Andrej Karpathy와 Terence Tao의 인터뷰를 통해 드러난 핵심은 ‘검증 가능성(Verifiability)‘이 AI 자동화의 분수령이라는 점이다. 그러나 더 깊은 통찰은 이 경계 자체가 고정된 것이 아니라 인간이 끊임없이 재정의해야 한다는 사실이다. AI가 ‘어떻게’ 할지는 점점 잘해지지만, ‘무엇을’ 검증할지는 여전히 인간의 영역이며 이것이 앞으로의 차별화 포인트가 된다.
근거
원문에서 노정석은 “모호한 영역들에서 무엇을 목표로 설정하는가의 능력”이 중요하다고 말한다. 그는 OKR 프레임워크를 AI 하네스에 적용하여 비즈니스 판단을 scalar 지표로 변환하는 방법을 설명한다. 이는 단순히 AI에게 일을 시키는 것을 넘어, ‘성공의 정의’ 자체를 AI가 이해할 수 있는 형태로 번역하는 능력이다.
“업무 루프를 다 바꾸고 있어요. 사람과 무슨 일을 할 때도 objective와 key results를 최대한 모델이 verifiable reward 형태로, scalar의 value 형태로 받아들일 수 있게 정의하는 것이 요새 저의 모든 업무가 되고 있거든요.”
Andrej Karpathy도 “에이전트가 못하는 것이 당신의 일이다”라고 말하며, 시간을 어디에 쓸지 전략적이어야 한다고 강조했다. 이 ‘전략적 선택’의 핵심은 무엇을 검증 가능한 문제로 정의하고, 무엇을 인간의 판단에 맡길지 결정하는 일이다.
연결된 생각
- 20260607-boundary-of-verifiability — 검증 가능성과 자동화의 경계 개념의 구체적 정의
- tacit-knowledge-engineering — 암묵지를 검증 가능한 형태로 변환하는 방법론