존 크리슨, 엘라드 길, 그리고 피차이
저자: Su Yang , Tencent Technology
쉬칭양(Xu Qingyang) 편집자
최근 구글 CEO 순다르 피차이는 취임 10주년을 맞아 결제 대기업 스트라이프의 공동 창업자 존 콜리슨과 기술 분야 엔젤 투자자 엘라드 길과 인터뷰를 진행했다.
이번 인터뷰에서 피차이는 구글이 AI 열풍 속에서 수동적인 위치에서 선도적인 위치로 도약하기까지의 여정을 되짚어보았다. 그는 특히 구글 직원들이 "불만족스럽다"고 여기는 역사적 시점, 즉 구글에서 개발된 트랜스포머 아키텍처가 결국 오픈AI의 ChatGPT의 기반이 되어 검색 산업에 혁신적인 영향을 미친 핵심 요소가 된 과정을 직접적으로 언급했다 .
그는 이에 대해 "약간의 오해"가 있었다고 인정했습니다. 트랜스포머는 처음부터 이론적인 연구가 아니라 번역 품질 문제를 해결하기 위해 개발되었다고 설명했습니다 . 출시가 늦어진 이유 중 하나는 구글이 검색 품질에 대한 "더 높은 기준"을 가지고 있었고, 초기 내부 버전은 "너무 문제가 많아" 공개할 수 없었기 때문이라고 덧붙였 습니다.
현재 진행 중인 AI 경쟁에 대해 피차이는 시장이 제로섬 게임과는 거리가 멀다고 믿으며 "가치 성장 곡선이 매우 가파르다"고 말했습니다. 그는 또한 매주 최소 한 시간을 할애하여 컴퓨팅 파워 할당을 직접 승인한다고 밝히며 "지금 가장 중요한 일"이라고 강조했습니다.
피차이에 따르면, 구글의 핵심 경쟁력은 7세대 TPU부터 모델 및 애플리케이션에 이르기까지 모든 것을 아우르는 풀스택 수직 통합이며 , 그는 2026년까지 자본 지출이 1,750억 달러에서 1,850억 달러에 이를 것이라고 밝혔습니다.
자원 병목 현상과 관련하여 그는 웨이퍼 생산 능력이 "근본적인 제약"이라고 생각하며 2026년은 "공급 감소의 해"가 될 것이라고 경고했습니다. 그러나 미국은 "물리적 인프라를 10배 빠른 속도로 구축하는 법"을 배워야 합니다.
그는 또한 구글이 우주 데이터 센터를 검토 중이라고 확인하면서, "이는 2010년의 웨이모와 같은 것"이라며, 아직은 먼 미래의 일처럼 보이지만 이미 소규모 팀과 적은 예산으로 시작 중이라고 밝혔습니다.
피차이는 검색 기능이 사라지지 않고 "AI 에이전트 관리자"로 진화할 것이라고 확신합니다. 사용자는 명령만 내리면 AI 에이전트가 작업을 완료할 수 있다는 것입니다. 그는 더 나아가 2027년까지 구글 내 사업 예측이 인간의 개입 없이 AI에 의해 완전히 자동화될 것이라고 대담하게 예측했습니다.
다음은 피차이의 인터뷰를 요약한 내용입니다.
01. "우리가 느린 게 아니라, 진입 장벽이 높을 뿐입니다."
Q: 사람들은 항상 그 역사적 배경을 언급합니다. 트랜스포머는 구글에서 발명되었지만, 결국 ChatGPT의 초석이 되었죠. 지금 그 당시를 어떻게 생각하시나요?
피차이: 사실 이건 좀 오해입니다. 트랜스포머가 갑자기 나타난 게 아닙니다. 당시 우리에게는 번역 성능을 향상시켜야 한다는 절실한 필요성이 있었습니다. TPU도 마찬가지입니다. 음성 인식 기술은 이미 존재했지만, 문제는 20억 명의 사용자를 만족시켜야 했는데 기존 칩으로는 도저히 감당할 수 없었다는 점입니다. 우선 추론 효율성 문제를 해결해야 했습니다.
Q: 그렇다면 트랜스포머는 처음부터 제품 개발을 염두에 두고 설계된 것인가요?
피차이: 네, 저희 연구팀은 처음부터 실제 문제를 해결하는 데 집중했습니다. 트랜스포머가 출시되자마자 바로 검색에 적용했죠. 이후 BERT(Bidirectional Encoder Representation)와 MUM(Multi-Task Unified Model)을 개발했는데, 그 덕분에 당시 검색 품질이 크게 향상되었습니다. 사실 저희는 내부적으로 LaMDA(Conversational Language Model)라는 유사한 제품을 개발했지만, 시장에 먼저 출시한 것은 아니었습니다.
Q: 다시 말해서, 연구를 하고 결과를 확인했지만, 그 결과를 모든 문제 해결에 활용하지는 않았다는 말씀이시죠?
피차이: 그게 다가 아닙니다. 사실 저희는 ChatGPT의 제품 형태를 내부적으로 연구하기도 했습니다. 바로 LaMDA였죠. 기억하시나요? 당시 한 엔지니어가 LaMDA가 의식을 갖게 되었다고 생각했었는데 (그 때문에 나중에 정직 처분을 받고 해고당했죠. 하하). 그게 바로 ChatGPT의 초기 프로토타입이었습니다. 오랫동안 내부적으로 제품 버전을 만들어 사용했지만, 실제 출시는 ChatGPT보다 약 9개월 정도 늦었습니다.
사실 저희는 2022년 I/O 컨퍼런스에서 LaMDA를 실행하는 AI 테스트 키친을 출시했습니다. 하지만 당시 버전은 RLHF(인간 피드백 기반 강화 학습)를 거치지 않았고, 그 내용이 상당히 "부정적"이라고 여겨져서 직접 공개하지 못하고 여러 가지 제약을 두었습니다.
게다가 구글은 항상 검색 품질에 대해 매우 높은 기준을 유지해 왔으며, 제품 출시 장벽은 훨씬 더 높았습니다. 오픈아이얼이 챗GPT를 출시했을 당시에도 마이크로소프트와의 협력은 얼마 전에야 최종 확정된 상태였습니다. 따라서 돌이켜보면 챗GPT의 성공은 결코 "자연스러운" 것이나 "보장된" 것이 아니었습니다.
제 생각에 OpenAI는 운이 좋았습니다. 그들은 GitHub를 통해 프로그래밍 분야에서 기회를 가장 먼저 포착했으니까요. 우리는 당시 그 신호를 놓쳤을지도 모릅니다.
프로그래밍에서 모델 기능의 발전은 순수 언어 시나리오보다 훨씬 더 중요합니다. GPT-2에서 GPT-3, 그리고 GPT-4로의 발전은 이러한 도구를 사용한 코딩의 도약이 일상적인 대화보다 훨씬 더 뚜렷한 개선을 가져왔습니다. 이러한 요인들이 복합적으로 작용하여 현재의 상황을 만들어냈습니다. 따라서 저는 이것이 "연구가 제품으로 이어지지 못하는" 문제라기보다는 다른 여러 요인들이 복합적으로 작용한 결과라고 생각합니다.
Q: ChatGPT가 추수감사절 주간에 아주 조용히 출시되었고, 아무도 그렇게 될 거라고 예상하지 못했다는 말을 들었던 게 기억나요. 그저 흥미로운 실험이었을 뿐이라고요.
피차이: 소비자 인터넷에서는 흔히 있는 일이죠. 항상 예상치 못한 일들이 벌어지니까요. 저희가 구글에 있을 때 구글 비디오 검색을 만들었는데, 그 후에 유튜브가 등장했죠. 페이스북도 마찬가지예요. 인스타그램이 갑자기 나타났잖아요. 누구도 이런 것들을 보고 "내 세상이 곧 뒤바뀔 거야"라고 극적인 반응을 보이지는 않아요. 페이스북은 그냥 인스타그램을 인수하는 전략을 썼죠.
제 말은, 항상 서너 명씩 모여 앉아 프로토타입을 만들면서 매일 수많은 아이디어를 쏟아낸다는 겁니다. 누구를 폄하하려는 건 아니지만, 이런 일은 어쩔 수 없이 일어나는 거죠. 차고에서 뚝딱 차세대 아이폰을 만들 수는 없잖아요. 하지만 소비자 인터넷은 원래 그런 식으로 돌아갑니다. 중요한 건 이런 현실을 인지하고 조직의 DNA에 깊이 새겨 넣는 겁니다.
02. 검색은 사라지지 않을 것이다.
Q: 구글은 예전부터 빠른 속도로 유명했습니다. 초기 검색 엔진은 결과 페이지에 응답 시간을 표시했고, Gmail과 Chrome은 경쟁사보다 훨씬 빨랐습니다. 현재 Gemini는 TPU에서 구동되는데도 여전히 놀라울 정도로 빠릅니다. 이는 의도적인 제품 전략인가요, 아니면 더 복잡한 이유가 있는 건가요?
피차이: 속도에는 실제로 두 가지 유형이 있습니다. 하나는 반응 속도로, 사용자가 얼마나 빨리 인지하는지를 나타냅니다. 다른 하나는 반복 속도로, 새로운 기능을 출시하고 제품을 개선하는 속도를 나타냅니다. 둘 다 중요합니다.
방금 지연 시간에 대해 질문하셨는데요. 핵심 과제는 빠른 응답 속도를 유지하면서 지속적으로 새로운 기능을 추가하는 것입니다. 검색 팀은 현재 밀리초 단위의 지연 시간 예산을 가지고 있습니다. 예를 들어 3밀리초를 절약했다면, 그중 1.5밀리초는 사용자 경험 개선에 할애해야 하고, 나머지 1.5밀리초만 절약된 시간으로 계산됩니다.
질문: 인간은 수백 밀리초 정도의 지연만 인지할 수 있는 거죠?
피차이: 맞습니다. 하지만 지난 5년 동안 여러 기능을 추가하는 동시에 검색 지연 시간을 30% 줄였습니다. 제미니도 마찬가지입니다. 플래시 모델은 프로 모델의 90% 성능을 갖추고 있지만 훨씬 빠르고 저렴합니다. 수직적 통합이 이러한 성과에 중요한 역할을 했습니다.
Q: 10년 후에도 검색 기능이 여전히 존재할 거라고 생각하시나요? 어떤 사람들은 채팅이 새로운 인터페이스가 될 거라고 하고, 또 어떤 사람들은 미래에는 누구나 자신만의 AI 에이전트를 갖게 되어 직접 검색하지 않고도 명령을 내려 작업을 수행할 수 있을 거라고 합니다.
피차이: 기술 혁명이 일어날 때마다 검색 기능은 더욱 발전할 수 있습니다. 사용자 기대치가 변하고, 그에 맞춰 변화해야 합니다. 미래에는 많은 "검색" 작업이 에이전트 기반으로 이루어질 것입니다. 사용자가 작업을 입력하면 AI 에이전트가 이를 완료하는 방식이죠. 검색 자체가 AI 에이전트 관리자가 될 것입니다. 저는 현재 안티그래비티(Antigravity)를 사용하고 있는데, 이미 여러 AI 에이전트가 작업을 수행하고 있습니다.
질문: 키워드를 입력하면 여러 링크가 표시되는 형식은 계속 유지될까요?
피차이: 현재 검색 AI 패러다임에서는 이미 일부 사람들이 심층적인 연구를 진행하고 있는데, 이는 말씀하신 것과는 다소 차이가 있지만 어쨌든 사람들은 이를 활용하고 있습니다. 앞으로는 시간이 오래 걸리는 작업들이 점점 더 많아질 것이고, 이러한 작업들은 비동기적으로 처리될 수 있을 것입니다.
질문: 방금 검색 기능이 지능형 에이전트 관리자로 발전할 거라고 말씀하셨는데요. 10년 후에도 검색창은 여전히 남아있겠지만, 사람들은 더 이상 신경 쓰지 않게 될까요?
피차이: 기기 폼팩터도 변할 것이고, 입출력 방식도 변할 것입니다. 하지만 솔직히 말해서, 10년 후를 생각하면 머리가 멍해집니다. 다행히도 우리는 당장 다음 해를 바라보는 것만으로도 충분히 흥미로운 시대에 살고 있습니다. 변화의 속도가 워낙 빨라서 1년 후에는 모델이 완전히 달라질 것입니다. 그 변화의 흐름을 따라가는 것만으로도 충분히 즐겁습니다.
게다가 많은 사람들이 지금이 제로섬 게임이 아니라 확장의 시대라는 사실을 깨닫지 못합니다. 유튜브, 틱톡, 인스타그램을 보세요. 모두 성장했고, 우리는 여전히 잘 지내고 있습니다. 다른 사람의 성공이 곧 나의 몰락을 의미한다고 생각할수록, 그것은 더욱 진정한 제로섬 게임이 되어갑니다. 하지만 스스로 혁신을 거듭한다면, 그런 일은 일어나지 않을 겁니다.
저희는 현재 검색 기능과 제미니 기능을 모두 개발 중이며, 두 기능은 일부 겹치지만 점차 분리될 것입니다. 두 기능을 모두 보유하는 것이 유익하다고 생각합니다.
Q: 2025년 봄과 여름, 시장은 구글의 미래에 대해 극도로 비관적이었습니다. 모두가 검색은 끝났고 주가는 150달러까지 떨어질 거라고 말했죠. 지금 돌이켜보면, 그건 명백한 오해였습니다. 구글은 애플리케이션, 모델, TPU, 웨이모, 유튜브 등 모든 기술 분야에서 탁월한 성과를 보여줬습니다. 당시 투자자들이 무엇을 잘못 판단했다고 생각하시나요?
피차이: 당시 모든 사람의 관심은 이른바 '오픈AI의 부활', 즉 '반전'에 집중되어 있었습니다. 하지만 저는 그 순간이야말로 구글이 바로 이 순간을 위해 탄생했다는 느낌을 받았습니다. 이러한 수직적 통합은 우연이나 임의적인 것이 아니었습니다. 2016년 I/O 컨퍼런스에서 TPU를 발표하며 AI 데이터 센터 구축을 약속했고, 이제 7세대까지 발전했습니다. 그 해에 회사는 'AI 우선'이라는 방향을 설정했는데, 이는 단순한 슬로건 이상의 의미를 지닙니다.
최첨단 빅데이터 모델 측면에서는 다소 뒤처져 있지만, 내부적으로 필요한 역량은 모두 갖추고 있습니다. 이제 남은 건 실행력입니다. 제가 가장 기대하는 점은 풀스택 관점에서 연구팀, 인프라팀, 다양한 비즈니스 플랫폼을 보유하고 있다는 것입니다. AI는 검색, 유튜브, 클라우드, 웨이모 등 모든 사업 부문을 동시에 가속화할 수 있습니다. 모두 같은 성장 곡선 위에 있는 셈이죠. 이는 매우 효율적인 시너지 효과를 낼 수 있는 기회입니다.
당시에는 그걸 제로섬 게임으로 보지 않았어요. 모든 게 열 배로 성장할 거고, 다른 사람들이 들어올 자리도 충분히 있을 거라고 생각했죠. 구글이 성공한 후에 아마존과 페이스북도 잘 되지 않았나요? 우리는 항상 성장 잠재력을 과소평가하는 경향이 있어요. 그래서 제 목표는 간단했습니다. 더 잘 실행하는 것.
Q: 사람들이 "구글이 드디어 돌아왔다"라고 느끼게 된 결정적인 순간이 있었나요? 제미니 3호 발사였나요?
피차이: 사람들은 제미니 2.5에서 이러한 추세를 본격적으로 알아차리기 시작했습니다. 특히 최첨단 멀티모달 기능이 눈에 띄었죠. 이는 구글 딥마인드 팀 덕분입니다. 저희는 처음부터 멀티모달 기능에 많은 고정 비용을 투자했고, 제미니는 처음부터 이를 염두에 두고 설계되었습니다. 제미니 2.5에서 그 장점이 드러나기 시작했습니다. 예를 들어 나노 바나나를 보면 모든 것을 통합했을 때의 효과를 확인할 수 있습니다.
하지만 이 분야는 변화 속도가 너무 빠릅니다. 두세 개의 선두 연구실이 서로를 자극하며 발전을 거듭하는데, 이번 달에는 "우리가 이 분야에서 앞서나가고 있구나"라고 생각하지만, 다음 달에는 "아, 우리가 뒤처졌네"라고 생각하게 됩니다. 몇 달 후에는 상황이 완전히 달라질 수도 있습니다. 최첨단 분야의 경쟁이 그만큼 치열하다는 뜻입니다.
03. 인공 일반 지능(AGI) 연구에 연간 1,800억 달러 지출
Q: 일부 외부 연구원들은 구글이 다른 주요 연구소들과 달리 인공 일반 지능(AGI)에 "집착"하지 않는다고 생각합니다. 다시 말해, 구글은 AGI가 당장 실현될 것이라고 믿지도 않고, 그렇다고 해서 그 방향으로 성급하게 나아가지도 않는다는 것입니다. 이러한 관찰이 정확하다고 생각하십니까? 만약 그렇다면, 이는 향후 구글의 방향에 대한 당신의 판단에 영향을 미칠까요?
피차이: 우리의 자본 지출을 보세요. 300억 달러에서 1800억 달러로 늘어났습니다. 이 성장 곡선을 진심으로 믿지 않는다면 누가 이렇게 돈을 펑펑 쓰겠습니까?
제 생각에는 이는 주로 의미론적인 문제인 것 같습니다. 우리는 너무나 많은 사람들과 다양한 계층에 영향을 미치는 제품을 보유한 대기업이다 보니, 우리가 사용하는 용어가 다를 수 있습니다. 하지만 구글이 인공 일반 지능(AGI)을 이해하지 못한다는 말은 타당하지 않습니다. 창립자들 중 상당수가 AGI 애호가입니다. 데미스 하사비스, 제프 딘, 일리야 수츠케버, 다리오 아모데이 모두 과거 구글에서 근무했습니다.
외부인들이 우리의 견해 차이를 인식하는 이유는 샌프란시스코에 젊은 기업들과 연구소들이 밀집되어 있다는 지리적 요인 때문일 수도 있다고 생각합니다. 하지만 이는 표면적인 차이일 뿐입니다. 근본적으로 기술 발전 추세에 대한 우리의 평가나 인공지능에 대한 이해 및 적용 방식에는 차이가 없습니다.
진정한 차이는 변화를 직접 목격했는지 여부에 있습니다. 저희 회사에는 항상 최전선에서 AI 에이전트를 직접 배포하고 테스트하며, 에이전트가 새로운 기술을 습득하고 복잡한 작업을 단계적으로 처리하는 과정을 지켜보는 사람들이 있습니다. 3개월 전의 에이전트 역량과 비교해 보면, 기하급수적인 성장의 영향을 확연히 느낄 수 있습니다.
질문: 궁금한데요, 언제쯤 인공 일반 지능(AGI)에 대한 흥미를 느끼셨나요?
피차이: 그런 느낌을 처음 받은 건 2012년이었어요. 당시 딘은 고양이를 인식하는 신경망인 구글 브레인의 초기 버전을 선보였죠. 그 후 래리 페이지와 저는 DARPA 챌린지에 가서 자율주행차를 봤습니다. 데미스는 우리가 '상상력'이라고 부르는 것을 보여주는 초기 모델을 시연했죠.
이와 같은 순간들은 많습니다. 가장 최근의 대표적인 예는 프로그래밍의 급속한 발전입니다. 프로그래밍 에이전트에게 복잡한 작업을 맡기면, IDE(통합 개발 환경)를 열지 않고도 관리자 화면 내에서 에이전트가 작업을 완료하는 모습을 지켜볼 수 있습니다. 이러한 순간을 인공 일반 지능(AGI)의 순간이라고 부를 수 있을 것입니다.
Q: 얼마 전 작은 프로젝트를 진행했는데, 실행이 시작된 후 어떤 프로그래밍 언어를 사용하는지조차 모른다는 사실을 깨달았습니다. 그래서 프로젝트 관리자에게 물어봐야 했죠. 마치 마법 같았습니다.
피차이: 맞습니다. 곡선의 기울기(개선 속도)가 정말 놀랍습니다. 3개월 후에 돌아보시면 얼마나 많은 진전이 이루어졌는지 알 수 있을 겁니다.
Q: 이런 실무 경험에 대해 말씀드리자면, 제품과의 진정한 연결고리를 어떻게 유지하시는지 궁금합니다. 기술 제품은 너무 추상적이어서 보고서나 파워포인트 프레젠테이션만으로는 부족하잖아요. Gmail 사용 같은 일상적인 활동 외에, 어떻게 사용자와 동떨어지지 않도록 노력하시나요?
피차이: 저는 내부용 버전을 사용하는데, 특히 집중적으로 사용할 시간을 따로 정해둡니다. 2주 전에는 헬스장에서 운동을 하면서 휴대폰에 Gemini Live를 켜놓고 30분 동안 한 가지 주제에만 몰두했습니다. 좋은 경험도 있었고, 답답한 경험도 있었지만, 결국 뭔가를 배우게 되죠. 저는 스스로를 '슈퍼 유저'처럼 사용하려고 노력합니다. 몰입도를 유지하기 위해 '슈퍼 유저' 모드로 사용하는 거죠. 트위터(X)도 도움이 되는데, 때로는 가장 직접적인 피드백을 받을 수 있기 때문입니다.
게다가 이제는 Antigravity(내부 버전)에 바로 접속해서 AI에게 "이 기능을 출시했는데 어떻게 생각하세요? 최악의 댓글 5개와 최고의 댓글 5개를 알려주세요."라고 물어봅니다. 그러면 AI가 바로 댓글들을 보여줍니다. 제 삶이 더 편해졌냐고요? 물론이죠.
예전에는 제가 직접 여러 가지를 이해하려고 많은 시간을 들여야 했지만, 이제는 AI 에이전트가 그 역할을 대신해 줍니다. 물론, 여전히 제가 스스로 알아내야 할 부분도 있습니다. 학습 과정이니까요. 저도 이러한 미래에 적응하려고 노력하고 있습니다.
질문: 방금 이것이 제로섬 게임이 아니며 생산성 향상이 실제로 존재한다고 말씀하셨습니다. 하지만 과거 기술 발전 주기, 즉 인터넷, 모바일, SaaS를 되돌아보면 GDP에 영향을 미치는 데 오랜 시간이 걸렸습니다. AI의 경우, 데이터 센터 건설이 이미 GDP 성장을 견인하고 있습니다. 향후 3~5년 동안 미국 경제가 AI로 인해 상당히 더 성장할 것이라고 생각하십니까? 얼마나 성장할 것으로 예상하십니까?
피차이: 이러한 수익이 의미를 가지려면 어딘가에 반영되어야 합니다. 세쿼이아의 누군가가 쓴 글에서 모두가 막대한 돈을 투자했으니 그에 걸맞은 수익이 나와야 한다고 했던 게 기억납니다.
물론, 그건 2년 반 전 이야기입니다. 당시에는 수익률이 일정 수준에 도달해야 합리적이라고 여겨질 수 있기 때문에 투자가 타당하지 않다는 의견이 있었습니다. 하지만 지금은 투자 규모가 10배 이상 증가했을 수도 있으므로, 이러한 수치를 재검토해야 합니다. 결국에는 숫자가 맞아떨어져야 할 것입니다. 현재 공급 부족 현상이 나타나고 있으며, 모든 응용 분야에서 컴퓨팅 파워에 대한 강력한 수요가 발생하고 있다는 것은 매우 분명합니다.
Q: 이 시장이 엄청나게 크다는 점에는 의심의 여지가 없습니다. 문제는 많은 사람들이 계산을 잘못하고 있다는 것입니다. 예를 들어, 토큰 예산을 엔지니어 연봉과 비교하는 경우가 있습니다. 제 생각에는 소프트웨어 엔지니어링 시장은 사람들이 생각하는 것보다 훨씬 더 큽니다. 공급이 늘어나면 시장 규모는 실제로 10배로 커질 수 있습니다. 자본 지출과 수익률의 관계에 대해 의문을 제기하는 것이 아니라, 실제로 얼마나 성장할 수 있을지 궁금합니다.
피차이: 인터넷의 발전을 되돌아보면, GDP 성장률 수치만으로는 우리가 겪어온 변화를 온전히 반영할 수 없습니다. 인터넷이 없었다면 GDP 성장률은 마이너스를 기록했을지도 모릅니다. 정확한 예측은 어렵습니다. 사회 모든 계층에는 자연스러운 제약 요인이 존재하기 때문입니다.
가장 명확한 예는 컴퓨팅 성능 향상 곡선과 모델 개선 곡선 사이의 극명한 차이입니다. 전자가 훨씬 더디게 진행됩니다. 그다음에는 기술을 사회에 어떻게 보급할지 고려해야 합니다. 웨이모(Waymo)가 좋은 예입니다. 웨이모는 인간 운전자보다 안전하지만, 기술을 얼마나 빨리 보급할지에 대해서는 여전히 신중해야 합니다. 모든 단계에는 한계가 존재합니다. 미국 경제는 10년 전보다 훨씬 커졌기 때문에 성장률이 0.5%포인트만 증가해도 엄청난 기여를 할 수 있습니다. 저는 그 방향으로 나아갈 것이라고 생각합니다.
04. 공급망 경고: 메모리, 전기 장비
질문: 공급 제약에 대해 언급하셨는데, 이는 2026년의 주요 특징 중 하나입니다. 구글의 자본 지출이 약 1,800억 달러라고 하셨는데, 맞습니까?
피차이: 1,750억 달러에서 1,850억 달러 사이.
Q: 흥미롭게도 구글이 4천억 달러를 투자하고 싶었더라도 메모리, 전력, 그리고 여러 가지 부품이 부족해서 그렇게 할 수 없었다고 합니다. 이러한 병목 현상에 대해 설명해 주시겠습니까?
피차이: 필요한 전기 기술자조차 찾기 힘들잖아요.
질문: 병목 현상은 무엇인가요?
피차이: 궁극적으로는 웨이퍼 생산 능력이 가장 큰 제약 조건입니다. 전력과 에너지는 비교적 해결하기 쉽지만, 인허가와 규제 환경이 큰 걸림돌이 되어 진행을 늦춥니다.
질문: 텍사스, 네바다, 몬태나 등 여러 주에는 땅이 많지만, 그래도 부족한가요?
피차이: 우리는 엄청난 진전을 이루고 있지만, 미국은 건설 속도를 높이는 방법을 배워야 합니다. 중국의 건설 속도를 보십시오. 놀라울 정도입니다. 우리는 사고방식을 바꿔 물리적 건설 속도를 10배로 높이는 방법을 고민해야 합니다. 이것이 진정한 제약이 될 것입니다. 그리고 저항은 더욱 커질 것이며, 몇몇 사람이 "건설 속도를 높여야 한다"고 말한다고 해결될 문제는 아닙니다.
Q: 데이터센터 폐쇄 명령과 같은 문제도 있습니다.
피차이: 웨이퍼 생산 능력, 승인 절차, 그리고 생산 속도 모두 병목 현상입니다. 정부는 많은 노력을 기울였고, 모두가 개선의 필요성을 인식하고 있습니다. 그리고 공급망의 핵심 부품들, 특히 메모리 칩이 대표적인 예입니다. 단기적으로는 모두가 이 문제에 발목 잡혀 있습니다.
기업을 운영하는 우리 모두는 인공 일반 지능(AGI)에 아무리 "집착"하더라도 현실을 직시해야 합니다. 바로 판단이 100% 정확할 수는 없다는 것입니다. 항상 오차 범위가 존재합니다. 미래 개발에 대해 얼마나 낙관적이어야 하는지, 그리고 외부 요인이 언제든 변할 수 있기 때문에 어느 정도의 이윤을 감당할 수 있는지 정확히 파악해야 합니다. 모든 기업은 이러한 불확실성을 바탕으로 끊임없이 조정하고 있습니다.
Q: 그렇다면 메모리가 가장 큰 병목 현상 요소라고 생각하시는 건가요?
피차이: 현재 가장 중요한 인물 중 한 명임은 틀림없습니다.
질문: 단기적인 현상이라고 하셨는데, 시장이 가격을 인상하여 공급을 촉진할까요?
피차이: 주요 메모리 제조업체들이 생산량을 크게 늘릴 가능성은 낮습니다. 단기적인 제약은 존재하겠지만 점차 완화될 것입니다. 더욱이 이러한 제약은 혁신을 촉진할 것이며, 우리는 효율성을 30배 향상시킬 것입니다. 이러한 일들은 동시에 일어나고 있습니다.
질문: 이렇게 하면 과점 구조가 강화되지 않을까요? 모델이 자체적으로 개선되고, 코드를 직접 작성하고, 데이터에 라벨을 붙이는 상황에서 컴퓨팅 파워는 마치 의자뺏기 게임과 같습니다. 컴퓨팅 파워가 더 많은 기업이 더 앞서 나갈 수 있죠. 하지만 모든 기업의 컴퓨팅 파워가 비례적으로 분배된다면, 사실상 모두에게 상한선이 설정되는 셈입니다. 이 주장이 맞다고 생각하시나요?
피차이: 일리가 있네요. 하지만 저희는 방금 젬마 4를 출시했는데, 아주 훌륭한 오픈소스 모델입니다. 중국 모델도 훌륭하지만, 중국 밖에서도 아주 좋은 오픈소스 모델이라고 생각합니다. 젬마 4의 최첨단 기술 수준은 제미니 3의 아키텍처와는 상당히 다르지만, 출시 시기는 그렇게 오래 차이 나지 않습니다. 스페이스X 로켓처럼 거대한 규모는 아니니까요.
Q: 저는 항상 놀라웠어요. 몇 달 동안 데이터 센터를 운영하는데, 결국 남는 건 워드 문서 같은 평범한 파일 하나뿐이잖아요. 그게 바로 모델이죠. 정말 대단해요!
피차이: 이 상황의 특수성 때문에 저는 그러한 틀에 이의를 제기하고 싶습니다. 적어도 논리적인 관점에서는 당신 말이 맞습니다. 하지만 모두가 자본의 힘을 이용해 이러한 한계를 뛰어넘으려 하고 있으며, 그럴 동기는 엄청납니다.
Q: 하지만 방금 말씀하신 것처럼 세상의 기억 용량에는 한계가 있습니다. 2026년과 2027년의 공급 문제는 자본 인센티브만으로는 해결할 수 없습니다. 바로 이 시점에서 모델 간의 차이가 더욱 커지기 시작할 수도 있습니다.
피차이: 네, 하지만 웨이퍼 생산 능력이나 승인 문제 같은 요소들을 함께 고려해야 합니다. 전반적으로 보면, 제약 조건들이 생각만큼 심각하지 않을 수도 있습니다. 자본을 포함한 모든 것을 고려해야 합니다.
Q: 논리적으로 생각하면 모두가 더 많은 투자를 할 의향이 있어야 하지만, 우리는 2026년과 2027년에 실질적인 병목 현상에 직면하게 될 것입니다. 마치 호르무즈 해협과 같습니다. 유가를 아무리 높게 설정해도 하루 2천만 배럴의 공급을 줄이면 수요도 2천만 배럴만큼 줄여야 합니다. 메모리 칩도 마찬가지입니다. 결국에는 일부 기업은 기회를 놓치게 될 것입니다.
피차이: 물론 보안과 같은 다른 제약 사항도 있습니다. 하지만 핵심은 이러한 모델들이 곧 기존 소프트웨어의 한계를 뛰어넘을 것이라는 점입니다. 어쩌면 이미 뛰어넘었는데 우리가 깨닫지 못하고 있는지도 모릅니다.
Q: 그러니까 공급 제약 때문에 오히려 최적화하고 효율성을 높여야 한다는 거군요.
피차이: 네, 그런 상황은 필요한 대화를 촉발합니다. 예를 들어 안보 문제를 보면, 더 많은 협력이 필요하지만 현재의 협력 수준으로는 턱없이 부족합니다. 언젠가는, 어쩌면 아주 갑자기, 상황이 나아질 겁니다. 이런 문제들이 저절로 사라지기를 기대할 수는 없습니다.
05. 세 가지 "숨겨진 보석"
Q: 그러고 보니 구글의 투자 포트폴리오는 정말 인상적이네요. SpaceX에도 투자하셨던 걸로 기억하는데, 예전에 10% 정도 지분을 보유하셨던 것 같고, Anthropic에도 10% 정도 투자하셨죠. Waymo는 대주주이고요. 내부적으로 TPU나 양자 컴퓨팅, 또는 사람들이 잘 모르거나 과소평가하는 다른 "숨겨진 보석" 같은 투자 분야가 있나요?
피차이: 저희는 다양한 장기 프로젝트를 진행해 왔는데, 처음 발표했을 때는 다소 주변적인 프로젝트조차도 약간 황당하게 느껴졌습니다. 예를 들어 우주 데이터 센터 같은 경우는 현재 초기 단계에 불과합니다. 방금 말씀하신 것처럼 제약이 창의성을 자극한다는 점이 바로 핵심입니다.
20년 후의 관점에서 볼 때, 이러한 데이터 센터를 어디에 구축할 계획이신가요? 어려운 질문이지만, 2010년 웨이모를 시작했을 때와 마찬가지로 지금도 저희가 고민하고 있는 부분입니다. 양자 컴퓨팅도 그중 하나이며, 저희는 꾸준히 이 분야를 발전시켜 나가고 있습니다. 저는 양자 컴퓨팅에 대해 매우 기대하고 있습니다.
Q: 양자 컴퓨팅이 가장 큰 영향을 미칠 분야는 어디라고 생각하시나요? 주로 분자 모델링과 암호학에 대한 이야기가 나오지만, 양자 컴퓨팅 공격에 견딜 수 있는 새로운 암호화 기술인 양자 내성 암호화 기술 개발도 활발히 진행되고 있고, 분자 모델링 분야에서는 딥러닝이 이미 상당히 발전된 상태입니다. 알파폴드(AlphaFold)가 그 예죠. 양자 컴퓨팅이 정말 그렇게 중요해질까요? 만약 그렇다면, 어떤 분야에 가장 큰 영향을 미칠까요?
피차이: 추상적인 차원에서 볼 때, 양자 컴퓨터는 자연을 시뮬레이션하는 데 더 적합하다고 생각합니다. 자연 자체가 양자 역학의 법칙을 따르기 때문에 양자 시스템으로 자연을 시뮬레이션하는 것이 더 직접적이고 효율적일 것입니다. 물론, 충분한 압축 알고리즘을 갖춘 기존 컴퓨터도 이론적으로는 같은 결과를 얻을 수 있겠지만, 직관적으로 양자 컴퓨터가 더 유리하다고 느낍니다.
예를 들어, 우리는 비료 생산의 "하버 공정"을 아직 완전히 이해하지 못하고 있으며, 복잡한 자연 현상도 많습니다. 제 생각에는 양자 컴퓨팅이 궁극적으로 날씨 시뮬레이션이나 현실 시뮬레이션과 같은 분야에서 우위를 점하게 될 것 같습니다.
기술 역사는 우리에게 한 가지 교훈을 줍니다. 일단 유용한 것을 만들면 사람들은 상상도 못 했던 온갖 용도로 그것을 활용하게 된다는 것입니다. 저는 이 예를 자주 듭니다. 휴대전화에 GPS 기능을 추가한 것이 우버의 성공으로 이어졌습니다. 당시 휴대전화를 만들던 누구도 그런 결과를 예상하지 못했습니다. 마찬가지로 양자 컴퓨터가 실제로 개발된다면 그 활용 분야는 모두의 상상을 훨씬 뛰어넘을 것이라고 생각합니다.
질문: 죄송하지만 잠시 말씀 좀 드려도 될까요? 방금 언급하신 최첨단 프로젝트에 대해 계속 말씀해 주시겠습니까?
피차이: 구글 딥마인드 팀은 로봇 공학 분야에 깊이 관여하고 있습니다. 구글은 사실 로봇 공학에 꽤 일찍 발을 들였지만, 당시에는 너무 일렀습니다. 지금 돌이켜보면, 인공지능은 그 당시 퍼즐의 빠진 조각이었습니다. 제미니 로보틱스의 모델은 이미 공간 추론 분야에서 최고 수준입니다. 흥미롭게도, 우리는 현재 보스턴 다이내믹스, 애자일과 같은 회사들과 협력하여 로봇 공학을 함께 발전시켜 나가고 있습니다.
그리고 드론 배송 서비스인 윙(Wing)이 있습니다. 저희는 사업을 확장하고 있으며, 곧 4천만 명의 미국인이 윙의 서비스를 이용할 수 있게 될 것입니다. 이는 몇 년 후의 일이 아니라 아주 가까운 시일 내에 실현될 것입니다. 이러한 장기적인 프로젝트는 조금씩 차근차근 구축되어 가는 것입니다.
동형(Isomorphic)이라는 것도 있습니다.
Q: 동형성은 정말 흥미롭네요.
피차이: 네, 저희는 신약 개발의 모든 측면을 개선하기 위해 모델을 활용하는 데 집중하고 있습니다. 3상 임상시험과 같은 절차가 아직 남아 있지만, AI의 도움으로 성공 가능성에 대한 확신이 더욱 커졌습니다.
06. 웨이모에 더 일찍 투자하지 않은 것을 후회합니다
Q: 구글은 자본을 정확히 어떻게 배분하나요? 교과서에서는 자본 배분이란 수익률이 가장 높은 곳에 투자하는 것이라고 합니다. 보잉이 대표적인 예인데, 방산 계약의 내부 수익률(IRR)은 16%인 반면 신형 여객기 사업은 19%입니다. 당연히 후자를 선택하겠죠. 하지만 구글의 프로젝트는 그런 식으로 계산할 수 없습니다. 유튜브에 더 많은 투자를 하면 알고리즘이 최적화되고 사용자 참여도가 높아져 매출이 증가합니다. 웨이모에 더 많은 투자를 하면 확장이 가속화되지만, 대규모로 수익을 낼 수 있는 시점은 불확실합니다. AI 연구 프로젝트에 투자해도 5년 후에도 결과가 나타나지 않을 수 있습니다. 이 세 프로젝트의 수익률 곡선은 완전히 다른데, 어떻게 비교할 수 있을까요?
피차이: 좋은 질문입니다. 아이러니하게도 TPU 할당 문제 때문에 이전보다 이 문제를 더 자주 접하게 되었습니다. 웨이모조차도 어느 정도는 TPU가 필요하기 때문에 컴퓨팅 성능이 자본 배분에서 특히 중요한 요소가 되었습니다.
덧붙여 말하자면, 저는 AI가 이 일을 도와주는 것을 정말 기대하고 있습니다. 모든 데이터를 통합하고 나면 모델은 이미 충분한 능력을 갖추게 될 것이고, 현재의 병목 현상은 데이터 활용의 어려움입니다. 이 문제가 곧 해결될 거라고 생각합니다.
돌이켜보면 구글은 상당한 이점을 가지고 있었습니다. 바로 매우 초기 단계에서 의사 결정을 내리는 경우가 많다는 점입니다. 이는 주로 회사의 기술적 DNA 덕분입니다.
장기 프로젝트의 경우, 초기 자금 요구 사항이 높지 않기 때문에 초기 단계는 오히려 수월합니다. 진정한 과제는 지속적인 장기 투자와 기초 기술 발전의 지속적인 평가에 있습니다. 양자 컴퓨팅을 예로 들면, 투자를 계속할지 여부를 어떻게 결정할까요? 논리 큐비트의 오류율, 안정적인 대규모 논리 큐비트 구현의 임계점에 도달하는 시점, 그리고 연구팀이 이러한 기술적 난관을 극복할 수 있는지 여부를 살펴봅니다.
제가 배운 가장 중요한 교훈 중 하나는 기술에 대해 초기에 과감하게 투자해야 한다는 것입니다.
장기적으로 보면, 본질적으로 직관에 의존하여 5~10년 후 프로젝트의 옵션 가치와 잠재 시장 규모를 판단하는 것입니다. 먼저 매우 공격적인 성장 곡선을 가정하고, 그 가정을 바탕으로 역산하여 이러한 결정이 합리적인지 판단하는 것입니다.
저희는 TPU에 그렇게 투자해 왔습니다. 꾸준히 투자해 온 거죠. 웨이모도 마찬가지입니다. 약 2~3년 전, 전 세계적으로 자율주행에 대한 비관적인 전망이 지배적이었을 때, 저희는 오히려 투자를 늘렸습니다. 다른 회사들이 후퇴할 때, 저희는 더 큰 투자를 감행했습니다.
질문: 방금 자본 배분에 대해 말씀하신 내용으로 돌아가 보겠습니다. 구글은 프로젝트를 중단하기도 합니다. Loon(열기구 네트워크 프로젝트)은 중단되었지만, Waymo는 오랫동안 유지되었죠. 당시 어떤 점을 고려하셨나요? 질적인 판단이었나요, 아니면 양적인 판단이었나요? 어떤 프로젝트를 중단하고 어떤 프로젝트를 유지할지 어떻게 결정하셨나요?
피차이: 저희에게는 정량화할 수 있는 지표들이 있습니다. 예를 들어, 웨이모의 자율주행 시스템이 어떻게 안전성과 신뢰성을 향상시키고 있는지 살펴봅니다. 이는 장기적인 과정입니다. 목표를 설정하고 지속적으로 진행 상황을 추적하는 것이죠. 저희 팀은 꾸준히 뛰어난 성과를 보여왔습니다. 때로는 진행 속도가 더딜 때도 있었지만, 팀이 그러한 어려움을 극복할 수 있다는 믿음을 가져야 합니다. 기술적인 측면에서 심층적인 평가를 할수록 더 정확한 결정을 내릴 수 있습니다. 적어도 저는 그렇게 합니다.
Q: 웨이모는 초기에는 수작업으로 그린 지도와 경험적 규칙에 의존했기 때문에 처리할 수 있는 시나리오가 제한적이었다고 들었습니다. 웨이모의 진정한 도약은 몇 년 전 트랜스포머 열풍과 맞물려 엔드투엔드 딥러닝으로 전환하면서 이루어졌다고 하더군요. 만약 웨이모가 5년 전에 시작했다면 지금과 비슷한 상황이었을까요? 아니면 10년 넘게 축적해 온 경험이 정말 필수불가결했던 걸까요?
피차이: 웨이모를 로봇이라고 생각해 보세요. 논리적으로, 로봇 분야에 최근 3년 동안 뛰어든 사람들이 더 빠르게 발전해야 할 것입니다. 하지만 웨이모는 다릅니다. TSMC나 SpaceX처럼 한 가지 측면의 기술적 복잡성에만 집중하는 회사와는 달리, 웨이모는 고도로 통합된 시스템입니다. 이러한 시스템 통합에는 타이밍과 기술 축적이 매우 중요합니다. 그렇지만, 엔드투엔드 접근 방식은 확실히 속도를 높여줄 수 있습니다.
Q: 팀을 지속적으로 발전시키는 것 자체가 엄청난 이점이군요. 투자를 해오셨고, 기술이 상용화되면 그 모든 노력이 결실을 맺을 겁니다. 정말 현명한 전략입니다. 이 전략을 다른 분야로 확장할 계획은 있으신가요? 예를 들어 로봇 공학 분야에서는 하드웨어를 직접 개발하실 건가요, 아니면 주로 파트너사에 의존하실 건가요?
피차이: 우리는 열린 마음을 유지하고 있습니다. 하지만 웨이모와 TPU에서 배운 것이 있습니다. 보안 및 규제와 관련된 분야에서는 직접적인 제품 피드백이 필수적이라는 것입니다. 자사 하드웨어를 보유하는 것이 궁극적으로 매우 중요해질 것입니다.
07. 매주 컴퓨팅 성능을 직접 평가하고 할당합니다.
Q: 이전에는 연구 개발 지출의 대부분이 인건비에 집중되었고 기술 비용은 부차적인 비중을 차지했습니다. 그런데 이제 TPU 컴퓨팅 파워가 예산의 주요 부분을 차지하게 되었습니다. 구글 내부에서는 이것이 정확히 어떻게 운영되나요? TPU 총 예산이 있나요? 프로젝트 예산 배정 시, 이전에는 인력 규모를 기준으로 했지만, 이제는 "인력 + 컴퓨팅 파워"를 합산한 예산인가요? 분기별 검토는 어떻게 진행되나요?
피차이: 저희는 항상 컴퓨팅 예산을 가지고 있었지만, 현재 컴퓨팅 성능이 매우 제한적입니다. 저는 매주 최소 한 시간을 할애하여 각 프로젝트와 팀이 사용하는 컴퓨팅 성능을 꼼꼼히 검토하고 어떻게 배분할지 평가하고 있습니다. 이것이 현재 최우선 과제입니다.
Q: 컴퓨팅 파워는 희소한 자원이 되었고, 따라서 가장 가치 있는 일에 사용되도록 해야 합니다.
피차이: 맞습니다.
Q: 구글 클라우드는 어떻습니까? 자체적으로 사용할 컴퓨팅 파워도 필요하지만, 고객에게 판매하기도 하잖아요. 이런 모순을 어떻게 해결하시나요?
피차이: 모든 것은 사전 계획에 달려 있습니다. 클라우드 팀은 미래를 내다보는 계획을 세우고 있으며, 고객과의 약속을 이행하기 위해 최선을 다하고 있습니다. 모두가 제약이 있는 세상에서 사업을 운영하고 있고, 클라우드 팀 역시 컴퓨팅 성능 부족을 늘 토로하지만, 사전 계획을 통해 대부분의 문제를 해결할 수 있습니다.
Q: 구글 클라우드 이야기를 해보자면, GCP/MCP(Google Cloud Computing Protocol)는 정말 훌륭합니다. AI가 구글 클라우드를 직접 프로그래밍 방식으로 호출하여 핵심 권한 설정 외에는 거의 모든 작업을 수행할 수 있습니다. 이전에는 구글 클라우드의 가장 큰 문제점이 너무 복잡한 기능들이라는 것이었습니다. 로그인 후 조직과 프로젝트를 생성하고 서비스를 찾아야 하는 과정이 매우 번거로웠습니다. 하지만 이제는 그런 문제가 전혀 없습니다. "이 기능을 추가해 줘"라고 간단히 말하면 됩니다. AI가 모든 API 문서를 이해하고 탐색 레이어 역할을 해줍니다. 이러한 경험은 정말 환상적입니다.
피차이: AI는 오케스트레이션 레이어로서 상상할 수 있는 모든 것을 처리할 수 있습니다. 기업에서도 마찬가지입니다. CEO들은 데이터가 부족한 것이 아니라, 그 데이터를 통합하는 방법이 부족한 것입니다. 예전에는 대규모 ERP 프로젝트를 구축해야 했지만, 이제 AI가 바로 그 오케스트레이션 레이어 역할을 합니다.
Q: 제품이 복잡할수록 AI 기반 탐색의 이점이 커집니다. 스트라이프도 이를 경험했지만, GCP의 효과는 더욱 분명하게 나타날 것입니다.
피차이: 더 잘할 수 있지만, 말씀하신 대로 기회는 엄청납니다.
Q: OpenClaw 같은 제품에서 제가 관심을 갖는 점은 소비자가 상태를 저장하는 AI를 사용할 수 있게 해준다는 것입니다. 예를 들어, 매일 아침 제가 관심 있는 뉴스 요약을 보내주는 기능 같은 거죠. 이런 기능은 영구적인 메모리가 필요한데, 기존 AI 애플리케이션들은 이런 기능을 제공하지 못합니다. 이 기능이 곧 출시될 예정인가요?
피차이: 방향은 확실히 맞습니다. 사용자들은 안정적이고 안전한 방식으로 지속적이고 장기적인 작업을 수행해야 합니다. 신원 확인 및 권한 부여와 같은 문제들을 명확히 해야 합니다. 하지만 이것이 바로 AI 에이전트의 미래이며, 이러한 기능을 소비자에게 제공하는 것입니다. 이는 우리가 탐구하고 있는 매우 흥미로운 분야입니다.
Q: 저도 그 얘기를 하고 싶었어요. 최근 Meta에 인수된 Stripe의 전 CTO가 설립한 Dreamer라는 회사가 특히 상태 저장형 AI 분야에서 뛰어납니다. 소규모 애플리케이션을 직접 만들 수 있고, 사용 경험도 매우 매끄럽습니다. 놀라울 정도로 훌륭해요. ( 참고: 상태 저장형 AI는 여러 단계의 상호 작용이나 복잡한 워크플로에서 과거의 맥락, 기억, 상태 정보를 유지하고 활용할 수 있는 AI 시스템을 의미합니다. )
피차이: 소비자용 인터페이스는 적절한 도구와 기술을 갖춘 완벽한 기본 코딩 모델과 클라우드에서 안전하고 지속적으로 실행될 수 있는 기능을 갖추게 될 것입니다. 이러한 핵심 요소들이 융합되고 있습니다. 오늘날 아마도 이러한 미래를 꿈꾸는 사람들은 0.1%에 불과할 것입니다. 그들은 자신을 위해 무언가를 만들고 있을 뿐이죠. 하지만 이를 대중 시장에 선보이는 것은 매우 흥미로운 영역입니다.
Q: 제가 함께 일해 본 회사들은, 심지어 최근에 설립된 회사들까지도, 제품 개발, 엔지니어링 방식, 심지어 디자인 팀의 역할까지 완전히 바꿔놓았습니다. 구글도 이러한 것들을 재고하고 있나요? 워크플로에 큰 변화가 있을까요?
피차이: 동심원처럼 생각하시면 됩니다. 이미 몇몇 팀은 심오한 변화를 겪었고, 제 역할은 이러한 변화를 확산시키는 것입니다. 초기에는 많은 것들이 제약을 받아 추진하기 어려웠습니다. 하지만 올해는 상황이 극적으로 바뀌고 있습니다. 구글 딥마인드와 일부 소프트웨어 엔지니어링 팀은 이미 에이전트 관리 시스템을 사용하고 있습니다. 그들이 사용하는 내부 도구는 '젯 스키(Jet Ski)'라고 하는데, 기본적으로 안티그래비티(Antragravity)와 같은 기능입니다. 지난주에 검색 팀에도 도입했습니다. 대기업에서는 기술 확산에 있어 변화 관리가 가장 큰 과제이지만, 소기업은 훨씬 빠르게 변화합니다.
Q: AI를 실제로 구현하면서 겪었던 몇 가지 문제점을 덧붙이고 싶습니다. 첫째, 엔지니어들이 AI를 효과적으로 활용하는 방법을 배우는 데 시간이 걸리고, 각 회사마다 고유한 전문 지식이 있습니다. 둘째, AI가 생성한 코드베이스를 공유하는 것이 어렵습니다. 수정 범위가 넓고 코드 변경 속도가 빠르며, 여러 사람이 협업하기 어렵기 때문입니다. 셋째, 엔지니어링 분야 외에도 데이터 권한 문제가 중요합니다. AI에게 "이 거래의 상태는 무엇입니까?"와 같은 질문에 대한 답변을 요구하고, 회사에서는 해당 정보가 필요하지만, 권한 엔진을 재작성해야 합니다. 넷째, 역할 정의도 변화하고 있습니다. 엔지니어링, 제품, 디자인 등의 역할을 통합해야 할 수도 있습니다. 요컨대, 모델의 기능은 일정 수준에 도달했지만, 아직 충분히 활용하지 못하고 있습니다. 어떻게 생각하시나요?
피차이: 말씀하신 문제들은 제미니 엔터프라이즈 팀과 안티그래비티 팀에서 하나씩 해결해 나가고 있습니다. 이것이 저희 로드맵입니다. 내부적으로 활용하면서 장애물을 발견하고 극복한 후, 이를 바탕으로 제품을 개발하여 출시합니다. 신원 접근 제어는 매우 어려운 과제이며, 특히 보안 요구사항이 매우 높기 때문에 신중을 기해야 합니다. 하지만 바로 이러한 이유 때문에 문제를 해결하고 출시하는 제품은 더욱 견고해집니다. 현재는 비용 안정화 단계에 있습니다.
08. 인공지능이 인류를 대체하는 시점의 타임라인
Q: 구글은 매년 여러 차례 공식적인 사업 예측을 발표합니다. 이론적으로는 인공지능(AI)이 사람의 개입 없이 완전히 자동으로 이러한 예측을 수행할 수 있습니다. 구글이 AI 에이전트를 통해 완전 자동화된 예측을 최초로 달성하는 분기는 언제라고 생각하십니까?
피차이: 2027년은 중요한 전환점이 될 것으로 예상합니다. 처음에는 여전히 검증을 담당하는 사람들이 있겠지만, 점차 다른 사람들에게 이관될 것입니다. 2027년에는 이러한 변화가 매우 뚜렷하게 나타날 것입니다.
질문: 그렇다면 엔지니어링 프로세스 외에, 비엔지니어링 프로세스들도 2027년에는 인공지능 기반으로 전환되기 시작할 것이라고 생각하시나요?
피차이: 네. 스타트업에게는 그것 또한 유리한 점입니다. AI 전문가 팀을 고용하고 처음부터 이러한 모델로 운영할 수 있기 때문입니다. 반면에 우리는 재교육과 변화를 거쳐야 합니다. 젊은 기업들은 이 분야에서 확실히 유리한 위치에 있으며, 우리는 이러한 변화를 스스로 주도해야 합니다.
질문: 현재 구글 내에서 진행되는 소규모 프로젝트 중 어떤 프로젝트가 가장 흥미롭습니까?
피차이: 아마 놀라실 수도 있겠지만, 저희 우주 데이터 센터는 첫 번째 목표를 달성하기 위해 단 몇 명의 인원과 아주 적은 예산으로 시작한 소규모 팀이었습니다. 큰 아이디어는 작은 것에서 시작됩니다.
