JYP Garden

EP 97. AI Psychosis 시대의 사람들

Properties1
tagsai-psychosis, ai-talent, harness, codex, claude-code, ai-native, ai-surface, 컨트롤-레이어, slow-ai, 만담, knowledge

17 min read

EP 97. AI Psychosis 시대의 사람들

노정석 채널의 만담형 에피소드. 노정석·최승준 두 호스트가 2026년 5월 17일 녹화에서 Codex/Claude-Code 시대 이후의 AI 애플리케이션 형태, AI 인재상, 그리고 모두가 호소하기 시작한 “AI Psychosis”에 대해 나눈 대화.

IDEAS

  1. 모델 ↔ 하네스 선순환: 모델이 좋아지면 하네스가 따라오고, 하네스의 특징은 다시 모델 내부로 흡수되며 끊임없이 진보한다
  2. AI 코딩의 보편화: 작년 말 엔지니어 계층 한정 유행이었던 Claude-Code/Codex 워크플로우가 1년 만에 모든 지식 노동자 계층으로 침투했다
  3. 컴퓨테이션 격차: Anthropic은 컴퓨트 부족으로 가격 인상·Ralph-Loop 등 익스플로잇 페널티 정책으로 전환한 반면, OpenAI는 위클리 리밋 여유 있는 Codex로 우위 확보
  4. AGI에서의 G 강조: GPT-5.5 이후로 사람들은 모델의 “general capability”를 본격적으로 AGI 수사로 묶기 시작했다
  5. 모델 활동 주기 2개월: 프론티어 모델 1개당 약 2개월 단위로 일몰·교체된다 (Dwarkesh 인터뷰 인용)
  6. T_brain 병목: 모델·하네스의 발전이 인간의 인지 처리 시간을 새로운 병목 변수로 만들고 있다
  7. Codex = 슈퍼 앱: Codex는 GPT-5.5 + computer use + 툴 + 맥락 관리의 결합으로, “쿠팡에서 삼다수 주문”까지 처리할 수 있는 general harness가 되었다
  8. AI 애플리케이션 = 95% 하네스 + AI Surface: 미래 AI 애플리케이션은 모바일-앱이 아니라 하네스 덩어리 + 대화형 AI-Surface다
  9. 사업자는 task completion을 판다: 더 이상 UX/툴이 아닌, 문제 해결 자체가 상품이 된다
  10. 컨트롤-레이어-하네스의 두 축: 차별화된 툴 셋 × 볼모로 잡힌 고객 데이터의 곱이 회사 가치를 결정한다
  11. Unbundling Oracle/ChatGPT 동형 반복: 지난 20년이 Oracle을 풀어해친 시대였듯, ChatGPT도 수많은 버티컬로 unbundle 될 것이다
  12. AI-네이티브-vs-AI-어시스티드 구분: 사람 개입 없이 워크플로우가 끝나면 네이티브, 사람이 하던 일을 AI로 보조만 하면 어시스티드. 대부분 회사는 후자에 머문다
  13. 레거시 회사 한계: DX가 안 끝난 회사에 AI를 붙이는 컨설팅은 단가가 무너지고 있으며, 그 회사를 공격하는 창업이 다음 거대한 파도다
  14. AX 컨설팅·FDE 단가 하락: “어차피 Claude Code 딸깍거릴 거잖아”라는 인식 때문에 Forward-Deployed-Engineer 단가가 빠르게 하락 중
  15. AI talent 두 분류: ① 도메인 지식 기반 명확한 목표를 찍는 사람 ② 목표조차 메타 위임하는 사람 (둘 다 AI 능숙은 디폴트 가정)
  16. 추론 인프라 readiness: 자체 서비스를 가지려면 vLLM·SGLang을 깔고 끝이 아니라 prefill/decode/context-length별 orchestration 엔지니어링이 필요하다. 한국에서는 Lablup이 정점
  17. Codex 1세대 BigTable/MapReduce 비유: 지금 OpenAI·Google급 추론 인프라는 2000년대 초 Google 내부 BigTable에 해당하며, 오픈도메인이 Hadoop처럼 따라잡는 데 시간이 걸린다
  18. AI-Psychosis: Karpathy가 자신의 상태로 묘사한 과몰입·도파민 슬롯머신 상태. 사회 인센티브가 과몰입 인간을 보상하는 구조 때문에 필연적으로 확산 중
  19. Bio token 소모: context switching이 인간 뇌의 학습 내면화 능력을 갉아먹는다
  20. Cat Wu의 Anthropic 채용 기준: “기본 역량 있는 상태에서 혼돈을 즐길 수 있는 사람”
  21. 좋은 직업의 소멸: 안정된 타이틀로 루틴만 돌리던 좋은 자리들은 지금 다 사라지고, 불확실성을 견디며 의사결정할 수 있는 사람만 살아남는다
  22. Slow-AI / mind-sized bites: Seymour Papert의 “내 마음이 소화할 수 있을 만큼의 한 입”을 따라 자기 페이스로 학습하는 흐름이 반작용으로 등장
  23. Dwarkesh 학습법: AI 활용 + 의도적 부하 작업 + spaced repetition · Anki · AlphaGo 스크래치 구현 등 자기 역량 끌어올리기
  24. 주니어 학습 기회 박탈 해결: AI로 가상 훈련장을 만들어 주니어를 “가혹하게 훈련시킨 후 졸업”시키는 교육 사업의 가능성
  25. 앞으로의 사업 = 브랜드 + 디스트리뷰션: 빌드 능력이 보편화되면 only one 포지셔닝과 디스트리뷰션이 결정 변수가 된다
  26. 서브컬처 = 새로운 메인스트림: AI 안 하는 사람들의 커뮤니티 자체가 별개의 시장이 된다
  27. 모든 문제를 compute로 환원: Ralph-Loop를 3회 돌려 컨센서스가 나오면 그대로 실행하는 패턴 — “모델이 나보다 낫다”는 가정 위에 선 이상주의적 의사결정
  28. 유지보수성 우려: Mario Zechner·Mitchell Hashimoto는 테스트만 통과하면 깨진 아키텍처가 누적되는 AI psychosis 변종을 경고

INSIGHTS

  1. AI 애플리케이션 시대가 막 열렸지만, 그 형태는 전통 앱이 아니라 “솔루션 자체를 파는 워크플로우”다. UX 설계 능력은 더 이상 차별점이 아니며, 컨트롤-레이어-하네스 장악이 새 경쟁의 본질이다.
  2. 하네스 경쟁의 두 축은 차별화된 툴 셋 × 볼모로 잡힌 고객 데이터. 쿠팡·카카오 같은 마켓 리더가 ChatGPT의 computer use를 견디는 유일한 길은 이 두 축에서 ChatGPT가 닿을 수 없는 컨트롤을 유지하는 것이다.
  3. AI Psychosis는 시장 인센티브의 함수다. 단기적으로 시장이 과몰입 인간을 보상하는 한, bio-token-소모 문제는 개인 차원에서만 해결할 수 없고 구조적 반작용(Slow-AI)이 시장이 된다.
  4. 메타 위임형 talent는 비즈니스로는 작동하지만 개인 학습 내면화에서는 한계가 있다. 노정석이 longevity·생명공학 공부를 “한 두 달”이라 표현했지만 사실 10여 년 누적 컨텍스트가 있었음을 인정한 자기 검증 사례.
  5. Unbundling Oracle 패턴의 동형 반복. 지난 20년의 SaaS·앱 분화 사이클이 ChatGPT 위에서 다시 시작되며, 결국 균형은 카테고리별 only one 회사들로 재형성될 것이다.
  6. AI talent의 필요조건은 이미 보편화되었다. Codex/Claude Code/Hermes/OpenClaw 사용 능력은 디폴트이고, 충분조건은 도메인 지식 + 타이밍 센스 + 자본 활용 능력으로 이동한다.
  7. 추론 인프라 orchestration readiness가 다음 사이클의 진입장벽이 된다. 단일 워크로드 특성(prefill 비중, decode dependency, context length)에 맞는 인프라 설계를 갖춘 회사만 자체 서비스를 가질 수 있다.
  8. 빌드 능력이 보편화되면 브랜드와 디스트리뷰션, 그리고 only one 포지셔닝이 사업의 결정 변수가 된다. 베스트가 되는 것보다 유일한 것이 되는 전략이 우월해진다.

QUOTES

“AI 애플리케이션 자체의 틀, 이거 보면은 거의 95% 그냥 하네스 덩어리잖아요.”

“사업자들이 팔아야 되는 거는 문제의 해결을 팔아야 되는 거거든요. task completion을 팔아야 되는 거여서.”

“하네스 = 컨트롤 레이어라고 생각하는데, 그 컨트롤을 얼마나 잡을 수 있느냐가 이젠 그 회사들의 새로운 가치가 될 거다.”

“남의 마진은 나의 기회. 그래서 이런 쪽으로 올 것 같고.”

“이미 존재했던 애플리케이션 딸깍딸깍 해서 카피해서 내 거 내놓기는 이제 연습 문제고, 마치 딥러닝 처음 시작할 때 MNIST 문제 푸는 것과 이제 같아진 거죠.”

“투두 리스트에 뭘 해야 되겠다라고 넣어 놓으면 마치 다 한 것과 같은 착각. 왜냐하면 그걸 AI한테 시키면 걔가 할 테니까.”

“기본적인 역량이 있는 상태에서 혼돈을 즐길 수 있는 사람을 찾는다.” — Cat Wu, Anthropic 채용 기준

“Make some kind of demanding artifact, write something.” — Michael Nielsen이 Dwarkesh에게 준 조언

“내 마음이 소화할 수 있을 만큼의 한 입 (mind-sized bites)” — Seymour Papert

“남의 거가 있으면 거기 가서 하지 말고 내 걸 창조해서 거기서 1등이 되는 거. 언제나 최고가 되는 것보다, 더 좋은 거가 되는 것보다 제일 베스트는 그 유일한 게 되는 거거든요.”

“T_compute, T_mem 이런 얘기 했었는데 저는 요새 T_brain에 대한 생각을 하게 되더라고요.” — 최승준

“결국은 진짜 그냥 모든 문제를 다 compute로 환원시켜서 풀 수 있다라는 이상주의적인 사고인 거죠.”

FACTS

항목내용
녹화일2026-05-17 (일)
에피소드EP 97
현재 활동 모델GPT-5.5 (5.2 일몰 예정, 5.6 곧 출시 예고)
프론티어 모델 활동 주기약 2개월 (Dwarkesh × Ryan Petersen 인터뷰 Chinchilla 산수 기준)
METR 측정치Mythos급 모델 16.5시간 (METR 측정 방식 수정 예고 트윗)
Claude Pro 가격 변경2026-06부터
캐릭터 챗 Zeta 월 매출50억 원 이상 (1인 운영)
한국 추론 orchestration 정점Lablup
Karpathy 작업 흐름 변화2025-10 Dwarkesh 인터뷰 시점 Cursor 탭 → 이후 OpenClaw delegation
BigTable/MapReduce 비유2000년대 초 Google 내부 인프라 → Hadoop이 따라잡는 데 수년
Anthropic 데이터센터Colossus 확보했음에도 컴퓨트 여유 부족 소문

HABITS

  • Ralph loop 3회 컨센서스: 광고 운영 등 핵심 비즈니스 로직조차 Ralph-Loop 3회 돌려 동일 결과가 나오면 그대로 실행
  • Meta agent 구조: Hermes·OpenClaw 같은 메인 에이전트가 Codex·Claude-Code를 서브 에이전트로 관리
  • Mobile delegation: 식사 중에도 SSH·iPad·모바일로 끊임없이 에이전트에 작업 위임
  • Auto-research × Ralph loop 결합: 도메인 지식 catch-up 시 목표조차 Auto-research로 자동 탐색
  • Dwarkesh 스타일 자기 학습: AI 활용 + 칠판 공부 세션 + 플래시 카드 / Anki 간격 학습 + AlphaGo 스크래치 구현
  • Demanding artifact 작성: Michael Nielsen 조언처럼 자기에게 부하를 거는 “데모/글/구현” 산출물 의도적으로 만들기

RECOMMENDATIONS

  1. 기존 회사의 AI 어시스티드 컨설팅보다, 그 회사 워크플로우를 AI 네이티브로 새로 쓰는 창업으로 방향을 옮겨라 — 남의 마진은 나의 기회
  2. 컨트롤-레이어-하네스의 두 축(차별화된 툴 셋 × 볼모로 잡힌 고객 데이터)에 집중하여 ChatGPT의 general harness가 침투할 수 없는 영역을 설계하라
  3. AI talent 채용 시 Codex/Claude Code 능숙은 디폴트로 보고, 도메인 지식 + 타이밍 센스 + 혼돈 내성을 평가하라 (Anthropic Cat Wu 기준)
  4. 자체 AI 서비스를 가지려는 회사는 Lablup 수준의 추론 orchestration readiness 확보를 우선 과제로 삼아라
  5. AI Psychosis 대응: 시장 인센티브가 과몰입을 보상하는 동안 Slow-AI·mind-sized bites 원칙으로 개인 학습 페이스를 보호하라
  6. Dwarkesh 모델 차용: AI를 극강으로 쓰는 동시에 의도적 부하 작업(demanding artifact)을 병행하여 학습 내면화 보존
  7. 사업의 결정 변수가 빌드 능력에서 브랜드·디스트리뷰션·only one 포지셔닝으로 이동하고 있음을 인식하고, 마케팅 기본기로 회귀하라
  8. 너무 어린 학습자에게 AI 의존 학습을 강제하지 말고, 사고력이 형성된 후 도구로서 도입하라

REFERENCES

원본 자료

  • 자막 원본: 00-Inbox/youtube/cUc8iK6LG0k.ko.vtt
  • Cleanup 본: 00-Inbox/youtube/cUc8iK6LG0k.cleaned.md

그래프 뷰