본문으로 건너뛰기

생태계 없는 프런티어는 안정적이지 않다

게시일: 2026년 6월 16일 | 원문 작성일: 2026년 6월 15일 | 저자: 사티아 나델라(Satya Nadella) | 원문 보기

16비트 픽셀아트. 왼쪽 위에는 사람 얼굴과 로봇 얼굴이 빛나는 화살표 고리로 이어진 학습 루프 엠블럼이 있고, 두 캐릭터가 초록 계단을 함께 오른다. 오른쪽의 빛나는 프런티어 능선에서 황금빛 빛줄기가 다양한 건물 무리로 퍼져 나간다.

마이크로소프트 CEO 사티아 나델라는 AI 경제에서 기업의 미래를 묻는다. 그의 답은, 최고의 모델을 고르는 일이 아니라 인적 자본과 토큰 자본이 복리처럼 누적되는 자신만의 학습 루프를 소유하는 일이 관건이라는 것이다. 가치가 소수의 모델로만 쏠리는 미래는 사회가 용인하지 않으므로, 우리가 함께 구축해야 할 안정적 균형은 단일 프런티어 모델이 아니라 폭넓은 프런티어 생태계라고 그는 말한다.

• • •

이번 전환은 무엇이 다른가

나는 AI가 주도하는 경제에서 기업의 미래가 어떤 모습일지를 오랫동안 깊이 생각해 왔다.

이번 전환은 과거의 어떤 플랫폼 전환과도 다르다. 과거에 우리는 디지털 시스템을 인적 자본을 강화하는 데 활용했다. 그러나 사람과 디지털 시스템 사이에 진정한 인지 루프를 만들어 낼 수 있게 된 것은 이번이 처음이다. 이는 머릿속이 아득해질 만큼 발상을 뒤흔드는 변화다. 기업 내부에서 일이라는 것을 어떻게 개념화하느냐, 그 사고의 틀 자체를 바꿔 놓기 때문이다.

여기서 관건은 어떤 디지털 도구나 시스템, 그리고 그 활용 방식이 아니다. AI 모델이 인간과 조직의 전문성을 끊임없이 흡수하여 그 가치를 평준화할 수 있는 세계에서, 조직이 어떻게 계속 학습하고 지식재산(IP)을 구축하며 차별화하고 번영해 나갈 것인가, 바로 이것이 진정한 관건이다.

인적 자본과 토큰 자본

모든 기업은 내가 인적 자본과 토큰 자본1이라 부르는 것을 구축해야 할 것이다. 인적 자본은 구성원이 지닌 지식과 판단력, 관계, 창의성, 그리고 패턴 인식 능력을 아우른다. 한편 토큰 자본은 기업이 스스로 구축하고 소유하는 AI 역량을 가리킨다.

항목인적 자본 (human capital)토큰 자본 (token capital)
무엇인가구성원이 지닌 지식·판단력·관계·창의성·패턴 인식 능력기업이 스스로 구축하고 소유하는 AI 역량
역할야심 찬 목표를 세우고, 점들을 연결하고, 방향을 설정한다그 방향대로 컴퓨팅을 움직여 실행을 확장한다
관계서로 경쟁하지 않는다. 인간의 주체성이 토큰 자본의 성장을 이끌고, 토큰 자본이 커질수록 인적 자본의 가치는 오히려 더 커진다.

중요한 점은, 토큰 자본이 커진다고 해서 인적 자본의 가치가 줄어드는 것이 아니라는 사실이다. 오히려 그 가치는 더욱 커질 뿐이다! 나는 인간의 주체성이야말로 토큰 자본 성장의 원동력이 되리라 믿는다. 인간은 야심 찬 목표를 세우고, 여러 영역을 가로질러 점들을 연결하며, 관계를 구축하고, 가장 중요한 패턴을 알아본다. 인간의 방향 설정이 없다면 컴퓨팅 자원은 그저 제자리를 맴돌 뿐이다.

진짜 기회는 ‘학습 루프’에 있다

이는 진정한 기회가 최고의 모델을 고르는 데 있지 않다는 뜻이다. 기회는 그 모델들 위에, 인적 자본과 토큰 자본이 복리처럼 누적되는 학습 루프를 쌓아 올리는 데 있다. 기업의 미래는 사람과 AI에 걸쳐 그 학습을 복리처럼 누적시키는 능력에 달려 있다.

“하나의 과업, 심지어 하나의 일자리는 남에게 맡길 수 있어도, 그 과정에서 쌓이는 학습만큼은 결코 남에게 맡길 수 없다.”

이를 위해서는 새로운 아키텍처 접근이 필요하다. 모든 기업이 자신의 지식재산(IP)에 대한 통제권을 유지하면서도, 시간이 지날수록 개선되는 에이전트형 시스템을 구축할 수 있어야 한다. 기업은 자신의 학습 시스템에 축적해 둔 “회사의 베테랑”으로서의 전문성을 잃지 않으면서도 “범용” 모델을 갈아 끼울 수 있어야 한다. 이것이 앞으로의 시대에 당신의 통제권과 주권을 가늠하는 핵심적인 “시험대”다.

기업은 자신의 업무 흐름과 도메인 지식, 그리고 축적된 판단력을 매번 쓸 때마다 개선되는 AI 시스템으로 바꿔내야 한다. 자체 평가(eval)2는 모델이 (단순히 외부 벤치마크가 아니라!) 그 기업에 정말로 중요한 성과를 기준으로 실제로 나아지고 있는지를 포착해야 한다. 자체 강화학습 환경3은 모델이 조직 내부의 실제 실행 기록(트레이스)을 토대로 더 강해지도록 해야 한다. 그리고 그 지식 베이스는 조직의 기억을 질의 가능한 형태로 만들고, 토큰 사용을 더 효율적으로 만든다.

이 루프가 기업의 새로운 지식재산(IP)이 된다. 나는 이것을, 한 걸음씩 더 높은 곳으로 스스로를 끌어올리는 언덕 오르기 기계4라고 생각한다. 그리고 대부분의 자산과 달리, 이것은 복리처럼 누적된다. 개선된 업무 흐름 하나하나가 더 나은 학습 신호를 만들어내고, 이는 그 기업만의 고유한 암묵지가 쌓이는 속도를 더욱 높인다. 이를 일찍 구축한 기업은 어떤 새로운 개별 모델 역량이 등장하더라도 쉽게 복제하기 어려운 우위를 갖게 될 것이다.

가치가 소수 모델로 쏠리면 안 되는 이유

우리 모두가 가장 원치 않는 것은, 모든 산업의 모든 기업이 눈에 보이는 것은 무엇이든 집어삼키는 소수의 모델에게 가치를 내주는 세상이다. 모든 가치가 오직 소수의 모델에만 귀속된다면, 정치경제는 결코 그것을 용인하지 않을 것이다. 산업 전체를 공동화하는 AI 미래에 대한 사회적 용인은 존재하지 않는다.

세계화의 첫 국면에서 무슨 일이 벌어졌는지 떠올려 보라.5 아웃소싱으로 인해 산업 기반의 경제 전체가 공동화되었다. GDP 수치는 겉으로는 멀쩡해 보였지만, 삶의 터전을 잃은 사람들의 고통은 실재했고 그 여파는 지금도 체감되고 있다. AI 시대에 그와 같은 양상을 끌어들여서는 안 된다. 소수의 AI 시스템이 경제적 수익을 모조리 거머쥐는 사이, 산업 전체가 자신이 딛고 선 지식을 발밑에서부터 범용화당해 빼앗기는 일은 막아야 한다.

프런티어 모델이 아니라 프런티어 생태계

내 생각에 우리의 우선순위는 단지 프런티어 모델이 아니라 프런티어 생태계6를 구축하는 데 있어야 한다. 그래야 가치가 모든 기업, 모든 산업, 모든 국가로 폭넓게 흘러간다. 모든 조직이 자신의 조직적 지식을 담아내는 학습 루프를 스스로 소유하고, 그렇게 인적 자본과 토큰 자본을 복리처럼 누적해 가는 생태계 말이다.

이것이 내가 줄곧 체득해 온 정신이다. 플랫폼은 그 안에 갇히는 가치보다 그 위에서 더 많은 가치가 창출되도록 만들고, 모든 기업이 끊임없이 혁신하며 자신만의 가치를 쌓아 올릴 수 있게 한다.

그렇게 될 때, 기업은 자신과 주변 경제 모두를 위한 가치를 창출하게 된다. 직원들은 자신의 전문성이 증폭되는 것을 보게 되고, 그들의 판단은 그 전문성을 복제 가능하고 확장 가능하게 만드는 시스템의 일부가 되며, 그 혜택은 주변의 기업과 공동체로 돌아간다.

바로 이것이 기업이 자신과 더 넓은 경제를 위해 가치를 만들어 내는 방식이다. 그리고 이것이야말로 우리가 함께 구축해야 할 안정적 균형이다.

“이것이야말로 우리가 함께 구축해야 할 안정적 균형이다.”

역자 주

  1. 토큰 자본(token capital): 나델라가 이 글에서 제시한 표현이다. 여기서 ‘토큰’은 AI 모델이 글을 처리하고 생성하는 최소 단위(대략 단어 조각)를 가리키는데, 그 사용량이 곧 AI를 부리는 연료이자 비용이다. 즉 토큰 자본이란 기업이 직접 구축하고 소유하는 AI 역량을, 사람이 쌓는 ‘인적 자본’에 빗대어 또 하나의 자산으로 본 개념이다.
  2. 자체 평가(eval): ‘이밸류에이션(evaluation)‘의 줄임말로, AI 모델의 성능을 정해진 문제 묶음으로 채점하는 평가 방식이다. 공개된 표준 시험(외부 벤치마크)과 달리, ‘자체 평가’는 그 기업의 실제 업무 성과를 기준으로 모델이 정말 쓸모 있게 나아지는지를 자기 기준으로 측정한다는 뜻이다.
  3. 강화학습 환경(reinforcement learning environment): AI가 시행착오를 거치며 스스로 더 나아지도록, ‘잘한 행동에는 보상을 주는’ 연습 무대를 마련해 주는 방식이다. 여기서는 기업 내부의 실제 업무 기록을 그 연습 무대로 삼아, 모델이 그 회사 일에 맞게 단련되도록 한다는 의미다.
  4. 언덕 오르기 기계(hill climbing machine): ‘언덕 오르기’는 최적화에서 흔히 쓰는 비유로, 한 걸음씩 더 높은 쪽으로만 옮겨 가며 정상을 찾아가는 반복적 탐색 방법이다. 나델라는 기업의 학습 루프가 매번 한 단계씩 스스로를 끌어올려 점점 나아진다는 점을 이 비유로 표현했다.
  5. 세계화와 공동화(空洞化): 1990년대 이후 세계화 국면에서 선진국 제조업이 인건비가 싼 해외로 생산을 아웃소싱하면서, 국내 산업 기반과 일자리가 속을 파먹힌 듯 비어 버린 현상을 가리킨다. 통계상 경제 규모는 멀쩡해 보여도 산업도시가 쇠퇴하는 등 그 후유증이 컸는데, 나델라는 AI 시대에 비슷한 일이 되풀이될 위험을 경고한다.
  6. 프런티어 모델 vs 프런티어 생태계: ‘프런티어 모델’은 성능의 최전선에 있는 소수의 최첨단 AI 모델을 뜻한다. 나델라는 가치가 그 소수 모델로만 쏠리는 구도는 위험하다고 보고, 그 대신 수많은 기업·산업·국가가 저마다 학습 루프를 소유해 가치를 폭넓게 나눠 갖는 ‘프런티어 생태계’를 글 전체의 대안으로 제시한다. 제목의 “생태계 없는 프런티어는 안정적이지 않다”가 바로 이 대비를 가리킨다.

저자 소개: 사티아 나델라(Satya Nadella)는 마이크로소프트 회장 겸 CEO다.

참고: 이 글은 사티아 나델라가 X(구 트위터)에 게시한 글을 번역한 것입니다.

원문: A frontier without an ecosystem is not stable - Satya Nadella, X (2026년 6월 15일)

생성: Claude (Anthropic)

총괄: (디노이저denoiser)