개요
스탠퍼드 강연 한 장면이 다시 논쟁을 키웠습니다. OpenAI의 샘 알트먼이 “지금 시점에서 LLM의 스케일링에 베팅하지 않는 건 잘못된 판단으로 보인다"고 잘랐습니다. 비판을 가벼이 받아넘긴 정도가 아니라, 한 세대의 연구자들이 스케일링이 안 될 거라는 확신에 갇혀 분야 전체를 늦췄다고 진단한 발언입니다.
이름이 직접 거론된 사람은 얀 르쿤(Yann LeCun)입니다. 르쿤은 줄곧 LLM을 “막다른 길"로 불러왔습니다. 알트먼은 같은 자리에서 “어떤 사람들은 자기 입장에 정체성을 묶어 두고, 데이터가 틀렸다고 말해도 놓지 못한다"고 받아쳤습니다.
핵심 요약
- 알트먼은 스탠퍼드 강연에서 LLM 회의론을 정면으로 받아쳤다.
- “스케일링에 베팅하지 않는 건 잘못된 판단으로 보인다"가 핵심 한 줄이다.
- 한 세대의 연구자가 스케일링의 가능성을 과소평가해 분야 전체가 늦어졌다는 주장이다.
- 얀 르쿤을 겨냥해 “데이터가 틀렸다고 해도 자기 입장을 못 놓는 사람들이 있다"고 비판했다.
- 최근 한 OpenAI 모델이 오랫동안 풀리지 않던 수학 추측을 반증해 수학자들이 분야의 의미를 다시 묻고 있다는 일화도 같이 꺼냈다.
- 다만 호흡이 긴 고판단 과제에서는 “LLM이 사람보다 한참 못한다"고 인정했다.
- 같은 결의 발언은 앤트로픽 다리오 아모데이도 최근 내놨다.
알트먼이 가른 두 갈래
알트먼은 회의론을 두 부류로 나눕니다. 한 쪽은 데이터를 보고 입장을 바꿀 수 있는 사람, 다른 쪽은 자기 정체성에 자기 입장을 묶어 둔 사람입니다. 그가 보기에 후자 쪽 사람들이 너무 많았고, 그 영향으로 분야 전체가 스케일링이라는 카드를 너무 늦게 진지하게 다뤘다는 겁니다.
“트위터 트롤"이 매년 OpenAI의 실패를 예고한다는 농담도 같은 강연에서 나왔습니다. 그런 비판은 더 이상 신경 쓰지 않는다는 톤이었습니다. 알트먼이 정말로 답하고 싶었던 상대는 익명의 비관론자가 아니라, “지능의 본질이 그것일 리 없다"는 신념으로 LLM을 깎아내려 온 학계 안쪽이었습니다.
르쿤은 이 진영의 대표 얼굴입니다. 그는 줄곧 “다음 토큰 예측"으로는 진짜 지능에 도달할 수 없다고 주장해 왔습니다. 알트먼은 그 주장을 정면에서 부정하지는 않습니다. 다만 “그래서 지금까지 나온 결과들은 어떻게 설명할 거냐"고 되묻는 셈입니다.
“수학 추측을 반증한 모델"이라는 무기
이번 발언에서 가장 인상적인 대목은 알트먼이 꺼낸 한 일화입니다. 최근 OpenAI의 한 모델이 오랫동안 똑똑한 사람들이 매달려 풀지 못했던 수학 추측을 반증했다는 이야기입니다. 그 결과를 본 수학자들이 자기 분야의 앞날을 새삼 다시 묻기 시작했다고 그는 전했습니다.
이 일화는 단순한 자랑이 아닙니다. 회의론의 가장 무거운 반박, “LLM은 결국 학습 데이터의 재조합일 뿐 새로운 지식은 만들지 못한다"는 명제에 대한 반례로 들고 나온 겁니다. 알트먼의 말은 짧고 단호합니다. “그러니까 LLM이 새로운 지식을 알아낼 수 있다는 건 분명하지 않나.”
물론 한 건의 사례로 모든 의문이 정리되지는 않습니다. 다만 “원리적으로 불가능하다"는 주장과 “이미 일어났다"는 주장이 한 무대에서 부딪혔다는 사실 자체가 토론의 지형을 바꿉니다.
그래도 인정한 약점 — 긴 호흡, 높은 판단
알트먼이 LLM을 무한히 띄운 것은 아닙니다. 같은 강연에서 그는 한 가지 분명한 한계를 인정합니다. 호흡이 길고, 높은 수준의 판단이 필요한 과제에서는 LLM이 사람보다 한참 못한다는 겁니다.
여기서 말하는 과제는 단순한 긴 글쓰기가 아닙니다. 여러 단계의 결정을 누적해 가며 중간에 방향을 바꾸고, 모호한 정보를 종합해 자기 책임으로 결론을 내려야 하는 일들입니다. 회사를 운영하거나, 연구 프로젝트를 다년에 걸쳐 끌고 가거나, 정책 의사결정을 책임지는 류의 일이 여기에 들어갑니다.
세계 모델(world model) 논쟁도 같은 자리에서 짧게 언급됐습니다. 로봇처럼 물리 환경과 직접 상호작용하는 영역에서는 세계 모델이 중요할 수 있다는 점은 알트먼도 받아들입니다. 다만 그것이 “LLM 스케일링은 끝났다"는 결론으로 직접 연결되지는 않는다는 게 그의 입장입니다.
아모데이의 비슷한 입장
같은 결의 발언은 알트먼 한 사람에게서만 나오는 게 아닙니다. 앤트로픽의 다리오 아모데이 역시 최근 비슷한 톤으로 말했습니다. 두 사람은 모델 라인업과 사업 전략에서는 분명히 경쟁자지만, “스케일링이 아직 끝나지 않았다"는 큰 그림에서는 같은 자리에 서 있습니다.
LLM이 막다른 길에 도달했다는 진영과 더 큰 모델·더 많은 데이터·더 정교한 학습이 여전히 답을 가져온다는 진영 사이의 거리는 좁혀지지 않고 있습니다. 다만 시장 자금과 인프라가 따라가는 쪽은 일단 후자입니다.
실무자가 볼 핵심 포인트
- 단기 의사결정 — 도구 선정과 인프라 투자에서 “LLM은 곧 한계"라는 가정을 깔지 않는다. 알트먼·아모데이가 같은 자리에 서 있다는 신호 자체가 시장 자금의 방향이다.
- 약점은 정확히 본다 — 호흡이 긴 과제, 높은 판단이 필요한 영역에서는 여전히 사람이 우위다. 에이전트 설계에서 LLM을 “최종 판단자"가 아니라 “정보 정리·중간 추론기"로 두는 분업이 안전하다.
- “새 지식 생성” 사례는 가설이 아니다 — 한 건이라도 검증 가능한 새 결과가 나오면, 수학·과학 도메인에서 LLM을 단순 보조에서 공동 연구자로 재배치하는 흐름이 시작된다. 자기 도메인에서 같은 일이 일어났을 때 받을 준비가 돼 있어야 한다.
- 회의론자와 어떻게 일할지 — “원리적으로 불가능하다"가 아니라 “현재 모델이 이것을 못한다"로 비판을 받는다면 그 비판은 보통 옳다. 후자 형태의 피드백은 제품 백로그에 그대로 넣는다.
원문 출처
원문 보기 — Matthias Bastian, The Decoder, 2026-06-21