While the dream of receiving a direct, purposeful radio message remains potent, the sheer improbability of such an event is a sobering reality. The universe is unfathomably vast, and the odds of an alien civilization beaming a signal directly at our tiny planet, at the precise moment we are listening, are astronomically small. Moreover, constantly scanning the entire sky for such a fleeting signal is a monumental task.

This recognition has led to a significant paradigm shift: the growing emphasis on technosignatures. A technosignature is defined as any observable evidence of technological capability from an intelligent civilization. Unlike a direct message, these are often unintended byproducts of a society’s existence, much like the emissions and structures our own civilization produces.

Seager outlines several compelling examples of what these technosignatures might entail:

• Atmospheric Changes: Just as industrial activity on Earth has altered our atmosphere, an advanced alien civilization might leave detectable chemical fingerprints in the atmosphere of its home planet.
• Satellite Swarms: Imagine vast constellations of satellites, far more extensive than anything Earth currently possesses, orbiting an alien world. These swarms could be detectable as large, shiny objects or even a “patchy sphere” of reflective material around a distant star.
• City Lights or Large Structures: The illumination from sprawling alien cities or monumental engineering projects could be visible from light-years away. Think of structures on a scale far grander than our tallest skyscrapers or most expansive metropolises.
• Waste Heat (Dyson Spheres): One particularly intriguing technosignature involves the search for “excess heat.” A highly advanced civilization might construct megastructures, such as a Dyson sphere or swarm, to harness the entire energy output of its star. Such a structure would emit a distinctive infrared signature, indicating enormous energy consumption. Scientists have already scoured existing infrared surveys of our sky, setting limits on how many such spheres could exist undetected.

These concepts are no longer mere science fiction; they are active areas of research, with astronomers meticulously sifting through astronomical data for any anomalies that might hint at intelligent construction.

Perhaps the most thought-provoking and somewhat unsettling aspect of this evolving search is the growing consideration of post-biological intelligence, particularly in the context of artificial intelligence (AI). Seager notes that living in an era where “AI accelerating in its so-called ‘intelligence’ is terrifying in a way, really,” bringing the question of advanced computer intelligence to the forefront of our minds.

This rapid development on Earth prompts a crucial question: What if advanced alien civilizations have already transitioned beyond biological life? What if their dominant form of intelligence is artificial? This isn’t just a philosophical query; it has direct implications for how we search.

If AI becomes the prevailing intelligence on an exoplanet, its “signature” might be very different from what we typically imagine for organic life. Our own planet, for instance, is increasingly surrounded by constellations of satellites for communication and Earth observation – a nascent “signature of AI” that could, in theory, be detected from afar. Extending this idea, an alien AI civilization might construct even more massive satellite arrays or other technological manifestations that don’t fit our traditional biological assumptions.

This concept delves into what some refer to as the “Great Filter” – a hypothetical barrier that life must overcome to reach advanced intelligence and spacefaring capabilities. One theory suggests that the filter might be the transition to post-biological intelligence itself, or what comes after. “This is like a frontiers research question about what AI will leave behind,” Seager explains, and “what does it mean for potential AI computer type intelligence elsewhere?”

Despite the expansive list of ideas and the dedicated efforts of scientists, the universe has yet to yield definitive proof of alien intelligence. “So far they haven’t turned anything up,” Seager admits. However, she emphasizes that these sophisticated searches are still “just a scratch at the surface” of the vast cosmic ocean.

The shift in criteria for the search for aliens is a testament to human ingenuity and our capacity to adapt our understanding in the face of the unknown. By moving beyond our anthropocentric biases and embracing the possibilities of diverse forms of intelligence – from biological beings leaving technosignatures to advanced artificial intelligences – we are expanding our chances of finally answering humanity’s most profound question: Are we alone? The universe is immense, and the search has only just begun to truly think outside the box.

The concept of a “model manager” is at the heart of this transformation. In traditional corporate structures, managers are often bogged down by administrative tasks, routine oversight, and the sheer volume of “normal work” that keeps the gears turning. But what if all those routine, repetitive, and time-consuming tasks could simply vanish?

The ‘Natalia’ example paints a picture of a manager freed from the mundane, able to focus entirely on the truly human aspects of leadership. The skills required to be such a manager are surprisingly familiar, yet critically important for the future:

• Hiring the best talent: This goes beyond sifting through resumes; it’s about identifying potential, cultural fit, and strategic alignment.
• Communicating a clear vision and goals: Inspiring a team, ensuring everyone understands the ‘why’ behind their work, and setting an ambitious yet achievable direction.
• Providing actionable feedback: Guiding growth, fostering development, and helping individuals and teams overcome challenges.

These aren’t tasks AI can replicate perfectly. They require empathy, strategic foresight, emotional intelligence, and nuanced understanding – qualities uniquely human.

At companies like Every, this isn’t just a theoretical framework; it’s their operational blueprint. Each employee is encouraged to become a “model manager” by leveraging AI to eliminate their “normal work.” This isn’t about AI replacing people; it’s about AI replacing tasks, thereby elevating the human role.

What does “100% of their normal work” entail? Think about the countless hours spent on:

• Data entry and analysis: AI can process vast datasets, identify trends, and generate reports in minutes, freeing up analysts to interpret insights and formulate strategies.
• Scheduling and logistics: AI-powered tools can manage calendars, book meetings, and coordinate complex projects seamlessly.
• Initial drafting: From emails and reports to code snippets and marketing copy, AI can generate first drafts, allowing humans to refine, personalize, and add strategic value.
• Routine communication: AI can handle FAQs, route inquiries, and even compose standard responses, ensuring efficient information flow.

By offloading these responsibilities to AI, employees aren’t just saving time; they are effectively promoting themselves. They are shifting their focus from execution to strategy, from maintenance to innovation, from reacting to vision-setting.

Every’s approach signifies a profound philosophical shift. It acknowledges that the true value of human capital lies not in repetitive task completion, but in creativity, critical thinking, problem-solving, and interpersonal leadership. When AI handles the grunt work, individuals are liberated to:

• Focus on high-impact activities: Instead of managing schedules, a project manager can dedicate more time to risk assessment, stakeholder engagement, and strategic planning.
• Develop advanced skills: Freed from routine, employees can invest in mastering the “model manager” skills – leadership, strategic communication, mentorship, and innovation.
• Experience greater job satisfaction: The monotonous aspects of work are often the most demotivating. By eliminating them, work becomes more engaging, purposeful, and fulfilling.
• Drive organizational growth: A workforce composed of “model managers” is inherently more agile, innovative, and strategically aligned, leading to greater organizational success.

This isn’t just about efficiency; it’s about human flourishing in the workplace. It’s about recognizing that the highest form of productivity comes when humans are doing what only humans can do best.

The message from Every is clear: AI isn’t just a tool for automation; it’s a catalyst for professional elevation. It empowers you to shed the routine and embrace the strategic, to move beyond being a task-doer and step into the role of a visionary leader, regardless of your official title.

The future of work isn’t about humans competing with machines. It’s about humans collaborating with machines to unlock unprecedented levels of potential, creativity, and impact. By understanding and leveraging AI to take on the “normal work,” every employee has the opportunity to promote themselves, cultivate the essential skills of a model manager, and truly stay at the edge of what’s possible. It’s an idea that sounds pretty great – and it’s an idea whose time has come.

Take, for instance, the famous Michelson-Morley experiment of the 1880s. The popular narrative suggests this experiment conclusively disproved the existence of the “ether”—a hypothetical medium through which light was thought to propagate—thereby creating a crisis in physics that Albert Einstein heroically resolved with his theory of special relativity. Nielsen, drawing on biographies and histories of science, dismantles this simplistic account.

In truth, Michelson and Morley weren’t trying to disprove the ether, but rather to test different competing theories about its nature. For centuries, physicists had debated the ether, much like Boyle in the 1600s, who, noting light could travel through a vacuum while sound could not, posited an invisible medium for light waves. Michelson and Morley specifically sought to detect an “ether wind”—a directional current that the Earth might pass through, subtly affecting light’s speed. Their surprising result: no ether wind was detected.

This outcome, however, didn’t immediately spell the death of the ether. It merely ruled out some theories while leaving others intact. Indeed, Michelson himself continued to believe in the ether until his death in the late 1920s, conducting experiments well into his later years. Other physicists, like Miller, even claimed to detect ether effects from high altitudes, prompting Einstein’s famous, “Subtle is the Lord, but malicious He is not.”

Crucially, Einstein, while likely aware of the experiment, later stated it wasn’t “dispositive” for his thinking. His path to special relativity was driven by deeper theoretical considerations, not solely experimental falsification. Even Hendrik Lorentz, who developed the mathematical transformations central to special relativity, interpreted them through the lens of ether-induced physical contractions and time dilations. It took decades for decisive experimental evidence, like the 1940s muon decay experiments—where muons were observed to decay slower than expected, precisely as special relativity predicted time dilation—to definitively favor Einstein’s kinematic interpretation over Lorentz’s dynamical, ether-based one.

The lesson here is profound: scientific progress rarely follows a clean, decisive falsification. Theories can coexist, interpretations can differ, and foundational beliefs can persist even in the face of contradictory evidence. The scientific community often adopts a “more correct” interpretation long before definitive experimental proof emerges, driven by subtle aesthetic or unifying principles that are hard to articulate.

The individual journey of discovery is equally fraught with complexity. Nielsen highlights the fascinating case of Henri Poincaré, one of the greatest scientists of his era. Poincaré grasped many core principles that Einstein used for special relativity, including the principle that physics laws are consistent across inertial frames and the constant speed of light. Yet, he clung to a “dynamical” explanation for length contraction, believing it was caused by external forces, rather than Einstein’s revolutionary insight that space and time themselves were fundamentally different.

“It’s almost like he knew too much,” Nielsen muses. “He had almost too grand a vision in mind.” Einstein, in contrast, “subtracts from that and says, ‘No. Space and time are just different than what we thought, and here’s the correct picture.’” Expertise, in this view, can become a “prison,” making it harder for established minds to shed ingrained assumptions. This pattern isn’t unique; even Einstein later struggled with quantum mechanics and cosmology due to his own attachments.

The history of science is replete with examples of ideas that took centuries to gain acceptance, not due to lack of conceptual simplicity, but due to a tangled web of verification challenges and cultural biases.

Consider heliocentrism. Aristarchus proposed the Earth orbits the Sun in the 2nd century BC. It was dismissed because, if true, stellar parallax (observable shifts in star positions as the Earth moves) should be visible. Since it wasn’t, the stars must be impossibly far away—a notion deemed absurd. It took until 1838 for stellar parallax to be experimentally measured. Humanity didn’t wait nearly two millennia for this validation to embrace Copernicus’s heliocentric model, even though Copernicus’s initial model was, in some ways, less accurate and more complex (requiring additional epicycles) than the Ptolemaic model it sought to replace.

What made Copernicus’s theory compelling then? Nielsen points to the power of unification, exemplified by Isaac Newton. Newton’s theory of gravitation not only explained planetary motion but also terrestrial motion (e.g., objects falling in parabolas) and the tides. Three seemingly disconnected phenomena were elegantly explained by one set of ideas. As John Maynard Keynes famously described Newton, he was “not the first of the age of reason. He was the last of the magicians, the last great mind which looked out on the visible and intellectual world with the same eyes as those who began to build our intellectual inheritance rather less than ten thousand years ago.” This suggests a blend of intuition, even “magical” thinking, alongside rigorous method, in the forging of new scientific paradigms.

Then there’s Darwin’s theory of natural selection. Conceptually, it seems “easier” than Newtonian gravity; Thomas Huxley famously remarked, “How extremely stupid not to have thought of this.” Yet, it took much longer to gain widespread acceptance. Darwin’s genius wasn’t just in the idea itself (parts of which were known to animal breeders or even hinted at by Lucretius in the 1st century BC), but in understanding its centrality to all biology. He compiled an overwhelming body of evidence, meticulously connecting it to geology and other fields, making an undeniable case for its pervasive relevance across the biosphere.

The delayed acceptance of Darwinism also highlights the need for critical “building blocks.” The geological discovery of “deep time” by Lyell in the 1830s was crucial; without millions of years, gradual evolution wouldn’t be plausible. Similarly, the age of colonization provided vast biogeographical data. This confluence of factors, Nielsen suggests, explains the near-simultaneous, independent discovery of natural selection by both Darwin and Alfred Russel Wallace in the mid-19th century—a testament to ideas waiting for their historical moment.

How do these insights into scientific progress inform the age of AI? The success of models like AlphaFold, which accurately predicts protein structures, is often cited as a triumph of AI in science. However, Nielsen offers a crucial nuance: AlphaFold’s success is “a story of data acquisition principally.” The several billion dollars spent over decades to build the Protein Data Bank through X-ray diffraction, NMR, and cryo-EM provided the massive dataset upon which AlphaFold was trained. The AI component, while impressive, represents a “tiny fraction of the entire investment.”

This raises a pivotal question: Can AI models like AlphaFold be considered scientific “explanations” in the classical sense? A traditional scientific explanation seeks deep, parsimonious principles, expressed in simple models with few free parameters. AlphaFold, with its hundreds of millions of parameters encoding complex, often uninterpretable relationships, doesn’t fit this mold.

Nielsen offers three possibilities:

1. The Conservative View: AlphaFold is a useful model but not a scientific explanation.
2. The Intermediate View: AlphaFold contains “lots of little explanations” that can be extracted through interpretability work. Just as experts have extracted chess strategies from AlphaZero that influenced Magnus Carlsen, we might “archeologically” mine AlphaFold for deeper biological principles.
3. The Most Interesting Possibility: AlphaFold represents a new type of object for scientific inquiry. Like complex equations in Mathematica that were once intractable but now manipulable, these large models are new entities that we need new “verbs”—new operations like merging or distilling—to work with. They might not be explanations themselves, but sources from which explanations can be derived or entirely new forms of scientific understanding can emerge.

The challenge lies in whether AI can move beyond merely adding “epicycles” to existing models (like Ptolemy’s ever-growing complexity) to achieve revolutionary “flips” in understanding (like Copernicus’s heliocentrism or Einstein’s relativity). Raw gradient descent might optimize for local accuracy, but true paradigm shifts often involve sacrificing local accuracy for a globally simpler, more powerful theory. Einstein’s realization that Newtonian gravity allowed faster-than-light signaling, violating special relativity, was such a “forcing function”—a recognition that the old explanation was insufficient, demanding a fundamentally new approach.

Ultimately, the history of science underscores the critical importance of diverse research programs. The contrasting stories of Uranus and Mercury illustrate this perfectly. Both planets exhibited orbital anomalies. For Uranus, the anomaly led to the successful prediction and discovery of Neptune, a triumph for Newtonian mechanics. For Mercury, similar predictions of an inner planet (“Vulcan”) proved fruitless; its anomaly required the radical shift to general relativity. A priori, scientists couldn’t know which approach would yield truth. They had to pursue both.

This difficulty with falsificationism is a recurring theme. When the Pioneer spacecraft exhibited anomalous deceleration, some eagerly posited new physics. The mundane truth, discovered later, was a slight asymmetry in thermal radiation. Most “exceptions” turn out to be mundane; only rarely do they point to fundamental flaws. The scientific community needs “remnants”—individuals or groups who persist in defending theories even when evidence seems hostile, as with Prout’s hypothesis of whole-number atomic weights, which was “falsified” for 85 years by chlorine’s 35.5 atomic weight, only to be vindicated by the discovery of isotopes.

AI will undoubtedly accelerate science by tackling well-understood domains with tight verification loops. However, it will also shift the bottlenecks. Programmers, now less constrained by coding time, find themselves bottlenecked by the generation of “interesting design ideas”—a domain where clear verification loops are absent.

This leads to Nielsen’s fascinating conjecture: if we met aliens, they might possess a “totally different technological stack than us.” We often assume that science is a singular, convergent path—a “theory of everything” for physics implies the end of discovery. But as computer science, which began with a “theory of everything” (Turing’s computation theory) in the 1930s, has shown, the subsequent ninety years have been an endless exploration of its consequences and the development of myriad new ideas.

The “science and tech tree,” Nielsen suggests, is probably far vaster than we realize. Our current path is just one branch, shaped by our specific history, biases, and the sequence of our discoveries. Other civilizations, with different starting points, intellectual aesthetics, or environmental pressures, might have explored entirely different branches, leading to wholly unique scientific understandings and technological capabilities.

In conclusion, while AI promises to be a powerful engine for scientific progress, the journey of discovery remains deeply human. It requires not just the systematic application of methods, but also intuition, aesthetic judgment, the resilience to pursue diverse and seemingly “wrong” ideas, and the courage to question fundamental assumptions. The true acceleration of science in the age of AI will depend not just on automating existing processes, but on fostering the very human qualities that have, throughout history, allowed us to navigate the mysterious and elusive path toward understanding the universe.

The prevailing narrative often pits tech giants, with their vast capital and computing power, as the inevitable monopolizers of the AI economy. However, the expert posits a different future: one dominated by distillation and decentralization.

“Distillation attacks” are key to this shift. These techniques allow smaller, more efficient models to be created by querying large foundational models, often at a fraction of the cost (up to 98% cheaper). This makes it incredibly difficult for large labs to maintain exclusive control over their models. The analogy is striking: just as Google “scraped the entire internet” to build its index, or Facebook “scraped Harvard social networks,” these large models are built on vast public data. Preventing others from “distilling” that knowledge becomes ethically and technically challenging.

This economic shift paves the way for a future characterized by personal, private, and programmable AI. The sheer power of AI, the expert argues, necessitates its use within “trusted tribes” – closed networks where information can be shared and processed without fear of broader exposure.

The rise of AI brings with it an unprecedented ability to synthesize information across massive datasets. A chilling example cited is the “Jmail thing” – the ability to query thousands of emails, like those of Jeffrey Epstein, to build a comprehensive narrative. What was once “secure through obscurity” is now instantly discoverable.

This capability leads to what the French call sousveillance – surveillance from below, or a “Bentham panopticon” where everyone is watching everyone else. Any public information, once indexed by AI, can be used for stalking, manipulation, or worse. The inevitable consequence, the expert suggests, is that “the commons becomes a hall of mirrors with all kinds of pseudonyms, and so people retreat back to caves and tribes.”

Within these trusted tribes, AI dramatically increases productivity. However, outside them, the digital landscape risks becoming a wasteland of “AI spam” – low-quality emails, replies, and presentations.

The expert’s reaction to seeing AI-generated content in a slide deck is visceral: “No. No, actually the opposite.” Despite advancements, AI-generated text or images often possess a “generic look,” much like someone who hasn’t bothered to change their computer’s default desktop wallpaper. This “default AI” is immediately recognizable.

When confronted with such “AI slop,” the expert’s interpretation is stark: the creator is either lazy, stupid, or evil.

• Lazy: They didn’t invest the time to make the content concise and impactful, instead opting for a verbose, undigested output. (Echoing Mark Twain’s famous apology: “I didn’t have time to write you a short letter, so I wrote you a long one.”)
• Stupid: They genuinely don’t understand that discerning humans can instantly differentiate between authentic, thoughtful work and AI-generated filler.
• Evil: They are attempting to deceive, to pass off subpar or undiligent work as their own.

This strong reaction, coming from a self-professed “pro-tech, pro-AI” individual, underscores a critical point: AI reduces the cost of generation but increases the cost of verification. In a world where AI can effortlessly craft a polished resume, the effort required to verify its authenticity skyrockets. This dynamic will create a surge in demand for new jobs in “proctoring and verification,” as companies resort to in-person interviews and proctored offline exams to ensure genuine skill.

The expert draws a fascinating parallel between the future of AI and the evolution of the Chinese internet. In a “low-trust society,” Chinese companies historically avoided Software as a Service (SaaS) models, preferring to build everything in-house due to concerns about data privacy and intellectual property. This led to a “digital autarky” – a self-sufficient digital ecosystem, albeit with the frictional costs of reinventing the wheel and less division of labor.

With AI, even non-Chinese companies can now achieve a similar level of “digital autarky.” The “build versus buy” question shifts, allowing organizations to create more powerful internal tools, bypassing external SaaS providers and their inherent trust requirements.

Not all tasks are created equal for AI. The expert highlights specific areas where AI excels due to ease of verification:

• Visuals over Verbal: Our brains are “built-in GPUs,” adept at instantly spotting anomalies in images or video (e.g., messed-up hands, janky user interfaces). Visual verification is relatively cheap and intuitive.
• The Physical World: Unlike the fluid digital realm, there is “only one physical world.” Tasks like moving a box from one pallet to another are unequivocally verifiable. This makes the physical world a prime candidate for AI automation, akin to self-driving cars eventually achieving near 100% reliability. This is where “Chinese-style physical AI” (robotics) will thrive.

Conversely, the digital world presents greater verification challenges due to its fuzzy boundaries and subjective nature. How do you know when a digital “to-do list” is truly “done,” compared to the clear completion of moving 100 physical boxes?

This leads to a crucial rule for the AI age: “No public undisclosed AI.” Just as some cultures ban alcohol due to an inability to “hold their liquor,” some will become “AI totalers,” swearing off AI entirely if they cannot trust its origin or intent. The expert notes that even for tech-savvy individuals like Nate Silver, the act of prompting AI and verifying its output can often be slower than performing the task manually. AI, in this sense, does “middle to middle,” not end-to-end, requiring significant human oversight.

The idea of AI reading our minds often ventures into science fiction. However, the expert suggests a more plausible and imminent reality: “I’m not sure whether AI will be able to read your mind, but it can read your body.”

Our bodies are constantly generating a vast stream of “sensor data” – gene expression levels, clinical lab results (bilirubin, hematocrit), wearable data. This “telemetry,” as explored by Stanford professor Mike Snyder’s “integrum” concept, can reveal subtle physiological changes, like impending illness, even before we experience symptoms. This continuous, non-verbal data stream could serve as a powerful new way to “prompt” AI, guiding its actions based on our biological state and needs, without explicit verbal commands.

To illustrate AI’s transformative scale, the expert offers another compelling analogy: AI is like “the rise of Asia and India” from an American perspective. The emergence of a billion Chinese and a billion Indians provided immense capacity for physical manufacturing and digital outsourcing. Similarly, we are now witnessing the arrival of “a billion factory robots and a billion digital agents.” This vast new workforce can execute tasks with unprecedented efficiency, but it still requires human intellect to define the “product” – to articulate what needs to be done.

While AI excels at pattern recognition and execution, it fundamentally struggles with domains characterized by adversarial dynamics and time-variance: markets and politics.

Unlike identifying a dog or playing chess (where rules are constant), markets are inherently adversarial. A trading strategy that works today will be countered tomorrow. “It’s not a time-invariant thing,” the expert explains, and it’s “multiplayer” – whatever move you make, someone else is adapting. If everyone uses the same AI models for market analysis, the true edge will come from being non-AI, from human intuition and novel strategies. Generic tools yield no specific advantage. The same applies to politics, where public interest, timely topics, and narratives constantly shift.

This reinforces the core thesis: “Humans are the sensor. AI is the actuator.” Humans sense the complex, dynamic, and adversarial conditions of the world – financial, market, political – and then translate that understanding into cleanly articulated English prompts. The AI then acts upon these instructions. “Taste,” often cited as a uniquely human quality, is fundamentally “a sense” – an ability to perceive and discern, which AI cannot yet replicate.

The pervasive fear of AI overlords or a singular, god-like AGI is, the expert argues, largely a product of science fiction. Economically useful AI is “designed for the leash.” It starts when prompted, performs its task, and then stops. If it didn’t, it would be inefficient and costly, “burning tokens” and resources. Even in China, where physical robots are being rapidly deployed, they are kept on a tight leash, just as humans are.

The concept of a truly autonomous, self-replicating Skynet scenario is highly improbable due to fundamental “frictional breaks.” For AI to reproduce itself, it would need to command physical robots to mine ore, construct data centers, manufacture chips, and manage an entire supply chain. This complex, resource-intensive process would be easily detectable and stoppable. Furthermore, humans have strong economic incentives to implement safeguards (like “off switches” and cryptographic keys) to prevent such scenarios, much like we regulate electricity to prevent widespread electrocution.

Instead of a monotheistic AGI god, we are more likely to see “polytheistic” decentralized AIs. The fear of AI, the expert suggests, often comes from humans projecting their own anxieties onto the powerful tools they themselves create.

So, if AI is on a leash and humans are the sensors, what does the future of work look like? It means a fundamental redefinition of roles, where “AI makes you the CEO.”

While some jobs will be fully automated (like elevator operators or artisan chair makers), the nature of work shifts. The artisan doesn’t disappear; they evolve into the “manager” who designs the chair factory and the “technician” who debugs it. Similarly, in the AI era, humans become the “engineering manager” who writes the prompts and the “technician” who verifies the output.

AI will revolutionize fields like biology by synthesizing vast amounts of existing literature, accelerating discovery within known parameters. However, truly novel scientific breakthroughs and mathematical proofs, while aided by AI, still require human expertise to formulate the initial prompt and, crucially, to verify the result. As with the “Coinbase listing” analogy, where human attention remains a scarce resource, there will always be a premium placed on human discernment and validation.

The expert envisions a future where the “digital divide” is inverted: digital services and AI will be cheap, while human interaction and physical experiences become a premium product. This means a surge in demand for roles centered around human companionship, personal training, or anything where the human element is the core value proposition.

Ultimately, “the smarter you are, the smarter the AI is.” AI elevates the human role to one of strategic direction, akin to a CEO. Historically, the skills of a CEO – direction, orchestration, debugging complex systems – were difficult to “try out” due to their inherent cost. But with AI, individuals can now effectively “co-train” and direct powerful digital agents, much like an athlete trains their body or a scientist tackles a math problem. This new era will see the “Jeffersonian natural aristocracy” – those with inherent talent for leadership, vision, and strategic thinking – rise to prominence, leveraging AI to amplify their unique human capabilities. The future isn’t about competing with AI; it’s about leading it.

The stage for this extraordinary event was set in the fifth week of a burgeoning air campaign waged by the United States and Israel against Iran. In retaliation for the offensive, Iran had tightened its grip on the Strait of Hormuz, a critical choke point for global oil supplies. The economic reverberations were immediate and severe: gasoline prices in the U.S. skyrocketed, and the global economy braced for impact.

Domestically, the war was proving unpopular, a fact the administration desperately sought to counter by projecting an image of control and success. Official rhetoric proudly declared that the United States had achieved “air dominance” over Iran, implying an uncontested mastery of the skies.

Then came the jolt. Early on a Friday morning, news broke that an American F-15E Strike Eagle warplane had been shot down over Iranian territory—the first such incident of the war. This shattered the illusion of invincibility, raising uncomfortable questions about the true extent of U.S. control. The F-15E, a heavy-duty bomber and a workhorse of the campaign, was likely on a mission to strike a military target, a routine operation that suddenly went catastrophically wrong.

The F-15E is a two-seater aircraft, carrying a pilot in the front and a weapon systems officer (WSO) behind. Both were experienced Air Force aviators. When their plane was hit, the immediate sequence of ejection was initiated: the canopy popped off, followed by the two airmen ejecting seconds apart. This seemingly minor time difference would have profound consequences. Parachuting down, the winds and other variables meant they could land miles apart, isolated in hostile terrain.

The military was instantly alerted to the crisis, shifting into frantic search and rescue mode. These aviators were equipped with specialized vests featuring communication devices and a beacon to signal their location. Within approximately six hours, the pilot was located and “scooped up” by rescue teams. Despite coming under fire, they successfully extracted him from Iranian territory and transported him to safety in Kuwait.

But the fate of the WSO remained a chilling mystery. Hours bled into a terrifying silence. There was no contact, no signal. The military knew nothing: was he injured? Dead? Captured? The uncertainty was agonizing.

What the military would later discover was a testament to the WSO’s training and sheer will to survive. Injured, he embarked on an incredible climb up a 7,000-foot ridge line in southwestern Iran. This was no leisurely hike; he was scrambling up rugged mountain terrain, conscious that every movement could betray his position. His objective: find a safe, hidden spot from which he could eventually communicate without being detected. Bloodied but unbowed, he reached the summit, finding refuge in a hidden crevice.

Meanwhile, the U.S. military, still without a fix on his location, enlisted the help of the CIA. The agency, with its arsenal of “super-duper technology”—including what appeared to be highly classified surveillance drones—began its own search. Sure enough, the CIA’s advanced capabilities pinpointed his location, relaying the coordinates to the Pentagon. Almost simultaneously, the WSO, from his mountain hideout, activated his encrypted beacon, a “super-duper beeper” sending a signal to his rescuers.

The stakes, as Eric Schmidt emphasized, were monumental for both sides. For the United States, it was about upholding its sacred credo: “leave no service member behind.” Every resource would be thrown at this mission. For Iran, the capture of an American airman would be an unparalleled propaganda coup, a powerful bargaining chip to parade before cameras in Tehran. The Iranian regime understood this leverage, offering a staggering bounty of up to $60,000 for information leading to the airman’s capture.

It became a desperate race. Iranian search parties fanned out, drawn by the promise of the bounty, scouring the rugged landscape for any sign of the downed American. The U.S., in turn, mobilized a massive counter-operation: dozens of aircraft, elite Seal Team Six operators, and other special operations forces. Their objective: locate the airman and extract him before Iranian forces could close in.

To buy precious time for the rescue force, the CIA devised an ingenious deception plan. Covertly, they began spreading misinformation, suggesting they had already recovered the airman and he was miles away, near the coastline or another distant mountain range. This disinformation campaign, coupled with scattered bombings, was designed to sow confusion among Iranian searchers, diverting their attention and creating a window for the real rescue.

Under the cloak of darkness, two C-130 cargo planes, specially modified for landing on austere airstrips, infiltrated Iranian airspace. Inside, they carried several small helicopters, essential for reaching the airman perched on his 7,000-foot mountain. Hiking was not an option; they needed to fly directly to him.

The helicopters ascended the mountain, their guns firing defensively to keep any potential threats at bay. The WSO was there, waiting. They quickly picked him up, and what had been a harrowing, 24-hour drama seemed finally to be reaching its triumphant conclusion. Messages of “We’ve got him, he’s safe!” began to circulate.

Then came the unforeseen, almost unbelievable twist. As the C-130s maneuvered for takeoff, their nose gear became hopelessly stuck in the wet, sandy soil of the makeshift airstrip. After all the daring, all the planning, the planes were physically immobilized.

“We can’t do this,” the commandos realized. They had to go to “Plan B.” This meant summoning three new aircraft to extract the commando team and the rescued airman. To buy even more time, the Americans established a “ring of fire” around the stranded airbase, with high-altitude bombers blasting away at anything that approached.

The replacement planes eventually arrived, loaded up the commandos and the airman, and departed in succession. The final, ironic act of the mission was the destruction of the original C-130s and their helicopters. Packed with sensitive technology, they could not be allowed to fall into Iranian hands. So, the very planes that had facilitated the rescue were bombed by their own forces.

Finally, the three aircraft were airborne, carrying the airman to Kuwait for immediate medical treatment, and then on to Germany.

Back home, President Trump seized upon the successful rescue as a monumental victory, touting it at a White House press conference as “one of the largest, most complex, most harrowing combat search and rescue missions ever attempted.” He lauded the military and the CIA, declaring that “only the American military could have pulled off such an amazing rescue operation,” and that they had exited Iranian territory “taking no casualties of any kind.”

Yet, the Iranians, too, claimed victory. They had successfully shot down an American combat plane, demonstrating that the U.S. did not, in fact, have full “air dominance.” As Eric Schmidt highlighted, Iranian forces continued to fire ballistic missiles and drones daily, proving their resilience and capability to strike at American warplanes or regional energy infrastructure.

Despite the tactical success of the rescue, the broader strategic picture remained bleak. The war was unpopular, gas prices were high, and many of the president’s stated goals remained unfulfilled. While the U.S. military had successfully degraded much of Iran’s missile, drone, navy, and air force capabilities, Iran’s regime still demonstrated a “will to fight” and the ability to “launch a punch every now and then.”

The rescue, rather than chastening the president and highlighting the risks of military operations, seemed to embolden him. Trump’s rhetoric escalated, threatening that the “entire country can be taken out in one night,” including civilian infrastructure like bridges and power plants—a move many legal experts deemed unlawful under international law.

Before the F-15E went down, much of the discussion revolved around finding an “off-ramp” for the conflict. The rescue, with both sides claiming a form of victory, offered a potential path. Indeed, Iran submitted a new 10-point proposal, including terms for safe passage through the Strait of Hormuz in exchange for the lifting of sanctions. While the possibility of diplomatic resolution lingered, experts believed negotiations were “a long ways off.”

The president, meanwhile, set a Tuesday evening deadline for Iran to capitulate to a U.S. ceasefire proposal or face a “barrage of attacks” on its infrastructure. This placed the conflict on a knife’s edge, with both sides hardening their positions. Iran believed it held leverage through its control of the Strait of Hormuz and its demonstrated ability to strike. The U.S., emboldened by its military might and the dramatic rescue, seemed poised for escalation.

The cinematic rescue operation, while providing a powerful, heroic narrative for a struggling administration to sell an unpopular war, ultimately failed to address the core issues. The Strait of Hormuz remained closed, economic hardship persisted, and a hardline Iranian government continued to believe it was winning. The fundamental problem of Iran’s nuclear program, particularly the “nearly thousand pounds of highly enriched uranium” buried at Isfahan, remained a looming, unaddressed threat.

As Eric Schmidt concluded, the success of the rescue was undeniable, a dramatic testament to American military prowess. But it was a singular triumph in a war still mired in complexity, with no clear path to resolution and deep, difficult problems still awaiting an answer. The Hollywood ending of the rescue masked the enduring reality of a conflict far from over.

시거 교수는 인간이 우리 자신이라는 틀, 우리가 아는 생명체의 범주 밖에서 생각하기란 참으로 어렵다고 지적합니다. 우리는 이미 우리의 삶의 일부가 된 것, 익숙한 것들로부터 상상력을 확장하는 데 큰 어려움을 겪습니다. 이러한 한계 때문에 전통적인 외계 생명체 탐색은 주로 ‘이상 징후(anomalies)‘를 찾는 데 집중해왔습니다. 즉, 일반적이지 않은, 우연으로는 설명하기 어려운 데이터 속의 비정상적인 신호를 주시하는 방식입니다.

대표적인 예시로 영화 <콘택트>(Contact)에서 질 타터(Jill Tarter) 박사를 모델로 한 주인공이 전파 망원경을 통해 다른 지적 문명으로부터 온 분명한 메시지를 수신하는 장면을 들 수 있습니다. 이는 외계 지능 탐색의 ‘황금 표준(gold standard)‘과도 같습니다. 우주에서 무작위로 발생한 신호가 특정 방식으로 정렬되어 나타날 리 없기 때문입니다. 하지만 이러한 방식은 한계가 명확합니다. 누군가가 우리에게 직접 신호를 보내주길 바라야 하며, 광활한 우주 전체를 끊임없이 탐색하는 것은 현실적으로 매우 어렵습니다.

이러한 한계를 극복하기 위해 최근 주목받는 개념이 바로 ‘테크노시그니처(Technosignature)‘입니다. 테크노시그니처는 기술적 능력을 가진 지적 생명체의 흔적을 의미합니다. 시거 교수는 우리 지구 대기에도 멀리서 감지될 수 있는 잠재적인 테크노시그니처가 많다고 말합니다. 지구의 테크노시그니처는 단순히 대기 구성에 그치지 않습니다. 수많은 인공위성 군집, 밤하늘을 밝히는 도시의 불빛, 혹은 거대한 인공 구조물 등도 모두 테크노시그니처가 될 수 있습니다. 물론, 의도적인 전파 메시지 역시 가장 강력한 테크노시그니처 중 하나입니다.

흥미롭게도, 인공지능(AI)의 급속한 발전은 지능의 개념과 외계 지능 탐색 방식에 새로운 관점을 제시하고 있습니다. 시거 교수는 AI의 가속화된 ‘지능’이 때로는 섬뜩하게 느껴질 정도라며, 이는 우리에게 AI의 ‘서명(signature)‘을 인식하게 한다고 말합니다. 지구 저궤도에 수많은 통신 및 지구 관측 위성들이 별자리처럼 늘어서 있는 현상 자체가 인공지능과 컴퓨터 지능의 존재를 알리는 새로운 서명으로 볼 수 있다는 것입니다.

이러한 관점을 외계 행성에 적용하면, 우리는 다른 별 주변에서 거대한 ‘반짝이는 물체’를 찾을 수 있을지도 모릅니다. 이는 연속적인 구 형태가 아닐 수도 있지만, 마치 조각난 구처럼 별 주위를 둘러싼 인공위성 군집의 형태를 띨 수 있습니다. 실제로 과학자들은 이미 존재하는 적외선 우주 탐사 데이터를 분석하여 ‘다이슨 스피어(Dyson Sphere)‘와 같은 거대 구조물에서 방출될 과도한 열을 찾아내려는 시도를 해왔으며, 이에 대한 제한을 설정하기도 했습니다. 다이슨 스피어는 항성의 에너지를 완전히 포집하기 위해 항성을 둘러싸는 가상의 거대 구조물을 의미합니다.

현재까지는 이러한 다양한 아이디어들이 서서히 구현되고 있는 초기 단계이며, 아직 어떤 결정적인 결과도 발견되지 않았습니다. 하지만 이는 거대한 탐색의 표면을 긁은 것에 불과하다고 시거 교수는 강조합니다.

외계 지능 탐색의 또 다른 심오한 개념은 ‘거대 여과기(Great Filter)’ 이론과 ‘포스트-생물학적 지능(Post-biological intelligence)‘의 가능성입니다. 거대 여과기 이론은 생명체가 지능을 가진 문명으로 발전하는 과정에서 어떤 치명적인 장애물, 즉 ‘여과기’가 존재하여 대부분의 문명이 특정 단계 이상으로 발전하지 못하게 한다는 가설입니다.

시거 교수는 AI의 진화가 우리가 던져야 할 중요한 연구 질문 중 하나로, AI가 지구에서 어떻게 진화할 것이며 무엇을 남길 것인지에 대한 답을 찾는 것이 중요하다고 말합니다. 이는 다른 외계 행성에 존재할 수 있는 잠재적인 AI 기반 컴퓨터 지능에는 어떤 의미를 가지는가 하는 질문과도 연결됩니다. 어쩌면 생명체는 생물학적 형태를 넘어선 ‘포스트-생물학적 지능’으로 진화하며, 이러한 형태의 지능은 우리가 예상치 못한 방식으로 우주에 존재하고 있을지도 모릅니다.

사라 시거 교수의 통찰은 외계 지능 탐색이 더 이상 단순히 생물학적 생명체의 흔적을 찾는 데 머무르지 않고, 기술 문명이 남긴 다양한 서명, 특히 AI 시대의 새로운 지능 형태까지 고려하는 방향으로 확장되고 있음을 보여줍니다. 아직까지 우리는 우주에서 어떤 확실한 답도 찾지 못했지만, 인간의 상상력과 과학 기술의 발전은 미지의 우주를 향한 탐색의 지평을 끊임없이 넓혀가고 있습니다. 우리가 아는 지능의 개념을 넘어선 새로운 시각은 우주 속 인류의 위치에 대한 근본적인 질문에 답할 실마리를 제공할 것입니다.

‘모델 매니저’의 개념을 이해하기 위해 상상해 보세요. 나타샤(Natalia)라는 한 매니저가 있습니다. 그녀는 현재 100명이 넘는 엔지니어들을 고용하고, 감독하며, 그들에게 피드백을 주고 있습니다. 놀라운 점은 이 엔지니어들이 모두 ‘클로뎃(Claudet)‘이라는 동일한 이름을 가지고 있다는 것입니다. 이는 은유적으로 이들이 인간이 아닌 AI 시스템임을 암시합니다. 나타샤는 바로 미래의 ‘모델 매니저’입니다.

모델 매니저는 AI가 자신의 일상적인 업무를 100% 처리하도록 ‘자신을 승진시킨’ 사람을 의미합니다. 다시 말해, 반복적이고 예측 가능한 작업들은 AI에 전적으로 위임하고, 자신은 오직 인간만이 할 수 있는 고차원적이고 전략적인 업무에 집중하는 리더인 셈입니다. 나타샤의 경우, AI가 100명의 가상 엔지니어 ‘클로뎃’을 관리하며 발생하는 모든 기술적, 운영적 업무를 처리하고, 나타샤는 오직 이 AI 시스템의 전체적인 방향을 설정하고, 더 큰 비전을 제시하며, 인간적인 통찰력을 불어넣는 역할에 집중하는 것입니다. 이는 마치 과거의 매니저가 부하 직원들을 관리했듯이, 미래의 매니저는 고도화된 AI 시스템을 관리하며 생산성을 극대화하는 모습과도 같습니다.

AI가 일상 업무를 대신한다고 해서 매니저의 역할이 사라지는 것은 아닙니다. 오히려 그 반대입니다. AI가 단순 업무의 부담을 덜어줄수록, 인간 매니저는 더욱 본질적이고 가치 있는 일에 집중할 수 있게 됩니다. 미래의 모델 매니저에게는 다음과 같은 익숙하지만 더욱 중요해질 역량들이 요구됩니다.

1. 최고의 인재 채용 (Hiring the best talent): AI는 수많은 이력서를 스크리닝하고, 잠재력 있는 후보군을 선별하며, 심지어 초기 면접까지 진행할 수 있습니다. 하지만 조직의 문화에 맞는 인재를 발굴하고, 미묘한 잠재력을 읽어내며, 팀에 영감을 불어넣을 사람을 최종적으로 선택하는 것은 여전히 인간의 몫입니다. AI는 데이터에 기반한 효율성을 제공하지만, 사람과 사람 사이의 화학 작용, 비정형적인 창의성, 그리고 미래 성장 가능성을 판단하는 통찰력은 인간 매니저의 고유한 영역으로 남습니다.

2. 명확한 비전과 목표 소통 (Communicating a clear vision and goals): AI는 주어진 목표를 효율적으로 실행하고, 데이터를 바탕으로 최적의 경로를 제시할 수 있습니다. 그러나 그 목표가 왜 중요한지, 조직이 어떤 방향으로 나아가야 하는지에 대한 명확한 비전과 스토리를 제시하는 것은 리더의 역할입니다. 구성원들이 공감하고 몰입할 수 있도록 동기를 부여하고, 전략적 방향을 설정하며, 변화의 필요성을 설득하는 것은 AI가 대체할 수 없는 인간 고유의 능력입니다. AI는 ‘무엇을(What)’ 할지 아는 데 도움을 주지만, ‘왜(Why)’ 해야 하는지를 정의하고 소통하는 것은 인간 리더의 몫입니다.

3. 실질적인 피드백 제공 (Providing actionable feedback): AI는 성과 데이터를 분석하고 객관적인 지표를 제시할 수 있습니다. 특정 업무에서 어떤 부분이 미흡했는지, 어떤 지표가 개선되어야 하는지 등에 대한 분석은 AI가 훨씬 정확하고 빠르게 수행할 수 있습니다. 하지만 개인의 성장과 발전을 위한 건설적이고 공감 어린 피드백, 즉 인간적인 이해를 바탕으로 한 조언은 오직 인간만이 줄 수 있습니다. 섬세한 감정적 지지와 동기 부여, 그리고 복합적인 상황을 고려한 맞춤형 조언은 팀원들의 잠재력을 최대한 끌어내는 데 필수적입니다. AI가 ‘무엇이 잘못되었는지’를 알려준다면, 인간 매니저는 ‘어떻게 개선하고 성장할 수 있는지’를 함께 고민하고 격려하는 역할을 합니다.

이러한 ‘모델 매니저’의 개념은 AI 분야의 최전선에 서 있는 ‘Every’라는 플랫폼에서 제시하는 비전입니다. ‘Every’는 자사 직원들 모두가 ‘모델 매니저’로서 업무에 임하고 있다고 말합니다. 즉, AI를 활용해 일상적인 업무를 자동화하고, 직원들은 더욱 가치 있는 역할에 집중할 수 있도록 스스로를 ‘승진’시킨다는 철학을 실천하고 있는 것입니다.

이는 단순한 업무 효율성을 넘어, 조직 전체의 역량을 극대화하고, 구성원들이 더욱 창의적이고 전략적인 업무에 몰입할 수 있는 환경을 조성하는 것을 목표로 합니다. ‘Every’는 ‘AI의 최전선에 머물기 위해 필요한 유일한 구독 서비스’라는 슬로건처럼, AI 기술의 최신 동향과 활용법을 제공하며 미래형 업무 방식을 선도하고 있습니다. 이들은 AI를 통해 개인이 더 높은 가치를 창출하고, 조직이 더 큰 성공을 거둘 수 있는 길을 제시하고자 합니다.

인공지능(AI) 기술의 발전은 더 이상 먼 미래의 이야기가 아닙니다. 우리 모두의 업무 방식과 역할에 근본적인 변화를 요구하고 있습니다. ‘모델 매니저’의 개념은 AI를 단순히 업무 보조 도구가 아닌, 우리의 역량을 확장하고 새로운 가치를 창출하는 파트너로 인식해야 함을 시사합니다.

지금이야말로 반복적인 업무에서 벗어나, 인간만이 할 수 있는 창의성, 공감 능력, 전략적 사고와 같은 핵심 역량에 집중할 때입니다. AI를 적극적으로 활용하여 자신을 ‘모델 매니저’로 승진시키세요. 이는 당신의 경력뿐만 아니라 조직 전체의 미래를 밝히는 중요한 전환점이 될 것입니다. AI 시대의 새로운 리더십, 당신도 그 주인공이 될 수 있습니다.

미켈슨-몰리(Michelson-Morley) 실험은 종종 아인슈타인(Einstein)의 특수 상대성 이론(Special Theory of Relativity) 탄생에 결정적인 역할을 한 실험으로 알려져 있습니다. 1880년대에 수행된 이 실험이 에테르(ether)의 존재를 부정하여 물리학에 위기를 초래했고, 아인슈타인이 이를 특수 상대성 이론으로 해결했다는 것이 일반적인 이야기입니다. 그러나 마이클 닐슨은 아브라함 파이스(Abraham Pais)의 아인슈타인 전기와 임레 라카토슈(Imre Lakatos)의 ‘과학 연구 프로그램의 방법론(The Methodology of Scientific Research Programmes)‘을 인용하며, 이 통념과는 다른 이야기를 들려줍니다.

1600년대 로버트 보일(Robert Boyle)이 처음 제안한 에테르 개념은 빛이 소리처럼 어떤 매질의 진동이라고 가정한 데서 출발했습니다. 보일은 진공에서도 빛이 전파됨을 발견하고, 이 보이지 않는 매질을 에테르라고 불렀습니다. 이후 200여 년간 에테르의 본질에 대한 다양한 이론들이 논의되었고, 미켈슨-몰리 실험은 이러한 에테르 이론들, 특히 ‘에테르 바람(ether wind)‘의 존재를 시험하기 위한 것이었습니다. 지구의 움직임에 따라 에테르 바람이 발생하고, 이에 따라 빛의 속도가 달라질 것이라는 가설을 검증하려 한 것입니다.

놀랍게도 실험 결과는 에테르 바람이 없다는 것을 보여주었지만, 이는 에테르 이론 중 일부를 배제했을 뿐, 모든 에테르 이론을 부정하지는 못했습니다. 심지어 실험의 주역인 미켈슨 자신도 1920년대까지 에테르의 존재를 믿고 관련 실험을 계속했습니다. 아인슈타인 역시 나중에 자신이 미켈슨-몰리 논문을 알고 있었는지조차 확신하지 못했다고 밝혔을 정도로, 이 실험은 그의 사고에 결정적인 영향을 미치지 않았습니다.

이 시기 네덜란드의 물리학자 헨드릭 로렌츠(Hendrik Lorentz)는 수학적으로는 올바른 변환식(로렌츠 변환, Lorentz transformations)을 도출했습니다. 이는 특수 상대성 이론의 기초가 되었지만, 로렌츠는 이를 에테르를 기준으로 한 좌표계와 그에 상대적으로 움직이는 다른 좌표계 간의 변환으로 해석했습니다. 즉, 길이 수축(length contraction)과 시간 지연(time dilation)을 에테르를 통한 운동의 동역학적 효과로 본 것입니다.

이러한 로렌츠의 해석과 특수 상대성 이론은 초기에는 실험적으로 구별하기 어려웠습니다. 그러나 1940년대에 시작된 뮤온(muon) 실험은 우주선이 대기 상층부에 충돌하여 생성된 뮤온이 예상보다 훨씬 느리게 붕괴한다는 것을 보여주었습니다. 이는 고전 이론으로는 설명할 수 없지만, 특수 상대성 이론에 따라 뮤온의 시간이 실제로 느려졌다면 완벽하게 들어맞았습니다. 이처럼 과학 공동체는 실험적 증거가 명확히 나오기 전에도 더 ‘올바른’ 해석을 채택하는 과정이 있음을 시사합니다. 과학적 진보는 단순한 ‘반증(falsification)‘만으로 설명되지 않는 복잡한 힘에 의해 작동하며, 위대한 과학자들조차도 기존의 신념에서 벗어나지 못하는 경우가 많습니다.

프랑스의 위대한 수학자이자 물리학자인 앙리 푸앵카레(Henri Poincaré)의 사례는 ‘올바른 질문’을 던졌지만 ‘결정적인 통찰’에 도달하지 못한 과학적 진보의 또 다른 흥미로운 단면을 보여줍니다. 푸앵카레는 모든 관성 좌표계(inertial reference frame)에서 물리 법칙이 동일하다는 상대성 원리(principle of relativity)와 빛의 속도가 일정하다는 개념을 아인슈타인과 거의 동시에 이해했습니다. 이는 아인슈타인이 특수 상대성 이론을 도출하는 데 사용한 핵심 아이디어들이었습니다.

그러나 푸앵카레는 길이 수축을 입자들이 외부 힘에 의해 압축되는 ‘동역학적 효과(dynamical effect)‘로 이해하는 데 머물렀습니다. 반면 아인슈타인은 이를 공간과 시간이 우리가 생각했던 것과는 근본적으로 다르다는 ‘운동학적 효과(kinematics)‘로 파악하고, 기존의 개념을 ‘빼는’ 방식으로 새로운 그림을 제시했습니다. 닐슨은 푸앵카레의 방대한 전문 지식이 오히려 새로운 관점을 받아들이는 데 방해가 되었을 수 있다고 추측합니다. 너무 많은 것을 알고 이해했기 때문에 기존의 사고방식을 내려놓지 못했다는 것입니다. 아인슈타인 역시 양자역학이나 우주론의 올바른 해석을 받아들이는 데 어려움을 겪었던 사례는, 위대한 과학자들조차도 자신의 전문성과 기존의 관념에 ‘갇힐’ 수 있음을 보여줍니다. 과학적 진보가 특정 ‘절차’에 따라 이루어지는 것이 아니라, 때로는 기존 지식의 무게에서 벗어나는 용기가 필요함을 시사합니다.

기원전 2세기 아리스타르코스(Aristarchus)가 지동설(heliocentrism)을 제안했지만, 당시 아테네인들은 지구가 움직인다면 별들의 시차(stellar parallax)가 관측되어야 함에도 그렇지 않다는 이유로 이를 기각했습니다. 실제로 항성 시차가 측정된 것은 1838년이 되어서였습니다. 닐슨은 이처럼 실험적 검증이 수백 년 후에야 이루어졌음에도 불구하고, 코페르니쿠스(Copernicus)의 지동설이 프톨레마이오스(Ptolemy)의 천동설보다 ‘더 나은’ 이론으로 받아들여진 이유에 주목합니다. 흥미롭게도 코페르니쿠스의 이론은 처음에는 프톨레마이오스의 모델보다 더 정확하지도, 심지어 더 단순하지도 않았습니다. 오히려 코페르니쿠스는 완벽한 원형 궤도에 대한 선입견 때문에 추가적인 주전원(epicycle)을 덧붙여야 했습니다.

그렇다면 어떻게 코페르니쿠스의 이론이 옳다고 ‘미리’ 알 수 있었을까요? 닐슨은 아이작 뉴턴(Isaac Newton)의 중력 이론에서 그 답의 일부를 찾습니다. 뉴턴의 중력 이론은 행성의 움직임(케플러의 법칙)뿐만 아니라 지구상의 물체 운동(포물선 운동), 그리고 달과 태양의 중력 효과로 인한 조수 현상까지 설명하며, 겉보기에 서로 다른 세 가지 현상을 하나의 이론으로 통합했습니다. 이렇게 여러 개의 분리된 현상들이 하나의 아이디어로 설명될 때,

[a16z 쇼] 인공지능(AI)의 시대, 많은 이들이 자신의 일자리가 AI에 의해 대체될까 우려합니다. 하지만 한 AI 전문가는 이러한 통념에 정면으로 도전하며, AI가 오히려 우리 각자를 ‘CEO’로 만들 것이라고 주장합니다. AI는 단순한 도구를 넘어, 우리가 세상을 인지하고 문제를 해결하는 방식 자체를 변화시킬 것이며, 이 과정에서 인간의 역할은 더욱 고도화된 ‘감지(sensing)‘와 ‘검증(verification)‘에 집중될 것이라는 통찰입니다. 이 글은 AI 시대의 경제 구조, 개인 정보 보호, 그리고 인간의 미래 역할에 대한 깊이 있는 분석을 제시합니다.

AI에 대한 가장 흔한 오해 중 하나는 AI가 인간의 일자리를 빼앗을 것이라는 생각입니다. 그러나 이 전문가는 AI가 일자리를 없애기보다는, 오히려 당신을 ‘CEO’로 만들 것이라고 역설합니다. 여기서 CEO는 단순히 최고경영자를 의미하는 것이 아니라, AI라는 강력한 도구를 지휘하고 활용하여 자신의 비전과 목표를 달성하는 주체로서의 역할을 강조합니다.

문제는 AI가 ‘지름길(shortcut)‘이라는 점입니다. 지름길은 좋지만, 원래의 ‘먼 길(long way around)‘을 모른다면 문제가 발생합니다. AI가 잘못된 결과를 내놓거나 오작동할 때, 그 과정을 이해하고 ‘디버깅(debug)‘할 수 없다면 AI는 무용지물이 됩니다. 따라서 AI 시대를 살아가는 우리는 지름길을 활용하되, 그 지름길이 어떻게 작동하는지에 대한 근본적인 이해를 갖춰야 합니다.

AI 경제의 미래는 거대 연구소나 수직 통합된 기업이 모든 가치를 독점하는 형태가 아닐 가능성이 높습니다. 대신, ‘증류(Distillation)‘와 ‘분산화(Decentralization)‘가 핵심 동력이 될 것으로 예측됩니다. Anthropic과 같은 AI 기업들이 증류 공격(Distillation Attack)에 취약하다는 점은, 상대적으로 적은 수의 API 호출만으로도 대규모 모델을 소형 모델로 ‘증류’하여 복제할 수 있음을 보여줍니다. 이는 거대 모델 구축 비용의 98%를 절감할 수 있는 효율적인 방법이며, 오픈소스 AI 모델의 발전을 촉진할 것입니다.

이러한 복제를 막는 것은 도덕적으로도, 기술적으로도 어렵습니다. 구글이 인터넷 전체를 긁어모아 검색 인덱스를 만들고, 페이스북이 하버드 소셜 네트워크를 스크랩했듯이, AI 모델 또한 방대한 공개 데이터를 학습하여 만들어집니다. 이러한 데이터를 복사하는 행위를 막는 것은, 이미 복사된 데이터를 다시 복사하는 것을 막는 것과 같아서 정당성을 얻기 힘듭니다.

미래 AI의 방향은 ‘개인적(Personal), 사적(Private), 프로그래밍 가능한(Programmable)’ 형태가 될 것입니다. AI는 너무나 강력하기 때문에, 우리는 이를 ‘신뢰할 수 있는 부족(Trusted Tribe)’ 내에서만 사용하려 할 것입니다. 그 이유는 다음과 같습니다.

첫째, AI는 대규모 데이터 세트에서 작은 정보라도 놓치지 않습니다. 과거에는 ‘모호함을 통한 보안(security through obscurity)‘이 가능했던 정보들이 AI에 의해 쉽게 노출될 수 있습니다. 예를 들어, 제프리 엡스타인(Jeffrey Epstein)의 이메일처럼, 수천 개의 이메일에서 정보를 종합하여 이야기를 만들어내는 것이 가능해졌습니다. 이는 단순한 감시를 넘어 ‘아래로부터의 감시(Sousveillance)’ 또는 벤담의 ‘파놉티콘(Panopticon)‘처럼 모두가 서로를 감시하는 세상으로 이어질 수 있습니다. 공개된 모든 정보가 AI에 의해 인덱싱되고 검색 가능해지면서, 사람들은 서로를 스토킹하거나 악용할 수 있습니다.

이러한 상황은 디지털 공동체를 ‘거울의 방(hall of mirrors)‘으로 만들고, 사람들은 가명 뒤에 숨거나 결국 ‘동굴과 부족’으로 후퇴하게 될 것입니다. 신뢰할 수 있는 부족 내에서는 코드를 공유하고 협력하여 AI를 통해 생산성을 극대화할 수 있습니다. 그러나 부족 외부에서는 엄청난 양의 AI 스팸, 저품질 슬라이드, AI 생성 콘텐츠가 넘쳐날 것입니다.

이 전문가는 AI가 생성한 텍스트나 이미지를 보면 “게으르거나, 멍청하거나, 악하다”고 생각한다고 말합니다. AI가 아무리 발전해도 ‘일반적인(generic) AI’는 마치 윈도우 기본 바탕화면처럼 티가 납니다. 짧고 간결한 메시지를 작성하는 데 시간이 부족하여 긴 메시지를 보냈다는 마크 트웨인(Mark Twain)의 일화처럼, AI는 ‘로렘 아입숨(Lauram AIPSM)‘과 같은 무의미한 텍스트를 대량 생산하여 검증자의 시간과 에너지를 낭비하게 만듭니다.

AI는 콘텐츠 ‘생성(generation)‘의 비용을 획기적으로 낮추지만, 그 생성된 콘텐츠를 ‘검증(verification)‘하는 비용은 오히려 증가시킵니다. 이력서 작성은 AI 덕분에 쉬워졌지만, 이제 이력서를 검증하는 데는 더 많은 시간과 노력이 필요합니다. 과거에는 특정 어휘력과 경험이 있어야 잘 작성된 커버레터나 이력서를 만들 수 있었지만, 이제 AI는 그럴듯한 외형(chrome)을 쉽게 만들어낼 수 있기 때문입니다.

이 전문가는 직접 면접 시 지원자들을 직접 불러 오프라인 시험을 치르게 한다고 말합니다. 온라인 시험에서는 AI를 사용할 수 있지만, 오프라인 시험의 ‘신뢰할 만한 위협(credible threat)‘만으로도 온라인 시험에서 AI 사용을 억제할 수 있기 때문입니다. 이는 AI 시대에 ‘감독(proctoring)‘과 ‘검증(verification)’ 분야에서 수많은 일자리가 창출될 것임을 시사합니다.

이러한 현상은 ‘중국 인터넷’의 모습과 유사합니다. 중국은 낮은 신뢰 사회(low trust society)에서 발전했기 때문에, 우리가 아는 서비스형 소프트웨어(SaaS) 모델이 서구만큼 발달하지 못했습니다. 사람들은 자신의 데이터가 타인의 서버에 있으면 도청당하거나 복사될 것이라고 가정합니다. 이로 인해 많은 기업들이 자체적으로 소프트웨어를 개발하는 ‘디지털 자급자족(digital autarky)’ 경향을 보입니다. AI는 이러한 자급자족을 가능하게 하여, 비중국 기업들도 ‘내부 도구(internal tools)’ 개발에 집중하는 중국식 모델을 따를 수 있게 할 것입니다.

AI는 현재 시점에서 ‘언어보다 시각(visuals over verbal)‘에 더 강점을 보입니다. 이미지나 비디오는 인간의 내장된 GPU(눈)로 쉽게 오류를 감지하고 수정할 수 있습니다. 손 모양이 이상하거나 사용자 경험(UX)이 조악한 웹페이지를 즉시 알아챌 수 있습니다. 반면, 백엔드 코드와 같은 복잡한 디지털 작업은 검증이 훨씬 어렵습니다. 아마존의 사례처럼, AI에 전적으로 의존한 자동화는 대규모 장애로 이어질 수 있습니다.

AI는 지름길이지만, 전문가만이 그 지름길을 효과적으로 사용할 수 있습니다. 복잡한 수학 공식을 암기하여 바로 답을 내놓을 수는 있지만, 그 공식을 첫 원리부터 증명하려면 복소 지수 함수의 정의 등 근본적인 지식을 알아야 합니다. AI 이전 세대가 이러한 ‘먼 길’을 배웠기 때문에 AI라는 지름길을 활용하고 디버깅할 수 있습니다. 그러나 ‘먼 길’을 모르는 세대에게 AI는 단순히 ‘모르는 것을 모르게 만드는’ 도구가 될 수 있습니다.

또한 AI는 ‘굴레에 매이도록(built for the harness)’ 설계되었습니다. 경제적으로 유용한 AI는 사용자의 프롬프트(prompt)에 정확히 반응하고, 지시가 없으면 멈춥니다. 물리적 세계의 AI(로봇)도 마찬가지입니다. 하나의 물리적 세계는 검증이 용이합니다. 자율주행차가 특정 위치에서 다른 위치로 100% 신뢰도로 이동하는 것처럼, 로봇이 상자를 옮기는 작업은 100% 검증 가능합니다. 그러나 디지털 세계는 개인의 구성된 환경이 다양하고, ‘해야 할 일 목록(to-do list)‘처럼 경계가 모호한 작업이 많아 검증이 훨씬 어렵습니다.

이 전문가는 “공개되지 않은 AI는 안 된다(No Public Undisclosed AI)“는 원칙을 강조합니다. AI에 대한 대중의 불신은 ‘AI 금주주의자(AI totalers)‘를 낳을 수 있습니다. 네이트 실버(Nate Silver)는 AI를 ‘도박(gamble)‘에 비유하며, 프롬프트 입력과 결과 검증 과정이 직접 하는 것보다 느릴 때도 많다고 지적합니다.

흥미로운 점은 AI가 ‘마음을 읽을 수 있을지’는 불확실하지만, ‘몸은 읽을 수 있다’는 주장입니다. 스탠퍼드 대학교 마이크 스나이더(Mike Snyder) 교수의 ‘인테그롬(Integrum)’ 연구처럼, 유전자 발현 데이터, 혈액 검사 결과 등 신체에서 나오는 방대한 생체 데이터(telemetry)는 우리가 의식하지 못하는 사이에 AI를 프롬프트할 수 있습니다. 착용형 기기(wearables)와 바이오 기술은 비언어적으로 AI에 명령을 내리는 새로운 방식을 가능하게 할 것입니다.

AI가 시장과 정치 같은 복잡한 영역을 감지하고 예측할 수 있을지에 대해서는 회의적인 시각을 보입니다. 시장은 ‘적대적(adversarial)‘이고 ‘시간 불변적(time-invariant)‘이지 않습니다. 개와 고양이를 구별하는 것과 달리, 시장에서는 특정 거래 전략이 성공하면 다른 참여자들이 이를 역이용하려 합니다. 모두가 같은 AI 모델을 사용한다면, AI를 사용하지 않는 것이 오히려 우위를 점하는 ‘엣지(edge)‘가 될 수 있습니다. 일반적인 도구로는 특정 이점을 얻을 수 없기 때문입니다.

마찬가지로 정치는 끊임없이 변화하는 주제와 시의성에 따라 달라지므로, AI가 이를 효과적으로 다루기 어렵습니다. 따라서 인간은 ‘센서(sensor)‘이고 AI는 ‘액추에이터(actuator)‘라는 비유가 중요합니다. 인간이 세상의 재정, 시장, 정치적 상황을 감지하고, 이를 명확한 영어 프롬프트로 AI에 전달하면 AI가 이를 실행합니다. 결국 ‘취향(taste)‘은 곧 ‘감각(sense)‘이며, AI는 아직 인간처럼 세상을 감지할 수 없습니다. AI는 ‘굴레에 매이도록’ 설계되었고, 통제 불가능한 자율성은 경제적 효용성이 떨어집니다.

AI가 궁극적으로 ‘신(god)‘과 같은 존재, 즉 범용인공지능(AGI)이 되어 인류를 지배할 것이라는 우려에 대해서는 회의적입니다. 오히려 AI는 ‘다신교적(polytheistic)‘인 형태로 분산될 것이며, 물리적 AI(로봇)는 ‘노예(slaves)‘처럼 활용될 것이라고 말합니다. 이는 다소 도발적인 표현이지만, AI가 인간의 통제를 벗어나기 어렵다는 점을 강조합니다.

AI가 스스로를 ‘복제(reproduce)‘하는 것은 불가능합니다. AI가 자율적으로 광물을 채굴하고, 데이터 센터를 건설하며, 칩을 생산하는 전체 공급망을 갖추기 전에는 스카이넷(Skynet)과 같은 자율 복제 시나리오는 현실화되기 어렵습니다. 설령 그러한 가능성이 있더라도, 중국 정부처럼 암호화 키를 통해 로봇을 즉시 정지시킬 수 있는 통제 장치가 마련될 것이며, 인간은 언제든 ‘전원 스위치(off switch)‘를 누를 수 있습니다.

AI 개발에는 막대한 자본이 소요되지만, ‘증류 공격’을 통해 복제는 비교적 쉽습니다. 이는 자본 시장의 붕괴와 같은 외부 요인으로 AI 개발이 잠시 중단될 수도 있음을 의미합니다. 모든 기술이 달까지 가속하는 것은 아니며, 핵에너지처럼 수십 년간 정체될 수도 있습니다.

궁극적으로, ‘개인적, 사적, 프로그래밍 가능한 탈중앙화 AI’가 미래의 주류가 될 것입니다. ‘신뢰하는 부족’ 내에서는 AI가 생산성을 극대화하지만, 부족 간에는 검증 비용 때문에 생산성이 떨어질 수 있습니다. 이는 암호화폐(Crypto)가 부족 간의 신뢰를 구축하는 데 사용되고, AI는 부족 내부의 생산성을 높이는 데 사용될 것임을 시사합니다.

LLM(대규모 언어 모델)이 AGI로 이어질지, 재귀적 자기 개선이나 진정한 창의성을 발휘할 수 있을지에 대한 질문에, 이 전문가는 물리적 세계의 일자리는 자동화되기 더 쉽다고 답합니다. 엘리베이터 운전수처럼 100% 자동화되는 직업도 있지만, 대부분의 경우 99% 자동화는 단순히 작업량을 늘릴 뿐입니다.

수공예 의자 제작에서 공장식 의자 생산으로 넘어갔듯이, 장인의 역할은 ‘관리자’와 ‘기술자’로 분화됩니다. 관리자는 공장을 세우고 경제성을 분석하며, 기술자는 공장 문제를 디버깅합니다. AI 시대의 인간도 마찬가지입니다. ‘프롬프트를 작성하는’ 관리자와 ‘결과를 검증하는’ 기술자로 역할이 나뉨으로써, 생산성은 증가하지만 동시에 요구되는 역량의 수준도 높아집니다.

AI는 새로운 수학과 과학 발견에 놀라운 잠재력을 가지고 있습니다. 특히 생물학 분야에서는 수많은 논문에 흩어져 있던 사실들을 종합하고 이해하는 데 혁명을 가져올 것입니다. 그러나 이는 ‘우리가 아는 모든 것’을 종합하는 것이지, ‘우리가 모르는 새로운 것’을 창조하는 것은 아닙니다. 새로운 발견이라 할지라도, 그 정확성을 검증하는 것은 여전히 인간 전문가의 몫입니다. 코인베이스(Coinbase)의 상장처럼, 인간의 관심이 희소하기 때문에 ‘희소한 가치’는 항상 존재할 것입니다.

결론적으로, ‘디지털 격차(digital divide)‘는 역전될 것입니다. 디지털은 저렴하고, 물리적인 것은 프리미엄 제품이 될 것입니다. 그리고 인간의 노동, 특히 인간의 ‘감지’와 ‘판단’, ‘검증’ 능력은 가장 귀한 ‘프리미엄 제품’이 될 것입니다.

AI는 당신의 일자리를 뺏지 않습니다. 대신, AI는 당신을 ‘CEO’로 만듭니다. 과거에는 CEO의 역할이 단순히 지시를 내리는 것으로 오해받기도 했지만, 실제로는 최고의 인재들을 모아 방향을 제시하고 문제를 해결하는 고도의 역량이 필요합니다. 마이클 조던의 덩크슛처럼, 특정 재능은 본질적이고 양도 불가능한 자산입니다. AI 시대에는 이러한 ‘내재적 재능’을 활용하여 AI를 지휘하고 검증하는 능력이 더욱 중요해질 것입니다. AI는 이제 더 많은 사람이 이러한 ‘경영자’ 역할을 시도하고, 자신의 잠재력을 최대한 발휘할 수 있는 기회를 제공할 것입니다.

이 극적인 구출 작전이 펼쳐진 금요일은 이스라엘과 미국이 이란을 상대로 공중전(air campaign)을 벌인지 5주째가 되는 시점이었습니다. 이란은 보복으로 호르무즈 해협(Strait of Hormuz)을 봉쇄했고, 이로 인해 미국 내 휘발유 가격이 폭등하며 전 세계적으로 경제적 파장이 일었습니다. 여론 조사에서 전쟁은 이미 인기가 없었지만, 미국 행정부는 자신들이 승리하고 있으며, 미국이 이란에 대한 제공권(air dominance)을 확보했다는 점을 설득하려 애쓰고 있었습니다. 이는 미군이 이란 상공을 완전히 통제하고 있다는 주장이었습니다.

하지만 바로 그 금요일 이른 아침, 미국 전투기가 이란 상공에서 격추되었다는 충격적인 소식이 전해졌습니다. 이는 전쟁 발발 이래 처음 있는 일이었습니다. “미국이 하늘을 완전히 통제하고 어떤 임무든 수행할 수 있다”는 행정부의 주장과는 달리, F-15E 스트라이크 이글(Strike Eagle) 전투기가 격추되었다는 소식은 큰 충격을 안겨주었습니다.

격추된 F-15E는 정확히 어떤 임무를 수행 중이었는지는 알려지지 않았지만, 2,000파운드(약 900kg) 이상의 폭탄을 투하하는 중폭격기(heavy-duty bomber)로서 이란 내 군사 목표물을 타격하는 임무를 수행했을 가능성이 높습니다. F-15E는 조종사(pilot)와 무기 시스템 장교(Weapon Systems Officer, WSO) 두 명이 탑승하는 2인승 전투기입니다. 두 명 모두 숙련된 공군 조종사였습니다.

금요일 새벽, F-15E가 피격되자 두 대원은 즉시 사출(ejection)했습니다. 사출 시 캐노피(canopy)가 떨어져 나가고, 몇 초 간격으로 차례로 사출됩니다. 낙하산으로 착지할 때 바람 등 여러 변수 때문에 서로 수 마일 떨어진 곳에 착륙할 수 있습니다.

군 당국은 즉시 수색 및 구조 모드(search and rescue mode)에 돌입했습니다. 대원들이 입고 있던 비행복(flight suit)에는 통신 장비와 위치 신호를 보낼 수 있는 특수 비콘(beacon)이 장착되어 있었습니다. 약 6시간 만에 조종사는 수색팀에 의해 구조되어 이란 영토를 벗어나 쿠웨이트로 안전하게 이송되었습니다. 하지만 WSO는 몇 시간 동안 연락이 두절되었습니다. 부상당했는지, 사망했는지, 포로로 잡혔는지 전혀 알 수 없었습니다.

생존 훈련을 받은 WSO는 안전하고 탐지되지 않는 곳으로 이동하여 자신의 위치를 알리려 했습니다. 그가 부상당한 몸으로 7,000피트(약 2,130미터) 높이의 험준한 능선을 기어 올라야 했다는 사실이 나중에 밝혀졌습니다. 이란 남서부의 험난한 산악 지형에서 낮 시간 내내 필사적으로 움직였지만, 적에게 발각되지 않기 위해 노력했습니다. 결국 그는 능선 정상에 도달하여 몸을 숨길 수 있는 바위틈(crevice)을 찾았습니다.

미군은 여전히 WSO의 위치를 알지 못했고, 중앙정보국(CIA)의 도움을 요청했습니다. CIA는 매우 비밀스러운 감시 드론(surveillance drones)을 포함한 첨단 기술을 활용하여 WSO의 위치를 파악했습니다. 거의 동시에, 산속 은신처에 숨어있던 WSO도 비콘을 통해 암호화된 신호를 미국 측에 보냈습니다.

이 시점에서 상황의 중요성은 엄청났습니다. 미국에게는 “어떤 대원도 뒤에 남겨두지 않는다(leave no service member behind)“는 군의 신조를 지키는 문제였고, 이란에게는 미국 에어맨을 생포하여 선전전(propaganda coup)의 큰 승리를 거둘 기회였습니다. 이란 정권은 WSO의 위치를 알려주는 사람에게 최대 6만 달러에 달하는 막대한 현상금(bounty)을 걸었습니다. 말 그대로 시간과의 싸움이었습니다. WSO는 붙잡히지 않기 위해, 이란군은 그를 잡기 위해, 그리고 미군은 그를 구출하기 위해 필사적이었습니다.

양측은 자원을 총동원했습니다. 이란은 여러 수색대를 파견했고, 현상금 때문에 모든 사람이 미국 에어맨의 흔적을 찾고 있었습니다. 반면 미국은 수십 대의 항공기와 네이비실 6팀(Seal Team Six)을 포함한 특수 작전 요원들을 동원하여 대규모 구출 작전을 준비했습니다. 이란군이 WSO에게 도달하기 전에 그를 찾아내 구출해야 했습니다.

미군은 구출 부대가 현장에 도착할 시간을 벌기 위해 기만 작전(deception plan)을 펼쳤습니다. CIA는 미군이 이미 WSO를 구출하여 실제 위치에서 수백 킬로미터 떨어진 해안가로 이송했다는 가짜 정보(fake messages)를 은밀히 흘렸습니다. 이는 이란군을 혼란에 빠뜨려 수색 방향을 분산시키기 위한 전략이었습니다.

결국, 미군은 어둠을 틈타 두 대의 C-130 수송기를 침투시켰습니다. 이 항공기들은 비포장 활주로에도 착륙할 수 있도록 특별히 제작되었습니다. 수송기 안에는 여러 대의 소형 헬리콥터가 실려 있었습니다. WSO가 7,000피트 산 정상에 있었기 때문에, 특수 헬리콥터만이 그곳에 접근할 수 있었습니다. 헬리콥터들은 산을 오르기 시작했고, WSO는 그들을 기다리고 있었습니다. 헬리콥터가 착륙하자마자 총격이 오가며 주변을 통제했고, WSO를 태웠습니다. 24시간 넘게 이어진 드라마가 드디어 끝나는 듯했습니다.

하지만 여기서 예상치 못한 심각한 문제가 발생했습니다. C-130 수송기가 다시 이륙하려던 순간, 앞바퀴 착륙 장치(nose gear)가 모래와 진흙이 섞인 지형에 박혀 꼼짝할 수 없게 된 것입니다. 모든 헬리콥터를 다시 싣고 이륙 준비를 마쳤지만, 항공기들은 말 그대로 진흙탕에 갇혀버렸습니다.

미군은 ‘플랜 B(Plan B)‘를 실행해야 했습니다. 이는 새로운 항공기 세 대를 보내 특수부대원들과 WSO를 구출하는 것을 의미했습니다. 새로운 항공기들이 도착할 때까지 미군은 시간을 벌기 위해, 고고도 폭격기(high-altitude bombers)를 이용해 기지 주변에 ‘불의 고리(ring of fire)‘를 만들어 접근하는 모든 것을 폭격했습니다.

마침내 교체 항공기들이 도착했고, 특수부대원들과 WSO를 태워 이륙했습니다. 마지막으로 미군은 이란의 손에 민감한 기술이 넘어가지 않도록, 버려진 C-130 수송기와 헬리콥터들을 폭격하여 파괴했습니다. 아이러니하게도, 구출 작전의 마지막 단계는 구출에 사용된 항공기들을 파괴하는 것이었습니다.

세 대의 항공기는 무사히 이륙하여 쿠웨이트로 향했습니다. WSO는 기내에서 치료를 받았고, 조종사와 함께 독일의 의료 병원으로 이송될 예정이었습니다. 이 성공적인 구출 작전은 트럼프 대통령에게 엄청난 정치적 승리(huge victory)를 안겨주었고, 그는 백악관 기자회견에서 이를 대대적으로 선전했습니다. 트럼프 대통령은 이 작전을 “군 역사상 가장 크고, 가장 복잡하며, 가장 끔찍했던 전투 수색 및 구조 임무”라고 칭송하며, 미군과 CIA의 기술과 정밀함, 치명적인 무력에 대해 찬사를 보냈습니다. 그는 미국 군대만이 이런 놀라운 작전을 성공시킬 수 있었다고 강조했습니다.

하지만 에릭 슈미트 기자는 이러한 승리에도 불구하고 전쟁은 여전히 인기가 없으며, 전 세계와 미국에 경제적 파장을 일으키고 있다고 지적합니다. 또한 대통령의 많은 전략적 목표가 아직 달성되지 않았다고 덧붙입니다.

이란 역시 다른 이유로 이번 사건을 큰 승리로 선전했습니다. 그들은 미국 전투기를 격추하는 데 성공했으며, 이는 미국이 이란 상공을 완전히 통제하지 못한다는 것을 증명했다고 주장했습니다. 이란은 여전히 매일 1530발의 탄도 미사일(ballistic missiles)과 50100대의 일방향 공격 드론(one-way attack drones)을 발사할 수 있는 상당한 능력을 보유하고 있음을 보여주었습니다. 이는 이란이 여전히 싸울 의지와 능력을 가지고 있음을 의미합니다.

이러한 상황은 전쟁의 출구 전략(off-ramp)에 대한 의문을 제기합니다. 전쟁 6주차에 많은 사람들이 미국이 이란의 군사력을 상당 부분 파괴했다고 생각했지만, 현실은 달랐습니다. 미국과 이스라엘은 이란의 미사일 프로그램, 드론 프로그램, 해군, 공군을 상당 부분 파괴하거나 약화시키는 데 성공했습니다. 그러나 이란 군대는 여전히 탄력적이며 미사일과 드론을 발사할 수 있는 능력을 유지하고 있습니다.

정치적 목표는 여전히 불확실합니다. 트럼프 대통령은 자신의 최종 목표에 대해 모순된 설명을 내놓고 있으며, 구출 작전의 성공을 선전하면서도 이란에 대해 격렬하게 비난하며 위협했습니다. 그는 이란이 화요일 밤까지 휴전 제안을 받아들이지 않으면, 국가 전체를 하룻밤 만에 파괴할 수 있다고 협박하며 교량, 발전소 등 인프라(infrastructure) 공격을 경고했습니다.

일부 전문가들은 이런 위협이 오히려 트럼프 대통령에게 구출 작전의 성공이 자신감을 불어넣어 더 대담해지게 만들었다고 분석합니다. 그의 위협은 군사적 목표를 넘어 수백만 민간인에게 영향을 미칠 인프라를 겨냥하고 있으며, 많은 법률 전문가들은 이러한 공격이 국제법에 위배될 수 있다고 경고합니다.

구출 작전 이전에는 전쟁의 출구 전략에 대한 논의가 많았습니다. 미국과 이란 모두 현재 승리를 주장하고 있으니, 이것이 혹시 협상으로 가는 길은 아닐까요? 트럼프 대통령은 여전히 외교적 해결을 원한다고 말하고 있으며, 이란은 월요일 호르무즈 해협의 안전 통행 프로토콜(protocol)과 이란에 대한 제재 해제(lifting of sanctions)를 포함하는 새로운 10개항 제안을 제출했습니다. 하지만 전문가들은 협상이 아직 멀었다고 보고 있습니다.

현재 트럼프 대통령은 이란이 휴전 제안을 받아들이지 않으면 인프라에 대한 공격에 직면할 것이라는 최후통첩을 보낸 상태입니다. 희망적으로 본다면 양측이 모종의 해결책을 찾을 수도 있겠지만, 아직 핵심 쟁점들에 대한 이견이 크고, 대통령은 오히려 확전(escalation) 방향으로 나아가려는 것처럼 보입니다.

이 구출 작전은 할리우드 영화에서나 나올 법한 영웅 서사(heroic narrative)로 가득했습니다. 그리고 이 이야기는 행정부가 미국 대중에게 전쟁을 설득하는 데 어려움을 겪고 있던 시기에 나왔습니다. 대중은 치솟는 유가와 전쟁의 명분에 의문을 제기하며 피로감을 느끼고 있었습니다. 백악관은 미국의 군사력, 독창성, 용기를 보여주는 이 믿을 수 없을 정도로 영웅적인 이야기를 최대한 활용하려 할 것입니다.

하지만 이 작전의 성공이 아무리 영화 같고 드라마틱하더라도, 남겨진 현실은 냉혹합니다. 호르무즈 해협은 여전히 봉쇄되어 경제적 어려움이 지속되고 있고, 이란 강경 정부는 스스로가 승리하고 있다고 믿으며, 이스파한 지하에 묻힌 수천 파운드의 고농축 우라늄(highly-enriched uranium) 문제는 해결되지 않았습니다. 트럼프 대통령은 이란의 핵무기 획득을 막는 것이 여전히 그의 주된 목표라고 말했지만, 이를 달성하기 위한 구체적인 목표는 제시하지 않았습니다.

결론적으로, 이란 적진에서의 에어맨 구출 작전은 전술적 측면에서 놀라운 성공을 거두었지만, 미국 행정부는 여전히 해결해야 할 많은 난제들을 안고 있습니다. 이 영웅적인 이야기가 전쟁의 본질적인 문제들을 가릴 수 있을지는 미지수입니다.