내레이션: 앞으로 10~15년 뒤에는 발견의 새로운 황금기에 들어서게 될 겁니다. 그래서 저는 일종의 새로운 르네상스가 오길 바랍니다. 우리는 AI 혁명의 한가운데에 있지만, 2014년 1월을 비즈니스 역사에서 가장 निर्ण정적인 순간 중 하나로 되돌아보게 될지도 모릅니다. 그달이 바로 Demis Hassabis가 자신의 AI 회사 Deep Mind를 Google에 매각한 때였습니다. 내레이션: 그는 Meta의 Mark Zuckerberg가 제시한 더 높은 제안을 물리쳤고, 그 인수가 Elon Musk를 настолько 두렵게 만들어서 Sam Altman과 함께 ‘Rimmel’ 회사를 시작하기로 결심하게 했는데, 지금은 Open AI라고 불립니다. 시간이 흘러 지금에 와서도 Demis는 여전히 ‘넘어야 할 상대’입니다. 그는 Gemini를 포함해 Google의 모든 AI 이니셔티브를 이끌고 있으며, 여가 시간에 Open AI의 사용자 기반을 빠르게 잠식하고 있습니다. Demis는 노벨상을 받았고, AI로 모든 질병을 ‘해결(solve)’하겠다는 스타트업 isomorphic도 운영하고 있습니다. 내레이션: 저는 다보스에서 열린 World Economic Forum에서 Demis를 만나 그가 생각하는 미래의 방향을 들어봤습니다. 저는 Allison Chantal이고, 이 프로그램은 Fortune 500 Titans and Disruptors of Industry입니다. 스폰서 메시지 후 Demis와 함께 돌아오겠습니다. 스폰서(광고): 이 주제는 제가 참여하는 모든 CXO 대화의 핵심입니다. 그리고 제 생각에 사고의 출발점은, 반드시 화려하거나 가장 주목받는 기능 영역이 아니더라도, 자동화와 이 기술의 활용을 통해 효율과 혁신을 만들어낼 수 있는 ‘고임팩트 영역’을 찾는 데 있어야 합니다. 시간이 지나면 AI 에이전트는 고객 대면 영역과 성장 지향 영역에도 들어가게 될 겁니다. 스폰서(광고): 저희 Deloitte의 경우, 재무 조직 내부에서 이를 활용하고 있는데, 예를 들면 비용 관리나 운전자본 관리 같은 매우 일상적인 프로세스를 다룹니다. 또 다른 조직들이 콜센터나 자동화 가능한 소프트웨어 개발에 이를 쓰는 것도 보고 있습니다. 결국 핵심은 ‘의도’입니다. 스폰서(광고): 그래서 저는 기능 영역을 하나씩, 비즈니스 및 IT 리더십과 엔터프라이즈 차원에서 함께 추진해 나가려는 그 의도가 중요하다고 봅니다. 이는 예산이 배정되고, KPI가 수립되며, 에이전트형(agentic) 역량으로 인해 실제 비즈니스 성과와 임팩트에 대해 실질적인 책임(Accountability)이 발생하는, 주류 비즈니스 기획 노력이어야 합니다. 진행자: Demis, 저희는 지금 다보스에 와 있습니다. 시간 내주셔서 감사합니다. Demis Hassabis: 초대해 주셔서 기쁩니다. 진행자: 2025년이 굉장히 큰 한 해였고, 2026년도 멋지게 준비하고 계신 것처럼 들리는데요. 그 두 이야기에 들어가기 전에, 사람들이 Demis를 조금 더 잘 알 수 있도록 잠깐 과거로 돌아가 보겠습니다. Demis가 좋아하는 것 중 하나가 체스죠. Demis Hassabis: 네. 진행자: 체스 마스터이기도 하고요. 천문학도 좋아한다고 들었습니다. Demis Hassabis: 네. 진행자: 저는 이 두 가지가 어떻게 AI로 이어졌는지, 혹은 AI를 바라보는 방식에 어떤 영향을 줬는지 궁금합니다. Demis Hassabis: 네. 저는 어릴 때부터 천문학, 우주론, 물리학 같은 것들에 늘 관심이 있었습니다. 늘 ‘큰 질문’에 관심이 있었거든요. 그러니까, 우주에서 실제로 무슨 일이 벌어지고 있는지, 의식(consciousness)은 무엇인지, 의식의 본질은 무엇인지 같은 것들이요. 그런 큰 질문에 관심이 있으면 자연스럽게 물리학으로 끌리게 됩니다. Demis Hassabis: 그리고 저에게 체스는, 저는 게임을 정말 좋아합니다. 전략도 좋아하고요. 어릴 때 체스를 아주 진지하게 두면서 제 정신을 스스로 훈련하게 됐고, 그러면서 ‘생각한다는 것’ 자체에 대해 고민하게 됐습니다. 뇌는 어떻게 작동하는가, 같은 것들이요. Demis Hassabis: 그 모든 걸 한데 묶어서 생각해 왔고, 그게 AI와 컴퓨터로 이어졌습니다. AI는 우리 자신의 마음을 이해하는 방법이기도 하지만, 과학을 위한 완벽한 도구이기도 하고, 바깥의 우주를 이해하는 데도 훌륭한 도구라고 생각했습니다. 내레이션: 컴퓨터 과학 학위와 인지신경과학(cognitive neuroscience) 박사 학위를 가진 Hassabis는 2010년 Deep Mind를 공동 창업했습니다. 이 회사는 ‘지능을 해결(solve intelligence)’하겠다는 야심 찬 목표로 출발했습니다. Hassabis의 리더십 아래 Deep Mind 팀은 AI 모델에서 큰 진전을 이뤘고, 불과 4년 뒤 Google은 이 연구 스타트업을 수억 달러에 인수했습니다. 진행자: Deep Mind를 처음 시작하신 게 몇 년 전이었고, 공동 창업자이시죠. 그리고 2014년쯤 Google에 약 $500 million에 매각하셨습니다. 당시엔 ‘핫딜’이었고요. Meta도 원했다고 들었습니다. 진행자: 제 관점에선, 우리는 그 순간을 비즈니스 역사에서 가장 변혁적인 순간 중 하나로 되돌아보게 될 것 같습니다. Demis가 Google에 믿을 수 없는 AI 머신을 구축하고 미래로 이끌 ‘토대’를 제공했으니까요. 그때를 돌아보면 어떤 기분이 드시나요? 어떻게 그 결정을 내리셨나요? 그게 그렇게 큰 순간이 될 거라고 알고 계셨나요? Demis Hassabis: 네, 알고 있었습니다. 사실 저희처럼 과학에 깊이 관여해 있던 사람들은요. 흥미로운 점인데, 저희는 2010년에 DeepMind를 시작했습니다. 지금으로부터 15년 이상 전이죠. 그때는 아무도 AI 이야기를 하지 않았지만, 저희는 알고 있었습니다. Demis Hassabis: 저희는 ‘지능을 해결하고, 그걸로 다른 모든 것도 해결한다’는 미션을 세웠습니다. 그래서 저희는 인공 일반 지능(Artificial General Intelligence, AGI)을 만드는 첫 회사가 되길 원했고, 그 AGI를 적용하고자 했던 가장 중요한 영역은 과학 문제를 푸는 일이었습니다. Demis Hassabis: 그리고 2014년에 Google이 접근했을 때, 그건 당시 Larry가 주도한 일이었습니다. 당시 CEO였던 Larry Page요. 어떤 의미에서는 우리가 ‘헐값에 판다’고 볼 수도 있었지만, 반대로 저에게 중요한 건 돈이 아니었습니다. 중요한 건 미션이었고, AGI로 가는 진전을 가속하고, 우리가 풀려던 과학적 질문들에 더 빨리 답할 수 있느냐였습니다. Demis Hassabis: 저는 Google과 손잡으면 그게 가속될 거라고 느꼈습니다. 주된 이유는 그들이 분명히 엄청난 컴퓨팅 파워를 갖고 있었고, 오늘날 우리가 보듯이 지능을 발전시키는 데 컴퓨트가 얼마나 중요한지 알기 때문입니다. Demis Hassabis: 그래서 그 당시 저는 Larry에게도, 그리고 그 거래를 주도하던 당시 검색(Search) 책임자에게도 말했었습니다. 그때는 그렇게 보이지 않을 수도 있지만, 지금에 와서는 Google이 해낸 것 중 가장 중요한 인수가 될 수도 있다고요. 그건 엄청난 말입니다. Google은 YouTube도 인수했고, Android도 있고, 중요한 것들을 사 온 역사가 있으니까요. Demis Hassabis: 그리고 Open AI의 기원을 되돌아보면, Elon과 Sam이 함께하게 된 배경에는 Deep Mind 인수로 인해 Google이 AI 영역에서 독점을 갖게 될까 두려워했다는 점도 있습니다. 그래서 결과적으로 그게 당시 ‘초대형 경쟁자’를 만들어낸 셈이기도 하죠. Demis Hassabis: 네, 이런 ‘나비효과’들이 일어납니다. 그리고 또 한편으로는 AlphaGo 같은 것들의 성공도 큰 부분이었다고 생각합니다. 오늘날 우리가 익숙한 학습 시스템, 그러니까 강화학습(reinforcement learning), 딥러닝(deep learning) 같은 것들을 사용해서 바둑(Go)에서 세계 챔피언이 된 첫 프로그램이었죠. Demis Hassabis: 제 생각에는 그게 또 하나의 큰 분수령(watershed moment)이었습니다. 2016년은 사실 그 돌파구의 10주년 같은 해이기도 하고요. 그게 현대 AI 시대의 ‘출발 총성’을 울렸다고 봅니다. Open AI 같은 것들도 포함해서요. 그 창업자들은 그 대국을 보고, 그 흐름에 참여하고 싶어 했습니다. 내레이션: Google이 DeepMind를 인수한 뒤, 이 회사는 AI 성과로 반복해서 헤드라인을 장식했습니다. 2015년 DeepMind의 AI 모델 AlphaGo는 챔피언급 바둑 기사를 꺾은 최초의 컴퓨터가 됐고, 이후 체스, Stratego, 그리고 인기 실시간 전략 게임인 StarCraft II의 최상위 선수들도 이겼습니다. 내레이션: 2020년 Google DeepMind의 Alpha Fold 2는 단백질 접힘(protein folding) 문제를 해결했습니다. 수십 년 동안 과학자들은 단백질 서열이 최종 구조를 어떻게 형성하는지 예측하는 데 어려움을 겪어 왔습니다. 이 모델은 놀라운 정확도로 이를 해냈습니다. 내레이션: 이후 팀은 그 프로세스를 확장해 200 million개가 넘는 구조를 예측했고, 그 모든 결과는 온라인 데이터베이스에 공개돼 있습니다. Pasabas는 이 성취의 일부로 2024년 화학 분야 노벨상과 기사작위(knighthood)를 받았습니다. 진행자: Alphabet 산하 Google에서, 당장 돈이 되지 않더라도 ‘문샷(moon shots)’을 많이 할 수 있었고, 리스크도 감수하고, 즉각적으로 수익으로 이어지지 않더라도 엄청난 돌파구를 만들 수 있었죠. 그중 하나로 노벨상도 받으셨고요. 정말 축하드립니다. 대단합니다. 진행자: Alpha fold가 무엇이고, 왜 그렇게 큰 의미가 있는지, 그리고 앞으로 질병 해결을 어떻게 바라볼 수 있는지 조금 더 설명해 주실 수 있을까요? Demis Hassabis: 네, 이건 Google과 Alphabet의 일부로 있었기 때문에 가능한 장점 중 하나였다고 생각합니다. 이런 ‘깊은 과학 문제’들을 진짜로 공략할 자원과 시간이 있었으니까요. 그리고 AlphaFold는 그 대표적인 사례라고 봅니다. Demis Hassabis: 이건 생물학에서 50년 된 대형 난제(grand challenge)에 대한 해답입니다. 단백질의 아미노산 서열, 즉 유전 서열로부터 단백질의 3D 구조를 결정할 수 있느냐는 문제죠. Demis Hassabis: 이건 невероят히 중요합니다. 단백질은 근육부터 뉴런의 발화까지, 몸에서 사실상 모든 일을 합니다. 모든 것이 단백질에 의존하죠. 단백질의 3D 구조, 즉 몸속에서 어떻게 생겼는지를 알면, 그 단백질이 어떤 기능을 하고 무엇을 지지하는지 일부를 이해할 수 있습니다. Demis Hassabis: 물론 질병에도 중요합니다. 단백질에 문제가 생길 수 있으니까요. 알츠하이머(Alzheimer’s) 같은 경우처럼 잘못 접히는 일이 생기면, 그게 질병을 만들 수 있습니다. 그래서 신약 개발(drug discovery)뿐 아니라 기초 생물학에도 매우 중요합니다. Demis Hassabis: AlphaFold는 50년 전 다른 노벨상 수상자인 Christian과 Vincent가 ‘이게 가능해야 한다’고 제기했던 문제에 대한 해답이었습니다. 1차원적인 아미노산 서열의 문자열에서 바로 3D 구조로, 그러니까 어떻게 공처럼 ‘쭈그러져(scrunch up)’ 형태가 만들어지는지로 직접 가는 것이죠. Demis Hassabis: Alpha vault는 그 해법이었고, 매우 효율적입니다. 정확하기만 한 게 아니라, 과학에 알려진 단백질 200 million개 전부를 접었고, European Bioinformatics Institute와 함께 거대한 데이터베이스에 담아 전 세계가 무료로 쓰도록 공개했습니다. Demis Hassabis: 그래서 지금은 전 세계에서 3 million명 이상의 연구자들이 매일 alpha vault를 사용하고 있습니다. 진행자: 와. 그리고 그 성과가, 제 기억엔, Demis가 ‘사이드로’ 운영하는 스타트업 isomorphic에도 일부 사용되고 있는 것으로 알고 있습니다. 지금 두 개의 거대한 일을 동시에 하고 계신 셈이네요. 진행자: Google이 물론 백커(backer)로 참여한 가운데 isomorphic을 위해 수억 달러를 조달하셨고요. 그 미션을 설명해 주실 수 있나요? ‘모든 질병을 해결한다’ 같은 아주 큰 목표도 말씀하시잖아요. 진행자: ‘치료(cure)’라고 말하지 않고 ‘해결(solve)’이라고 하시고요. 진행자: 그리고 역사적으로 신약을 임상(trial)까지 보내는 게 얼마나 어려운지, 그 과정을 좀 설명해 주실 수 있을까요? 전통적으로 정말 어려운 일이었잖아요. Demis Hassabis: 그게 원래 AlphaFold의 아이디어 뒤에 있던 목표였습니다. 단백질 구조를 이해하면, 그 자체로 할 수 있는 기초 과학이 아주 많습니다. 새로운 일을 하는 새로운 단백질을 설계하는 것도 포함해서요. Demis Hassabis: 그래서 AlphaFold를 ‘역방향’으로 사용해서, 예를 들어 ‘나는 이런 특정한 형태를 원한다, 그럼 유전 서열에서 어떻게 이 형태를 얻지?’ 같은 식으로 생각할 수도 있습니다. Demis Hassabis: 하지만 신약 개발을 하려면 단백질 구조를 아는 건 그 전체 프로세스의 아주 작은 부분일 뿐입니다. 평균적으로 보면, 어떤 질병의 타깃(target)을 이해하는 데서부터 시장에 나올 준비가 된 약까지 가는 데 보통 10년이 걸립니다. Demis Hassabis: 시간과 비용이 엄청납니다. 10년 이상, 수십억 달러가 들죠. 그리고 대부분의 약은 중간에 실패합니다. 성공률은 대략 10% 정도에 불과합니다. Demis Hassabis: 생물학이 너무 복잡하기 때문에, 이 과정은 невероят히 비효율적입니다. 그래서 제가 늘 꿈꿔왔던 것, 그리고 AI를 처음으로 적용하고 싶었던 영역은 바로 인간의 건강, 인간 건강의 개선이었습니다. AI의 더 중요한 사용처가 어디 있겠습니까? Demis Hassabis: AlphaFold는 이것이 가능할 수 있다는 ‘증거(proof point)’였습니다. 그리고 isomorphic은 AlphaFold가 끝난 뒤, 그러니까 3~4년 전에 그걸 스핀아웃(spun out)해서 만들었습니다. Demis Hassabis: 목표는 AlphaFold 주변에서, AlphaFold 수준의 추가 돌파구들을 만드는 것입니다. 화학(chemistry) 영역을 더 생각하시면 됩니다. 단백질 구조를 안다고 해도, 약을 설계하는 화학 물질(chemical compound)이 단백질의 어디에 결합할지, 그리고 그 결합이 무엇을 할지까지 알아야 합니다. Demis Hassabis: 그러려면 그 모든 것을 예측하는 다른 AI 시스템들을 만들어야 합니다. 그게 isomorphic에서 우리가 하고 있는 일이고, 정말 잘 진행되고 있습니다. Demis Hassabis: 우리는 Eli Lilly, Novartis 같은 훌륭한 파트너들이 있습니다. 세계 최고의 제약사들이죠. 그리고 이미 17개 약물 프로그램(drug programs)이 돌아가고 있고, 결국엔 수백 개로 늘릴 계획입니다. Demis Hassabis: 인간 건강에서 실질적인 ‘단계적 변화(step change)’를 만들 방법은, 기본적으로 탐색과 가설 탐색을 in silico에서 하는 것이라고 생각합니다. 이는 웻랩(wet lab)에서 하는 것보다 수백~수천 배 더 효율적입니다. Demis Hassabis: 웻랩은 검증(validation) 단계에만 남겨두고요. 물론 결국엔 임상, 인간 대상 임상 같은 것들로 가서 안전성을 확인해야 합니다. 하지만 탐색과 설계의 전부, 혹은 거의 전부를 in silico에서 할 수 있습니다. 그게 계획입니다. 진행자: Demis가 말했듯이 2026년은 Google과 isomorphic 모두에게 큰 해가 될 것 같습니다. 2026년 초에 첫 약물을 임상으로 보내는 순간이 올 거라고 보시나요? 그리고 그게 암(cancer) 분야일 수도 있을까요? Demis Hassabis: 네. 우리는 사실 여러 영역에서 일하고 있습니다. 암, 심혈관(cardiovascular), 면역(immunology) 등이고, 결국에는 모든 치료 영역(therapeutic areas)으로 확장하고 싶습니다. Demis Hassabis: 우리는 ‘범용 신약 개발 엔진 플랫폼’ 같은 걸 만들고 있다고 보시면 됩니다. 그리고 일부 암 약물은 이미 전임상(pre-clinical) 단계에 들어가 있습니다. 아주 초기 단계지만요. Demis Hassabis: 그리고 연말쯤, 만약 그것들이 성공적으로 진행된다면, 임상(clinical trials)으로 향하기 시작할 수 있을 겁니다. 진행자: 본인, 시간, 팀을 어떻게 관리하시는지 궁금합니다. Gemini three의 출시처럼 정말 어렵고 큰 일들을 해내고 계시고, 또 약물을 임상으로 보내는 것도 마찬가지로 엄청나게 어렵죠. 이 둘은 전혀 다른 두 가지처럼 들리고, 운영해야 할 팀도 서로 다를 텐데요. 진행자: 한 사람이 두 곳에 있을 수는 없잖아요. 어떻게 하고 계신가요? 어떻게 두 회사를 운영하시나요? Demis Hassabis: 제 강점 중 하나는 정말 뛰어난, 세계적 수준의 ‘학제 간(interdisciplinary)’ 팀을 모으는 것입니다. 저는 그런 팀을 관리하는 걸 좋아하고, 경영진 팀을 구성하는 것도 좋아합니다. Demis Hassabis: Google, DeepMind 쪽에도 isomorphic 쪽에도 놀라운 팀들이 있습니다. isomorphic을 예로 들면, 최고의 생물학자와 화학자들을 최고 수준의 머신러닝, 엔지니어링 인력과 섞어 두었습니다. Demis Hassabis: 이런 학제 간 그룹이 있으면 많은 ‘마법’이 일어납니다. 그리고 Google DeepMind 쪽을 보면, 우리는 DeepMind 초기에 했던 ‘스타트업 방식’의 장점과, 다국적 규모로 스케일하는 장점을 섞으려 했습니다. Demis Hassabis: 즉시 배포할 수 있는 놀라운 제품 표면(product surfaces)들이 있고, Gemini three, two 같은 기술을 바로 올려서 사용자 피드백을 빠르게 받을 수 있습니다. 또 수십억 사용자들의 일상에 도움이 될 수도 있고요. 그래서 정말 흥미롭고 동기부여가 됩니다. Demis Hassabis: 제 시간 관리 방식은… 저는 잠을 많이 자지 않습니다. 두어 시간 정도요. 진행자: 네, 그런데 뇌에는 그보다 조금 더 자는 게 좋을 텐데요. Demis Hassabis: 네, 그래서 저는 6시간은 자려고 합니다. 다만 저는 특이한 수면 습관이 있어서, 낮에 좀 조절합니다. Demis Hassabis: 그리고 사무실에서는 가능한 한 많은 미팅을 연달아, 거의 쉬는 시간 없이 꽉 채우려 합니다. 집에 가면 가족과 조금 시간을 보내고, 저녁을 먹고, 그리고 밤 10pm쯤 ‘두 번째 근무일’을 시작해서 4am까지 합니다. Demis Hassabis: 그때 저는 생각을 하고, 좀 더 창의적인 일과 연구 작업을 합니다. 이 방식은 10년 정도 해왔는데 잘 맞습니다. 진행자: 새벽 4시에 창의적으로 일한다는 게 상상이 안 되네요. Demis Hassabis: 네, 저는 1am쯤부터 살아납니다. 내레이션: 2023년 Google은 빠르게 성장하는 다른 검색 엔진들과, 그리고 chat GPT의 출시로 인해 경쟁이 심화되는 상황에 직면했습니다. 같은 해 Google은 AI 팀 두 곳, Deep Mind와 Brain을 Hassan. This is leadership 아래에서 합치도록 방향을 전환했고, 목표는 분명했습니다. 차세대 AI를 재점화(jump start)하는 것이었습니다. 진행자: Demis는 분명 팀을 동기부여해서 어려운 일을 해내게 만드는 데 능숙하십니다. 2023년에 Google이 서로 다른 두 AI 팀을 Demis 아래로 두는 결정을 내렸다고 알고 있어요. 진행자: 그 과정에서 관리상의 ‘삐걱거림’을 어떻게 풀고, 다시 제품을 ‘출시(shipping)’하는 문화로 돌려놓으셨나요? 한동안 Google이 AI에서 조금 ‘핸들을 놓고 있었다’는 인식이 있었거든요. 그게 사실이라고 보시는지, 그리고 어떻게 깨우셨는지도 궁금합니다. Demis Hassabis: 네, 원래 Deep Mind와 Google Brain이라는 두 개의 세계적 그룹이 있었습니다. 그리고 사실, 저는 우리가 충분한 인정을 못 받는다고 생각합니다. Demis Hassabis: 현대 AI 산업의 약 90%는 그 두 그룹 중 하나가 만들어낸 기술이나 발견 위에 구축돼 있다고 봅니다. 트랜스포머(transformers)부터 AlphaGo, 딥 강화학습(deep reinforcement learning)까지요. Demis Hassabis: 그래서 우리는 (그리고 지금도) 가장 깊고 넓은 연구 벤치를 갖고 있다고 생각합니다. 놀라운 인재가 있고, 제 생각엔 세계 어느 곳보다도 훨씬 뛰어납니다. Demis Hassabis: 다만 스케일링 시대에 필요한 컴퓨트 양을 고려하면, 두 그룹을 따로 운영하는 게 복잡해졌습니다. 그래서 두 그룹을 합쳐야 했던 이유가 바로 그것입니다. 모든 인재를 하나로 모아 Gemini라는 단일 프로젝트에 투입하기 위해서요. Demis Hassabis: 그리고 심지어 Google 같은 회사도, 한 지붕 아래에서 두 개의 프론티어(frontier) 프로젝트를 동시에 돌리기에는 컴퓨트가 충분하지 않았습니다. 그래서 자원을 합칠 필요가 있었습니다. Demis Hassabis: 저는 협업적인 사람입니다. 일하는 방식이 달라도 열린 마음으로 받아들이려 하고, 저 자신도 개선하려고 늘 노력합니다. 제가 좋아하는 일본어 중 ‘Kaizen’이라는 말이 있는데, 지속적인 자기 개선을 의미하죠. 저는 늘 그걸 실천하려고 합니다. Demis Hassabis: 저는 항상 학습 모드입니다. 아마 그래서 학습하는 기계를 만드는 걸 좋아하는지도 모르겠습니다. 저는 배우는 걸 좋아하고, 어떤 분야에서든 얼마나 전문가든 늘 배울 게 있습니다. Demis Hassabis: 두 그룹을 합치고 두 문화의 장점을 결합하려는 시도는 정말 좋았고, 지금 그 보상을 얻고 있다고 생각합니다. 이제 Google Deep Mind는, 우리가 생각하기에 Google의 ‘엔진룸(engine room)’ 같은 존재입니다. Demis Hassabis: 우리는 마치 나머지 놀라운 Google 회사 전체에 연결된 ‘원자력 발전소(nuclear power plant)’처럼 동력을 공급합니다. 그리고 제가 자랑스럽게 생각하는 것 중 하나는, ‘출시(shipping) 문화’를 다시 움직이게 했다는 점입니다. Demis Hassabis: 다시 말해 10~15년 전 Google의 황금기를 어느 정도 되찾고, 계산된 리스크를 감수하고, 빠르게 출시하고, 혁신하는 문화를요. 동시에 우리가 세상에 내놓는 것—엔지니어링이든 과학이든—에 대해 사려 깊고 과학적이며 엄격한 태도를 유지하려 했습니다. 그 균형을 잘 맞추고 있다고, 그리고 맞추길 바라고 있습니다. 진행자: Google의 황금기로 돌아간다고 하셨는데, 그만큼 창업자들—적어도 Sergey는—다시 관여하고 있는 것처럼 보입니다. AI와 Google에서 Sergey와 함께 일하는 건 어떤가요? Demis Hassabis: 아주 좋습니다. Larry도 마찬가지고요, 다만 방식이 다릅니다. Larry는 더 전략적으로 관여하고, Sergey는 현장에서 직접 코딩을 하면서, Gemini 같은 것들을 파고듭니다. Demis Hassabis: 그들이 실제로 참여하는 걸 보는 건 환상적이고, 일을 하게 만드는 느낌도 있습니다. 진행자: 그러면 Demis가 ‘Sir Gandhi was code’ 같은 건가요? Demis Hassabis: 아니요, 그보다는… Sergey가 스스로 뭘 할지 선택하는 편입니다. 하지만 사무실에 와서 특정 방향으로 밀어주는 걸 보는 건 정말 좋습니다. Demis Hassabis: 창업자들이 깊게 관여하면 더 수월한 면이 있고, 저도 Google Deep Mind의 공동 창업자처럼, 혹은 일종의 창업자처럼 행동합니다. 즉, 우리가 무엇을 해야 하는지, 전략적으로 무엇을 선택할지에 대해요. Demis Hassabis: 그리고 저는 지난 10~15년 동안 이런 걸 잘 배우게 됐습니다. ‘모든 질병을 해결한다’거나 ‘AGI를 만든다’ 같은 야심 찬 목표가 있을 때, 그 사이의 중간 목표들—여전히 매우 야심 차지만, 일종의 웨이포인트(way points)가 되는 목표들—을 무엇으로 잡아야 하는가 하는 문제입니다. Demis Hassabis: 어떤 중간 목표를 고르는 게 맞는지요. 저는 우리가 역사적으로 대부분의 Alpha 프로젝트들, Alpha Go, alpha fold 등에서 그걸 꽤 잘해왔다고 생각합니다. 그리고 이제 Gemini에서도요. Demis Hassabis: 이런 식으로 매우 야심 찬 과학·엔지니어링 프로젝트를 ‘관리 가능한 단계’로 쪼개는 건, 내가 올바른 방향으로 가고 있는지 확인할 수 있게 해준다는 점에서 정말 중요합니다. 그리고 우리가 지금 만들고 있는 기술을 보면, 우리는 매우 분명히 그 방향으로 가고 있다고 생각합니다. Demis Hassabis: 우리에게는 невероят한 몇 년이었고, 이제 ‘리듬’을 찾고 있다고 말할 수 있을 것 같습니다. 그리고 Wall Street나 주가 같은 것까지 포함해서, 외부 세계도 그걸 느끼기 시작했다고 생각합니다. 내레이션: 2005년에 AI 기반 검색에서 Google이 혁신가의 딜레마(innovator’s dilemma)에 직면했는지에 대한 의문은, 1분기 이후 해소됐습니다. Google의 주가는 급등했는데, 그 배경에는 Google이 AI 개발에서 이룬 진전이 일부 반영됐고, 바이럴 이미지 생성 모델 nano banana와 Gemini three의 출시가 포함돼 있었습니다. 내레이션: Alphabet의 주가는 연말까지 약 65% 상승해 2009년 이후 최고의 성과를 기록했고, Magnificent Seven 중 최고 수익률 종목이 됐습니다. 진행자: 분명 KPI를 설정하고 ‘돌격 앞으로’식으로 팀을 하나로 묶는 어떤 순간이 있었던 것 같습니다. Gemini three 출시도 엄청난 화제였고, 다른 출시들과 함께 Open AI가 ‘코드 레드(code red)’에 들어갔다고 하죠. 그들은 그런 일이 늘 있다고 주장하지만요. 네, 뭐 그렇다 치고요. 진행자: 그리고 산업적으로 기념비적이라고 생각되는, Apple과의 거대한 ‘몬스터 딜’도 있었습니다. 그래서 내부적으로, 뒤에서는 무슨 일이 있었는지 궁금합니다. 팀 KPI는 어떻게 설정하셨나요? 그리고 2026년에도 이 모멘텀을 유지하기 위해 KPI를 어떻게 잡고 계신가요? Demis Hassabis: 제게는 늘 연구(research)에서 시작됩니다. 이 경우엔 최고의 모델을 갖는 것이죠. 그리고 그 뒤에는 당연히 기초 연구가 계속 들어와야 합니다. Demis Hassabis: 저는 그다음으로, 그 성과를 가능한 한 빠르게 제품에 반영해야 한다고 믿습니다. 그리고 마케팅과 유통(distribution)을 제대로 해야 하고요. Demis Hassabis: 하지만 모델이 최고 수준(best in class), 최첨단(state of the art)이 아니면 아무것도 의미가 없습니다. 그래서 우리는 우선 Gemini 모델에 집중했고, 동시에 다른 모델들도 함께 봤습니다. Demis Hassabis: 예를 들어 nano banana 같은 이미지 모델이 있는데, 엄청 바이럴이 됐죠. 그게 작년 성과의 큰 부분이었습니다. 또 비디오 모델 VO, 월드 모델(world model)도 있습니다. 즉, 대형언어모델(LLM)만 있는 게 아니라, 우리는 그 모든 것에서 최첨단 수준입니다. Demis Hassabis: 그다음은 내부 정리였습니다. 어느 정도는 Google의 인프라를 ‘재건’하는 느낌으로, 최신 모델의 힘을 Search, YouTube, chrome 같은 핵심(lighthouse) 제품에 아주 빠르게 반영할 수 있도록 하는 일이었죠. Demis Hassabis: 물론 Gemini 앱도 있고요. 업계 모두에게 새로운 일이었습니다. 그래서 그런 구조로 재아키텍처(re-architect)하는 데 시간이 좀 걸립니다. Demis Hassabis: 그리고 다시, Google DeepMind가 엔진룸이 되어 조직의 나머지가 쓸 수 있는 엔진을 제공한다는 이 아이디어가 중요합니다. 이걸 제대로 맞추는 데 1년~18개월 정도 걸렸다고 생각합니다. Demis Hassabis: 하지만 지금 그 결과가 보이고 있고, 참고로 더 갈 길도 있습니다. 더 빠른 속도(velocity)도 낼 수 있습니다. Demis Hassabis: 또 하나는 ‘강도(intensity)’, ‘속도(pace)’, ‘집중(focus)’의 문화를 심는 것이었습니다. 정말 중요한 것에만 집중하고, 방해 요소를 잘라내는 것이죠. Demis Hassabis: 마지막으로, 특히 오늘날처럼 매우 시끄러운 세상에서는, 좋은 결정, 합리적인 결정을 일관되게 내리는 것의 가치가 큽니다. 그리고 시간이 지나면서 드라마는 최소화하고요. 그러면 그게 시간이 지날수록 얼마나 크게 복리(compound)로 쌓이는지 놀랍습니다. Demis Hassabis: 지금 우리는 큰 모멘텀을 만들고 있고, 올해는 그게 더 보이길 바랍니다. 앞서 말했듯 DeepMind를 Google에 팔았던 결정이 비즈니스에서 기념비적인 변혁의 순간이었다면, 이제 우리가 성공한다면 아마도 비즈니스에서 가장 큰 변혁이 될 수도 있다고 생각합니다. 진행자: 그런 무게감이 Demis에게 어떻게 작용하나요? 리더로서 이 방향을 사회에 좋게, 노동시장에 좋게, Google에도 좋게 이끌어야 하잖아요. 특히 ‘검색의 제왕(search King)’이자 광고 기반의 거대한 비즈니스 모델을 가진 회사에서, 이건 혁신가의 딜레마이기도 하고요. Demis Hassabis: 네, 글쎄요. 맞습니다. 이건 전형적인 혁신가의 딜레마입니다. 저는 우리가 지금까지 꽤 잘 항해해 왔다고 생각합니다. Search는 어느 때보다도 더 성공적입니다. Demis Hassabis: 하지만 동시에, 우리가 스스로를 붕괴(disrupt)시키지 않으면 누군가가 우리를 붕괴시킬 겁니다. 그러니 앞서 나가는 편이 낫고, 우리 방식대로 하는 게 낫다고 생각합니다. Demis Hassabis: 책임(responsibility) 관점에서도 저는 Google에서뿐 아니라, 그 전의 Deep Mind에서도, 그리고 학계 시절부터도 그렇게 느껴왔습니다. 왜냐하면 저와 Shane—특히 우리 수석 과학자(chief scientists)—이 Deep Mind를 시작했을 때, 그건 허황된(fanciful) 생각처럼 보일 수 있었지만, 우리는 AGI를 만드는 게 가능하다고 진심으로 믿었습니다. Demis Hassabis: 그리고 그게 세상을 얼마나 변혁적으로 바꿀지 이해하고 있었습니다. 과학과 인간 건강, 그리고 에너지 같은 분야에 엄청나게 도움이 될 수도 있죠. 하지만 위험도 있습니다. 이건 이중용도(dual purpose) 기술입니다. Demis Hassabis: 해로운 행위자(harmful actors), 나쁜 행위자(bad actors)가 해로운 목적으로 사용할 수도 있습니다. 그리고 AGI로 가까워질수록, 기술이 더 자율적(autonomous)이고 더 ‘genetic’해질수록, 기술적 위험(technological risk)도 있습니다. 그래서 저는 그런 것들을 많이 걱정합니다. Demis Hassabis: 또 물론, 경제 엔진이 돌아가야 한다는 점도 있습니다. 연구를 지원하고, AlphaFold 같은 것들을 만들고, 그걸 세상에 무료로 제공하려면 돈이 필요합니다. Demis Hassabis: 그건 쉽지 않습니다. AlphaFold 같은 걸 만들고 연구자들을 고용하는 데는 엄청난 비용이 듭니다. 하지만 우리는 그런 일을 많이 하고 있고, 세상을 위해 그런 일을 더 하고 싶습니다. Demis Hassabis: 그러려면 상업적(commercial) 측면에서도 성공해야 합니다. 그러니까 균형이 필요합니다. Demis Hassabis: 그리고 책임의 또 다른 부분은, Google 같은 플랫폼에서 AI가 책임감 있고, 사회 전체에 유익한 방식으로 배포될 수 있음을 보여줄 수 있다는 점입니다. Demis Hassabis: 프론티어 랩(frontier labs)에서 AI를 만드는 우리 모두는 선택을 합니다. AI를 무엇에 쓸 것인가? 의학, 행정 부담 완화, 빈곤 문제 지원 같은 데 쓸 것인가? 아니면 착취적인(exploitative) 것들에 쓸 것인가? Demis Hassabis: 우리는 AI로부터 나올 수 있는 좋은 것들의 역할 모델(role model)이 되려고 할 겁니다. 물론 실수를 안 한다는 뜻은 아닙니다. 이 기술은 너무 초기(nascent)이고 복잡하기 때문에 실수는 있을 겁니다. Demis Hassabis: 하지만 가능한 한 사려 깊게(thoughtful) 다루려 할 것이고, 가능한 한 과학적으로(scientific) 접근하려 할 것입니다. 우리가 늘 가져온 과학적 엄격함(scientific rigor)은 여기서 매우 중요해질 거라고 봅니다. Demis Hassabis: 결국 이건 과학적 시도(scientific endeavor)입니다. 그리고 우리가 중요하게 여기는 신뢰성(reliability), 보안(security), 안전(safety) 같은 특성이 제품에 드러나길 바랍니다. 그러면 시장이 그걸 보상할 거라고 생각합니다. Demis Hassabis: 엔터프라이즈가 이 기술들을 쓰게 되면, 더 성숙해질수록 ‘내가 도입하는 AI 시스템이 무엇을 하게 될지’에 대한 어떤 보장(guarantees)을 원할 겁니다. 큰 은행이든 보험사든, 헬스케어 기업이든, 의료 회사든요. Demis Hassabis: 그래서 AI가 매우 상업화되는 것의 좋은 면은, 견고함(robust), 신뢰성, 보안 같은 것들에 대한 상업적 인센티브가 생길 수 있다는 점입니다. 그리고 그런 것들은 AGI가 세상에 들어오기 전에 우리가 원하던 준비이기도 합니다. 진행자: 그럼 앞으로 1년을 보면, AI의 ‘올해의 스토리’는 무엇일까요? 우리는 무엇을 달성하게 될까요? Demis Hassabis: 저는 매년 이렇게 말합니다만, AI에서는 매년이 굉장히 결정적입니다. 특히 과학 현장(coalface)에서 일하는 사람들 입장에서는, ‘거의 매년 10년치가 일어난다’는 느낌입니다. 올해도 다르지 않을 겁니다. 매우 강렬합니다. Demis Hassabis: 하지만 가끔은 고개를 들어 전략적인 그림을 봐야 합니다. 적어도 우리에게는, Gemini three로 ‘분수령(watershed moment)’을 넘었다고 생각합니다. Demis Hassabis: 사용해 보신 분들은 느끼실 텐데, 이제 매우 유능해졌습니다. 저도 일상에서 제 연구를 돕고, 요약을 하고, 코딩도 조금 하는 데 쓰고 있습니다. Demis Hassabis: 그래서 이제 이런 시스템들은 에이전트(agents)를 만들 준비가 됐다고 생각합니다. 업계 전체가 에이전트와 더 자율적인 시스템, 그리고 ‘전체 작업을 위임하는 것’에 대해 많이 얘기해 왔죠. Demis Hassabis: 아마 올해 말쯤이면, 우리가 실제로 그걸 보기 시작할 거라고 생각합니다. Demis Hassabis: 저는 특히 ‘현실 세계’로 들어오는 어시스턴트에 기대가 큽니다. 예를 들면 안경(glasses) 같은 형태로요. 우리는 스마트 글래스(smart glasses)에 대한 큰 프로젝트를 하고 있습니다. Demis Hassabis: AI 기술이 이제 막, 그걸 실제로 가능하게 만들 수준에 도달했다고 생각합니다. 그리고 그게 안경의 ‘킬러 앱(killer app)’이 될 수도 있다고 봅니다. Demis Hassabis: 그리고 그걸 세상에 가져오는 과정에서, 로보틱스(robotics)도 있습니다. 저는 로보틱스에는 아직 더 많은 연구가 필요하다고 생각하지만, 앞으로 18개월 정도 사이에 로보틱스에서도 돌파구(breakthrough moment)를 보게 될 거라고 봅니다. Demis Hassabis: 그래서 우리는 이 모든 영역을 정말 세게 밀고 있고, 물론 Gemini 자체도 계속 개선하고 있습니다. 진행자: 저게 그 안경인가요? Demis Hassabis: 아니요, 저건 아닙니다. 진행자: 만약 그게 안경이라면 저는 살 것 같아요. 멋져 보이네요. 진행자: 저는 컴퓨터라는 형태가 원래 AI를 위해 만들어진 게 아니라는 점, 그리고 AI가 할 수 있는 모든 것들을 생각하면, 미래의 ‘폼팩터(form)’가 어떻게 바뀔지 물어보려던 참이었습니다. 미래는 안경 같은 형태일까요? 그리고 그게 ‘해답 중 하나’일까요? Demis Hassabis: 내부적으로 우리는 ‘유니버설 어시스턴트(universal assistant)’라는 개념을 얘기합니다. 우리가 뜻하는 건, 일상에서 정말 도움이 되는 어시스턴트입니다. 새로운 것을 추천해 주고, 삶을 더 풍요롭게 해주고, 행정(admin) 같은 것들을 처리해 주는 그런 것들이죠. Demis Hassabis: 그리고 그건 모든 표면(surfaces)을 가로지릅니다. 컴퓨터에서, 브라우저에서, 폰에서요. 그리고 안경 같은 새로운 디바이스도 나올 겁니다. Demis Hassabis: 그리고 그건 동일한 어시스턴트일 겁니다. 차 안이든 사무실이든, 여러 대화에서의 문맥(context)을 이해하는 어시스턴트요. 원한다면, 그 모든 게 하나로 통합될 수도 있습니다. Demis Hassabis: 그리고 그게 삶의 다양한 측면 전반에서 당신을 더 나아지게 도와줄 수 있다고 생각합니다. 어쩌면 내년 크리스마스, 내년 연말 휴일에는 우리 모두 Google Glasses를 갖게 될지도 모르죠. 진행자: 그게 아이디어군요. 예전에 Google이 안경을 너무 일찍 시작했던 것 같긴 해요. Demis Hassabis: 맞습니다. hindsight로 보면, 우리는 아마 약간 너무 일찍 그 공간을 개척했을 겁니다. 안경이 너무 두껍지 않게 만드는 기술적 문제도 있었고요. Demis Hassabis: 하지만 저는 ‘킬러 앱’이 빠져 있었다고 생각합니다. 그리고 AI 디지털 시스템이 그 킬러 앱이 될 수 있다고 봅니다. 진행자: 정말 놀랍네요. 마지막 질문 하나만 더 드릴게요. 앞으로 AI가 세상을 어떻게 바꿀지에 대한, Demis의 가장 크고 대담한 예측을 듣고 싶습니다. 진행자: Demis가 말했듯 이제는 ‘10년이 1년’처럼 느껴진다고도 했죠. 앞으로를 보면, AI가 모든 문제를 해결할 수 있는 ‘풍요(abundance)의 세계’ 같은 걸 떠올리시나요? 그 모습은 어떤가요? Demis Hassabis: 제대로만 한다면, 우리는 정말 놀라운 세상에 있게 될 겁니다. 10~15년 뒤에는 발견의 새로운 황금기에 들어설 것이고, 저는 새로운 르네상스가 오길 바랍니다. Demis Hassabis: 인간 건강은 혁명적으로 바뀔 겁니다. 의학은 지금처럼 보이지 않을 것입니다. 예를 들어 개인 맞춤 의학(personalized medicine)은 현실이 될 거라고 생각합니다. Demis Hassabis: 그리고 우리는 AI 기술을 사용해 과학의 많은 큰 문제들을 해결하게 될 겁니다. 신소재(new materials), 핵융합(fusion)이나 태양광(solar), 최적의 배터리(optimal batteries) 같은 것들, 에너지 위기를 푸는 어떤 방법들까지요. Demis Hassabis: 그리고 우리는 ‘급진적 풍요(radical abundance)’의 세계에 들어갈 거라고 봅니다. 그 에너지원을 이용해 별들 사이를 여행하고, 은하(galaxy)를 탐험할 수 있게 되는 거죠. 그게 제가 생각하는 우리의 운명(destiny)입니다. 진행자: 정말 멋지네요. 감사합니다. Demis가 그걸 만들어 주시길 바랍니다. 이 모든 노력에도 감사드립니다. 이야기 나눌 수 있어 좋았습니다. Demis Hassabis: 저도요.