델 기업들이 업계 인재를 충분히 흡수하고 나면, 신생 스타트업이 이 분야에 진입하기는 매우 어려워질 것입니다. 미국 증시와 같은 일부 시장에서는 이러한 추세가 이미 뚜렷하게 나타나고 있습니다. 몇 년 후에는 그 효율이 얼마나 높아질지 상상조차 하기 어렵습니다.

머지않아 이 세상에 '2등'은 설 자리가 없을 겁니다. 저는 앞으로도 최고 수준의 기관에서 일할 수 있지만, 제가 여전히 강점을 가지고 있는 분야에서 일하고 싶습니다.

그래서 저는 직장을 그만두고 모든 것을 걸고 제 사업을 시작했습니다. 나중에 그 회사가 오픈포리지(OpenForage)가 되었습니다.

기회의 창이 이제 상당히 좁아지고 있습니다. 변화의 속도는 더 이상 점진적이지 않습니다. 예전에는 몇 달이 걸리던 진전이 이제는 몇 주 만에 이루어집니다.

저는 향후 몇 년 안에 일자리가 완전히 사라질 것이라고 생각하지 않습니다. 인간은 여전히 인간을 필요로 할 것입니다. 인간은 사회적 동물이며, 현재 인공지능을 신뢰하지 않습니다. 권위 있는 인증은 여전히 인간에게서 나와야 할 것입니다.

향후 몇 년 안에 인공지능 CEO를 볼 수도 있겠지만, 인공지능의 결정을 승인하는 데에는 여전히 인간 CEO가 필요할 가능성이 높습니다. 이러한 "인간의 승인"은 조직 구조 전반에 걸쳐 적용될 것입니다. 인간 관리자들이 인공지능 에이전트 그룹을 감독하게 될 것입니다.

하지만 채용 방식은 바뀔 것입니다. CEO들이 당신에게 지시를 내리기보다는 인공지능에게 지시를 내리는 경우가 더 많아진다면, 당신의 채용 가능성은 낮아지고 기본적인 코딩 일자리는 점점 더 찾기 어려워질 것입니다.

대체 불가능한 존재가 되려면 두 가지를 해야 합니다. 첫째, 시간적 측면에서 AI를 능가해야 합니다. 예를 들어 장기 전략 기획, 복잡한 의사 결정, 다년간의 주기 관리 등에서 말입니다. 둘째, 시스템적 측면에서 AI를 능가해야 합니다. AI는 아직 맥락에 대한 이해가 부족합니다. 많은 사실을 알고는 있지만, 복잡한 시스템의 연쇄 반응을 이해하는 데는 어려움을 겪습니다.

장기적인 안목으로 생각하고, 정보를 빠르게 습득하며, 장기적인 결정을 내리고, 팀워크 능력이 뛰어나다면 가까운 미래에도 일자리를 구할 수 있을 것입니다.

전환점이 오기 전에도 신호는 이미 분명히 존재합니다. 다만 대부분의 사람들은 그런 신호를 찾으려 하지 않거나, 보더라도 행동하지 않거나, 신호가 너무 강렬해질 때에야 비로소 반응할 뿐입니다. 하지만 그때쯤이면 이미 시장에 기회가 반영된 경우가 많습니다.

변화하는 상황을 외면하지 마세요. 불리한 위치에 머물러 있으면서 더 나은 시기를 기다리라고 스스로에게 말하지 마세요. 적절한 기회는 예고 없이 찾아오는 법이 없습니다. 모두가 그 사실을 깨달을 때쯤이면 기회의 창은 이미 닫혀버린 경우가 많습니다.

나는 그 신호를 보고 내기를 걸었다. 이제 나는 그 내기의 결과, 좋든 나쁘든 간에 그 결과를 받아들이고 살아가고 있다.