EP 77. Gemini 3와 Antigravity: 너무도 가파른 변화의 곡선

2025년 가을, AI 모델의 폭발적 진화

2025년 11월 22일, AI 업계는 또 한 번의 지각변동을 경험했다. Google DeepMind의 Gemini 3.0과 함께 출시된 Antigravity는 불과 2-3일간 개발자들과 연구자들을 열광시켰다. 이번 릴리즈는 단순한 모델 업데이트를 넘어, AI 개발 패러다임 자체가 전환되는 신호탄이었다.

최근 AI 모델 타임라인: 가속화되는 혁신

2025년 가을부터 겨울까지의 AI 모델 출시 타임라인을 살펴보면 혁신의 속도를 체감할 수 있다:

9월 30일: Claude Opus 4.5 출시
10월 1일: Perplexity Labs에서 과학 연구 관련 신호 발표
10월 21일: Boston Dynamics Atlas 공개
10월 30일: OpenAI 내부 목표 발표 - “Full-stack Company” 선언
- 2026년 9월: AI 연구 인턴 수준
- 2028년 3월: 자율주행하는 AI 연구자
11월 12일: GPT-5.1 출시 (GPT-4 스타일 회복)
11월 17일:
- Grok 4.1 출시 (벤치마크 상당히 개선)
- OpenAI 한국 Developer Day 개최
11월 18일: Gemini 3.0 출시 (미국 시간 아님)
11월 19일: OpenAI, Codex Max 발표로 대응
11월 21일: Imagen Nano Pro 출시, Google 생태계 전체 통합

이 타임라인에서 주목할 점은 각 기업이 경쟁사의 발표를 의식하며 출시 시점을 조율하고 있다는 것이다. 그러나 “마지막에 발표하는 쪽이 핵심”이라는 법칙처럼, 이번 판은 Gemini 3.0 쪽으로 무게중심이 기울었다.

과학 연구의 AI 가속화: 새로운 지평

OpenAI는 꾸준히 과학(Science) 부분을 강조해왔다. Perplexity Labs(OpenAI에서 파생된 조직, DeepMind와 유사)가 보여준 신호와 함께, OpenAI는 “Early Experiments in Accelerating Science with GPT-5”라는 제목으로 블로그 포스팅, 논문, 팟캐스트를 발표했다.

Gemini 3.0에 가려져 큰 주목을 받지 못했지만, 이는 2026년의 예고편이다. 2026년에는 AI와 결합한 바이오 분야에서 모델이 쏟아지듯 출시될 것으로 예상된다. 상업적 목적성이 명확한 바이오와 파이낸스 분야로 인센티브가 집중되는 것은 자연스러운 흐름이다.

그러나 바이오뿐만 아니라 재료공학, 전자공학, 에너지 등 과학 전반에서 변화가 일어날 것이다. 도메인 전문가들이 각자의 렌즈로 이 현상을 동시대적으로 읽어내는 것이 중요해지고 있다.

Gemini 3.0의 핵심: 프리-트레이닝은 끝나지 않았다

오리올 비니알스의 선언

DeepMind의 오리올 비니알스(Oriol Vinyals, 일리야 서츠케버의 전 동료)는 Gemini 3.0 발표에서 중요한 메시지를 전했다:

“2024년 일리야 서츠케버가 ‘석유에 비유하면 프리-트레이닝이 고원에 다다랐다’고 말했지만, 그것은 아니다. Gemini 3.0은 프리-트레이닝과 포스트-트레이닝 모두를 개선했다. 스케일링은 끝났다는 대중적 믿음과 달리, 도약이 있었다. Gemini 2.5에서 3.0 사이의 델타는 지금까지 본 것 중 가장 크다. 아직 한계가 보이지 않는다.”

이는 세 가지 측면에서 혁명적이다:

프리-트레이닝(Pre-training): 아직 벽에 도달하지 않았으며, 알고리즘적 진보와 개선 여지가 엄청나게 많이 남아있다
포스트-트레이닝(Post-training): 완전히 그린필드(greenfield)이며, 가림막이 없다
데이터 고갈론 극복: 어떻게 풀었는지는 불명확하지만, 고품질 데이터 고갈 문제를 해결했다

프리-트레이닝의 벽, 정말 넘어섰나?

기존에는 세 가지 병목이 프리-트레이닝을 제약한다고 여겨졌다:

데이터 고갈론: 인터넷의 고품질 데이터를 모두 사용했다
데이터 품질: 대부분이 쓰레기 데이터이므로 정제가 필요하다
시스템 한계: 뉴럴 네트워크 구조, 트레이닝 알고리즘, 컴퓨팅 파워의 한계

Gemini 3.0은 이 중 어느 부분에서 진보를 만들었는지 정확히 밝히지 않았지만, **“벽은 아직 없었다”**는 것을 증명했다. 중국의 DeepSeek이나 Kimi 같은 연구진이 곧 논문으로 정리해줄 것으로 기대된다.

METR 시간 지평(Time Horizon)과 에이전트 능력

METR 시간 지평은 모델이 수행하는 시간이 아니라, 사람이 수행하는 시간에 대응하는 지표다. 현재:

Gemini 3.0: 아직 반영 안 됨
GPT-5.1 & Codex Max: 로그 스케일로 직선보다 살짝 위
현재 시간 지평: 약 2시간 조금 넘는 수준

그러나 모델이 실제로 수행하는 시간은 이미 일(day) 단위로 가고 있다. 하니스(harness)를 어떻게 입히느냐에 따라 시간을 무한정 늘릴 수 있는 상황이다.

이 그래프가 계속 맞아떨어진다면, 2026년 5월경에는 3-4시간 수준에 도달할 것이다. 오리올 비니알스가 말한 “아직 벽을 만나지 않았고 계속 간다”는 전망을 염두에 두어야 한다.

빈티지(Vintage) 개념: Knowledge Cutoff로 보는 파이프라인

Gemini 2.5와 3.0 모두 Knowledge Cutoff가 2025년 1월로 동일하다. 이는 같은 “빈티지(수확물)“에서 나온 모델임을 의미한다. 와인의 포도 수확 연도처럼, 데이터셋의 수확 시기를 의미하는 개념이다.

2025년 1월 빈티지: Gemini 2.5 → 3.0으로 진화
Gemini 2.5가 희생되고, 그 과정에서 계속 무언가가 진행된 산출물이 3.0

다음 완전히 새로운 빈티지는 Knowledge Cutoff가 훨씬 뒤에 있을 것이다. 이 과정에서 얻어지는 중간 산출물 데이터셋과 AI Studio에서 사용자들이 밀어넣는 프롬프트는 에너지 밀도가 높은 앙코(餡) 데이터다.

사용자는 데이터를 소비하는 동시에 데이터가 생성되는 경로를 제공하고 있다. 이는 프리-트레이닝과 포스트-트레이닝의 선순환을 만든다:

포스트-트레이닝 → 고품질 데이터 생성 → 프리-트레이닝 데이터셋 증강 → 다음 지평으로 나아감

와트(Watt)의 시대: 에너지가 지능이다

슈퍼컴퓨터 컨퍼런스 25에서 흥미로운 경향이 나타났다. 이제는 GPU 개수가 아니라 와트(Watt)로 컴퓨팅 파워를 이야기한다는 것이다.

GPU의 컴퓨팅 파워나 개수를 얘기하는 것보다 전력량으로 달아서 얘기하는 게 더 편해졌다. 왜냐하면:

높은 정보 효율로 에너지가 지능으로 치환되고 있다

투입되는 총 컴퓨팅의 양이 지능을 나타내는데, 그 양에 가장 많은 정보를 담고 있는 선행지표(precursor)가 바로 **전력량(Watt)**이다. 몇 와트가 소모됐느냐가 곧 그 안에 담긴 인텔리전스의 양을 의미한다.

개빈 베이커의 분석: 토큰 경제학

개빈 베이커(Gavin Baker)가 11월 19일 트위터에 올린 포스팅은 이를 잘 정리한다:

사전학습의 스케일링 법칙은 여전히 유효하다
사전학습에서 중요한 것은 일관된 FLOP(Blackwell이든 TPU든 상관없음)
**토큰 경제학(Token Economics)**이 핵심
Grok 4.1도 인프라를 보유하고 있기에 경쟁 가능
전력이 병목일 때, 와트당 토큰이 의사결정을 주도한다
토큰은 그 자체로 수익(revenue)
결론: 우리는 여전히 AI의 매우 초기 단계에 있다

Gemini 3.0의 실전 능력: 제너러티브 UI와 인터랙티브 콘텐츠

Vibe Check 사이트: 복셀 & SVG 생성

AI Studio에서 만든 “Vibe Check” 사이트는 Gemini 3.0의 능력을 여실히 보여준다:

왼쪽에서 코드를 수정 가능
복셀(Voxel)이 움직이는 3D 장면을 실시간 생성
“스켈레톤이 달리고 있는 장면” 같은 프롬프트를 입력하면 약 1분 내에 생성
SVG뿐만 아니라 3D 복셀 아트도 매우 잘 수행

이것이 함의하는 바는:

프론트엔드, 유저 인터페이스를 너무 잘 만드는 모델이 됐다

속도에는 아직 문제가 있지만(괜찮은 페이지 생성에 약 5분 소요), 무엇이든 만들 수 있다. 그리고 이를 가능하게 한 것은 **커리큘럼 러닝(Curriculum Learning)**이다.

비주얼 레이아웃과 베리파이어블(Verifiable) RL

Gemini 3.0은 웹사이트 온보딩, 랜딩 사이트 등을 만드는 커리큘럼을 통해 학습했다. 블로그 포스팅과 논문에서 밝힌 핵심은:

넌-베리파이어블(Non-verifiable)한 영역을 베리파이어블하게 만들었다

코딩은 테스트로 검증 가능하지만, 시각적 디자인은 검증이 어렵다. 그런데 Gemini 3.0은:

시각적 부분, 디자인적 부분의 품질을 인간이 최대한 공들여 만든 것에 근접하게 평가하는 시스템 구축
모델 트레이닝 페이즈에서 “좋은 것”과 “나쁜 것”을 판별하는 보상 신호를 만드는 시뮬레이터 또는 디시저메이커(Decision Maker) 활용
이는 본인 모델일 수도, 다른 폴리시(Policy) 모델일 수도 있음

결론은 **“컴퓨팅을 갈아 대니 되더라”**다.

그리고 논문 끝에는 2025년 중순에 발표한 **“연구의 마법순환(Magic Loop of Research)“**을 다시 인용하며 부트스트래핑이 계속될 것임을 시사한다.

상상력 발휘: 속도 초지능(Speed Superintelligence)

닉 보스트롬(Nick Bostrom)의 『Superintelligence』에서 언급한 속도 초지능 개념을 적용해보자:

현재 Gemini 3.0 수준의 지능과 수행 능력에서
속도만 10배 또는 100배 빨라지면 어떻게 될까?
가격이 1/100로 낮아지고 속도가 100배 빨라지면?

이것이 불가능한가? 금방 가능해진다면, 지능이 이 정도에서 멈추더라도 엄청난 임팩트가 있을 것이다.

하니스(Harness)의 역할 변화: Unlearn의 시대

불과 2개월 전: 하니스 강화의 시대

불과 2-3개월 전, Claude Code를 다루며 이야기했던 것은:

어떻게 하면 하니스를 잘 만들어서 모델이 일하는 시간을 늘릴까?
일하는 시간을 늘린다 = 산출물의 품질을 올린다
Claude의 스킬(Skill), 프레임워크를 확장시키는 방법
하니스를 덕지덕지 달라붙이는 것

지금: 하니스를 벗기는 시대

그런데 그 시절이 불과 3-4개월 만에 끝났다.

예전에는:

엔지니어들이 하니스를 더 강하게 만들어 모델을 갈고닦았다

지금은:

하니스들이 모델의 캐퍼빌리티 오버행(Capability Overhang)으로 들어가 버렸다
관료적으로 제약하는 것보다 최소한의 가드레일만 치고 모델에게 맡기는 게 산출물이 더 좋아지는 세상

이는 올 봄 Noam Brown이 한 얘기와 정확히 일치한다.

실제 사례:

회사에서 하니스가 두꺼워져 있었던 것의 많은 부분을 덜어내고 모델에게 더 자유를 주니 산출물의 품질이 증가했다
Unlearn Run 프레임워크: 배운 것만큼 빠르게 버려야 한다

6개월 뒤의 세상

Gemini 3.0이 오늘 우리를 놀라게 하지만, 6개월 뒤에는 이게 매우 싸지고 평범해진 상황이 될 가능성이 크다. 상상하기 어렵지만, 상상할 수 있어야 한다.

올린(Auren) 팟캐스트에서 찰마스(Chalmers)가 한 비유:

“AI는 냉장고다. 냉장고 산업의 Refrigeration이고, 거기에서 맛있는 음식을 만들어주는 진짜 가치는 아직 나오지 않았다.”

Imagen Nano Pro와 과학 시각화

HWP 파일 읽기의 의미

Gemini 3.0은 HWP(한글 파일) 파일을 읽고 다시 포매팅할 수 있다. 이것의 의미는:

한국의 모든 정보와 교육 관련 데이터도 다 AI로 들어온다

HWP를 쓰는 것은 아직 못하지만(난이도가 높음), 읽는 것은 가능하다. 플랫폼 사업자 입장에서는 밖에 있는 정보가 안으로 들어오는 것은 무조건 플러스다.

특히 사용자가 직접 자신의 인텐션을 채팅창에 써넣는 것은:

한 줄이더라도 웹페이지 열 페이지와 담고 있는 정보의 양이 같을 수 있다
정보 밀도가 훨씬 높은 데이터

사용자는 데이터를 쓰는 동시에 앙코 데이터(에너지가 높은 토큰)들을 몰아주고 있다.

양자역학 시각화 사례

한정훈 교수(물리학자)가 올린 양자역학 관련 그림을:

Imagen Nano에 입력 → 수식을 포함한 시각화 생성
다른 학자가 피드백: “경로가 더 지그재그로 가야 한다”
Imagen Nano가 수정된 그림 생성
AI Studio에 그림과 대화 맥락을 입력 → 인터랙티브 시각화 완성
- 스텝을 밟으면 벡터가 이산적으로 움직이는 애니메이션
- 양자 오류 정정(Quantum Error Correction) 시각화

**“어제부터 되기 시작한 일입니다”**의 의미는:

Imagen Nano Pro가 어제 출시됐다
하기 전에 “될 것”이라는 심증이 있었다 (약 97% 확신)
프롬프트 두세 번째에 바로 작동

AI 트랜스포메이션(AI Transformation, AX) 실전 사례: 유치원

접근 방식: 1-on-1 → 전체 공유 → 다시 1-on-1

디지털 트랜스포메이션도 안 된 세상에 AI 트랜스포메이션을 강요받고 있다. 유치원에서 진행한 핸즈온 워크샵 사례:

1단계: 1-on-1 탐색

선생님들이 가정에 보내는 교육 관련 글(2-3문단)을 AI Studio에 입력
인터랙티브 콘텐츠로 변환하는 프롬프트 2-3줄
“소리의 물성 실험” 사례: 아이들이 다양한 소리를 탐험할 수 있는 인터랙티브 콘텐츠 원샷 생성
반응: 놀라긴 했지만 착 감기는 느낌은 아니었음

2단계: Imagen Nano를 활용한 개선

놀이 기록에 대한 인포그래픽 생성
더 와닿았던 것: 평소 기록을 체계적으로 해놓으면 의미를 짚어주는 슬라이드가 생성된다
프롬프트 예시: “교사의 의도와 진행 과정 및 의미를 소개하는 슬라이드 팩을 만들어줘. 어린이들의 이야기를 경청해서 교사가 어떤 지원을 했는지 드러내면 좋겠다.”
피드백: 생성된 이미지를 실제 교실 이미지로 대치하면 더 좋겠지만, 상당히 의미 있는 내용들이 들어가 있다

3단계: 전체 회의에서 공유

1-on-1에서 얻은 피드백을 바탕으로 더 와닿을 수 있는 유스 케이스를 전체에 소개

4단계: 다시 1-on-1로 피드백 수집

짧은 시간이지만 솔직한 얘기를 들을 수 있었음
우려사항과 학습 경로 탐색

핵심 인사이트

이것은 제로데이(Day 0)에서 할 수 있었다
대상의 맥락에 맞게 들어가야 임팩트가 있다
준비된 팀이 중요: 언제든 모델이 나오면 바로 온보딩하고 며칠 사이에 바이브 체크를 공유할 수 있는 역량
**건강한 마찰(Healthy Friction)**이 도움이 된다: 처음에 반응이 없을 때 더 좋은 유스 케이스를 고민하게 됨

Antigravity: 하니스에서 에이전트로

UX의 혁신

Antigravity는 예상했던 것이지만, UX를 잘 뽑아놓았다는 평가를 받는다.

Claude Code의 한계:

터미널에 잡혀 있어 일반인에게 장벽이 높음
CLI 터미널을 띄우는 것 자체가 엔지니어가 아닌 분들에게는 큰 장벽
npx를 인스톨하고 Node를 까는 것도 안 해본 사람들에게는 어려움

Antigravity의 개선:

다운로드 후 설치하고 켜기만 하면 됨
나머지는 에이전트가 알아서 처리
작은 허들(hurdle)을 바꿔주는 것만으로도 의미가 있다

일반 사용자를 위한 배치 작업

터미널뿐만 아니라:

폴더 편집: 일반 유저들은 터미널에서 편집이 쉽지 않음 (단축키로만 해야 하고, 왔다갔다 못함)
폴더 개념: 프로젝트가 서브폴더에 어떤 식으로 늘어져 있는지 엔지니어 출신은 익숙하지만, 그렇지 않은 분들에게는 낯선 개념

웹앱에서 못하는 배치 작업들:

파일을 한 번에 변환
이미지나 영상을 직조해서 콘텐츠 만들기

**“이제는 되겠구나”**싶었다.

Claude Code vs. Antigravity/Codex: 두 가지 방향성

Claude Code 류:

조종관이 굉장히 많은 우주선의 콕핏(Cockpit)에 앉는 느낌
제어 가능성(Controllability)을 높이고 싶어하는 엔지니어 출신에게 편함
엔지니어링 커뮤니티는 스킬을 붙이고, 에이전틱한 가드레일을 MD 파일과 프롬프트 덩어리로 이어 붙이는 형태

Antigravity/Codex 류:

테슬라 우주선에 앉는 기분
**훨씬 에이전틱(Agentic)**함
프로세스를 제안하는 능력조차 모델이 더 많이 알고 있는데, 왜 굳이 팀 프로세스를 제안하나? 우리가 훨씬 우월한데

방향성의 전환: 하니스 걷어내기

처음에는 Claude Code를 편하게 느꼈으나:

에이전틱하게 알아서 해버리는 것에 약간의 불편함 느낌
TDD 스펙 먼저 쓰게 하고, 테스트 쓰게 하고, 테스트 통과한 것만 구현하게 하는 강한 하니스를 걸었었음
한 이틀 동안 거의 다 걷어냈다

새로운 접근:

에너지 밀도가 높은, 내가 정말 만들고 싶은 에센스를 잘 공급하는 게 훨씬 남는 장사다

이런 얘기들은 5월 Codex 나왔을 때 OpenAI에서 “풍요의 마음(Abundance Mindset)“으로 했었지만, 그때는 온도가 와닿지 않았다. 지금은 “그거구나” 싶은 부분이 있다.

Antigravity의 구체적 개선사항

Claude Code에서 어색하게 느껴졌던 부분들:

IDE와 어설프게 융합된 느낌
윈도우 한 칸 정도만 붙여놓은 거지, 커서 레벨에서 에디터와 깔끔하게 붙어 있는 느낌이 아님
차라리 터미널과 Emacs를 쓰는 걸 선택

Antigravity:

Cursor의 좋은 점들을 잘 구현 (Cursor 미사용자 입장에서)
Claude Code의 어색한 불편함들이 너무 잘 들어감

테스트의 혁신:

Playwright 같은 게 아니라 크롬 익스텐션 한 번 설치
CDP(Chrome DevTools Protocol)를 써서 바로 버튼 눌러 프론트엔드 유저 테스트
콘솔 로그 보고 계속 고쳐나감
녹화까지 해서 아티팩트로 남김: 테스트 통과/실패 케이스 보여주고, 의사결정 과정도 에이전틱하게 분기 처리

Cascade와 하니스의 미래

Winsurf 핵심 인물들이 만든 Cascade라는 이름이 슬쩍 나온다.

아무리 모델이 나오더라도, AGI가 나오더라도, 하니스는 계속 있을 것이다

“하니스”라는 말은 특정 계층이 아니라 어떠한 레이어가 생기든 그 레이어 위에서 추상화하는 것을 의미한다. 하니스는 영원하지만, 그 역할과 레이어는 계속 추상화 방향으로 상향 이동할 것이다.

Antigravity 발표에서 Winsurf 창업자가 10여 분간 데모하면서 쓰는 프롬프트들:

자기가 원하는 목적물을 가장 명료하고 간결하게(succinct) 디스크라이브하는 것이 중요
중간에 어떤 일이 일어나는지는 중요하지 않음, 모델이 알아서 다 하니까
오버하게 중간 부안하기보다는 딱 핵심만 하면 ITR(Iteration)은 모델이 한다

200년의 변화가 2년 안에: 농업혁명의 교훈

역사적 관점의 조망

AI 모델이 우리의 일신적인 능력을 대체하고 있기 때문에, 우리 관점에서 신기해하면서 불안해한다. 그러나 렌즈를 역사적 관점으로 올려 조망해보자.

농업의 사례:

과거: 거의 모든 산업이 농업이었던 시절 (전 인류가 농업 종사)
현재: 전체 인구의 2-3%만 농업 종사

그때의 일상:

“씨를 이렇게 뿌렸더니 좋더라”
“저쪽 동네 누군가가 쟁기를 만들어서 수확량이 늘어났더라”
“당도가 높다더라”

→ 모든 일상이 농업 이야기였을 것

산업혁명의 결과:

기계가 밭을 대신 매게 됨
화학 발전으로 비료 개선
종사하던 사람들이 전부 직업을 잃었음
모두 기업화됨
농산물 가격은 어마어마하게 떨어지고, 그 자체는 풍요로워짐

관점에 따른 차이:

산업 종사자 관점: 모든 생산수단을 잃어버림
인류 전체 관점: 대풍요의 시대 진입
- 굶어 죽는 사람 없어짐
- 인류사회 처음으로 기아가 아니라 GLP-1으로 어떻게 살을 뺄까 걱정

150-200년 전 사람의 관점에서 보면 이해가 안 되는 세상이지만, 지금 우리에게는 너무 당연하다.

AI 혁명의 속도

200년 걸렸던 일이 앞으로 2년 동안 일어날 것

모든 영역은 아닐 수 있지만, 버티컬별로 다르게 올 것
퓨어 인포메이션 영역에 있는 것들이 제일 빨리 끝나고 있음
베리파이어블(Verifiable)한 도메인: 모델이 컴퓨팅 파워를 투입해서 서치해서 끝내버리는 세상

따라서:

앞으로 2년을 20년이라고 봐야 한다. 한 달은 1년이라고 생각하고, 앞으로 20개월을 20년의 인텐시티로 미친 듯이 열심히 살면 다음 세상에 답을 찾을 것이고, 아니면 통째로 버려지게 될 것이다.

새로운 병목: 인간의 한계

모델을 쓸 때 병렬로 많이 쓰는 경우가 많아짐:

같은 프롬프트를 여러 세션, 여러 모델에 동시에 입력
매우 피로해짐

인간의 한계:

**컨텍스트 스위칭(Context Switching)**이 쉽지 않음
모델은 세션 하나 새로 열면 끝
이를 매니징하는 것에 대한 상당히 큰 병목

속도가 더 빨라지고 더 압축적인 지식이 담긴 내용을 빠르게 생성했을 때:

오케스트레이션을 사람이 해야 한다면
안 하면 곤란하므로
매우 빠르게 피로해짐

처리하는/받아들이는/생산하는/관리 감독하면서 의사결정 해야 되는 정보의 양이 폭증:

어제 그제 일어난 일들이 컨텍스트에서 다 사라지는 신기한 경험
그제 무슨 일이 있었는지 전혀 기억이 안 남
너무 요새 머리를 많이 써야 됨: 계속 읽고, 수행시키고, 매니징하고
진짜 피곤함

문제 보유자(Problem Holder)와 문제 해결자(Problem Solver)

비대칭의 시대

예전:

문제를 현실로 만들어내는 능력으로 사람의 능력을 평가
몇 십 년을 투입해서 쌓아온 능력

지금:

모델이 그 능력을 없애버림
“생각하는 순간 되겠다” 싶은 감각이 생김
Gemini 3.0급에서는 뭘 생각하면 뭐가 되겠다는 감각 형성 중
돌리기 전에 안다는 느낌

새로운 워크플로우

3줄의 에센스 만들기
- 가장 본질적인 디스크립션 3줄을 머릿속에서 돌림
- 목욕하면서, 샤워하면서, 길 가면서 돌림
- 에너지가 가장 높은 3줄이 만들어지면
스펙으로 뻥튀기
- 최상위 thinking 모델에 넣기: “이거 스펙으로 뻥튀게 해줘”
- 투입하는 3줄에 들어있는 정보의 에너지 레벨이 정말 중요
실행
- 스펙 슈트가 매우 품질 있게 나옴
- Claude Code, Antigravity, Codex 같은 데 던지면 그냥 끝남

가치의 이동

산업 구조의 변화:

기존 모델:

중견기업이 문제 해결을 위해 연 100억 지불
B2B SaaS에 100억 지불하면서 30-50명 고용, 유지보수까지 치면 100명 단위 인력 투입

AI 시대 모델:

같은 일을 5명이 함
고객에게는 30억에 부름 (70% 할인)
실제 들어가는 원가: 5천만 원 이하
5명에게 29억 5천만 원의 마진 발생
100억 산업이 통째로 사라짐

언제 벌어질 것인가?

100억을 지불하고 있던 프로블럼 홀더가:

이렇게 해결할 수 있는 회사(팔란티어 같은)를 발견하거나
경쟁사가 저런 방식을 써서 비용을 줄이고 다이나믹한 소프트웨어 환경을 구축했다는 것을 보게 되는 순간

→ 변화가 극심하게 일어나기 시작

올바른 방향

문제를 인지하지 못하고 있는 문제 홀더와 AI 세상 사이에 존재하는 타임 갭과 도메인 갭, AI 영역이 아닌 지극히 인간적인 부분들에 집중해야 한다. 거기에 거의 대부분의 밸류가 다 모여 있다.

타임 갭의 신호:

패스트 팔로워들의 베스트 프랙티스가 나타나는 시점
그 뒤는 “되는구나”를 아니까 할 수 있는 것
그렇게 되면 수요자와 공급자가 많아져서 마켓의 다른 평형점으로 감

불을 거머쥐는 사람:

그 전환기에 들어가서 혼돈들을 정리하며 마켓 리더십을 확보
그 구간이 중요하고, 그 구간이 앞으로 2년 동안 일어날 일
여기에 지금 준비해 가야 함

소프트웨어 엔지니어에게

짧게 압축한 메시지

Claude Code, Antigravity를 잘 쓰는 것은 기본
하니스를 잘 만드는 능력 개발은 별로 안 중요
그 능력을 어느 정도만 갖추고 있다면:
- 문제를 가진 사람을 빨리 찾아서
- 그 문제를 해결해서
- 워크플로우가 그 사람을 락인(Lock-in)시키고
- 리텐션이 일어나거나 스케일이 보이는 인간적인 구간으로 가는 게 훨씬 중요

직접적 메시지

소프트웨어 엔지니어 임을 빨리 내려놔라. 빨리 사업가적 마인드로 전환하라. 어쩌다 보니 Antigravity와 Claude Code를 조금 빨리 쓴 사업가의 관점으로 접근하는 게 지금은 가장 옳은 방식이다.

조직 내 역학

**챔피언(Champion)**이 필요함: 회사 안에 한 명의 챔피언이 있어야 함
챔피언의 발목을 잡는 사람이 있어서는 안 됨
챔피언이 무능한 매니저 아래에 있으면 무능한 매니저의 능력만큼 후퇴
의사결정층이 이런 다이나믹스를 명확하게 이해하고 조직 세팅을 할 수 있어야 함
그러려면 본인이 직접 써보면서 핸즈온하면서 어떠한 감을 가지고 있어야 함
뉴스만 보고 이렇게 하면 되겠다 저렇게 하면 되겠다 할 수 있는 것이 아니다

도망자 연합: 문제 보유자와 해결자의 만남

도망자 연합에 많은 분들이 지원해주셨다:

프로블럼 솔버(Problem Solver): 문제 해결자
프로블럼 홀더(Problem Holder): 문제를 가지고 계신 분들

필요한 것:

홀더와 솔버가 한번 만나서 이야기하는 장
오프라인 형태든 온라인 형태든
이것이 도망자 연합이 나아갈 방향성

관점의 다양성: 싱크리티즘(Syncretism)

고차원의 그림자

지금 현상은 훨씬 고차원적이고, 그것의 그림자인 매니폴드(manifold)를 보는데도 그거조차 고차원이라서 다양한 각도에서 봐야 한다.

관점에 따라 상(像)이 다르게 맺힘:

고정되어 있는 게 아니라 변화하고 있음
엔지니어 관점 vs. 사업자 관점
이동하는 경로에 따라서도 풍경은 바뀌어 보임
여러 사람이 보고 함께 이야기해야 밀도 높은 정보 획득 가능

싱크리티즘의 필요성

싱크리티즘(Syncretism):

다른 의견이나 믿음을 가지더라도
어떤 상황이 더 큰 적이 있다거나 더 큰 의미가 있는 상황이라면
얼마든지 협력할 수 있다
같은 바구니에 넣을 수 있다는 관점

예시:

테크에 가속하는 것에 대해 전망하는 사람
신중한 사람
“이렇게도 볼 수 있구나 저렇게도 볼 수 있구나” 하는 소통

한계:

나이브한 생각일 수 있음
정말 믿음이 다르면 어울리긴 어려움

Unlearn의 중요성

배운 것만큼 빠르게 버리는 것도 중요하다.

꼰대의 위험:

얼마 전까지 유행하던 용어: 관점이 한 방향으로 굳어져서 다른 관점과 타협하지 않는 사람
지금은 그분들이 제일 위험한 세상
빨리빨리 플라스틱하게, 마치 어린아이처럼 뇌 가소성(neuroplasticity)을 가져야 함

모두가 유치원생

유치원 아이들의 교육을 위해 어떤 걸 해야 되는가에서:

거꾸로 조직에서의 인사이트 배움
모두가 다 유치원생이 된 것 같은 느낌

결론: 변화의 곡선을 타는 법

직접 써보기: 바이브 체크는 직접 경험에서 나온다
빠르게 버리기: Unlearn Run - 배운 것만큼 빠르게 버려라
에센스에 집중: 에너지 밀도가 높은 3줄의 본질
문제 찾기: 기술보다 문제 보유자를 찾는 게 중요
인간적 구간으로: 소프트웨어 엔지니어에서 사업가로
관점의 다양성: 싱크리티즘으로 협력하기
2년 = 20년: 앞으로 2년을 20년의 인텐시티로 살기

우리는 여전히 AI의 매우 초기 단계에 있다. 그리고 변화의 곡선은 너무도 가파르다.

DarkGarden

Topics

Sections

EP 77. Gemini 3와 Antigravity - 너무도 가파른 변화의 곡선