프로세스 감독을 통한 수학적 추론 향상
https://openai.com/research/improving-mathematical-reasoning-with-process-supervision?fbclid=IwAR3ICUhp_ALBMBUMOG_vqe1cqCMpLNTzm0yWkbIP2hbeeKX7OF-11_RCXQo

OpenAI가 또 다른 돌파구를 마련했군요! 최종 정답뿐만 아니라 각 정답 단계마다 보상을 제공하는 접근으로 수학 문제 풀이에서 새로운 기록을 세운 모델을 훈련시켰 다고 합니다. 우리가 학교에서 수학을 배우는 방식과 비슷하죠? 최종 정답을 맞힌 AI의 등을 두드리는 대신, 이제 올바른 단계를 밟을 때마다 보상을 제공합니다. 마치 수학 선생님이 최종 정답뿐만 아니라 학습 과정까지 신경 써주는 것처럼요. 이를 '과정 감독(Process Supervision)'이라고 부르는데, 이는 획기적인 변화입니다. 🧮💡
* 논문의 제목은 "Let’s Verify Step by Step"입니다. (작년에 CoT - '생각의 사슬' 붐을 일으켰던 마법의 표현 Step by Step 입니다)

https://cdn.openai.com/improving-mathematical-reasoning-with-process-supervision/Lets_Verify_Step_by_Step.pdf?fbclid=IwAR1LojRtgWmMYERWatOlHsD_9AAxalBPDd2i9WiDfRwV_F_Scm3eT2IUB1k
이것은 단순히 수학 문제를 더 잘 푸는 것만이 아닙니다. 프로세스 감독은 모델이 사람이 승인한 프로세스를 따라 우리와 더 비슷하게 생각하도록 도와줍니다. 마치 인공지능의 마음을 들여다보고 작동하는 과정을 지켜보는 것과 비슷합니다. 이 방법은 매우 신뢰할 수 있는 것으로 입증되었으며, AI를 더 잘 이해하고 우리의 목표에 부합하도록 만들 수도 있습니다.
이것은 AI의 속도를 늦추는 것이 아니라 오히려 더 나은 성능을 제공합니다! 안전과 성능 모두에서 윈윈인 셈이죠.
매우 까다로운 수학 문제를 테스트한 결과, '과정 감독형' AI가 '결과 감독형' AI보다 전반적으로 더 뛰어난 성능을 보였습니다. 심지어 대부분의 시도가 실패로 돌아간 어려운 삼각형 문제에 대한 유효한 해결책을 찾아내기도 했습니다! 😮
하지만 이 성과를 칭찬하는데만 그치는 것이 아니라 진지하게 고민해야 할 부분이 있습니다. 🤔
이 방법을 다른 문제 해결 작업에서 AI를 훈련하는 데 사용할 수 있을까요? 그리고 이것이 AI의 윤리와 투명성을 어떻게 변화시킬 수 있을까요? AI의 의사결정을 더 잘 이해하고 규제하는 데 도움이 될 수 있을까요?

AI가 이 정도로 발전하면 일부 직업이 영향을 받을 수도 있습니다. 우리는 어떻게 대응해야 할까요? 편견은 어떻게 할까요? 이 방법이 편견을 식별하고 수정하는 데 도움이 될 수 있을까요?
그리고 중요한 질문이 하나 더 있습니다. AI가 우리보다 추론에 더 능숙해진다면, 우리가 함께 일하는 방식이 어떻게 바뀔까요?
마지막으로, 이 방법은 인간이 승인한 프로세스를 따르기 때문에 AI의 창의성이나 혁신 잠재력을 제한할 수 있을까요?
고려해야 할 사항이 많지만 한 가지 확실한 것은 있습니다: AI는 점점 더 똑똑해지고 있으며, 이를 활용하는 것은 우리의 몫이라는 것입니다. #AI #OpenAI #프로세스감독 #MathWhizAI 🤖👩‍🏫🔢
----
저자에 얼라인먼트팀의 Jan Leike가 있는 것이 흥미롭군요.
Jan Leike: https://twitter.com/janleike/status/1663977494058520576?fbclid=IwAR2uKE0yDJOc9V_2Ihh0AJY56TrFPs-BcAhG4kPBHmwR7fFaWrlmAtVq_nI
Leike는 이것이 기본적으로 AI가 우리가 원하는 방식으로 작동하도록 하는 '정렬'이라는 측면에서 큰 뉴스가 될 것이라고 생각하는군요.
AI 업계에서는 '정렬 세금'이라고 불리는 것, 즉 AI를 정렬해서 작동하게 만들면 AI의 성능이 떨어질 수 있다는 우려가 있었습니다. 그런데 이 사례의 경우, AI는 실제로 면밀한 감독을 받았을 때 더 잘 수행했다는 것이죠.
Leike 자신도 이 사실에 놀랐나 봅니다. 그는 더 큰 AI 모델이나 다른 영역에서도 같은 일이 일어날지 확신하지 못했지만, 지금은 확실히 이 아이디어에 대해 더 개방적이군요.
그는 또한 이것이 정렬 연구에 큰 의미를 가질 수 있다고 생각합니다. AI의 작동 방식을 더 잘 이해할 수 있다면 AI가 더 잘 작동하도록 할 수 있지 않을까요?
* PRM800K: A Process Supervision Dataset: https://github.com/openai/prm800k
----
* 포스팅 작성 과정: https://chat.openai.com/share/28921572-7b11-496c-a533-9898733d6577?fbclid=IwAR0qLLSN6H3aaiamCK-XFeZfCIa_wEXwBUBtlMjn9dN7h7F7UQH9f6l4qEQ
과연 이렇게 글쓰기를 하는 것은 제가 썼다고 볼 수 있는 것인지, 과연 저는 원문의 내용을 읽었다고 볼 수 있는 것인지... 글쎄요.
마치 원문을 읽은 다른 사람이 쓴 포스팅을 보고, 그걸 통해 대강 파악하는 느낌이랄까요. 정보의 흡수라는게 늘 이런 단계가 있는 것이긴 하지만... 뭔가의 갈림길이구나 싶습니다. 여기서 더 들어서 제대로 읽고 생각할지 아니면 게으름을 피우고 말지. 그런데 제대로 읽고 생각한다손 치더라도 시간이 지나 남는 것이 이런 게으른 포스팅 대비 과연 뭐가 더 있을 것인가... 이게 고민 지점입니다.
* 뭔가 찜찜해서 결국 블로그 원문은 다 읽었습니다. 읽고 나서 이 포스팅의 본문에 이렇다할 수정을 하지 않는 것도 아이러니합니다. 논문도 둘러봐야죠.

The Falcon 40B is a large-scale artificial intelligence model developed by the Technology Innovation Institute (TII) in Abu Dhabi, United Arab Emirates1. It is a foundational large language model (LLM) with 40 billion parameters and trained on one trillion tokens1. Falcon 40B is the world’s top-ranked open-source AI model on the Hugging Face leaderboard for large language models2. The model is available open source for research and commercial use, making it accessible to researchers, developers, and commercial users1.

The implications of Falcon 40B for large language models are significant. It matches the performance of other high-performing LLMs and is cost-effective3. The model is English-centric but also includes German, Spanish, French, Italian, Portuguese, Polish, Dutch, Romanian, Czech, and Swedish4. Falcon 40B’s open-source nature and royalty-free deployment can empower public and private sector entities with efficiencies such as faster project execution and reduced costs5.

For LLM startups, Falcon 40B offers an open-source alternative to proprietary models like OpenAI’s GPT-34. The model’s creator, TII, is offering the most exceptional project ideas access to training compute power as a form of investment2. This enables developers to tackle more complex and resource-intensive use cases with increased efficiency, productivity, and performance, driving innovation and expanding the possibilities for LLM startups2.

For big tech companies, Falcon 40B presents both opportunities and challenges. On one hand, the open-source nature of the model can foster collaboration and innovation, allowing big tech companies to leverage Falcon 40B’s capabilities for various applications. On the other hand, the model’s open-source availability may increase competition, as more startups and developers gain access to advanced LLM capabilities, potentially disrupting the market dominance of proprietary models from big tech companies.

Overall, Falcon 40B represents a significant milestone in the AI and LLM landscape, promoting open-source development, fostering innovation, and offering new opportunities for startups and big tech companies alike6.
https://twitter.com/TIIuae/status/1663911042559234051

https://twitter.com/TIIuae/status/1663911042559234051

The Falcon 40B is a large-scale artificial intelligence model developed by the Technology Innovation Institute (TII) in Abu Dhabi, United Arab Emirates1. It is a foundational large language model (LLM) with 40 billion parameters and trained on one trillion tokens1. Falcon 40B is the world’s top-ranked open-source AI model on the Hugging Face leaderboard for large language models2. The model is available open source for research and commercial use, making it accessible to researchers, developers, and commercial users1.

The implications of Falcon 40B for large language models are significant. It matches the performance of other high-performing LLMs and is cost-effective3. The model is English-centric but also includes German, Spanish, French, Italian, Portuguese, Polish, Dutch, Romanian, Czech, and Swedish4. Falcon 40B’s open-source nature and royalty-free deployment can empower public and private sector entities with efficiencies such as faster project execution and reduced costs5.

For LLM startups, Falcon 40B offers an open-source alternative to proprietary models like OpenAI’s GPT-34. The model’s creator, TII, is offering the most exceptional project ideas access to training compute power as a form of investment2. This enables developers to tackle more complex and resource-intensive use cases with increased efficiency, productivity, and performance, driving innovation and expanding the possibilities for LLM startups2.

For big tech companies, Falcon 40B presents both opportunities and challenges. On one hand, the open-source nature of the model can foster collaboration and innovation, allowing big tech companies to leverage Falcon 40B’s capabilities for various applications. On the other hand, the model’s open-source availability may increase competition, as more startups and developers gain access to advanced LLM capabilities, potentially disrupting the market dominance of proprietary models from big tech companies.

Overall, Falcon 40B represents a significant milestone in the AI and LLM landscape, promoting open-source development, fostering innovation, and offering new opportunities for startups and big tech companies alike6.

Comparisons with other models.

When comparing Falcon 40B to other large language models like GPT-3, ChatGPT, GPT-4, and LLaMA, Falcon 40B demonstrates impressive performance and capabilities. It outperforms other open-source models such as LLaMA, StableLM, RedPajama, and MPT3. Despite its power, Falcon 40B uses only 75% of GPT-3's training compute, 40% of Chinchilla’s, and 80% of PaLM-62B’s4. Falcon 40B is smaller than LLaMA (65 billion parameters) but has better performance on the OpenLLM leaderboard5. The model’s architecture is optimized for inference, with FlashAttention and multiquery5. It is available open source for research and commercial use, making it accessible to researchers, developers, and commercial users1.

About Flash attention

FlashAttention is a technique that speeds up the attention mechanism in the model, while multiquery attention allows the model to generate multiple queries for each token, thus better representing the token’s relationships with other tokens.

FlashAttention is an algorithm that reorders the attention computation and leverages classical techniques, such as tiling and recomputation, to significantly speed up the attention mechanism and reduce memory usage from quadratic to linear in sequence length1. It is designed to address the compute and memory bottleneck in the attention layer of transformer models, particularly when dealing with long sequences1.

💡 만약 인공지능이 처음부터 끝까지 모든 경험을 새롭게 디자인한다면, 여행과 항공업계는 어떻게 바뀔까요?
저는 최근 #여행, #숙박, #항공 분야에서 AI가 미치는 영향에 대해서 조사하고 글을 써봤습니다.

🌐 숙박과 항공 분야의 주요 기업과 고객이 여전히 겪고있는 불편함(가격 투명성의 부재, 정보/사용자 경험의 파편화)을 살펴봅니다.

💾 여행 업계 주요 기업별 보유한 데이터와 협업/경쟁 상황에 대해서 알아봅니다.

🚧 지금까지 이 문제들이 적절히 해결되지 않은 이유로는 분산화, 단일 기업의 한계, 레거시 시스템에 대한 의존 등이 있습니다.

🔮 그동안 해결되지 않았던 문제를 #AI 가 해결할 수 있을지 살펴보고, AI기반의 초개인화 추천, AI 컨시어지, 음성/이미지/영상 기반의 새로운 UX가 가져올 변화에 대해서 살펴볼 예정입니다.

📊 서비스 제공업체(호텔, 항공사), 온라인 여행 대행사와 메타검색 플랫폼, 전국적인 배급 시스템, 그리고 대형 기술 기업이 AI를 활용하기 위한 전략은 무엇이고 앞으로 경쟁상황이 어떻게 바뀔지를 살펴봅니다.

🧐 여행업은 기존 기업간의 경쟁만 있을까요? 아니면 과거 인터넷이 나왔을 때 메타 서치 플랫폼이라는 새로운 플레이어가 나왔던 것처럼 스타트업에게는 새로운 기회일까요?

🤯 스타트업에게 기회라면 데이터, 돈도 많지 않은 스타트업이 어떤 방식으로 제품을 만들고 고객에게 가치를 전달할 수 있을까요? 이미 데이터도 많고 돈도 많은 기존 플레이어와 경쟁할 수 있을까요?

그럴 수 있다고 봅니다. 자세한 내용은 노션 글에서 확인해주세요.
https://matthewcontinuouslearning.notion.site/AI...

Graph Neural Prompting with LLMs
Proposes a plug-and-play method to assist pre-trained LLMs in learning beneficial knowledge from knowledge graphs (KGs).
Includes various designs, including a standard graph neural network encoder, a cross-modality pooling module, a domain projector, and a self-supervised link prediction objective.
It looks like a really effective way to learn and capture valuable knowledge from KGs for pre-trained LLMs to enhance them on tasks like commonsense and biomedical reasoning.
Graph Neural Prompting can improve the performance by +13.5% when the LLM is frozen, and +1.8% when the LLM is tuned.
KGs and GNNs are underrated but they are quite effective for problems where you are dealing with factual knowledge and complex structural information.
The innovative plug-and-play method significantly enriches LLMs with Knowledge Graphs. It adeptly integrates varied modules, showing marked improvements in nuanced tasks and addressing challenges with factual and structural info, making this paper key for those seeking advancements in sophisticated #AI understanding.

https://arxiv.org/abs/2309.15427?fbclid=IwAR3amz-UXFTS2_C1nCnpxUzAawbFOI2ORVxUqfTE4AKR6x1wZg48tViJy88

Waymo’s #autonomous cars now serve all of San Francisco. Thoughts after my 1st ride:

🤖 working in the #ai space and shipping related product is cool, but experiencing AI so tangibly in a self-driving car is incredibly visceral, especially when riding solo and you’re NOT the one driving. It reinforces how transformative AI/ML technology is, even for those of us with product we can’t physically touch.
📈 imagining a future where autonomous vehicles A) outnumber human-driven cars and B) can “talk” to each other instantly across all brands really excites me. Accidents, traffic jams, basically all road-related inefficiencies will drastically decrease.
🚗 I’m never taking an Uber, Lyft, Grab, or any other human-driven rideshare service again if Waymo is available.

https://www.linkedin.com/posts/scotthori_autonomous-ai-ugcPost-7118151542783832064-UEAu?utm_source=share&utm_medium=member_ios

Today, Lightspeed is announcing that we’re leading a $35M Series A in Pika Labs, the company that’s redesigning the entire video-making and editing experience with #AI.

In 2023, video is arguably the most valuable form of media. Yet, compared to all other forms of media, the process for creating high quality video remains challenging for the masses. We shoot videos on our smartphones and upload them to YouTube, but making professional grade films or animation remains out of reach for most.

AI is making all of the above easier. And given the medium’s appeal relative to other forms of creativity, the opportunity in eliminating this gap between creation and value is staggering.

Enter Pika, which is redesigning the entire video-making and editing experience with AI. While other platforms are focused on only enabling pros, Pika makes video creation accessible for all creators, regardless of talent. In under 6 months in beta, Pika has empowered more than 500K people to bring their creative vision to life and 30M+ views on TikTok.

Through Pika, anyone can generate short video clips in virtually any creative style within seconds, just by typing a few lines of text. Plus, users can:

* Extend videos to any length
* Modify aspects of any video instantly
* Extend videos to any content or aspect ratio 
* Adjust camera movement

And all of this is accessible through their web app and Discord server.

While Pika is just launching publicly today, the founders were destined to start this company years ago. Both spent their earliest years aspiring to pursue creative careers. For Demi Guo, poetry was her passion. And for Chenlin Meng, the dream was to grow up to become an animator, inspired by film studios like Pixar.

Both founders’ interests would ultimately evolve to another form of creativity: computer programming. Impressive academic and professional achievements would soon follow, including both obtaining Ph.Ds from Stanford, studying under some of the AI industry’s most renowned professors, and helping author foundational papers that would chart the course of generative AI in the years to come.

Given such an impressive collection of foundational experiences, rooted in an early passion for creativity, the Pika team seems destined to change how we all share our stories visually.

At Lightspeed, we couldn’t be more excited to partner with Pika and support their mission to allow anyone to bring their creative vision to life. And we’re thrilled to be investing alongside other amazing investors at the forefront of AI, including Nat Friedman, Daniel Gross, Elad Gil, Adam D'Angelo, Alex Chung, Clem Delangue 🤗, Andrej Karpathy, Craig Kallman, Keith Peiris, Mati Staniszewski, Aravind Srinivas, Ben Tossell, and funds like Conviction, Factorial, Homebrew, SV Angel, and others.

Through Pika, now anyone can become a video creator and bring their vision to life. Head to www dot pika dot art to start creating 🚀

맞아 죽어도 글로벌에서 죽겠다. 🔥

https://youtu.be/mSCVbUeY55Y?si=GREjId_LW2CpfEDr

#원자력 #원전 #AI

Microsoft는 AI를 활용해 수년/수억 비용이 드는 원자력 규제 및 라이센스 작업 관련 LLM 모델 교육 진행. 이는 NRC 허가 절차를 신속히 진행 위한 일로, 시간/비용 절감 부분 잠재적 엄청난 효과.

NRC 승인을 받은 마지막 원자력 운영업체 NuScale은, 12000페이지에 달하는 신청서를 제출했으며 그 과정에 $5억 이상 지출. 승인에도 불구하고 유틸리티 대한 수요가 임계 수준에 도달하지 않아, 이익 관련 로드맵은 무너진 상황. 이처럼 원전 스타트업이 관련 승인 프로세스를 진행하기엔 비용/시간 부분 어려움 존재, AI는 신규 플레이어의 장애물을 낮춰줄 수 있는 측면.

마이크로소프트는 프로세스에 소요되는 인력/시간을 90%까지 줄여, 잠재적으로 시간/비용 절약 가능한 AI 교육 위해 원자력 단체와 협력 중. 이러한 프로세스를 정형화 시키기 위해 매우 구체적이고 구조화된 모델을 교육 중. 실제로 규제 승인 절차에 소요되는 시간을 단축할 수 있다면, 이는 새로운 원자로 설계만큼이나 큰 혁신이 될 수 있는 측면.

https://www.wsj.com/tech/ai/microsoft-targets-nuclear-to-power-ai-operations-e10ff798?utm_source=substack&utm_medium=email

Siemens has signed an agreement to acquire Altair, a leading provider of #software in the industrial #simulation and analysis market. With this acquisition we strengthen our position as a leading technology company and the leader in industrial software and #AI.

https://youtu.be/snkOMOjiVOk

추론이라고 부를 수도 Inference time Scaling이라고 부를 수도 있겠지만 본질적으로는 결과를 기반으로 대규모 RL을 했을 때 나타나는 창발적인 현상이라는 것. 과정이 어떠해야 하는가를 기술하는 대신 모델이 그것을 스스로 찾게 해야 한다는 딥 러닝의 사고방식으로 다시 돌아가야 하는 순간. 김성현님

추론(Reasoning) 모델, RL 접목 전망

타사 모델(예: OpenAI)과의 비교

질문자는 “OpenAI에서 모델별로 Reasoning 모드가 존재한다는데, Anthropic에도 비슷한 모델이 있냐”고 질문.
화자는 Anthropic 측 접근은 “이분법적으로 추론 모델 vs. 일반 모델”로 구분하기보다, RL(강화학습)을 통해 모델이 더 깊게 사고·반성(reflection)·탐색(search)하게 만드는 방향이라 설명.
결론적으로 ‘생각하는 모델’과 ‘그냥 빠르게 답변하는 모델’을 별도로 두기보다, 자연스럽게 모델이 상황에 따라 손쉽게 추론하는 쪽을 지향.
강화학습(RL) 대규모 도입

Anthropic은 앞으로 점점 더 많은 RL 기법을 모델 학습에 활용할 것이며, 이를 통해 모델이 “스스로 사고 과정을 점검”하고 품질 높은 답변을 도출하게 만들 것.
“테스트 시간(Test-Time) 컴퓨트” 혹은 “추론 시간 설계”에 대한 논의가 있지만, Anthropic은 “결국 대규모 RL 기반으로 모델 스스로 사고를 강화”하는 방식이 더 자연스럽다고 봄.


2017~2018년 이후 Scaling Laws 관찰

화자는 이미 2017년 무렵부터 “계산 자원을 계속 늘리면 모델 성능이 전방위로 향상된다”라는 스케일링 법칙을 믿어 왔음.
과거에는 일정 수준 불확실성이 있었으나, 최근 3~6개월 사이 그 불확실성이 크게 줄었고, 실제로 여러 지표에서 모델이 사람보다 뛰어난 단계가 가까워지고 있다고 진단.

“AI 발전이 생각보다 빠르다”

화자는 AI 발전이 극도로 빠르며, 향후 2~3년 내에 거의 모든 지식·특정 작업에서 인간보다 우월해질 모델이 나올 수 있다고 설명.
이에 대한 긍정적 효과와 부정적 리스크 모두가 컸기에, “AI 업계가 이를 제대로 인식하고 솔직히 소통해야 한다”고 강조.


노동시장 영향 (단기 vs 장기)

단기적 관점(1~3년 정도)

새로운 기술은 기존 일자리를 대체할 수 있지만, 반대로 “기술 활용 능력이 있는 인력”의 생산성을 크게 높여 ‘보완재(Complementary)’ 역할을 할 수도 있음.
Anthropic은 이전 기술혁신 사례처럼, “직무 일부를 AI가 대신하면, 사람이 더 창의적·고차원적 부분에 집중해 업무 효율을 높일 수 있다”는 ‘비교우위’ 관점을 강조.
다만 기업들이 AI를 어떻게 도입하느냐(대체 vs. 보완)에 따라 결과가 달라질 수 있으며, Anthropic은 “보완형 파트너십” 방향을 지지.


장기적 관점

화자는 “결국에는 AI가 인간보다 더 뛰어난 단계, 심지어 로봇과 결합해 물리 노동까지 대체하는 시점”이 올 것으로 예상(시점 불명, 다만 2027년 전후 가능성 언급).
그때는 “인간의 자존감, 가치, 경제 체계, 분배 방식” 등에 근본적인 재설계가 필요.
모든 인간에게 적용되는 상황이라면 “전(全) 인류가 같은 배를 탔다고 볼 수도 있지만, 만일 30%만 대체되고 70%는 그대로라면 큰 사회 갈등이 생길 것”이라고 우려.

# DeNA 난바 토모코가 말하는 'AI 시대의 기업 경영과 성장 전략' 전문
2025.02.14
태그: #남바토모코 #AI #데이터사이언티스트 #데이터애널리스트 #엔지니어
"DeNA는 AI에 올인하겠습니다"
2025년 2월 5일에 개최된 이벤트 'DeNA × AI Day || DeNA TechCon 2025'의 오프닝에서 DeNA 대표이사 회장 난바 토모코는 이렇게 선언하며, "1999년에 창업한 DeNA의 제2의 창업, 챕터2가 시작된다"고 발표했습니다.
나날이 눈부시게 발전하는 AI와 DeNA는 어떻게 마주할 것인가?
그리고 AI가 이끄는 미래에 대해 "역시 기점은 인간이다"라고 말한 진의는 무엇인가?
난바 회장의 강연 내용을 전문 그대로 전달해드립니다!
## 목차
- AI의 파워로 "편함"을 얻다
- 10명으로 유니콘은 현실이 되다
- 현재 인원의 절반으로 현업을 성장시키고, 나머지 절반으로 유니콘을 대량 생산한다
- B2B는 버티컬 AI 에이전트에 집중, B2C는 궁극의 몰입감을 추구
- M&A를 활성화하고, 독립도 지원
- AI 전환의 본질은 창조적인 일에 집중하는 것
- DeNA 제2의 창업기, 챕터2가 시작된다
- AI는 좋은 타이밍. 파도를 잡으면 누구나 주역이 될 수 있다
## AI의 파워로 "편함"을 얻다
여러분 안녕하세요. 시청해 주셔서 감사합니다. 먼저 저는 "DeNA가 AI와 어떻게 마주할 것인가"에 대해 말씀드리고 싶습니다.
우선, 경영자로서 AI를 어떻게 보는가 하면, 현실적으로 확실한 것은 극적인 경영 효율화가 있다는 점입니다. 많은 기업들이 "이렇게 생산성을 향상시켰다"는 것을 보도하거나 스스로 발신하고 있습니다.
고객 지원, 소프트웨어 엔지니어링, 마케팅에 더해 앞으로는 HR, 법무, 경영기획, 회계 등의 분야까지 이 AI의 임팩트, 생산성의 극적인 향상의 영향이 미칠 것이라고 생각합니다.
여러분의 업무도 이미 상당히 편해지거나, 빨라지거나, 기간이 단축되고 있지 않나요? 저 같은 경영자도 실은 AI의 힘으로 매우 편해졌습니다. 제 업무의 특징은 현장에서 뭔가를 만들어내기보다는, 미팅이 굉장히 많다는 것, 또 매주 처음 만나는 사람을 만난다는 것입니다. 또한, 저 자신이 마지막 순간까지 준비를 미루는 습관이 있습니다.
(스크린에 보이는) 이 배경이 실은 제 구글 캘린더의 지난주인가 지지난주의 스케줄입니다. AI로 어떻게 편해졌냐면, 우선 처음 만나는 사람의 정보는 'Perplexity'에서 "그 분에 대한 필독 기사가 무엇입니까?"라고 물어보고, 그 URL을 모두 'NotebookLM'에 업로드합니다. 그 사람이 YouTube에서도 발신하고 있는 경우는 최근 것을 모두 URL로 복사해서 'NotebookLM'에 넣습니다. X에서 발신하고 있는 경우는 텍스트로 넣기도 합니다.
그러면 곧바로 그 분의 최근 생각이나 어떤 활약을 하고 있는지가 정리되어 효율적으로 알 수 있습니다. 미팅에 가는 택시 안에서 'NotebookLM'과 채팅하면서 "이 분은 트럼프 정권에 대해 뭔가 말씀하셨나요?" 라든가, "스타트업 생태계에 대해서는 어떠신가요?"라고 물으면, "이 사람은 이것에 대해 이런 생각을 가지고 있어요"라고 답해주므로, 핀포인트로도 좋은 정보가 모입니다.
또한, 미팅에 임할 때 "'Circleback'을 켜도 될까요?"라고 말할 수 있는 상대에게는 허가를 받고, 그리고 미팅이 끝나면 바로 의사록이 있는 상태로 만듭니다. 이는 여러분도 하고 계시겠지만, ToDo 리스트도 나오므로 업무 효율이 대폭 향상되는데, 동시에 질도 향상되고 있다고 생각합니다. 투자 판단할 때는 'Deep Research'로 열심히 정보를 모아서 미팅에 임하는 것도 하고 있습니다.
이렇게 저 자신도 매우 편해져서 감동하고 있지만, 기본적으로 AI의 파워는 화이트칼라 모두에게 생산성과 업무의 질이 향상되는 것이라고 생각합니다. 특히 AI 에이전트가 실용화되면 극적으로 변화할 것입니다.
## 10명으로 유니콘은 현실이 되다
자, "10명으로 유니콘 기업의 설립이 현실적인가"에 대해서는, 이는 현실적인 이야기입니다. 미국 서부의 어느 스타트업 CEO는 아침에 일어나면 ToDo 리스트에서 하나씩 ToDo를 (자율형 AI 소프트웨어 엔지니어인) 'Devin'에 할당하고, 중간에 궤도 수정 등을 하여 완성하며, 상당히 편해졌다는 이야기가 있습니다. 이 분의 회사는 소프트웨어를 만드는 기업인데, 7명으로 3000억 엔의 밸류에이션을 받는 당당한 유니콘으로 성장했습니다.
비밀을 밝히자면, 이 분은 스콧 우로, Cognition AI, 즉 'Devin'을 만드는 회사의 CEO입니다. 당연히 'Devin' 사용에 능숙할 것이라는 점이지만, 실제로 미국 서부에 가서 다양한 창업가의 이야기를 들어보면, 약간의 엔지니어링 백그라운드만 있어도 (AI 에디터인) 'Cursor' 등을 사용하여 상당한 수준의 제품 제작이 가능하다고 합니다. 일반적으로, 채용 인원도 줄었다고 합니다. 또한, 벤처캐피털에 이야기를 들어보면, 최근에는 자금 조달의 얼리 스테이지 규모도 작아졌다고 하고, 조달한 자금의 런웨이가 길어졌다는 이야기도 듣습니다.
1인이 10인분의 일을 할 수 있는 시대가 되었다는 것에 대해, 저도 매우 감동하고 있습니다. 우려되는 점은 일본과 미국의 격차입니다. 미국 서부와 도쿄를 오가다 보면, 어쩔 수 없이 격차를 느끼게 됩니다. 미국 서부에서는 정말 숨 쉬듯이 학생도 스타트업도 그리고 벤처캐피털도 AI 툴을 사용하고 있습니다. 또한, 주 단위로 업데이트되는 파운데이션 모델에 대한 정보 교환, 또는 새로운 툴에 관한 정보 교환 등, 엄청난 소음이 있습니다. 그리고 공표되지 않은 미래까지도 읽으려고 하고 있습니다.
예를 들어, 제 친구는 "들어봐 토모코, 이번에 NVIDIA의 35세를 채용할 거야"라고 말합니다. 이는 NVIDIA가 어떤 미래를 그리고 있는지를, 35세의 핵심 인재를 고용함으로써, 다른 사람보다 빨리 알고 싶다는 것이죠. 실제로 인재의 유동과 함께 정보가 유통되고 있습니다. '지식 스필오버'라는 말을 사용하기도 하지만, 그런 일도 실제로 일어나고 있어서, 스타트업뿐만 아니라 비즈니스맨으로 AI의 가능성에 흥분하지 않는 사람이 없는 상황입니다. 물론 일본에도 그런 사람들이 있지만, 비율이 적어서 약간 위기감을 느낍니다. 특히 대기업 경영자들의 모임에서는 그 비율이 적다고 느끼고 있습니다. 그리고 AI 화제가 올라올 때는 어떻게 보면 리스크 이야기가 많다고 느끼고 있습니다.
일본의 경영자들도 "AI를 제대로 공부해야 한다" "생산성 향상에 사용해야 한다"면서, 현장에 "이것을 사용해서 어떻게 생산성을 극적으로 개선할 수 있는지 제안해보라"는 식의 말을 하고 있는 것 같습니다. 하지만, 저는 현장으로부터의 개혁에 관해서는, 특히 이 건에 관해서는 약간 한계가 있다고 생각합니다.
역시 극적인 생산성 향상이란 것은 AI를 중심으로 업무를 재구성하는 것이 필요합니다. 이것은 꽤 큰일입니다. 그리고 경우에 따라서는 인원 감축으로 이어질 수도 있고, 인재의 교체가 필요한 경우도 생깁니다. 또한 단기적으로는 비용이 증가할 수도 있습니다. 기본적으로는 고통을 수반하는 개혁이며, 드라스틱한 개혁입니다.
이는 역시 톱이 이끌어야 하지 않을까요? 게다가 "이것이 중요하니까 해주세요"라는 것이 아니라, 스스로 툴을 사용해보고, 이 가능성에 감격하고, 흥분하며, 그 흥분을 개혁의 에너지로 바꾸어 전사를 이끌어가는 것이 필요하다고 생각합니다.
따라서, 경영자 자신이 흥분하고 있는지 아닌지가 매우 중요한 포인트라고 생각합니다. 다만, 저는 일본을 걱정하는 입장이 아니므로, 우선 DeNA가 앞으로 무엇을 할 것인지에 대해 말씀드리고 싶습니다.
## 현재 인원의 절반으로 현업을 성장시키고, 나머지 절반으로 유니콘을 대량 생산한다
DeNA는 AI에 올인합니다. 경영의 AI 전환, 우선 철저하게 생성 AI를 사용하여 생산성 향상에 힘쓰겠습니다. 현재의 사업은 약 3000명으로 운영하고 있습니다. 이를 매우 모데스트한 목표이지만, 절반의 인원으로 현업을 성장시켜 나가겠습니다.
그리고 그 나머지 절반으로 무엇을 할 것이냐면, 신규 사업을 진행하겠습니다. 하나의 신규 사업이 아니라, 10명 1조로 유니콘을 대량 생산하는 것과 같은 이미지로, 크레이지하게 공격적으로 나아가고 싶습니다.