앤드류 응: AI 공포 조장은 인식 왜곡을 부른다

이러한 지속적인 공포 기반 메시지는 AI에 대한 사회의 인식을 압도적으로 부정적으로 왜곡했습니다. 이들 기업은 규제를 이용해 기존 기업에 유리하고 수십억 달러에 달하는 투자를 보호하며 궁극적으로 다른 기업들이 AI 사용에 대한 통행료를 지불하도록 강요함으로써 불공정한 경쟁 환경을 조성하는 것을 목표로 합니다.

앤드류 응은 AI가 일자리의 50%를 차지하여 사람들을 실업 상태로 만드는 '직업 종말'이라는 생각을 일축합니다. 그는 그러한 시나리오가 단순히 일어나지 않을 것이라고 분명히 말합니다. 대신, AI는 인간의 작업에 대한 경제적 보완재 역할을 합니다. 즉, 작업의 30-40%가 자동화되더라도 나머지 인간 작업은 더욱 가치 있게 됩니다.

종말론자들의 예측과는 달리, 앤드류 응은 소프트웨어 엔지니어링 분야의 일자리 수가 실제로 증가하고 있다고 지적합니다. AI의 코딩 능력이 탁월함에도 불구하고 소프트웨어 엔지니어를 대체하지 못했으며, 숙련된 엔지니어들은 그 어느 때보다 바쁩니다. 그는 2022년의 코딩 습관에 집착하는 것이 이제는 불리할 수 있다고 경고하며, 새로운 AI 기반 워크플로우에 적응할 것을 촉구합니다.

'AI 네이티브' 인턴과 최근 대학 졸업생들은 탁월한 성과를 보여주고 있습니다. 이들은 AI가 처리할 수 있는 작업에 AI 도구를 기꺼이 사용하면서 동시에 기계가 아직 수행할 수 없는 복잡한 작업에 인간의 노력을 집중합니다. 이러한 접근 방식을 통해 AI를 활용하여 효율성을 높이고 고유한 인간의 능력을 더 높은 수준의 과제에 전념할 수 있습니다.

이는 성공적인 AI 구현이 기술뿐만 아니라 더 넓은 비즈니스 목표와 어떻게 일치하는지에 달려 있음을 의미합니다. AI의 핵심 성과 지표(KPI)는 고객 성장, 유지율 향상 또는 서비스 속도 증가와 같은 가시적인 결과와 자주 연결되어 실제 비즈니스 가치에 중점을 둡니다.

이러한 깊은 이해를 통해 인간은 고객의 표정과 같은 미묘한 단서를 해석하여 불만을 나타낼 수 있으며, 이는 현재 AI의 능력을 넘어섭니다. 이러한 실제 맥락이 없으면 AI는 종종 평범하거나 비논리적인 아이디어를 생성하며, 장기적인 경험을 바탕으로 구축된 인간의 판단과 취향이 쉽게 자동화되지 않음을 강조합니다.

마리나 모길코(Marina Mogilko)는 교육이 AI 시대에 더욱 중요하다고 지적합니다. 왜냐하면 인간의 취향과 판단을 형성하는 데 필요한 본질적인 맥락과 지식을 제공하기 때문입니다. 이러한 관점은 ChatGPT와 같은 AI를 통해 모든 정보를 쉽게 이용할 수 있을 때 교육이 쓸모없게 된다는 주장에 반대합니다. 그녀는 깊은 맥락과 세련된 취향을 습득하는 데는 수년간의 학습과 경험이 필요하며, 정규 교육이 이를 함양하는 데 도움이 된다고 강조합니다.

앤드류 응은 혁신적인 학습 경험을 만드는 데 중점을 둔 Learn Vector라는 새로운 조직을 이끄는 것에 대한 열정을 표현합니다. 목표는 전통적인 일대다 온라인 코스를 넘어 기술을 활용하여 고도로 개인화되고 맞춤화된 일대일 튜터링을 제공하는 것입니다. 이 이니셔티브는 교육을 개인의 필요에 맞게 조정하여 학습을 더욱 효과적이고 맞춤형으로 만드는 것을 목표로 합니다.

앤드류 응은 공포 조장 메시지가 고등학생, 대학생, 최근 졸업생을 포함한 많은 사람들이 경제를 인식하는 방식을 분명히 왜곡하고 있다고 말합니다. 학생들은 자신의 교육이 4년 안에 쓸모없게 될까 봐 우려를 표하며, 이는 진로에 대한 불안감으로 이어집니다. 그는 이러한 메시지가 개인들이 필수적인 AI 기술을 배우는 것을 단념시키며, 새로운 기술을 포용하는 것이 현재 경제 환경에서 성공하는 데 핵심이라고 경고합니다.

데이터에 따르면 현재 직무 기술서는 높은 주도성과 주도성을 보여주는 후보자를 점점 더 선호합니다. 그는 상사로부터 지시를 수동적으로 기다리는 시대가 끝나가고 있으며, 적극적인 AI 엔지니어링 기술이 경력 성공에 중요하다고 제안합니다.

앤드류 응은 AI 학습, 빠르고 책임감 있는 구축, 고객과의 직접적인 소통 문화를 조성하는 기업이 미래에 훨씬 더 많은 가치를 창출할 것이라고 믿습니다. 그는 이를 전통적이고 계층적이며 사일로화된 조직과 대조하며, 자율성과 빠른 실험을 장려하는 기업이 오래된 구조에 집착하는 기업보다 뛰어날 것이라고 제안합니다.

앤드류 응은 전문 엔지니어를 채용, 마케팅, HR, 운영과 같은 운영 팀에 직접 배치하는 것이 이들 팀이 달성할 수 있는 것을 크게 가속화한다고 지적합니다. 예를 들어, 채용 팀은 이제 전담 채용 엔지니어를 고용하고 있습니다. 다양한 부서에 걸친 전문 엔지니어링 역할의 확산은 기술 일자리 부족에 대한 우려를 최소화하며, 엔지니어링 인재가 다양한 비즈니스 기능에 필수적이게 됩니다.

기업 규정 준수 및 데이터 프라이버시를 유지하기 위해서는 엄격한 안전 장치를 구현하는 것이 필수적입니다. 그는 오픈 소스 모델을 로컬에서 실행하면 데이터가 회사의 직접적인 통제하에 유지되어 외부 AI 연구소와 민감한 정보를 공유하는 것과 관련된 위험을 완화할 수 있다고 제안합니다.

앤드류 응은 AI 제어의 과제를 항공 초기에 비행기 추락이 반복적인 학습을 통해 더 나은 제어 시스템으로 이어진 것에 비유합니다. 그는 비행기나 AI와 같은 복잡한 시스템의 완벽한 제어는 외부 요인으로 인해 불가능하지만, 체계적인 엔지니어링과 엄격한 테스트를 통해 효과적인 관리가 가능하다는 점을 강조합니다. 이러한 관점은 AI에 대한 통제 상실의 두려움을 본질적이고 극복할 수 없는 위험이라기보다는 해결 가능한 공학적 문제로 재구성합니다.

앤드류 응은 동의 없는 친밀한 딥페이크 이미지를 AI의 가장 혐오스러운 응용 프로그램 중 하나로 식별합니다. 그는 강력한 법적 조치를 통해 AI의 이러한 문제가 있는 사용을 불법화하고 엄중히 처벌할 것을 옹호합니다. 그는 동의 없는 이미지 및 기타 유해한 AI 응용 프로그램을 퇴치하기 위한 입법 노력에 대한 확고한 지지를 표명합니다.

앤드류 응은 2026년 개인 빌더들을 위해 명확하고 실행 가능한 조언을 제공합니다. AI를 배우고, 빠르게 구축하고, 고객과 지속적으로 소통하는 것입니다. 그는 AI 애플리케이션 구축과 관련된 비용이 크게 감소하여 그 어느 때보다 접근성이 높아졌다고 강조합니다. 그는 또한 개인 비즈니스 지표 분석을 자동화하기 위해 최첨단 모델을 직접 사용하고 있음을 언급하며 이러한 기술의 실질적인 이점을 강조합니다.

앤드류 응은 AI 개발의 과제가 크게 변화했다고 말합니다. 기술적 실행은 더 이상 주요 장벽이 아닙니다. 핵심적인 어려움은 무엇을 만들지 결정하는 것으로 옮겨갔으며, 그는 이를 '제품 관리 병목 현상'이라고 부릅니다. 그는 최소 실행 가능 제품(MVP)을 구축하는 것이 상대적으로 쉬워졌지만, 사용자에게 진정으로 중요한 것을 식별하는 것은 여전히 어렵기 때문에 성공은 이제 깊은 고객 통찰력과 세련된 취향에 달려 있다고 강조합니다.

앤드류 응은 박사 학위 논문 작성이나 복잡한 실제 환경 탐색과 같은 예시를 들며, 인간이 할 수 있는 모든 지적 작업을 수행할 수 있는 AI를 인공 일반 지능(AGI)으로 정의합니다. 그는 이 정의를 낮추면 AGI의 근접성에 대한 오해를 불러일으킬 수 있다고 경고합니다. 그의 엄격한 기준에 따르면 진정한 AGI는 수십 년 후에도 요원하며, 현재 AI가 아직 복제하지 못한 인간 지적 능력의 광범위한 범위를 강조합니다.