이 통찰은 김성현의 논의에서 도출되었다. RL이 모델 성능의 핵심 방법론으로 굳어진 지금, 놀라운 기술적 혁신보다는 좋은 데이터, 안정적인 인프라, 꾸준한 반복 개선과 같은 기본기가 모델 간 성능 차이를 결정한다. 또한 제품 감각, 즉 사용자 경험을 염두에 두고 모델을 조금씩 갈고닦는 태도가 연구적 혁신에 대한 집착보다 더 큰 경쟁력이 될 수 있다. 이는 Anthropic의 Claude 캐릭터 개발이나 Claude Code 하네스 사례에서 확인된다.
근거
“기본에 충실한 것이 굉장히 관건이라는 생각을 합니다… 좋은 데이터를 만들고, 안정적인 인프라를 갖춰서, 그리고 많은 연산을 사용해서 모델을 만들어 나가는, 이 가장 기본적인 것. 어떤 창조적인 방법이 아니라 이 기본이 지금 모델들의 성능을 지배하고 있다.”
“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
- 20260607-rl-environment-scaling-bottleneck — 환경 스케일링의 병목은 결국 기본기와 제품 감각으로 극복해야 하는 문제와 연결된다.
- 20260607-environment-scaling-bottleneck-determines-ai-trajectory — 기본기의 중요성은 발전 궤적 논의와도 맞닿아 있다.
출처
- 📎 클리핑: 20260613-ep98-ko-transcript