젠슨 황 스타트업 스쿨 강연 정리: 엔비디아를 만든 사고방식과 AI 시대 조언

핵심 메시지

• 엔비디아가 창업 당시 선택한 3D 그래픽 알고리즘은 완전히 틀렸고, 1995년 그 사실을 인정한 뒤 교과서를 사서 처음부터 다시 배웠다.
• 회사의 진짜 아이디어는 '칩을 잘 만드는 것'이 아니라 '알고리즘 영역을 가속하는 것'이었고, 이 관점이 딥러닝 시대에 그대로 맞아떨어졌다.
• 젠슨 황은 AlexNet을 보고 그것이 특정 모델이 아니라 '어떤 함수든 학습할 수 있는 보편 함수 근사기'의 발견이라고 판단했다.
• 에이전트 시대에 가장 필요한 돌파구는 정확도 100%가 아니라 세밀한 제어 가능성이라고 그는 말한다.
• AI가 일자리를 없앤다는 서사는 뒤집혀 있으며, AI는 직무가 아니라 과업을 자동화한다는 것이 그의 주장이다.

쉽게 이해하기

이 대담은 스타트업 스쿨 무대에서 엔비디아 창업자 젠슨 황이 창업 초기부터 지금까지의 판단들을 되짚은 자리다. 첫 질문부터 예상 밖의 답이 나온다. 사람들이 잘 믿지 않는 사실이지만, 회사를 시작하며 고른 기술은 완전히 틀렸다는 것이다. 개인용 컴퓨터를 게임 콘솔로 바꾸겠다는 큰 그림 아래 새 알고리즘을 만들었지만, 1995년에 그 알고리즘이 잘못됐다는 것을 깨달았고, 그때는 이미 3D 그래픽을 만드는 회사가 서른 곳 넘게 있었다.

더 곤란한 것은 아무도 올바른 방법을 몰랐다는 점이다. 그는 주머니에 있던 돈으로 전자제품 매장에 가서 그래픽 파이프라인 설계에 관한 교과서 세 권을 사 엔지니어들에게 건넸다. 회사를 세우고 투자를 받아 교과서를 산 셈이라고 그는 농담처럼 말한다. 여기서 그가 끌어내는 교훈은 기술은 늘 변하므로, 현실을 직시하고 배울 수 있다면 어떤 기술을 들고 시작했는지는 결국 중요하지 않다는 것이다.

잘못된 알고리즘을 깨닫게 만든 계기는 한 게임기 제조사와의 콘솔 개발 계약이었다. 그는 일본으로 건너가 계약을 이행할 수 없다고 직접 알리고 다른 회사를 찾으라고 조언했다. 그러면서도 그 돈은 여전히 필요하다고 솔직하게 말했고, 상대는 그 정직함을 받아들여 자금을 남겼다. 그 돈이 회사를 살렸고 무엇을 해야 할지 찾을 시간을 벌어줬다. 사람에게 투자한다는 말의 실제 사례라는 것이 그의 정리다.

관점이 만든 두 번째 전환점은 딥러닝이다. 그는 AlexNet을 남들과 똑같이 봤지만, 늘 '알고리즘 영역'을 찾는 렌즈로 세상을 보고 있었기에 다르게 해석했다. 핵심은 그 모델 자체가 아니라, 어떤 함수든 근사해 학습할 수 있는 보편 함수 근사기를 손에 넣었다는 사실이었다. 흥미로운 문제들은 대개 정밀할 수 없는 문제들이기에 이 도구가 특히 잘 맞았다. 그 판단 직후 컴퓨터 비전과 로보틱스, 자율주행에 곧바로 착수했다.

현재의 관심은 에이전트다. 그는 지금의 코딩 에이전트들이 사용할 때마다 마크다운 파일과 장기 기억을 갱신하며 스스로 개선되는, 초보적인 재귀적 자기개선 단계에 이미 들어와 있다고 본다. 다만 부족한 것은 정확도가 아니라 제어 가능성이다. 계획 파일에서 단어 하나를 바꾸면 결과 전체가 아니라 딱 그만큼만 달라지고 나머지가 다시 생성되는 수준의 세밀한 협업이 가능해질 때, 에이전트는 판을 바꾼다는 것이다. 정확도가 80%든 99%든 나머지는 사람이 채우면 된다는 태도다.

일자리 이야기에서 그의 답은 단호하다. AI가 일자리를 없앤다는 서사는 정확히 거꾸로라는 것이다. AI는 직무가 아니라 과업을 자동화하는데, 직무에는 목적이 있고 그 목적을 이루는 여러 과업 중 자동화되지 않는 것이 많다. 그는 코딩이 자동화되는 와중에 소프트웨어 엔지니어 일자리가 전년 대비 10% 늘었고, 영상 판독이 자동화됐는데도 방사선과 일자리는 최근 몇 년간 20%가량 늘었다고 말한다. 밀린 환자와 밀린 아이디어가 워낙 많기 때문에, 생산성이 오르면 성장이 오고 성장이 고용을 끌어당긴다는 설명이다.

주요 인사이트

• '무엇을 들고 시작했는가'보다 '틀렸다는 사실을 얼마나 빨리 인정하는가'가 회사의 수명을 결정한다는 것이 창업 서사의 핵심이다. 그는 잘못을 직시하지 않으면 회사가 존재할 수 없다고 팀에 말했다고 회고한다.
• 같은 논문을 봐도 결론이 달라지는 이유는 렌즈에 있다. 그가 AlexNet에서 본 것은 이미지 분류 성능이 아니라 컴퓨팅 스택 전체를 다시 짜야 한다는 신호였다.
• 그는 CEO가 회사를 자신에게 맞춰야 한다고 말한다. 자기가 몰 수 있는 차를 만들어야 하며, 다음 사람은 그때 가서 자기 방식대로 다시 만들면 된다는 것이다.
• 낮은 수준의 작업이 대부분 자동화되는 시대에 남는 역량으로 그는 시스템 사고를 꼽는다. 입력과 출력, 정보의 흐름과 제약, 병목이 어디인지 파악하는 능력이다.
• '얼마나 어렵겠어?'라는 태도를 그는 의도적인 심리 기술로 설명한다. 실제로는 늘 생각보다 훨씬 어렵지만, 어려움을 미리 다 상상해 불안으로 바꾸지 않는 편이 시작하는 데 유리하다는 것이다.
• 젊은 세대에게 그가 권하는 것은 물리·화학·생물·컴퓨터공학 같은 어려운 분야와 그 교차 영역이다. 단순한 것은 자동화되지만 어려운 문제는 사라지지 않는다는 이유에서다.

자주 묻는 질문

관련 AI 소식