앤트로픽 최고 제품 책임자 마이크 크리거가 말하는 AI 전략, 스타트업 진입점 및 딥시크 인사이트

최근 인공지능 기업 인류학 높은 가시성. 뿐만 아니라강력한 성능의 클로드 3.7 소네트 모델을 소개합니다!여전히 존재합니다.자금 조달에 상당한 진전이 있었습니다.최근 인터뷰에서 Anthropic의 최고 제품 책임자이자 전 Instagram 공동 창립자인 마이크 크리거는 AI 산업의 진화, 제품 전략 및 미래 트렌드에 대한 인사이트를 공유했습니다.

혁신과 신뢰의 균형: AI 제품을 출시하는 방법

샘 알트먼은 스타트업의 가장 큰 즐거움 중 하나는 완벽을 추구하지 않고도 제품을 빠르게 출시할 수 있다는 점이라고 언급했습니다. 하지만 회사의 규모가 커질수록 제품을 출시할 때마다 많은 부담이 따릅니다.

크리거는 이를 잘 알고 있습니다. 그는 Anthropic이 스타트업의 보다 공격적인 "빠르게 움직이고 규칙을 깨는" 전략과 대기업의 보수적이고 느린 릴리스 속도 사이에서 미묘한 균형을 맞추려고 노력한다고 생각합니다. 특히 수백만 명의 사용자를 보유한 Anthropic의 경우 빠른 반복과 사용자 신뢰 사이의 균형을 맞추는 것이 핵심 과제였습니다.

Anthropic은 다양한 사용자 그룹을 수용하기 위해 '옵트인' 메커니즘과 같은 유연한 릴리스를 모색해 왔습니다. 예를 들어, 예측 가능성과 안정성을 중시하는 API 제품의 경우 옵트인 방식을 사용하여 사용자가 새로운 기능을 사용해 볼지 여부를 결정할 수 있도록 할 수 있습니다. 사용자가 지속적으로 개선되고 최적화된 경험을 기대하는 소비자 또는 기업용 제품에는 적합하지 않을 수 있습니다.

크리거는 Anthropic이 여전히 가장 적절한 출시 주기를 적극적으로 모색하고 있다고 인정합니다. 새로운 기능을 최대한 빨리 시장에 출시하여 적시에 사용자 피드백을 받고 싶지만, 회사의 인지도가 높아지고 더 많은 사람들이 업무 수행에 Anthropic의 제품을 사용하기 시작하면서 예전처럼 릴리스를 대수롭지 않게 여길 수 없다는 사실도 깨닫고 있습니다.

모델을 넘어서: AI 제품을 위한 해자 구축하기

크리거는 앤트로픽의 목표는 단순한 '모델 제공자'가 아니라 고객의 'AI 파트너'가 되는 것이라고 강조합니다. 이는 단순히 '텍스트 입력, 텍스트 출력' API 트랜잭션을 제공하는 것이 아니라 고객과 더 깊고 장기적인 관계를 구축하는 것을 의미합니다.

이를 위해 앤트로픽은 자사 제품의 전략적 가치에 높은 가치를 두고 있으며, 크리거는 이를 통해 수익원을 늘릴 뿐만 아니라 학습을 가속화하고 모델링 역량을 개선하며 브랜드 충성도를 구축하고 더 강력한 경쟁 해자를 만들 수 있다고 믿습니다.

의 이름을 따서 Claude 예를 들어, 내부적으로 퍼스트 파티 도구를 시험해 봄으로써 모델 개선에 대한 직접적인 피드백을 얻을 수 있어 차세대 모델의 반복을 가속화할 수 있다는 점에 주목했습니다. 또한 퍼스트 파티 제품은 사용자 고착화와 브랜드 충성도를 구축할 가능성이 더 높습니다.

하지만 크리거는 자체 제품 개발과 관련해서는 아직 개선의 여지가 많다는 점도 인정합니다. 그는 회사가 자사 제품에 충분히 투자하지 않아 반복 작업이 느려졌고, 이로 인해 시장에서의 Anthropic의 경쟁력이 어느 정도 영향을 받았다고 인정합니다.

차별화를 통한 경쟁: AI 스타트업을 위한 기회와 과제

크리거는 AI 스타트업의 기회와 도전에 대해 이야기하면서 가장 가치 있는 분야는 차별화된 시장 전략과 특정 산업 또는 전문 데이터에 대한 고유한 지식을 갖춘 분야가 될 것이라고 주장했습니다. 그는 금융, 법률, 의료 등의 분야를 복잡성과 전문성으로 인해 AI 스타트업이 장기적인 경쟁 우위를 구축할 기회를 제공하는 분야로 꼽았습니다.

크리거는 AI와 제품 설계의 핵심은 미래의 비전을 보여주는 것과 모델의 현재 기능을 활용하는 것 사이의 미묘한 균형이라고 지적합니다. 스타트업은 얼리 어답터를 유치하기 위해 적당히 '과대 약속'을 할 수 있지만, 이미 제품과 사용자가 있는 SaaS 업종은 부적절한 AI 기능으로 사용자의 신뢰를 저해하지 않도록 더욱 주의해야 합니다.

그는 또한 스타트업이 "미래 모델을 위한 제품을 만들어야 한다"고 강조했습니다. 그는 많은 스타트업의 제품이 클로드 3.5 소네트나 이와 유사한 획기적인 모델이 등장하기 전까지는 실제로 성공하지 못했다고 언급했습니다. 즉, 스타트업은 적극적으로 현장을 탐색하고 현재 모델의 한계에 민감하게 반응하며 차세대 모델을 적극적으로 실험해야 합니다.

DeepSeek의 인사이트: 기술, 마케팅 및 제품에 대한 다양한 생각

크리거는 또한 다음과 같은 관심사에 대해 이야기했습니다. DeepSeek 딥시크의 전망. 그는 딥시크의 등장으로 사람들이 AI 분야에서 중국의 기술력을 과소평가해서는 안 된다는 사실을 깨닫게 되었다고 믿습니다.

그는 중국의 AI 역량을 과소평가하거나 계속 과소평가하는 것은 큰 실수가 될 것이라고 지적했습니다. 그는 중국에서 Instagram이 차단된 후 등장한 일련의 유사 스타트업을 예로 들며, 이러한 제품은 일반적으로 품질이 우수하고 창의적인 사고를 많이 보여주며 대규모 채택을 달성했다고 지적했습니다.

크리거는 딥시크의 부상에 대해 기술적 요인과 시장 차원의 요인이 모두 있다고 생각합니다. 기술적인 측면에서는 딥시크가 앤트로픽이 배우고 생각해야 할 몇 가지 일을 해왔습니다. 하지만 시장 전략과 시장 지위 측면에서 보면, Anthropic에 대한 DeepSeek의 영향력은 상대적으로 제한적입니다.

크리거는 딥시크의 마케팅 성공을 강조했습니다. 그는 무명에서 출발한 딥시크가 많은 분야에서 클로드보다 더 잘 알려지게 된 배경에는 현재의 세계 상황과 "딥시크가 더 저렴하다"는 이야기가 있었기 때문이라고 설명했습니다. 그는 앤트로픽이 클로드의 이야기를 대중에게 충분히 전달하지 못했고, 클로드의 독창성을 보여주기에도 부족했다고 인정합니다.

또한 크리거는 딥시크의 부상을 계기로 모든 디테일의 완벽함에 지나치게 신경 쓰기보다는 아이디어를 더 빨리 시장에 출시해야 한다는 것을 깨달았습니다. 그는 때때로 경험의 참신함 그 자체가 가치가 있다고 믿습니다.

또한, 크리거는 신흥 시장에서는 사용률과 유지율이 높은 반면 서구 시장에서는 그렇지 않다는 사실을 발견했습니다. 그는 이것이 다른 시장에서의 사용자 프로파일링 및 마케팅 전략과 관련이 있을 수 있다고 제안했습니다. 그는 딥시크와 앤트로픽 모두 경쟁력을 유지하기 위한 열쇠는 누가 먼저 업무와 생활에서 AI를 더 깊이 적용하고 시간이 지나도 지속 가능한 서비스를 실현하느냐에 달려 있다고 말했습니다.

모델링 기능 및 사용자 경험: AI 제품 설계의 핵심

크리거는 모델 품질과 제품 사용자 경험(UX) 간의 강력한 상관관계를 강조합니다. 그는 훌륭한 UX 디자이너가 되려면 모델 품질도 고려해야 한다고 주장합니다.

그는 오늘날의 디자이너, 제품 관리자, 특히 엔지니어는 근본적으로 불확실한 시스템을 중심으로 스캐폴딩과 제품을 설계하는 방법에 대해 고민해야 한다고 지적했습니다. 즉, 모델 품질, 큐 워드 엔지니어링 및 기타 모든 백엔드 요소가 제품 설계의 일부가 되어 제품에 직접적인 영향을 미칩니다.

크리거는 미래에는 사용자가 직접 모델을 선택할 필요가 없을 것이라고 믿습니다. 그는 '추상화 누수'라는 용어를 사용하여 현재 대부분의 AI 제품의 설계 결함을 설명합니다. 그는 사용자가 모델을 선택하고, 작동 방식을 이해하고, 단서를 엔지니어링해야 하는데, 이 모든 일이 일어나서는 안 된다고 지적합니다. 그는 미래의 AI 제품이 "사용자에게 완전히 투명한 큐 엔지니어링을 제공"하여 사용자가 누가 좋은 큐 엔지니어인지 구별하는 대신 모델이 대화를 통해 사용자의 요구를 명확히 파악할 수 있기를 희망합니다.

코드 생성 및 소프트웨어 개발: AI가 가져온 변화

코드 생성 및 소프트웨어 개발에서 AI를 사용하는 것과 관련하여, 크리거는 Claude Code의 핵심 가치는 IDE를 대체하는 것이 아니라 개발 프로세스의 효율성을 개선하는 것이라고 믿습니다.

그는 클로드 코드가 백엔드 업데이트, 프런트엔드 생성, 번역 제출 등 프로세스의 여러 부분 간의 지능적인 협업이 필요한 작업을 매우 잘 처리한다고 언급했습니다. 그는 IDE와 완전 자율 AI 사이에는 중간 역할, 즉 AI 인텔리전스가 있다고 믿습니다.

크리거에 따르면 소프트웨어 개발자의 역할은 앞으로 크게 변화할 것입니다. 개발자는 여러 분야의 기술을 습득하고 제품과 기술을 모두 아는 '다면적'이 되어야 할 것입니다. 또한 코드 검토도 변화할 것이며 소프트웨어 개발자는 주 코드 작성자에서 주 작업 위임자 및 코드 검토자로 바뀔 것입니다.

일반화와 전문화: AI 제품이 나아갈 길

크리거는 앤트로픽의 제품 개발 방향에 대해 이야기할 때 다재다능함의 중요성을 강조했습니다. 그는 Anthropic이 특정 대상 사용자 그룹이나 업계를 선택하더라도 기본 아키텍처 수준에서 여러 애플리케이션 시나리오를 지원할 수 있을 만큼 범용적인 제품을 만들어야 한다고 생각합니다.

하지만 크리거는 장기적인 경쟁 우위를 갖춘 제품을 구축하기 위해서는 전문화된 워크플로 지식이 중요하다는 사실도 인정합니다. 그는 전문 번역가를 번역 워크플로우에 특화된 기능이 필요한 사람의 예로 들었습니다.

그는 전문적인 사용 사례와 그 결과로 실현되는 워크플로우를 위한 AI의 가치를 높게 평가합니다. 하지만 일반 소비자나 가벼운 전문가(프로슈머) 측면에서는 기본적인 AI 제품 관점에서 보면 충분히 좋은 모델입니다.

데이터, 알고리즘 및 평가: AI 개발을 위한 핵심 요소

AI 개발의 핵심 요소와 관련하여 크리거는 실제 업무의 복잡성을 더 잘 반영하도록 모델을 학습시키는 환경을 개선하는 것이 오늘날 가장 큰 과제 중 하나라고 생각합니다.

그는 소프트웨어 엔지니어링 분야에서도 소프트웨어 엔지니어의 업무는 코드를 작성하는 것뿐만 아니라 요구 사항을 이해하고, 일정을 개발하고, 팀과 협업하는 등의 업무도 수행해야 한다고 지적했습니다. 이러한 복잡한 워크플로우를 잘 모델링하는 적절한 평가 방법론이 없다는 것입니다.

크리거는 데이터 문제로 돌아가서 모델을 개선하기 위해서는 인간 데이터와 합성 데이터를 혼합해야 한다고 주장했습니다. 그는 좋은 휴먼 데이터는 모델을 안내하는 데 사용할 수 있으며, 합성 데이터는 모델이 다양한 환경에서 탐색하고 학습할 수 있게 해준다고 언급했습니다.

그는 또한 모델의 '분위기'의 중요성에 대해서도 언급했습니다. 그는 모델의 '느낌'은 매우 주관적이고 인간적인 측면으로 정량적으로 평가하기 어렵다고 주장했습니다. 따라서 이러한 소프트 스킬에 대한 데이터와 이를 평가할 수 있는 방법을 모두 확보하는 것이 중요합니다.

오픈 소스, 증류 및 상용화: AI 업계의 뜨거운 주제

크리거는 오픈 소스 및 증류와 같은 업계의 뜨거운 주제에 대해 언급하면서 증류 기술은 AI 역량을 발휘하는 데 필요하지 않으며 국가 안보 및 서비스 약관 문제 등 다른 문제도 수반한다고 주장했습니다.

그는 기술 발전이 현재와 같은 속도로 지속되고 장기적으로 지속 가능하려면 연구소가 모든 교육과 혁신을 상업화할 수 있어야 한다고 지적했습니다. 그는 올바른 비즈니스 모델을 찾는 것이 중요하다고 믿습니다.

라마의 출시에 대해 크리거는 모델 자체가 가치가 없다는 뜻이 아니라 모든 가치는 데이터에 있다고 주장했습니다. 그는 팀이 얼마나 우수한지, 필요한 기초 데이터를 보유하고 있는지, 실제 사용 사례에서 모델이 얼마나 유용한지에 가치가 있다고 언급했습니다.

AI의 미래 전망: 지능형 가이드와 인간 파트너

크리거는 인공지능의 미래를 전망하면서 인공지능이 '도구'나 '보조'를 넘어 '지능형 가이드'로 진화할 것이라는 흥미로운 관측을 내놓았습니다. 크리거는 AI가 '도구'나 '보조'를 넘어 '지능형 가이드'로 진화할 것이라는 흥미로운 관측을 내놓습니다.

그가 보기에 AI는 사용자의 요구를 능동적으로 파악하고, 방향을 안내하며, 의사결정을 지원하고, 가장 중요한 목표를 달성하는 데 핵심적인 파트너가 될 것입니다. 미래의 AI 제품은 더 이상 "질문을 하고 가끔 제안을 하는" 수준에 그치지 않고 사용자에게 고유한 가치를 제공하고 시간을 절약하고 효율성을 개선하며 더 나은 사람이 될 수 있도록 도울 수 있게 될 것입니다.

크리거는 또한 생명과 인간의 수명을 연장할 수 있는 AI의 잠재력에 대해서도 이야기했습니다. 그는 AI가 신약 개발과 임상시험 과정을 가속화하여 다양한 질병 치료에 새로운 희망을 가져올 수 있다고 믿습니다. 그는 이에 대해 매우 낙관적입니다.

마지막으로 크리거는 AI 개발에서 '분별력'과 프라이버시의 중요성을 강조했습니다. 그는 모델이 더 강력해질수록 더 많은 지식을 갖게 되고 모든 종류의 개인 정보나 민감한 정보에 접근할 수 있다고 지적했습니다. 그는 모델이 도움을 주는 동시에 사용자 데이터의 프라이버시와 보안을 보호하는 것이 큰 도전이 될 것이라고 주장했습니다.