팔란티어 투자, 제가 틀렸습니다! 지금 당장 팔란티어 재점검해야 하는 이유

팔란티어 vs. 클로드: 진짜 승자는 누구일까? 🤔

처음에는 팔란티어랑 클로드를 라이벌처럼 소개하는 영상을 많이 만들었어. 근데 댓글에 "그럼 팔란티어 위험한 거 아니야?" 이런 반응이 많더라. 솔직히 너희들이 그렇게 생각하는 게 당연하다고 생각해. 나도 모르게 영상에 그런 뉘앙스가 들어갔나 봐.

심지어 팔란티어를 실제로 쓰는 회사 다니는 사람들도 클로드 코드는 엄청 좋다고 하더라고. 반면에 팔란티어 AIP에 대한 반응은 좀 실망스럽다는 의견이 많았어. 생각보다 복잡하고 어렵다는 거지.

나도 클로드 코드랑 팔란티어 AI FDE 둘 다 써서 앱을 만들어봤는데, 왜 그런 반응이 나왔는지 조금은 알겠더라.

내 경험상 클로드 코드로 앱 만드는 게 AI FDE보다 3배는 빨랐어.

• 클로드 코드: 설명을 좀 엉망으로 해도 알아서 찰떡같이 알아듣고 뚝딱 만들어줘.
• AI FDE: 계속 질문하고 허락받고 싶어 해. 데이터 구조가 어떻게 될 건지 계속 알려주고 동의를 구해야 해. 게다가 데이터 구조를 제대로 연결하는 게 생각보다 쉽지 않고, 보안 절차도 훨씬 많아서 시간이 오래 걸릴 수밖에 없었지.

솔직히 얼마 전까지만 해도 나도 흔들렸어. 클로드가 AI 에이전트 만드는 걸 너무 쉽게 해서, 이대로 계속 발전하면 나중에는 회사 운영 시스템까지 대체할 수 있지 않을까 하는 생각까지 들었거든. 그래서 지난 한 달 동안 팔란티어에 대해 계속 질문하고 내 생각도 계속 바꿔봤어.

"팔란티어가 정말 독보적인 회사일까?"
"내가 팔란티어 투자자라서 나 자신을 속이고 있는 건 아닐까?"

거의 하루 종일 이 생각만 했어. "팔란티어 에이전트가 클로드 에이전트보다 정말 뛰어날까?"

그러다가 팔란티어 DevCon 6 발표를 봤는데, 진짜 머리를 한 대 맞은 기분이었어.

프로젝트에서 여러 에이전트가 복잡하게 얽혀 있었는데, 전체 효율을 높이려면 오히려 AI 에이전트를 빼고 딱딱 정해진 대로 움직이는 '온톨로지 로직'으로 바꾸는 게 더 좋다는 거야.

이게 왜 놀랍냐면, 내가 그동안 AI와 팔란티어에 대해 고민했던 것들을 다 뒤집는 이야기였거든. AI를 빼는 게 더 나은 선택이라니! 마치 팔란티어가 나한테 "정신 차려!"라고 말하는 것 같았어.

그 순간, 비로소 처음으로 돌아가서 AI와 팔란티어를 근본부터 다시 볼 수 있게 됐지. 생각을 정리하다 보니 깨달았어.

"아, 지난 몇 달 동안 내가 완전히 잘못 생각하고 있었구나."

그 잘못된 틀에서 벗어나 팔란티어를 다시 보니, 여전히 독보적인 회사로 보이더라.

자, 이제 내가 어떻게 생각을 바꿨는지 이야기해줄게.

작년에 CES에서 젠슨 황이 AI 미래 로드맵을 발표했잖아. 생성형 AI 다음은 에이전트형 AI, 그 다음은 물리적 AI라고. 근데 나는 그 발표가 우리 모두를 너무 좁은 틀에 가둬서 AI 시대의 본질을 놓치게 만들었다고 생각해. 그래서 지금 우리가 혼란스러워하는 거야.

"클로드가 정말 팔란티어를 대체할 수 있을까?"

이 질문의 가장 큰 문제는 AI 에이전트가 마치 우리가 도달해야 할 '목표'처럼 보이게 만든다는 거야. 근데 만약 AI 에이전트 만드는 게 정말 목표라면, 미래 사회는 지금과 크게 다르지 않을 거야.

예를 들어볼게. 자율주행차도 일종의 AI 에이전트잖아. 운전하는 일을 AI한테 맡기는 거니까. 근데 운전을 AI한테 완전히 맡긴다고 해서 사회 구조가 바뀌진 않아. AI가 그냥 내가 하던 일을 대신하는 거지. 내가 운전 안 하고 창밖만 멍하니 본다고 해서 세상이 바뀌진 않잖아.

그럼 언제 사회가 바뀌냐고?

운전에서 해방된 내가 "이 남는 시간에 뭘 하면서 새로운 가치를 만들 수 있을까?"라고 생각하기 시작할 때, 세상이 바뀌기 시작하는 거야. 만약 출퇴근 시간에 운전 안 해도 되니까 두 번째 일을 해서 추가 수입을 얻을 수 있다면? 그때 비로소 사회 구조가 바뀌기 시작하는 거지.

요약하자면...

AI가 운전 같은 문제를 해결해주면, 인간은 더 높은 수준의 문제에 집중할 수 있게 돼. 과거에는 아무도 신경 쓰지 못했던 문제들 말이야. 근데 그 높은 수준의 문제가 해결되기 시작하면, 사회가 변하는 거지.

산업혁명의 역사가 이미 이걸 보여줬어.

• 1차 산업혁명: 증기기관이 사람의 힘을 대체하면서 시작됐지. 근데 진짜 영향력은 증기기관 자체에서 나온 게 아니라, 사람들이 "증기기관으로 대량 생산 문제를 어떻게 해결할까?"라는 더 높은 수준의 질문에 집중하면서 나왔어. 공장이 늘어나고 철도가 깔리고 운송 시스템이 만들어지면서 세상이 바뀌었지.
• 2차 산업혁명: 강철, 내연기관, 전기 시스템이 나오면서 대량 생산 능력이 생겼어. 근데 진짜 변화는 "이 대량 생산 능력을 어떻게 관리하고 하나의 시스템으로 만들까?"라는 더 높은 수준의 문제에 집중하면서 나왔지. 기업이 커지고 도시 인프라가 생기면서 세상이 바뀌었어.
• 3차 산업혁명: 컴퓨터와 인터넷이 나오면서 정보 처리 능력과 연결성이 생겼어. 근데 진짜 변화는 "어떻게 전 세계를 연결할까?", "물리적 공간의 제약을 벗어나 온라인 공간을 새로운 활동 무대로 만들까?"라는 더 높은 수준의 문제에 집중하면서 나왔지. 지금 우리가 사는 세상이 이렇게 된 거야.

4차 산업혁명은 이제 막 시작됐어. 인간이 생각하고 결정하는 일을 AI한테 맡기기 시작하면서 말이야. AI 에이전트가 바로 그 위임의 형태인 거지. 근데 아까도 말했듯이, AI 에이전트 자체가 미래 사회의 모습은 아니야. 역사의 패턴대로라면, 인류가 더 높은 수준의 문제에 집중할 때 미래의 진짜 모습이 나타날 거야.

그렇다면...

"그 높은 수준의 문제는 뭘까?"

AI가 인간의 생각과 결정을 대신한다면, 인간은 무엇을 해결하려고 할까? 이게 오늘 영상의 핵심 질문이야.

솔직히 정답은 없어. 개인적으로는 두 가지 가능성을 생각해.

1. "인간이 해결하지 못했던 문제를 AI가 어떻게 해결할 수 있을까?"
   알파폴드가 대표적인 예지. 물론 단백질 접힘 문제를 AI가 완전히 해결한 건 아니지만, 가능성은 보여줬잖아. 만약 이 가능성이 현실이 된다면, 인류 사회는 지금과는 완전히 다른 모습이 될 거야.

2. "한 사람의 생각과 결정을 AI한테 쉽게 맡길 수 있다면, 더 높은 수준의 문제는 '조직 전체의 생각과 결정을 AI한테 어떻게 맡길까?'가 될 수 있지 않을까?"
   이게 내가 생각하는 가까운 미래의 방향이야. 사실 이 미래는 이미 시작되고 있어. 거의 모든 회사가 기업용 AI를 도입하려고 하잖아.

물론... 그 시도가 잘 안 되고 있지. 왜냐고?

조직의 생각과 결정은 결국 그 조직이 돌아가는 방식, 즉 프로세스거든. 그리고 그 모든 프로세스가 모여서 결국 그 조직 자체를 이루는 거야. 그래서 조직 전체의 생각과 결정을 AI한테 맡기려면, 가장 먼저 "우리 조직이 대체 뭐지?"라는 걸 정의해야 해.

근데 한번 생각해 봐.

동료 10명한테 "당신 회사 정의가 뭐예요?"라고 물어보면 다 똑같은 대답을 할까? 아마 아닐걸. 각자 다르게 대답할 가능성이 높아. 왜냐하면 우리는 '조직'이라는 추상적인 존재를 제대로 정의해본 적이 없기 때문이야. 그래서 각자 자기 방식대로 해왔던 거지.

물론 지금까지는 이런 명확한 정의가 없어도 큰 문제가 되지 않았어. 근데 조직의 생각과 결정을 AI한테 맡기려고 하면 문제가 되기 시작하는 거야.

왜냐고? AI한테 조직의 생각과 결정을 맡기려면, 먼저 그 조직이 무엇인지 완벽하게 정의해야 하기 때문이야.

정답이 뭔지 아무도 몰라. 근데 그게 당연한 거야. 지금까지 우리는 우리 회사를 모두가 이해할 수 있는 공통 언어로 표현해본 적이 없었거든. 표현하지 않으면 당연히 올바른 답을 향해 나아갈 수 없지.

최근에야 회사들이 이런 식으로 스스로를 표현하기 시작했어. 마이크로소프트도 작년 말에야 온톨로지 기능을 플랫폼에 추가했다는 점을 주목할 필요가 있어.

이제 회사들이 자신들의 생각과 결정을 AI한테 맡기려고 하니까, 비로소 "아, 우리 회사를 제대로 정의해야겠구나"라는 걸 깨닫기 시작한 거지. 그래서 다들 온톨로지 레이어를 만들려고 하는 거야.

그렇다면 자연스럽게 다음 질문이 나오겠지.

다르게 말하면, "고객 조직의 디지털 트윈을 만들어서 현실을 최대한 반영하고 계속 발전시킬 수 있는 운영 인프라를 가진 회사는 어디일까?"

팔란티어 투자자들은 당연히 팔란티어라고 하겠지. 반면에 팔란티어 비판자들은 다른 IT 회사들도 할 수 있다고 할 거야.

나는 질문을 이렇게 바꿔보고 싶어. "고객의 현실을 최대한 반영하는 디지털 트윈을 만드는 데 필요한 운영 인프라를 개발할 때 가장 중요한 것은 무엇일까?"

답은 하나야. 실제 비즈니스 문제와 고객 시스템 내의 구조적인 문제를 정확히 파악하고, 실제로 작동하고 문제를 해결하는 솔루션을 만들어야 한다는 거지.

근데 더 중요한 건, 한 고객의 문제를 해결하는 데서 멈추면 안 된다는 거야. 다음 고객의 문제도 해결할 수 있어야 해.

팔란티어는 공식적으로 약 1,000명의 고객을 보유하고 있어. 각 고객의 디지털 트윈을 만들고 현실을 최대한 반영하려고 노력하면서 수많은 문제가 발생할 텐데, 그 문제들은 거의 다 다를 거야. 그 모든 다른 문제들을 해결할 수 있는 단일 운영 인프라를 만들어야 해.

이걸 가능하게 하는 게 바로 Forward Deployed Engineers (FDE)야. FDE들이 문제 해결 경험을 쌓고 그걸 본사로 전달해야 해. 여기서 많은 사람들이 FDE의 역할을 오해하는데, 그냥 본사에서 만든 소프트웨어를 고객사에 가져가서 맞춤 설정하고 설치하는 엔지니어라고 생각하는 거지.

하지만 팔란티어 FDE의 진짜 목적은 단순히 맞춤형 솔루션을 만드는 게 아니야. 다양한 고객 현장에서 마주치는 실제 문제를 해결하고, 거기서 배운 것을 본사로 피드백해서 팔란티어 플랫폼 자체를 발전시키는 거야.

자, 다시 처음 질문으로 돌아가 보자. "고객의 현실을 최대한 반영하는 디지털 트윈을 만드는 데 필요한 운영 인프라를 개발할 때 가장 중요한 것은 무엇일까?"

다시 말해, FDE는 팔란티어 운영 인프라의 기반이야. 그래서 팔란티어 전체 조직이 FDE를 지원하는 방식으로 설계된 거지. FDE 기능은 그냥 작은 부서가 아니라, 회사 전체를 움직이는 핵심 축인 거야.

마지막으로 한마디만 더 할게. 테슬라가 자율주행 분야에서 앞서나갈 수 있었던 이유가 있어. 테슬라는 처음부터 운전 알고리즘을 만들고 그걸 현실의 모든 운전 상황에 맞춰서 수정하는 방식을 택하지 않았어. 대신, 현실에서 마주치는 상황부터 시작해서 거기서 운전 알고리즘을 만들어 나갔지. 이게 머신러닝의 기본 원리야.

이걸 가능하게 하려면 회사 차원에서 가장 중요한 건 뭘까? 테슬라는 전 세계에 차량을 배치해서 실제 주행 데이터를 수집해. 본사에서는 그 데이터를 추상화해서 공유된 주행 모델로 만들고, 그걸 다시 실제 도로를 달리는 차량에 적용하는 거지. 이걸 하려면 회사 전체의 학습 루프 시스템이 갖춰져 있어야 해.

팔란티어도 이런 학습 루프 시스템을 완벽하게 구축했어. FDE들이 각 고객 현장에서 문제를 해결하고, 그 경험을 본사로 피드백해. 본사에서는 그 경험을 추상화해서 공유 모델로 만들고, 그걸 아폴로를 통해 각 고객 환경에 다시 적용하는 거지.

그래서 고객 수가 늘어나고 FDE 활동이 증가할수록, 이 인프라가 각 고객의 현실을 최대한 반영하는 디지털 트윈을 만드는 능력이 계속 발전하는 거야.