많은 AI 스타트업이 “proprietary data”를 내세우지만, 진정한 moat는 단순히 데이터 양이 아니라 데이터가 어떻게 생성되는지에 달려 있다. 프런티어 모델이 자체적으로 합성할 수 있는 데이터는 결국 commoditize된다. 노정석의 핵심 통찰은 “non-verifiable을 verifiable로 바꾸는 환경”이 곧 유일한 방어막이라는 점이다.
테슬라의 자율주행 데이터 플라이휠, 메이크업 취향 데이터셋, 로봇 시뮬레이터는 모두 같은 구조를 공유한다: 닫힌 환경에서 사용자의 선택이나 물리적 반응을 통해 label을 생성한다. 이 구조는 프런티어 모델이 절대 흉내낼 수 없는 피드백 루프를 만든다. “proprietary data”라는 모호한 개념이 이제 algorithmic reward 불가능 + 환경 의존성이라는 명확한 기준으로 재정의될 수 있다.
근거
“proprietary 데이터, ‘너만 가질 수 있는 데이터’가 무엇이냐는 거에 대해서 제가 살짝 한 단계 더 나아간 건데, … 알고리즘적 방법으로 검증 가능한 reward function을 만들 수 없는 영역. … non-verifiable을 verifiable로 바꿔주는 이 closed-loop system.”
연결된 생각
- 20260607-non-verifiable-data-domain — 개념적 기반: non-verifiable 도메인의 정의와 속성
- 20260605-environment-as-data-strategy — 같은 주제의 다른 각도: 환경 설계가 데이터 전략의 전부
- data-flywheel-limitation — 데이터 플라이휠이 작동하려면 closed-loop가 필수