Perplexity 창업자가 바라본 빅테크 창업자
구글, 메타, 아마존, 테슬라 창업자, 엔비디아 젠슨 황에 대하여
Perplexity 창업자 아라빈드 스리니바스(Aravind Srinivas)와 렉스 프리드만(Lex Fridman) 인터뷰에서 구글 창업자 래리 페이지, 세르게이 브린, 아마존 창업자 제프 베조스, Meta 창업자 마크 저커버그, 테슬라 창업자 일론 머스크에 대한 그의 생각을 밝혔습니다.
래리 페이지와 세르게이 브린에 대한 존경
Perplexity에 영감을 준 래리 페이지와 세르게이 브린
Aravind Srinivas는 래리 페이지와 세르게이 브린을 존경하며, 구글의 기업 문화를 잘 설명한 책 In The Plex와 How Google Works를 여러 번 읽었다고 밝혔습니다.
그는 구글이 초기 다른 검색 엔진들과 달리 동일한 방식으로 경쟁하지 않았다는 점에 주목했습니다. 다른 검색 엔진들이 텍스트 기반 유사성에 집중할 때, 구글은 링크 구조에서 랭킹 신호를 추출하는 방법을 고안해냈습니다. 이것이 바로 PageRank의 핵심 아이디어였습니다. Google Scholar 검색의 학술 인용 그래프는 Perplexity 제품 개발에 영감을 주었으며, Perplexity는 인용 빈도가 높은 도메인에 랭킹 신호가 있다고 판단하고, 이를 기반으로 새로운 인터넷 랭킹 모델을 구축하여 구글의 클릭 기반 랭킹 모델과 차별화를 이루었습니다. Aravind Srinivas는 이러한 점에서 구글 창업자들을 존경한다고 밝혔습니다. 래리 페이지와 세르게이 브린은 깊이 있는 학문적 배경을 가지고 있었고, 다른 창업자들처럼 대학 중퇴 후 회사를 창업한 것이 아닌, 스탠포드에서 박사 과정을 밟으며 학문적 뿌리를 바탕으로 많은 사람들이 사용하는 제품을 만들었습니다. 이는 Srinivas에게 큰 영감을 주었다고 합니다.
박사급 인재 중심의 팀 빌딩
구글 창업자들은 제품이 사용자들 사이에서 인기를 얻기 시작하자, 전통적인 인터넷 비즈니스 방식대로 비즈니스 팀이나 마케팅 팀을 구성하는 대신, “검색이 실제로 중요할 것이니 가능한 한 많은 박사들을 고용하겠다”는 역발상의 통찰력을 가졌습니다. 당시 인터넷 버블이 터지면서 많은 박사급 인재를 비교적 저렴한 비용으로 채용할 수 있었고, 이를 통해 Jeff Dean과 같은 뛰어난 인재를 영입하여 핵심 인프라와 깊이 있는 연구에 집중할 수 있었습니다.
사용자는 결코 틀리지 않는다
‘사용자는 결코 틀리지 않는다’는 단순하지만 심오한 구글 창업자들의 철학은 Perplexity가 작은 세부 사항을 중요하게 다루게 만든 주요 원동력이었습니다. 예를 들어, 검색창에 커서를 미리 표시해 사용자가 바로 쿼리를 입력할 수 있게 하고, 답변이 맨 아래까지 자동으로 스크롤되며, 모바일 앱에서 검색창을 클릭할 때 키패드가 빠르게 나타나도록 하는 것 등이 있습니다. Aravind Srinivas는 또한, 래리 페이지가 크롬을 초기 출시할 때 오래된 윈도우 버전과 구형 노트북에서 테스트한 사례를 들어 속도(latency)의 중요성을 강조했습니다. 그는 비행기 와이파이가 보통 형편없기 때문에 그 상황에서도 Perplexity 앱이 빠르게 작동하는지 확인하며, ChatGPT나 Gemini 같은 다른 앱과 비교해 지연 시간을 점검한다고 합니다. 렉스 프리드먼 역시 인터뷰에서 지연 시간을 집요하게 줄이면 사용자가 느끼는 경험이 급격히 개선되며 불만족이 줄어든다고 언급했습니다.
LLM 기반의 제품을 개발하는 팀은 사용자가 프롬프트 엔지니어링을 잘못했다고 비난할 수 있습니다. 그러나 구글의 ‘사용자는 결코 틀리지 않는다’는 철학을 기억한다면, 사용자가 입력한 것이 무엇이든 항상 높은 품질의 답변을 제공해야 한다고 그는 밝힙니다. 이렇게 하면, 사용자가 게으르거나 오타를 내거나 음성 전사가 잘못되었더라도 원하는 답을 얻고 제품에 만족하게 됩니다. 이것이 바로 사용자 중심의 제품을 만들어야 하는 이유입니다.
추가로 Aravind Srinivas는 프롬프트 엔지니어링이 장기적으로 중요한 일이 되지 않을 것이라고 생각하며, 사용자가 요청하지 않아도 그들이 원하는 결과를 제공할 수 있는 제품을 만드는 것이 중요하다고 밝혔습니다.
사람들은 게으르다
Aravind Srinivas는 제품이 사용자가 정교한 쿼리를 입력하지 않더라도 몇 가지 단어만으로 충분히 작동하도록 설계되어야 한다고 설명합니다. 그는 사람들이 본질적으로 게으르기 때문에, 더 나은 제품은 사용자가 더 쉽게, 더 게으르게 사용할 수 있도록 만들어야 한다고 주장합니다. 물론 사용자가 명확한 문장을 입력하여 사고를 깊게 하는 것도 중요하지만, 궁극적으로 제품에는 일종의 ‘마법’이 필요하며, 그 마법은 사용자가 더욱 편리하게 사용할 수 있게 만드는 데 기여해야 한다고 강조합니다.
우리가 싸워야 할 가장 큰 적은 구글이 아니다. 사람들은 질문을 잘 못한다
Perplexity의 공동 창업자와 디자이너는 UX에 대해 논의하면서 “우리가 싸워야 할 가장 큰 적은 구글이 아니라, 사람들이 질문을 잘 못하는 것이다”라고 말했습니다. Aravind Srinivas는 왜 사람들이 렉스 프리드먼처럼 팟캐스트를 잘할 수 없는지에 대해 언급하며, 좋은 질문을 하는 데에는 기술이 필요하다고 설명합니다. 모든 사람에게 호기심은 있지만, 그 호기심을 잘 표현된 질문으로 바꾸는 능력은 모든 이가 갖추지 못한 것입니다. 호기심을 질문으로 정제하는 데는 깊은 사고가 필요하며, 그 질문을 AI에 잘 전달할 수 있도록 만드는 것 또한 기술이 요구됩니다.
렉스 프리드먼은 질문의 순서가 중요하다고 강조했으며, Aravind Srinivas는 구글에서 영감을 받아 Perplexity에 사용자가 첫 질문을 쉽게 할 수 있도록 돕고, 흥미로운 질문을 제안하는 기능을 반영했다고 밝혔습니다. 구글은 사용자가 자주 묻는 질문이나 추천 질문을 자동 완성 바에서 제시하여 질문 시간을 최소화하고 사용자 의도를 정확하게 예측하려고 합니다.
제품이 너무 단순하면, 이게 다일까?
신규 사용자를 늘리면서 기존 사용자를 유지하는 것은 매우 어려운 과제입니다. 한 노트 앱은 파워 유저를 위한 기능을 계속 추가하다가, 결국 새로운 사용자들이 제품을 이해하지 못하게 되는 상황에 직면했습니다. 페이스북의 초기 데이터 과학자 중 한 명은 새로운 사용자들을 위한 기능 출시가 기존 사용자보다 더 중요하다고 언급한 바 있습니다. 이는 하루 종일 논의할 수 있는 주제이며, 이 때문에 제품 디자인과 성장은 결코 쉬운 일이 아닙니다.
제품 개발자에게 가장 큰 도전 중 하나는 제품에 대해 혼란을 느끼는 사용자들입니다. 이들은 좌절하지만 그 신호는 미약하거나 없으며, 몇 가지 시도만 해보고 제품을 떠나기 때문에 무슨 일이 일어났는지 파악하기 어렵습니다. 모든 제품은 이러한 침묵하는 사용자가 다시 제품으로 돌아올 가능성을 높이는 지표를 찾아야 합니다. 예를 들어, 페이스북은 가입 시 친구가 많을수록 페이스북에 머무를 가능성이 높다는 점을 발견했고, 우버는 성공적으로 탑승한 횟수를 중요한 지표로 삼았습니다.
Aravind Srinivas는 Perplexity의 경우, 사용자를 만족시킨 쿼리의 수가 중요한 지표라고 말했습니다. 이는 제품이 빠르고 정확하며, 답변이 쉽게 읽혀야 한다는 것을 의미합니다.
Jeff Bezos가 제공한 영감
명확한 사고의 중요성
Aravind Srinivas는 Jeff Bezos를 통해 명확한 사고의 중요성을 이해했다고 밝혔습니다. 그는 스타트업에서는 문서를 많이 작성하지 않으려고 하지만, 본인이 명확한 사고를 가지기 위해 가끔 전략 문서를 작성하는 것은 중요하다고 언급했습니다. (다음 6개월 동안 우리가 무엇을 할지, 왜 그것을 하는지, 그리고 우리의 포지셔닝은 무엇인지). 또한 회의가 더 효율적이 될 수 있는 이유는 내가 회의에서 무엇을 얻고자 하는지 명확히 알고 있을 때 잘 진행될 수 있다고 했습니다.
사용자에 대한 집착
“당신은 인터넷 회사인가요?” Jeff Bezos는 “인터넷이든 아니든 중요하지 않습니다. 중요한 것은 고객입니다.”
Aravind Srinivas는 “perplexity는 래퍼(wrapper)인가요, 아니면 독자적인 모델을 구축하나요?“라는 질문을 받을 때 Jeff Bezos와 유사하게 답변을 한다고 합니다. “네, 우리는 둘 다 합니다. 하지만 중요한 것은 그것이 아닙니다. 중요한 것은 답변이 효과적이고, 빠르고, 정확하며, 읽기 쉽고, 제품이 잘 작동하는 것입니다. AI가 부모님 세대까지 사용하게 되는 그런 널리 퍼진 기술이 되려면, 사람들은 그 제품이 어떤 모델을 사용하고 있는지조차 신경 쓰지 않게 될 때 가능하다고 생각합니다.”
Elon Musk가 제공한 영감
Aravind Srinivas는 모든 비즈니스에서 가장 어려운 것은 유통이라 밝히며, 일론 머스크가 이를 테슬라를 통해 이뤘다고 밝혔습니다.
일론 머스크는 그의 첫 번째 회사인 Zip2에서 그는 구글 맵과 같은 것을 만들려고 했습니다. 하지만 결국 그 회사는 자사의 기술을 다른 사람들의 사이트에 제공하는 방식으로 계약을 체결했고, 그 결과 사용자와의 직접적인 관계를 잃어버렸습니다. 비즈니스 관점에서는 이익을 내야 하고, 사람들이 돈을 지불하지만, Tesla에서는 그렇게 하지 않았습니다. 그는 실제로 딜러나 다른 경로를 거치지 않았습니다. 대신 사용자와의 직접적인 관계를 형성했습니다. 이는 대중과 접점이 줄어준다는 리스크도 있지만 일론 머스크는 놀랍게도 직접 판매를 해냈습니다.
이밖에 일론 머스크가 강력한 의지, 원칙적 사고, 주인의식을 바탕으로 매우 디테일한 업무(오토바일럿의 annotation 작업 실무)까지 직접 함으로써 어려운 병목 현상을 어떻게 돌파할지 그리고 시스템을 어떻게 단순화할지를 파악할 수 있게 된다고 했습니다.
젠슨 황의 리더십과 혁신에 대한 통찰
나는 1대 1 회의를 거의 하지 않습니다. 시스템 전반적으로 정보를 얻고 싶기 때문에 60명의 직접 보고자들과 함께 모여서 모든 지식을 한 번에 얻고 점들을 연결합니다. 이렇게 하면 훨씬 효율적입니다.
젠슨 황의 리더십 스타일은 세부 사항에 대한 철저한 이해와 시스템의 지속적인 개선에 대한 집착에서 두드러집니다. 그는 모든 정보를 한 번에 얻기 위해 1대 1 회의 대신 60명의 직접 보고자들과 함께 모여 회의를 진행하며, 이를 통해 더 효율적으로 결정을 내릴 수 있는 방법을 찾습니다. 이러한 방식은 기존의 지혜를 의심하고, 새로운 방법으로 일을 수행하려는 그의 독창성을 반영합니다.
젠슨 황은 차세대 기술을 끊임없이 제공하며, B-100 칩셋이 H-100에 비해 30배 더 효율적일 것이라는 점을 강조합니다. 이는 단순한 성능 향상을 넘어선, 혁신적 변화를 예고하는 것입니다. 젠슨 황은 단기적인 계획을 넘어서 10년, 20년, 심지어 30년 후를 내다보며 기술 개발에 임하고 있습니다. 그는 이러한 장기적 비전 덕분에 NVIDIA의 성공을 이끌고 있으며, AI와 컴퓨팅의 미래를 주도할 준비를 하고 있습니다.
어떻게 성공을 유지하면서도 열심히 일하십니까?
Aravind Srinivas는 젠슨 황을 만날 기회가 있었고, “어떻게 성공을 유지하면서도 열심히 일하십니까?“라고 질문을 했습니다. 이에 대해 젠슨 황은 “사실 나는 사업이 망할까 봐 매우 두렵습니다. 매일 아침 땀을 흘리며 일어나서 무슨 일이 잘못될지를 고민합니다.“라고 답했습니다. 하드웨어은 최소한 2년 전에 계획을 세워야 하는데, 한 세대의 아키텍처에서 실수를 하면 큰 손실로 이어질 수 있는 분야이기 때문에, 젠슨 황은 항상 세심한 주의를 기울이고 있다고 밝혔습니다(추진력, 두려움, 세부 사항에 대한 집착).
마크 저커버그와 오픈 소스에 대한 리더십
빠르게 움직이고 기존 질서를 파괴하라.
마크 저커버그는 빠르게 움직여 혁신을 이루려는 집착으로 잘 알려져 있으며, 오픈 소스 AI 모델을 선도하는 역할을 하고 있습니다. 저커버그는 Llama-3-70B와 같은 AI 모델(GPT-4와 거의 유사한 수준의 모델)을 오픈 소스로 공개함으로써 AI의 발전을 독점하려는 몇몇 기업에 대한 대안적 접근을 제공합니다. 이러한 움직임은 AI 연구의 투명성을 높이고, 더 많은 플레이어가 AI 모델을 개발할 수 있는 기회를 제공합니다.
저커버그의 리더십은 단순히 기업의 이익을 넘어선, AI 기술의 민주화에 기여하고 있습니다. 그는 AI 기술이 몇몇 대기업에 의해 독점되는 대신, 더 많은 사람들이 접근할 수 있도록 함으로써 혁신을 촉진하고 있습니다.
얀 르쿤의 통찰과 자가 지도 학습의 중요성
얀 르쿤은 자가 지도 학습과 에너지 기반 모델을 통해 AI 연구에 큰 기여를 해왔으며, 많은 후학들에게도 영향을 미쳤습니다(DeepMind의 CTO인 Koray, OpenAI에서 DALL-E를 발명한 Aditya Ramesh, OpenAI의 공동 창립자 Wojciech Zaremba).
강화 학습은 단지 케이크 위의 체리일 뿐이다(RL is just the cherry on the cake.)
그는 2016년에 강화 학습(RL)이 AI의 미래가 될 것이라는 대중의 생각에 반대하며, 대부분의 지능은 자가 지도 학습에 기반해야 한다고 주장했습니다. 그의 이러한 통찰은 현재의 AI 모델 개발에 큰 영향을 미쳤습니다.
자기 회귀 모델은 한계에 다다를 수 있다(autoregressive models might be a dead end)
얀 르쿤은 현재 자기 회귀 모델의 한계에 대해 논의하며, AI 시스템이 원시 입력 공간이 아닌 더 추상적인 표현에서 추론을 수행해야 한다고 주장합니다. 이는 AI 시스템이 더 효율적이고 강력하게 작동할 수 있는 가능성을 열어줍니다. Aravind Srinivas는 얀 르쿤이 주장하는 것이 아마 맞을 것이라고 힘을 실어주며 추상적인 표현(abstract representation)에서 추론을 한다면 훨씬 더 효율적일 수 있다고 의견을 밝혓습니다.
만약 어떤 것이 위험하다고 주장한다면, 더 많은 사람들이 그것을 살펴보는 것이 좋지 않겠습니까?
얀 르쿤은 또한 AI 안전성을 유지하는 방법으로 오픈 소스를 강조합니다. 오픈 소스를 통해 더 많은 사람들이 AI 시스템을 검토하고, 그 사용 가능성과 잠재적 위험을 평가할 수 있기 때문에, AI 기술의 안전성을 높일 수 있다는 것입니다. 그는 AI 기술의 투명성과 협력적 발전이 AI 안전성을 확보하는 데 필수적이라고 믿고 있습니다. Aravind Srinivas 역시 오픈 소스를 통해 시스템이 어떻게 오용될 수 있는지 더 빠르게 파악하고, 그것에 대한 적절한 보호 장치를 마련할 수 있다고 말했습니다.
--
방금 읽으신 글이 유용하셨다면 제가 운영하는 뉴스레터 구독해주시면 감사하겠습니다 :)
