Weekly Commits #3 - 연금술, AI 성과, 경제 통제, KV-cache, 반복
연금술, AI 성과, 경제 통제, KV-cache, 반복
Weekly Commits은 한 주에 보았던 아티클, 정보를 한 곳에 모아서 왜 흥미로운지에 대한 관점을 담아 소개한다.
(1) 수은을 금으로 만드는 대량 생산 공정
Marathonfusion.com에서:
마라톤 퓨전(Marathon Fusion)은 수천 년간 연금술의 위대한 도전 과제였던 금의 변성에 대한 해결책을 발표했습니다. 이전의 시도들과 달리, 우리의 방법은 대규모로 확장 가능하고, 실용적으로 달성 가능하며, 경제적으로 매력적입니다.
중수소-삼중수소 핵융합에서 고에너지 중성자는 "증식" 반응을 유도하여 운전을 지속하는 데 필요한 삼중수소를 생산함으로써 연료 순환을 완성합니다. 이러한 중성자를 활용하여 수은-198에서 증식 반응을 유도하는 우리의 접근법은 수은-197을 생성하며, 이는 며칠 후 금의 유일한 안정 동위원소로 붕괴됩니다.
우리의 접근법을 사용하면, 발전소는 연료 자급률이나 전력 출력에 어떤 타협도 없이 기가와트당 전력 생산량(~2.5 GWth)당 연간 5천 킬로그램의 금을 생성할 수 있습니다.
이것은 새로운 황금시대의 시작을 의미합니다. 중요 광물 생산뿐만 아니라 에너지, 번영, 그리고 과학적 발견에 있어서도 마찬가지입니다.
핵융합 에너지 스타트업 Marathon Fusion은 핵융합 반응에서 방출된 중성자를 이용해 금을 대량 생산할 수 있다고 밝혔다. 이 연구의 흥미로운 점은 기존 핵융합 발전 프로세스에 결합되어 금 생산을 통한 추가 수익을 얻을 수 있다는 점이다.
핵융합 발전 중 D-T 핵융합 발전은 중수소(D)와 삼중수소(T)를 1억℃ 이상의 온도에서 결합하여 진행하는데, 삼중수소의 경우 자연에 거의 존재하지 않아 Breeding blanket을 통해 통해 생성한다. 주요 반응은 중성자와 리튬의 반응이다.
그런데 여기서 중요한 문제가 발생한다. D-T 핵융합 반응 과정에서는 반응 1회당 중성자 1개가 생성되는데, D-T 핵융합 과정에서 생산된 중성자가 오롯이 Breeding blanket을 통해 삼중수소를 생성해야 핵융합 과정을 지속할 수 있다. 그러나 실제 핵융합 과정에서는 중성자의 일부가 외부로 소실되기 때문에 지속가능한 핵융합 발전을 위해서는 중성자를 추가로 생성해야 한다. 이를 중성자 증배(neutron multiplication)라 한다.
Marathon Fusion은 중성자 증배 과정에서 수은-198을 이용해 중성자를 생산할 것을 제안했다. 수은-198은 중성자 증배 과정에서 부산물로 수은-197을 생산하는데, 수은-197은 64시간의 반감기를 거쳐 금-197으로 붕괴한다. 즉, 삼중수소 생산이라는 D-T 핵융합 발전의 필수 과정을 수행하면서 고부가 가치인 금을 생산하는 것이다. Marathon Fusion은 이 방식을 이용해 D-T 핵융합 발전소가 어떠한 손해도 없이 기가와트 발전량당 연간 5,000kg의 금을 생산할 수 있을 것이라 밝혔다.
한 가지 복잡한 문제는 중성자 증배 과정에서 수은-198이 아닌 다른 수은이 존재할 경우 불안정한 금의 동위 원소가 생산될 수 있다는 점이다. 이 경우 생산된 금이 방사능이 존재할 수 있고, 방사능을 없애기 위해서는 14~18년 동안 보관해야 할 수 있다고 추정한다.
인류의 거대한 꿈이었던 연금술을 현실로 만드는 연구다. 이렇게 인공적인 금이 계속해서 생산된다면 금이 계속해서 가치 보존의 역할을 할 수 있을까? 핵융합 발전의 수익성 개선만으로도 이 연구가 세상에 미칠 영향은 지대할 듯 하다.
(2) AI는 숙련도가 낮은 사람의 성과를 올리는데 효과적
OpenAI에서:
One study found that call center agents working with OpenAI's model were an average 14% more productive in responding to customer queries. In particular, less-skilled workers saw the largest increases in how much their productivity improved.
한 연구에 따르면 OpenAI 모델을 사용하는 콜센터 직원들은 고객 문의 응답에서 평균 14% 더 생산적이었다. 특히 숙련도가 낮은 근로자들이 생산성 향상에서 가장 큰 증가를 보였다.
There is also evidence that AI could help close skills gaps, as it augmented lower-performing consultants by 43% and higher-performing consultants by 17%.
AI가 기술 격차를 줄이는 데 도움이 될 수 있다는 증거도 있다. AI는 성과가 낮은 컨설턴트를 43% 향상시켰고, 성과가 높은 컨설턴트는 17% 향상시켰기 때문이다.
OpenAI는 ChatGPT가 생산성에 어떠한 영향을 미치는지에 대한 보고서, Unlocking Economic Opportunity를 공개했다.
보고서에 의하면
콜센터에서: OpenAI 모델을 사용하는 콜센터 직원 중 숙련도가 낮은 근로자들이 생산성 향상에 큰 증가를 보였다.
컨설팅에서: AI를 이용하면 성과가 낮은 컨설턴트의 업무 완료 속도를 43%, 성과가 높은 컨설턴트의 업무 완료 속도가 17% 개선되었다.
즉, AI는 숙련도가 높은 사람보다는 낮은 사람에게, 성과가 높은 사람보다는 성과가 낮은 사람에게 더 큰 효용을 주었다. AI 모델이 소수에게 부와 권력의 집중을 가져다 주는 것이 아니라, 모든 사람에게 더 큰 기회를 가져다줄 수 있다는 점에서 이 보고서가 흥미롭다.
(3) AI는 경제를 완벽히 통제할 수 없을 것
Quora에서:
저는 AI가 현대 경제를 완벽하게 운영할 만큼 지능적일 수는 없다고 단언합니다. 왜 그럴까요?
주된 이유는 AI 자체가 경제의 일부가 될 것이기 때문입니다. 기업과 개인은 AI를 사용하여 의사 결정을 내립니다. 따라서 모든 AI는 다른 AI의 결정을 고려해야 합니다. 하지만 어떤 AI도 다른 AI보다 훨씬 발전하여 이것이 가능하지는 않을 것입니다. 다시 말해, AI의 힘이 커질수록 경제의 복잡성도 커집니다.
2018년, Alex Tabarrok가 AI가 경제를 완벽히 조작할 만큼 발전할 수 있을까라는 질문에 대해, 기업과 개인은 AI를 이용해 의사결정을 할 것이기에 어떠한 AI가 모든 개별 AI의 행동을 고려할 만큼의 컴퓨팅 파워를 가질 수 없다는 것을 이유로 꼽았다.
이 글을 보며, 인간이 AI를 이용해 의사결정을 하는 이상 하나의 AI가 모든 AI 혹은 모든 인간을 완벽히 통제하는 것은 불가능하다는 생각이 들었다.
(4) AI Agent에게 가장 중요한 단 하나의 지표: KV-cache hit rate
manus.im에서:
I'd argue that the KV-cache hit rate is the single most important metric for a production-stage AI agent. It directly affects both latency and cost.
나는 KV-cache hit rate가 실제 운영 단계의 AI 에이전트에서 가장 중요한 단일 지표라고 생각한다. 이 지표는 지연 시간(latency)과 비용 모두에 직접적인 영향을 미치기 때문이다.
AI Agent를 구축하는 Manus는 컨텍스트 엔지니어링(context engineering)에 집중할 것이라 밝혔으며, 컨텍스트를 형성하는 방법을 발견할 때 마다 에이전트의 프레임워크를 재구축하여, 총 네 번의 재구축 과정을 거쳤다.
이 과정에서 Manus가 배운 점 중 하나가 AI Agent에 가장 중요한 지표가 KV-Cache라는 점이다. KV-cache는 LLM이 추론하는 과정에서 반복 계산을 피해 최적화 하는 기법이다.(Self-attention 계산 과정에서 Key와 Value를 저장해 반복 계산을 피함)
KV-cache는 첫 번째 토큰 생성 시간과 추론 비용을 크게 줄여준다. Claude Sonnet 기준으로 KV-cache가 적용될 때와 적용되지 않을 때 비용은 10배 가까이 차이가 난다. manus는 KV-cache를 유지하면서 컨텍스트를 유지할 수 있는 방안을 소개했다.
프롬프트 앞부분을 바꾸지 않기 - 특히 현재 시간 같은 걸 매번 바꿔서 넣으면 캐시가 안 됨
이전 대화 내용 수정하지 않기 - 한 번 말한 건 그대로 두고 새로운 내용만 뒤에 추가하기
같은 방식으로 데이터 정리하기 - JSON 같은 데이터를 매번 똑같은 순서로 정리해야 캐시가 유지됨
캐시 구간을 명확히 나누기 - 어디서부터 캐시할지 미리 정해두기
같은 서버로 요청 보내기 - 여러 서버 쓸 때는 같은 대화를 계속 같은 서버로 보내기
AI Agent를 직접 만들지 않은 입장에서, KV-cache가 중요하다는 manus의 의견은 AI Wrapper 회사들이 주장하는 최대한 좋은 AI API를 쓰라는 말과 달라 색다르게 다가왔다. 또한, 콘텍스트 엔지니어링이 실무에 속속히 적용되는 모습이 인상적이다.
(5) 반복은 차이를 드러낸다
프랑스 철학자 질 들뢰즈는 반복을 통해 진정한 차이가 드러나고, 이 차이가 각 존재의 고유성을 보여준다고 주장한다. 복잡한 개념이지만, 우리는 이미 이를 경험하고 있다.
음악: 같은 곡을 반복해 들으면, 처음에는 놓쳤던 베이스 라인이나 보컬의 미묘한 감정 변화를 발견한다.
음식: 단골 메뉴를 반복해서 먹다 보면, 오늘의 손맛이 어제와 다르다는 것을 느낀다.
예술: 동일한 판화 작품을 반복해서 보면, 잉크의 번짐이나 농도의 미세한 차이가 보인다.
독서: 책을 반복해 읽으면, 처음에는 보이지 않았던 작가의 의도나 숨겨진 의미를 알아챈다.
현대 기술도 같은 원리로 작동한다. 인간이 반복을 통해 차이를 발견하듯, 알고리즘 역시 당신의 행동을 반복적으로 학습해 고유성을 찾아낸다.
넷플릭스와 유튜브는 당신의 클릭, 스킵, 재생 시간 등을 지속적으로 분석해, 당신만의 취향을 파악한다.
이 글에서는 ‘반복을 통한 차이의 발견’이라는 철학적 개념이 어떻게 현대 디지털 개인화 알고리즘의 핵심 메커니즘이 되었는지, 그리고 이것이 우리의 일상 경험과 어떻게 연결되는지 살펴본다.
(6) 채용 전략은 토스처럼
토스 메이커스 컨퍼런스를 다녀왔다. 6시간 동안 자리를 지키고 나니 머릿속에 떠오른 생각은 “토스에 취직하면 재미있고 성장도 엄청 빠르겠다”였다. 아마 참석자 대부분이 비슷한 생각을 했을 것이다. 이 컨퍼런스 자체가 채용을 목적으로 기획된 행사였기 때문이다.
심플리시티(디자인), 인사이트(PM, PO), 토스 테크 블로그(개발) 등에서 다루는 콘텐츠도 마찬가지다. 표면적으로는 업무 방법론이나 기술적 인사이트를 다루지만, 실제로는 강력한 채용 도구 역할을 한다. “우리 회사 좋아요”라는 직접적인 메시지보다 “우리는 이런 방식으로 일해요”라는 간접적인 메시지를 사람들이 더 신뢰하고, 더 매력을 느낀다는 사실을 토스는 잘 알고 있다.
그 결과, 토스는 한때 기존 연봉의 1.5배를 제시해야 했던 상황에서 이제는 연봉을 다소 낮추더라도 누구나 가고 싶어 하는 회사가 됐다.
지금도 원티드에 올라오는 많은 기업들은 “합격 시 100만 원 지급”, “친구 추천 시 50만 원” 등 금전적 인센티브로 인재를 모집한다. 하지만 돈을 보고 오는 사람은 더 좋은 조건이 나타나면 쉽게 떠난다. 반면, 콘텐츠를 통해 회사의 가치관과 일하는 방식에 끌려온 사람들은 오래 남는다.
직행에 채용공고 홍보를 요청하시면, 콘텐츠 제작과 홍보 등 다양한 방식으로 인재 채용을 도와드립니다. (manager@zighang.com)
생각들
능력을 과대평가하면 목표를 달성하지 못해 좌절하게 되고, 그 실패가 다음 업무까지 연쇄적으로 영향을 미치며 통제력을 잃게 된다.
인간의 욕망은 기본적인 의식주를 넘어선다. 더 나은 품질, 희소한 경험, 사회적 지위를 추구하는 소비 욕구는 앞으로도 계속될 것이다.
연산 자원은 이미 새로운 권력이자 자본으로 작동하고 있다. 이 자원을 누가 얼마나 확보하느냐가 경쟁력을 결정하는 시대가 되었다.
삶은 ‘생산성’보다 더 많은 가치가 있다. 커리어 외의 다른 것들을 의도적으로라도 즐기자.
의자는 앉은 목적을 달성할 수 있을 때 가장 아름답다. 의자가 앉을 수 없다면 그 모습이 어떠하든 아름답지 않다. 다시 말하면, 목적이 있는 물건은 목적을 달성할 때 가장 아름답다.