모닝 인사이트 다이제스트

Stratechery 주간 브리핑인데, 핵심은 Ben Thompson의 "Inference Shift" 논지다. 지금까지 AI 컴퓨팅은 훈련과 추론으로 나뉘었지만, 앞으로는 추론이 두 갈래로 쪼개진다는 얘기다. 하나는 "답변 추론(answer inference)"—사람이 ChatGPT 쓰듯 대화하며 기다리는 방식. 여기선 속도가 생명이다. 다른 하나는 "에이전트 추론(agentic inference)"—사람 개입 없이 AI가 알아서 돌아가는 방식. 여기선 속도보다 비용과 처리량이 중요해진다. 이 구조 변화가 칩 아키텍처와 데이터센터 설계를 완전히 바꿀 수 있고, 중국이나 우주 데이터센터(SpaceX) 같은 대안 경로에 유리하게 작용할 수 있다는 분석이다. 같은 주에 Anthropic이 xAI에게서 컴퓨팅을 확보한 뉴스도 다뤘는데, 시장 논리가 작동한 사례이자 Elon Musk가 SpaceX 인프라를 외부에 팔아야 하는 이유를 보여준다는 해석이다.

"사람이 안 기다리면 속도는 안 중요하다"는 단순한 명제가, 엔비디아 H100 같은 고속 칩 수요를 근본부터 뒤집을 수 있다는 점. 에이전트 추론 시장이 커질수록 저전력·저비용 아키텍처가 경쟁력을 갖게 된다.

AI 시장이 챗봇에서 자율 에이전트(자동 작업 처리)로 무게중심을 옮기는 중이다. OpenAI는 배포 전담 회사를 만들고, Anthropic은 xAI에게서 컴퓨팅을 빌렸다. 추론 방식의 분화는 단순히 기술 트렌드가 아니라, 반도체·클라우드·우주 인프라 투자 논리 전체를 재편할 수 있는 구조 변화다. 엔비디아 밸류에이션이나 클라우드 3사(AWS/Azure/GCP)의 캐펙스 전략을 볼 때 이 프레임은 필수다.

-> 2026-05-14 The Deployment Company, Back to the 70s, Apple and Intel -> 2026-05-13 Using agents to build economic datasets

Scott Alexander가 "모든 지수는 결국 S커브(sigmoid)가 된다"는 AI 회의론자들의 단골 레퍼토리를 정면으로 비판한다. 기술적으론 맞는 말이지만—전염병 확산이나 비행 속도 기록처럼 모든 성장은 언젠가 한계에 부딪힌다—문제는 그 전환점이 지금 당장이라고 가정할 근거가 없다는 것. UN의 출산율 예측(매년 "이제 바닥"이라 했지만 계속 하락), 태양광 보급 전망(매년 "이제 둔화"했지만 지속 성장), METR의 AI 역량 곡선 예측(발표 직후 새 모델이 예상치를 가뿐히 돌파) 같은 "S커브 오판 명예의 전당" 사례들을 제시한다. 저자는 프로세스를 완전히 이해하지 못할 땐 Lindy's Law를 기본값으로 삼아야 한다고 주장한다—현재 트렌드는 이미 지속된 기간만큼 더 지속될 것으로 예상하는 게 합리적이다. AI 스케일링이 2017년(또는 2019년)부터 본격화됐다면, 최소 2029년까지는 계속될 가능성이 높고, 2년 내 꺾일 확률은 22%에 불과하다. 누군가 "AI는 곧 둔화될 것"이라 주장한다면, 데이터센터 성장과 알고리즘 진보를 계산한 구체적 모델을 제시하거나, Lindy 법칙을 거부할 명확한 이유를 대야 한다는 것.

Wharton 팀이 2026년 초 METR 데이터로 AI 역량 정체 곡선을 그렸는데, 논문 발표 직후 나온 다음 모델이 그 예측선을 단번에 뚫어버린 사례. 전형적인 "분석하는 순간 틀리는" 케이스.

AI 투자와 규제 논의에서 "곧 성장이 멈출 것"이라는 주장이 정책 완화나 투자 철회의 근거로 쓰이는 상황에서, 이 글은 그런 낙관론이 통계적으로도 역사적으로도 근거 박약함을 보여준다. 데이터센터 CAPEX나 반도체 수요 예측, AGI 타임라인 관련 의사결정에서 "자연스러운 둔화"를 전제하는 건 위험한 도박일 수 있다. Lindy 법칙대로라면 적어도 2029년까지는 현재 속도가 유지될 가능성이 높고, 이는 전력망·인프라·노동시장 준비에 여유가 없다는 뜻이다.

-> 2026-05-15 | AI #168: Not Leading the Future -> 2026-05-14 | Data centers are good

경제사학자 Adam Tooze가 영국 정치 마비의 본질을 파헤친다. 2026년 5월 노동당은 의회 다수에도 불구하고 지방선거 참패로 휘청이는데, 모두가 '채권시장 압박' 탓으로 돌리지만 정작 핵심 행위자인 잉글랜드 은행은 언급조차 피한다. 2022년 트러스 정부 붕괴 때 BoE 총재 Andrew Bailey는 길트(국채) 시장 개입을 조기 중단하며 사실상 정부를 무너뜨렸다. 이는 유로존 위기 때 ECB가 이탈리아/스페인 국채를 매입하며 수익률을 억제한 것과 정반대다. 결과적으로 2026년 이탈리아 국채 수익률은 영국보다 낮다. 핵심은 '채권시장'이 자연력이 아니라 중앙은행의 개입 방식에 따라 작동한다는 것. 영국은 QT(양적긴축)도 타국보다 공격적으로 진행했다. Tooze는 정부와 중앙은행 간 새로운 협약이 필요하며, 특히 QT 즉각 중단으로 2022년 공포의 유령을 걷어내야 한다고 주장한다.

2026년 이탈리아가 미국보다 낮은 금리로 국채를 발행한다. '특권적 통화 발행국' 미국을 제치고 2010년대 위기의 상징이었던 나라가 역전한 이유는 ECB의 방패막이 때문이다.

중앙은행의 '독립성'이 실제로는 정치적 압력 수단으로 작동할 수 있다는 걸 보여주는 생생한 사례다. 영국의 사례는 재정 여력이 있어도 중앙은행이 비협조적이면 정부가 마비될 수 있음을 입증한다. 한국을 포함한 여러 나라에서 재정-통화정책 조율 논쟁이 격화되는 시점에, '시장 압력'이라는 수사 뒤 실제 행위자를 봐야 한다는 교훈을 준다. 투자 관점에서는 국채 수익률이 펀더멘털만이 아니라 중앙은행의 정치적 포지셔닝에 크게 좌우된다는 점을 상기시킨다.

구글·트위터·엔비디아를 거친 AI 연구자 Nikolai Yakovenko와 Razib Khan이 4년 만에 다시 만나 AI 시대를 점검한 팟캐스트다. 같은 프롬프트로 생성한 이미지를 4년 전과 비교하며 기술 진보를 확인하지만, 정작 대화 핵심은 "AI의 진짜 영향은 막대한 자본 유입과 소프트웨어 엔지니어링 도구화"라는 점이다. OpenAI, Anthropic, DeepMind가 프론티어 랩으로 굳건한 가운데 xAI는 주춤하고, 중국에선 DeepSeek만이 유일하게 미국 기업들에 도전장을 내는 상황. AI 없이 코딩하는 걸 "raw dogging"이라 부를 만큼 업계 표준이 됐지만, 둠머들이 경고하던 인공 초지능(ASI)은 여전히 먼 미래 얘기다.

"AI 없이 코딩하기"를 raw dogging(아무 보호장치 없이 하는 행위를 뜻하는 속어)에 비유할 정도로, AI 어시스트는 이미 개발자에게 선택이 아닌 필수가 됐다는 현장 증언.

AI 투자 열풍 속에서 실제 산업 영향을 냉정하게 가늠할 시점이다. 기술 발전은 명확하지만 '혁명적 변화'는 주로 자본 흐름과 개발 생산성 개선에 국한됐다는 점은, 단기 과열 기대를 경계하고 장기 실용화 관점으로 접근해야 함을 시사한다. 중국은 DeepSeek 하나만 선전하는 반면 미국은 여러 프론티어 랩이 경쟁 중이라는 구도도 주목할 부분.

-> 2026-05-15 | AI #168: Not Leading the Future -> 2026-05-14 | Some non-obvious reasons why AI will create some transitional problems in employment -> 2026-05-15 | The US is winning the AI race where it matters most: commercialization

저자는 세 가지 구조적 트렌드—보안, 컴퓨팅 자원, 미국 정부 개입—가 맞물려 프론티어 AI 접근을 제한할 것이라 진단한다. Anthropic의 Mythos와 OpenAI의 Daybreak 모두 제한 배포를 택했고, 이는 오남용(사이버 공격, 생물학 무기) 리스크와 지식증류(distillation) 방지가 핵심 동기다. DeepSeek 같은 후발주자가 API 토큰으로 6-9개월 만에 따라잡는 구조에선 개발사도 정부도 광범위한 배포를 용인할 수 없다. 게다가 프론티어 모델은 서빙 비용이 막대해 소프트웨어처럼 한계비용 제로가 아니다. Anthropic이 xAI 데이터센터를 임대하는 건 컴퓨팅 크런치가 얼마나 심각한지 보여준다. 효율 곡선은 작년 모델을 싸게 만들 뿐, 차세대 모델(Mythos 2)은 여전히 더 비싸다. 결국 미국 정부가 전개 전 승인권(predeployment authority)을 행사하고, NSA처럼 제로데이 익스플로잇을 선점하려 하거나 트럼프 행정부처럼 무역-안보를 묶어 레버리지를 쓸 가능성이 크다. 새로운 균형점에선 모델이 먼저 미국 안보기관, 그다음 신뢰받는 방어자(미국 기업), 나중에야 KYC 통과한 제한적 고객에게 도달하고, 일반 소비자는 챗봇 같은 "제한된 제품 레이어"로만 접근한다.

Anthropic이 자사 Mythos 서빙을 위해 경쟁사 xAI의 여유 데이터센터를 빌릴 정도로 컴퓨팅이 부족하다. 프론티어 AI는 더 이상 마이크로소프트처럼 낮은 한계비용으로 전 세계에 뿌릴 수 있는 소프트웨어가 아니다.

"AI는 민주화될 것"이라는 통념이 깨지는 중이다. 미국 정부-빅테크 동맹이 프론티어 모델 배포를 통제하면, AI 역량 격차가 국가·기업 간 부와 안보 격차로 직결된다. 유럽·중소국 정부와 스타트업은 "충분히 좋은 모델"로 경쟁할 수 있다는 가정 자체가 무너진다. 투자 관점에서는 KYC와 로비 역량을 갖춘 소수 대형 벤더(시스템 통합업체, 엔터프라이즈 AI 레이어)가 수혜를 볼 가능성이 크고, 오픈소스나 글로벌 확산을 전제로 한 전략은 재검토가 필요하다.

-> 2026-05-15 Cyber Lack of Security and AI Governance -> 2026-05-15 AI #168: Not Leading the Future

원래 소프트웨어 개발자였던 저자가 1-2년간 AI에 전적으로 의존해 코딩하다가, 이제 직접 코드를 작성하는 법을 거의 잊어버렸다는 개인적 반성문이다. AI가 생성한 글은 "자기 목소리"가 아니고, AI로 짠 코드는 읽고 나면 "그냥 AI 같다"는 느낌만 남는다. 문제는 단순히 스킬 퇴화가 아니라, AI에 의존할수록 자기 의심과 imposter syndrome이 강화되는 악순환이다. 저자는 지금 다시 손으로 코딩을 배우는 중이며, AI 시대에도 코드를 직접 읽고 쓸 줄 아는 사람은 여전히 필요할 거라 믿는다. 심지어 이 글을 쓰면서도 Claude에 붙여넣어 검토받고 싶은 충동을 느꼈다고 고백한다.

"1-2년간 단 한 줄도 코드를 직접 안 쓰고 프롬프트만 했다"는 극단적 사례. 그리고 정작 이 반성문을 쓰면서도 AI에게 검토받고 싶은 충동을 느낀다는 메타적 아이러니.

AI 도구의 생산성 효과는 많이 논의되지만, 개인 역량의 감쇠 속도는 과소평가되고 있다. 특히 junior 개발자나 학습 단계에 있는 사람들이 AI에 의존하면, 기본기를 쌓을 기회 자체를 잃을 수 있다. 동시에 Robert Martin이 말한 "전문가에서 수요 충족형 인력으로" 흐름이, AI 시대엔 오히려 역전될 수 있다는 가설도 흥미롭다. 소수의 진짜 전문가와 다수의 AI 프롬프터로 양극화될 가능성.

- 2026-05-13 | If AI writes your code, why use Python? | HackerNews - 2026-05-14 | The best argument I've heard for why AI won't take your job | RSS/Platformer

영국 주택부(MHCLG)가 우크라이나 난민 수용 매칭 시스템을 Palantir Foundry에서 자체 개발 솔루션으로 교체했다는 이야기. 2022년 러시아 침공 직후 9일 만에 시스템을 세워야 했을 때 Palantir가 6개월 무료로 지원했고, 이후 연간 450만-550만 파운드짜리 계약이 이어졌다. 하지만 정부는 장기적으로 더 유연하고 비용 효율적인 시스템을 원했고, 2025년 9월 내부 팀이 만든 대체 시스템을 가동했다. 결과는 "연간 수백만 파운드 절감, 데이터와 코드 통제권 확보, 더 나은 사용성". 영국 감사원(NAO)은 이미 Palantir의 "무료 미끼 후 종속" 관행에 우려를 표했고, 이번 전환은 공공 부문의 Big Tech 의존도를 낮추는 상징적 사례가 됐다.

Palantir는 "9일 만에 시스템 구축, 15만 7천 명 난민 정착 지원"이라며 자랑했지만, 정부는 "그래도 우리가 직접 만드니까 더 싸고 더 좋더라"며 칼같이 교체했다. 민간 컨설턴트가 아니라 공무원 팀이 만든 시스템이 더 낫다는 걸 증명한 셈.

공공 부문의 AI/데이터 플랫폼 의존도가 국가 주권 이슈로 번지는 중이다. NHS, 국방부, 경찰까지 Palantir를 쓰는 영국에서, "우리도 할 수 있다"는 내부 역량 증명은 조달 정책 전환의 신호탄이 될 수 있다. 특히 미국 빅테크에 대한 유럽의 경계심이 커지는 시점에서, 이 사례는 "sovereign technology" 논의를 구체적 실행 단계로 끌어올린다. Palantir 같은 플랫폼 기업 입장에선, "lock-in 없다"고 주장하지만 정부가 실제로 떠나버리면 매출 타격과 레퍼런스 손실이 동시에 온다.

-> 2026-05-14 Nostalgebraist's Hydrogen Jukeboxes

시카고대 재학생인 저자가 2024년에서 2026년까지 캠퍼스에서 목격한 AI 오용의 확산 과정을 '암 전이' 비유로 추적한다. 처음엔 비즈니스 경제학 같은 '가벼운' 전공에서 문제집 대필로 시작했지만, 곧 경제학과 시험장에서 학생들이 공공연히 스마트폰으로 문제 촬영 후 LLM 답안을 필기하는 수준으로 악화됐다. 급기야 학보가 AI 작성 기사를 몇 달간 게재하고, 교수조차 강의를 ChatGPT로 작성하는 정황이 포착됐다. 저자는 학생들이 숙제→이메일→독서 요약→연애 메시지까지 AI에 의존하며 스스로 생각할 능력을 포기하는 과정을 Scott Alexander의 "속삭이는 귀걸이" 우화로 설명한다. 문제는 대학들이 "AI 통합" "교육 혁신"이란 포장 아래 수천만 달러 투자를 발표하는 동안, 실제론 학습·교육·대화라는 대학의 핵심 활동이 단순 '대체'로 귀결되고 있다는 점이다. 프린스턴 사례처럼 부정행위는 2배 증가(63건→119건)했지만, 학교는 연간 소수만 징계하며 실질적 제재를 포기했다.

시카고대가 AI 연구·교육 혁신에 5천만 달러를 투자한다고 발표한 문장 끝에 "—or to deliberately limit the use of AI"(또는 AI 사용을 의도적으로 제한하기 위해)란 구절이 부자연스럽게 붙어 있다. 저자는 이를 "의심스러운 섬"이라 표현—수사(修辭)로만 존재하는 면죄부인 셈이다.

실리콘밸리와 대학들이 "AI 리터러시" "교육 혁신"을 외치지만, 현장에선 사고 외주화가 진행 중이다. 이건 단순 부정행위 차원이 아니라, 엘리트 인재 파이프라인 자체가 '생각 안 하는 세대'로 채워질 수 있다는 경고다. 향후 5~10년 노동시장에 진입할 인력의 질적 변화는 기업 채용 전략, 교육 비즈니스 모델, AI 규제 논의 전반에 영향을 미친다. 대학이 자체 정화 능력을 상실했다면, 외부 압력(고용주, 정책 입안자)이 개입할 가능성도 커진다.

-> 2026-05-15 | AI #168: Not Leading the Future -> 2026-05-15 | The Impact of AI-Generated Text on the Internet -> 2026-05-14 | The best argument I've heard for why AI won't take your job

캐나다 온타리오주 감사원이 의료진용 AI Scribe 시스템 20개를 시뮬레이션 진료 녹음으로 평가했다. 결과는 충격적이었다. 60%가 처방약 정보를 잘못 기록했고, 45%는 환자나 의사가 언급하지 않은 내용을 날조했다. "종양이 발견되지 않았다"거나 "환자가 불안해한다"는 식의 기록이 실제 대화에는 없었던 것들이다. 17개 시스템은 정신 건강 이슈를 누락하거나 부정확하게 기록했다. 문제는 평가 기준에도 있었다. 정확도는 전체 점수의 4%만 반영했고, 온타리오 내 사업장 유무가 30%를 차지했다. 편향 통제와 보안은 각각 2%에 불과했다. 현재 5,000명 이상의 의사가 이 프로그램을 쓰고 있지만, 수동 검토는 권장 사항일 뿐 의무가 아니다.

평가 기준이 완전히 뒤틀려 있었다. 의료 기록 정확도 4%, 캐나다 내 사업장 유무 30%. 말 그대로 "정확한지"보다 "우리나라 회사인지"가 7배 더 중요했던 셈이다.

헬스케어 AI는 "소비자용은 믿을 수 없지만 전문가용은 다르다"는 인식이 있었다. 하지만 이 감사는 전문가용도 마찬가지로 엉망이며, 더 심각한 건 구매 프로세스 자체가 정확도를 우선순위에 두지 않았다는 점을 보여준다. AI 도입이 빠르게 확산되는 지금, 의료처럼 치명적 오류가 용인되지 않는 영역에서 검증 체계가 얼마나 허술한지 드러난 사례다.

-> 2026-05-15 AI #168: Not Leading the Future -> 2026-05-15 Cyber Lack of Security and AI Governance