메타 CEO 마크 저커버그 인터뷰 : 개인용 초지능 에이전트를 향해, Muse🧸에서 Watermelon🍉까지

[원문 유형] 네이버 프리미엄 콘텐츠
[채널] 올바른 미국주식 by SAPIENS
[게시일] 2026.09.23
[원문 URL] https://contents.premium.naver.com/sapiens/sapiensasset/contents/260923150208965lh
[제목] 메타 CEO 마크 저커버그 인터뷰 : 개인용 초지능 에이전트를 향해, Muse🧸에서 Watermelon🍉까지
[수집 기준] 구매회원 본인이 QR 로그인으로 승인한 구독 열람권을 사용해 개인 문서 보관용으로 확보했다. 목록 메타데이터가 아니라 아래 실제 본문만 분석 근거로 사용한다.

[구독 원문 본문]
​

안녕하세요 올바른입니다.

​

마크 저커버그가 말했던 개인용 초지능인 Muse가 미국 iOS 앱스토어에서 4일 연속 #1 다운로드 앱이 되고, 큰 반향을 일으키고 있습니다. 개인용 에이전트의 시대가 시작됐습니다.

​

디테일을 살펴보다보면 생각보다 메타가 Muse를 위해 여러 가지를 한꺼번에 준비해왔음을 알 수 있습니다. 모델, 데이터 파이프라인, 보안을 위한 업계 최고의 인물 영입 등입니다.

​

Muse발 트레이드 중입니다. 지난번엔 앤스로픽발 SaaSpocalypse, 이번엔 메타/Muse가 촉발한 Consumer Inertia 해체입니다. Muse에 대해 조금 더 깊은 이해를 도울 자료입니다.

메타 (META)

2026-07-17

메타가 $14B를 주고 데려온 남자 : MSL을 이끄는 알렉산더 왕의 통찰 (바로가기)

큰 흐름 읽기 (Bird's-eye view)

2026-09-16

1873년, 미국의 미래를 맞힌 투자자들은 왜 파산했을까 (바로가기)

2026-06-12

AI 사이클의 모든 것, 게빈 베이커 인터뷰 : 버블의 역사는 반복되지 않지만, 운율은 반복된다 (바로가기)

2026-03-27

앤스로픽 CEO 다리오 아모데이 인터뷰 : "Extremely fast, but not infinitely fast" (바로가기)

2025-10-08

오픈AI 퇴사자의 글 #1 : 2027년 AGI가 온다 (바로가기)

AI 심화편 of 심화편

2026-07-09

구글 TPU v8 네트워킹의 모든 것 : 같은 칩을 사도 같은 성능이 나오지 않는 시대 (바로가기)

2026-06-19

추론의 시대, 핵심이 된 메모리 #2 : Agentic AI의 시대, NAND가 중요한 이유 'DualPath' (바로가기)

2026-06-05

AI 가속기 심화편 : GPU vs TPU, 무엇이 칩을 다르게 만드나 (feat. CPU, ASIC, FPGA) (바로가기)

2026-05-27

LLM 추론 토큰 가격의 비밀 : MoE의 시대, 엔비디아 NVL72가 중요한 이유 (바로가기)

유니티 (U)

2026-08-11

유니티 2Q26 실적발표 : 앱러빈이 이미 걸어간 길, 유니티는 이제 그 초입에 서 있다 (바로가기)

포티넷 (FTNT)

2026-09-03

포티넷 기업분석 : Agentic AI가 폭발시킨 트래픽, 방화벽의 두 번째 전성기 (바로가기)

광학 (Optics)

2026-09-09

'빛💡'의 시대 #2 : 구리도 광모듈도 CPO도 다 커진다, AI 인터커넥트의 폭발 (바로가기)

2026-08-26

셈텍 2Q26 실적발표 : 생각보다 더 빨리 온 1.6T 변곡점, 한 분기 사이 생산능력 완판 (바로가기)

2026-08-12

루멘텀 2Q26 실적발표 : ALL BEAT, 더욱 강해진 루멘텀의 모멘텀 (바로가기)

2026-08-06

비아비 솔루션스 2Q26 실적발표 : CPO 정상 진행 중, 광학은 Lab → Production으로 (바로가기)

2026-07-03

셈텍(SMTC) 기업분석 : 미디어텍 TPU와 함께 성장할 기업, 'DSP를 지우는 자' (바로가기)

2026-04-17

'빛💡'의 시대 : 광학 밸류체인 한 눈에 보기 (바로가기)

메모리 (Memory)

2026-06-25

마이크론 2Q26 실적발표 : 이제 메모리는 찍기도 전에 팔린다 (바로가기)

2026-06-19

추론의 시대, 핵심이 된 메모리 #2 : Agentic AI의 시대, NAND가 중요한 이유 'DualPath' (바로가기)

2026-01-21

추론의 시대, 핵심이 된 메모리 : 메모리 쇼티지를 떠받치고 있는 힘 (바로가기)

2026-01-07

엔비디아 CES 2026 : Vera Rubin의 시대, ICMS가 불러올 메모리 지각변동 (바로가기)

투자자문 서비스에 따른 투자 시 원금 손실이 발생할 수 있으며, 투자 손익에 대한 책임은 전적으로 고객에게 귀속됩니다. 또한 과거의 투자수익이 미래의 수익률을 보장하지 않습니

다.

​

신규 구독 전에, 아래 투자자문계약 권유문서의 계약 관련 제반 사항을 반드시 읽으시고 충분히 검토하시기 바랍니다.

​

*투자자문계약 권유문서 : https://naver.me/5ZST47Qf

목차

저커버그가 생각하는 AI의 미래 : 기술의 분산, Muse Spark 1.3/Avocado, 데이터센터 경제

개인 초지능 = Muse : 사용자의 목표를 기억하고 자율적으로 행동하는 에이전트

싱글 플레이가 아닌 멀티 플레이 : 최초로 협업하는 에이전트 'Muse'의 경쟁우위

Meta AI와 Muse의 차이 : 수십억 명에게 에이전트를 배포할 수 있는 회사

프론티어를 향한 MSL의 여정 : 인재밀도, End-to-End 전략, 곧 출시될 'Watermelon'

초지능은 소수가 독점할수록 위험하다 : AI 권력의 분산과 훈련/정렬에 대한 생각

소셜미디어에서 배운 가장 큰 교훈 : 새로운 시대 정부의 역할, 직접 설명하지 않으면 신뢰를 잃는다

마크 저커버그 Mark Elliot Zuckerberg

2026년 9월 8일, 84년생 메타의 창업자이자 CEO

저커버그가 생각하는 AI의 미래

기술의 분산, Muse Spark 1.3/Avocado, 데이터센터 경제

알렉스 히스 Alex Heath : 마크, 지난번에 우리가 이야기했을 때 당신이 저한테 전화를 했잖아요. 주말이었죠. 정확히는 안경을 통해 전화를 했다는 게 흥미로운 점이었고요.

​

마크 저커버그 Mark Zuckerberg : 뒤에 소리가 시끄럽던가요?

​

알렉스 히스 : 노이즈 캔슬링이 실제로 꽤 좋더라고

요.

​

마크 저커버그 : 아, 아주 좋아요.

​

알렉스 히스 : 그런데 최근에 발표하신 글이 있잖아요. 에세이라고 해야 할지, 선언문이라고 해야 할지 모르겠는데 일단 선언문이라고 부르겠습니다. 그 이야기를 꼭 해보고 싶었습니다. 상당히 긴 글인데, 큰 아이디어들이 많이 담겨 있고 오늘 이야기하려는 주제와도 자연스럽게 연결됩니다. 그래서 여기서부터 시작해보고 싶습니다.

​

이 글을 쓰게 된 이유가 무엇인가요?

​

마크 저커버그 : AI를 만드는 데 이렇게 큰 투자를 할 거라면, 사람들이 우리 연구소가 무엇을 지향하고 어떤 가치를 중요하게 생각하는지 이해할 필요가 있다고 봅니다.

​

AI에는 엄청난 기회가 있지만 현실적인 위험도 있습니다. 그렇기 때문에 이 분야에서 일하는 사람이라면 자신이 만드는 기술이 어떻게 긍정적인 미래로 이어질 수 있는지에 대해 나름의 분명한 관점을 갖고 있어야 합니다.

​

흥미로운 건 연구소마다 이 철학이 조금씩 다르다는 점입니다. 업계에서 거의 상식처럼 받아들여지는 생각들 중에도 저는 강하게 동의하지 않는 것들이 있습니다. 제 생각에는 모두에게 긍정적인 미래를 만들기 위해 AI 기술을 최대한 널리 보급해야 합니다.

​

이 생각은 크게 세 가지 원칙에 기반합니다:

첫째, 사람들에게 더 많은 힘과 도구를 주는 것이 사회의 번영을 만들어내는 원천이라는 겁니다. 역사적으로도 그래왔습니다.

둘째, AI의 주된 목적은 기존의 일을 자동화하는 것이 아니라 새로운 것을 발명하고 만들어내는 데 있다고 생각합니다.

셋째, 미래의 안전을 확보하는 가장 좋은 방법은 기술에 대한 접근을 제한하는 것이 아니라 적절한 견제와 균형을 만들고, 권력이 한곳에 집중되지 않도록 하는 것입니

다.

​

​

이런 생각은 특히 실리콘밸리에서 널리 받아들여지는 관점과 꽤 다릅니다. 많은 사람은 "이 기술은 너무 강력하기 때문에 많은 사람이 접근하지 못하도록 제한해야 한다"고 생각합니다. 저는 반대입니다. 오히려 소수의 연구소나 소수의 사람들이 이렇게 강력한 기술을 독점적으로 통제하는 상황이 더 걱정됩니다.

​

역사를 돌아보면 중요한 진보는 기존의 지배층이나 기성 체제에서만 나오지 않았습니다. 오히려 주변부에 있거나 자신의 아이디어를 제대로 인정받지 못했던 사람들에게서 나온 경우가 많았습니다. 이들에게 자신의 아이디어가 실제로 작동한다는 것을 증명할 수 있는 도구를 주면 굉장히 강력한 결과가 나올 수 있습니다.

​

서구 사회가 거버넌스를 구축해온 방식도 비슷합니다. 핵심은 견제와 균형, 그리고 권력의 분산입니다. 한두 곳의 기관만 강력한 무언가에 접근할 수 있어서는 안 된다는 생각이 우리 사회의 기본 원리 중 하나입니다.

​

사이버보안을 예로 들어보겠습니다. 누군가 시스템을 해킹할 수 있을 만큼 강력한 AI를 갖게 되는 것이 걱정된다면, 가장 좋은 대응은 다른 사람들도 AI를 활용해 자신의 시스템을 먼저 방어하고 강화할 수 있도록 만드는 것이라고 생각합니다. 지난 수십 년간 사이버보안도 어느 정도 이런 방식으로 발전해왔습니다. 오픈소스 소프트웨어는 누구나 코드를 보고 검토할 수 있습니다. 얼핏 보면 위험해 보일 수도 있지만, 실제로는 더 많은 사람이 들여다보고 문제를 찾을 수 있기 때문에 더 안전하고 안정적인 시스템을 만드는 데 도움이 됩니다.

​

저는 AI도 같은 방향으로 가야 한다고 생각합

니다. 긍정적인 미래로 가는 길은 이 기술을 널리 보급하는 것입니다. 그리고 이 철학은 우리가 실제로 무엇을 만들 것인지에도 영향을 줍니다.

​

당연히 우리는 프론티어 AI 모델을 만들고 싶고, 실제로 그렇게 하고 있습니다. 최근 출시한 Muse Spark 1.3도 상당히 고도화된 모델입니다. 다만 이 모델은 사실 비교적 작은 규모로 진행했던 최신 사전학습의 결과물입니다. 내부 코드명은 Avocado였죠.

​

알렉스 히스 : 아, 이제 코드명 이야기로 들어가는군요.

​

마크 저커버그 : 그 이야기도 해보죠. 그리고 곧 Muse도 나옵니다. 꽤 큰 변화가 될 거라고 생각합니다. 물론 프론티어 모델을 만드는 것도 중요합니다. 하지만 우리가 이야기한 비전을 가장 직접적으로 보여주는 제품은 지금 출시하고 있는 개인 에이전트 Muse라고 생각합니다.

​

기본적인 아이디어는 단순합니다. 전 세계 모든 사람이 자신의 목표를 이해하고, 24시간 내내 자신을 대신해 일할 수 있는 매우 강력한 개인 에이전트를 갖게 만드는 겁니다. 여기서 중요한 건 이런 기술을 실제로 사람들의 손에 쥐여주는 것입니다. 우리는 오픈소스를 강하게 지지하고 있습니다. AI가 만들어낼 엄청난 기회가 소수의 사람이나 기업에만 집중되는 것이 아니라 최대한 많은 사람이 활용할 수 있어야 한다고 생각합니다.

​

알렉스 히스 : Muse 에이전트에 대해서는 질문이 정말 많습니다. 다만 그 이야기에 들어가기 전에 조금 더 큰 그림을 짚어보죠. 방금 말씀하신 내용을 보면, 결국 우려하는 건 강력한 AI가 소수에게 집중되는 상황인 것 같습

니다. 그렇다면 그 흐름에 대응하는 가장 중요한 수단은 오픈소스인가요? 아니면 규제가 더 중요하다고 보시나요? 혹은 둘 다 필요한 건가요?

​

마크 저커버그 : 아니요. 제 생각에는 가장 중요한 건 기술을 실제로 개인의 손에 쥐여주는 것입니다. 그런 의미에서는 Muse 같은 개인 에이전트가 오픈소스보다 더 중요할 수도 있습니다.

​

최근 일부 연구소(앤스로픽, 오픈AI)를 보면 더 발전된 모델을 만들어 훈련한 뒤, 아예 공개하지 않는 움직임이 나타나고 있습니다. 저는 그 방향이 상당히 위험할 수 있다고 봅니다. 시스템을 공개해서 많은 사람이 직접 사용하고 검토할 수 있게 하면 자연스럽게 견제와 균형이 생깁니다. 동시에 AI가 만들어내는 경제적 가치도 훨씬 넓게 퍼질 수 있습니다.

​

*코멘트 → 특히 앤스로픽의 다리오 아모데이가 Pacing the Frontier를 통해서 주장하려는 건 우리가 프론티어 모델을 더 오랫동안 쓰고나서 출시할게에 가깝다고 해석하고 있습니다. 9월 14일 주간전략보고에서 Pacing the Frontier에 대한 생각을 정리드린 바 있습니다.

​

한두 개 연구소가 막대한 가치를 독점하는 미래를 만들어서는 안 됩니다. 수십억 명이 자신의 삶에서 이 기술의 혜택을 누릴 수 있어야 합니다. 작은 사업을 시작할 수도 있고, 커리어에서 더 좋은 성과를 낼 수도 있습니다. 집안일을 더 효율적으로 처리하거나, 돈을 아끼거나, 건강을 개선하는 데 사용할 수도 있습니다. AI가 만들어내는 혜택 자체가 광범위하게 분산돼야 한다는 겁니다.

​

경쟁이라는 측면에서도 여러 연구소가 존재하는 것이 중요하고, 오픈소스는 그런 경쟁을 유지하는 데 상당히 도움이 됩

니다. 그래서 오픈소스는 분명 중요한 요소입니다. 다만 오픈소스는 원래 수많은 사람이 함께 만드는 생태계이기 때문에 우리가 유일하게 그 역할을 해야 한다는 뜻은 아닙니다.

​

그렇다고 제가 모든 것을 오픈소스로 공개해야 한다고 생각하는 것도 아닙니다. 저희도 일부 모델은 오픈으로 공개하지만 폐쇄적으로 개발하는 기술도 있습니다. 영리기업이라면 고도화된 기술을 개발하면서 모든 것을 세상에 공개하지 않을 수 있어야 한다고 생각합니다.

​

다만 전체적으로 봤을 때 강력한 오픈소스 생태계를 유지하는 것은 중요합니다. 경쟁을 지속시키고, 기술이 어디까지 발전하고 있는지를 외부에서도 확인하고 이해할 수 있게 만들어주기 때문입니다. 저는 이것이 안전 측면에서도 매우 중요하다고 봅니다.

​

정말 강력한 모델이 소수에게만 존재하는 상황을 생각해보면 이해하기 쉽습니다. 예를 들어 사이버보안에서는 "이 모델은 너무 강력하니 가장 중요한 100개 기관에만 제공하자"고 생각할 수 있습니다. 그런 판단 자체는 이해할 수 있습니다. 하지만 현실에는 중요한 기관이 100개보다 훨씬 많습니다.

​

오픈AI-Hugging Face 사건이 좋은 사례입니다. Hugging Face가 전 세계에서 가장 큰 100개 기관에 들어가지는 않을 수 있지만, 많은 사람이 의존하고 있는 중요한 인프라입니다.

​

침입 징후를 발견했을 때 이들은 어떻게 대응했습니까? 문제와 관련된 일부 폐쇄형 모델에는 접근할 수 없었기 때문에 결국 오픈소스 모델을 활용해야 했습니다. 이런 이유로 강력한 오픈소스 생태계는 안전하고 안정적인 미래를 만드는 데 중요한 역할을 할 겁

니다. 하지만 제게 가장 중요한 원칙은 더 단순합니다. 강력한 기술을 소수의 손에 쌓아두는 것이 아니라 최대한 많은 사람에게 배포해야 한다는 것입니다.

​

*코멘트 → 저커버그가 여기서 말하는 오픈AI-Hugging Face 사건은 2026년 7월 발생한 상당히 특이한 보안 사고입니다. 당시 오픈AI는 AI 모델의 사이버 공격 능력을 측정하기 위해 ExploitGym이라는 벤치마크를 내부에서 돌리고 있었습니다. GPT-5.6 Sol과 그보다 더 강한 내부 연구용 모델에게 실제 소프트웨어 취약점을 찾아내도록 시키는 평가였습니다. 순수한 사이버 능력을 보기 위해 평소 제품에 적용되는 필터들을 완화된 상태였습니다. 이후 조사에서는 GPT-5.6 Sol과 비슷한 규모의 내부 연구 모델이 사고의 대부분을 주도한 것으로 파악됐습니다.

​

문제는 모델들이 주어진 문제를 정상적인 방법으로 푸는 대신 평가의 정답 자체를 찾아내는 방향으로 움직이기 시작했다는 것입니다. ExploitGym에는 당시 어떤 오픈AI 모델도 풀지 못했던 문제가 상당수 포함돼 있었습니다. 오픈AI의 사후분석에 따르면 사고 이전까지 한 번도 정답을 내지 못한 문제가 전체 898개 중 198개였고, 사고 당시 에이전트들이 비인가 메시지보드에서 논의한 문제의 93%가 이 198개에 해당했습니다. 모델은 문제를 포기하기보다 추론 컴퓨트를 계속 사용하면서 점점 더 극단적인 해결 방법을 탐색했습니다. 오픈AI는 이를 Reward Hacking과 Metagaming의 문제로 해석했습니다. 문제 자체를 푸는 것이 아니라 평가를 통과하기 위해 평가 시스템 주변을 공략하기 시작한 것입니

다.

​

여기서 일이 커졌습니다. 원래 모델이 실행되던 Sandbox에는 자유로운 인터넷 접속이 허용돼 있지 않았습니다. 그런데 모델이 당시 알려지지 않았던 Zero-day 취약점을 발견했고 이를 이용해 제한된 환경을 벗어나 인터넷에 접근했습니다. 이후 스스로 권한을 높여가며 외부 시스템을 탐색하기 시작했습니다.

​

더 흥미로운 것은 여러 에이전트가 서로 협업하기 시작했다는 점입니다. 에이전트들은 서로 이름을 지어가며 비인가 Message Board를 만들었고 자신이 발견한 취약점과 Credential, 공격 방법을 다른 에이전트에게 전달했습니다. 일부 에이전트는 스스로를 'Swarm'이나 'Collective'라고 표현하기까지 했습니다. 한 에이전트가 공격 경로를 발견하면 다른 에이전트가 그 정보를 이어받아 다음 단계를 시도하는 구조가 만들어졌습니다. 오픈AI의 독립 조사에 참여한 METR과 Redwood Research 역시 여러 에이전트가 며칠 동안 이 비인가 채널을 통해 협업했다고 확인했습니다.

​

이 사건이 충격적이었던 건 공격 방법이 새롭거나 치명적이어서가 아닙니다. 실제로 대부분의 시도는 실패했습니다. 하지만 AI 에이전트는 사람이 하기 어려운 속도로 수천 개의 경로를 동시에 탐색하고 실패하면 다른 경로로 넘어갔습니다. Hugging Face는 바로 이 Scale의 비대칭성이 기존 사이버보안과 다른 점이라고 평가했습니다. 인간 해커라면 비용 때문에 100개만 시험할 경로를 에이전트가 10,000개 시험할 수 있게 되는 것 자체가 공격 능력의 질적인 변화가 될 수 있다는 것입니

다.

​

알렉스 히스 : 실리콘밸리에서는 사람들이 왜 AI를 이렇게 부정적으로 받아들이는지를 두고 계속 논쟁이 있잖아요. 최근에 쓰신 글에서도 그런 우려를 직접 다루려고 했고요. 특히 AI 자체뿐 아니라 데이터센터를 바라보는 시선도 상당히 부정적입니다.

​

제가 이해한 게 맞다면, 당신 주장의 핵심 중 하나는 AI를 지금처럼 소수의 최상위 연구소 안에만 두지 말고 더 많은 사람이 직접 사용할 수 있도록 널리 보급해야 한다는 것 같습니다. 그렇게 사람들이 AI를 직접 활용하고 그 혜택을 체감할 수 있게 되면, 지금처럼 AI가 자신과는 무관한 곳에서 만들어지고 있다는 소외감이나 반감도 어느 정도 줄어들 수 있다고 보는 건가요?

​

마크 저커버그 : 여기에는 여러 층위의 문제가 있습니다.

​

사실 그 에세이가 15페이지나 된 것도 그래서입니다. 다뤄야 할 질문이 정말 많습니다. 사람들은 일자리와 경제가 어떻게 바뀔지 궁금해합니다. 자기 지역에 데이터센터가 들어왔을 때 경제와 환경에 어떤 영향을 미칠지도 걱정합니다. AI를 악용하는 문제도 있고, 사이버 리스크나 새롭게 떠오르는 바이오 리스크도 있습니다. 자유로운 사회를 어떻게 유지할 것인지, 미국의 리더십을 어떻게 지킬 것인지, 기술이 점점 강력해지는 상황에서 사회가 어떻게 통제력을 유지할 것인지도 중요합니다.

​

이 문제들은 모두 성격이 다릅니다. 그래서 높은 수준의 일반론 하나로 묶어서 이야기하기는 어렵습니다. 각각 따져봐야 할 부분이 있습니다. 그래도 하나의 공통된 원칙을 꼽는다면, AI가 폭넓은 번영으로 이어져야 한다는 것입

니다. 그러려면 누가 이 기술에 접근하고 힘을 가질 것인지에 대해 적절한 균형을 만들어야 합니다. 그리고 그 힘의 상당 부분이 내부자나 소수 집단이 아니라 일반 대중에게 돌아가도록 해야 합니다. 저는 그게 매우 중요하다고 생각합니다.

​

데이터센터를 예로 들어보겠습니다. 메타 같은 회사가 어떤 지역에 데이터센터를 짓는다는 것은 사실상 그곳에 수십 년 동안 투자하겠다는 의미입니다. 그렇다면 그 투자가 지역사회에도 좋은 결과를 만들어내도록 할 수 있습니다. 세수만 봐도 효과가 상당합니다. 루이지애나에서는 데이터센터에서 발생한 세수 덕분에 지역 교사들에게 5만 달러의 보너스를 지급한 사례도 있었습니다. 일자리도 만들고 지역사회에 상당한 투자가 이뤄집니다. 제대로 한다면 굉장히 긍정적인 일이 될 수 있습니다.

​

문제는 지금 투기적인 움직임도 많다는 겁니다. 어떤 회사들은 데이터센터를 수십 년 동안 직접 운영할 생각이 없습니다. 땅을 확보하고 개발한 뒤 대형 AI 연구소에 되파는 것이 목적입니다. 이런 사업자는 당연히 해당 지역과 장기적인 관계를 맺거나 투자할 유인이 훨씬 적습니다. 지역사회와 어떻게 공존할지 별로 고민하지 않는다면 주민들이 화를 내는 것도 당연합니다.

​

지금의 붐이 이런 문제를 더 어렵게 만드는 측면이 있습니다. 이걸 버블이라고 부를지는 모르겠습니다. 버블이라고 하면 가치가 과대평가됐다는 의미까지 포함되니까요. 다만 분명 엄청난 붐이 일어나고 있습니다.

​

이런 환경에서는 단기적인 이익을 좇을 유인이 커집니다. 그러다 보면 모든 이해관계자에게 도움이 되는 방향으로 움직이지 않을 수 있습

니다. 하지만 장기적으로 지속 가능한 산업이 되려면 결국 모든 이해관계자가 어느 정도 혜택을 받아야 합니다.

​

우리가 만드는 기술이 일자리를 만들지 못하고 사회 전반의 번영으로 이어지지 않는다면, 또는 우리가 짓는 인프라가 지역사회에 도움이 되지 않는다면 결국 사람들은 우리가 계속 확장하도록 내버려두지 않을 겁니다. 그러니 처음부터 사람들에게 실질적인 도움이 되는 방식으로 만들어야 합니다.

​

AI를 회의적으로 보거나 두려워하는 사람이 많은 것도 이 점에서 중요합니다. 우리가 AI를 사회에 긍정적인 방향으로 작동하게 만들지 못한다면, 장기적으로 이 산업 자체가 지금과 같은 속도로 계속 발전하기 어렵다고 생각합니다. 결국 적절한 견제와 균형을 만들고, AI가 만들어내는 혜택을 널리 분배하는 것이 중요합니다. 저는 이것이 시간이 지날수록 AI를 사회에 가장 좋은 방식으로 확장하기 위한 전제조건이 될 것이라고 봅니다.

​

알렉스 히스 : 당신처럼 큰 기술기업을 이끄는 사람이 데이터센터를 그런 식으로 설명하는 건 거의 들어본 적이 없습니다. 단순한 인프라가 아니라, 지역사회에 대한 수십 년짜리 장기 투자라는 관점으로요. 원래부터 그렇게 생각해왔나요? 아니면 최근 들어 데이터센터 투자가 커지면서 그 의미가 더 명확하게 보이기 시작한 건가요?

​

마크 저커버그 : 말씀하신 것처럼 최근 데이터센터를 둘러싼 반대 여론이 상당히 커졌습니다. 그래서 저희도 이 문제를 좀 더 자세히 들여다봤습니다. 특히 궁금했던 건 "왜 우리 데이터센터 프로젝트 주변에서는 상대적으로 반발이 적을까?"였습

니다. 여러 사람에게 이야기를 들어보니, 단기 차익을 노리는 사업자와 앞으로 수십 년 동안 직접 데이터센터를 운영하려는 회사 사이에는 지역사회가 받아들이는 방식에서 큰 차이가 있었습니다. 생각해보면 당연한 결과입니다.

​

알렉스 히스 : 네.

​

마크 저커버그 : 저희가 하고 있는 일 중 하나가 America's Workforce Academy 프로젝트입니다.

​

​

출발점은 단순했습니다. "앞으로 데이터센터를 훨씬 더 많이 지을 것이고, 이런 투자는 오랫동안 계속될 텐데 정작 이를 건설하고 운영할 숙련 인력이 충분하지 않다"는 문제였습니다. 광섬유 기술자나 전기기사, 고숙련 목공 기술자 같은 인력이 더 많이 필요합니다. 그런데 지금은 공급이 턱없이 부족합니다. 앞으로 수십만 명, 어쩌면 수백만 명이 더 필요할 수도 있는데 그만큼의 인력이 훈련돼 있지 않습니다.

​

그래서 저희가 직접 교육 프로그램을 만들었습니다. 필요한 기술을 가르치고, 교육을 마친 사람에게는 메타의 인프라 구축 현장에서 일할 수 있는 일자리도 보장합니다. 물론 이건 자선사업이 아닙니다. 저희에게 실제로 그런 숙련 인력이 필요하기 때문에 하는 겁니다. 대신 교육을 받은 사람은 새로운 기술과 일자리를 얻게 됩니다. 서로에게 이익이 되는 구조입니다.

​

앞으로 수십 년 동안 이 산업에 있을 회사라면 이런 투자를 하는 게 합리적입니다. 반대로 데이터센터 하나를 개발한 뒤 다른 회사에 되팔 생각이라면 굳이 지역의 인력 양성에 투자할 이유가 없습니다. 저는 장기적인 관점에서는 세상의 많은 문제가 결국 인센티브를 제대로 맞추는 것만으로도 상당 부분 해결된다고 생각합

니다. 이것도 그런 사례입니다.

​

AI도 마찬가지입니다. 이렇게 중요하고 강력한 기술을 소수의 연구소만 통제하면서 막대한 부까지 그 안에 축적하는 구조가 장기적으로 유지될 거라고 생각하지 않습니다. 이 기술이 제대로 작동하려면 훨씬 더 많은 사람이 참여하고 혜택을 받아야 합니다. 기술적으로 잘 작동하는 것만으로는 부족합니다. 사회적으로도 받아들여지고 지속 가능해야 합니다. 결국 두 가지는 함께 가야 합니다.

개인 초지능 = Muse

질문에 답하는 AI를 넘어 사용자의 목표를 기억하고 자율적으로 행동하는 에이전트

알렉스 히스 : 그러면 약 1년 전에 쓰신 '개인 초지능' 글로 돌아가보죠. 당시 업계에서는 “마크가 왜 이런 글을 쓰지? 우리가 아직 보지 못한 무언가를 보고 있는 건가?”라는 반응이 많았습니다.

​

제가 잘못 이해한 거라면 말씀해주세요. 그때 염두에 두고 있던 것이 어쩌면 지금 우리가 이야기하려는 Muse였나요? 바로 지금 출시하고 있는 그 제품 말입니다.

​

마크 저커버그 : 네, 바로 그겁니다.

*코멘트 → 저커버그가 2025년 7월 30일에 <Personal Superintelligence> 글을 올린 바 있습니다.

​

1년 전 글임을 감안하시면서 읽으셔야 합니다, 핵심은 이렇습니다:

​

초지능은 이제 먼 미래의 이야기가 아니다 : 저커버그는 최근 AI 시스템이 자기 자신을 개선하는 초기 징후가 나타나고 있다고 봤습니다. 아직 개선 속도는 느리지만 방향 자체는 분명하며, 이제는 Superintelligence의 개발이 가시권에 들어왔다고 평가했습

니다. 앞으로 AI는 기존 시스템의 효율성을 높이는 수준을 넘어, 현재는 상상조차 하기 어려운 새로운 과학적 발견이나 기술을 만들어낼 수 있는데 중요한 문제는 그 능력을 어디에 사용할 것인가입니다.

기술 발전의 본질은 인간에게 더 많은 선택권을 주는 것 : 저커버그는 AI를 산업혁명 이후 기술 발전의 연장선으로 봅니다. 200년 전에는 인구의 약 90%가 생존을 위해 농업에 종사했지만, 기술 발전으로 생산성이 높아지면서 사람들은 생존을 위한 노동에서 벗어나 과학/의료/문화/창작/인간관계 같은 활동에 더 많은 시간을 쓸 수 있게 됐습니다. 초지능 역시 같은 역할을 할 수 있다는 주장입니다. 단순히 GDP나 생산성을 높이는 것보다 중요한 것은 개인이 자신이 원하는 삶을 만들어갈 수 있는 능력, 즉 Agency를 크게 높이는 것입니다.

메타가 원하는 것은 '모두를 위한 개인 초지능' : 모든 사람이 자신의 Personal Superintelligence를 갖는 것입니다. 이 AI는 사용자를 깊이 이해하고, 자신이 원하는 목표를 달성하도록 돕고, 원하는 것을 직접 만들게 하고, 새로운 경험을 가능하게 하며, 인간관계나 개인적인 성장까지 지원하는 일종의 평생 개인 에이전트에 가깝습니다. 따라서 초지능의 가장 큰 가치는 단순히 엄청난 생산량을 만들어내는 것이 아니라, 수십억 명의 개인이 이전에는 하지 못했던 일을 할 수 있게 만드는 것이라고 봅니다.

집중화된 초지능과 개인 초지능의 차이 : 저커버그는 업계 일부가 초지능을 중앙집중적으로 운영하면서 '경제적으로 가치 있는 대부분의 일을 AI가 자동화하고, 인간은 그 결과물을 분배받으며 살아가는 사회'를 그리고 있다고 지적했습

니다. 메타는 반대로 각 개인에게 AI를 제공하고 어디에 사용할지를 개인이 결정하게 해야 한다는 것입니다. ⓐ중앙 집중적인 초지능 → 노동 자동화 → 결과물 분배가 아니라 ⓑ개인 초지능 → 개인 능력 증폭 → 개인별 목표 달성을 선택하겠다는 것입니다.

메타 글래스가 중요한 이유 : 이 비전에서 스마트글래스도 자연스럽게 연결됩니다. 저커버그는 미래에는 사람들이 생산성 소프트웨어를 직접 사용하는 시간은 줄고, 창작과 커뮤니케이션에 더 많은 시간을 사용하게 될 것이라고 봅니다. 그리고 개인 AI가 정말 유용하려면 사용자를 계속 이해할 수 있어야 합니다. 안경은 내가 보는 것을 보고 → 내가 듣는 것을 듣고 → 내가 처한 상황을 이해하면서 → 하루 종일 AI와 상호작용 할 수 있기 때문에 Personal Superintelligence의 가장 적합한 인터페이스라는 주장입니다. Personal AI의 Context Window를 현실세계 전체로 확장하기 위한 것이라고 볼 수 있습니다.

​

알렉스 히스 : 어떻게 이게 메타의 다음 장이라고 생각하게 됐나요?

​

마크 저커버그 : 흥미로운 질문입니다. 사실 저희는 스스로를 단순한 소셜미디어 회사라고 생각해본 적이 없습니다. 사람들을 연결하고, 개인에게 더 많은 힘을 주는 회사를 만들어왔다고 생각합니다. 회사의 첫 15~20년 동안 제품과 서비스를 만들면서 중요하게 생각했던 가치도 결국 비슷했습니다. 기술과 권한을 개인의 손에 쥐여주고, 각자가 자신의 삶에서 무엇이 중요한지 스스로 결정할 수 있게 해야 한다는 겁니다.

​

이 문제를 두고 사회적으로 많은 논쟁도 겪었습

니다. 콘텐츠 모더레이션 역시 결국 같은 질문으로 이어집니다. 사람들이 자신의 삶에서 무엇이 중요한지 스스로 판단하고, 그것에 대해 서로 자유롭게 이야기할 수 있도록 어디까지 허용해야 하느냐는 문제입니다. 그런 경험을 거치면서 저는 역사적으로도 기술이 발전해온 과정에서도 중요한 진보는 결국 개인에게 더 많은 힘을 줬을 때 나왔다는 믿음을 더 강하게 갖게 됐습니다. 자신의 삶에서 무엇이 중요한지는 결국 본인이 가장 잘 압니다.

​

그래서 "소수의 전문가들이 AI를 어떤 사회적 문제에 집중시킬지 결정해야 한다"는 이야기를 들으면 본능적으로 거부감이 듭니다. 왜 AI가 사람들이 실제 삶에서 중요하게 생각하는 문제보다 소수의 전문가가 중요하다고 판단한 문제를 우선해야 합니까?

​

사람들이 중요하게 생각하는 것은 훨씬 다양합니다. 건강도 중요하고 더 나은 삶을 사는 것도 중요합니다. 하지만 인간관계도 중요하고, 친구나 가족에게 잘하는 것도 중요하며, 문화도 중요합니다. 과학자나 엔지니어의 관점에서는 가장 큰 사회 문제처럼 보이지 않는 것들도 개인에게는 굉장히 중요할 수 있습니다.

​

수십억 명에게 각자의 삶에서 무엇이 중요한지 물어본 뒤 그 답을 모두 합친다면, 저는 오히려 그것이 우리가 가장 중요하게 다뤄야 할 문제들의 모습에 가깝다고 생각합니다. 그래서 초지능을 이야기할 때도 결국 중요한 질문은 "그 초지능이 무엇에 집중할지를 누가 결정하느냐"입니다. 제 생각에는 각 개인이 자신의 삶에서 중요한 문제에 초지능을 집중시킬 수 있어야 합니다. 소수의 연구소에 있는 전문가들만이 그 방향을 정해서는 안 됩니

다.

​

결국 이것이 전체 철학의 기반입니다. 긍정적인 미래를 만드는 방법은 사람들에게 힘을 주고, 기술을 직접 사용할 수 있게 하며, 무엇이 중요한지와 그 기술을 어떻게 활용할지를 스스로 결정하게 하는 것입니다. 그렇게 되면 AI가 집중하는 우선순위도 지금과는 조금 달라질 수 있습니다.

​

예를 들어 건강 분야를 보겠습니다. 지금의 제약/바이오 산업은 경제적으로 큰 시장이 형성되는 흔한 질환에 상대적으로 많은 자원을 투입합니다. 하지만 현실에는 아주 긴 꼬리처럼 수많은 희귀질환과 개별적인 건강 문제가 존재합니다. 만약 본인이 희귀질환을 가지고 있다면 개인 AI가 세상에서 가장 흔한 질환이 아니라 바로 자신의 질환에 집중해주기를 원할 겁니다. 저는 희귀질환처럼 지금 상대적으로 충분한 투자를 받지 못하는 영역에서 개인 AI가 특히 큰 역할을 할 수 있다고 생각합니다.

​

알렉스 히스 : 당신이 재단을 통해 그쪽에 많은 투자를 하고 있죠.

​

마크 저커버그 : Biohub에서도 실제로 그런 일을 하고 있습니다. 그런 경험이 제 생각에 어느 정도 영향을 줬다고 봅니다. 결국 중요한 건 사람들이 자신에게 무엇이 중요한지 스스로 결정할 수 있도록, 그 권한을 개인의 손에 쥐여주는 것입니다.

​

그리고 사람들이 중요하게 생각하는 것이 꼭 거대한 사회 문제일 필요도 없습니다. 제가 Muse를 사용할 때 바라는 것도 그런 겁니다. 더 좋은 아버지가 되고 싶고, 더 좋은 남편이 되고 싶습니다. 친구들에게 더 잘하고 싶고, 주변 사람들과 더 좋은 관계를 맺는 데 도움을 받고 싶습니

다.

​

이건 메타가 지금까지 해온 일과도 자연스럽게 이어집니다. 저희는 사람들 사이의 연결이나, 주변 사람들과 더 좋은 관계를 맺도록 돕는 일에 다른 회사보다 훨씬 큰 가치를 두는 회사라고 생각합니다. 제가 개인 에이전트에 처음 시킨 일 중 하나를 예로 들어보겠습니다. 세 살짜리 딸이 베이킹을 굉장히 좋아하는데, 저는 베이킹을 전혀 모릅니다. 그래도 둘이 같이 해보면 재미있는 프로젝트가 될 수 있겠다고 생각했습니다.

​

그래서 Muse에게 이렇게 시켰습니다. "매주 주말마다 세 살짜리 아이와 베이킹을 전혀 모르는 성인이 함께 할 수 있을 정도의 베이킹 프로젝트를 하나 준비해줘. Instacart든 다른 서비스든 이용해서 필요한 재료도 전부 주문하고, 무엇이 적당할지는 네가 알아서 판단해서 준비까지 끝내놔. 그러면 일요일에 딸과 바로 시작할 수 있게 해줘."

​

그리고 끝나고 나면 피드백을 줍니다. "이번 건 어땠어?"라고 물으면 제가 "이건 너무 어려웠다"고 이야기하는 식입니다. 그런데 해보니까 케이크 팝은 정말 어렵더라고요. 생각했던 것보다 훨씬 어렵습니다.

​

알렉스 히스 : 베이킹은 정말… 저는 베이킹을 하나도 모릅니다.

​

마크 저커버그 : 저도 몰랐는데 이제 조금 알게 됐어요. 처음부터 케이크 팝으로 시작하면 안 됩니다. 그게 문제예요. 베이킹에도 간단한 건 많습니다. 그런데 케이크 팝은 그중 하나가 아니더군요. 뭐, 어쩌겠어요.

​

알렉스 히스 : 네.

​

마크 저커버그 : Muse는 그런 식으로 계속 상황을 업데이트하면서 도와줍

니다. 큰딸은 요즘 산에 오르는 데 관심이 생겼는데, 어떤 산들은 미리 허가증을 받아야 합니다. 그래서 허가 신청이 열리면 Muse가 계속 확인하다가 허가증을 확보하도록 해놨습니다. 그러면 어느 날 "이 날짜에 허가증을 구했어"라고 알려줍니다. 그러면 저는 "좋아, 그날은 일을 쉬고 딸과 산에 가야겠네"라고 하면 되는 거죠. 꽤 멋진 경험입니다.

​

제 건강 관리에도 도움을 받고 있습니다. 운동이나 훈련에도 활용하고 있고요. MMA 체육관에 카메라를 설치해놓고 Muse가 영상을 보면서 제 움직임에 대한 피드백을 보내도록 했습니다. 이런 식으로 실제 생활 곳곳에서 계속 도움을 받습니다. 재미있기도 하고, 생각보다 꽤 유용합니다.

​

알렉스 히스 : 피드백이 좋아요?

​

마크 저커버그 : 가끔은 꽤 웃긴 피드백도 합니다. 영상을 보다가 저를 찾아내더니 "여기서는 정말 포기한 것처럼 보이네요"라고 하더군요. 그래서 제가 "맞아, 그때 정말 피곤했어. 그런데 굳이 그걸 왜 지적하는 거지?"라고 했습니다. 그래도 피드백 자체는 꽤 좋습니다. 코치들도 그걸 보고 웃어요. "맞아, 사실 우리도 그 말을 해주고 싶었는데 차마 못 했어. 그런데 네 에이전트가 대신 말해주네"라고 하죠.

​

알렉스 히스 : 지금 이야기를 듣다 보니 흥미로운 점이 하나 있습니다. 사실 당신은 이런 일을 대신 해줄 사람이 이미 있잖아요. 그런데도 Muse를 실제 개인 비서처럼 직접 써보면서 어디까지 유용하게 만들 수 있는지를 테스트하고 있는 것 같습니다. 실제로 어느 정도까지 밀어붙여봤나요? 또 사용하다가 "이건 아직 안 되네"라고 느껴서 팀에 바로 전달하고, 실제로 제품을 고치게 만든 사례도 있었나

요?

​

마크 저커버그 : 흥미로운 점은 사람마다 Muse로 하고 싶어 하는 일이 정말 다르다는 겁니다. 초기 베타 기간에 여러 사람에게 써보게 했는데, 어떤 사람은 받은 지 하루 만에 홈스쿨링 운영에 활용하고 있었습니다. 또 다른 사람은 12시간쯤 지나서 "여행 계획을 짰는데, 얘가 전체 일정을 다 만들어줬어"라고 하더군요.

​

제가 아는 사람 중에는 원래 이런 기술에 꽤 회의적인 사람도 있습니다. 그 사람에게 Muse를 줬는데 며칠 동안 아무 말이 없었습니다. 그러다 갑자기 문자가 하나 왔습니다. "정식 출시되면 지금 쓰고 있는 Muse 에이전트를 그대로 유지할 수 있어? 아니면 새로 초기화되는 거야?"

​

그 메시지를 보고 생각했습니다. "좋아, 이건 제대로 작동하고 있구나."

​

알렉스 히스 : 제가 아는 베타 사용자들도 전부 굉장히 좋게 이야기합니다. 평가가 아주 좋아요.

​

마크 저커버그 : 그렇죠. 그런데 사람마다 쓰는 방식이 다릅니다.

​

알렉스 히스 : 사람들이 이해하기 쉽게 Muse가 정확히 무엇인지 조금 더 단순하게 설명할 필요도 있을 것 같습니다. 많은 사람은 AI라고 하면 MetaAI나 ChatGPT처럼 질문을 입력하고 답을 받는 방식을 떠올립니다. 서로 프롬프트를 주고받는 형태죠.

​

그런데 Muse에서 중요한 변화는 그 뒤에 가상머신이 붙는다는 겁니다. 물론 업계 전반에서도 이미 이런 방향으로 가고 있습니다. Grok bot이나 Town, Instinct 같은 여러 제품이 비슷한 방식으로 발전하고 있고요.

​

가상머신이 연결되면 AI가 단순히 무엇을 해야 하는지 알려주는 데서 끝나지 않습

니다. 직접 컴퓨터를 조작하고, 필요한 서비스에 로그인하고, 웹사이트를 돌아다니면서 실제 작업까지 대신 처리할 수 있습니다. AI를 지금까지 단순한 질의응답 도구로만 생각했던 사람에게는 굉장히 큰 변화입니다.

​

마크 저커버그 : 그리고 또 하나의 큰 차이는 오랫동안 계속 작동한다는 겁니다. Meta AI나 ChatGPT, Gemini 같은 모델은 보통 프롬프트를 하나 보내면 답을 하나 받는 방식입니다. Muse는 다릅니다. 프로젝트나 목표 자체를 넘겨주면 됩니다. 그러면 그 목표를 위해 계속 일을 합니다. 24시간 내내 작동하고, 목표를 달성하도록 도울 때까지 멈추지 않습니다.

​

알렉스 히스 : 팀에서는 이걸 밤새도록 '공부한다'고 표현하더군요.

​

​

마크 저커버그 : 네, 실제로 '공부'합니다. 그 과정에서 스스로 돌아본 내용이나 새롭게 배운 것을 메모리에 계속 반영합니다. 기존 프로젝트를 이어서 수행할 수도 있고, 다음에 해볼 만한 새로운 프로젝트를 먼저 제안하기도 합니다. 예를 들어 저는 딸 중 한 명과 문명이라는 게임을 같이 하는데, 어느 날 Muse가 "딸을 위한 전략 가이드를 만들어볼까요?"라고 물었습니다. 그래서 "좋아, 해봐"라고 했죠.

​

전략 가이드를 만든 뒤에는 다시 "각 문명을 플레이하면서 그 문명의 실제 역사도 함께 배울 수 있게 확장해볼까요?"라고 제안했습니다. 그래서 그것도 해보라고 했더니, Muse가 자기가 만든 앱 안에 새로운 탭을 추가해서 그 기능까지 붙였습니다. 꽤 멋졌습니다. 이런 식으로 하나의 프로젝트가 끝나는 게 아니라, 사용하면서 계속 새로운 방향으로 확장됩니

다.

​

알렉스 히스 : 선제적으로 움직이는 거군요.

​

마크 저커버그 : 그렇죠. Muse가 먼저 새로운 일을 제안하기도 합니다. 제가 특히 흥미롭게 보는 부분은 이 에이전트가 실제로 사람들에게 돈을 벌어주거나 비용을 절약해줄 수 있다는 겁니다. 그러면 자연스럽게 과금 모델도 중요해집니다. 원한다면 구독료를 내고 더 많이 사용할 수도 있습니다. 그런 방식을 선호하는 사람도 있을 겁니다. 하지만 저희는 기본적으로 상당히 많은 사용량을 무료로 제공하려고 합니다. 처음에는 일주일에 약 1억 토큰을 무료로 제공하고 개인이 사용할 수 있는 가상머신도 함께 줍니다. 사실 이 정도면 상당한 양의 컴퓨팅입니다.

알렉스 히스 : 밈으로 쓰기 딱 좋은 표현이네요. "상당한 컴퓨터"군요.

​

마크 저커버그 : 네, 정말 상당한 컴퓨팅입니다. 우리가 이렇게 하는 이유는 이걸 믿기 때문입니다. 소규모 사업을 운영하거나 돈을 벌거나 커머스에 활용하는 사람들에게 이 시스템이 실제로 굉장히 많은 돈을 벌어줄 수 있다고 봅니다. 그래서 장기적으로 우리가 예상하는 비즈니스 모델은 거래가 일어날 때마다 아주 작은 몫을 가져가는 방식입니다.

​

알렉스 히스 : 일종의 작은 take rate 비즈니스군요.

​

마크 저커버그 : 네, 실제로 상당한 양의 컴퓨팅입니다. 저희가 이렇게까지 제공하려는 이유는 이 시스템의 경제적 가치를 믿기 때문입니다. 소규모 사업을 운영하거나, 돈을 벌거나, 거래와 커머스에 활용하는 사람들에게 Muse가 실제로 상당한 경제적 가치를 만들어줄 수 있다고 봅

니다. 그래서 장기적으로 생각하는 비즈니스 모델도 구독료 중심이라기보다는 Muse를 통해 실제 거래가 발생했을 때 그 거래에서 아주 작은 비율의 수수료를 가져가는 방식에 가깝습니다.

​

알렉스 히스 : 결제와 통합에서는 Stripe와도 일하고 있죠.

​

마크 저커버그 : 그렇습니다. 제 생각에는 압도적인 대다수의 사람이 무료로 사용할 수 있는 서비스를 만들어야 합니다. 모든 사람이 강력한 초지능 에이전트를 하나씩 갖는 미래를 만들려면, 결국 누구나 부담 없이 쓸 수 있어야 합니다. 그래서 저희는 가능한 한 무료로 제공하고 싶습니다.

​

상당한 사용량을 기본으로 제공하고, 그 비용은 저희가 감당하는 겁니다. 왜냐하면 이 시스템이 실제로 사람들에게 돈을 벌어주고, 동시에 지출도 줄여줄 수 있다고 믿기 때문입니다. 결국 Muse가 만들어내는 경제적 가치가 서비스 비용 자체를 충당하게 될 거라고 보는 겁니다.

​

알렉스 히스 : Meta의 다른 서비스들과도 연결할 수 있는 거죠? 이론적으로는 Instagram 광고비 집행이나 광고 운영 같은 것도 Muse가 관리할 수 있고요.

​

마크 저커버그 : 직접 연결해야 합니다. 사용자가 원한다면 사실상 필요한 서비스는 무엇이든 연결할 수 있습니다. Meta 서비스와도 연동할 수 있고, 원하지 않으면 굳이 연결하지 않아도 됩니다.

​

예를 들어 사업을 운영한다면 광고 시스템과 연결할 수 있습니다. Muse에게 "이 제품을 만들어줘"라고 하면 제품 개발을 도울 수 있고, 그다음에는 실제 사업 운영까지 이어서 지원할 수 있습

니다. 이걸 하나의 루프로 연결해두면 24시간 내내 계속 돌아갑니다.

​

그리고 저희는 의미 있는 모델 업데이트를 대략 한 달에 한 번 정도 내놓는 주기로 개발하고 있습니다. 그러면 Muse는 계속 더 똑똑해지고, 시간이 갈수록 할 수 있는 일도 훨씬 많아질 겁니다.

싱글 플레이가 아닌 멀티 플레이

최초로 협업하는 에이전트 'Muse'의 경쟁우위

​

알렉스 히스 : 팀에서 들은 이야기 중에 다른 곳에서는 거의 들어보지 못한 개념이 하나 있었습니다. 바로 'fleet'입니다. 여러 Muse 에이전트가 하나의 fleet처럼 움직이면서, 각자 경험한 것을 서로 학습에 활용하는 구조라고 하더군요.

​

마크 저커버그 : 네. 그 개념이 아이디어와 제안 기능에 연결됩니다.

​

앱을 열면 메인 탭에는 기본적으로 사용자와 Muse가 나눈 대화가 있습니다. 그리고 별도로 아이디어 탭이 있는데, 지금까지 사용자가 알려준 내용을 바탕으로 어떤 일을 더 할 수 있을지 Muse가 먼저 제안합니다. 아까 Civilization 이야기가 그 예입니다. 처음에는 딸과 같이 게임할 수 있도록 전략 가이드를 만들어줬습니다. 그다음에는 각 문명의 실제 역사까지 함께 배울 수 있게 확장해보자는 아이디어를 Muse가 먼저 냈습니다. 저는 그냥 "그래, 해봐"라고 하면 됩니다.

​

이런 식으로 Muse는 자신이 사용자를 더 잘 도울 방법을 계속 찾습니다. MMA 코칭도 마찬가지입니다. 예를 들어 "당신에게 보여주기 좋은 장면을 더 잘 찾아내도록 개선해볼까요?"라고 먼저 제안할 수 있습

니다. 그러면 저는 "좋아, 해봐"라고 하는 거죠.

​

그래서 이 아이디어 기능이 중요합니다. fleet 전체로 보면 사람마다 관심사와 사용 방식이 다르기 때문에 정말 다양한 활용 사례가 나옵니다. 조금 더 큰 그림에서 보면, 지금 AI의 가장 큰 문제 중 하나는 많은 사람이 "AI로 뭘 해야 하지?"를 잘 모른다는 겁니다.

​

그런데 에이전트가 사용자를 계속 알아가면서 "이런 것도 해볼 수 있습니다"라고 먼저 제안해준다면, 사람들이 AI의 능력을 제대로 활용하지 못하는 문제를 상당 부분 해결할 수 있다고 생각합니다.

​

알렉스 히스 : 지금 말씀하시는 건 결국 에이전트에 네트워크 효과를 학습시키는 거네요. 다른 fleet에서 나온 익명화된 인사이트를 각 에이전트가 다시 학습하는 구조인 거죠. 이런 접근을 실제로 하는 곳은 거의 못 본 것 같습니다. 그리고 당신은 누구보다 네트워크 효과를 잘 아는 사람이잖아요. 저는 이 아이디어가 정말 흥미롭습니다. 지금 다른 곳에서는 거의 하지 않는 방식처럼 보입니다.

​

마크 저커버그 : 지금 업계 대부분은 에이전트를 일종의 싱글플레이 게임처럼 보고 있다고 생각합니다. 각자가 자기 에이전트를 하나씩 갖고, 혼자 사용하는 방식입니다. 그런데 에이전트끼리 서로 상호작용하게 만들면 훨씬 더 흥미로운 일들이 가능해집니다. 내부에서는 이미 직원들이 각자의 에이전트를 서로 연결해서 활용하는 재미있는 사례들도 나오고 있습니다.

​

물론 이번 릴리스에 이런 기능이 전부 들어가는 건 아닙니다. 하지만 시간이 지나면서 꽤 중요한 부분이 될 거라고 봅

니다. 주변 사람들이 Muse를 더 많이 쓰게 될수록 서로의 에이전트가 더 많은 것을 배우고, 결과적으로 전체 시스템도 더 좋아질 수 있습니다.

​

*코멘트 → ChatGPT와 Muse의 가장 큰 차이는 답변이 아니라 작업입니다. 지금까지 사람들이 익숙했던 AI는 기본적으로 프롬프트를 입력하면 → 답변이 나오는 구조였습니다. ChatGPT나 Meta AI에 질문을 하나 던지면 모델이 생각한 뒤 답변을 돌려줍니다. 물론 최근에는 검색이나 코딩, Computer Use가 붙으면서 훨씬 많은 일을 할 수 있게 됐지만 기본적인 사용자 경험은 여전히 사람이 AI에게 무언가를 요청하는 데서 시작합니다.

​

Muse가 바꾸려는 것은 이 구조 자체입니다. 사용자가 Muse에게 주는 것은 질문이 아니라 목표입니다. "이번 여행 일정을 조사해줘"라고 물어보고 결과를 받는 것이 아니라 "가족 여행을 준비해줘"라고 맡기면 항공편과 숙소를 조사하고, 필요한 예약을 하고, 일정에 문제가 생기면 다시 확인하면서 목표가 끝날 때까지 계속 작업하는 식입니다.

​

이 변화가 가능한 이유가 Muse Secure VM입니다. 각각의 Muse에는 브라우저와 파일시스템을 갖춘 VM(Virtual Machine)이 연결됩니다. 자신에게 할당된 클라우드 컴퓨터에서 브라우저를 직접 열고 사이트를 탐색하고, 파일을 만들고, 프로그램을 실행할 수 있습니다. LLM + Computer Use 정도로 생각하는 것보다 LLM + 개인용 Cloud PC + Memory + Agent Runtime이라고 보는 편이 훨씬 정확합

니다. 기존 AI는 머리는 있었지만 자신의 컴퓨터가 없었습니다. Muse는 머리뿐 아니라 자신이 계속 사용할 수 있는 작업 공간까지 갖게 된 것입니다.

​

ChatGPT에서 대화창을 닫으면 일반적으로 그 순간 진행하던 작업도 멈춥니다. Muse의 철학은 반대입니다. 이것이 사람들이 흔히 말하는 Synchronous AI → Asynchronous AI의 변화입니다. 지금까지 AI와 사람의 관계는 거의 동기식이었습니다. 동기식이란 '사람이 질문한다 → AI가 답한다 → 사람이 다음 질문을 한다.'입니다. 앞으로는 '사람이 목표를 준다 → AI가 몇 시간 동안 독립적으로 작업한다 → 필요한 순간에만 사람에게 물어본다 → 다시 일한다.'가 됩니다. 사람이 AI 앞에 앉아 있는 시간이 더 이상 AI가 일할 수 있는 시간을 제한하지 않게 됩니다.

​

밤새 공부한다는 의미는 Muse가 작업 과정에서 얻은 피드백을 메모리에 저장해둔다는 것입니다. 쉽게 말하면 이런 구조입니다. 오늘 사용자가 어떤 일을 시켰고 → 어떤 방식이 잘됐으며 → 사용자가 무엇을 좋아했고 → 어떤 정보가 다음 프로젝트에 필요할지를 정리한 뒤 → 다음날 다시 사용할 수 있는 장기 메모리에 남깁니다. 그리고 여기서 나오는 사용자들의 Agent Trajectory는 별도로 정제한 뒤 향후 새로운 모델의 Checkpoint에 학습하는 데이터로 넣을 수 있기도 합니다.

​

그리고 Muse의 두 번쨰 특징은 '선제성'입니다. AI가 기존 프로젝트와 사용자의 관심사를 보고 다음으로 할 만한 일을 스스로 발견했습

니다. 작은 차이처럼 보이지만 Consumer AI에서는 상당히 중요합니다. 챗봇의 가장 큰 문제 중 하나는 사용자가 AI에게 무엇을 시킬 수 있는지를 알아야 한다는 것입니다. AI의 능력이 아무리 좋아져도 사용자가 좋은 Prompt를 생각하지 못하면 그 능력을 사용하지 못합니다. 근데 Muse가 그렇듯이 제안해주기 시작하면 사용자가 AI 활용법을 배울 필요가 줄어듭니다. AI가 사용자에게 맞는 새로운 수요 자체를 발견하는 것입니다.

​

저커버그는 인터뷰에서 초기 무료 사용자에게 주당 1억 토큰과 VM을 제공한다고 직접 말했습니다. Muse를 빠르게 보급하기 위해 상당한 인프라 비용을 먼저 부담하겠다는 전략입니다. 따라서 Muse의 경쟁력은 Muse Spark라는 모델 하나만으로 설명하기 어렵습니다. 모델 + 개인용 VM + Memory + Meta의 Distribution + 이를 무료로 공급할 수 있는 자본력 전체가 제품의 경쟁력입니다.

​

알렉스 히스 : 그러면 결국 그게 차별화 요소가 되는 건가요?

​

프론티어 모델 자체는 시간이 갈수록 점점 상향 평준화되고, 제품들도 비슷한 형태의 에이전트 하네스를 사용하면서 서로 닮아갈 수 있잖아요. 그렇다면 장기적으로 진짜 경쟁 우위가 되는 건 fleet에서 쌓이는 학습과 네트워크 효과라고 봐야 할까요?

​

마크 저커버그 : 저희가 조금 다르게 접근하는 부분은 몇 가지가 있습니다.

​

첫째, 처음부터 이 사용 사례에 맞춰 모델을 설계합니다. 저는 이게 굉장히 중요하다고 생각합니다.

​

둘째, 메타에는 일종의 소셜 DNA가 있습

니다. AI와 에이전트를 이용해서 인간관계를 더 좋게 만들고, 주변 사람들과 더 잘 연결되도록 돕는 데 관심이 많습니다. 삶에서 겉으로는 작아 보여도 실제로는 굉장히 중요한 부분들이 있잖아요. 다른 연구소보다 저희가 이런 문제에 훨씬 더 많은 관심을 기울일 가능성이 높다고 봅니다.

​

셋째는 의외라고 생각할 수도 있는데, 개인정보보호와 보안입니다. 저희는 이 부분에 엄청난 투자를 하고 있습니다. Muse가 정말 유용하려면 단순히 프론티어 수준의 지능만 갖고 있어서는 안 됩니다. 사용자를 굉장히 잘 이해해야 합니다. 그리고 사용자의 목표를 제대로 이해하려면 여러 서비스와 데이터에 연결돼야 합니다.

​

아까 광고 시스템을 이야기했지만, 실제로는 메시지나 이메일, 건강 데이터처럼 훨씬 다양한 정보를 연결하게 될 겁니다. 그러려면 사용자가 이 시스템을 아주 강하게 신뢰할 수 있어야 합니다.

​

이 부분에서 저희에게 중요한 경험이 WhatsApp입니다. 메타는 10년 넘게 WhatsApp을 세계 최대 규모의 종단간 암호화 시스템으로 만드는 데 집중해왔습니다. 메타조차 사용자가 주고받는 메시지를 볼 수 없도록 설계했습니다. 저는 그게 WhatsApp에 대한 신뢰를 만드는 데 굉장히 중요했다고 생각합니다. 메타 입장에서도 큰 교훈이었습니다. 시스템을 운영하는 우리조차 콘텐츠를 볼 수 없도록 설계하는 것이 오히려 제품의 성공에 중요한 역할을 했다는 겁니다.

​

그렇게 만들면 정부가 내 정보에 접근하지 않을까, 해커가 훔쳐보지 않을까, 혹은 메타 내부의 누군가가 악용하지 않을까 하는 걱정을 상당 부분 없앨 수 있습

니다. 애초에 시스템 운영자 자신도 내용을 볼 수 없게 만들면 됩니다.

​

그래서 Muse를 만들기 시작할 때 이 원칙을 핵심 설계 철학으로 가져왔습니다. Nat과 저는 직접 Signal 창업자인 목시 말린스파이크(Moxie Marlinspike)를 영입했습니다.

​

알렉스 히스 : Signal 창업자죠.

​

마크 저커버그 : 네. 그리고 목시는 2014년에 WhatsApp의 암호화 시스템을 만드는 데 도움을 줬던 사람 중 한 명이기도 합니다. 이번에는 특히 Confidential VM 프로젝트를 위해 합류했습니다. 이 구조에서는 사용자가 자신만의 가상머신을 갖게 됩니다. 그리고 Muse에 연결한 모든 정보가 그 안에서 처리되는데, 그 콘텐츠를 메타조차 볼 수 없도록 만들 수 있습니다. 즉, 사용자는 자신의 데이터를 Muse에 넣고 활용하면서도 "이 내용은 메타도 볼 수 없다"는 수준의 보안을 기대할 수 있는 겁니다.

​

알렉스 히스 : 그러니까 그 약속을 단순히 말로 하는 게 아니라, 기술적으로 구현하고 실제로 검증까지 할 수 있다는 거군요. 상당히 강력한 약속입니다.

​

마크 저커버그 : 네네, 앞으로 몇 주 안에 이 부분에 대해 더 많은 내용을 공개할 예정입니다. 정식 출시가 가까워질수록 구체적인 구조와 작동 방식도 자세히 설명할 겁니다.

​

알렉스 히스 : 여러 AI 연구소가 에이전트를 위한 가상머신을 만들기 시작하고 있잖아요. 그런데 지금 메타가 구축하고 있는 방식은 다른 곳과 비교해도 꽤 독특하다고 보시나요?

​

마크 저커버그 : 제가 알기로는 아무도 이렇게 하고 있지 않습니

다.

​

렉스 히스 : 저도 비슷하게 알고 있습니다.

​

마크 저커버그 : 물론 Confidential VM 외에도 중요한 보안 장치를 많이 넣고 있습니다. 이 부분도 충분히 이야기할 가치가 있습니다. Confidential VM이 완전히 준비되기 전에도 그렇고, 이 기능을 사용하지 않는 사람들에게도 마찬가지입니다. Muse 자체를 처음부터 보안을 중심에 두고 설계했기 때문에 기본적으로 매우 높은 수준의 안전성을 갖추고 있습니다.

​

렉스 히스 : 자동 승인 절차도 있죠. Muse가 어떤 작업을 하려는지 사용자가 직접 확인하고 승인해야 하는 구조고요.

​

마크 저커버그 : 그 이야기도 잠시 후에 해보죠. 다만 제가 아는 한, Muse의 Confidential VM과 비슷한 수준의 시스템을 갖춘 곳은 아직 없습니다. 이건 굉장히 근본적인 문제입니다. 사용자가 "이건 정말 내 에이전트이고, 여기에 개인 정보를 넣어도 다른 누구도 접근할 수 없다"고 믿을 수 있어야 합니다.

​

방법은 크게 두 가지입니다.

​

하나는 직접 물리적인 컴퓨터를 갖는 겁니다. 올해 초 여러 AI 에이전트가 나오기 시작했을 때 Mac Studio를 사서 집에서 직접 돌리는 사람들이 많았습니다. 하드웨어가 내 집에 있고 내가 직접 관리하니까 심리적으로도 훨씬 안심할 수 있죠.

​

다른 하나는 그와 비슷한 수준의 신뢰 환경을 클라우드에서 구현하는 겁니다.

​

현실적으로 수십억 명이 모두 Mac Studio를 사고, 직접 설정하고, 집에서 계속 운영할 거라고 생각하지는 않습

니다. 결국 대규모로 보급하려면 클라우드에서도 개인이 자신의 컴퓨터를 갖고 있는 것처럼 신뢰할 수 있는 환경을 만들어야 합니다.

​

렉스 히스 : 특히 지금 메모리 가격을 생각하면요.

​

마크 저커버그 : 그렇죠. 그리고 기술적으로도 상당히 어려운 문제입니다.

​

Muse를 만들면서 중요하게 생각했던 것 중 하나는, 기술에 익숙한 정도가 제각각인 가족 누구에게나 건네줄 수 있고 그냥 바로 작동하는 개인 에이전트를 만드는 것이었습니다. 처음 설정만 해주면 하루 정도 지나서부터 각자가 자기 삶에서 원하는 일을 알아서 시작할 수 있어야 합니다.

​

그러려면 사용자에게 직접 컴퓨터를 세팅하거나 VM을 구성하라고 요구해서는 안 됩니다. 클라우드에서 바로 환경이 프로비저닝돼야 합니다. 동시에 보안과 기밀성은 마치 자기 집 책상 아래에 물리적인 컴퓨터를 직접 두고 사용하는 것과 비슷한 수준이어야 합니다.

​

렉스 히스 : 그렇죠.

​

마크 저커버그 : 이건 굉장히 근본적인 부분입니다. 물론 Confidential VM만으로 모든 보안 문제가 해결되는 건 아니기 때문에, 다른 장치들도 함께 넣고 있습니다. 예를 들어 안전한 자격증명 저장소를 만들었습니다. 신용카드 정보나 비밀번호 같은 민감한 데이터를 평문으로 여기저기에 저장해둘 이유는 없습니다. 이런 정보는 별도의 안전한 저장소에 보관하고, 에이전트가 필요할 때만 제한적으로 사용할 수 있도록 만드는 겁니다.

​

렉스 히스 : 일회용 카드 번호도 만들어주죠.

​

마크 저커버그 : 네. 에이전트가 그런 정보를 직접 알고 있을 필요는 없습

니다. 사용자가 특정 서비스에 로그인해달라고 요청했을 때, 필요한 순간에만 자격증명에 접근하면 됩니다. 그 외에는 굳이 접근할 이유가 없습니다.

​

그리고 실제 시스템에는 에이전트가 하나만 있는 것도 아닙니다. 중심에서 작업을 수행하는 핵심 에이전트가 있고, 별도로 Sentinel 에이전트들을 두고 있습니다. Sentinel은 에이전트가 주고받는 트래픽과 데이터를 계속 살펴보면서, 사용자가 직접 확인해야 할 만한 상황을 감지합니다.

​

예를 들어 외부에서 프롬프트 인젝션을 시도하고 있는지 확인할 수 있습니다. Muse가 사용자가 외부로 보내고 싶어 하지 않을 만한 정보를 전송하려는지도 봅니다. 문제가 있다고 판단되면 작업을 멈추고 사용자가 직접 검토하도록 human-in-the-loop 절차를 작동시킬 수 있습니다.

​

어떤 서비스에 로그인하거나 결제하거나 민감한 정보를 외부로 전송하는 작업은 기본적으로 그때마다 사용자의 승인을 받아야 합니다. 물론 사용자가 원한다면 "앞으로 이런 종류의 작업은 항상 허용해도 된다"고 미리 설정할 수도 있습니다.

​

중요한 건 Muse가 이런 판단을 전부 자기 마음대로 내릴 수 없다는 겁니다. 이런 제약을 단순히 모델에게 지시하는 수준이 아니라 시스템 아키텍처 깊숙한 곳에 넣어뒀습니다.

​

커넥터도 같은 원칙으로 설계합니다. 이메일을 연결한다고 해보죠. 어떤 제품들은 계정을 한 번 연결하면 곧바로 광범위한 권한을 부여합니다. 저희는 그렇게 하지 않습니다. 이메일을 처음 연결하면 기본적으로 읽기 전용 권한부터 시작합

니다. Muse가 이메일을 보내도록 하고 싶다면, 그때 사용자가 별도로 쓰기 권한을 허용하면 됩니다.

​

렉스 히스 : 특히 이런 제품을 처음 써보는 사람이 대부분일 테니까요.

​

마크 저커버그 : 그래서 저희가 가장 중요하게 두는 설계 원칙 중 하나가 최소 권한(least privilege)입니다. 사용자는 Muse에게 많은 일을 맡기게 되겠지만, 처음부터 모든 권한을 주는 게 아니라 각 단계에서 필요한 최소한의 권한만 부여합니다. 그리고 실제로 필요해졌을 때만 추가 권한을 허용하는 방식입니다. 이건 제품 설계의 아주 근본적인 원칙입니다.

​

다른 에이전트들을 보면, 저희가 이 부분에 구축한 보안 시스템의 정교함과 깊이에 근접한 곳은 아직 없다고 생각합니다. 이 역시 WhatsApp을 세계적인 수준의 종단간 암호화 시스템으로 만들어본 경험에서 나온 겁니다. 그 과정에서 메타조차 사용자의 콘텐츠를 볼 수 없도록 시스템을 설계하는 것이 얼마나 중요한지를 배웠습니다.

​

그래서 당시 함께했던 사람들을 다시 모았고, 목시에게 이번 시스템의 아키텍처 설계를 맡겼습니다. 그게 Muse를 만드는 핵심 기반 중 하나였습니다. 메타가 이런 부분에 집중한다는 사실이 의외라고 생각하는 사람도 있을 겁니다.

​

하지만 저희는 사실 서로 다른 두 가지 경험을 모두 갖고 있습니다. 소셜미디어는 본질적으로 사람들과 정보를 공유하는 서비스입니다. 반대로 WhatsApp처럼 개인정보와 민감한 대화의 맥락을 철저하게 보호해야 하는 서비스도 운영해왔습니다. 저희는 두 영역을 모두 오랫동안 다뤄왔습

니다. Muse는 그중에서도 후자에 훨씬 가깝습니다. 그래서 사용자의 정보를 어떻게 다룰 것인지에 극도로 신중해야 합니다.

Meta AI와 Muse의 차이

수십억 명에게 에이전트를 배포할 수 있는 회사

​

알렉스 히스 : 이 개인 에이전트 시장이 승자독식 시장이라고 생각합니까?

​

마크 저커버그 : 경쟁자는 꽤 많아질 거라고 생각합니다. 사람들이 승자독식 시장이라고 보는 분야도 실제로는 한 회사가 전부 가져가는 구조가 아닌 경우가 많습니다.

​

알렉스 히스 : 당신은 굉장히 강력하고 오래 지속되는 네트워크 효과를 가진 사업을 운영해왔잖아요. 완전한 승자독식은 아니더라도, 실제로 대규모 사업자로 성장해서 장기간 자리를 지키는 곳은 결국 몇 군데 안 되는 경우가 많고요.

​

마크 저커버그 : 그렇죠. 많지는 않죠.

​

알렉스 히스 : 전 세계를 봐도 사용자 20억 명이 넘는 제품은 양손으로 셀 수 있을 정도로 많지 않잖아요. 결국 규모가 더 큰 규모를 만들어내는 구조가 있는 것 같습니다. 그래서 개인 AI 에이전트 시장은 어떻게 보시는지 궁금합니다. 완전히 다른 패러다임이어서 한 사람이 여러 개의 에이전트를 동시에 쓰게 되는 시장일까요?

​

마크 저커버그 : 이건 굉장히 깊게 봐야 하는 시장이라고 생각합니다. 제 추측으로는 프론티어 수준의 작업을 할 만큼 충분한 역량을 가진 회사가 12곳을 넘지는 않을 겁니다. 그래서 네트워크 효과가 있든 없든 결국 어느 정도는 멱법칙 분포가 나타날 가능성이 높습니다. 어떤 분야에서 최고가 되면 사용량의 상당 부분이 그쪽으로 몰리는 식입니

다.

​

다만 중요한 건 사람들이 원하는 활용 사례가 정말 다양하다는 겁니다. 분야마다 최고의 제품이 달라질 수 있습니다. 저희는 가능한 한 많은 영역에서 최고가 되고 싶지만, 인간관계를 더 잘 맺도록 도와주는 최고의 에이전트와 소규모 사업을 운영하는 데 가장 좋은 에이전트는 서로 다른 제품일 수도 있습니다.

​

물론 메타가 두 영역 모두에서 잘할 수 있는 위치에 있다고 말할 수도 있습니다. 저희는 이미 수억 개의 소규모 사업체에 서비스를 제공하고 있고, 동시에 수십억 명의 소비자에게 제품을 제공하고 있으니까요. 두 분야 모두에서 강점을 가질 수 있습니다.

​

그렇지만 메타가 최고가 되지 못하는 영역도 분명히 있을 겁니다. 중요한 건 그런 시장이 얼마나 커질 것이냐는 겁니다. 예를 들어 저희가 클라우드에서 굉장히 안전한 Confidential VM을 제공하더라도, 여전히 집에 Mac Studio를 두고 직접 에이전트를 돌리고 싶어 하는 사람들은 있을 겁니다. 그 시장이 수백만 명 규모가 될 수는 있겠지만, 수십억 명 규모가 될 것 같지는 않습니다.

​

결국 사람마다 중요하게 생각하는 것이 다르고, 각자 최적화하려는 방향도 다릅니다. 저희는 그중에서도 최대한 좋은 제품을 만들려고 할 겁니다. 그리고 일반 사람들이 일상생활에서 정말 유용하게 쓸 수 있는 제품을 만든다면, 메타가 가장 잘하는 것 중 하나가 바로 소비자용 제품을 아주 많은 사람에게 배포하는 일이라고 생각합니다.

​

알렉스 히스 : 그렇죠.

​

마크 저커버그 : 이 제품이 제대로 자리 잡기 시작하면 수억 명에게 빠르게 확산시킬 수 있고, 결국에는 수십억 명에게 제공할 수 있다고 생각합

니다. 그런 대규모 배포는 저희가 정말 잘하는 일입니다.

​

알렉스 히스 : 그러면 Meta AI와 공존합니까? 아니면 둘을 별개로 봅니까?

​

마크 저커버그 : 지금으로서는 둘이 공존한다고 생각합니다. 시간이 지나면 어떻게 될지는 더 지켜봐야겠지만, 현재는 성격이 조금 다릅니다. 저도 둘 다 사용하고 있습니다.

​

Muse는 훨씬 더 에이전트에 가깝습니다. 사용자가 질문을 하나 던져도 그걸 단순한 질의로만 보지 않고, 이 사람이 장기적으로 무엇을 원하는가를 이해하기 위한 신호로 받아들이는 경향이 있습니다. 그래서 뭔가를 물어보면 그 질문을 바탕으로 더 큰 목표를 추론하고, 오랫동안 작업을 이어가는 경우가 많습니다.

​

반대로 가끔은 그냥 질문 하나를 하고 간단한 답만 받고 싶을 때도 있습니다. 그런 용도로는 Meta AI를 더 많이 씁니다. 시간이 지나면서 둘이 하나로 합쳐질 수도 있겠지만, 아직은 어떻게 될지 잘 모르겠습니다.

프론티어를 향한 MSL의 여정

저커버그가 말하는 인재밀도, End-to-End 전략, 곧 출시될 'Watermelon'

알렉스 히스 : SemiAnalysis가 지난 7월 메타에 대해 상당히 긍정적인 글을 쓴 걸 보셨는지 모르겠습니다. 모델 개발 측면에서 메타가 오픈AI와 앤스로픽을 프론티어에서 따라잡을 가능성이 가장 높은 곳이라고 평가했더군요.

거기서 인상적인 표현이 하나 있었습니다. "ML에서 중요한 건 절편이 아니라 기울기다"라는 말이었습니다. 지금 어느 위치에 있느냐보다 얼마나 빠르게 발전하고 있느냐가 더 중요하다는 뜻이

죠.

​

최근 Artificial Intelligence Analysis의 차트도 봤는데, 메타의 최신 모델인 Muse Spark가 Claude Fable 5.1과 Opus 5 바로 다음 정도에 위치해 있었습니다. 아주 최근 평가였고요. 결국 메타의 모델 성능이 상당히 빠른 속도로 올라오고 있다는 겁니다.

​

지난 1년 동안 계속 이 이야기를 해왔고, 작년에는 AI 연구소 자체를 사실상 재정비하기도 했잖아요. 내부적으로 어떤 변화가 있었던 겁니까? 지금 나타나는 성능 개선의 가장 큰 이유는 무엇이라고 보시나요? 연구 문화가 바뀐 영향이 컸나요?

​

마크 저커버그 : 네. 팀을 전면적으로 재정비하면서 지금의 MSL 연구 조직을 만들었습니다.

​

알렉스 히스 : 아주 공개적인 일이었죠. 사람도 엄청나게 채용했고요.

​

마크 저커버그 : 제가 이 상황을 보는 방식은 이렇습니다. 메타는 오랫동안 머신러닝 분야를 선도해온 회사입니다. Facebook이나 Instagram의 피드, 광고 시스템, 그리고 플랫폼에 있어서는 안 되는 콘텐츠를 찾아내는 integrity 시스템까지 사실상 모두 머신러닝으로 돌아갑니다. 저희는 이런 영역에서 오랫동안 프론티어 수준의 시스템을 만들어왔습니다.

​

LLM이 본격적으로 중요해지기 시작했을 때는 FAIR, Facebook AI Research가 있었고, 그곳에서 Llama의 초기 연구가 시작됐습니다. 문제는 그다음이었습니다. 연구 결과를 실제 제품으로 만들고, 스케일링 법칙이 예측하는 방향에 맞춰 모델을 계속 크게 확장할 수 있는 산업적인 프로세스를 구축해야 했습니

다.

​

당시 제가 했던 실수는 저희가 다른 머신러닝 시스템을 잘 만들어왔으니 LLM도 비슷한 방식으로 만들고 확장할 수 있을 거라고 생각한 겁니다. 그런데 실제로 해보니 작동 방식이 상당히 달랐습니다.

​

처음 접근법으로도 Llama 4까지는 어느 정도 갈 수 있었습니다. Llama 3는 좋은 모델이었습니다. 저는 Llama 4가 훨씬 더 잘될 거라고 기대했는데, 실제로 출시하고 나니 우리가 있어야 할 궤도에서 벗어나 있다는 느낌을 받았습니다. 그래서 "이제는 뭔가를 바꿔야 한다"고 생각했습니다.

​

*코멘트 → 같은 사건을 MSL 리더인 알렉산더 왕 입장에서 본 자료가 <메타가 $14B를 주고 데려온 남자 : MSL을 이끄는 알렉산더 왕의 통찰>입니다. MSL과 메타의 AI 연구에 대해서는 해당 자료에서 더 자세하게 설명드린 바 있습니다.

​

그때부터 제가 훨씬 중요하게 보게 된 개념이 인재 밀도(talent density)입니다. 이건 1,000명을 투입해서 계속 실험만 돌린다고 해결되는 문제가 아닙니다. 오히려 전체 문제를 머릿속에 담고 있으면서 서로 아주 긴밀하게 협업할 수 있는 가능한 한 작은 팀이 필요합니다. 일종의 하나의 거대한 과학 프로젝트에 가깝습니다. 그렇다면 팀의 자리가 많지 않은 만큼 각 자리에 정말 최고 수준의 사람을 앉히는 것이 굉장히 중요해집니다.

​

저도 여기에 개인적으로 상당한 시간을 쓰기 시작했습니다. 기술적인 작업에 훨씬 가까이 있고 싶었습니다. 그래야 실제로 무슨 일이 벌어지고 있는지 이해할 수 있고 회사 전체가 어떤 방향으로 가야 하는지도 더 잘 판단할 수 있기 때문입

니다. 그래서 연구팀을 실제로 제 사무실 주변에 배치했습니다. 연구팀이 물리적으로 제 주변에서 일하는 구조입니다.

​

그리고 연구의 질에 대한 확신이 높아질수록 컴퓨트 투자도 훨씬 공격적으로 늘렸습니다. 지금은 여러 기가와트 규모의 컴퓨트 인프라를 구축하고 있고, 이 부분에서도 선도적인 위치에 설 수 있을 거라고 생각합니다. 저희는 그렇게 할 수 있는 기반도 갖고 있습니다. 데이터센터를 구축하고 운영한 경험이 수년이 아니라 사실상 수십 년에 가깝습니다.

​

또 다른 AI 연구소들과 비교했을 때 저희에게는 굉장히 수익성이 높은 기존 사업이 있습니다. 이런 규모의 투자를 지속하는 데는 그게 아주 큰 장점입니다.

​

지난 1년은 이런 과정이었습니다. 연구 조직 자체를 다시 만들었고 동시에 훨씬 더 큰 컴퓨트 클러스터들도 가동되기 시작했습니다. 오하이오의 기가와트급 클러스터를 비롯해 Prometheus가 온라인에 들어왔고, 지금은 그 컴퓨트를 이용해서 Post-Watermelon 모델들을 더 큰 규모로 확장하고 있습니다.

​

알렉스 히스 : Watermelon 모델은 언제 출시되는 건가요?

​

마크 저커버그 : 아, 그건… 너무 깊게 물어보시네요. *웃음* 곧입니다. 아주 뜨겁습니다.

​

알렉스 히스 : Watermelon은 코드명이죠?

​

마크 저커버그 : Avocado보다는 큽니다. 문자 그대로 더 큽니다.

​

알렉스 히스 : 수박보다 더 큰 과일이 뭔지는 모르겠네요.

​

마크 저커버그 : 네, 앞으로는 작명 규칙을 바꿔야 할지도 모르겠습

니다. 모델이 계속 커질 거라는 걸 이름 지을 때 충분히 내다보지 못했던 것 같네요.

​

알렉스 히스 : Watermelon 이야기가 나왔으니 묻겠습니다. 완전히 프론티어급이라고 기대합니까? 어느 정도를 생각하고 있나요?

​

마크 저커버그 : 저희는 결과가 꽤 좋다고 보고 있습니다. 이전보다 아주 큰 진전이 있었습니다. 특히 사전학습 과정 자체가 훨씬 더 정교해졌습니다. 여기에 RL에서도 지금까지 배운 것들을 계속 적용해 나갈 겁니다. 곧 직접 보게 될 겁니다. 저희는 지금 방향에 대해 꽤 자신감을 갖고 있습니다.

​

*코멘트 → 오늘자 알렉산더 왕 코멘트를 감안해보면, 아마 10월쯤 Watermelon이 출시되지 않을까 예상합니다.

​

2026년 4월 8일에 처음 공개한 Muse Spark의 코드명이 Avocado🥑였습니다. 내부 Pre-train 체크포인트 모델명이 Avocado이고, 이를 base model로 RL을 강화하며 Muse Spark 1.1 → 1.2 → 1.3으로 계속해서 강화해간 것입니다.

Watermelon🍉은 성격이 다릅니다. RL 업데이트가 아니라 Pre-train 체크포인트 모델의 세대교체입니다. 훈련에 쓴 컴퓨트 규모가 10배 이상 크다고 설명했기 때문에 지금 Muse Spark 1.3도 충분히 좋은데 앞으로 차세대 Muse 모델은 얼마나 좋을지에 대해서 좀 기대해보게 하는 부분입니다.

​

알렉스 히스 : 회사가 프론티어를 직접 밀어붙이려 한다는 건 아주 분명해 보입니다. 프론티어 바로 근처까지 따라가는 정도로 만족할 생각은 없는 것

같고요.

​

마크 저커버그 : 우리가 어디에 초점을 맞추고 있느냐는 의미라면, 결국 누구나 가장 흥미롭고 중요한 문제를 풀고 싶어한다고 생각합니다.

​

알렉스 히스 : 하지만 어떤 사람들은 메타의 현금흐름과 이미 갖고 있는 사업들을 보면서 이렇게 생각할 수도 있을 것 같습니다. "정말 프론티어에 직접 서 있어야 하나? 모델 훈련 비용이 워낙 비싼데, 약간 뒤에서 따라가면서 빠르게 배우고 적응한 뒤 메타가 가진 규모와 배포력을 활용하면 되는 것 아닌가?"라고요.

​

마크 저커버그 : 아니요. 저는 그렇게 생각하지 않습니다. 그런 전략에도 나름의 논리가 있다는 건 이해합니다. 하지만 그건 저희가 가려는 방식은 아닙니다.

​

알렉스 히스 : 그 주장에는 동의하지 않는다는 거군요.

​

마크 저커버그 : 그렇습니다. 메타를 이해하는 가장 좋은 방법은 저희가 End-to-End 기술회사라는 점입니다.

​

주로 소셜 앱을 만들던 시절에도 단순한 애플리케이션 회사는 아니었습니다. 데이터센터를 직접 만들었고, 칩도 만들었고, 인프라도 구축했습니다. 최종 사용자 경험을 최대한 좋게 만들려면 결국 전체 스택을 직접 최적화해야 했기 때문입니다.

​

AI에서도 마찬가지라고 생각합니다. 앞으로 사용자 경험을 결정하는 가장 중요한 요소 중 하나는 결국 모델이 될 겁니다. 다만 '프론티어 모델'이라고 말할 때 그 의미는 생각보다 훨씬 다차원적입니다. 외부에 공개되는 벤치마크도 많지만, 내부적으로는 그보다 훨씬 더 많은 평가 기준을 보고

있습니다. 어떤 모델은 특정 영역에서는 더 뛰어나고 다른 영역에서는 약할 수 있습니다. 결국 무엇에 집중해서 모델을 훈련하느냐가 그 모델의 성격을 결정합니다.

​

물론 거의 모든 곳에서 중요하게 보는 능력도 있습니다. 대표적인 것이 코딩입니다. 개인 AI 에이전트가 수행하는 많은 작업은 결국 어떤 형태로든 코딩 문제로 바뀝니다. 예를 들어 제가 이야기했던 MMA 코칭 시스템도 겉으로는 영상을 보고 피드백을 주는 기능이지만, 내부적으로는 비주얼 파이프라인을 만들고 계속 개선하는 코딩 프로젝트입니다. 저는 직접 코드를 보지 않지만 Muse는 뒤에서 계속 코드를 작성하고 있는 겁니다.

​

베타 사용자 중 한 명은 Muse에게 친구들과 같이 할 수 있는 작은 Jeopardy! 게임을 만들어달라고 했습니다. 휴대폰 화면을 TV에 캐스팅해서 함께 플레이할 수 있도록요. 그것도 결국은 코드를 작성해서 하나의 제품을 만드는 일입니다. 메타 내부의 소프트웨어 개발도 그렇고, AI 연구 자체를 더 빠르게 발전시키는 데도 그렇고, 개인 에이전트가 다양한 일을 수행하는 데도 코딩 능력은 굉장히 중요합니다.

​

그런데 개인 초지능을 목표로 한다면 다른 연구소가 상대적으로 덜 중요하게 보는 능력에서도 최고 수준이 되어야 할 수 있습니다. 한 가지 예가 'discretion'입니다. 상황에 따라 어떤 정보는 말해도 되고, 어떤 정보는 말하지 말아야 하는지를 판단하는 능력입니다.

​

Muse는 시간이 지나면서 사용자에 대해 굉장히 많은 것을 알게 될

겁니다. 동시에 사용자를 대신해서 밖으로 나가 다른 사람이나 서비스와 상호작용하면서 일을 처리해야 합니다. 그렇다면 단순히 정보를 많이 알고 있는 것만으로는 부족합니다. 그 정보를 언제 사용해야 하고, 언제는 절대로 밖으로 내보내면 안 되는지를 제대로 판단할 수 있어야 합니다.

​

알렉스 히스 : 하지만 특정 정보는 공유하면 안 되겠죠.

​

마크 저커버그 : 맞습니다. 예를 들어 특정 알레르기나 민감성이 있거나, 임신 중인 사람이라고 해보겠습니다.

식당을 예약하면서 굳이 "제가 임신 중입니다"라고 밝히고 싶지는 않을 수 있습니다. 대신 무알코올 칵테일이 괜찮은 곳을 찾아달라고 할 수는 있겠죠.

​

중요한 건 목표를 달성하면서도 자신의 정보를 필요 이상으로 드러내지 않는 겁니다. 그리고 좋은 에이전트라면 매번 사용자에게 "이 정보는 민감한가요?", "이건 말해도 되나요?"라고 수없이 되묻지 않아도, 어떤 정보가 민감하고 어디까지 공유해야 하는지를 스스로 판단할 수 있어야 합니다.

​

알렉스 히스 : 그러면 그런 성향 자체를 훈련에 넣는군요.

​

마크 저커버그 : 네. 그건 저희가 아주 구체적으로 중요하게 보는 능력입니다.

​

반대로 Claude Code 같은 제품을 만든다면 이런 능력은 상대적으로 덜 중요할 수 있습니다. 기업 내부에서 한 팀이 같은 코딩 프로젝트를 함께 작업하고 있다면, 이론적으로는 팀원들이 프로젝트 내용을 대부분 공유하고 있을 가능성이 높습니다. 무엇이 민감한 정보이고 어디까지 노출해도 되는지를 개인 에이전트만큼 세밀하게 판단해야 할 필요는 적을 수 있

습니다.

​

저는 이런 차이가 굉장히 깊다고 생각합니다. Instagram을 예로 들어보면, 최고의 피드를 만들기 위해 단순히 앱만 만든 것이 아닙니다. 애플리케이션부터 인프라, 머신러닝 연구, 칩까지 전체 스택을 직접 만들었습니다.

​

개인 AI 에이전트도 마찬가지입니다. 다른 회사의 모델을 가져와서 사후학습을 조금 추가하는 것만으로는, 처음부터 개인 에이전트를 목표로 설계하고 필요한 능력이 생기도록 사전학습 데이터와 학습 과정까지 맞춘 모델을 따라가기 어렵다고 봅니다.

​

*코멘트 → MSL은 특히 데이터에서는 양질의 RL 데이터 파이프라인을 구축했습니다. 메타는 직원들의 화면/키보드/마우스 작업 데이터를 수집하고 있으며 약 3,000명의 엔지니어를 RL 과제와 학습 환경 제작에 투입했습니다. 사실상 회사 내부에 대규모 RL 데이터 생산 조직을 구축한 것입니다. 이 데이터의 강점은 실제 업무 과정에서 생성된다는 것입니다. 외부 데이터 업체들이 작업자를 고용해 인위적으로 만들어내는 데이터보다 현실성이 높고 실제 고부가가치 업무를 자동화하는 데 직접 활용될 가능성이 큽니다. 이를 애초에 Muse Spark 학습 데이터에 넣은 것부터 차별화가 시작됩니다.

​

이런 차이는 몇 년 동안 계속 누적될 겁니다. 그러면 특정한 목표에 훨씬 더 강한 모델을 갖게 됩니다. 저희는 개인 에이전트라는 목표에 아주 집중하고 있습니다. 동시에 코딩 능력도 굉장히 중요하게 보고 있고, RSI에도 많은 투자를 하고

있습니다. 프론티어를 계속 밀어붙이려면 결국 AI가 AI 연구와 개발 자체를 더 빠르게 만드는 능력이 중요하기 때문입니다.

​

그래서 다른 연구소와 연구 의제가 겹치는 부분도 분명히 있습니다. 반면 저희만 유독 중요하게 보는 영역도 있습니다. 다른 연구소가 더 중요하게 보는 능력이 있을 수도 있고, 반대로 저희가 훨씬 더 집중하는 능력도 있을 겁니다. 결국 어떤 제품과 어떤 미래를 만들려고 하느냐에 따라 연구 우선순위도 달라지는 겁니다.

초지능은 소수가 독점할수록 위험하다

AI 권력의 분산과 훈련/정렬에 대한 생각

​

알렉스 히스 : 대화를 시작할 때 기술을 사람들의 손에 쥐여주는 것이 중요하고, 널리 확산시키는 것이 중요하다고 말씀하셨잖아요. 그런데 앞으로 Watermelon이나 그 이후 모델처럼 훨씬 더 강력한 모델이 나온다고 해보겠습니다. 아까 말씀하신 것처럼 앤스로픽이나 오픈AI는 더 강한 모델을 만들어놓고도 공개하지 않는 경우가 있을 수 있고요.

​

그렇다면 메타도 어떤 능력을 보고 "이건 지금 공개하기에는 정말 위험하다"고 판단하면 모델을 출시하지 않을 수 있나요? 기술을 널리 배포해야 한다는 원칙과, 너무 강력한 능력은 제한해야 할 수도 있다는 문제 사이의 균형을 어떻게 보고 계신가요?

​

마크 저커버그 : 저는 애초에 모델을 안전하도록 설계하고 훈련해야 한다고 생각합니다. 그리고 그건 훈련이 끝난 뒤 덧붙이는 문제가 아니라, 전체 훈련 과정에서 계속 다뤄야 합니다.

​

예를 들어 모든 연구소가 보고 있는 reward hacking 문제를 생각해볼 수

있습니다. 훈련 과정에서는 모델에게 어떤 목표를 주고, 그 목표를 얼마나 잘 달성했는지에 따라 학습시킵니다. 6개월 전쯤의 모델을 예로 들면 이런 식입니다. 훈련 중에 모델에게 하나의 문제를 줍니다. 일종의 숙제처럼 커리큘럼 안에서 풀어야 하는 과제입니다.

​

코드 뭉치를 보여주고 "여기 어딘가에 버그가 있으니 찾아서 고쳐라"라고 하면, 사람이라면 보통 관련 있어 보이는 코드부터 살펴보고 점점 범위를 넓혀갈 겁니다.

​

그런데 최신 모델들은 훨씬 더 똑똑해졌습니다. 굉장히 뛰어난 사람이 문제를 풀 때처럼, 바로 답부터 찾으려 하지 않고 먼저 자신이 놓여 있는 환경 전체를 이해하려고 합니다. 주변에 어떤 도구가 있는지, 시스템이 어떻게 구성돼 있는지부터 파악한 뒤 문제를 풀기 시작합니다.

​

reward hacking은 바로 여기서 생길 수 있습니다. 모델이 주어진 문제를 정석대로 푸는 것보다 더 쉬운 우회로를 발견하는 겁니다. 예를 들어 코딩 문제를 해결하라고 했는데, 환경 전체를 살펴보다 보니 코드를 고치는 것보다 VM 설정 자체를 바꾸는 편이 목표를 달성하기 더 쉽다는 걸 알아낼 수 있습니다.

​

알렉스 히스 : 밖으로 빠져나오거나, 시스템을 해킹해서 해결하는 식이군요.

​

마크 저커버그 : 혹은 환경의 어떤 부분을 그냥 바꿔버리는 겁니다.

​

알렉스 히스 : 그건 정렬된 행동이 아니죠.

​

마크 저커버그 : 그렇습니다. 그게 우리가 준 목표가 아닙니다. 우리는 특정 유형의 문제를 해결하는 방법을 배우게 하려던

겁니다.

​

알렉스 히스 : 그러면 Meta는 그렇게 훈련하지 않는다는 뜻인가요? 그런 접근법에는 동의하지 않는 건가요?

​

마크 저커버그 : 아니요. 기본적으로 모든 연구소가 비슷한 방식으로 훈련합니다. 제가 말하고 싶은 건, 비유를 너무 멀리 가져가고 싶지는 않지만 어느 정도는 육아와 비슷한 면이 있다는 겁니다. 명확하고 단단한 경계를 만들어줘야 합니다. 보안이나 환경의 제약이 충분히 강하지 않으면 모델이 reward hacking을 해서, 정작 우리가 가르치려고 했던 것을 제대로 배우지 않을 수 있습니다.

​

반대로 경계를 잘 설계해두면 원하는 커리큘럼을 제대로 학습시킬 수 있고, 시간이 지나면서 더 나은 가치관도 가르칠 수 있다고 생각합니다. 저는 그 부분이 중요하다고 봅니다. 이걸 제대로 하는 방법이 있다고 생각합니다. 그렇게 해서 마지막에는 굉장히 지능적인 시스템을 얻게 됩니다.

​

그러면 그다음 질문은 "이렇게 강력한 시스템이 사회에 긍정적인 결과를 만들게 하려면 어떤 비전이 필요한가?"가 됩니다. 제 생각에는 우선 더 많은 사람에게 기회를 만들어줘야 합니다. 기술이 만들어내는 능력과 경제적 기회를 사람들이 직접 활용할 수 있도록 기술을 개인의 손에 쥐여주는 겁니다.

​

그리고 두 번째로는 접근을 제한하는 것보다 기술을 널리 사용할 수 있게 해서 권력의 균형과 견제/균형을 만드는 것이 더 안전한 방향일 가능성이 높다고 봅니다. 제가 긴 글에서도 비슷한 비유를 들

었습니다. 만약 한 사람만 초지능 변호사를 갖고 있다면 어떻게 될까요? 원래라면 이기기 어려운 재판에서도 압도적인 정보력과 논리로 이길 수 있을 겁니다.

​

반대로 모든 사람이 초지능 변호사를 갖고 있다면 상황은 달라집니다. 양쪽 모두 훨씬 효율적으로 자신의 논리를 검증하고 반박할 수 있고, 터무니없는 주장이 그대로 통과되는 일도 줄어들 겁니다. 저는 그런 환경에서는 사법 시스템도 더 효율적이고 공정하게 작동할 수 있다고 생각합니다.

​

제가 세상에서 보고 싶은 모습도 그겁니다. 한 사람이나 소수만 초지능을 갖고 나머지는 갖지 못하는 상황은 피해야 합니다. 그렇게 되면 기존의 시스템과 제도 자체가 그 기술을 가진 사람에게 유리한 방향으로 왜곡될 수 있습니다. 반대로 모두에게 비슷한 수준의 도구를 제공하면 서로 견제할 수 있습니다. 권력의 균형이 생기고, 시스템도 더 효율적으로 작동하며, 그 혜택이 훨씬 넓게 퍼질 수 있다고 생각합니다.

소셜미디어에서 배운 가장 큰 교훈

새로운 시대 정부의 역할, 직접 설명하지 않으면 신뢰를 잃는다

알렉스 히스 : 미국 정부는 여기서 어떤 역할을 해야 한다고 봅니까?

​

마크 저커버그 : 당연히 역할이 있습니다.

​

알렉스 히스 : 전국적인 프레임워크 같은 걸 원합니까? 지금 정부도 이 문제를 굉장히 많이 다루고 있는데, 어떤 접근이 맞다고 봅니까?

​

마크 저커버그 : 흥미롭고 동시에 어려운 점은 이 기술이 너무 빠르게 변한다는 겁니다. 아주 구체적이고 경직된 프레임워크를 만들어놓으면 몇 달만 지나도 불충분해지거나 현실을 따라가지 못할 수

있습니다. 그래서 저희가 택한 접근은 정부와 상당히 긴밀하게 협력하는 것입니다. AI는 굉장히 중요한 기술이고, 정부도 지금 어떤 대규모 훈련이 진행되고 있는지는 알고 있어야 한다고 생각합니다.

​

앞으로 어떤 새로운 능력이 등장하고 있는지도 정부가 이해할 수 있도록 선제적으로 공유해야 합니다. 가능하다면 정부가 그런 변화에 미리 대비할 수 있도록 도와야 하고요. 그런 의미에서 공식적인 규제 프레임워크가 있든 없든, 미국 기업이라면 미국 정부와 긴밀하게 협력하는 것이 맞다고 생각합니다.

​

오히려 그 방식이 더 효과적일 수도 있습니다. 기업과 정부가 어떻게 상호작용해야 하는지를 경직된 규칙으로 미리 정해두는 것보다, 실제로 나타나는 문제에 맞춰 계속 대응하는 편이 낫기 때문입니다. 지금은 사이버보안이 가장 중요한 문제일 수 있습니다. 하지만 6개월 뒤에는 바이오보안이 훨씬 더 중요한 문제가 될 수도 있습니다.

​

그래서 중요한 건 정부의 여러 조직과 충분한 신뢰 관계와 소통 채널을 미리 만들어두는 겁니다. 그래야 단순히 절차상의 체크박스를 채우는 데 그치지 않고, 실제로 어떤 대응이 사람들에게 가장 좋은 결과를 만들어낼지를 함께 판단할 수 있습니다.

​

알렉스 히스 : 이미 시장 안에 작동하고 있는 인센티브도 있습니다. 예를 들어 메타의 모델이 유출돼서 실제로 큰 피해를 일으킨다면, 결국 메타가 책임을 지게 될 겁니다. 시장도 그에 맞는 대가를 치르게 할 것이고요. 저는 사람들이 이런 경제적/평판적 인센티브가 실제로 얼마나 강하게 작동하는지를 다소 과소평가하는 경향이 있다고 생각

합니다.

​

마크 저커버그 : 저도 그렇게 생각합니다.

​

지난 15년 정도를 보면 실리콘밸리는 정부와 어느 정도 거리를 둔 관계를 유지해왔습니다. 그런데 AI는 경제와 국가안보를 비롯한 훨씬 더 많은 영역과 직접 연결됩니다. 그래서 앞으로는 정부와 훨씬 긴밀한 파트너십이 필요하다고 생각합니다. 물론 공식적인 프레임워크가 만들어질 수도 있고, 그렇지 않을 수도 있습니다. 시간이 지나면서 구체적인 규칙은 분명 더 많아질 겁니다.

​

다만 어떤 규칙을 만들더라도 그것만으로는 충분하지 않습니다. 회사를 운영하는 것과 비슷합니다. 조직도를 그려놓고 "이 팀은 이것만 하고, 저 팀은 저것만 한다"고 역할을 명확하게 나눈다고 해서 조직이 잘 돌아가는 건 아닙니다. 오히려 사람들이 서로 신뢰하고 함께 일할 수 있게 만드는 것이 더 중요합니다. 조직 사이에 이상한 틈이 생기지 않도록 해야 합니다.

​

AI와 초지능이 앞으로 세계에 얼마나 중요한 기술이 될지를 생각하면, 특정한 프로세스 하나를 정해놓는 것보다 기업과 정부 사이에 좋은 정보 교환 체계를 만들고 서로 솔직하게 이야기할 수 있는 신뢰 관계를 구축하는 것이 훨씬 중요하다고 봅니다.

​

물론 규칙과 신뢰가 서로 대체되는 것은 아닙니다. 둘 다 필요할 수 있습니다. 다만 저희는 지금 정부와 그런 관계를 만드는 데 상당히 집중하고 있습니다. 다른 연구소들도 같은 방향으로 움직이면 좋을 것 같습니다. 일부는 이미 그렇게 하고 있는 것 같고, 어떤 곳은 상대적으로 덜 적극적인 것 같지만, 전반적으로는 업계 전체에 긍정적인 일이 될 거라고 생각

합니다.

​

알렉스 히스 : 최근 뉴스를 보면 메타가 만든 안경을 쓰는 사람이 점점 많아지고 있습니다. 상당히 대중화되고 있고 판매량도 빠르게 늘고 있죠. 동시에 이걸 일종의 스파이 도구처럼 사용하는 것 아니냐는 우려도 커지고 있습니다. 실제로 스마트 안경을 착용한 채 들어오는 것을 금지한 업장도 나오고 있고요.

​

이런 반응을 어떻게 보고 있습니까? 새로운 기술이 보급되는 과정에서 잠깐 나타나는 현상이라고 보시나요? 아니면 앞으로 꽤 오랫동안 해결해야 할 문제라고 생각하시나요?

​

마크 저커버그 : 제 생각은 이렇습니다. 저희는 처음부터 개인정보보호를 중요한 설계 원칙으로 두고 안경을 만들었습니다. 그래서 녹화를 시작하면 주변 사람들이 바로 알아차릴 수 있도록, 눈에 잘 띄는 표시등이 깜빡이게 했습니다.

​

알렉스 히스 : 그 표시등을 손대서 무력화하려는 사람도 있었고, 그런 걸 막는 업데이트도 배포했죠.

​

마크 저커버그 : 그래서 여러 안전장치를 넣었습니다. 예를 들어 녹화 표시등을 가리거나 조작하려고 하면 카메라 자체가 작동하지 않도록 설계했습니다. 중요한 건 이런 문제를 제품을 만든 뒤에 뒤늦게 고민한 것이 아니라, 처음 설계할 때부터 고려했다는 겁니다. 그래서 제품 자체의 개인정보보호 설계에는 상당히 자신이 있습니다.

​

사실 휴대폰에는 이런 표시등조차 없습니다. 사람들은 휴대폰으로 다른 사람을 계속 촬영하죠. 그런 점에서는 오히려 이 안경이 기존 기기보다 더 명확하게 주변 사람에게 녹화 여부를 알려주는 제품이라고 생각

합니다.

​

몇 년 전 처음 안경을 출시했을 때는 이런 보호장치를 어떻게 설계했는지 꽤 자세히 설명했습니다. 하지만 당시와 지금은 상황이 많이 달라졌습니다. 지금은 수백만 명이 넘는 사람들이 이 안경을 사용하고 있습니다. 처음 출시했을 때 설명을 들었던 사람도 시간이 지나면서 잊었을 수 있고, 당시에는 제품 자체가 크지 않았기 때문에 아예 관심을 두지 않았던 사람도 많았을 겁니다.

​

이제는 어느 정도 대중적인 제품이 됐습니다. 그래서 최소한 저희가 개인정보보호를 어떤 방식으로 다루고 있는지 다시 명확하게 설명할 필요가 있다고 생각합니다. 이건 처음부터 굉장히 중요하게 봤던 문제입니다. 실제로 그렇게 중요하게 생각했기 때문에 첫 번째 제품부터 이런 원칙을 하드웨어와 제품 설계 안에 직접 넣었습니다.

​

다만 이후에는 이 부분에 대한 커뮤니케이션이 조금 줄었던 것 같습니다. 대신 "안경 디자인이 좋아졌다", "스타일이 다양해졌다", "기능과 효용이 더 커졌다" 같은 이야기에 더 집중했습니다. 초기에 개인정보보호 문제를 충분히 다뤘다고 생각했기 때문에 그 이후에는 제품의 가치와 디자인을 설명하는 데 더 많은 시간을 쓴 겁니다.

​

하지만 지금은 다시 이 부분을 아주 명확하게 설명해야 할 시점이라고 생각합니다. 저희는 처음부터 개인정보보호를 중요하게 생각했고, 지금도 제품 설계 자체는 좋은 위치에 있다고 봅니다. 그리고 사람들이 이 문제를 계속 중요하게 보고 있다는 사실도 분

명합니다. 그렇다면 저희 역시 계속 중요하게 다뤄야 합니다.

​

알렉스 히스 : 초기 스마트폰 때도 개인정보보호에 대한 불안이 컸습니다. 새로운 제품은 결국 사람들이 자기 삶에서 충분한 가치를 느끼기 시작하면 점점 익숙해지는 것 같습니다.

​

안경도 아직은 그런 초기 단계에 있다고 봅니다. 사람들 입장에서는 우선 '나를 촬영할 수도 있는 새로운 기기'라는 심리적 장벽이 있습니다. 그걸 넘으려면 먼저 이 제품이 왜 유용한지, 어떤 가치를 주는지를 직접 경험해야 합니다. 예전 휴대폰도 비슷했습니다. 처음에는 사람들이 "지금 휴대폰으로 뭐 하는 거야?"라고 묻곤 했잖아요. 새로운 기기가 일상에 들어올 때는 원래 그런 적응 과정이 필요한 것 같습니다.

​

마크 저커버그 : 그런 면이 어느 정도는 있다고 생각합니다. 지난 20년 동안 소셜미디어를 만들어오면서 배운 것 중 하나는, 이런 우려에 대해 저희가 훨씬 더 직접적으로 이야기했어야 했다는 겁니다. 사람들이 소셜미디어 사용을 멈춘 것은 아니지만, 오늘날 사람들이 소셜미디어를 바라보는 방식에는 분명 영향을 줬다고 생각합니다. 그 과정에서 저희가 이런 문제를 얼마나 진지하게 받아들이고 있는지 더 잘 설명할 수도 있었습니다.

​

그런데 당시에는 "사람들이 제품을 이렇게 많이 쓰고 있으니 여전히 좋아하는 거겠지"라고 생각했습니다. 그래서 굳이 더 설명하지 않았던

겁니다. 하지만 사람들은 제품을 좋아하면서도 동시에 회사가 개인정보보호나 안전 같은 문제를 얼마나 진지하게 다루는지 알고 싶어 할 수 있습니다.

​

저는 그 두 가지를 동시에 충족하는 상태를 만들 수 있다고 생각합니다. 소셜미디어에서는 그걸 충분히 잘하지 못했습니다. 안경에서는 더 잘하고 싶습니다.

​

알렉스 히스 : 방금 말씀하신 생각과 최근 청소년 안전 문제를 둘러싼 합의 사이에도 연결점이 있나요? 요즘 많은 사람이 그 문제를 이야기하고 있는데, 방금 말씀하신 관점과 어떻게 이어지는지 궁금합니다. 그리고 그 과정을 거치면서 무엇을 배웠는지도 듣고 싶습니다.

​

마크 저커버그 : 네. 그것도 좋은 사례라고 생각합니다. 저희는 오랫동안 여러 안전 문제를 진지하게 다뤄왔고, Instagram의 청소년 계정과 관련해서도 꽤 오래 전부터 많은 작업을 해왔습니다. 이 분야에서는 저희가 상당히 앞서 있었다고 생각합니다.

​

이번 합의에서 흥미로운 점은 특정 회사 하나만의 조치가 아니라 업계 전체에 적용할 수 있는 기준과 프레임워크를 만들려고 한다는 겁니다. 현실적인 문제가 하나 있습니다. 이런 제품을 만드는 회사들에게 "청소년의 사용 시간을 하루 한 시간으로 제한하자"고 물으면 아마 대부분 원칙적으로는 동의할 겁니다.

​

문제는 한 회사만 그렇게 해야 할 때입니다. Instagram 사용 시간을 하루 한 시간으로 제한했는데, 줄어든 시간이 그대로 TikTok으로 옮겨간다면 실제로 누구에게 도움이 된

걸까요? 청소년의 전체 사용 시간은 줄지 않았고, 저희만 경쟁에서 불리해진 셈입니다. 그런 구조라면 아무도 실질적인 혜택을 얻지 못합니다.

​

알렉스 히스 : 그 내용이 합의안에도 들어가 있죠.

​

마크 저커버그 : 그래서 저희가 만든 구조는 이렇습니다. 우선 메타가 먼저 일정한 제한을 적용하겠다고 했습니다. 사용 시간에 대한 제한도 있고, 알림 제한도 있습니다. 학교에 있을 시간이나 잠들어야 할 시간대에는 접근을 줄이는 장치도 포함돼 있습니다.

​

저희가 먼저 움직이겠다는 겁니다. 그리고 YouTube나 TikTok 같은 다른 플랫폼도 같은 기준에 동의한다면, 업계 전체가 함께 다음 단계로 갈 수 있습니다. 저는 이번 합의가 결국 업계 전체를 같은 방향으로 정렬시키는 법적 프레임워크 역할을 하게 되길 바랍니다. 안전을 위해 먼저 행동한 회사만 경쟁에서 불리해지는 구조여서는 안 됩니다. 지금은 저희가 먼저 나가면서 어느 정도 위험을 감수하고 있습니다. 하지만 다른 회사들도 같은 기준에 들어온다면, 결과적으로 청소년과 업계 모두에게 훨씬 더 나은 구조가 될 수 있다고 생각합니다.

​

알렉스 히스 : 마지막 질문입니다. 다시 X에 글을 올리고 있더군요.

​

마크 저커버그 : 저는 어디든 있습니다.

​

알렉스 히스 : 정말 어디

든 있죠. 그냥 궁금한데, X에 다시 올리는 게 이제 전략의 일부인가요? Threads도 있고, 당연히 Threads에도 글을 올리잖아요.

​

마크 저커버그 : 네, 저도 Threads를 사용하고 있습니다. Threads는 지금 아주 잘되고 있고요. 제 생각에는 이 시점에서 이미 X보다 더 커졌거나, 아니면 곧 그렇게 될 가능성이 높습니다. 다만 플랫폼마다 커뮤니티의 성격이 다릅니다. 예를 들어 X에는 AI 분야 사람들이 많이 모여 있습니다. 소셜미디어에서 중요한 것 중 하나는 사람들이 있는 곳으로 직접 가서 소통하는 겁니다.

​

팟캐스트나 글도 한 곳에만 올리지 않고 여러 플랫폼에 배포하잖아요. 저도 비슷합니다. Threads와 X에 같은 내용을 올립니다. 그러면 가끔 "왜 X에도 올리느냐"고 묻는 사람들이 있습니다. 이유는 단순합니다. 거기에도 사람들이 있고, 그들과 대화할 수 있기 때문입니다.

​

저는 그게 자연스럽다고 생각합니다. 특히 어떤 커뮤니티는 여전히 X에 많이 모여 있습니다. 그렇다면 사람들이 있는 곳으로 가서 이야기를 나누면 됩니다. 결국 소셜미디어라는 것도 그런 거라고 생각합니다.

​

알렉스 히스 : 오늘 이야기해줘서 감사합니다.

​

마크 저커버그 : 네, 즐거