정의
프런티어 AI 모델이 빠르게 모든 검증 가능한 영역(정답이 명확한 수학·코딩·과학)을 장악하는 상황에서, 스타트업이 생존·성장하기 위해 의도적으로 진입해야 하는 영역이자 전략이다. 이 영역은 알고리즘적으로 검증 가능한 보상 함수(reward function)를 정의할 수 없는 데이터 도메인으로, 오직 실제 사용자 피드백이나 물리적·가상 환경(시뮬레이터)을 통해서만 참/거짓 라벨을 얻을 수 있다. 핵심은 그러한 환경(closed-loop system)을 설계하여 ‘검증 불가능한 데이터’를 ‘검증 가능한 라벨’로 변환하는 것이다.
핵심 속성
- 검증 가능성(Verifiability): reward function을 알고리즘적으로 정의할 수 있는 영역(수학, 코딩, 과학)은 프런티어 모델이 synthetic data 자동 생성으로 지배. 스타트업 경쟁 불가.
- 비검증 가능성(Non-verifiability): 인간의 취향, 미적 판단, 특정 도메인의 맥락 의존적 지식, 물리적 상호작용 등은 알고리즘적 검증 불가 → 프런티어 모델의 약점.
- 폐쇄 루프 시스템(Closed-loop system): 사용자 활동(좋아요/싫어요, 클릭, 이탈)이나 시뮬레이터(로봇 환경, 물리 시뮬레이션)를 통해 피드백을 수집, 비검증 데이터를 라벨로 전환하는 구조. 이것이 진정한 proprietary data의 근원.
- 데이터 플라이휠(Data flywheel): 폐쇄 루프가 작동할수록 더 많은 고품질 라벨이 축적 → 서비스 개선 → 더 많은 사용자/피드백 → 데이터 축적 가속.
- 프런티어 모델과의 관계: 프런티어 모델은 강력한 기반이지만, 비검증 영역에 대해서는 본질적으로 약함. 따라서 ‘위에 쌓는 서비스’(GTM 중심)보다 ‘수직 통합된 비검증 영역 서비스’가 기술 기반 스타트업에 적합.
관계
- 20260607-data-flywheel-proprietary-data — 상위개념: proprietary data의 실체를 비검증 영역의 폐쇄 루프로 구체화
- 20260607-verifiable-reward-function-test-time-compute — 대조: verifiable domain은 test-time compute로 해결 가능, non-verifiable은 불가
- 20260607-ai-startup-two-paths-service-vs-vertical — 연장: AGI 시대 스타트업의 두 경로 중 하나(수직 통합)의 핵심 메커니즘
- 20260607-frontier-model-domination-strategy — 대조: 프런티어 모델의 강점과 스타트업의 회피 전략
인용
“알고리즘적 방법으로 검증 가능한 reward function을 만들 수 없는 영역. … 이런 환경만이 성공이든 실패든 0, 1의 label을 줄 수 있다. 이런 환경이 없다면 절대 무언가 얻을 수 없는 거죠.”
“non-verifiable을 verifiable로 바꿔주는 이 closed-loop system이구나. 이렇게 정의하고 세상을 바라보니까, 똑같은 proprietary 데이터라도 ‘이건 LLM이 하겠네. 이건 LLM이 못 하겠네’라는 판단의 기준이 좀 되더라.”