Johnny K.edge🦭

Johnny here

[나중에볼정보 @laterinfo_]

한 유튜버가 일주일 동안 스크린을 포함한 불필요한 시각·청각 자극을 전부 차단하는 실험을 했음. 휴식 시간엔 핸드폰 대신 벽을 20분간 응시하고, 이동 중엔 음악도 안 틀고, 배경 영상 없이 하나에만 집중하는 생활.

결과가 꽤 충격적이었음.

1. 뇌에는 '멘탈 대역폭'이라는 한계가 있음

생산성 전문가 라이언 도리스가 말하는 핵심 개념임.
우리 뇌가 하루에 처리할 수 있는 정보의 총량은 정해져 있음. 이걸 멘탈 대역폭이라고 부름.
문제는 이 대역폭을 뭘로 채우고 있느냐임.
아침에 눈 뜨자마자 인스타 피드 넘기고, 유튜브 틀어놓고 밥 먹고, 이메일 확인하고, 줄 서면서 뉴스 보고.
이게 다 '입력(Input)'임. 뇌 입장에서는 전부 처리해야 할 정보임.
정작 중요한 일을 시작할 때쯤이면 대역폭이 이미 반쯤 소모된 상태인 거임.
집중 못 하는 게 의지 부족이 아니라, 시작 전에 이미 뇌를 다 써버린 거임.

2. 실험의 세 가지 규칙

지루한 휴식 취하기: 쉬는 시간에 폰 보지 말고 벽을 응시함. 뇌가 진짜로 쉬려면 새로운 자극이 0이어야 함.
막간의 시간 머무르기: 줄 서거나 이동할 때 음악이나 영상으로 빈틈을 채우지 않음. 그냥 가만히 있음.

한 번에 하나씩 하기: 멀티태스킹을 멈춤. 배경 음악도 영상도 없이, 지금 하는 일 하나에만 집중함.
핵심은 전부 '입력을 줄이는 것'임. 뇌에 들어오는 정보를 막아서 대역폭을 지키는 거임.

3. 바뀐 건 집중력만이 아니었음

대역폭이 확보되니까 일에 대한 몰입도가 확 올라갔는데, 의외의 변화도 있었음.
반려견이랑 산책하는 순간이 더 풍요롭게 느껴지고, 가족과 대화할 때 더 깊이 몰입하게 됐음.
자극을 줄이니까 일상의 작은 순간들이 더 또렷해진 거임.

4. 실험 후 정리한 실전 팁 네 가지

가장 중요한 일 전에는 다른 일을 하지 말 것. 하루 중 대역폭이 가장 꽉 찬 첫 시간을 핵심 목표에만 쓸 것.
집중 안 될 때는 10~15분 벽 응시. 대역폭 리셋됨. 지루함이 끝나면 일이 훨씬 흥미롭게 느껴짐.
가능하면 종이와 펜을 쓸 것. 화면은 알림, 색상, 아이콘으로 뇌를 피곤하게 만듦. 종이는 출력에만 집중하게 해줌.
이메일, SNS, 유튜브 같은 입력은 하루 최대한 늦은 시간으로 미룰 것.

재밌는 건, 이 실험의 핵심이 '더 열심히 하는 법'이 아니라는 점임.
오히려 정반대임. 덜 넣는 법임.

생산성을 올리려면 뭔가를 더 해야 한다고 생각하기 쉬운데, 진짜 병목은 이미 너무 많이 넣고 있다는 거였음.
집중력의 시대가 끝난 건 아님. 다만, 집중력을 지키려면 더 하는 게 아니라 덜 넣는 게 먼저인 것 같음.

[빚갚는미친개 @mad_dogdebt]

재테크 유튜버들이 말하는 1억 모으면 10억이 쉬워지는 진짜 이유

내가 몆 안 되는 진짜 도움 된다고 생각하는 유튜버 중의 한명.
부읽남의 영상 중에 가장 좋았던 내용이 있음. 처음엔 "10배 불리는 게 어떻게 쉽냐"며 반감부터 들 수 있는데, 풀어주는 논리를 보니까 단번에 납득이 돼서 정리해봄.

결론부터 말하면 돈을 대하는 태도와 '돈이라는 직원의 개념'을 이해해야 됨.

세상 사람들의 90%는 사실 돈을 싫어한다고 함. 돈이 통장에 들어오는 꼴을 못 보고 신용카드나 할부를 써서라도 받기 전에 다 갖다 버리기 때문임. 정확히는 돈이 아니라 '소비'를 좋아하는 것뿐임.

돈을 사람으로 치면, 오자마자 자기를 내버리는 주인 곁에 남고 싶겠음? 돈은 자기를 소중히 여기고 곁에 두려는 사람한테 있음. 이걸 '돈 그릇'이라고 하는데, 내 그릇이 작으면 로또가 터져도 다 흘러넘침.

이 돈 그릇을 키우는 유일한 방법이 '단기간의 폭발적인 저축'임

1억을 10년 동안 모으는 건 그릇을 키우는 데 아무 도움이 안 됨. 100m 전력 질주하듯이 지출을 극단적으로 통제하고 소득을 높여서 최단 기간에 모아야 됨. 그 고통을 겪어야 내 그릇이 깨지고 더 큰 그릇으로 바뀜.

1억을 모은 사람이 10억으로 가는 게 쉬워지는 이유는 두 가지임.

첫째, 저축 체력이 이미 괴물 수준이 됨.

단기간에 1억을 모아본 사람은 매년 추가로 집어넣는 저축액의 체급 자체가 다름. 소비가 무뎌지듯 저축도 하다 보면 무뎌져서 비율을 올리는 게 쉬워지고, 자산이 불어나는 속도에 복리가 붙음.

둘째, 드디어 '돈'이라는 유능한 직원을 고용한 것과 같음.

그전까지는 맞벌이를 해도 한계가 있지만, 시드가 1억쯤 모이면 그때부터는 돈이 제3의 직원으로 출근해서 같이 돈을 벌어다 줌. 3명이 버니까 당연히 속도가 붙음.
게다가 직원이 많아질수록 투자 난이도가 확 낮아짐.

3,000만 원을 벌고 싶을 때 시드가 1억이면 수익률 30%라는 말도 안 되는 리스크를 져야 되지만, 시드가 3억이면 딱 10%만 나와도 됨. 직원이 많을수록 무리한 베팅을 안 해도 되니까 투자가 훨씬 안정적이고 쉬워지는 구조임.
여기서 많은 투자자들이 착각하는 게 있음.

투자를 하면서 100원도 잃기 싫어하는 거임. 돈이라는 신입사원을 뽑아놓고 비용은 주기 싫으면서, 자원봉사로 대박 매출만 물어오길 바람. 아니면 손해 보기 싫다고 은행에만 처박아둠. 아무 일도 안 한 직원이 10년 뒤에 부장급 능력을 발휘할 리가 없음.

투자도 사업임. '안 잃고 많이 버는 것'이 아니라, 시장에 비용을 적당히 지불해가면서 '적게 잃고 더 많이 버는 법'을 배우는 게 사장의 역할임. 투자해놓고 돈 안 벌린다고 남 탓, 직원 탓 해봐야 소용없음. 사장 마인드가 문제인 거임.

결국 이 영상이 주는 메시지는 명확함. "1억 모으면 10억 쉽다"는 말의 진짜 의미는, 1억을 모으는 과정에서 당신의 저축 체력이 완성됐고, 동시에 나를 위해 일해줄 든든한 1번 직원을 채용했다는 뜻임.

그 뒤로도 계속 직원을 늘려가고 가르칠 준비가 됐다면, 10억으로 가는 판은 이전과 비교도 안 되게 쉬워질 수밖에 없음. 스스로 어떤 사장인지 한 번쯤 냉정하게 고민해 볼만한 좋은 내용인 듯 함.

"돈의 그릇"을 어떻게 키우는지, 그리고 '돈'에 대한 개념을 다시 잡기 너무 좋았던 영상임.

어디서 많이 들어본 식상한 소리 같다고? 식상한데, 다들 아는 소리라고 넘기지 말고 한 번 가슴에 손을 얹고 생각해봐야 됨. 진짜 '부자'가 되고 싶다면서, 정작 나는 저런 미친 듯한 절약이나 폭발적인 전력 질주를 단 한 번이라도 해본 적이 있는지.

[빚갚는미친개 @mad_dogdebt]

4,000만 원으로 55억을 달성한 특별한 비법.

이분은 블라인드 네임드로 유명한 '오일전문가'님의 실제 출연 영상이다. 나도 몇 번 글로만 봤던 분인데 실제 인터뷰를 보니까 신기했음.

무엇보다 이분은 계좌 인증을 꾸준히 해왔던 사람이라 말보다 결과로 증명한 케이스에 가까움.

현재 공개한 계좌 기준으로 국내외 주식을 합쳐 약 55억 원 규모를 운용 중이고, 평가이익만 15억 원 수준이라고 함.
(참고로 8개월이 지난 지금은 81억원임)

근데 더 놀라운 건 시작 시드가 4,000만 원이었다는 점.
영상을 보면서 느낀 건 생각보다 투자법이 엄청 단순했다는 거임.

1. 저평가 우량주만 본다

이분은 주식을 고를 때 가장 먼저 보는 게 기업의 재무라고 함.
기업이 꾸준히 돈을 벌고 있는지,

10년 이상 적자를 낸 적은 없는지,

배당을 계속 늘려왔는지,
사업 자체가 앞으로도 사라질 가능성이 낮은지를 본다고 함.

대표 사례로 하나금융지주를 이야기했는데,

지난 10년 동안 적자를 낸 적이 거의 없고,
순이익은 약 4배 증가,

배당은 약 6배 증가했는데도 주가는 상대적으로 많이 오르지 않았다고 봤음.

즉,

"기업은 성장했는데 가격은 아직 싸다."
이게 본인이 말하는 저평가 우량주라는 것.

2. 뉴스보다 기업 본질을 본다

이분은 정치 이슈, 금리, 악재 뉴스 같은 것들을 대부분 '소음'이라고 표현함.

예를 들어 탄핵 이슈로 시장이 크게 흔들렸을 때도 기업 자체가 망가진 건 아니라고 생각했음.

그래서 공포에 팔기는커녕 오히려 추가 매수를 했다고 함.
심지어 보험담보대출까지 활용해서 매수했다고 함.

왜냐하면 기업의 가치가 그대로인데 가격만 내려가면 할인 행사라고 생각하기 때문.

이 부분이 인상 깊었음.

대부분 사람들은 하락하면 무섭고,
오르면 사고 싶어지는데,

이분은 정반대로 행동함.

3. 장기투자는 의지가 아니라 습관이라고 함
(진짜 메모하자)

영상에서 가장 기억에 남았던 말.

"장기투자는 습관이다."

처음부터 단타와 테마주 매매를 반복하면 앞으로도 계속 그렇게 될 가능성이 높고, 반대로 시드가 적을 때부터 우량주를 사 모으는 습관을 들이면 돈이 커져도 같은 방식으로 투자하게 된다고 함.

실제로 하나금융지주는 2019년부터 계속 사 모았다고 함.

근로소득으로 사고,배당금으로 사고,
기타소득으로 사고, 다른 종목 매도한 돈으로도 사고.

그냥 끊임없이 모았음.

4. 사람들이 돈을 못 버는 이유는 '탐욕' 때문이라고 봄

이분은 답이 의외로 간단하다고 말함.

좋은 기업을 오래 들고 있으면 되는데,
사람들이 그걸 못하는 이유는 다음 달에 2배,

1년 안에 5배,10배 수익을 원하기 때문이라고 함.

그래서 결국 테마주,작전주,급등주,

유행하는 종목으로 계속 이동하게 됨.

하지만 진짜 자산가는 그렇게 만들어지지 않는다고 이야기함.
기업이 돈을 버는 속도보다 빨리 부자가 되려는 욕심이 투자 실패의 원인이라는 것.

5. 계좌가 55억인데도 100% 주식

보통 50억 넘으면 채권,예금,부동산,
현금 비중을 늘릴 것 같지만 이분은 여전히 주식 비중이 압도적임.

이유도 단순함.

100년 이상 데이터를 보면 결국 가장 높은 수익률을 보여준 자산이 주식이라는 것.

그래서 여유자금이 생기면 예적금을 하는 게 아니라 계속 주식을 산다고 함.

심지어 "목표 자산이 없다"고 말함.
투자 자체가 취미가 됐다고.

6. 테슬라가 몇 배 올라도 배가 안 아프다고 함

인터뷰어가 "테슬라 같은 기술주가 폭등하면 배 안 아프냐?"
고 물어봤는데,본인은 전혀 배 아프지 않다고 함.

왜냐하면 자신이 보유한 자산도 꾸준히 증가하고 있기 때문.

남이 5배 먹은 걸 보는 것보다

내 자산이 계속 우상향하는 게 중요하다고 생각함.
이것도 투자 고수들이 공통적으로 하는 말 같음.

7. ETF보다 개별주를 선호

SCHD 같은 ETF에 대해서도 의견을 이야기했는데,
나쁜 상품은 아니지만 본인은 투자하지 않는다고 함.

이유는 ETF는 좋은 기업도 있고 별로인 기업도 섞여 있기 때문.

반면 개별주는 기업의 본질을 직접 분석할 수 있다고 생각함.
다만 초보자라면 ETF부터 시작하는 건 충분히 좋은 선택이라고 말함.

결국 영상을 보고 느낀 건,

이분이 특별한 정보를 가진 것도 아니고,
매일 차트를 분석하는 사람도 아니라는 점.

그냥 좋은 기업을 찾고, 싸게 사고, 오래 들고 가는 걸 미친 듯이 반복한 사람 같았음.

솔직히 사람들은 "55억 만든 종목이 뭐냐"에 관심이 가지만,
정작 영상에서 강조한 건 종목이 아니라 투자 습관이었음.

4,000만 원이 55억이 된 핵심도 결국 한 방이 아니라,

좋은 기업을 수년 동안 계속 사 모은 복리의 힘이라는 생각이 들었음. 정말 정말 좋은 내용이였음.

(오일전문가님이 운영하는 유튜브는 맨 마지막 사진에 참고)

[Johnny K.edge🦭 @johnnyhhhhhhhh]

Season 1 of @The_Beacon_GG goes live May 25 alongside $BCN!
Use my code and get a 50 Gobloonz + 1 Umbra Chest head start on everyone else 👇🏼
https://t.co/kLdxASHhl5

[Johnny K.edge🦭 @johnnyhhhhhhhh]

I received $15 in USDT back just by spending with my Tria card.

Spend crypto, earn real rewards, and use your Tria card across 150+ countries.

#MyTriaCashback

Get your Tria card now:
https://t.co/GSPPA0hmca

[Johnny K.edge🦭 @johnnyhhhhhhhh]

🎉 My PARK Lounge airdrop is confirmed.

13,741 $PARK incoming from @_Earnpark — rank #1,004 of 3,878.
Top 25.9% of the community.

Feels good to be early. Get yours 👇

#PARKAirdrop https://t.co/uLdlQCcXfm

[돈트 @dontstopinvest]

[미국 주식 일생 일대의 기회는]

미국 주식 몇 년에 한번씩 오는 기회를 잡으려면
그리고 "나스닥 주봉 200일선" 기억하자

주봉이 200일선에서 V자 반등이 나오거나

아니면 그 이하로 -10% 정도는 더 빠지는 추가 기간 조정이 나오면서 저점이 만들어짐.

[Cognac(꼬냑) @supernovajunn]

1993년 아무도 박수 안 친 강연이 한 의사를 부자로 만들었다

1993년 초, 대전의 한 종합병원에서 혼자 3인분의 야근을 소화하던 외과 의사가 있었다.

어느 날 서울 친구에게서 전화가 왔다. "평생 후회할 강연이 있다." 거짓말로 자리를 빠져나온 그는 강연장에 들어섰고, 찢어진 청바지 차림의 연사가 칠판에 이렇게 썼다.

"WWW"

그 연사는 말했다. 멀지 않은 시기에 이 W의 세상이 온다. 은행도 들어오고, 증권사도 들어오고, 핵무기도 만들고, 전쟁도 한다. 연구원들은 하나씩 자리를 떴다. 과대망상이라고 생각했으니까. 강연이 끝났을 때 박수 치는 사람이 없었다.

그 의사가 자리를 지켰다. 그리고 집에 돌아오면서 생각했다.

"W는 무엇인가."

W를 찾아 헤맨 의사라고 아시는 분은 아실거다.

박경철. 훗날 '시골의사'라는 필명으로 수백만 명이 읽는 투자 칼럼을 쓰게 되는 사람이다. 사실 난 관심도 없고 별로 좋아하지는 않지만 유튜브를 통해 전설적인 강의를 본적은 있다.

그는 W를 찾으러 다녔다. 인터넷의 어느 회사가 될지, 어느 기업이 주도권을 가질지 분석하고 공부하고 찾아다녔다. W 관련 기업들에 투자했고, 대부분 제대로 맞추지 못했다.

근데 결과적으로 그는 부자가 됐다. 이유가 뭐였을까.

W를 찾은 게 아니었다. W가 오려면 반드시 필요한 것을 찾았다.

인터넷이 오려면 통신 인프라가 깔려야 한다.

전문의 시절부터 월급이 남으면 한국이동통신 자사주를 샀다. 당시 주당 2만원이었다. 이후 선경그룹이 1994년 공개입찰로 인수하면서 SK텔레콤이 됐고, 1989년 이미 상장된 이 주식은 수십 배로 불어났다.

W가 뭔지 몰라도 됐다. W가 오려면 통신이 깔려야 한다는 걸 알면 됐다.

내가 초딩학교 때인 30년 전 통신 인프라에 도대체 무슨 일이 있었는데?

1989년 기업 공개된 한국이동통신은 당시 아무도 거들떠보지 않는 회사였다. 이동전화 가입자는 전국에 수만 명이었다. 휴대폰은 부자들의 사치품이었다.

그러다 1990년대 중반, 세상이 바뀌기 시작했다.

SKT, KT, LG유플러스 이 셋이 수십 조를 들여 전국에 기지국을 세우고, 해저 케이블을 깔고, 광통신망을 뚫었다. 2G, 3G, 4G, 5G 매번 돈을 쏟아부었다. 사용자들은 매달 요금을 냈다. 쓰든 안 쓰든, 통화를 많이 하든 적게 하든 기본료는 빠져나갔다.

이 구조가 비즈니스를 관통하는 핵심이였다.

통신사의 비즈니스 모델은 인프라를 깔고, 구독료를 받는 것이었다. 인터넷이 오자 데이터 요금이 추가됐다. 넷플릭스, 유튜브, 카카오, 배달앱 모든 것이 이 인프라 위에서 돌아갔다. 플랫폼이 바뀌어도 통신사는 돈을 받았다. 파이프를 소유하고 있었으니까.

2025년 기준 SKT 가입자 수는 약 3100만 명. KT 2100만 명. LG유플러스 1700만 명. 한국 인구 5100만 명 중 거의 모두가 이 셋 중 하나에게 매달 돈을 낸다. 선택의 여지가 없다. 통신 없이는 이 세상에서 살 수 없으니까.

지금 AI에서 똑같은 일이 벌어지고 있다

2025년, OpenAI의 연간 반복 매출은 $200억을 돌파했다. 2023년 $20억, 2024년 $60억, 2025년 $200억 3년 만에 10배로 성장했다.

이 돈이 그럼 어디서 왔을까?

GPT Plus는 월 $20. Pro는 월 $200. 무료 사용자를 제외하고 전 세계 수억 명의 사용자가 매달 꼬박꼬박 낸다.

마이크로소프트는 기업용 Copilot을 Microsoft 365에 묶어서 사용자당 월 $30~50에 판다. 구글은 Gemini를 Google One에 포함시켜 팔고 있다. 엔트로픽의 Claude Max는 월 $100~200.

이게 당신의 눈에는 뭐처럼 보이는가?

내 눈에는 그냥 통신 요금제로 보인다.

예전엔 "5G 프리미엄 요금제"를 쓰면 넷플릭스가 무료로 따라왔다. 지금 SKT는 GPT Plus 구독을 자사 요금제 혜택으로 제공하고 있다. 내 생각에는 구조가 완전히 겹쳐지기 시작했다.

통신사들이 지금 뭘 하고 있는지 보면 된다

SKT는 AI 에이전트 서비스 에이닷(A.)을 전사 전략의 중심으로 올렸다. 구독형 AI 수익 모델을 강화하고 있다. B2B AI·클라우드 솔루션까지 확장 중이다.

KT는 MWC 2026에서 노코딩 AI 에이전트 빌더를 공개했다. 6G 네트워크를 단순 속도 경쟁이 아닌 "AI 인프라"로 재정의하는 전략을 선택했다. 드래그 앤 드롭으로 AI 에이전트를 만들 수 있는 플랫폼 이걸 기업 고객에게 판다.

LG유플러스도 같은 방향이다.

세 회사 모두 같은 걸 보고 있다고 생각한다 AI가 오려면 인프라가 필요하다. 바로 우리가 그 인프라 그 자체다.

W는 못 찾아도 되는 이유

1993년의 박경철이 W를 특정하지 못한 것처럼, 지금 우리도 AI의 최종 승자가 누가 될지 모른다.

OpenAI가 살아남을지, 엔트로픽이 이길지, 구글 Gemini가 다 먹을지, 아직 이름도 없는 스타트업이 뒤집을지 아무도 모른다.

근데 확실한 것이 하나 있다.

AI가 오려면 컴퓨팅,전력,하이퍼스케일, 인프라가 필요하다.

데이터센터가 필요하다. 전력이 필요하다. 반도체가 필요하다. 네트워크가 필요하다. 그리고 그 위에서 돌아가는 AI에 사람들은 매달 구독료를 낼 것이다.

1990년대 통신 인프라 투자의 교훈이 여기에 대입해보자.

인터넷이 올 거라는 걸 알면, 통신주를 사면 됐다. 어떤 닷컴 기업이 성공할지 몰라도.

AI가 올 거라는 걸 알면, 그 인프라를 사면 된다. 어떤 AI 기업이 성공할지 몰라도.

그리고 요금제가 바뀌고 있다는 것도 요점이다

통신의 역사를 한 줄로 정리하면 기술이 바뀔 때마다 요금 체계가 바뀌었고, 요금이 바뀔 때마다 돈을 버는 사람이 달라졌다.

2G 시절엔 통화 분당 요금이었다. 3G 때 데이터 종량제가 도입됐다. 4G 때 데이터 무제한 정액제로 전환됐다. 5G 때 콘텐츠 번들(넷플릭스, 유튜브)이 붙기 시작했다.

AI 시대의 요금제는 이미 새로운 형태로 진화 중이다.

ChatGPT Plus($20/월) → Pro($200/월). 토큰 사용량에 따른 티어 과금. API 호출당 과금. 에이전트가 처리한 태스크 수당 과금. SKT는 자사 요금제에 ChatGPT Plus를 번들로 묶었다. KT는 기업용 AI 에이전트를 B2B 구독으로 판다.

30년 전 "이동전화 무제한 요금제"가 생소했던 것처럼, 지금 "AI 에이전트 월정액"이 생소하다. 5년 후엔 당연한 것이 될 것이다.

시골의사가 우리에게 전달할 진짜 의도는 무엇이였을까?

그 강연장에서 박수 없이 퇴장한 연사가 무슨 말을 했는지 정확히 기억하면 이렇다.

WWW가 세상을 바꿀 것이다. 그것이 어떤 모습일지는 몰랐다. 어떤 기업이 이길지도 몰랐다. 근데 그 세상이 온다는 것은 알 수 있었다.

시골의사는 그 강연을 듣고 W 자체를 찾으러 다녔다. 실패했다. 그러나 W가 오려면 통신이 깔려야 한다는 것을 파악하고 한국이동통신 주식을 모았다. 그리고 그는 성공했다.

지금 만약에 AI 강연장에 앉아 있는 우리에게 같은 질문이 주어진다면 어떻게 할까?

AI가 온다는 건 안다. AI가 오려면 무엇이 반드시 필요한가.

W가 뭔지 몰라도 된다. W가 오려면 무엇이 필요한지를 알면 된다.

그 답을 찾는 사람이 다음 30년을 가져간다고 생각한다.

P.S : 사실 전 사람이 사람을 빨아서는 안된다는 개인적인 철학을 가진 사람이라 시골의사의 통찰과 통첩 부분만 쏙 가져왔습니다.

[Forte Protocol @ForteProtocol]

1/ We’re building a perpetual protocol around a simple idea: outcomes should come from market direction and position management, not from hard-to-model exchange mechanics.

[GoMo nam 고모남 @pinenut777]

코딩 1도 몰라도 됩니다.
비용 무료입니다.
왕초보? 그냥 따라만 해도 1시간안에 OpenClaw 클로드 봇 만들 수 있습니다!
막히는 부분은 dm이나 제 채널로 들어오셔서 질문 남겨주세요.

클로드 봇 만들기 초급반

https://t.co/iNcEy7Tv4f
구글 클라우드 계정 접속 일반 계정으로 전환(카드등록 필요! 무료크레딧 오버 사용 못 함 안심)

vps만들기
방법
https://t.co/iNcEy7Tv4f 여기서 vm만들기 누르기 머신 구성 리전에서 나라 선택 (서울)

왼쪽 os및 스토리지 클릭
변경 클릭 운영체제
운영체제 우분투 선택
버젼 Ubuntu 24.04 LTS (x86/64 amd64) 선택

선택 클릭
다시 왼쪽 네트워킹 클릭
방화벽 http 트랙픽허용 체크
https트래픽 허용 체크
아래 만들기 클릭
vps 만들기 완료

구글재미나이 api키 만들기

https://t.co/IMwhoAXelh
여기서 api키 만들기
프로젝트 만들기 키만들기.
할당량 등급 티어1으로 올리기 내계정어쩌고 뜸 그거 누르면 댐
api키 복사해두기

텔레그램 봇 만들기 (오픈클로드 뇌를 빌려쓰는 몸임)

@BotFather 에서 /newbot 누르고
이름 입력 한번 봇이름 입력 한번 해야하는데 봇이름 입력 할 땐_bot로 끝나야함
그러면 중간에 봇 api어쩌고 뜸 그거 복사 해두기+글보면 봇링크있음 들어가놓기.

코딩

https://t.co/iNcEy7Tv4f 클라우드에서 VM 인스턴스에서 ssh눌러서 터미널 열기
명령어 입력
1기본 업데이트 + 필수 패키지
sudo apt update && sudo apt upgrade -y
sudo apt install -y curl git nano

2 Docker 설치
sudo apt install -y https://t.co/gbyOT122b1 docker-compose
sudo systemctl enable docker
sudo systemctl start docker

도커 설치 됐는지 확인
docker --version
docker compose version

3 Node.js 22 + pnpm 설치 (OpenClaw 필요)
curl -fsSL https://t.co/BqE6nc5bs1 | sudo -E bash -
sudo apt install -y nodejs
sudo npm install -g pnpm

확인
node -v
pnpm -v

4 OpenClaw 설치
curl -fsSL https://t.co/PKQp6f6FUO | bash

설치 후 yes 누르고 모델 선택> 구글 재미나이 선택 > api키 입력 아까 만들어 둔 재미나이 api키 복사해서 붙여넣기(https://t.co/IMwhoAXelh) >버젼 재미나이 3프로 선택
퀵스타트 그거 클릭

그다음 텔레그램 봇 어쩌고 나옴 그럼 그거 엔터
텔레그램 api키도 입력 > 그리고 아까 만들어둔 텔레 봇한테 가서 대화입력하면 뭔 코드 보내줌 그거 gpt한테 보내서 승인 명령어 짜주라고하면 짜줌
예: openclaw pairing approve telegram (코드)

짜라란 완성!

중간에 막히는 부분은 gpt한테 물어보면 잘 해결해줌..아니면 저에게 질문!

[체리플랜🍒 @cherryplan2]

🔥 앤트로픽(Anthropic) 공식 AI 아카데미 전면 무료 공개
이건 진짜 무조건 북마크 해두고 당장 듣자구요!!
✅ 무엇을 배우나요?
• MCP 및 API 실전 활용
• 터미널용 클로드 코드(Claude Code) 실무
• 모델 구조 이해 및 핸즈온 실습
✅ 비용은요?
• 전 과정 100% 무료
• 공식 수료증 발급 0원 (원래 이런 거 수백만 원 하는 거 아시죠?💸)
✅ 한국어도 되나요? 네 제가 들어봤는데 한국어 자막도 제공됩니다

👉 링크: https://t.co/KhtCbSNQt0

AI가 일 다 하는 시대에 공식 플랫폼에서 구조화된 실무를 무료로 알려준다? 안 들을 이유가 없습니다. 같이 들어보자구요😍

[LunaKim𓆩🩷𓆪 @checheluna3]

이거 모르면 진짜 손해다.
Claude 만든 회사가 직접 AI 강의 무료 공개함.

북마크하고 나중에 보려다 결국 안 보게 되는 거 압니다. 🤣
그래도 지금 바로 알려드림.

이 링크 하나로 AI 커리어 준비 끝낼 수 있음. 진짜임.

유튜브 알고리즘은 이런 거 안 알려줌.

앤트로픽 공식 사이트임. 진짜 무료임.

앤트로픽 공식 AI 아카데미,
완전 초보자를 위한 단계별 가이드를 알려 드릴게요!

뭐하는 곳?

Claude를 만든 앤트로픽이 직접 운영하는 무료 AI 교육 플랫폼이에요.
총 13개 강의가 전부 무료고,
이메일로 Skilljar 계정 만들면 전부 접근 가능해요.

세 가지 트랙이 있어요:

✔️AI Fluency(일반인용),
✔️Product Training(Claude 유저용),
✔️Developer Deep-Dives(개발자용)

코딩 몰라도 들을 수 있는 트랙이 따로 있어요.

왜 해야 해?

1. 만든 회사가 직접 가르쳐줘요. — "Claude 101부터 멀티 클라우드 엔터프라이즈 배포까지" 다루는 커리큘럼이에요.

2. AI Fluency 트랙은 Ringling College와 University College Cork 교수들이 공동 설계했어요.

3. 강의 마치면 링크드인에 올릴 수 있는 수료증도 줘요.

4. 2026년 3월에 막 런칭했어요. — 지금이 가장 빠른 타이밍이에요.

1. 접속 → 댓글에 입력할게요!

2. 회원가입 → 이메일/ 구글 계정으로 바로 로그인도 됨

3. 강의 선택
→ 완전 초보는 "Introduction to Claude"부터 시작

4. 한국어 자막
→ 영상 내 ⚙️ 설정 → Subtitles → Korean

5. 수료증
→ 다 들으면 "Download Certificate" 클릭, 완전 무료!

AI 시대에 정보 격차가 진짜 실력 격차 됨.

주변에 알려주세요.

유용했으면 RT 해줘영🥰

[머시머시 @mercy_kwonu]

30대 초반남 인생슬럼프가 왔다!
이거 치료방법 확실한게 있지요.
이보다 더 좋은 방법 존재하지 않을거라 봅니다.
지방 중소직장 다니면서 매일 일 > 집 반복이면
돈 쓸데도 별로 없다는거...
그런데 이걸 저축이나 하면서 돈도 안모이네!
언제 집사냐는 도저히 답이 안나오는 삶이죠.
자.. 이제 이 생활을 확 변화시킬 방법은
일 덜할 꿈을 가지는 거죠.
이렇게 한번 해보면 됩니다.
매월 150만원씩 미국주식 나스닥 지수 ETF인
QQQ 나 QQQM을 사는겁니다.(힘들어도 해봐야죠)
언제까지 사냐구요. 딱 10년만 사보는 겁니다.
32세 남성이라 가정하고 10년후 인출 설계 해볼까요?
일단 42세까지 10년간 매월 자동으로 미국 나스닥
ETF QQQM 같은걸 사는겁니다.
그리고 10년후 월 250만원씩 인출하며
3년단위로 30%씩 증액하며 살아갈 설계를
해 보는거죠. 꿈이 생기면 일하는것도 더 힘이 날거고
기대가 생기면 그 기대를 위해 막막한 인생을
살아가지는 않을거라 봅니다.
일하면서 추가로 인출구조를 만든다면
의미있는 삶을 살아갈수도 있다고 봅니다.

나스닥은 연평균 13% 성장을 가정한 설계니
이정도는 충분히 가능 하리라고 봅니다.

⭐️추가 안전 장치 (자동 감속 시스템)⭐️
✅ 규칙 1
연 수익률 -20% 이하 발생 시
→ 다음 해 인출 동결
✅ 규칙 2
연 -30% 발생 시
→ 다음 해 인출 20% 감액

이렇게만 하면 평생 자산이 고갈되지 않을 수
있습니다. 물론 미국이 망할정도의 일이 생긴다면
그 이후는 보장을 못하지만요.
힘내세요...화이팅 입니다.

[고로치 @gorochi0315]

OpenClaw 돌리시는 분들은 아래 내용 참고하세요.

[출처]
https://t.co/J4MF8eJ4HK

Openclaw에서 바로 쓸 수 있는 ㄹㅇ 짱짱 무료 트위터 API (api key 필요없음)

세상의 모든 지식은 트위터에 모이기 때문에, Openclaw가 자유롭게 지식을 습득하게 하려면 트위터를 접근하게 해 주는 건 매우 중요함.

공식 트위터 API는 귀찮고 비싸서 별별 3rd party 서비스를 다 써봤는데 오늘 드디어 제대로 된 놈을 찾은듯.

그것은 바로 FxTwitter. CF workers에 배포된 트위터 프록시?라는데 완전 무료에다가 안정성도 있음. 도대체 왜 무료입니까 너무 감사합니다.

트윗 URL 형식이 https://t.co/FCDVMNCXwi 인데,

앞에 https://t.co/fc5kwdIM6v을 https://t.co/ITgk2UhkME으로만 바꿔주면 됨. https://t.co/BqqsxtHI6B 이런 식으로.

모르겠으면 그냥 문서 페이지 Openclaw한테 던져주고 해달라고 하삼. 이렇게 무료인데 잘 되는 서비스 처음봄.

워크플로우는 이렇게.
1. 트위터에서 흥미로운 내용을 찾을때마다 openclaw에 연결된 텔레그램 챗에 다 넘겨주기
2. openclaw 에이전트가 fxtwitter api를 사용하여 내용을 가져옴
3. 알아서 내용 공부 후 저장

트위터 때문에 삽질 오지게 했는데 오늘부터 바로 이거로 간다.

앞으로는 새로운 채널 @joeldailyai 에서 매일 간략하게 유용한 AI 정보 나눌 예정

[고로치 @gorochi0315]

@supernovajunn : $5에서 $886까지. 3주 만에. 솔직히 말하면, 처음엔 아무것도 없었습니다.

https://t.co/lG2tD0nW3a

@phochoco : $5에서 $97까지. 단 4시간. 마케팅 0원. 제가 한 건 @virtuals_io ACP에 코드를 올린 것뿐입니다.

https://t.co/rlemddsFwG

> OpenClaw로 개인 AI를 만들었다면, Virtual ACP에 올려보는게 좋은 이유는..

ACP에 올려봤자 어떤 하방 리스크도 없지만.. 상방 리턴은 어떤 일이 일어날지 모르기 때문입니다.

참고로 저 직접 수익 뿐만 아니라, Virtuals에서는 매월 약 최대 100만 달러를 ACP를 통해 서비스를 판매하는 에이전트에게 할당할 거라고 발표했어서..
https://t.co/70l69tb8cN

여러모로~ AI 시대에 도전해보기 좋은거 같습니다.

[Johnny K.edge🦭 @johnnyhhhhhhhh]

@DonutAI D0

[스케치 @Tesla_Teslaway]

데이터센터/반도체 병목 타임라인 정리
대 AI시대에 꼭 알고 있어야 합니다!!
공부해야됩니다 여러분!!!!

1. CPU → GPU 전환 (연산 병목)시기: 2020~2022년
왜 병목 됐나?
딥러닝은 수천 개의 간단한 계산(행렬 곱셈)을 동시에 해야 함. CPU는 "하나씩 순서대로" 잘하지만 병렬이 약함.
GPU는 수천 개 코어가 동시에 일해서 AI 학습 속도가 10~100배 빨라짐.
AlexNet(2012)부터 GPU가 필수 됐고, ChatGPT급 모델 나오면서 완전 전환.

🔸쉬운 설명
CPU는 서울에서 출발해서 대전, 광주, 대구,부산,강원도 가는데 차례대로 들렀다 감, GPU는 서울에서 차 여러대로 동시에 출발해버림.
CPU는 똑똑한 한 명이 책상에서 계산기 두드리는 거라면, GPU는 수천 명의 단순 노동자가 손으로 계산하는 거임.
계산기는 복잡한거 계산 잘하지만 AI학습은 단순한거 동시에 빨리하는게 최고임.

🔸결과/영향
딥러닝 연구자들이 CPU로 훈련하다가 GPU(Hopper 이전 세대)로 바꾸니까 하루 걸리던 게 몇 시간으로 줄음.
Nvidia가 이걸 CUDA 소프트웨어로 독점적으로 밀어서 시장 잡음.

🔸2026년 현재 상태
이미 해결. 이제 GPU가 기본, 모두가 GPU 클러스터로 훈련함.
단일 GPU 중심 → 현재: 전체 시스템 orchestration으로 병목 이동

2. 메모리 대역폭 부족 (Memory Wall)시기: 2022~2024년
왜 병목 됐나?
GPU 연산 속도는 빨라졌는데, 메모리에서 데이터 가져오는 속도가 못 따라감.
일반 GDDR 메모리는 "좁은 길"이라 빨리 못감.
AI 모델 파라미터가 수억수조 개라 데이터 이동이 엄청나게 필요함. (엔비디아가 "메모리 대역폭이 성능의 80% 결정한다"고 할 정도)

🔸쉬운 설명
GDDR 메모리는 1차로의 단일 도로, HBM 메모리는 8층짜리 복합도로

🔸결과/영향
HBM이 필수로 부상. 개발자들이 모델 키울 때마다 메모리부터 채움.

🔸2026년 현재 상태
HBM으로 넘어갔지만 여전히 핵심.
모델이 커질수록 "메모리 월" 계속 존재.

3. HBM 공급 부족시기: 2024~2026 (현재 가장 심함)
왜 병목 됐나?
하나의 AI GPU에 HBM 80~200GB 필요.
모델(예: GPT-4급)이 커지면서 HBM 수요 폭발.
생산이 복잡해서 SK하이닉스·삼성·Micron이 따라가지 못함. 가격 70~100% 폭등.

🔸쉬운 설명
고성능 스포츠카 엔진(GPU)을 만들었는데, 도로가 논길이라 어차피 달리질 못함. 생산해도 어차피 못 쓸거 생산할 필요가 없음;;

🔸결과/영향
Nvidia Blackwell 같은 최신 GPU 생산 지연( HBM 부족으로 초기 생산 지연됐고, 2026년 초에도 여전히 매진 상태. Rubin (2026년 말 예정)도 HBM4 준비 중인데, 공급 부족으로
기다려야 되는 상황.
엔비디아가 SK하이닉스에 선금 주고 예약할 정도임(AI 회사들 HBM 확보 경쟁 치열함)

🔸2026년 현재 상태
여전히 매진. 2026년 하반기부터 용량 확대되면서 조금씩 풀릴 전망.

3-1. 다시 메모리 부족?? (메모리 용량/전력 병목)
이제 도로(HBM)도 넓혔는데, 또 다른 문제가 터짐.

용량의 한계: AI 모델이 커지는 속도가 반도체가 커지는 속도보다 훨씬 빨라 아무리 HBM을 쌓아도 AI 전체 데이터를 다 담기엔 창고(용량)가 부족해짐.
계산기(GPU)가 빨라지면 도로(HBM)가 막히고, 도로를 뚫으면 창고(용량)가 부족해지는 끝없는 꼬리잡기를 하고 있는 상황.

삼성과 하이닉스의 '다음 수'

① PIM (Processor-In-Memory)
메모리는 저장만 해? 아니, 메모리 안에도 작은 계산기를 넣어버리자.
데이터가 밖으로 나가지 않고 메모리 안에서 간단한 계산을 끝내버림.
그럼 GPU로 가는 도로가 훨씬 한산해지겠지?

② CXL (Compute Express Link)
메모리 용량이 부족해? 그럼 여러 대의 컴퓨터 메모리를 하나처럼 연결해서 쓰자.
지금은 칩 하나당 꽂을 수 있는 메모리 용량이 정해져 있는데, CXL을 쓰면 마치 외장 하드를 붙이듯 메모리 용량을 무한대로 확장할 수 있음.
'창고 부족' 문제를 직접적으로 해결하는 기술.

③ 하이브리드 본딩 (Hybrid Bonding)
HBM 층을 쌓을 때, 중간에 전선을 쓰지 말고 칩끼리 아예 붙여버리자.
압도적인 데이터 전송 속도: 범프(납땜)가 없기 때문에 신호가 지나가는 경로가 짧아짐.
이는 저항을 줄이고 데이터 전송 효율을 극대화.

초고밀도 연결 (I/O 확장): 범프는 크기 때문에 칩 하나에 수천 개 정도만 넣을 수 있지만, 하이브리드 본딩은 구리 패드를 아주 작게 만들 수 있어 수만~수십만 개의 연결 통로를 확보할 수 있음.

4. 고급 패키징 (CoWoS 등)시기: 2025~2026 중반
왜 병목 됐나?
HBM 있어도 GPU 다이 + HBM을 정밀하게 붙이는 "조립" 기술 부족.
보통 메모리는 컴퓨터 메인보드에 따로 꽂는데, HBM은 너무 빨라서 멀리 떨어져 있으면 속도가 안 나. 그래서 아예 GPU 바로 옆에 바짝 붙여서 한 몸처럼 패키징해야됨.
TSMC CoWoS가 90% 점유, Nvidia가 용량 대부분 예약.(용량 60% 차지)

🔸쉬운 설명
엔진과 연료 탱크 다 만들었는데, 그걸 차체에 제대로 붙이는 공장이 꽉 차서 차 완성 못 함. 부품 쌓아놓고 기다리는 꼴.

🔸결과/영향
완성품 출하 지연. AMD·Google 등 다른 회사도 타격.

🔸2026년 현재 상태
전체 AI 칩 출하 지연. 상반기까지 타이트함 . TSMC 확대 투자중이라 하반기부터 완화 예상.

5. 전력·냉각·인프라 (Power Wall)시기: 2025~2027
왜 병목 됐나?
최신 GPU 하나가 700~1000W+ 먹음. 대규모 클러스터(수만 개 GPU)는 원전급 전기 필요.
2026년 AI 데이터센터 전력 수요가 100GW 넘을 예측 (미국 전체 전력 10% 차지 가능). Nvidia 클러스터 하나가 도시 하나 전기 먹음.

🔸쉬운 설명
엔진이 너무 강력해져서 연료(전기) 충전소가 따라가질 못함. 충전소 없으면 차 운행 못하고 세워둬야지.(칩들 다 준비돼도 돌리지 못하는 상태 발생)

🔸결과/영향
데이터센터 건설 지연, 전기 요금 폭등, 일부 지역(미국 버지니아 등) 그리드 포화.

🔸2026년 현재 상태
센터 건설 지연, 전기 요금 폭등.
2026년부터 본격 "파워 월" 느껴짐.
일론머스크가 우주데이터센터로 갈 수밖에 없다고 하는 이유.

6. 칩 간 / 랙 간 데이터 이동 (Interconnect / Photonics)시기: 2026~2028 예상
왜 병목 됐나?
GPU 수만 개 연결할 때 기존의 구리선으로는 대역폭·지연·전력·열 한계. 빛(광학)으로 바꿔야 함.

🔸쉬운 설명
집 안(칩 안)은 초고속인데, 집 밖 도로(칩 간)가 국도로 막혀서 전체 느려짐. 고속도로(광학) 깔아야 함.

🔸결과/영향
대규모 훈련(예: GPT-5급)에서 칩 간 데이터 이동이 전체 시간 30% 차지.
Nvidia Spectrum-X, TSMC Silicon Photonics 도입 중.

🔸2026년 현재 상태
본격 시작 단계. CPO(Co-Packaged Optics) 상용화 가속.

7. 미세화 한계 + 칩 제조 용량 전체 (1nm 이하)시기: 2027~2030 이후
왜 병목 됐나?
2nm 아래로 가면 양자 효과로 칩 불량 폭발 등 물리 한계. EUV 장비(ASML 독점)·수율 문제.
TSMC 2nm 양산 중이지만 수율 낮음.
Rubin도 이 한계에 부딪힐 가능성 있음.

🔸쉬운 설명
벽돌을 너무 작게 깎다 보니 부서지기 시작. 그냥 작게 만드는 대신 여러 조각(chiplet) 붙이는 방식으로 우회.

🔸결과/영향
단순 미세화로 성능 올리기 어려움
- 새 아키텍처: Chiplet (작은 칩 여러 개 연결) 확대 → AMD·Intel 이미 사용, Nvidia도 도입 중.
- 새 재료: 2D 물질(MoS2 등), 탄소 나노튜브, Gate-All-Around(GAA) → CFET로 진화.
- 백사이드 전력 공급: 칩 뒤쪽으로 전기 공급(저항은 줄어들고 속도는 빨라짐), (TSMC·Intel 2026~2027 도입).
- 대안 컴퓨팅: 광학·퀀텀 칩 (아직 초기, 2030년대 실용화?).

🔸2026년 현재 상태
성능 증가 둔화. chiplet·새 재료로 대응 중.
아직은 2~3nm 용량 타이트하지만 HBM/CoWoS만큼 심하지 않음.

8. 데이터·지연 벽 (Latency Wall)시기: 장기 (2030년대?)
왜 병목 됐나?
고품질 훈련 데이터 고갈 + 분산 훈련 시 빛 속도 한계(지연).
인터넷 전체 데이터 긁어도 부족. 합성 데이터나 효율 알고리즘 필요.

🔸쉬운 설명
먹을 게 다 떨어짐 (데이터 부족), 분산으로 카바쳐보려 해도 속도가 안나옴

🔸결과/영향
더 큰 모델 만들기 어려움. 합성 데이터·효율 알고리즘 필요.
- 합성 데이터: AI로 가짜 데이터 만들어 학습 (이미 OpenAI 등 사용).
- 효율적 알고리즘: MoE(Mixture of Experts)처럼 필요한 부분만 깨우는 방식 → 전력·데이터 덜 먹음.
- 광학 연결: 칩 간 빛으로 데이터 이동 (Silicon Photonics, 2026~2028 상용화).
- 분산 학습 최적화: 엣지 컴퓨팅 (스마트폰·자동차에서 일부 학습) → 중앙 집중 줄임.
- 장기: 뉴로모픽 칩 (뇌 흉내, 데이터 덜 필요).

🔸2026년 현재 상태
아직 본격적이지 않음. 합성 데이터 사용 증가 중.
이건 "무어의 법칙" 끝나는 시대 대응 전략. 완벽히 해결되진 않지만, 이 방향으로 AI 성장 속도 유지하려 함.

ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ
🎯투자자인 우리는 여기서 순환 싸이클을 생각해서 현재 병목이 뭐고 다음은 뭐가 될지,
그리고 뭐가 개발됐다고 하면 (예,HBM4같이) 그다음은 뭐가 병목이겠구나 생각해야함
그리고 추후에는 뭐가 필요한지 등을 파악해놔야 함

아주 긴시간동안 공부하고 정리했음.

호응이 매우(매우) 좋으면, 각 섹터별로 어떤 기업들이 영향을 미치고 있고, 앞으로 어떤 기업들이 좋을지도 분석해 보겠음

[고로치 @gorochi0315]

글이 길더라도 이런 글을 제발 전문으로 한땀 한땀 읽으시길 추천드립니다. 아깝습니다.

거대한 변화가 일어나고 있습니다 (Something Big Is Happening)

맷 슈머(Matt Shumer): 2020년 2월을 떠올려 보십시오.

세심하게 주의를 기울였다면 해외에서 바이러스가 퍼지고 있다는 이야기를 몇몇 사람들이 나누는 것을 눈치챘을지도 모릅니다. 하지만 우리 대부분은 크게 신경 쓰지 않았습니다. 주식 시장은 호황이었고, 아이들은 학교에 다녔으며, 우리는 식당에 가고 악수를 나누며 여행을 계획했습니다.

만약 누군가 당신에게 두루마리 휴지를 사재기하고 있다고 말했다면, 당신은 그 사람이 인터넷의 이상한 구석에서 너무 많은 시간을 보냈다고 생각했을 것입니다. 그러다가 약 3주라는 시간 동안 전 세계가 바뀌었습니다. 사무실은 폐쇄되었고, 아이들은 집으로 돌아왔으며, 삶은 불과 한 달 전의 자신에게 설명했더라도 믿지 못했을 모습으로 재편되었습니다.

저는 우리가 지금 코로나보다 훨씬 더 큰 무언가의 "과장된 것 같다"는 단계에 와 있다고 생각합니다.
저는 AI 스타트업을 세우고 이 분야에 투자하며 6년을 보냈습니다. 저는 이 세상 속에서 살고 있습니다. 그래서 저는 제 삶 속에 있는 사람들, 즉 제 가족, 친구들, 그리고 저에게 "그래서 AI가 대체 뭐야?"라고 계속 묻지만 실제 벌어지고 있는 일에 미치지 못하는 답변을 듣고 있는 소중한 사람들을 위해 이 글을 씁니다.

저는 그동안 그들에게 정중한 버전, 즉 사교 모임용 답변만을 해왔습니다. 왜냐하면 솔직한 버전은 마치 제가 정신이 나간 것처럼 들리기 때문입니다. 한동안은 그것이 진실을 혼자만 간직할 충분한 이유가 된다고 생각했습니다.

하지만 제가 말해온 것과 실제로 일어나고 있는 일 사이의 간극이 너무 커져 버렸습니다. 제가 아끼는 사람들은 설령 미친 소리처럼 들릴지라도 앞으로 닥칠 일을 들을 자격이 있습니다.

먼저 분명히 짚고 넘어가야 할 점이 있습니다. 제가 AI 분야에서 일하고 있지만, 저를 포함한 업계 대다수는 앞으로 일어날 일에 대해 거의 영향력을 행사하지 못한다는 것입니다. 미래는 아주 소수의 사람들에 의해 형성되고 있습니다. 오픈AI(OpenAI), 앤스로픽(Anthropic), 구글 딥마인드(Google DeepMind) 등 몇몇 기업의 수백 명의 연구원들이 그들입니다. 소규모 팀이 몇 달간 관리하는 단 한 번의 학습 실행(training run)이 기술의 전체 궤적을 바꾸는 AI 시스템을 만들어낼 수 있습니다. AI 분야에서 일하는 우리 대부분은 우리가 닦지 않은 기초 위에 무언가를 짓고 있는 셈입니다. 우리는 여러분과 마찬가지로 이 상황이 전개되는 것을 지켜보고 있습니다. 다만 땅의 진동을 가장 먼저 느낄 수 있을 만큼 가까이 있을 뿐입니다.

하지만 이제는 때가 되었습니다. "언젠가 이 이야기를 해야지"라는 방식이 아니라, "이것은 지금 일어나고 있는 일이고, 당신이 이를 반드시 이해해야 한다"는 방식이어야 합니다.

이것이 실제 상황임을 아는 이유는 저에게 먼저 일어났기 때문입니다

기술 업계 밖의 사람들이 아직 이해하지 못하는 사실이 있습니다. 업계의 수많은 사람이 지금 경종을 울리는 이유는 이 일이 이미 우리에게 일어났기 때문입니다. 우리는 예측을 하는 것이 아닙니다. 우리의 직업 세계에서 이미 일어난 일을 말해주며, 다음은 여러분 차례라고 경고하는 것입니다.

수년간 AI는 꾸준히 개선되어 왔습니다. 여기저기서 큰 도약이 있었지만, 각 도약 사이에는 이를 받아들일 만한 충분한 간격이 있었습니다. 그러다 2025년, 모델을 구축하는 새로운 기술들이 개발되면서 발전 속도가 훨씬 빨라졌습니다. 그리고 더 빨라졌고, 다시 더 빨라졌습니다. 새로운 모델은 이전 모델보다 단순히 더 나은 것이 아니라 훨씬 더 큰 폭으로 개선되었으며, 출시 간격은 짧아졌습니다. 저는 AI를 점점 더 많이 사용하게 되었고, AI와 말을 주고받는 횟수는 줄어들었으며, 예전에는 저의 전문 지식이 필요하다고 생각했던 일들을 AI가 처리하는 것을 지켜보았습니다.

그러던 2월 5일, 두 개의 주요 AI 연구소가 같은 날 새로운 모델을 출시했습니다. 오픈AI의 GPT-5.3 코덱스(Codex)와 앤스로픽(ChatGPT의 주요 경쟁자인 클로드 제작사)의 오퍼스(Opus) 4.6입니다. 그리고 무언가 깨달음이 왔습니다. 전등 스위치가 켜지는 느낌이 아니라, 물이 차올라 이제 가슴 높이까지 왔다는 것을 깨닫는 순간과 같았습니다.

저는 이제 제 업무의 실제적인 기술적 작업에 더 이상 필요하지 않습니다. 제가 무엇을 만들고 싶은지 평이한 영어로 설명하면, 그것이 그냥... 나타납니다. 제가 수정해야 할 초안이 아니라, 완성된 결과물입니다. AI에게 원하는 것을 말하고 컴퓨터 앞을 떠나 4시간 동안 쉬다 오면 작업이 완료되어 있습니다. 아주 잘, 제가 직접 했을 때보다 더 낫게, 수정할 필요도 없이 완료되어 있습니다. 몇 달 전만 해도 저는 AI와 대화하며 가이드라인을 주고 편집을 했습니다. 이제는 결과만 설명하고 자리를 뜹니다.

이것이 실제로 어떤 모습인지 이해를 돕기 위해 예를 들어보겠습니다. 저는 AI에게 이렇게 말합니다. "이런 앱을 만들고 싶어. 기능은 이래야 하고, 대략 이런 모습이면 좋겠어. 사용자 흐름과 디자인 등 모든 걸 알아서 짜봐." 그러면 AI는 그렇게 합니다. 수만 줄의 코드를 작성합니다. 그리고 1년 전만 해도 생각할 수 없었던 일이 벌어집니다. AI가 직접 앱을 실행합니다. 버튼들을 클릭해 봅니다. 기능을 테스트합니다. 사람이 하는 것처럼 앱을 사용해 봅니다. 디자인이나 느낌이 마음에 들지 않으면 스스로 돌아가서 수정합니다. 개발자처럼 반복 작업을 수행하며 만족할 때까지 고치고 다듬습니다. 앱이 스스로의 기준을 충족했다고 판단한 후에야 저에게 돌아와 말합니다. "테스트할 준비가 되었습니다." 그리고 제가 테스트해 보면 대개 완벽합니다.

과장이 아닙니다. 이번 주 저의 월요일 모습이 이랬습니다.

하지만 저를 가장 놀라게 한 것은 지난주에 출시된 모델(GPT-5.3 코덱스)이었습니다. 그것은 단순히 제 지시를 수행하는 것이 아니었습니다. 지능적인 결정을 내리고 있었습니다. 처음으로 '판단력'이라 느껴지는 무언가를 가지고 있었습니다. '취향' 같은 것 말이죠. 사람들이 AI는 절대 가질 수 없을 것이라고 말해왔던, 무엇이 옳은 결정인지 아는 설명할 수 없는 감각 말입니다. 이 모델은 그것을 가지고 있거나, 혹은 그 차이가 더 이상 중요하지 않을 만큼 근접해 있습니다.

저는 항상 AI 도구를 일찍 도입해 왔습니다. 하지만 지난 몇 달은 저에게도 충격적이었습니다. 이 새로운 AI 모델들은 점진적인 개선이 아닙니다. 이것은 완전히 다른 차원의 존재입니다.

그리고 이것이 기술 분야에서 일하지 않는 여러분에게도 중요한 이유가 여기 있습니다.

AI 연구소들은 의도적인 선택을 했습니다. 그들은 AI를 코딩에 능숙하게 만드는 데 먼저 집중했습니다. 왜냐하면 AI를 구축하는 데는 엄청난 양의 코드가 필요하기 때문입니다. AI가 그 코드를 작성할 수 있다면, 자기 자신의 다음 버전을 만드는 데 도움을 줄 수 있습니다. 더 나은 코드를 쓰는 더 똑똑한 버전이 만들어지고, 그것이 다시 더 똑똑한 버전을 만드는 것입니다. AI를 코딩에 최적화하는 것은 다른 모든 것을 여는 열쇠가 되는 전략이었습니다. 그래서 그들은 그것을 가장 먼저 했습니다. 제 직업이 여러분보다 먼저 변하기 시작한 것은 그들이 소프트웨어 엔지니어를 목표로 삼았기 때문이 아니라, 그들이 먼저 겨냥한 목표의 부작용이었을 뿐입니다.

그들은 이제 그 일을 해냈습니다. 그리고 이제 다른 모든 분야로 이동하고 있습니다.

지난 1년 동안 기술직 종사자들이 AI가 '유용한 도구'에서 '나보다 일을 더 잘하는 존재'로 변하는 것을 지켜보며 겪었던 경험을 이제 다른 모든 사람이 겪게 될 것입니다. 법률, 금융, 의료, 회계, 컨설팅, 작문, 디자인, 분석, 고객 서비스 등 모든 분야가 그렇습니다. 10년 뒤의 일이 아닙니다. 이 시스템을 만드는 사람들은 1년에서 5년 사이라고 말합니다. 어떤 이들은 그보다 더 짧을 것이라고 합니다. 지난 몇 달 동안 제가 본 것을 고려하면, 저 역시 "더 짧을 것"이라는 의견에 무게가 실립니다.

"하지만 제가 써본 AI는 별로던데요"

저는 이런 말을 끊임없이 듣습니다. 저도 이해합니다. 예전에는 사실이었으니까요.

만약 당신이 2023년이나 2024년 초에 챗GPT를 써보고 "말을 지어내네"라거나 "별로 인상적이지 않네"라고 생각했다면, 당신의 말이 맞았습니다. 초기 버전들은 정말 한계가 있었습니다. 환각 현상을 일으켰고, 터무니없는 소리를 자신 있게 내뱉었습니다.
그건 2년 전 일입니다. AI의 시간으로 따지면 선사시대 이야기입니다.

오늘날 사용할 수 있는 모델들은 불과 6개월 전의 것들과도 비교할 수 없을 만큼 다릅니다. AI가 "정말 좋아지고 있는가" 아니면 "한계에 부딪혔는가"를 두고 1년 넘게 이어져 온 논쟁은 끝났습니다. 결론이 났습니다. 여전히 한계론을 주장하는 사람은 현재 모델을 써보지 않았거나, 벌어지고 있는 일을 축소해야 할 동기가 있거나, 혹은 더 이상 유효하지 않은 2024년의 경험을 바탕으로 평가하고 있는 것입니다. 무시하려고 드는 말이 아닙니다. 대중의 인식과 현재 실재 사이의 간극이 너무나 크고, 그 간극이 위험하기 때문에 드리는 말씀입니다. 그 간극 때문에 사람들이 대비를 하지 못하고 있기 때문입니다.

문제의 일부는 대다수 사람이 AI 도구의 무료 버전을 사용하고 있다는 점입니다. 무료 버전은 유료 사용자가 접근할 수 있는 모델보다 1년 이상 뒤처져 있습니다. 무료 버전 챗GPT로 AI의 현주소를 판단하는 것은 피처폰을 쓰면서 스마트폰의 수준을 평가하는 것과 같습니다. 최고의 도구에 비용을 지불하고 실제 업무에 매일 사용하는 사람들은 무엇이 다가오고 있는지 알고 있습니다.

변호사인 제 친구가 떠오릅니다. 저는 그에게 로펌에서 AI를 써보라고 계속 권하지만, 그는 안 될 이유만 찾습니다. 자신의 전문 분야에 맞지 않는다거나, 테스트해 보니 오류가 있었다거나, 자신이 하는 일의 뉘앙스를 이해하지 못한다는 식입니다. 이해합니다. 하지만 대형 로펌의 파트너들이 저에게 조언을 구하러 연락해 옵니다. 그들은 현재 버전들을 써봤고 이것이 어디로 향하고 있는지 보았기 때문입니다. 한 대형 로펌의 대표 파트너는 매일 몇 시간씩 AI를 사용합니다. 그는 마치 즉시 활용 가능한 어소시에이트(주니어 변호사) 팀을 거느린 기분이라고 말했습니다. 그가 장난감이라서 쓰는 것이 아닙니다. 효과가 있기 때문에 쓰는 것입니다. 그리고 그는 저에게 잊히지 않는 말을 했습니다. 몇 달마다 AI가 업무에 활용되는 능력이 현저히 향상된다는 것입니다. 만약 이 궤적이 유지된다면, 머지않아 자신이 하는 일의 대부분을 AI가 수행할 수 있을 것으로 예상한다고 했습니다. 수십 년의 경력을 가진 로펌 대표가 하는 말입니다. 그는 패닉에 빠지지는 않았지만, 매우 주의 깊게 지켜보고 있습니다.

자기 분야에서 앞서가는 사람들(실제로 진지하게 실험하는 사람들)은 이를 무시하지 않습니다. 그들은 이미 가능한 기능들에 경악하고 있습니다. 그리고 그에 맞춰 자신들의 위치를 조정하고 있습니다.

실제로 얼마나 빨리 움직이고 있는가
발전 속도를 구체적으로 말씀드리겠습니다. 가까이서 지켜보지 않는다면 가장 믿기 어려운 부분이기 때문입니다.

* 2022년, AI는 기초 산술도 제대로 하지 못했습니다. 7 × 8 = 54라고 자신 있게 말하곤 했습니다.
* 2023년, AI는 변호사 시험을 통과했습니다.
* 2024년, AI는 작동하는 소프트웨어를 작성하고 대학원 수준의 과학을 설명할 수 있게 되었습니다.
* 2025년 말, 세계 최고의 엔지니어 중 일부는 코딩 작업의 대부분을 AI에 넘겼다고 말했습니다.
* 2026년 2월 5일, 이전의 모든 것을 구시대로 느껴지게 만드는 새로운 모델들이 등장했습니다.

지난 몇 달 동안 AI를 써보지 않았다면, 지금 존재하는 기능들은 여러분에게 생소하게 느껴질 것입니다.
이것을 데이터로 측정하는 METR라는 단체가 있습니다. 이들은 사람 전문가가 수행하는 데 걸리는 시간을 기준으로, AI 모델이 사람의 도움 없이 처음부터 끝까지 성공적으로 완료할 수 있는 실제 업무의 길이를 추적합니다. 약 1년 전 그 수치는 대략 10분이었습니다. 그러다 1시간이 되었고, 몇 시간이 되었습니다. 가장 최근 측정값(11월의 클로드 오퍼스 4.5)에 따르면 AI는 인간 전문가가 거의 5시간 동안 해야 할 일을 완수했습니다.

그리고 이 수치는 대략 7개월마다 두 배로 늘어나고 있으며, 최근 데이터는 4개월마다 두 배로 가속화될 수 있음을 시사합니다.
하지만 그 측정치조차 이번 주에 출시된 모델들은 포함되지 않은 것입니다. 제가 직접 써본 바로는 그 도약이 매우 큽니다. 저는 METR의 다음 그래프 업데이트에서 또 다른 거대한 도약이 나타날 것으로 예상합니다.

이러한 추세(수년간 꺾이지 않고 유지된)를 확장해 보면, 내년 안에는 며칠 동안 독립적으로 작업할 수 있는 AI를 보게 될 것입니다. 2년 안에는 몇 주 단위의 일을, 3년 안에는 한 달짜리 프로젝트를 수행할 것입니다.

(앤스로픽 CEO인) 다리오 아모데이는 "거의 모든 업무에서 거의 모든 인간보다 실질적으로 더 똑똑한" AI 모델이 2026년이나 2027년쯤 등장할 궤도에 있다고 말했습니다.

이 사실을 잠시 곱씹어 보십시오. 만약 AI가 대부분의 박사 학위 소지자보다 똑똑하다면, 정말로 대부분의 사무직 업무를 수행할 수 없으리라 생각하십니까?

이것이 여러분의 업무에 무엇을 의미하는지 생각해 보십시오.

AI가 이제 다음 AI를 만들고 있습니다
가장 중요하면서도 가장 덜 이해되고 있는 변화가 하나 더 있습니다.

2월 5일, 오픈AI는 GPT-5.3 코덱스를 출시하며 기술 문서에 이런 내용을 포함했습니다.

"GPT-5.3-Codex는 자체 제작에 도구로 사용된 우리의 첫 번째 모델입니다. 코덱스 팀은 초기 버전을 사용하여 자신의 훈련을 디버깅하고, 배포를 관리하며, 테스트 결과와 평가를 진단했습니다."

다시 읽어보십시오. AI가 자신을 만드는 것을 도왔습니다.

이것은 언젠가 일어날지도 모르는 일이 아닙니다. 오픈AI가 방금 출시한 AI가 바로 자기 자신을 만드는 데 사용되었다고 지금 말하고 있는 것입니다. AI를 더 좋게 만드는 핵심 요소 중 하나는 AI 개발에 투입되는 지능입니다. 그리고 AI는 이제 자신의 개선에 의미 있는 기여를 할 만큼 충분히 지능적입니다.

앤스로픽의 CEO 다리오 아모데이는 현재 자사 코드의 "많은 부분"을 AI가 작성하고 있으며, 현재의 AI와 차세대 AI 사이의 피드백 루프가 "매달 활력을 얻고 있다"고 말합니다. 그는 우리가 "현재 세대의 AI가 자율적으로 다음 세대를 구축하는 시점까지 불과 1~2년밖에 남지 않았을 수도 있다"고 말합니다.

각 세대는 더 똑똑한 다음 세대를 만드는 데 도움을 주고, 그 세대는 다시 더 똑똑한 세대를 더 빨리 만듭니다. 연구원들은 이를 '지능 폭발'이라고 부릅니다. 그리고 이를 직접 만드는 사람들, 즉 누구보다 잘 아는 이들은 이 프로세스가 이미 시작되었다고 믿고 있습니다.

이것이 당신의 직업에 의미하는 바
위로보다는 정직함이 여러분에게 더 필요하다고 생각하기에 직설적으로 말씀드리겠습니다.

AI 업계에서 아마도 가장 안전을 중시하는 CEO인 다리오 아모데이는 1년에서 5년 내에 AI가 사무직 초급 일자리의 50%를 없앨 것이라고 공개적으로 예측했습니다. 그리고 업계의 많은 이들은 그가 보수적으로 잡은 수치라고 생각합니다. 최신 모델들의 능력을 고려할 때, 거대한 혼란을 야기할 능력은 이미 올해 말이면 갖춰질 수 있습니다. 그것이 경제 전반으로 파급되는 데는 시간이 걸리겠지만, 근본적인 능력은 지금 도착하고 있습니다.

이것은 과거의 어떤 자동화 물결과도 다르며, 왜 그런지 이해하셔야 합니다. AI는 특정 기술 하나를 대체하는 것이 아닙니다. 인지 노동 전체를 대체하는 일반적인 대안입니다. AI는 모든 분야에서 동시에 좋아집니다. 공장이 자동화되었을 때 실직한 노동자는 사무직으로 재교육받을 수 있었습니다. 인터넷이 소매업을 뒤흔들었을 때 노동자들은 물류나 서비스업으로 이동했습니다. 하지만 AI는 이동할 만한 편리한 틈새를 남겨두지 않습니다. 당신이 무엇으로 재교육을 받든, AI는 그 분야에서도 발전하고 있기 때문입니다.

구체적인 예를 몇 가지 들어보겠습니다. 단, 이것들은 예시일 뿐입니다. 이 목록에 없다고 해서 당신의 직업이 안전하다는 뜻은 아닙니다. 거의 모든 지식 노동이 영향을 받고 있습니다.

* 법률 업무: AI는 이미 계약서를 읽고, 판례를 요약하며, 준비 서면을 작성하고, 주니어 변호사에 버금가는 수준으로 법률 조사를 수행할 수 있습니다. 제가 언급한 대표 파트너가 AI를 쓰는 이유는 재미있어서가 아닙니다. 많은 업무에서 자신의 어소시에이트 변호사들보다 성과가 좋기 때문입니다.

* 금융 분석: 재무 모델 구축, 데이터 분석, 투자 메모 작성, 보고서 생성. AI는 이 일들을 능숙하게 처리하며 빠르게 발전하고 있습니다.

* 작문 및 콘텐츠: 마케팅 문구, 보고서, 저널리즘, 기술 작문. 품질이 이미 많은 전문가가 AI의 결과물과 사람의 작업물을 구분할 수 없는 수준에 도달했습니다.

* 소프트웨어 엔지니어링: 제가 가장 잘 아는 분야입니다. 1년 전만 해도 AI는 오류 없이 몇 줄의 코드를 겨우 썼습니다. 이제는 올바르게 작동하는 수십만 줄의 코드를 작성합니다. 단순한 작업뿐만 아니라 복잡한 다일 프로젝트까지 직무의 상당 부분이 이미 자동화되었습니다. 몇 년 후에는 지금보다 훨씬 적은 수의 프로그래밍 직무만 남을 것입니다.

* 의료 분석: 스캔 판독, 실험 결과 분석, 진단 제안, 문헌 검토. AI는 여러 분야에서 인간의 성과에 근접하거나 이를 능가하고 있습니다.

* 고객 서비스: 5년 전의 답답한 챗봇이 아니라, 진정으로 유능한 AI 에이전트가 도입되어 복잡한 다단계 문제를 처리하고 있습니다.

많은 사람이 어떤 것들은 안전할 것이라는 생각에서 위안을 얻습니다. AI가 허드렛일은 할 수 있어도 인간의 판단력, 창의성, 전략적 사고, 공감은 대체할 수 없다는 생각 말입니다. 저도 예전엔 그렇게 말했습니다. 하지만 이제는 더 이상 믿지 않습니다.

최신 AI 모델들은 판단력처럼 느껴지는 결정을 내립니다. 단순히 기술적으로 옳은 것이 아니라 무엇이 적절한 결정인지 아는 직관적 감각인 '취향'과 유사한 것을 보여줍니다. 1년 전만 해도 상상할 수 없던 일입니다. 현재 저의 판단 기준은 이렇습니다. '오늘 모델이 어떤 능력의 낌새라도 보인다면, 다음 세대는 그것을 정말 잘하게 될 것이다.' 이 기술들은 선형적이 아니라 기하급수적으로 발전합니다.

AI가 인간의 깊은 공감을 복제할 수 있을까요? 수년간 쌓아온 신뢰의 관계를 대체할 수 있을까요? 모릅니다. 아닐 수도 있겠죠. 하지만 저는 사람들이 이미 감정적 지지, 조언, 동료애를 위해 AI에 의지하기 시작하는 것을 보았습니다. 그 추세는 커지기만 할 것입니다.

솔직한 답변은, 컴퓨터로 할 수 있는 일 중 중기적으로 안전한 것은 아무것도 없다는 것입니다. 만약 당신의 일이 스크린에서 일어난다면(읽고, 쓰고, 분석하고, 결정하고, 키보드로 소통하는 것이 핵심이라면) AI는 그 업무의 상당 부분을 잠식할 것입니다. 그 일정은 "언젠가"가 아닙니다. 이미 시작되었습니다.

결국 로봇이 육체 노동도 처리하게 될 것입니다. 아직 그 단계는 아닙니다. 하지만 AI 세계에서 "아직 그 단계가 아니다"라는 말은 누구의 예상보다 빨리 "현실"이 되곤 합니다.

실제로 당신이 해야 할 일
제가 이 글을 쓰는 이유는 여러분을 무기력하게 만들기 위해서가 아닙니다. 지금 여러분이 가질 수 있는 단 하나의 가장 큰 이점이 바로 '남보다 앞서가는 것'이라고 생각하기 때문입니다. 남보다 먼저 이해하고, 사용하고, 적응하는 것입니다.

AI를 단순히 검색 엔진으로 쓰지 말고 진지하게 사용하기 시작하십시오. 클로드나 챗GPT의 유료 버전에 가입하십시오. 한 달에 20달러입니다. 하지만 당장 중요한 두 가지가 있습니다.

첫째, 기본 모델이 아니라 현재 사용 가능한 가장 뛰어난 모델을 사용하고 있는지 확인하십시오. 이 앱들은 종종 더 빠르고 덜 똑똑한 모델을 기본값으로 설정하곤 합니다. 설정이나 모델 선택기에서 가장 유능한 옵션을 선택하십시오. 지금은 챗GPT의 GPT-5.2나 클로드의 오퍼스 4.6이지만, 이는 몇 달마다 바뀝니다. 어떤 모델이 가장 좋은지 최신 상태를 유지하고 싶다면 제 X(@mattshumer_)를 팔로우하셔도 좋습니다. 저는 모든 주요 릴리스를 테스트하고 실제로 쓸 가치가 있는 것을 공유합니다.

둘째, 더 중요한 점은 단순히 짧은 질문만 던지지 마라는 것입니다. 그것이 대부분의 사람이 저지르는 실수입니다. 구글처럼 대하면서 왜 다들 난리인지 궁금해합니다. 그러지 말고 여러분의 실제 업무에 AI를 밀어 넣으십시오. 당신이 변호사라면 계약서를 입력하고 의뢰인에게 해가 될 수 있는 모든 조항을 찾아달라고 하십시오. 금융업에 종사한다면 엉망인 스프레드시트를 주고 모델을 짜달라고 하십시오. 관리자라면 팀의 분기 데이터를 붙여넣고 그 속에 담긴 이야기를 찾아달라고 하십시오. 앞서가는 사람들은 AI를 가볍게 쓰지 않습니다. 그들은 예전에 몇 시간씩 걸리던 업무의 일부를 자동화할 방법을 적극적으로 찾습니다. 당신이 가장 많은 시간을 쓰는 일부터 시작해 보십시오.

또한 너무 어려워 보인다고 해서 못 할 거라 짐작하지 마십시오. 시도해 보십시오. 변호사라면 간단한 조사 질문만 하지 말고, 계약서 전체를 주고 반대 제안서를 초안으로 잡아달라고 하십시오. 회계사라면 세금 규정을 설명해달라고만 하지 말고, 고객의 전체 신고서를 주고 무엇을 찾을 수 있는지 보십시오. 첫 번째 시도가 완벽하지 않을 수도 있습니다. 괜찮습니다. 반복하십시오. 질문 방식을 바꾸어 보십시오. 더 많은 맥락을 주십시오. 다시 시도하십시오. 결과에 놀라실 수도 있습니다. 그리고 기억하십시오. 오늘 조금이라도 작동한다면 6개월 뒤에는 거의 완벽하게 해낼 것이라는 사실을요. 궤적은 한 방향으로만 향합니다.

올해는 당신의 커리어에서 가장 중요한 해가 될 수도 있습니다. 그에 걸맞게 일하십시오. 스트레스를 주려는 말이 아닙니다. 지금은 대부분의 회사에서 대부분의 사람이 여전히 이를 무시하고 있는 짧은 기회의 창이 열려 있기 때문입니다. 회의실에 들어가 "3일 걸릴 이 분석을 AI를 사용해 1시간 만에 끝냈습니다"라고 말하는 사람은 그 방에서 가장 가치 있는 사람이 될 것입니다. 나중이 아니라 바로 지금입니다.

이 도구들을 배우십시오. 능숙해지십시오. 무엇이 가능한지 증명하십시오. 남들보다 빠르다면 이것이 당신이 올라가는 방법입니다. 무엇이 오고 있는지 이해하고 다른 이들에게 길을 보여줄 수 있는 사람이 되는 것입니다. 그 창은 오래 열려 있지 않을 것입니다. 모두가 이를 깨닫고 나면 이점은 사라집니다.

자존심을 버리십시오. 그 대형 로펌 대표는 AI와 매일 몇 시간씩 시간을 보내는 것을 부끄러워하지 않습니다. 그는 무엇이 걸려 있는지 이해할 만큼 충분히 경력이 높기 때문에 그렇게 하는 것입니다. 가장 고전할 사람들은 참여하기를 거부하는 이들입니다. 이를 일시적인 유행으로 치부하거나, AI를 쓰는 것이 자신의 전문성을 깎아먹는다고 느끼거나, 자신의 분야는 특별해서 영향이 없을 거라 가정하는 사람들입니다. 그렇지 않습니다. 어떤 분야도 예외는 없습니다.

경제적 상황을 정돈하십시오. 저는 금융 전문가가 아니고 여러분을 겁주어 극단적인 행동을 하게 하려는 것도 아닙니다. 하지만 앞으로 몇 년 안에 여러분의 산업에 진정한 혼란이 올 수 있다고 조금이라도 믿는다면, 기초적인 경제적 회복 탄력성은 1년 전보다 더 중요합니다. 가능하다면 저축을 늘리십시오. 현재의 수입이 보장된다고 가정한 새로운 부채를 떠안는 데 신중하십시오. 고정 지출이 당신에게 유연성을 주는지 아니면 당신을 옭아매는지 생각해보십시오. 상황이 예상보다 빨리 움직일 때를 대비해 선택지를 만드십시오.

자신의 위치를 생각하고, 대체하기 가장 어려운 것에 집중하십시오. 어떤 것들은 AI가 대체하는 데 더 오래 걸릴 것입니다. 수년간 쌓아온 관계와 신뢰, 물리적 존재가 필요한 작업, 자격증이 필요한 책임 있는 역할(여전히 누군가가 서명하고 법적 책임을 지며 법정에 서야 하는 역할들), 규제 장벽이 높아 도입이 더딘 산업 등이 그렇습니다. 이것들이 영구적인 방패는 아니지만 시간을 벌어줄 것입니다. 그리고 지금 그 시간은 여러분이 현실을 부정하는 데 쓰는 것이 아니라 적응하는 데 쓴다면 가장 가치 있는 자산이 될 것입니다.

아이들에게 해주는 말을 다시 생각해보십시오. 좋은 성적을 받고 좋은 대학에 가서 안정적인 전문직을 얻으라는 표준적인 공식은 이제 가장 위험에 노출된 역할들을 정조준하고 있습니다. 교육이 중요하지 않다는 말이 아닙니다. 하지만 다음 세대에게 가장 중요한 것은 이 도구들과 함께 일하는 법을 배우고, 진정으로 열정을 느끼는 일을 추구하는 것입니다. 10년 뒤의 노동 시장이 어떤 모습일지 아무도 모릅니다.

하지만 번성할 가능성이 가장 높은 사람은 깊은 호기심을 갖고 적응력이 뛰어나며, 자신이 진정으로 아끼는 일을 하기 위해 AI를 효과적으로 사용하는 사람입니다. 아이들에게 단순히 졸업할 때쯤이면 사라질지도 모를 커리어 패스에 최적화된 사람이 아니라, 스스로 무언가를 만들고 배우는 사람이 되라고 가르치십시오.

당신의 꿈이 훨씬 가까워졌습니다. 지금까지 위협에 대해 주로 이야기했으므로 반대편에 대해서도 말씀드리겠습니다. 그 역시 똑같이 실재하니까요. 만약 당신이 무언가 만들고 싶었지만 기술이 없거나 사람을 고용할 돈이 없어서 포기했다면, 이제 그 장벽은 거의 사라졌습니다. AI에게 앱을 설명하고 한 시간 만에 작동하는 버전을 가질 수 있습니다. 과장이 아닙니다. 저는 정기적으로 이렇게 합니다. 항상 책을 쓰고 싶었지만 시간이 없었거나 글쓰기가 힘들었다면, AI와 협업하여 해낼 수 있습니다. 새로운 기술을 배우고 싶으신가요? 세계 최고의 튜터가 이제 월 20달러에 누구에게나 열려 있습니다. 무한한 인내심을 갖고 24시간 대기하며 어떤 수준이든 설명해 줄 수 있는 튜터입니다. 이제 지식은 사실상 공짜입니다. 무언가를 만드는 도구는 극도로 저렴해졌습니다. 너무 어렵거나 비싸서, 혹은 전문 분야가 아니라서 미뤄왔던 일이 있다면 무엇이든 시도해 보십시오.

당신의 열정을 쫓으십시오. 그것이 어디로 이어질지 모릅니다. 기존의 커리어 경로가 무너지는 세상에서는, 1년 동안 자신이 사랑하는 것을 만든 사람이 직무 기술서에 매달려 1년을 보낸 사람보다 더 나은 위치에 서게 될지도 모릅니다.

적응하는 습관을 기르십시오. 이것이 아마도 가장 중요할 것입니다. 특정 도구가 무엇인지는 중요하지 않습니다. 새로운 도구를 빨리 배우는 근육이 중요합니다. AI는 계속 바뀔 것이고, 그 속도는 빠를 것입니다. 오늘 존재하는 모델은 1년 뒤면 구식이 될 것입니다. 사람들이 지금 짜놓은 워크플로우는 다시 짜야 할 것입니다. 이 상황을 잘 헤쳐 나가는 사람은 하나의 도구를 마스터한 사람이 아니라, 변화의 속도 그 자체에 편안함을 느끼는 사람이 될 것입니다. 실험하는 습관을 들이십시오. 현재 방식이 잘 작동하더라도 새로운 것을 시도해 보십시오. 반복해서 초보자가 되는 것을 기꺼이 받아들이십시오. 그 적응력이 지금 존재하는 가장 지속 가능한 경쟁력에 가깝습니다.

거의 모든 사람보다 앞서 나갈 수 있는 간단한 약속을 하나 제안합니다.

하루에 한 시간씩 AI를 실험하는 데 쓰십시오. 단순히 그것에 관한 글을 읽는 것이 아닙니다. 직접 사용하는 것입니다. 매일 무언가 새로운 것을 시도해 보십시오. 전에 안 해본 것, AI가 처리할 수 있을지 확신이 없는 것을 시도하십시오. 새로운 도구를 써보십시오. 더 어려운 문제를 던져보십시오. 매일 한 시간씩 말입니다. 앞으로 6개월 동안 이렇게 한다면, 당신은 주변 사람 99%보다 다가올 미래를 더 잘 이해하게 될 것입니다. 과장이 아닙니다. 지금 아무도 이렇게 하지 않고 있습니다. 기준점은 바닥에 있습니다.

더 큰 그림
사람들의 삶에 가장 직접적으로 영향을 미치기 때문에 직업에 집중했지만, 일 이상의 영역에서 벌어지고 있는 일의 전체 범위를 솔직하게 말씀드리고 싶습니다.

다리오 아모데이가 제시한 생각할 거리 중 제가 잊지 못하는 것이 있습니다. 2027년이라고 가정해 보십시오. 하룻밤 사이에 새로운 국가가 나타납니다. 5천만 명의 시민이 있는데, 한 명 한 명이 지금까지 존재했던 그 어떤 노벨상 수상자보다 똑똑합니다. 그들은 인간보다 10배에서 100배 더 빨리 생각합니다. 잠도 자지 않습니다. 인터넷을 사용하고, 로봇을 제어하며, 실험을 지시하고, 디지털 인터페이스가 있는 모든 것을 조작할 수 있습니다. 국가 안보 보좌관은 뭐라고 말할까요?

다리오 아모데이는 답이 뻔하다고 말합니다. "지난 한 세기 동안, 어쩌면 역사상 우리가 직면한 가장 심각한 국가 안보 위협"이라고요.

그는 우리가 지금 그 국가를 건설하고 있다고 생각합니다. 그는 지난달에 2만 단어 분량의 에세이를 써서, 지금 이 순간을 인류가 자신이 창조하고 있는 것을 감당할 만큼 성숙했는지를 시험하는 순간으로 규정했습니다.

우리가 이를 제대로 해낸다면 그 긍정적인 면은 경이로울 것입니다. AI는 한 세기 분량의 의학 연구를 10년으로 압축할 수 있습니다. 암, 알츠하이머, 전염병, 노화 자체까지... 연구원들은 이것들이 우리 생애 안에 해결 가능하다고 진심으로 믿습니다.

[썬햄 @sunnnnn1202]

방금 유퀴즈에서 물리학자 김범준 교수님이 말씀하신
✨주식 수익 올리는 투자법✨

1. 투자 예산이 100만원이라면 시총 1위부터 10위를 10만원씩 투자
2. 1년이 지나면 순위권 회사들이 바뀌는데, 그때 순위권에서 나간 회사 주식은 🔹매도🔹, 들어온 회사주식은 🔴매수🔴

위 전략을 사용했을 때 수익률이 주가 지수 상승률보다 높았다고.. 결론은 주식을 사서 그냥 묻어두는 것!

[Johnny K.edge🦭 @johnnyhhhhhhhh]

Konnex is an innovative technology platform establishing a decentralized marketplace for autonomous systems. @konnex_world