AI-NATIVE 시리즈 · FUTURE MAKERS STRATEGIC COLLAB, 2부(총 4부 중)
왜 지금인가: AI 접근 비용이 낮아진 시대, 진정으로 축적되는 것은 컨텍스트다
1분 요약
이 글의 개요FM-SC 시리즈의 두 번째 글이다. AI 모델이 저렴해지고 상향평준화되면, 기업의 경쟁력은 결국 스스로 일하며 쌓아온 컨텍스트—즉, 결정, 기준, 교훈—로 이동한다는 논지를 전개한다. 학습된 내용을 체계적으로 보존하는 토크 시리즈는, 그 컨텍스트를 구축하는 한 가지 방법이다.
왜 중요한가Stanford AI Index에 따르면, GPT-3.5급 성능의 비용이 2년 만에 280배 이상 하락했고, 2026년 AI Index에서는 조직의 AI 도입률이 88%에 달했다. 만약 내가 속한 팀의 교훈이 사람 개개인의 머릿속에만 머문다면, 그 경쟁력은 단 한 번의 퇴사로도 쉽게 사라질 수 있다.
이 글을 읽은 뒤 실천할 수 있는 일. 이번 분기 내 팀이 내린 결정 중, 외부인이 결코 재구성할 수 없는 세 가지를 목록으로 만들고, 각각이 어디에 기록되어 있는지 확인한다. 그리고 FM-SC가 2027년 10월까지 제시한 세 가지 공개 검증 기준을 추적한다.
Future Makers Strategic Collab — 시리즈 줄기
▶ 실제로 돌아가는 모습 보기: 라이브 데모 열기 공개 · 로그인 불필요
- FM-SC가 기존 기술 강연과 다른 이유 1화
- 왜 지금인가 — AI가 저비용이 되면, 컨텍스트가 누적된다 이번 화
- 매칭 — 말이 아니라, 함께 걷는 과정에서 만들어진다 3화
- 머리, 지갑, 가슴, 영혼 — 관행마다 두 증인 4화
라벨 해석 가이드: EVIDENCE는 출처가 명확함, DESIGN은 FM-SC의 설계 원리, OPEN은 아직 실증되지 않았으며, LENS는 내 개인적 신념임.
이번 에피소드의 주제: AI가 저비용이 된 이후, 왜 컨텍스트가 경쟁력의 핵심이 되는가
2부에서는 왜 기술 강연이라는 형식이 AI 이후에 오히려 더 중요해지는지 그 이유를 탐구한다AI 이후, 기술 강연 포맷이 이전보다 더 중요한 이유를 묻는다.이는 AI에서 어떤 경쟁 우위를 확보할지 고민하는 리더와, 팀의 교훈이 사람들 머릿속에만 머무는 빌더 모두에게 던지는 질문이다. 요약하자면, 모델은 점점 비용이 낮아지고 서로 유사해진다. 결국 기업이 실제로 배우고, 보존하는 것이 곧 그 기업의 컨텍스트이자 경쟁력으로 전환된다.
먼저, 스스로 예측해보라
2022년 11월부터 2024년 10월까지, GPT-3.5 수준의 성능을 AI 모델로 얻는 비용은 얼마나 감소했을까?
- A. 약 2배.
- B. 약 20배.
- C. 200배 이상.
정답을 보기 전에, 미리 선택해보라.
정답과, 왜 질문 자체가 달라지는지
EVIDENCE C. Stanford의 AI Index에 따르면, 해당 수준의 성능을 얻는 비용은 2년 만에 280배 이상 감소했고, AI를 도입한 조직의 비율은 55%에서 78%로 증가했다(Stanford HAI, AI Index 2025). EVIDENCE Epoch AI의 독립 분석가들은 동일한 성능 기준에서 가격이 연간 9배에서 900배까지 하락했다고 측정했다. 단, 가장 가파른 하락은 최근에 집중되어 있으며, 이 추세가 지속될지는 불확실하다(Epoch AI). EVIDENCE 2026년 AI Index에 따르면, 조직의 AI 도입률은 88%에 달했고, 미국과 중국의 최상위 모델 간 성능 격차도 사실상 사라져, 선두가 2.7%p 앞서는 데 그쳤다(Stanford HAI, AI Index 2026).
이처럼 동일한 수준의 지능이 저렴해지고 널리 쓰이며, 공급자 간 성능 차이도 거의 없다면, 이제 모델 자체는 더 이상 경쟁력이 아니다. "우리는 AI를 쓴다"는 말은 "우리는 전기를 쓴다"는 말처럼, 사실이지만 선택의 근거가 되지 못한다. 그래서 모든 기업이 답해야 할 질문은 이렇게 바뀐다:우리는 어떤 AI를 사야 하는가?에서AI가 어디서도 얻을 수 없는, 우리만이 가진 것은 무엇인가?
Future Makers의 답변
첫 번째 Future Makers로 초청된 XTrace의 Felix Meng과 Austin Cai는 이 질문에 자신들의 강연으로 답했다. 행사 후 Austin은 현장에서 가장 깊은 공감을 얻은 세 가지 핵심을 자신의 LinkedIn에 이렇게 정리했다:
- "Access to top AI models are commoditized, now a business’s advantage comes from the context it own: the decisions, standards and lessons built through doing the work."(번역: 최상위 AI 모델에 대한 접근이 평준화된 지금, 기업의 진짜 경쟁력은 스스로 축적한 컨텍스트, 즉 실제 업무를 통해 쌓은 결정·기준·교훈에서 비롯된다.)
- "Governance is the difference between a dirt road and a highway."(번역: 거버넌스가 흙길과 고속도로를 가르는 차이다.)
- "Every AI session should leave the business better equipped for the next."(번역: 모든 AI 세션은 다음 기회를 더 잘 준비할 수 있도록 조직을 한 단계 끌어올려야 한다.)
OPEN 첫 번째 포인트는 하나의 명제이며, 이는 많은 투자자와 벤더들이 공유하는 생각이다 (예를 들어 Insight Partners). 그렇다고 해서 이 명제가 틀렸다는 뜻은 아니다. 다만, 반복할 것이 아니라 검증해야 한다는 의미다. 나는 컨설팅 회사에 몸담고 있으며, 우리 역시 이 아이디어를 선호할 만한 이유가 있다. 그러니 내 동의에 대해서는 그 점을 감안해 판단하길 바란다.
토크 시리즈가 이 논의에서 중요한 이유
많은 이들이 간과하는 연결고리가 있다. 만약 경쟁력의 중심이 컨텍스트, 즉 실제 업무를 통해 쌓은 결정·기준·교훈으로 옮겨간다면, 기업이 외부로부터 배우는 방식 자체가 곧 경쟁력의 일부가 된다.
일반적인 토크는 배우기에는 비용이 많이 들고, 잊히기에는 너무나 쉽다. 누군가가 첨단의 아이디어를 공유하면 모두가 고개를 끄덕인다. 그리고 그 녹화본은 폴더 속에 쌓여, 이전의 모든 녹화본과 나란히 잠든다. 그 과정에서 만들어진 컨텍스트는 발표자가 자리를 떠나는 순간 사라진다.
나는 이 주제를 2022년, 지금의 AI 열풍이 오기 전에 처음 썼다. Southern Data Science Conference 이후, 나는 컨퍼런스가 단일 스냅샷에서 지속적인 상호작용으로, 그리고 콘텐츠를 소비하는 사람에서 함께 창조하는 사람으로 전환해야 한다고 주장했다 (Wu, 2022). 그때는 그저 있으면 좋은 정도였다. 당시에는 팀이 경쟁사보다 더 나은 도구를 갖추는 것만으로도 우위를 점할 수 있었다. 모두가 같은 도구를 가지게 되면, 스냅샷의 가치는 더 떨어지고, 지속적인 상호작용에서 진짜 가치가 생긴다.
DESIGN 복리 효과는 단순하다. 다음 토크의 운영 방식을 바꾸는 교훈은 그 토크를 한 단계 더 발전시키고, 그 교훈은 더 높은 출발점에서 시작하게 한다. 폴더에만 남아 있는 교훈은 아무리 훌륭해도 아무것도 바꾸지 못한다. 따라서 토크 시리즈의 평가는 개별 토크의 완성도가 아니라, 열 번째 토크가 첫 번째보다 명확하게 더 잘 운영되는가에 달려 있다.
DESIGN FM-SC는 모든 토크를 지속적으로 남는 컨텍스트를 구축하는 수단으로 삼는다:
- 우리가 제시하는 질문은 토크 전에 문서로 남겨, 배운 내용을 사후에 검증할 수 있게 한다.
- 현장에서 나온 질문은 모두 기록되고, 사람이 확인한 뒤 보관된다.
- 각 커밋먼트에는 책임자와 기한이 명확히 지정되어, 배움이 실제 행동으로 이어진다.
- 외부의 독립적인 인물이 내린 판정이, 우리가 실제로 무엇을 알게 되었는지 기록한다.
- 그리고 그 교훈들은 우리 시스템이 다음 단계에 진입하기 전에 적용하는 규칙이 된다.이전 다음 단계를 실행하기 전에.
바로 이 마지막 지점에서 FM-SC와 첫 연사들의 논지가 만난다. XTrace의 공식 입장은, 오늘 내린 수정은 단순히 노트에 남겨둘 것이 아니라 내일의 실제 작업을 이끌어야 한다는 것이다. 우리는 이 원칙을 그 주에 곧장 우리 시스템에 적용했다.EVIDENCE 첫 번째 토크에서 얻은 교훈들은 이제 우리 시스템이 실행 전 반드시 점검하는 여섯 가지 규칙으로 정착했다. 어떤 규칙은 조언만 하고, 어떤 것은 경고하며, 하나는 조건이 충족될 때까지 단계를 완전히 멈춘다. 예전 같으면 폴더에 저장됐을 노트들이 이제는 오히려 우리에게 반론을 제기한다. 그 시작은 1편에서 언급한, 준비 과정을 녹화하지 않은 주최자에 대한 노트다. 이 노트가 가장 먼저 우리에게 경고를 준다.
DESIGN 이 규칙들은 누구나 직접 확인할 수 있다. Lessons라는 이름의 페이지가 FM-SC 웹 앱에 공개되어 있으며, 별도의 로그인 없이 접근 가능하다. 각 규칙에는 조언, 경고, 혹은 단계 중단 여부가 명확히 표시되어 있다. 앱의 워크스루에 등장하는 인물과 사건은 모두 가상이지만, 규칙과 그 실행 방식은 실제 우리가 사용하는 그대로다.
이것이 정말 ‘혁신적’인가?
AI 이후 시대에 FM-SC를 혁신적이라 부르고 싶은 유혹이 있다. 그러나 나는 아직 그 단어를 쓰지 않겠다. 혁신이라는 평가는 오랜 시간의 결과로 얻는 것이고, FM-SC는 아직 단 한 번의 토크.
만을 치렀을 뿐이다. 내가 주장하려는 바는 이보다 좁지만, 오히려 더 실질적이다.DESIGN 지능이 상품화된 시대, 기업의 진정한 경쟁력은 얼마나 빠르게 배우고, 그 배움을 얼마나 잘 보존하느냐에 달려 있다. 토크 시리즈는 조직이 외부로부터 배우는 가장 오래된 방식 중 하나다. 질문, 독립적 판정, 그리고 실행하는 교훈을 갖춘 폐쇄 루프로 운영하면, 단순한 이벤트가 아니라 하나의 엔진이 된다. 이 엔진이 실제로 누적 효과를 내는지는 경험적으로 검증해야 할 문제다. 그래서 우리는 그 판단 기준을 명확히 제시한다.
공개적으로 선언하는 검증 기준
내가 내건 검증 기준은 이렇다. 2027년 10월까지 FM-SC가 다음 세 가지를 달성하지 못한다면, 이 시리즈 역시 여느 토크 시리즈와 다를 바 없다는 사실을 이 자리에서 분명히 밝히겠다.
- 최소한 한 번의 토크가 아홉 단계(1편에 명시)를 모두 완결하고, 각 단계가 그 시점에 기록되어야 한다.
- 최소한 한 명의 Future Maker 소개가 또 다른 Future Maker의 토크로 이어져야 한다.
- 최소한 한 번의 공정한 테스트가 합격 또는 불합격 판정에 도달했고, 발표자가 그 결과를 서면으로 받아야 한다.
OPEN 세 가지 조건 중 어느 하나도 아직 충족되지 않았다.
실패할 수 있는 경로
- 가설이 틀릴 가능성. 만약 결정적 우위가 여전히 최고의 모델을 가진 쪽에 머문다면, 우리가 생각하는 것만큼 컨텍스트의 중요성은 크지 않을 것이다. AI Index의 최근 추세는 단기적으로 그럴 가능성이 낮음을 시사하지만, 추세란 언제든 방향을 바꿀 수 있다.
- 우리는 축적(compound)하지 않고, 쌓아두기만(hoard) 한다. 교훈을 하나의 프로그램 내부에만 가둬두면 아무런 누적 효과도 일어나지 않는다. 실제로 일하는 사람들에게까지 도달해야 비로소 의미가 생긴다.
- 규칙이 낡아간다. 10월에 유효했던 교훈이 3월에는 틀릴 수 있다. 그래서 우리 시스템의 모든 규칙에는 검토일이 지정되어 있다. 검토를 멈추는 순간, 그 규칙들은 첫 번째 토크에서 경고했던 바로 그 '만료된 기억'으로 전락한다.
이번 주에 실천할 과제
이번 분기에 내 팀이 내린 결정 중, 외부인이 결코 재구성할 수 없는 세 가지를 목록으로 적는다. 왜 한 방식을 다른 방식보다 선택했는지, 그리고 그 결정이 지금 어디에 남아 있는지 스스로 점검한다. 만약 답이 '누군가의 머릿속'이라면, 그 컨텍스트는 한 번의 퇴사로 사라질 수 있다는 뜻이다.
다음 예고
3부에서는 협업의 양측—현재의 고충과 미래의 비전—을 제대로 이해하려면 한 번의 대화가 아니라 수많은 산책과 대화가 필요하다는 점을 다룬다.
참고 문헌
- Stanford HAI (2025). AI Index Report 2025. https://hai.stanford.edu/ai-index/2025-ai-index-report
- Stanford HAI (2026). AI Index Report 2026. https://hai.stanford.edu/ai-index/2026-ai-index-report
- Epoch AI (2025). LLM inference price trends. https://epoch.ai/data-insights/llm-inference-price-trends
- Insight Partners. Building a moat in the age of AI (투자자 관점). https://insightpartners.com/ideas/building-a-moat-in-the-age-of-ai
- Austin Cai, 2026년 10월 2일 토크 이후 공개 LinkedIn 게시글. 원문 그대로 인용함(증언, 연구 자료 아님); LinkedIn은 로그인 없이는 접근할 수 없음.
- XTrace, 공식 사이트. https://xtrace.ai/