정의
AI 사업의 전환비용(해자)이 어디에 축적되는지가 지속학습(continual learning)의 도입 시점을 기준으로 이동한다는 관점. 가중치가 고정된 현 국면에서는 마크다운·컨텍스트 파일이 해자이지만, 모델이 세션마다 실제로 학습하기 시작하면 해자는 파일에서 가중치로 옮겨간다.
핵심 속성
- 국면 구분의 축: 대립하는 두 주장(컨텍스트 파일 자산론 vs 가중치 필수론)이 아니라 시차(時差)를 가진 한 궤적의 두 지점.
- 1국면 — 가중치 동결: 모델은 세션 간 학습하지 않는다. 축적은 사용자 측 파일(CLAUDE.md, 위키, 프롬프트 자산)에만 남고, 이는 이식 가능하므로 전환비용이 사실상 0이다.
- 2국면 — 세션 학습: 축적이 제공자 측 가중치에 남는다. 이식 불가능하므로 전환비용이 발생하고 마진 확보가 가능해진다.
- 비유 근거(색소폰 우화): 명시적 노트의 무한 릴레이로는 암묵적 숙련이 전달되지 않는다. 경험은 결국 뇌(가중치)에 쌓여야 한다.
- 클라우드 유추: 클라우드의 고마진은 서비스 차별화가 아니라 이전(migration) 비용에서 나왔다. AI 마진의 대응물은 기억이다.
- 선불 가설: 현재 코딩 에이전트가 원가 이하로 배포되는 것은 학습 재료가 될 세션 데이터에 대한 선불 지급으로 해석된다.
- 기업의 딜레마: 락인을 피하면 세션마다 개선되는 기능을 포기해야 하는 선택 구조.
관계
- 20260606-continual-learning — 상위개념: 이 이주를 촉발하는 기술적 전제
- 20260510-agent-lock-in-exceeds-model-lock-in — 연장: 락인의 강도가 모델층을 넘어서는 메커니즘
- 20260527-accumulated-context-is-moat — 대조: 1국면에서만 성립하는 주장
- 20260707-externalized-memory-is-todays-continual-learning — 하위개념: 외재화는 1국면의 우회 전략
- 20260605-agent-memory-tool-lockin — 연장: 기억·도구 연결이 만드는 전환비용의 초기 형태
- 20260809-dwarkesh-patel — 출처: 예측의 발화자
- 20260515-garry-tan — 대조: 마크다운을 이식 가능한 자산으로 보는 입장
- 20260809-continuous-oversight-under-continual-learning — 자매개념: 같은 전제에서 도출되는 규제·정렬 측 귀결
- 20260809-personalized-weights-favor-large-organizations — 연장: 락인이 추론 경제학과 겹쳐 대기업 편향을 낳는 지점
인용
색소폰을 처음 보는 학생이 실패하고 노트를 남기면, 다음 학생이 그 노트를 읽고 또 실패하고 노트를 보탬. 이 줄이 무한히 이어져도 첫 시도에 색소폰을 잘 부는 학생은 안 나옴. 경험은 결국 뇌, 그러니까 가중치에 쌓여야 한다는 것
클라우드 마진의 비밀이 전환비용이었듯, AI 마진의 비밀은 기억이 될 것임