이 에피소드에서 김성현이 강조한 핵심은 “기본기의 시대”라는 통찰이다. RL이라는 답이 이미 발견된 지금, 놀라운 메서드 혁신보다 좋은 데이터를 만들고 안정적인 인프라를 갖춰 모델을 조금씩 갈고닦는 태도가 모델 간 성능 차이를 결정한다. 연구적 혁신에 경도된 AI 조직은 ‘큰 점프’를 추구하기 쉽지만, 제품 관점에서는 반복과 시행착오, 사용자 피드백을 통한 점진적 개선이 훨씬 중요해졌다. Claude의 캐릭터나 Codex의 활용성 같은 차이는 RL의 기술적 디테일보다 포스트트레이닝에서의 제품 감각과 세밀한 조정에서 나온다.
근거
“조금씩 조금씩 더 연마해 나갔을 때 그때 느껴지는 차이가 사용자에게는 굉장히 크게 와닿을 수 있는 거고, 그렇지 않으면 자꾸 조금씩 구석을 채워 나가고 갈고닦아 나가는 것보다는 커다랗게 그리고 쉽게 성능적 증대, 수치적 증대를 가져다줄 수 있는 것에 대해서 훨씬 경도되게 되죠.”
연결된 생각
- 20260606-environment-scaling-rl — 기본기 충실은 환경 스케일링의 선형적 궤적을 지탱하는 실질적 엔진이다.
- 20260606-model-harness-dialectic — 모델과 하네스의 변증법적 공진화도 결국은 기본기를 반복해서 쌓는 과정의 산물이다.