피지컬 AI(Physical AI)가 다음 플랫폼 전환인 이유 — 엔코드 창업자 에릭 랜도 인터뷰

핵심 메시지

• 엔코드 창업자 에릭 랜도는 실물 세계를 다루는 '피지컬 AI(physical AI)'를 다음 플랫폼 전환으로 보고 회사의 방향을 그쪽으로 걸었다.
• '쓰라린 교훈(bitter lesson)'—정교한 특성 공학보다 데이터와 연산을 더 키우는 편이 낫다는 관점—이 그의 커리어와 제품 철학을 관통한다.
• 엔코드는 비전에서 출발해 멀티모달로 확장했고, 멀티모달 AI의 가장 큰 응용처가 로봇·자율주행·물류·제조 같은 피지컬 AI라고 본다.
• 제품시장적합성(PMF)은 한순간의 도약이 아니라 제품이 매일 조금씩 좋아지는 가운데 시장이 다가오며 서서히 이뤄졌다.
• 창업은 롤러코스터이며, 기복을 없애려 하기보다 받아들이고 즐기는 편이 낫다는 것이 그의 조언이다.

쉽게 이해하기

Y Combinator 행사에서 진행된 대담으로, 실물 세계를 위한 데이터 레이어를 만드는 엔코드(Encord)의 공동창업자 에릭 랜도가 자신의 이력과 피지컬 AI에 대한 관점을 풀어놓는다. 그는 대용량 데이터를 다루던 입자물리학 연구에서 출발해 10년간 퀀트(계량 트레이더)로 일한 뒤 엔코드를 세웠다.

이 이력을 관통하는 실마리로 그는 '쓰라린 교훈'을 든다. 예전에는 시스템에 도메인 지식과 특성 공학을 최대한 심은 뒤 머신러닝으로 마무리했지만, 결국 그런 수작업을 줄이고 데이터와 연산을 더 키우는 편이 낫다는 것이 드러났다는 것이다. 물리학과 고빈도 트레이딩에서 요인을 정교하게 설계하던 방식에서, 데이터를 큰 더미로 밀어 넣고 학습시키는 방식으로 바뀐 흐름을 그는 몸소 겪었다.

그는 코로나 시기에 시장이 요동치던 와중에 퀀트를 그만두고 2021년 창업했고, 몇 년간 성과가 보이지 않는 '사막'을 지났다고 회고한다. 챗GPT가 등장하면서 AI에 대한 대화의 결이 바뀌었고, 이후 시장이 회사 쪽으로 더 빠르게 다가왔다. 그럼에도 제품시장적합성은 극적인 전환점이 아니라 제품이 매일 조금씩 나아지는 가운데 서서히 찾아왔다고 말한다. 회사가 무슨 일을 하는지도 모르는 고객이 스스로 계약을 성사시킨 순간을, 돌아보니 그 신호였다고 짚는다.

제품 이야기에서는 가장 어려운 양식인 비전에서 시작해 멀티모달로 넓혔다는 점이 강조된다. 사람이 여러 감각으로 판단하듯 AI 시스템도 자연히 멀티모달이 되리라는 가설에서였다. 그리고 멀티모달 AI의 가장 큰 응용처가 바로 로봇, 자율주행, 물류, 제조 같은 피지컬 AI라고 본다. 경제 활동의 80%가 실물을 다루거나 옮기는 일이며, 로봇 업계에서는 5~10년 뒤 로봇이 사람보다 많아질 것이라 보는 사람도 있다고 전한다.

엔코드가 하는 일은 데이터 수집을 넘어 관리와 큐레이션, 주석·보강, 그리고 평가(eval)에 있다. 그는 이를 '수십억 개의 건초더미에서 백만 개의 바늘을 찾는 일'에 비유한다. 회사는 GPT-4 학습에 쓰인 것보다 많은, 여러 페타바이트 규모의 멀티모달 데이터를 다루며 수백 곳의 고객을 두고 있다고 한다. 마지막으로 그는 창업이 롤러코스터임을 받아들이고 즐기라는 조언과, '중요한 사람들(고객·인재·투자자)이 있는 곳에 있으라'는 원칙을 남긴다.

주요 인사이트

• '쓰라린 교훈'은 연구뿐 아니라 창업의 베팅에도 적용된다. 손으로 규칙을 심기보다 데이터와 규모가 통하는 방향에 걸었다는 점이 엔코드의 일관된 논리다.
• 제품시장적합성은 흔히 극적인 순간으로 그려지지만, 이 사례에서는 제품이 매일 좋아지고 시장이 다가오는 점진적 과정이었다. '우리가 모르는 고객이 스스로 계약했을 때'가 그 지표였다.
• 피지컬 AI가 유망한 근거는 경제 활동의 대부분이 실물을 다루는 일이라는 데 있다. 데이터의 관건은 수집 자체가 아니라 페타바이트 규모에서의 큐레이션·주석·평가라는 점이 차별화 지점으로 제시된다.
• 채용은 시행착오였고, '아니다' 싶은 직원을 오래 붙든 것이 값비싼 실수였다. 직감을 믿고 더 빨리 결정하는 법을 배운 것이 성장의 핵심이었다는 고백이 실무적으로 유용하다.
• 창업의 기복을 없애려 애쓰기보다 롤러코스터로 받아들이고, 자신의 마음 상태에 생각보다 더 큰 통제력이 있음을 아는 것이 지속의 비결로 제시된다.

자주 묻는 질문

관련 AI 소식