AI 스타트업을 평가하기 가장 어려운 시점은 제품이 나오기 전이다. 사용자가 확인할 성능과 활용 사례가 없는 상황에서는 기술 용어, 창업자의 설명, 투자 규모가 실제 역량의 증거처럼 받아들여지기 쉽기 때문이다.
AMI Labs는 이런 불확실성을 어떻게 다뤄야 하는지 보여주는 사례다. 핵심은 회사를 특정한 미래상으로 규정하는 것이 아니라, 제시된 기술적 방향을 검증 가능한 질문으로 바꾸는 데 있다.
용어와 기술, 증거를 분리해야 한다
AMI Labs는 자사 기술을 설명할 때 ‘AGI’와 ‘초지능’이라는 용어를 사용하지 않는다고 밝혔다.1 그러나 특정 표현을 피한다는 사실만으로 기술 수준이나 개발 전략이 입증되는 것은 아니다.
투자자와 독자는 세 층위를 구분할 필요가 있다.
용어: 기업이 자신의 목표를 어떤 말로 설명하는가
기술적 가설: 시스템이 무엇을 예측하고 처리하려는가
검증 자료: 제품과 평가 결과가 그 가설을 얼마나 뒷받침하는가
AMI Labs에서 현재 확인할 수 있는 것은 첫 번째와 두 번째 층위다. 세 번째 층위는 공개 제품이 없기 때문에 아직 판단할 근거가 제한적이다.
‘다음 상태 예측’은 출발점이지 성능 결론이 아니다
국제머신러닝학회 참석을 위해 서울을 방문한 알렉상드르 르브룅은 LLM과 세계 모델의 차이를 예측 대상의 차이로 설명했다. LLM이 다음 텍스트를 예측한다면, 세계 모델은 다음 상태를 예측한다는 구분이다.1
이 설명은 기술 방향을 이해하는 데 유용하지만, 곧바로 우수한 현실 이해 능력을 의미하지는 않는다. 오히려 다음과 같은 검증 질문을 만든다.
모델이 말하는 ‘상태’에는 어떤 정보가 포함되는가
예측 정확도는 어떤 방식으로 측정되는가
짧은 변화뿐 아니라 여러 단계에 걸친 결과도 다룰 수 있는가
예상과 다른 상황이 발생했을 때 오류를 감지하고 수정할 수 있는가
언어로 주어진 목표와 상태 예측을 어떻게 연결하는가
세계 모델이라는 이름보다 중요한 것은 이 질문들에 대한 구체적인 답이다. 현재 AI의 한계와 이후의 기술 방향을 둘러싼 논의에서도 새로운 명칭 자체보다 실제 능력을 어떻게 확인할지가 핵심 쟁점이 된다.2
투자 조건은 기대를 보여주지만 검증을 대신하지 않는다
AMI Labs는 3월 투자 전 기업가치 35억 달러를 기준으로 10억 3천만 달러를 조달했다. 반면 아직 출시한 제품은 없다.1
두 사실은 함께 읽어야 한다. 큰 투자 규모는 회사에 대한 높은 기대가 거래 조건에 반영됐음을 보여주지만, 세계 모델의 성능이나 상용성을 직접 증명하지는 않는다. 투자와 기술 검증은 서로 다른 판단 영역이다.
특히 제품 공개 전 기업을 볼 때는 기업가치보다 향후 어떤 증거가 나오는지를 살펴봐야 한다. 공개 제품의 범위, 평가 기준, 반복 가능한 성능 자료가 제시돼야 기술적 설명과 실제 구현 사이의 거리를 판단할 수 있다.
상용화에서는 정확도 외의 선택도 드러난다
세계의 다음 상태를 예측하는 능력이 실제 제품으로 이어지려면 여러 선택이 필요하다. 모델이 다룰 환경을 얼마나 넓게 설정할지, 속도와 정확도 사이에서 무엇을 우선할지, 잘못된 예측이 행동으로 이어지지 않도록 어떤 통제 방식을 둘지가 대표적이다.
범위를 넓히면 활용 가능성은 커질 수 있지만 검증해야 할 상황도 많아진다. 반대로 제한된 환경에 집중하면 성능을 확인하기 쉬워질 수 있지만, 기술의 일반성을 주장하기는 어려워진다. AMI Labs가 어떤 제품을 내놓는지는 이 같은 선택의 결과를 보여주는 첫 단서가 될 것이다.
앞으로 확인할 다섯 가지
AMI Labs의 다음 행보를 볼 때는 다음 항목을 우선 확인할 필요가 있다.
첫 제품이 해결하려는 문제가 구체적으로 무엇인지
‘다음 상태 예측’을 어떤 지표와 절차로 평가하는지
제한된 조건과 낯선 조건에서 성능 차이가 어떻게 나타나는지
예측 결과가 계획이나 행동으로 이어질 때 안전장치가 있는지
대규모 투자에 상응하는 개발 진척을 외부에서 확인할 수 있는지
현 단계에서 AMI Labs를 성공이나 실패로 단정하기는 이르다. 다만 이 회사를 둘러싼 관심은 제품 이전 단계의 AI 기업을 평가할 때 무엇을 구분해야 하는지를 선명하게 보여준다. 거대한 미래를 가리키는 용어보다, 모델이 무엇을 예측하고 그 능력을 어떤 방식으로 입증하는지가 더 중요한 판단 기준이다.
1Why AMI Labs' Alexandre LeBrun won't call his AI 'AGI' or 'superintelligence'
2AI is 'not smart' so what's next in artificial intelligence?
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.