1. AI 발전 속도에 대한 언급:

인터뷰 진행자가 "AI 발전 속도가 충분히 빠른가요?"라고 묻자 케빈 스콧은 단호하게 "아니요(No)"라고 답합니다. 이어 "훨씬 더 빨라지는 것이 가능한가요?"라는 질문에는 "네, 그렇게 생각합니다(Yeah, I think so)"라고 긍정합니다.

• 원문 (44:46 ~ 44:54):

  
  

  • Harry Stebbings (Host): "Are we going fast enough?"

  • Kevin Scott: "No."

  • Harry Stebbings: "Is it possible to go much faster?"

  • Kevin Scott: "Yeah, I think so."

• 설명: 케빈 스콧은 현재 AI 기술 발전 속도가 만족스럽지 않으며, 훨씬 더 가속화될 잠재력이 있다고 보고 있습니다. 그는 인터뷰 뒷부분에서 인프라 구축(데이터센터 건설, 전력망 확충 등)의 물리적 제약이 속도를 늦추는 요인 중 하나라고 덧붙입니다. 즉, 기술적 잠재력은 더 빠른 발전을 가능하게 하지만 현실적인 제약 때문에 속도가 덜 나고 있다는 뉘앙스입니다.

2. 내부 모델에 대한 언급:

그는 DeepSeek R1 모델 출시에 대한 대중의 뜨거운 반응에 놀랐다고 말하며, 마이크로소프트 내부에는 그보다 "더 흥미로운(more interesting)" 모델들이 있었지만 출시하지 않기로 결정했다고 언급합니다.

• 원문 (15:09 ~ 15:21):

  
  

  • Kevin Scott: "...saying I was surprised at how interesting people thought that it was. They did good work. So like don't don't get me wrong. Like it was it was good, solid technical work and like it was super cool they chose to release this thing and make it, you know, open source-ish..." (이전 맥락에서 DeepSeek R1에 대해 이야기하고 있었습니다.) "...We've had models more interesting than DeepSeek R1 that like we didn't even we chose not to even launch them."

• 설명: 이 발언은 마이크로소프트와 같은 대규모 기술 기업들이 공개적으로 출시하거나 알려진 모델보다 더 발전된, 혹은 다른 방향으로 흥미로운 내부 모델들을 보유하고 있음을 시사합니다. DeepSeek의 작업 자체는 훌륭한 기술적 성과라고 인정하면서도, 내부적으로는 그 이상의 것을 가지고 있었다는 자신감을 내비친 것입니다. 이는 또한 최첨단 프론티어 모델의 실제 능력과 현재 대중적으로 활용되는 방식 사이에 격차가 존재할 수 있음을 암시합니다 (38:49 부분 언급). 즉, 가장 뛰어난 모델들의 잠재력이 아직 완전히 활용되지 못하고 있다는 의미로 해석될 수 있습니다.

요약하면, 케빈 스콧은 AI 발전 속도가 더 빨라질 수 있고 빨라져야 한다고 보며, 마이크로소프트 내부적으로는 공개된 모델들보다 더 흥미로운(아마도 더 강력한) 모델들을 개발하고 있음을 시사했습니다.

스케일링 언급 부분:

1. 초반 요약 부분 (00:10 ~ 00:12):

   
   

   • 원문: "...and I don't see the limit to the scaling laws."

   • 설명: 인터뷰 시작 부분에서 케빈 스콧은 현재 AI 시대가 기업가들에게 엄청난 기회임을 이야기하면서, 스케일링 법칙의 한계가 보이지 않는다고 단언합니다. 이는 더 많은 데이터와 컴퓨팅 파워를 투입하면 AI 모델의 성능이 계속해서 예측 가능하게 향상될 것이라는 법칙에 아직 끝이 보이지 않는다는 의미입니다.

2. 스케일링 법칙 한계에 대한 직접적인 답변 (08:19 ~ 08:38):

   
   

   • 인터뷰 진행자 해리 스테빙스가 "많은 사람들이 우리가 곧 스케일링 법칙의 한계에 도달할 것이라고 제안하는데요"라고 질문하자, 케빈 스콧은 코를 만지며 생각하는 제스처를 취한 후 답변합니다.

   • 원문: "I can very clearly see what we're doing now and like what we're doing next, and I don't see the limit to the scaling laws."

   • 설명: 여기서 그는 다시 한번 스케일링 법칙의 한계는 보이지 않는다고 명확히 밝힙니다. 그는 마이크로소프트가 현재 무엇을 하고 있고 앞으로 무엇을 할지 명확하게 파악하고 있으며, 그 과정에서 스케일링을 통한 성능 향상의 끝이 보이지 않는다는 자신감을 드러냅니다.

3. 한계 가능성에 대한 부연 설명 (08:39 ~ 09:59):

   
   

   • 원문 요약: 그는 모델의 '순수한 능력(raw capability)'과 이를 '조건화(condition)'하여 복잡한 추론을 하게 만드는 능력에 대해 이야기합니다. 인간 두뇌의 물리적 한계(뉴런 수, 20와트 전력 소모)를 언급하며 AI에도 언젠가는 한계가 있을 수 있음을 시사하지만, 그것이 스케일링 법칙 자체의 한계와는 다르다는 뉘앙스입니다. 그는 일부 사람들이 AI 스케일링에 한계가 없다고 믿는 반면, 자신은 언젠가는 비용 대비 효용이 떨어지는 지점(scaling asymptote, 점근선)에 도달할 것이라고 믿는다고 말합니다. 즉, 모델을 조금 더 똑똑하게 만들기 위해 막대한 비용을 투입하는 것이 비효율적이 되는 지점이 올 수 있다는 것입니다. 하지만 **"현재로서는 그것이 보이지 않는다(I just don't see it yet... it's not in the viewfinder right now)"**고 강조합니다.

   • 설명: 스케일링 법칙 자체는 계속 유효할 수 있지만, 경제적 또는 실용적인 관점에서 무한정 스케일링을 추구하기는 어려울 수 있다는 현실적인 측면을 인정합니다. 하지만 그 지점은 아직 멀었다는 것이 그의 핵심 주장입니다.

요약:

케빈 스콧은 현재 AI 모델의 성능 향상을 이끄는 스케일링 법칙에 기술적인 한계는 보이지 않는다고 확신합니다. 그는 마이크로소프트가 단기적으로 나아갈 방향을 명확히 보고 있으며, 당분간은 스케일링을 통해 AI 능력을 계속 발전시킬 여지가 충분하다고 보고 있습니다. 다만, 장기적으로는 비용이나 효용성 측면에서 스케일링의 한계(점근선)에 도달할 가능성은 인정하지만, 그 시점은 현재 예측 가능한 범위 밖에 있다는 것이 그의 입장입니다.

기타

1. AI 에이전트의 미래: 단일 에이전트 vs. 다수 에이전트

• 핵심 내용: 케빈 스콧은 모든 것을 처리하는 단 하나의 범용 AI 에이전트가 등장할 것이라는 이론에 동의하지 않으며, 대신 다양한 전문 분야에 특화된 여러 에이전트들이 사용될 것이라고 예측합니다.

• 이유: 제품 관리자들이 특정 분야(도메인) 전문가가 되어야 할 필요성이 커지기 때문입니다. 즉, 각 분야의 깊이 있는 지식을 바탕으로 특화된 AI 에이전트를 관리하고 발전시켜야 한다는 의미입니다.

• 원문 (00:12 ~ 00:25): "Don't believe in this like one agent for everything sort of theory. I think you'll have a lot of agents, and the reason I think you're going to have a lot of agents is because your product managers are probably going to have to be domain experts."

• 에이전트의 특성 변화 (00:25 ~ 00:30): 미래의 에이전트들은 현재처럼 단순히 요청-응답 방식의 일회성 상호작용(transactional, session-oriented)에서 벗어나, 과거 상호작용을 기억하고 사용자에게 맞춰 지속적으로 작동하는 형태가 될 것이라고 봅니다.

• 원문 (00:25 ~ 00:30): "The agents... they will definitely be less transactional, less session oriented going forward." (27:06 이후 메모리 관련 언급과 연결됨)

2. 기술 전환기의 불확실성과 대응 전략

• 핵심 내용: 현재 AI 분야에서 가치가 어디에 놓일지 불확실한 상황은 인터넷이나 모바일 혁명 초기와 같은 기술 패러다임 전환기의 자연스러운 현상이라고 진단합니다.

• 대응 자세: 이런 시기에는 관망하거나 기다리기보다는 실수를 감수하더라도 적극적으로 제품을 만들고, 데이터를 통해 배우고, 빠르게 반복(iterate)하는 기업가 정신이 중요하다고 강조합니다.

• 원문 (01:31 ~ 01:49): "So I think the thing that you just described, which is like all of a sudden things have gotten a little less clear than they have been, is exactly the thing that happens at the beginning of every big technological paradigm shift and every new cycle that's driven by it... So it was super confusing in the early days of the internet, and I think it was super confusing in the early days of mobile..."

• 원문 (02:10 ~ 02:32): (기다려야 하냐는 질문에) "Oh god no. Like you definitely shouldn't do the latter. Um, so like this is the best time to be alive if you have an entrepreneurial spirit..."

3. 가치 창출의 핵심: 모델이 아닌 제품

• 핵심 내용: AI 모델 자체는 가치의 원천이 아니라 도구이며, 진정한 가치는 그 모델을 활용하여 사용자의 실제 문제를 해결하는 '제품(Product)'에서 나온다고 반복해서 강조합니다.

• 실행의 중요성: 좋은 제품을 만들기 위해서는 아이디어와 확신을 가지고 매우 빠르게 실행(get stuff done really fast)하여 실제 데이터를 통해 검증하는 과정이 필수적이라고 말합니다.

• 원문 (02:56 ~ 03:09): "...which is product matters. Uh, you know, I've been saying this for the past couple of years that models aren't products, uh, because everybody like was just so fascinated by the infrastructure itself and..."

• 원문 (03:32 ~ 03:43): "...you have to have ideas and have conviction, and then you have to go get stuff done really fast uh so that you can see whether you're full of crap or not about the conviction that you have."

• 원문 (04:22 ~ 04:24): "You said that models aren't products." (진행자의 재확인)

• 원문 (04:48 ~ 05:01): "No, no, no, they're super valuable, but they're only valuable to the extent that you can connect them to things that users need via product... So like in the limit, I think product is the most important thing."

4. 오픈 소스와 폐쇄형 모델의 공존

• 핵심 내용: AI 모델 생태계는 특정 모델이 독점하는 형태가 아니라, 검색 엔진 시장처럼 오픈 소스 모델과 대기업의 폐쇄형(독점) 모델이 공존하는 형태가 될 것이라고 예측합니다. 개발자들은 다양한 선택지를 원할 것이기 때문입니다.

• 원문 (04:38 ~ 04:50): (오픈소스와 폐쇄형 모델에 대한 질문에) "Again, if you look to past cycles, like you've got a pretty good mix of where value gets created across uh startups and new ventures and existing enterprises... I think everybody's kind of doing the same thing..." (17:11 이후 관련 내용 추가) "I think there's going to be lots of both... you just sort of pick your previous uh things, like search for instance. Like there's a whole bunch of open source uh search engine projects out there... and then you still have search engines like uh Bing and Google uh that are out there. And so like they all exist."

5. 소프트웨어 개발 패러다임의 변화

• 핵심 내용: AI의 발전으로 소프트웨어 개발 패러다임이 근본적으로 변하고 있다고 말합니다. 과거에는 개발자가 명시적인 명령을 작성해야 했지만, 이제는 AI가 사용자의 '의도(intent)'를 이해하고 작업을 수행할 수 있게 됩니다.

• 코드 생성 비중: 향후 5년 안에 새로 작성되는 코드(net new code)의 95%가 AI에 의해 생성될 수 있다고 예측합니다.

• 인간의 역할 변화: 코드 작성 자체보다 문제 정의, AI 가이드, 결과 검토 및 개선 등 더 높은 추상화 수준에서의 '저자 역할(Authorship)'이 인간 개발자의 핵심 역량이 될 것이라고 봅니다. 이는 과거 어셈블리 언어에서 고급 언어로, 또는 GUI 빌더 등장으로 개발 방식이 변했던 것과 유사한 변화라고 설명합니다.

• 원문 (20:15 ~ 20:34): "...the thing that changes with AI is it can understand a thing that you want your computing device to go do for you, uh, and it can figure out a way to go make that thing happen and you don't have to be a programmer."

• 원문 (30:24 ~ 30:38): "What percent of net new code do you think will be AI created versus human created?" "95% is going to be AI generated. I think very little is going to be line by line is going to be human written code."

• 원문 (30:44 ~ 30:52): "And so I think the the more important and interesting part of authorship is still going to be entirely human... Like humans..."

전체 요약

1. AI 시대의 기회: 현재는 기업가 정신을 가진 사람들에게 AI 기술 덕분에 '살아있기 가장 좋은 시대'이다. 스케일링 법칙의 한계는 아직 보이지 않으며 잠재력은 무궁무진하다.

2. AI 에이전트의 미래:

   
   

   • 하나의 만능 에이전트보다는 다수의 전문화된 AI 에이전트가 등장할 것이다.

   • 이 에이전트들은 덜 거래 중심적(less transactional)이고, 더 지속적이며 기억력을 가질 것이다. (미래에는 상호작용을 더 잘 기억하고 개인에게 맞춰질 것)

   • 제품 관리자는 이런 전문화된 에이전트를 다루기 위해 특정 분야(domain) 전문가가 되어야 할 것이다.

3. 불확실성 속에서의 전략:

   
   

   • 현재 AI 분야의 가치 창출 지점에 대한 불확실성은 인터넷이나 모바일 초기와 같은 기술 패러다임 전환기의 전형적인 현상이다.

   • 이런 시기에는 관망하기보다 실수를 하더라도 적극적으로 실험하고, 제품을 만들고, 피드백을 통해 반복(iterate)하는 것이 중요하다. 기다리지 말고 행동해야 한다.

4. 가치 창출의 핵심:

   
   

   • 모델 자체는 제품이 아니다. 진짜 가치는 모델을 기반으로 사용자 문제를 해결하는 '제품'에서 나온다.

   • 하드웨어(컴퓨팅), 모델, 앱(제품) 계층 모두 중요하지만, 최종적으로는 제품/앱 계층에서 큰 가치가 창출될 것이다.

5. 오픈 소스 vs. 폐쇄형 모델: 검색 엔진 시장처럼 오픈 소스와 폐쇄형(독점) 모델이 공존할 것이며, 개발자들은 선택권을 원할 것이다.

6. 개발의 미래와 인간의 역할:

   
   

   • 향후 5년 안에 새로 작성되는 코드의 95%가 AI에 의해 생성될 수 있다.

   • 하지만 이것이 소프트웨어 엔지니어의 종말을 의미하지는 않는다. 인간의 역할은 코드 작성 자체보다는 문제 정의, AI 가이드, 결과 반복 개선 등 더 높은 추상화 수준(저자 역할, Authorship)으로 이동할 것이다.

7. 기술 부채: AI 도구가 기술 부채(tech debt) 문제를 해결하는 데 큰 도움을 줄 수 있을 것으로 기대한다. (기술 부채는 제로섬 게임이었지만, AI로 비-제로섬으로 만들 수 있다)

8. 발전 속도와 경쟁:

   
   

   • 현재 AI 발전 속도가 충분히 빠르지 않다고 생각하며, 더 빨라질 수 있다고 본다.

   • 중국 등 경쟁자들의 역량을 과소평가해서는 안 된다. (DeepSeek 사례 언급)

9. AI의 긍정적 영향: 의료, 교육, 기후 변화 등 희소성이 있는 분야에서 AI가 풍요를 창출할 잠재력에 대해 매우 기대하고 있다.

요약하자면, 케빈 스콧은 AI가 가져올 기회에 대해 매우 낙관적이며, 불확실성 속에서도 적극적인 제품 개발과 반복을 강조합니다. 그는 모델보다는 제품 자체의 중요성을 역설하며, 미래에는 다수의 전문화된 AI 에이전트가 등장하고 인간 개발자의 역할은 더 높은 추상화 수준으로 변화할 것으로 예측합니다. 또한 AI가 기술 부채 해결과 사회적 문제 해결에 기여할 가능성에 큰 기대를 걸고 있습니다.