라우터, 앱, 그리고 AGI

게시일: 2025년 10월 27일 | 원문 작성일: 2025년 10월 20일 | 저자: The Diff (Byrne Hobart) | 원문 보기

검색에서 라우팅으로: 경제 조율의 진화

2000년대 초반만 해도 경제 성장의 이야기는 간단했어요. 웹사이트에 가서 검색창에 몇 단어 치면 10개의 파란 링크, 수십 개의 항공편, 수백 개의 상품이 나왔죠. 찾는 게 실제로 존재한다면 말이에요.

이 모델에서 검색은 상대적으로 정적인 실물 경제 위의 동적 레이어였어요. 항공편을 검색한다고 항공사가 스케줄을 조정하진 않았고, 위키피디아 글을 찾는다고 갑자기 글이 생겨나진 않았죠.

Aggregation Theory에서 Economic Router로

Ben Thompson이 정리한 Aggregation Theory는 검색과 소셜이 어떻게 소비자 수요/의도를 이해함으로써 소비자 인터넷에서 가치의 대부분을 창출하고 포착했는지 설명했어요.

OpenAI의 최근 움직임은 이걸 완전히 다른 레벨로 끌어올리는 거예요. 2주 전, OpenAI는 ChatGPT에 서드파티 앱을 직접 통합하고 SDK를 배포했어요. 이건 단순히 다음 제품 결정이 아니에요. Aggregation Theory를 B2B 소프트웨어와 그 너머로 확장하는 거죠.

비즈니스 맥락에서의 작동 방식

고객 획득 비용이 갑자기 오르는 흔한 문제가 있다고 해봐요. 일반 검색 제품이라면 뭘 찾는지 가정하고, 소프트웨어 제품으로 연결하거나, 컨설턴트나 CMO 후보를 연결해줄 거예요.

하지만 ChatGPT 같은 챗봇 환경에서는 이런 가정들이 완화돼요. 특히 당신이 했던 데이터 분석, 전략 브레인스토밍 등을 기억하는 챗봇이라면, 당신에게 실제로 뭐가 필요한지 판단하기 좋은 위치에 있죠.

지능형 스위치보드: 결과 기반 최적화

논리적 결론까지 가면, 이 메커니즘은 OpenAI가 워크플로우 의도를 발견/이해/포착할 뿐 아니라 최고의 end-to-end 솔루션으로 라우팅하는 지능형 스위치보드가 되게 해요.

이 지능형 스위치보드는 집계된 워크플로우 의도를 동적인 경제 비효율성 인덱스로 바꿔요. 그리고 이건 점점 더 많은 AI 기반 애플리케이션들이 프로그래밍 방식으로 접근하고 읽을 수 있죠.

핵심은 이 시스템이 강화 학습(RL)을 통한 자기 개선에 최적화돼 있다는 거예요. 마케팅 예산이나 Gartner 순위 같은 후행 지표가 아니라, 어떤 도구가 문제를 솔루션으로 바꾸는 데 가장 효과적이었는지를 기준으로 최적화해요. 결과 신호가 더 나은 라우팅을 만들고, 더 나은 도구를 끌어들이고, 결과를 개선하는 복리 루프죠.

Meta vs OpenAI: 신호의 질

Sam Altman이 최근 Ben Thompson과의 인터뷰에서 한 말이 흥미로워요: “Instagram 광고가 내 생각을 바꿨어요. Instagram 광고를 좋아해요. 내게 가치를 더했고, 안 그랬으면 절대 못 찾았을 걸 찾았고, 많이 샀어요.”

Meta의 문제는 제품 품질에 대한 유일한 신호가 지출된 돈이라는 거예요. 제품이 실제로 누군가의 문제를 얼마나 잘 해결했는지, 다른 제품에 비해 어떤지에 대한 정보가 없어요. Instagram 광고로 티셔츠를 샀는데, Meta는 당신이 실제로 그걸 입는지, 자주 입는지, 아니면 옷장에 처박혀 있는지 몰라요.

OpenAI의 라우터는 거래 기반이 아닌 결과 기반의 새로운 종류의 회계를 가능하게 해요. 디지털 제품의 유용성이 매우 측정 가능해지는 거죠. 그리고 이건 사람들을 소프트웨어가 아닌 인간 서비스 제공자와 매칭시키는 걸 특히 선호하게 만들 거예요 - 그쪽에서 더 상세한 피드백을 얻으니까요.

매칭 문제의 역사: 경제는 정보 처리 시스템이다

정보 기술의 발전은 점점 더 가치 있는 매칭 문제를 해결하는 끝없는 행진으로 모델링할 수 있어요. CPU, PC, 인터넷, 전통적 검색, 예측 ML(추천/광고 타게팅), 그리고 이제 LLM/GenAI가 실제로 해결한 가치 있는 매칭 문제의 비율은 극히 작아요.

흥미로운 건 경제의 기능도 매칭 문제를 해결하는 끝없는 행진이라는 거예요. 경제학이 이론 체계로서는 희소 자원 할당에 대한 연구이고, 실천으로서는 그 할당의 효율성을 개선하기 위해 할 수 있는 모든 것이죠.

이런 의미에서 경제는 대규모의 분산 정보 처리 시스템으로 모델링할 수 있어요. 이 매칭 문제와 관련된 모든 중간 단계를 가장 효율적으로 실행하려고 하는 거죠. 그리고 생산성의 한 요소는 경제가 이 매칭 문제를 얼마나 잘 해결하고 있는지에 대한 실시간 측정치로 모델링할 수 있어요.

다시 말해, 경제는 고가치 문제를 식별하고 그 문제를 현재 이용 가능한 가장 효율적인 솔루션과 매칭시키는 창발적 초지능이에요. 지난 300년간 점점 더 효과적으로 말이죠.

AGI의 재정의: 조율 기계

OpenAI는 앱 사용/라우터를 통해 이 기존의 경제적 초지능을 읽을 수 있고, 쿼리할 수 있고, 조종할 수 있는 시스템으로 압축하는 데 큰 도약을 했어요. 시간이 지남에 따라 더 나아지는 시스템, 그리고 결국에는 기본 시스템의 개선이 실제 총요소생산성의 개선에 근사하는 시스템이죠.

Sam이 AGI를 정의할 때 “대부분 또는 모든 경제적으로 가치 있는 작업을 자동화할 수 있는 AI”라고 하는 건, 갑자기 자격을 갖춘 하나의 초지능 모델을 만든다는 뜻이 아니에요. 경제의 가장 높은 가치의 문제를 현재 이용 가능한 최고의 솔루션과 체계적으로 발견하고 매칭하는 조율 기계를 만든다는 뜻이에요.

코드 생성만으로는 부족하다

앱 사용과 라우팅 기능은 암묵적인 인정이에요. 코드 생성/인터프리터와 에이전틱 서치가 복잡한 비즈니스 문제를 높은 정밀도와 효율성으로 해결하기엔 너무 기초적인 프리미티브라는 거죠.

그리고 한 회사나 모델이 이걸 위한 모든 자사 애플리케이션을 개발할 수 없다는 인정이기도 해요. Google이 인터넷의 모든 유용한 콘텐츠를 한 회사가 만들 수 없다는 걸 깨달은 것처럼요. 다른 사람의 정보를 정리하는 회사가 되는 게 자체적으로 생성하는 것보다 나은 비즈니스였죠.

Elon Musk와 경제 조율의 미래

이 문제를 해결하는 회사가 얼마나 많은 가치를 창출할 수 있는지 이해하려면, Elon이 경제 전체에 배치됐다고 상상해보면 돼요.

Marc Andreessen이 이에 대해 유익한 생각을 했어요. Elon이 진짜 이상치이고, 그의 특성/능력의 조합을 가진 사람이 세계에 1만 명도 안 될 거라고 인정하면서도, 기업가 정신과 혁신의 진전을 모든 창업자가 자신의 시장에 적용할 수 있는 “밀리-Elon”의 용량으로 생각할 수 있다고 해요.

Elon은 물론 1000 “밀리-Elon”이지만, 창업자들의 목표는 자신이 감당할 수 있는 용량을 운영하는 거여야 해요. 10 밀리-Elon이든 500이든요. Elon을 특별하게 만드는 건 6개 이상의 회사에 걸친 문제의 실시간 상태와 관련 엔지니어링 세부 사항을 머릿속에 담을 수 있고, 어느 회사가 가장 어려움을 겪는지 빠르게 파악할 수 있다는 거예요.

프로토-AGI는 고유한 문제/워크플로우 의도를 집계하고 솔루션으로 라우팅하는 능력으로, 창업자와 그들의 팀에게 다른 방법보다 100-500 밀리-Elon 더 많이 접근할 수 있게 해줘요.

산업 혁명과의 유사성: Mokyr의 프레임워크

올해 노벨상 수상자 Joel Mokyr의 프레임워크가 통찰을 줘요. Mokyr는 명제적 지식(왜 작동하는지 이해)과 처방적 지식(어떻게 하는지 아는 것)을 구분하고, 지속적인 성장은 둘 사이의 타이트한 피드백 루프가 필요하다고 주장해요.

산업 혁명 이전에는 장인들이 더 나은 기술을 우연히 발견할 수 있었지만, 기본 원리를 이해하지 못하면 개선을 체계적으로 복제하거나 확장할 수 없었어요. 산업 계몽은 이론과 실천을 연결하는 제도를 만들어서 이걸 바꿨죠.

유리 제조자가 화학자와 대화하고 기계공이 열역학에 접근할 수 있을 때, 처방적 개선이 명제적 이해로 피드백되고, 이게 기술의 체계적 개선을 가능하게 했어요. 한편 더 싸고 정밀한 장비는 이론가들이 더 나은 실험을 할 수 있게 해서 피드백 루프를 계속 돌렸죠.

AGI는 산업 계몽이 제조업에 한 것을 전체 경제에 할 수 있는 메타 제도가 될 수 있어요.

범용 기술의 패턴: 우려는 일시적이다

1927년, Ford Motor Company가 Model T 생산을 중단하고 다음 차량을 위해 재정비하자 미국 경제가 짧은 경기 침체에 빠졌어요. 한 회사가 단독으로 경기 침체를 만들 만큼 컸던 거죠. 그들은 엄청난 고용주였고, 자동차가 GDP의 상당 부분이었으니까요.

그 순간 데이터를 보면서 걱정했을 수 있어요: “경제가 그냥 자동차 산업이 되는 거 아니야?”

하지만 그렇게 되지 않았어요. 오늘날 자동차는 여전히 경제의 중요한 부분이지만, 훨씬 더 많은 경제 활동이 사람들이 그곳으로 운전해서 갈 수 있기 때문에 존재해요. 범용 기술은 보완 산업과 활동의 폭발을 가능하게 했죠.

그리고 이건 일반적으로 사실이에요. 기술이 범용적일수록, 그 영향은 그 기술 자체가 아닌 다른 것들에서 나타나요. 문자, 바퀴, 전기, 인터넷 - 우리가 이것들에 직접 쓰는 GDP 비율은 그것들에 의존하는 GDP 비율보다 훨씬 작아요.

지금 미국 GDP 성장은 AI 그리고 거의 아무것도 아닌 것처럼 보여요. 추정치는 미국 GDP 성장의 92%까지 AI 빌드아웃에서 나온다고 해요. 이걸 외삽하면 걱정스러워 보이죠.

하지만 AI가 범용 기술의 역사적 패턴을 따른다면, 이건 일시적이어야 해요. 우리가 기대해야 할 건: 지속 불가능하게 높은 비율의 GDP가 빌드아웃에 투입되는 기간, 그 다음 AI가 새로운 기회 세트에 접근하는 낮은 한계 비용 방법이 되면서 그 비율이 감소하는 거죠.

미래의 가장 생산적인 회사들

이건 미래의 가장 생산적인 회사들이 어떤 모습일지에 대한 좋은 추론을 남겨요: 미니-CEO들의 팀, 전문가-제너럴리스트들의 팟샵 등이죠.

이들은 여러 도메인에 걸쳐 뛰어난 판단력을 가진 사람들의 팀일 거예요. AGI를 가장 효과적으로 활용해서 가장 높은 가치의 기회/병목을 식별하고, 최적의 솔루션/베팅 포트폴리오를 구성하고, 끊임없이 진화하는 경제 비효율성 세트에서 가치를 포착할 수 있는 사람들이죠.

일단 그 프로세스가 체계화되면, 우리는 마침내 ASI(Artificial Superintelligence)에 도달했을 수 있어요.

결론: 마지막 큰 API

OpenAI의 앱/라우터 전략은 단순한 제품 확장이 아니에요. 이건 잠재적으로 마지막 큰 API, 범용 경제 미들웨어의 레이어, 그리고 저렴하고 주문형 지능을 경제 성장으로 번역하는 수단이에요.

그들은 AGI가 조율과 자원 할당에 관한 것이라는 걸 명시적으로 만들었어요. 이 프레임워크에서 우리는 아마 AGI를 우리의 모든 일자리를 빼앗을 무언가로 생각하지 말아야 해요. 대신, 경제를 이해하는 데 너무 능숙해져서 인간 인재, 자본, 디지털 에이전트를 가장 생산적인 용도로 라우팅할 수 있을지 물어야 해요.

Elon Musk나 다른 위대한 자본과 노동의 할당자들이 현재 하는 것처럼 말이죠. 그건 더 많은 사람들이 최고의 일을 할 수 있게 권한을 부여받고, 경제의 매칭 문제가 전례 없는 정밀도로 해결되는 미래가 될 수 있어요.