모델이 곧 제품이다 | 빈티지 데이터
1. AI 개발의 다음 단계: 모델이 곧 제품이다
지난 몇 년간 AI 개발의 다음 사이클에 대한 많은 추측이 있었습니다. 에이전트? 추론자? 진정한 멀티모달리티? 하지만 이제는 명확히 말할 때가 된 것 같습니다. "모델이 곧 제품이다."
현재 연구와 시장 개발의 모든 요소가 이 방향으로 나아가고 있습니다.
2. 현재 AI 개발의 주요 동향
2.1 범용 모델의 확장 한계
- GPT-4.5의 출시가 이를 잘 보여줍니다. "성능은 선형적으로 증가하지만, 컴퓨팅 비용은 기하급수적으로 증가하고 있다."
OpenAI조차도 이 거대한 모델을 합리적인 가격으로 배포할 수 없는 상황입니다.
2.2 의견 기반 학습(Opinionated Training)의 성공
- 강화 학습과 추론의 결합으로 모델이 특정 작업을 학습하는 방식이 예상보다 훨씬 더 효과적입니다.
예를 들어, 작은 모델조차도 수학 문제를 놀라울 정도로 잘 풀거나, 코딩 모델이 단순히 코드를 생성하는 것을 넘어 "전체 코드베이스를 관리"할 수 있게 되었습니다.
Anthropic의 Claude는 "매우 제한된 맥락 정보와 전용 학습 없이도 포켓몬 게임을 플레이"할 수 있습니다.
2.3 추론 비용의 급격한 감소
- DeepSeek의 최적화 덕분에, 현재 사용 가능한 GPU로 지구 전체 인구가 하루에 10,000 토큰을 처리할 수 있을 정도로 비용이 낮아졌습니다.
"토큰 판매 경제는 더 이상 모델 제공자들에게 수익성이 없다." 이제 그들은 더 높은 가치 사슬로 이동해야 합니다.
3. 모델이 제품이 되는 불편한 진실
이 방향은 투자자들에게 불편한 진실을 드러냅니다.
"AI의 다음 단계에서 애플리케이션 계층은 가장 먼저 자동화되고 붕괴될 가능성이 높다."
즉, 애플리케이션 계층에만 의존했던 기존 투자 전략이 흔들릴 수 있다는 뜻입니다.
4. 새로운 모델의 형태: DeepResearch와 Claude Sonnet 3.7
4.1 DeepResearch: 새로운 연구 언어 모델
OpenAI의 DeepResearch는 기존의 LLM(대규모 언어 모델)이나 챗봇과는 다릅니다.
이 모델은 "검색, 클릭, 스크롤, 파일 해석" 같은 브라우징 기능을 학습했으며, 이를 통해 "다양한 웹사이트를 종합적으로 분석하고, 특정 정보를 찾아내거나 포괄적인 보고서를 작성"할 수 있습니다.
"모델은 브라우징 작업에 대한 강화 학습을 통해 이러한 능력을 학습했다."
4.2 Claude Sonnet 3.7: 코드 중심의 모델
Claude 3.7은 복잡한 코드 사용 사례를 염두에 두고 훈련되었습니다.
이 모델은 기존의 워크플로우를 대체하며, "코드 생성뿐만 아니라 전체 프로세스를 관리"할 수 있습니다.
5. 워크플로우에서 에이전트로의 전환
Anthropic은 에이전트 모델에 대해 다음과 같이 정의했습니다.
"에이전트는 작업을 내부적으로 수행하며, 자체 프로세스와 도구 사용을 동적으로 지시하고, 작업을 수행하는 방식을 스스로 제어한다."
현재 많은 스타트업이 에이전트를 개발한다고 주장하지만, 실제로는 "사전 정의된 코드 경로를 통해 LLM과 도구를 조율하는 워크플로우"를 만들고 있을 뿐입니다.
6. 복잡성의 이동: 훈련이 핵심
모델 훈련은 이제 더 많은 작업과 엣지 케이스를 미리 예측하여 배포를 단순화합니다.
결과적으로, "가치는 모델 훈련 단계에서 창출되고, 결국 모델 훈련자가 이를 대부분 차지하게 될 것"입니다.
6.1 RAG(검색 및 생성) 시스템의 자동화
현재 RAG 시스템은 여러 취약한 워크플로우로 구성되어 있습니다.
하지만 새로운 훈련 기술을 통해, 데이터 준비와 검색/보고서 생성 작업을 각각 담당하는 두 개의 모델로 통합할 가능성이 있습니다.
이 과정은 "정교한 합성 파이프라인과 새로운 강화 학습 보상 함수"를 필요로 합니다.
7. 모델 제공자의 변화: API에서 UI로
Databricks의 Naveen Rao는 다음과 같이 말했습니다.
"모든 폐쇄형 AI 모델 제공자는 앞으로 2~3년 내에 API 판매를 중단할 것이다. 오직 오픈 모델만이 API를 통해 제공될 것이다."
폐쇄형 모델 제공자는 이제 단순한 모델이 아니라 "특정 목적을 위한 UI를 갖춘 애플리케이션"을 제공하려고 합니다.
8. 투자 환경의 문제점
현재 AI 투자 환경은 다음과 같은 가정을 기반으로 하고 있습니다.
- 애플리케이션 계층이 모델 계층과 독립적으로 가장 큰 가치를 창출할 것이다.
- 모델 제공자는 점점 낮아지는 가격으로 토큰을 판매할 것이다.
- 폐쇄형 모델 래핑이 모든 수요를 충족할 것이다.
- 훈련 역량을 구축하는 것은 시간 낭비다.
하지만 이러한 가정은 최근 기술 발전, 특히 강화 학습(RL)을 제대로 반영하지 못하고 있습니다.
"모델 훈련은 시장에서 가장 큰 잠재력을 가진 영역 중 하나지만, 투자 환경은 이를 제대로 평가하지 못하고 있다."
9. 미래 전망: 모델 훈련의 중요성
OpenAI와 같은 대형 연구소는 이제 API 고객이 아닌 "훈련 단계에서 협력할 파트너"를 선택할 가능성이 높습니다.
DeepSeek의 창립자인 Lian Wenfeng은 다음과 같이 말했습니다.
"현재 단계는 애플리케이션 폭발이 아니라 기술 혁신의 폭발이다."
"완전한 산업 생태계가 형성되면, 우리가 애플리케이션을 만들 필요가 없어진다."
10. 결론: 새로운 전쟁의 시작
현재 많은 서구 기업들은 "지난 전쟁의 전략으로 다음 전쟁을 준비"하고 있는 상황입니다.
모델이 곧 제품이라는 새로운 패러다임에서, 훈련 역량을 갖춘 소규모 팀이 미래 AI 시장에서 중요한 역할을 할 가능성이 높습니다.
"모델 훈련이 곧 AI의 핵심 경쟁력이 될 것이다." 🚀