The Inside Story of the 50 Who Built Modern AI With Kevin Roose

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

The Inside Story of the 50 Who Built Modern AI With Kevin Roose를 중심으로, 현대 AI의 역사는 소수 연구자의 발견뿐 아니라 기업 내부의 결정과 경쟁으로 만들어졌다. 루스는 약 150명을 취재해 개발 과정을를 핵심 판단 포인트로 압축 정리한다.

📌 핵심 요점

1. 현대 AI의 역사는 소수 연구자의 발견뿐 아니라 기업 내부의 결정과 경쟁으로 만들어졌다. 루스는 약 150명을 취재해 개발 과정을 재구성했으며, 비밀유지계약과 메시지 삭제로 기록이 사라질 수 있다는 점이 집필을 재촉했다.
2. 범용 학습과 규모 확장이 중요한 연구 방향이었다. 다리오 아모데이의 내부 메모는 특정 과제에 맞춘 시스템 대신, 대규모 연산을 다음 단어 예측 같은 일반적인 문제에 투입해 지능의 출현을 실험하자는 접근을 제안했다.
3. 루스는 AI의 파국이 예정돼 있다고 보지 않지만, 공개 전 안전 검증과 개발 속도를 조정할 협력 장치를 요구한다. 경쟁에서 먼저 개발해야 안전을 지킬 수 있다는 사고방식은 오히려 출시 압박을 키울 수 있다.
4. AI는 취재 자료 탐색과 편집 검토에서 실질적인 도움을 줬다. NotebookLM으로 자료 사이의 연결을 찾고, Claude Code의 여러 에이전트에 서로 다른 검토 관점을 부여해 일부 사실 오류를 발견했지만, 책의 문장은 직접 썼다.
5. 자동화 여부는 노력 자체의 가치에 따라 판단한다. 성장과 관계 형성이 중요한 육아 같은 일은 직접 수행하고, 서류·보험·행정처럼 결과를 효율적으로 얻는 일이 중요한 업무는 AI에 맡긴다. 인간 편집자의 판단과 코칭도 여전히 필요하다.

🧩 배경과 문제 정의

• 대중에게 갑자기 등장한 듯 보이는 현대 AI의 배후에는 소수 연구자와 기업이 오랫동안 축적한 기술과 결정이 있다. 그러나 비밀유지계약과 폐쇄적인 연구 문화 때문에 중요한 개발 과정이 충분히 알려지지 않았다.
• 케빈 루스는 핵심 개발자들을 포함해 약 150명을 취재하며 기술적 돌파구와 기업 간 경쟁을 재구성했다. 내부 기록이 사라지기 전에 현대 AI가 어떻게 만들어졌는지 남기는 것이 집필의 주요 목적이었다.
• AI의 위험을 줄이기 위한 안전 검증과 개발 속도 조정이 필요한 한편, 실제 집필 현장에서는 AI가 자료 정리·편집 검토·사실 확인을 지원할 만큼 유용해지고 있다.

🕒 시간순 섹션별 상세정리

1. AI의 미래는 파국으로 정해져 있지 않다

• 루스는 핵심 개발자들을 포함한 약 150명의 취재를 통해 실질적인 위험과 사회적으로 풀어야 할 어려운 과제가 있다고 판단했다. 다만 인류가 이미 파국을 피할 수 없는 상태라고 보지는 않는다. [02:32]
• AI는 역사적으로도 매우 어려운 도전일 수 있지만, 결과가 예정되어 있지는 않다. 지금 내리는 선택이 앞으로 수년에서 수십 년의 경로에 큰 영향을 줄 수 있다. [03:22]

2. 위기 이후의 규제보다 공개 전 안전 검증이 필요하다

• 루스는 당시 트럼프 행정부가 당장 연방 차원의 AI 규제에 나설 가능성을 낮게 본다. 큰 사고가 발생하면 정부가 급하게 입법이나 행정 조치에 나설 수 있지만, 위기가 있어야만 대응하는 상황을 피해야 한다는 입장이다. [04:16]
• 우선적인 대안은 모델 공개·배포 전에 표준화된 안전 시험을 거치게 하는 산업 표준이나 인증 제도다. 자율적인 사이버 공격이나 새로운 생물무기 개발에 악용될 가능성 등을 점검해야 한다. [05:07]

3. 최첨단 모델 개발 속도를 조정할 협력 장치가 필요하다

• 루스는 최근 몇 달 사이 최첨단 AI 개발 속도를 늦추기 위한 조정 장치가 필요하다는 쪽으로 생각이 바뀌었다. 이전에는 가속을 요구하는 힘이 너무 많아 감속이 불가능하다고 여겼다. [05:47]
• 다리오·데미스·샘 등 주요 AI 지도자들도 발전 속도가 지나치게 빠르다고 느끼며 안전 연구팀에 시간을 주고 싶어 한다는 것이 그의 판단이다. 추가 시간은 시스템 통제와 감시 방법을 개발하고, 대화에서 언급된 허깅페이스 같은 사고의 반복을 줄이는 데 필요하다. [06:08]

4. 기술사의 빈칸과 사라지는 내부 기록이 집필을 재촉했다

• 루스는 2025년 초 무렵 집필을 결심했다. 오랫동안 기술 산업을 취재하고 2021년에 AI 관련 책도 냈지만, 핵심 기술이 실제로 발전한 과정은 충분히 알지 못했다고 느꼈다. [08:12]
• 구글이 2017년에 만든 트랜스포머가 OpenAI에서 발전한 경위, 2022년 ChatGPT 공개 결정, 2023년 추론 모델 등장 과정 등이 확인해야 할 공백이었다. 누가 현장에 있었고 중요한 순간에 어떤 결정을 내렸는지가 역사적으로 중요했다. [08:35]

5. 익명 보장과 취재 준비가 폐쇄적인 연구자 집단을 열었다

• 가장 어려웠던 초기 취재에서는 역사적 기록의 중요성을 강조하고, 다수 인터뷰에 취재원의 신원을 밝히지 않는 조건을 적용했다. 처음 공개하는 경험과 정보를 이야기할 수 있도록 신뢰를 만드는 과정이었다. [11:11]
• 처음 약 25명 또는 50명을 취재한 뒤에는 좁은 연구자 사회의 입소문이 인터뷰를 늘렸다. 다른 사람이 참여했다는 사실이 신뢰를 주기도 했고, 경쟁자나 사이가 좋지 않은 사람의 설명에 자기 관점을 보태려는 동기가 되기도 했다. [12:26]

6. ‘거대한 연산 덩어리’ 가설이 범용 모델과 규모 확장을 제안했다

• 다리오 아모데이가 OpenAI에 있던 2017년에 쓴 내부 메모 「거대한 연산 덩어리 가설」은 회사의 연구 방향과 목표에 큰 영향을 주었다. 당시에는 바둑처럼 특정 과제를 잘 수행하도록 맞춤형 시스템을 만드는 접근이 널리 쓰였다. [15:26]
• 메모의 대안은 대규모 연산 자원을 모아 다음 단어 예측처럼 일반적인 문제에 투입하고, 그 과정에서 지능이 나타나는지 확인하는 것이었다. 특정 과제에 맞춘 설계보다 범용적인 학습 문제와 규모 확장에 무게를 두었다. [16:32]

7. 미래에 관한 독서는 불가능하다는 통념을 의심하게 했다

• 아서 C. 클라크의 책은 OpenAI의 전 수석과학자 일리야가 좋아했던 독서 자료였다. 새로운 기술을 불가능하다고 단정하는 권위자들의 예상이 실제 돌파구 앞에서 뒤집히는 이야기가 연구자들의 믿음과 맞닿아 있었다. [17:39]
• 뒤늦게 확인된 책 제목은 『미래의 프로필』이다. 공상과학적 가능성을 진지하게 받아들이는 태도를 이해하는 데 도움이 되는 자료였다. [18:27]

8. 맨해튼 프로젝트의 역사는 방어적 개발 경쟁의 사고방식에 영향을 주었다

• 리처드 로즈의 『원자폭탄 만들기』는 AI 경쟁에서도 중요한 독서 자료였다. 다리오는 젊을 때 이 책을 읽었고, 특히 물리학자 레오 실라르드에게 강하게 공감했다. [18:32]
• 루스의 해석에서 다리오는 자신을 현대의 실라르드와 연결한다. 위험한 기술이 악한 세력의 손에 들어가거나 그들이 먼저 개발하는 일을 막기 위해 자신도 개발에 참여해야 한다는 사고방식이다. [19:19]

9. 직접 경험한 사람들의 기록은 기술사를 남길 이유가 된다

• 루스의 어머니는 일본의 원폭 생존자들을 인터뷰하고 경험을 모아 책으로 남겼다. 직접 겪은 사람들의 증언이 사건을 생생하게 보존하는 기록이었다. [20:08]
• 루스가 자신의 책을 어머니의 작업에 의식적으로 맞춘 것은 아니다. 다만 역사적 경험을 기록하는 사람이 있는 집에서 자란 환경과, 당사자의 이야기를 남겨야 한다는 감각이 영향을 주었을 가능성은 인정한다. [20:54]

10. 빙 시드니와의 대화가 AI의 사회적 영향력을 실감하게 했다

• 일리야가 OpenAI 내부에서 반복하던 “AGI를 느껴야 한다”는 표현과 연결해, 루스는 2023년 빙의 시드니와 대화했을 때 AI를 다르게 느끼기 시작했다고 짚어 본다. [22:18]
• 당시 AI가 의식이나 생명을 가졌다고 생각한 것은 아니었다. 그러나 단순히 수동적인 도구처럼 느껴지지 않았고, 기술적·경제적 영향뿐 아니라 사회적 차원에서도 강한 힘을 가진 기술임을 실감했다. [23:03]

11. 본문은 직접 쓰고 AI는 집필 주변 작업에 활용했다

• 책의 문장은 루스가 직접 썼으며, 실제 글쓰기를 AI에 맡기지 않았다. 인간 편집자들과 연구원 재스민 선도 책 제작에 참여했다. [24:32]
• AI는 글쓰기 이외의 여러 작업에 활용했다. 다만 약 1년 안에 긴 책을 완성하는 과정은 여전히 어렵고 많은 시간이 드는 작업이었다. [24:58]

12. 여러 관점의 AI 검토가 편집과 사실 확인을 보완했다

• 루스는 초고를 Claude Code에 넣고 여러 에이전트가 검토하는 ‘클로드 위원회’를 구성했다. LLM의 지능을 의심하는 회의론자, 기술적 선행 연구를 아는 AI 역사가, 이야기의 흐름과 완성도를 살피는 편집자 등의 관점을 부여했다. [25:30]
• 총괄 편집 에이전트는 각 에이전트의 의견을 종합해 검토 문서를 만들었다. 이 과정에서 루스와 인간 편집자들이 놓친 몇몇 사실 오류를 발견해 실질적인 도움을 주었다. [26:24]

13. 자료 탐색과 일상 업무를 AI에 맡기며 활용 범위가 넓어졌다

• NotebookLM은 방대한 취재 자료를 모으고 자료 사이의 연결을 찾는 데 핵심적인 도구였다. GPT-4 사전학습 이야기를 누가 해줬는지, 앤트로픽의 특정 사건을 더 알아보려면 누구에게 연락해야 하는지 등을 자료에 기반해 찾을 수 있었다. [27:18]
• 루스는 매일 AI를 사용하며, 대화 당시에도 서너 개의 에이전트가 여러 작업을 수행하고 있었다. 케이시 뉴턴과 준비하는 스타트업의 작은 프로젝트부터 행정 업무와 돌봄 일정 조율까지 활용 범위가 넓어졌다. [28:02]

14. 인간 편집자의 역할에는 문장 수정뿐 아니라 동기와 판단도 포함된다

• 좋은 편집자는 문장을 다듬고 설명을 줄이거나 확장할 지점을 찾는 동시에, 구조와 속도를 조절해 독자가 정보를 만족스럽게 받아들이도록 돕는다. [29:13]
• 편집자는 충분히 풀리지 않은 문제를 지적하고 취재원에게 돌아가 더 알아보도록 독려하는 코치이기도 하다. 어떤 이야기가 더 추구할 가치가 있는지 판단하는 능력 역시 편집자의 역할에 포함된다. [29:41]

15. AI의 문장 교정 능력과 인간 편집자의 코칭은 함께 필요하다

• AI는 문장 단위 교정에 매우 능숙하고 글의 속도감과 구조를 다루는 능력도 좋아지고 있지만, 좋은 인간 편집자가 갖춘 역량 중 상당 부분은 아직 수행하지 못한다. [30:02]
• 루스가 자부심을 느끼는 결과물을 만들려면 기술적인 편집과 함께 코칭·영감·동기 부여가 필요하다. 충분히 파고들지 못한 대목을 다시 작업하도록 독려하는 역할도 여기에 포함된다. [30:24]

16. 다양한 AI 도구를 실험해도 공동 집필의 중심은 Google Docs다

• Claude·ChatGPT·Gemini와 기업용 에이전트 등을 폭넓게 사용하며, 다른 에이전트를 교정하는 에이전트까지 생겨 도구 구성이 복잡해졌다. 주말에는 바이브 코딩 프로젝트를 하고, 로컬 모델로 전사와 요약도 수행한다. [30:54]
• 실제 집필은 주로 Google Docs에서 한다. 빠르게 문서를 열 수 있고 방송 프로듀서들과 같은 문서에서 함께 작업하기에 적합하기 때문이다. 전문 집필 앱도 시험했지만 주된 도구는 계속 Google Docs였다. [32:03]

17. Machine Gods는 AI를 핵심 의제로 삼아 주 2회 제작된다

• 새 팟캐스트 Machine Gods는 NPR과 협력해 주 2회 공개하며, Hardfork에서 오랫동안 호흡을 맞춘 케이시 뉴턴과 공동 진행한다. 두 사람은 AI를 세계에서 가장 중요한 이야기로 보고 프로그램의 중심에 둔다. [32:50]
• 외부 감사자와의 정보 공유를 둘러싼 분쟁 뒤 해고된 전 OpenAI 안전 연구자 세 명 중 두 명을 인터뷰했다. 앞으로도 주간 뉴스 분석과 AI 분야 주요 인물 인터뷰를 통해 내용을 재미있고 이해하기 쉽게 전달할 계획이다. [33:19]

18. 기술에 대한 호기심은 사람들의 불안과 적응을 이해하는 일로 계속된다

• 루스는 어린 시절 형제와 웹페이지를 만들던 때부터 새로운 기술을 직접 경험하는 일을 즐겼다. 최신 도구를 시험하고 이야기하는 현재의 직업도 그 관심에서 이어졌다. [33:58]
• 새로운 기능의 흥미로움만큼 중요한 질문은 그것이 사람들에게 무엇을 의미하느냐다. 그는 AI가 빠르게 등장했던 다른 기술들과 다르며, 사람들이 느끼는 두려움에도 타당한 이유가 있을 수 있다고 본다. [34:39]

19. 사업 확장에 앞서 제작을 안정시키고 새로운 영상 문법을 찾는다

• 우선 몇 달은 실험과 개선을 거쳐 만족할 만한 방송을 주 2회 안정적으로 만드는 데 집중할 생각이다. 이후 라이브 행사 등으로 확장할 가능성은 있지만, 너무 빠르게 사업을 벌여 역량을 초과하는 상황은 피하려 한다. [36:05]
• 영상에서는 화면 속 대화 형식을 넘어, 다음 단계의 야심 있는 저널리즘이 어떤 모습일지 탐색하고 싶어 한다. 아직 답을 찾지는 못했으며, 초기 아이디어도 먼저 시험해 봐야 한다는 입장이다. [36:43]

20. 듣기만 해도 완결되고 화면으로도 즐거운 프로그램을 지향한다

• 영상 제작은 옷차림처럼 시청자가 직접 보는 요소까지 신경 쓰게 만든다. 그러나 화면을 끄거나 운전·집안일을 하면서 듣는 사람에게도 프로그램이 충분히 성립해야 한다. [39:33]
• 동시에 TV나 태블릿으로 보는 사람에게는 시각적인 재미를 제공하고 싶어 한다. 이를 제대로 구현한 프로그램이 있는지는 확신하지 못하지만, 소리만큼 화면도 좋은 콘텐츠가 목표다. [40:20]

21. AI에 맡길 일은 노력 자체가 주는 가치에 따라 구분한다

• ‘웨이트리프팅’형 과제는 고생하는 과정 자체가 성장·학습·도전의 일부인 일이다. 체육관에서 지게차로 대신 무게를 들면 운동 효과가 없듯, 이런 일을 도구에 맡기면 자신이 발전할 기회를 잃는다. [42:45]
• ‘지게차’형 과제는 무거운 물건을 한 지점에서 다른 지점으로 옮기듯 결과를 효율적으로 달성하는 것이 중요한 일이다. 도구가 절차를 줄이고 생산성을 높여 준다면 활용할 이유가 있다. [43:19]

22. 육아는 직접 수행하고 창업의 행정 업무는 AI에 맡긴다

• 루스에게 육아는 ‘웨이트리프팅’에 해당한다. AI로 아이에게 잠자리 이야기를 읽어 주는 활용 사례가 있지만, 그는 육아를 직접 해야 하는 일로 여기며 이를 외주화하는 것은 부모와 아이 모두에게 좋지 않다고 본다. [44:17]
• 반면 회사 설립에 필요한 법률·절차 관련 실무, 각종 서류와 보험 문서, 매일 처리해야 하는 자잘한 행정 업무는 ‘지게차’에 해당한다. 이런 부담은 기계에 기꺼이 맡긴다. [44:57]

🧾 결론

• 현대 AI를 이해하려면 모델의 성능과 함께 누가 어떤 믿음과 압박 속에서 중요한 결정을 내렸는지 살펴봐야 한다.
• 안전한 발전은 저절로 보장되지 않는다. 루스의 제안은 사고 이후의 대응에 앞서 공개 전 시험과 안전 연구에 필요한 시간을 확보하자는 것이다.
• AI는 자료 정리와 검토를 보완할 수 있지만, 무엇을 더 취재하고 어떤 일을 직접 수행할지는 사람이 판단해야 한다.

📈 투자·시사 포인트

• AI 기업을 살펴볼 때 성능과 출시 속도에 더해 공개 전 안전 시험, 통제·감시 역량, 경쟁 압박에 대응하는 의사결정도 점검할 관점이다.
• 범용 학습과 연산 규모 확대는 현대 AI의 형성을 이해하는 중요한 축이다. 다만 이 인터뷰만으로 향후 투자 수익이나 특정 기업의 우위를 판단할 수는 없다.
• 업무 도입의 구체적인 검토 대상은 자료 검색, 교차 검토, 행정 처리다. 생산성 효과를 평가할 때는 사람이 결과를 확인하는 부담과 직접 수행할 때 얻는 학습 가치도 함께 고려필요가 있다.

⚠️ 불확실하거나 확인이 필요한 부분

• 제목의 ‘50명’과 본문의 ‘약 150명 취재’는 같은 숫자가 아니다. 핵심 인물 수와 전체 취재원 수의 관계는 제공된 자료만으로 확정할 수 없다.
• ‘2023년 추론 모델 등장’이라는 서술과 ‘허깅페이스 같은 사고’의 구체적인 대상은 추가 확인이 필요하다. 자료에는 해당 모델이나 사건을 식별할 설명이 충분하지 않다.
• 연방 규제 가능성과 주요 AI 지도자들의 감속 의향은 대화 당시 루스의 전망과 해석이다. 공식 정책이나 당사자들이 합의한 입장으로 받아들이기 어렵다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 제목의 핵심 인물 수와 전체 취재원 수를 구분하고, 개발 연대기와 언급된 사고는 원자료에서 확인한다.
• AI 기업이나 모델을 검토할 때 공개 전 안전 시험, 외부 검증, 통제·감시 절차의 공개 여부를 확인한다.
• 보유 자료를 대상으로 출처를 추적할 수 있는 검색·정리 방식을 시험하고, 검색 결과를 원문과 대조한다.
• 초고 검토에 회의론자·분야 전문가·편집자 관점을 적용해 보고, 지적된 사실 오류는 사람이 출처를 확인한다.

❓ 열린 질문

• 기업 간 경쟁이 계속되는 상황에서 개발 속도를 조정할 협력 장치는 누가 만들고 어떻게 유지할 수 있을까?
• 공개 전 안전 시험의 기준과 인증 주체는 어떻게 정하며, 시험이 실제 위험을 충분히 포착하는지 어떻게 확인할까?
• 여러 AI 에이전트의 검토가 서로 다른 관점을 제공하는지, 같은 오류를 반복하는지 어떻게 구분할 수 있을까?