오픈AI의 딥 리서치와 지식의 가치 (번역)

“AGI를 언제 느끼셨나요?When did you feel the AGI?”

이 질문은 한동안 AI 업계에서 오가던 말입니다. 여기엔 두 가지 이유로 답하기가 쉽지 않습니다. 첫째, 대체 AGI란 무엇일까요? 둘째, “느낀다(feel)”라는 표현 자체가 대법원 판사 포터 스튜어트가 ‘자코벨리스 대 오하이오 주’ 사건에서 외설을 두고 한 유명한 말—“보면 안다(I know it when I see it)”—와 비슷한 맥락을 갖고 있기 때문입니다.

저는 제 글 AI’s Uneven Arrival에서 AGI에 대한 제 나름의 정의를 제시한 적이 있습니다.

“o3와 추론 시간 스케일링이 보여주는 것은 조금 다른 형태입니다. 즉, 실제로 ‘작업을 맡기고 이를 신뢰할 수 있는 AI’라는 개념인데, 이를 다른 말로 표현하자면 ‘독립적으로 일하는 사람’에 훨씬 가까워 보입니다.

단순히 보조 역할을 하는 게 아니라, 탄환(ammunition)에 더 가깝다고 할 수 있죠—총에 달린 조준경(rifle sight)보다는 말입니다.

다소 기묘하게 들릴 수 있는 비유지만, 사실 이 비유는 키스 라보이스가 스탠퍼드에서 한 강연 내용에서 유래했습니다… 제가 생각하는 AGI의 정의는 AI가 탄환처럼 행동할 수 있다는 것입니다. 즉, 특정 과업을 맡겼을 때, 적절히 충분한 수준으로 그 업무를 완수해낼 수 있는 능력을 말합니다. (한편, 제가 생각하는 ‘ASI(Artificial Super Intelligence)’는 그 업무 자체를 처음부터 직접 구상해낼 수 있는 능력입니다.)”

이 질문 중 “언제 ‘느꼈느냐’(feel)”라는 부분은 비교적 최근에 주목받고 있는데요. 바로 오픈AI(OpenAI)의 ‘딥리서치’를 써보면, AGI를 직접 체감하는 듯한 느낌이 듭니다. 마치 한 달 200달러 정도의 매우 저렴한 가격으로 새로운 직원을 새로 뽑은 기분입니다.

딥 리서치의 등장

오픈AI는 2월 2일 블로그를 통해 딥 리서치를 발표했습니다.

“오늘 저희는 ChatGPT의 새로운 에이전틱(agentic) 기능인 ‘딥 리서치’를 선보입니다. 이는 인터넷에서 여러 단계를 거쳐 복잡한 작업을 수행하는 것으로, 사람이 하면 여러 시간이 걸릴 일을 몇십 분 만에 해냅니다.

딥 리서치는 오픈AI의 차세대 에이전트로, 사용자의 개입 없이도 독립적인 작업을 수행할 수 있습니다. 사용자가 프롬프트를 주기만 하면, 챗지피티가 수백 개의 온라인 자료를 찾아 분석 및 종합하여, 연구 분석가와 맞먹는 수준의 포괄적 보고서를 작성해줍니다. 이는 곧 선보일 오픈AI o3 모델 중 웹 브라우징과 데이터 분석에 최적화된 버전을 기반으로 작동하며, 추론 능력을 활용해 인터넷상의 텍스트·이미지·PDF를 대거 검색·해석·분석합니다. 그리고 접하는 정보에 따라 유연하게 방향을 바꿉니다.

지식을 종합하는 능력은 곧 새로운 지식을 창출하는 사전 단계라 할 수 있습니다. 이러한 이유로, 딥 리서치는 저희가 오랫동안 구상해온 ‘새로운 과학 연구 결과까지 만들어낼 수 있는 AGI’ 개발이라는 더 큰 목표로 가는 중요한 이정표라고 생각합니다.”

솔직히 말해, 요즘 오픈AI가 AGI를 정의하는 방식은 CEO 샘 올트먼이 바로 어제쯤엔 “사람 수준의 복잡한 문제를 여러 분야에서 해결할 수 있는 시스템”이라고도 하듯, 계속 유동적인 느낌입니다.

반면, 제가 내린 정의는 훨씬 더 간단하고 절제된 편인데요. 그 정의를 기준으로 보면, 딥 리서치는 위 인용문 중간쯤에 해당합니다. 즉, 경제적으로 가치 있는 방식으로 리서치를 종합하지만, 완전히 새로운 지식을 만드는 수준에 이르지는 못합니다.

저는 이미 Stratechery 업데이트(지난 화요일 자)에 딥 리서치 예시 두 가지를 공개했습니다. 전체를 읽어보시길 권하지만, 간단히 요약하자면 이렇습니다:

먼저, 저는 얼마 전 애플의 최신 실적에 대한 짧은 논평을 썼습니다. 여기서 세 가지 관점을 언급했는데,
- 최신 분기에 아이폰 판매량은 전년 대비 감소했음에도 불구하고 애플이 사상 최대 매출을 기록했다는 점. 이것은 애플이 ‘서비스’ 기업으로 변신하며 추진력을 얻고 있다는 증거로 볼 수 있습니다.
- 중국 매출이 다시 감소했는데, 사실 이것은 최근에 갑자기 나타난 현상이 아니라 거의 10년 가까이 거슬러 올라가는 추세입니다. 다만 그간 화웨이 칩 제재 때문에 애플이 중국에서 잠깐 반사 이익을 얻었던 것이죠.
- 애플 임원들은 “애플 인텔리전스”가 아이폰 매출을 견인한다고 주장했지만, 실은 지역별 매출 수치를 보면 그걸 뒷받침할 만한 증거가 별로 없었다는 점입니다.
그 후 “이제 제 목소리, 즉 Stratechery의 과거 애플 분석 스타일에 맞춰서 ‘애플의 최신 실적 분석 보고서’를 써 달라”라는 식의 포괄적인 프롬프트를 딥 리서치에 던졌습니다.
그리고 그 다음에는, 위에서 정리한 세 가지 핵심 관점을 프롬프트에 더욱 구체적으로 반영하여 “애플의 2025 회계연도 1분기(2024년 4분기) 실적과 관련해 서비스 매출 증가 추세, 중국 시장에서의 장기 하락, 그리고 애플의 AI 전망 등을 함께 묶어 해설해 달라”고 요청했습니다.

Stratechery 업데이트에서 실제 결과물을 보실 수 있지만, 제 평가는 이렇습니다:

첫 번째 답변은 (지시사항이 적었음에도) 나쁘지 않았습니다. 주로 요약에 가까웠지만, 그 안에도 몇 가지 통찰이 담겨 있었습니다.
두 번째 답변은 훨씬 인상적이었습니다. 이 질문은 제가 과거에 쓴 애플 관련 글들을 더 많이 반영했으며, 제가 그동안 Stratechery에서 제기해 온 여러 포인트들을 내용에 녹여냈죠. 솔직히 말해, 제게 새로운 시각을 준 건 아니었지만, 만약 그 주제를 처음 접하는 사람이라면 얻을 것이 있었을 겁니다. 혹은 이렇게 표현할 수도 있겠습니다. 만약 제가 리서치 어시스턴트를 구한다면, 이 두 번째 답변 수준의 사람이 있다면 꽤 괜찮아 보였을 거란 뜻입니다.

즉, 앞서 말한 비유에 따르면 딥 리서치는 아직 ‘총열’에 견줄 만한 수준은 아니지만, 적어도 이 질문 범위에 한해서는 꽤 쓸 만한 ‘탄환’ 역할을 한 셈입니다.

딥 리서치의 구체적 사례

물론 이 “탄환”이 저 개인에게 대단히 큰 가치를 준 것은 아니었습니다. 저는 팟캐스트 녹음을 하기 전에 애플 실적 발표문 전체를 읽고, 오전 8시에 녹음하기 전 이미 제 생각을 정리할 수 있으니까요.

일단 제가 지난 12년간 애플을 분석해왔다는 게 엄청난 호사입니다. 그리고 앞서 말한 것처럼, 두 번째 딥 리서치 결과가 흥미로웠던 이유는 먼저 떠올린 아이디어를 딥 리서치가 뒷받침해줬기 때문입니다. 하지만 이 리포트 내용이 실제 Stratechery 업데이트처럼 치밀했다고 보기는 어렵죠 (물론 주관적인 제 평가입니다만!).

그런데 그다음 날, 훨씬 유용한 사용 사례가 있었습니다. 제가 인터뷰를 진행하기 전에는 보통 그 인터뷰 상대의 배경, 그가 일하는 회사, 관련 업계 등에 대해 몇 시간 동안 리서치를 합니다.

이번에는 서비스나우의 회장 겸 CEO인 빌 맥더멀트를 인터뷰했는데, 저에게 이 회사가 완전히 낯선 존재는 아니지만 깊이 알고 있지도 않았습니다. 그래서 딥 리서치에 부탁했죠.

“제가 곧 서비스나우의 CEO인 빌 맥더멀트를 인터뷰할 예정입니다. 인터뷰 질문을 준비하기 위해 맥더멀트 개인과 서비스나우 모두에 관해 미리 조사하고 싶습니다.

먼저 맥더멀트의 배경에 대해 더 알고 싶습니다. 그를 다룬 좋은 프로필 기사 같은 게 있으면 알고 싶습니다. 예전에 SAP에서 일했다고 들었는데, 거기서 어떤 경험이 특히 중요한지, 그리고 어떻게/왜 서비스나우로 옮겼는지도 궁금합니다.

서비스나우의 배경은 어떻게 되나요? 어떻게 시작했으며, 초기 제품-시장 핏을 어떻게 찾았는지, 그리고 시간이 지나며 어떻게 확장됐는지, 주로 어떤 회사들이 쓰는지 궁금합니다.

서비스나우의 비즈니스 모델은 무엇인가요? 시장 공략(go-to-market) 전략은 어떻게 되나요?

맥더멀트가 서비스나우의 AI 기회를 이야기하고 싶어한다고 들었습니다. 그 기회가 무엇이며, 단순한 자동화와 비교했을 때 어떤 독자성이 있나요?

사용자들은 서비스나우를 어떻게 평가하나요? 인터페이스가 복잡하거나 어렵다는 얘기가 있는지, 왜 한 번 도입하면 떠나기 어렵다는지, 어떤 매력이 있는지 알고 싶습니다.

경쟁사는 누가 있나요? 서비스나우가 다른 회사를 위한 플랫폼이 될 수도 있을까요? 아니면 서비스나우를 누군가가 쉽게 대체하거나 파괴(disrupt)할 수 있을까요?

그 외에 제가 질문하면 좋을 만한 게 있으면 제안해 주세요.

참고로 이전 인터뷰를 보면 제가 보통 어떤 스타일의 질문을 하는지 알 수 있을 겁니다.”

제게 돌아온 결과물은 매우 쓸 만했습니다. 질문 자체가 ‘아주 뛰어나다’고 보긴 힘들었지만, 적어도 인터뷰 준비의 출발점으로 삼기에 충분했죠. 물론 이후 제가 실적 보고서 등을 따로 찾아보며 질문을 최종적으로 다듬었지만, 그럼에도 딥 리서치 덕분에 시간을 많이 절약했고, 그것만으로도 한 달 구독료 이상의 가치를 느꼈습니다.

또 다른 흥미로운 사례는, 제 친구가 겪고 있는 복잡한 질환을 조사해본 일이었습니다. 제 프롬프트나 결과물을 여기에 공개하진 않겠습니다(사생활 보호가 필요하니까요).

다만 제 친구는 1년 넘게 이 질환으로 고생했고, 여러 의사들을 만나며 여러 치료법을 시도해왔는데, 딥 리서치가 10분 만에 제시한 가능성 중 하나가, 공교롭게도 제 친구가 지난주에 특정 전문의에게서 “혹시 이런 문제일 수 있다”고 새로 권유받은 항목과 일치합니다. 물론 이것이 정답인지는 아직 모릅니다만, 딥 리서치가 단 10분 만에 제 친구가 여러 달, 여러 병원을 전전하며 알아낸 결론에 다다른 셈이라니 꽤 놀라운 일입니다.

그런데 정말 주목할 만한 사례는, 아이러니하게도 딥 리서치가 가장 극적으로 실패한 경우입니다. 저는 다른 친구가 속해 있는 특정 산업에 대해 포괄적인 질문을 던졌습니다. 이 업계의 주요 업체, 공급망 구조, 고객 세분화 등등을 아주 자세히 묻는 프롬프트였고, 그에 따라 딥 리서치는 모든 답변을 잘 정리해 준 듯 보였습니다.

하지만 그 내용이 전부 틀렸습니다. 다만 그 ‘틀린 방식’이 정말 놀라웠는데요. 여기서 도널드 럼스펠드의 유명한 말을 다시 떠올려야 할 것 같습니다.

“우리가 아는 명백한 사실(known knowns)이 있고, 우리가 모른다는 걸 아는 사실(known unknowns)이 있습니다. 하지만 우리가 모른다는 사실조차 모르는 것(unknown unknowns)도 있습니다.”

이번 리포트 문제는, 굳이 말하자면 럼스펠드 분류 중 어디에도 딱 떨어지지 않습니다. 이것은 네 번째 유형, 즉 “우리가 안다고 착각하지만 사실은 모르고 있는 사실(the unknown known)”에 가깝습니다. 딥 리서치가 뽑아낸 보고서를 보면, 지식을 습득한 것 같은 착각이 들지만, 사실 중요한 정보를 완전히 놓치고 있습니다.

그 업계에서 상당히 큰 비중을 차지하는 어떤 엔티티가 있는데, 딥 리서치는 이 대상을 전혀 언급하지 않았습니다. 이 엔티티는 잘 알려진 브랜드는 아니지만, 공급망에서 핵심적 지위를 갖고 있습니다. 이런 내용을 빠뜨린 리포트는 ‘아주 후하게 봐줘도’ 불완전하다고 할 수 있겠습니다.

지식의 가치

인터넷 시대 들어 많은 미디어들이 뼈저리게 배운 교훈 중 하나는 “뉴스 그 자체는 경제적 가치가 없다”는 사실입니다. 사회적으로는 가치가 있지만, 경제적 관점으로 보면 희소성 없는 정보는 대가를 지불하기 어렵다는 뜻이죠. 사실상 “이걸 누구나 알게 되는 순간, 돈으로 팔 수 없는” 아이러니를 말합니다. 예전 제 글에서도 언급했지만

“너무나 많은 ‘신문(新聞) 옹호론자들’은 과거 신문들이 돈을 벌었던 방식과 사회적 가치 사이의 괴리를 전혀 이해하지 못합니다. 신문이 과거에 돈을 벌었던 건 ‘지역 내 인쇄 광고에 대한 반독점적 지위’를 가졌기 때문이지, 보도 자체가 경제적 가치를 지닌 덕이 아니었죠. 사회적 가치는 그저 덤이었을 뿐입니다.”

결국 이 과거를 잘못 해석하면 현재를 진단할 때 오류를 범하게 되는데, “구글과 페이스북이 신문의 기사를 가져가서 이익을 본 것이 아니다. 그들은 신문의 기사가 아닌 광고 자체를 가져갔고, 그 광고가 수익의 원천이었을 뿐”이라는 점을 못 알아본다는 것입니다.

게다가, 플랫폼에서 뉴스 기사가 사라지면(유럽에서 시도했듯이), 오히려 신문사 쪽이 트래픽을 잃어 더 큰 손해를 보죠.

그렇다고 해서 사실(뉴스) 자체가 가치가 없다는 말은 지나친 것 아니냐고 할 수도 있겠지만, 실상 인터넷과 같은 투명성과 풍요로움이 지배하는 시대에는, 전통적 희소성에 기반한 경제학이 적용되기 어려울 때가 많습니다.

예전에는 (제 세대 이상 분들이 기억하실) 아침 신문을 사 보던 시절이 있었지만, 요즘은 사람들은 소셜미디어에서 무엇이든 무료로 접합니다. 때로는 너무 많은 정보를 봐서 ‘오히려 덜 보고 싶다’고 느끼기도 하죠.

하지만 딥 리서치를 겪어보면, “내가 지금껏 알고 있던 정보보다 훨씬 많은 것을 찾을 수 있구나” 하고 깨닫게 됩니다. 아무리 인터넷을 열심히 읽어도, 사실 세상의 모든 것을 다 읽을 수는 없습니다. 또 사람 혹은 AI가 쏟아내는 온갖 ‘조악한 글’이 쌓여가니, 정말 괜찮은 자료에 닿기가 더욱 어려워지고 있죠.

그리고 이 점이 딥 리서치의 약점이기도 합니다. 역설적으로 가장 대중적이거나 화제성이 큰 주제일수록 쓸데없는 정보가 산더미처럼 쌓여 있어, 좋지 않은 결과물이 나올 가능성이 높습니다.

주제 범위가 비교적 좁거나 특수할수록, 딥 리서치가 실제로 해당 주제를 다룬 논문이나 기사를 제대로 찾아서 더 괜찮은 답을 내놓을 수 있습니다.

위 그림은 반만 맞습니다. 앞서 말씀드린 “놓쳐버린 핵심 정보를 AI가 전혀 파악하지 못하는 사례”가 있듯, 사실 아래 그림처럼 더 복잡하죠.

딥 리서치는 현재로서, 그리고 앞으로 더 발전할수록, ‘검색 엔진’으로서 역사상 가장 강력한 도구가 될 가능성이 높습니다. 특정 주제에 대한 정보를 샅샅이 찾아, 맥락에 맞게 정리해줄 테니까요. 요컨대 ‘비공개 정보나 희소성이 있던 정보’가 아닌 이상, 숨겨진 정보를 쉽게 찾아낼 수 있게 됩니다.

과거에는 뉴스를 보려면 돈을 지불했어야 했다가, 요즘은 소셜미디어가 알아서 뉴스를 밀어주듯이, 지금까지는 어떤 주제 하나를 깊이 파고들려면 몇 시간을 들여 자료를 뒤져야 했는데, 이제는 명령 한 번으로 보고서를 얻을 수 있는 시대로 가는 셈입니다.

그러나, 만약 중요한 정보가 인터넷에 전혀 없는 상황이라면 어떨까요? 바로 이것이 제가 그 문제의 딥 리서치 보고서를 공개하지 않는 이유입니다. 저는 제 친구가 그 업계에 몸담고 있어서, 그 업계에 대해 공개되지 않은 정보를 조금 알고 있었습니다.

그런데 그걸 다시 생각해보니, 앞으로 경제적 가치를 지닌 정보는 되도록 공개 안 하려는 유인이 훨씬 커지겠구나 싶었습니다. 해당 엔티티가 비상장회사인 경우, 증권신고서나 공시자료가 없고, 심지어 회사 웹페이지조차 부실하다면, AI는 그 존재를 아예 모른 채 넘어갈 수 있다는 얘기입니다.

기술 업계에도 이런 예가 있습니다. 아마존은 2006년에 AWS의 첫 번째 제품인 S3를 출시했고, EC2도 그해 선보여 스타트업과 벤처 생태계에 큰 파장을 일으켰습니다. 그런데 그게 ‘아마존 내부 사업 구조’에 어떤 충격을 가져왔는지는 꽤 오랫동안 불분명했습니다.

실제로 아마존은 자사 웹사이트를 AWS로 점차 옮기면서, 2012년까지는 AWS 재무 내용을 아마존닷컴 카테고리에 묶어서 발표했죠. 그리고 2012년 이후에는 ‘기타’ 항목에 넣었습니다. 광고나 신용카드 사업 같은 것과 함께요.

그러다 2015년 1월, 아마존이 “이제 AWS를 별도 부문으로 재무 보고할 것”이라고 발표했는데, 실제로 그해 4월 실적 발표에서 드러난 AWS 매출과 이익이 시장 예측보다 훨씬 높았고, 그로 인해 아마존 시가총액이 하루 만에 엄청나게 뛰었습니다. 저는 이를 두고 그 당시에 “AWS의 IPO”라고 표현했을 정도입니다.

물론 이는 투자자들에게는 기쁜 소식이었지만, 경쟁사인 마이크로소프트와 구글이 클라우드 분야 투자를 대폭 늘릴 수 밖에 없는 계기가 되기도 했습니다. 즉, ‘비공개 정보’를 공개함으로써 얻는 이익도 있지만, 그로 인해 경쟁이 심화될 수 있다는 것입니다.

공개되지 않은 정보를 지키기

아마존 사례에서 “정보를 공개하지 않는 편이 더 유리하다”는 결론을 반드시 내려야 한다는 뜻은 아닙니다. 사실 AWS 매출이 회사 전체의 10%에 달하니 SEC 규정상 정보 공개가 불가피했을 가능성도 있습니다(현재 AWS는 아마존 매출의 15% 수준이지만, 아마존 1P 판매액까지 포함하면 방대한 총매출이 되니 그 비율이 더 낮아 보이는 것이죠).

어쨌든, 추가 정보 공개가 투자자에게 확신을 줘서 자본 지출 확대 여력도 늘렸고, 이 점이 아마존의 물류 기업화에 큰 동력이 됐습니다. 단지 “정보 비공개 자체가 큰 가치가 있다”는 사실을 재차 상기하는 사례일 뿐이죠.

이제 이런 사실이 딥 리서치 같은 AI 도구에 어떤 의미를 갖는지 생각해보면 흥미롭습니다. 해지펀드 업계는 오래전부터 “독점적 데이터”의 중요성을 알았고, 위성사진부터 차량 흐름 관측 등 온갖 자료를 모으며 투자 판단에 사용해 왔습니다.

이런 식의 “남들은 모르는 독자적 정보”가 앞으로 더욱 중요해지리라 저는 예상합니다. 왜냐하면 AI가 공개된 정보를 아주 짧은 시간 안에 훑어보고 종합해버리면, 그걸로부터 우위를 확보하기가 어려워지니까요.

다만, 해지펀드들은 그 정보를 어딘가에 쓰기 위해 결국 시장에서 매매를 해야 하고, 그 매매 결과가 곧 주가(가격)를 통해 모든 투자자에게 신호로 전달됩니다. 즉, 정보가 완전히 사적 비밀일 수는 없으며, 시장 가격이라는 형태로 간접적이나마 퍼집니다. 그리고 앞으로 이런 가격 신호가 점점 더 중요한 역할을 하게 될 것입니다.

그렇기 때문에 저는 딥 리서치같은 AI야말로 예측 시장(prediction markets)을 위한 가장 강력한 옹호 근거가 되리라고 봅니다. 예측 시장은 지난해 미국 대선 과정에서, 여론조사보다 트럼프 승리에 더 긍정적이었던 사례 때문에 잠시 주목받았습니다만, 사실 AI 시대엔 그 중요성이 훨씬 커질 것입니다.

AI가 ‘대중에 공개된 모든 것’을 알 수 있게 될수록, 사람들은 가치 있는 정보를 더욱 감추려 할 테고, 예측 시장은 금전적 보상을 통해 그 정보를 드러내게끔(적어도 가격 신호로라도) 만들 것입니다.

흥미로운 점은, 예측 시장이 주로 암호화폐 업계와 연관돼 왔다는 사실인데, 크립토 역시 AI가 지배적인 시대를 맞아 새롭게 가치를 발휘할 기술이 될 가능성이 높습니다.

AI가 무한정 컨텐츠를 생성해내면, 그에 반해 디지털 희소성(digital scarcity)과 정보 검증(verification)의 가치가 높아지기 때문입니다. 투명성이 극도로 커지면, 비공개/비희소 정보가 곧 새로운 경제적 힘이 됩니다.

AI는 이 모든 것을 연결짓는 열쇠가 될 수 있습니다. 예측 시장의 가격 움직임, 검증된 정보, 그리고 AI가 뒤덮은 엄청난 잡음(slop) 속에서 어떠한 의미를 찾아내려면, 이 세 요소가 어우러져야 할지도 모릅니다.

결국 AI 때문에 정보 생태계 오염이 더 심해지겠지만, 동시에 AI가 그나마 이를 헤쳐나갈 수 있는 길이 될 것입니다. 이것이 AI의 이중적 현실이고, 왜 우리가 피할 수 없는 흐름인지 잘 보여줍니다.

딥 리서치가 가져올 영향

당장은 “딥 리서치가 기술 시장에서 최고 가성비를 제공하는 서비스 중 하나”라고 해도 과장이 아닙니다. 물론 한 달 200달러라는 금액이 싼 편은 아니고, 딥 리서치는 인터넷에 존재하는 정보 품질과 프롬프트의 질에 강하게 좌우되긴 합니다.

물론 아직까지 제가 보기론 딥 리서치가 제가 잘 아는 분야에서 어떤 창의적인 통찰을 던져준 적은 거의 없습니다. 그렇지만 세계에는 “창의적이라기보다는 단순히 필요하지만 반복적인 업무”가 상당히 많죠. 저는 딥 리서치를 쓰면서 생산성이 높아졌다고 느낍니다. 그 전에도 별도의 어시스턴트를 고용할 계획은 없었고요.

그러나 여기엔 두 가지 형태의 ‘위험’도 있습니다.

첫째, 제가 지금껏 어시스턴트를 따로 안 쓴 이유 중 하나는, 직접 자료를 찾고 분류하는 과정에서 부수적으로 배우는 게 많다고 생각했기 때문입니다. 목적지에 도달하기까지 여러 우연한 깨달음이 있을 수 있는데, ‘필요할 때만 후다닥 보고서 뽑아 쓰는’ 식이 되면, 그런 깨달음을 놓치게 될 지도 모르죠.

또 하나 우려되는 건, 12년간 애플 실적 보도를 읽어온 저처럼, 혹은 30년간 테크 분야를 공부해온 사람처럼, 이 과정을 오래 거치며 습득하는 ‘맥락적 이해’가 사라지면, 차세대 분석가들은 무엇을 잃게 될까 하는 것입니다.

그리고 당연히, 일자리 문제를 빼놓을 수 없습니다. 다수의 조직이 분야를 불문하고 리서처를 고용하고 있는데, 차츰 이런 직종에 인건비를 쓸 이유가 줄어들 수 있습니다. AI가 지식 노동의 많은 부분을 대체할 것이라는 걸 머리로만 알고 있었는데, 이번엔 실제로 체감하게 되니 더 실감이 납니다.

그러나 바로 이 지점에서 “비공개 정보(Secrecy)”의 가치가 다시 부각됩니다. 비공개 정보란 일종의 마찰(friction)을 만드는 방식이고, 유용한 지식에 인위적 희소성(scarcity)을 부여하죠. 이는 AI 시대로 갈수록 더욱 중요한 전략이 될 것입니다.

한편으로 실제 물리 세계와 인간이 주도하는 산업(‘오프라인’ 영역)이 높은 경제적 가치를 가지는 시기가 올 것이라고 예측하기도 하고, 다른 한편으로는 “새로운 연구나 발견을 촉진하는 툴·인프라, 그리고 그 결과물을 평가하고 가격화할 수 있는 메커니즘”도 중요해질 것입니다.

지금 우리가 보는 AI는 “공개된 모든 정보”를 아우를 수 있지만, 그로 인해 더욱 많은 사람들이 자산이 될 만한 지식을 숨기고, 유료 장벽을 치고, 전용 시장을 만들어내려 할 것입니다. AI가 강력해질수록, 인간이 직접 발로 뛰어 얻은 정보와 경험, 그리고 이를 매개하는 플랫폼들의 힘이 커질 가능성도 큽니다.

결국, 지금 이대로라면 AI는 정보 생태계를 더 혼탁하게 만들고 동시에 거기서 벗어날 유일한 열쇠가 되겠죠. 그 역설이야말로 인터넷 이후 시대를 살아가는 우리가 맞이하게 된 또 다른 거대한 변화일 겁니다.

원문: Stratechery https://stratechery.com/2025/deep-research-and-knowledge-value/
번역: 챗지피티(o1) / 편집: 뤽