When we hear the word “trauma,” our minds often conjure images of catastrophic events: abuse, natural disasters, severe accidents. Dr. LePera challenges this narrow definition, revealing that trauma is not solely about what happened, but crucially, about the support we had to process those experiences. This expanded understanding highlights how trauma can arise from “small, subtle moments of a lack of emotional regulation, attunement, and repair.”

Consider a child whose parents are divorcing. One child might have a parent who shows up, validates their distress, and allows them to cry, grieve, and feel upset, reassuring them it’s not their fault. Another child, in the same divorce scenario, might lack a present parent, left to process their grief entirely alone. Identical external event, drastically different internal outcomes. Similarly, a child sharing a painful experience of being bullied at school might be met with a distracted parent scrolling on their phone, dismissively telling them to “just get over it.” The unspoken message: “You are alone in your emotions.” Repeated often enough, such moments can foster hyperindependence, teaching a child that vulnerability leads only to disappointment.

The impact of trauma, LePera explains, isn’t confined to the individual’s direct experience. Epigenetics reveals that the impact can traverse generations, with ancestors’ traumatic experiences – such as food scarcity, abuse, or war – influencing how our genes express themselves in future generations, including our own. This pervasive reach means that while many of us may have had physically present parents and our basic needs met, we often lacked the emotional attunement necessary for our nervous systems to cope with life’s big and small stressors. This makes trauma a unifying, albeit often unacknowledged, aspect of the human experience.

The good news, however, lies in neuroplasticity – the brain’s remarkable ability to rewire itself. The survival habits and patterns formed in response to traumatic events can be changed throughout our lives, offering a profound sense of hope and agency.

Our present-day struggles, LePera asserts, are rarely about the present day itself. The anxiety, conflict, or self-doubt that keeps us stuck are often strategies formed in childhood, long before we understood emotional safety. What once kept us safe in inconsistent or neglectful environments now masquerades as our “personality.”

“We’re still repeating the habits and patterns that once kept us safe,” LePera observes. “We’re doing so and we’re calling it personality. We’re believing it’s just who we are because we haven’t been able to create space from who we’ve had to become to survive those earliest environments.”

These deeply ingrained coping mechanisms, while adaptive in childhood, become maladaptive in adulthood, sabotaging our relationships and well-being. For example, if shutting down during conflict offered safety as a child, an adult might continue this pattern even with a partner seeking understanding, closing off avenues for resolution. Or, if appeasing others maintained connections, an adult might habitually push aside their own needs, saying “yes” when they mean “no,” quietly accumulating resentment.

Common maladaptive coping skills include:

• Dissociation or Disconnecting: If emotions were shamed or shut down in childhood, disconnecting from one’s physical or emotional body becomes a protective barrier. In adulthood, this can lead to partners feeling unheard or misunderstood, as intimacy is sabotaged by the very distance created for protection.
• Overfunctioning or Hypervigilance: If a child had to physically or emotionally manage the household, they might become hypervigilant to others’ needs, constantly pleasing and appeasing. This leads to exhaustion, burnout, and resentment, leaving no space for their own needs within relationships.
• Hyperindependence: If relying on others consistently led to hurt or disappointment, a child learns to deal with problems alone, suppressing emotions and never asking for help. In adulthood, this cuts them off from the connections they desperately need.
• People-Pleasing: Deferring to others’ wants and needs might have been the easiest path to maintain early connections. But as adults, it disconnects us from ourselves, leading to resentment as we fail to express our authentic needs and opinions.

Dr. LePera identifies six common archetypes of childhood trauma, each rooted in specific relational dynamics and manifesting in distinct adult patterns:

1. The Denied Reality: Growing up in a home where your perspectives or emotions were dismissed (“stop overreacting,” “you’re too sensitive”) teaches you that your feelings are invalid and your internal world cannot be trusted. As an adult, this translates to second-guessing instincts, tolerating unacceptable behavior, and failing to speak up when necessary. Healing involves reconnecting with your instincts and learning to advocate for yourself.

2. The Invisible Child: This arises from having physically present but emotionally absent parents. A child showing off a drawing might receive a distracted “Oh, that’s nice” without a glance. This fosters a feeling of invisibility, that what you have to say or do doesn’t matter. In adulthood, this manifests as not speaking up in groups or feeling unheard. Healing means seeing and hearing yourself first, validating your own experience, and seeking relationships where your perspective is valued.

3. The Molded Self: Characterized by conditional love tied to performance or achievement. A child learns their worth depends on what they do. This leads to adult patterns of overwork, perfectionism, and an intense fear of criticism. Healing involves embracing imperfections, showing up authentically, and disconnecting your worth from external achievements.

4. The Blurred Boundaries: This archetype involves violations of physical or emotional space. A parent might confide in a child, relying on them for emotional support. This teaches the child that love and connection mean caring for someone else, leading to overextending oneself in relationships and feeling guilty for having personal needs. Healing requires identifying where boundaries are needed, learning to set and honor them, and creating separation by lovingly acknowledging, “That’s yours, and this is mine.”

5. The Appearance Obsession: In households where physical or family appearance mattered more than emotional connection, a child might receive criticism about their weight or clothing. This ties self-worth to external presentation, leading to adults who are overly focused on how they look, tirelessly working to present a certain image, or pursuing goals based on appearance. Healing involves separating your value from how you look and understanding your inherent worth.

6. The Erratic Regulator: This describes a parent who is unpredictable – calm one minute, then explosive or shut down the next. Slammed doors and silent treatments teach a child that emotions are dangerous, fostering hypervigilance. As an adult, this translates to heightened anxiety, overreactivity, and difficulty navigating one’s own emotional responses. Healing involves understanding when your body is “flooded,” pausing, and calming your nervous system to respond more intentionally.

Dr. LePera notes that the “Invisible Child” and “Erratic Regulator” archetypes are particularly pervasive because many parents themselves lacked the emotional tools to regulate their own feelings or hold space for another’s.

The “inner child” is often perceived as an abstract concept, but Dr. LePera clarifies it as a body-based memory – what psychologists call implicit emotional memory. Before logic and language, children experienced the world through sensation and reflex. This body-based learning forms deep “scripts” that run in the background, dictating feelings and actions even when our logical minds know better. This is why insight alone doesn’t always translate into changed behavior; our bodies often speak quicker than our logical minds.

The inner child manifests not just in our reactions but also in our adult habits, patterns, and identities. An “overachieving child” might become an adult who feels “driven,” not realizing it stems from conditional love. “Independence” might feel like a choice, but it was a protective stance when others couldn’t be relied upon. “Sensitivity” might seem like temperament, but it could be born from an unpredictable environment demanding constant vigilance.

We often meet these survival strategies in moments of stress or dysregulation – mindlessly scrolling, eating, or using substances. We may confuse these actions with a lack of willpower, but they are our nervous system’s best attempt to find safety or connection when it feels absent.

A key indicator of an inner child reaction, LePera explains, is the size of the reaction. When responses are “really big, overwhelming, all-consuming, all or nothing,” it often signals an older, unhealed past experience. In these moments, we experience “emotional flooding” – cortisol courses through our bodies, the amygdala (emotional center) is overactivated, and the prefrontal cortex (logical part) is underactivated. We literally become that reaction, unable to quickly return to a grounded state. For example, an email about an upcoming meeting might trigger a disproportionate spiral of anxiety about getting fired, even if logically, work is going well. This is the inner child bracing for an unpredictable past to repeat.

Understanding human development helps us shift from viewing these reactive moments as “dysfunction” to recognizing them as intelligent adaptations to earlier circumstances. By exploring what we needed in those early moments, we can begin to shift our present experience. Our attachment styles, too, are formed by the inner child’s expectations, based on how consistently (or inconsistently) connection was available.

Reparenting the inner child is the active process of stepping in as the compassionate, nurturing adult you might not have had. It’s about showing up in a new way to meet those deeper, underlying unmet needs. This is distinct from coping, which is merely a means to get through a moment, alleviating discomfort without addressing the root cause. Reparenting, conversely, involves rewiring the nervous system to experience moments differently and make new choices.

Consider waiting for a text or email response. Coping might involve an escalating sense of urgency, firing off more messages, or overanalyzing what was last said, convinced the other person is upset. Reparenting, however, means noticing the urgency, relaxing tensed muscles, slowing your breath, and pausing before reacting. This teaches your body a new experience: distance doesn’t necessarily mean disconnection or abandonment.

LePera highlights a crucial point: many of the habits formed out of childhood protection are paradoxically rewarded in modern society. The overachiever exhausting themselves for validation is seen as “driven.” The person who shuts down in conflict is labeled “easy” or “low-maintenance.” Reparenting challenges these societal norms by prioritizing genuine well-being over external validation.

The journey of reparenting, LePera emphasizes, begins “right here, right now.” It’s less about dissecting every detail of the past and more about understanding “what is happening” in the present moment. The foundational practice is daily conscious check-ins: setting an alarm or pairing the practice with a daily routine (like drinking coffee). In these moments, you pause to notice your body – how you’re breathing, muscle tension, ease – and observe your thoughts. Practicing consciousness outside of reactive moments builds a bridge to those times when you need to show up differently, reminding your inner child that circumstances have changed and new resources are available.

It’s important to dispel common misconceptions: Reparenting isn’t about blaming parents; it’s acknowledging the impact of the past. It doesn’t keep us stuck in childhood; it updates old programs for a desired future. And it’s not immediate; it’s a gradual process requiring consistent new choices, reflecting the years it took for old patterns to form.

To begin reconnecting with your inner child, LePera suggests a simple yet powerful exercise: find an old photograph of yourself as a child. Observing your size, vulnerability, and facial expression naturally evokes compassion and empathy, making it harder to dismiss that “little being” or label its feelings as “too dramatic.”

If a photograph isn’t available, try accessing your childhood through your senses. Close your eyes and recall a childhood home or a favorite room. Tune into the sights, sounds, and even smells. Notice your own body language in that memory. Then, ask yourself: “What did I need?” Was it attention, safety, protection? This practice cultivates empathy for that part of you that still resides within.

Daily practices for reparenting include:

• Grounding: Look around your current environment and identify three to five neutral or comforting objects. This reminds your nervous system of present-moment safety.
• Slowing Down: Consciously slow your breathing and movements. This activates the parasympathetic nervous system, sending signals of safety throughout your body.
• Acknowledge, Don’t Shame: When you notice an intense reaction, acknowledge it as an “old reaction” without negating your feelings. Understanding, rather than shaming, fosters a compassionate state of awareness.
• Conscious Check-ins: Regularly assess your stress levels throughout the day by noticing muscle tension, breath rate, and heart rate. In moments of rising stress, pause and actively calm your body (e.g., walk, slow breath). This builds your capacity to handle stress.

The profound shifts that emerge from this reparenting journey are transformative. You gain increased capacity to navigate life’s stressors, developing resilience to remain grounded and intentional regardless of external circumstances. You expand your awareness, embracing all parts of yourself, including the inner child, which is not just a repository of trauma but also a source of creativity, joy, and playfulness.

Emotionally and relationally, you become calmer and more grounded. You engage with others authentically, communicating your needs directly. You shed the old roles of caretaker or overachiever, focusing instead on genuine connection. The worry of losing people shifts to an assessment of whether you feel safe and authentic in their presence.

For those whose parents are still living, a natural byproduct of this journey can be a desire to share these insights with them. However, LePera wisely cautions that while we may desire validation and compassion from our parents, not all will be able to provide it, as they too are humans shaped by their own childhoods. The primary focus remains on our own healing and empowerment.

Ultimately, the goal of reparenting is not to separate ourselves from uncomfortable parts of our past, but to wholeheartedly embrace all that we are. By understanding the body’s role in coloring our present through stress and reactivity, and by psychologically and emotionally making space for our past, present, and future selves, we embark on a journey of profound self-discovery and lasting transformation, empowering us to live more authentically and connectedly.

Nico Laqua, Corgi’s CEO, developed his entrepreneurial philosophy early. Reflecting on his high school jobs, he realized he wanted to do “something big and important with my life,” and starting a company seemed the best way to make a difference. This drive led him to question conventional startup wisdom. “Often times a young startup founder try to make products that you yourself would use,” Nico observes, “which is normally pretty good advice, but the problem is that problems that they try to solve are often not as big as they could be.”

Many founders, he believes, scale down big ideas to make them seem more achievable. Corgi did the opposite. “I think that people should do the opposite and think of the most ambitious version,” Nico asserts. This isn’t just about ego; it’s a strategic choice. Ambitious missions attract “really smart people” and “more likely to fund those sort of ideas.” More importantly, “success actually changes the world in like an interesting way.”

For Nico and Emily, a “good idea” is synonymous with a “difficult and hard” one. It’s about doing something unique, something that makes you the category leader, not just the 50th app or the 500th restaurant. “In order to be category defining, you can’t just do something very simple and very easy and very capital light,” Nico explains. “You need to do something very ambitious and difficult and hard, kind of the craziest, the highest impact, the highest leverage one of whatever their idea is.”

Nico’s personal experience solidified his conviction that insurance was ripe for disruption. When seeking insurance for his previous company, he encountered a labyrinth of inefficiency, exorbitant costs, and abysmal customer service. “The insurance policy was $60,000,” he recalls, “and that’s a lot of money to buy anything. I was making less than that in my salary.”

The process was agonizingly slow, taking “several weeks to get the policy.” Brokers were unresponsive, and the entire experience felt like a “scam.” How could an industry representing 12% of the GDP – twice the size of the software market – operate with such glacial pace and opaque practices?

The answer, Nico realized, lay in its history and structure. Most major insurance providers were founded 40 years ago or more, fostering complacency and a resistance to change. Decades of regulation created huge barriers to entry, allowing incumbents to worsen product quality without fear of competition. Those working in the industry for 20 years, while experienced, often possessed “a solidified mindset of like this is how things are supposed to work.” They might plug new tech into old infrastructure, but they rarely questioned the fundamental paradigm. Corgi saw this as a massive advantage: a chance to come in with “a brand new slate” and rebuild from an AI-native perspective.

Corgi didn’t start with the intention of becoming a full-stack insurance carrier. Their initial approach, applying to Y Combinator already licensed as an insurance brokerage, was to embed with contract management companies and simply resell existing policies. “It was working pretty well,” Nico admits. They sold “tens of thousands of dollars of premium,” and revenue growth was solid.

However, a deeper dive into the insurance “stack” revealed a critical flaw: the problem wasn’t just distribution; it was the underlying product itself. Dealing with traditional insurance carriers was a nightmare. “Making phone calls to them for every single policy,” “sending faxes to them back and forth” – these were the realities of working with “100-20 billion dollar companies.” Nico’s search for a better carrier proved futile; none existed.

This realization led to a controversial and defining decision. They had to control the product, and the only way to do that was to become an insurance carrier themselves. “We decided to shut down what we were doing, which was working pretty well,” Nico recounts. “That was not an obvious decision. That was a very controversial decision.” They risked their YC standing, going from a “well-regarded” company to one “not doing well at all” and even missing demo day. But the vision was clear: “It’s our vision not to build on top of, not to modernize, not to fix what’s already there. We’re building a new type of financial institution where we actually become these highly regulated financial entities and rebuild them from the ground up using AI.”

The decision to become an insurance carrier plunged Corgi into a multi-year, capital-intensive ordeal. “Our company almost ended on many, many occasions throughout this,” Nico reveals. There were periods where they were “very default dead.” It took “tens of millions of dollars and several years” to navigate the complex regulatory landscape, culminating in an $80 million pre-revenue raise. They didn’t even make a pitch deck or engage in competitive fundraising; instead, they focused on making themselves “a hard company to bet against.”

This wasn’t just about money; it was about unwavering commitment. Emily Yuan, Corgi’s co-founder and COO, highlights the dedication: “Nico actually lives in the office and a lot of our like team members is like live close to the office as well.” This intense focus, born from a deep care for the problem and a desire to win, resonated with early investors. “They could see that we deeply cared about the problem. We wanted to be winners and we wanted to win and that the the end kind of destination would lead to the world being a better place.”

Emily, whose background includes founding a non-profit, Paper Bridges, and running Stanford’s entrepreneurship clubs, complements Nico’s visionary drive with her exceptional execution skills. “Nico is very good at identifying good opportunities,” she says, “and I think that actually complements my skill set. I’m very good at helping make sure that we can figure out how to like get all these different things done.” Her ability to “throw like a very complicated thing at me and I’ll go and figure out how to like get it done” was crucial for tackling the regulatory maze. She demystifies regulation: “It’s not like some mysterious thing… you just make sure you follow the directions.”

The “superpower that young people have is that they have a lot of time and a lot of commitments,” Emily notes. “That time and that energy is worth a lot.” This dedication was paramount for navigating the “very long process” of regulatory licensing, which took “almost 2 years” for their first product.

Once Corgi secured its initial set of licenses, the inflection point arrived. “Our revenue started growing very quickly. We started looking a lot more healthier,” Nico states. The strategy of doing the hard thing, of becoming the infrastructure rather than just reselling, paid off handsomely.

The result is a product “fundamentally better than what’s available.” For technology startups, Corgi offers an unparalleled insurance experience. “Unless someone else goes and makes an entire new carrier for startups, like there’s just aren’t that many other options.”

This is Corgi’s moat: the immense time, capital, and regulatory hurdles they overcame. “It’s kind of hard for someone else to make like a Corgi 2.0,” Nico explains, “because we had to spend so much time and so much money like getting the infrastructure set up. Most companies just can’t do that.”

The Corgi story is a testament to the power of audacious ambition and relentless execution. By choosing to confront the most difficult challenges in a legacy industry, Nico Laqua and Emily Yuan have not only built a rapidly growing company but have also established an enduring competitive advantage that few can hope to replicate. Their journey proves that sometimes, the only way to truly change the world – and build an unassailable business – is to do the things nobody else dares to touch.

Lang’s journey into the world of Adam Smith began, as many artistic endeavors do, with a commission. Having successfully “rewritten” Beethoven’s opera Fidelio for the New York Philharmonic, stripping it down to its core prison narrative, Lang seized the opportunity to pitch another ambitious idea: setting The Wealth of Nations to music. He admits with a chuckle, “I wasn’t going to read the book unless I had a gig to read the book.”

Smith’s 1776 tome, written in 18th-century English, is notoriously long and challenging. Lang’s initial approach was to find a quirky thread, a “joke,” to connect it to Messiah – specifically, sheep. “Sheep play a prominent role in the Messiah,” he explains, and being from Scotland, Smith naturally used many sheep examples in his work, like the “woolen coat.” While the sheep-based jokes eventually fell by the wayside, this initial search for thematic resonance proved crucial.

As he delved deeper, Lang’s focus shifted from the obvious imagery of factories and the division of labor. He found himself drawn to a more profound insight: “the idea that trade connects us and that money itself doesn’t really have any value, but money exists as a kind of token that goes from person to person as we are connected through trade.” For Lang, money isn’t an abstract concept; it represents the labor we invest, becoming a powerful symbol of human connection. This realization formed the emotional core of his oratorio.

Lang’s unique approach to composition is as intriguing as his choice of subject matter. He describes himself as “not a very good keyboard player,” eschewing the traditional method of composing at the piano. Instead, he sings ideas to himself and then meticulously writes them down using a “Stone Age” software program called Encore, which he cherishes precisely because it doesn’t auto-correct his “mistakes.” “In my writing, I actually embrace all the mistakes,” he states, highlighting a philosophy that values organic expression over polished perfection.

His music, exemplified by pieces like “Just” (lyrics drawn from the Hebrew Bible’s Song of Songs), often mesmerizes with its haunting beauty. Lang’s path to becoming a celebrated composer was not straightforward. He initially studied chemistry at Stanford, intending to go to medical school, much to his doctor father’s delight and subsequent dismay. He recalls a poignant moment after a performance with the Cleveland Orchestra when his mother, instead of offering the long-awaited approval, tearfully suggested, “There’s still time to go to medical school.” It was a Pulitzer Prize, he jokes, that finally got his parents “off one’s back.”

Lang’s journey also saw him embrace vocal music later in his career, a “huge part of something that I’d been missing.” He explains the difference: “If I sing something myself that I know is going to be sung by someone else, I get to feel it. And somehow for me that makes it a lot more powerful.”

Even his titling convention—all lowercase, no capital letters—is a deliberate choice. It’s a “hopeless affectation” started in graduate school to relieve the pressure of living up to the “great composers from the past.” Lowercase titles, he felt, allowed him to create without the oppressive weight of tradition, freeing him to simply “write the music.”

Lang’s personal relationship with money informs much of his work. He admits, “I’m not that interested in money, to be honest… I’m interested in having enough.” This concept of “enough” is deeply personal, shaped by his upbringing in a family “without money” and his mother’s saying, “enough is as good as a feast.” He aligns with Mr. Micawber’s definition from David Copperfield: “If you have 20 pounds of annual expense, and at the end of the year, you have 20 pounds and 1 pence, you are a rich person. And if you have 19 pounds and 19 shillings or whatever the calculation is, 1 penny less, you’re impoverished.” Living as a freelance artist, he’s cultivated an attitude “comfortable with having less.”

This personal philosophy extends to his broader views on economics. He sees money as a “social construct,” a “social lubricant” that, despite its potential for inhumanity, connects people in ways that physical goods or violence cannot.

Before The Wealth of Nations, Lang earned his Pulitzer for “The Little Match Girl Passion,” a choral piece that brilliantly recontextualizes suffering. A self-professed Bach lover but “not Christian,” Lang sought to create a “passion” he could believe in. He drew inspiration from Bach’s St. Matthew Passion, recognizing its power in inviting listeners to reflect on Jesus’s suffering to become better people.

Lang’s radical innovation was to replace Jesus with Hans Christian Andersen’s tragic figure, the little match girl, who freezes to death on a cold street. He intercut her story with the crowd’s responses from Bach’s work. “So, I took Jesus out and I put the little match girl in,” he explains. What he initially feared might be “blasphemous” and lead to “bricks through my windows” instead resonated deeply with audiences, earning him the prestigious award. It demonstrated his ability to tap into universal emotions of empathy and the human condition.

Lang is not comfortable with the label “classical music,” preferring simply “music.” He finds “contemporary” equally problematic, implying a fleeting relevance. His aim is to broaden the audience for his work, a “democratizing instinct” that has been a hallmark of his career.

In the late 1980s, he co-founded the Bang on a Can music festival, an ambitious “12-hour orgy of contemporary music” designed to expand who listens to experimental new works. This ethos of inclusion and generosity, rather than competition, remains central to his approach.

This democratizing impulse took an unusual turn during a trip to London, when Lang, not a sports fan, impulsively bought a ticket to an Arsenal football match. Amidst 50,000 to 60,000 fans singing “incredibly lewd songs,” he observed a profound cooperation through music. “Everyone was cooperating through music,” he realized, noting the absence of auditions, political litmus tests, or social stratification. The only requirement was belief in the team’s victory.

This experience inspired his piece “crowd out,” written for a thousand community members. He drew lyrics from auto-completed internet searches for “When I am in a crowd,” filtering out the negative and commercial. The resulting text, a mix of anxieties (“I start to panic,” “I feel so alone”) and affirmations (“I feel more confident and calm,” “I can fully submerge myself”), reflects the complex experience of individuality within a collective. The piece was designed to be “easy enough so that ordinary community members could do it, but hard enough so that they would have to rehearse a few times… They would meet their neighbors. They would end up learning how to depend on each other. And I really felt like that was the democracy-building part of this piece.”

Bringing this democratizing instinct to The Wealth of Nations meant making the “emotional weight of international trade” palpable. “Everybody deals with money and everyone has a totally messed up relationship with how money changes hands and how it lives in their lives. It’s an emotional issue, right?” Lang argues.

One of his favorite passages from Smith, the “woolen coat,” vividly illustrates the interconnectedness of global labor. Lang describes it: “Imagine the poorest laborer in the wool coat that that laborer wears. The sheep had to be sheared and the shears were smelted, the ore was smelted from, you know, places and the dye came on ships. And imagine who made the rope for those ships and who made the sails.” He even sings a snippet, admitting his “terrible singer” status, to convey the raw power of the text: “The woolen coat which covers the laborer as coarse and rough as it may appear is the produce of the joint labor of a great multitude of workers.”

Lang’s oratorio isn’t a mere recitation of Smith; it’s a conversation. He weaves in other influential voices like Ralph Waldo Emerson, Edith Wharton, and, significantly, Frederick Douglass and Eugene V. Debs. Douglass’s essay on wealth, linking wealth inequality to enslavement, and Debs’s powerful courtroom speech as a conscientious objector to WWI, serve as crucial counterpoints. While Lang is a “pretty moderate political person” and removed specific socialist advocating from Debs’s text, he was drawn to the “powerful angry but ultimately very optimistic statement about where our country can go and how we should live with each other.” He seeks to “call out hypocrisy where you see it” and explore “how a virtuous person build a moral structure for commerce.”

Crucially, Lang also adds his own voice. Smith’s examples, even when discussing the “poorest person,” assume everyone has a “woolen coat.” Lang noted, “there actually are people who don’t have a coat. Those people don’t show up in this book.” So, he wrote a movement called “Enough,” a simple, poignant reflection: “If I could have a piece of bread, when I need a piece of bread, it would be enough. If I could have a coat to wear when I need a coat to wear, it would be enough.” This personal text underscores the oratorio’s focus on fundamental human needs and justice.

The transition from a composer’s mind to a live performance is a unique blend of anxiety and anticipation. Lang describes the period just before rehearsals as “shockingly most empty,” a “Schrödinger’s cat” state where the piece “existed and also didn’t exist.” He’s “just sitting around nervous,” oscillating between pride and fear of “Titanic errors.”

His coping mechanism is philosophical: he believes every piece will be played “a thousand times.” This perspective liberates him from the pressure of any single performance, allowing for future revisions and evolution. “I don’t want to ever think that the piece becomes set in stone,” he explains.

The first vocal rehearsal with the New York Philharmonic Chorus was a revelation. Lang, a small man in black with chunky glasses and a shaved head, tried to stay out of the way, observing as 49 singers, led by Malcolm J. Merriweather, brought his music to life. Dubner, present at the rehearsal, found the music “totally arresting,” noting Lang’s use of “plain song, like a slightly modernized Gregorian chant.” This was evident in the chorus’s repeated singing of one of Smith’s most famous lines: “It is not from the benevolence of the butcher, the brewer, or the baker that we expect our dinner… but from their regard to their own interest.” Lang’s music, Dubner observed, could be “lacerating and comforting in the same moment. Hypnotic, and then cathartic.”

A few days later, with Gustavo Dudamel at the helm and the full orchestra assembled, the piece truly began to coalesce. Dudamel, a “rock star” conductor, worked with intense focus, occasionally consulting Lang on nuances like a “forte subito” (suddenly loud) versus a gradual crescendo. The collaboration, despite minimal prior communication, was seamless, a testament to the professionalism of all involved. As mezzo-soprano Fleur Barron, one of the soloists, noted, the initial surprise of setting The Wealth of Nations to music quickly gave way to its compelling artistic reality.

The Wealth of Nations oratorio is more than a musical performance; it’s a profound commentary on humanity’s enduring struggle with economics, morality, and justice. Lang’s work implicitly asks: How far have we come since Adam Smith’s 18th-century observations, or Eugene Debs’s early 20th-century critiques?

Debs’s stark declaration, “money is still so much more important than the flesh and blood of childhood… gold is God today,” resonates with chilling prescience. Lang acknowledges, with characteristic understatement, “We could do better.” He adds, “I think that that’s the whole point, right? If we had actually paid attention to all the lessons we could have learned up to now… all the music would be about love and dancing. And the fact that we still have other things to write about means we have a little farther to go.”

David Lang’s The Wealth of Nations challenges audiences to reconsider a foundational text through an emotional, communal, and deeply human lens. It’s a testament to the power of art to not just entertain, but to provoke thought, foster empathy, and illuminate the hidden connections that bind us all, much like the countless laborers contributing to a simple woolen coat. It reminds us that the quest for a more just and equitable world is an ongoing symphony, with many movements yet to be composed.

Srivastava emphasizes that the past 24 months have been pivotal, marked by a universal realization that “you can put AI everywhere.” This pervasive adoption is fueled by a rich ecosystem of both closed-source and increasingly capable open-source models. A critical turning point, he notes, is that open-source models have “crossed some sort of chasm” in baseline capability, making advanced techniques like reinforcement learning (RL) and post-training for specialized models mainstream. This empowers customers to “own their inference more and more,” driving demand for platforms like Baseten.

A central debate in the AI world revolves around whether independent application companies can truly thrive, or if frontier model labs will eventually consume the entire stack. Srivastava firmly believes in the enduring power of the application layer, citing several reasons:

1. User Signal as a Moat: Companies gather unique user signal – data about how their customers interact with their products and workflows – that is invaluable for specialization. When this signal is encoded in a model or, more importantly, in specific workflows, it creates a defensible competitive advantage.
2. Specialized Workflows: He offers the example of Abridge, an ambient scribe company used by physicians in US hospitals. Abridge’s deep integration into clinician workflows, capturing edits and subsequent actions within Electronic Medical Records (EMRs), generates a unique “reward signal.” Frontier model companies struggle to replicate this because they lack access to this proprietary user data. Over time, companies with this access can post-train models on their specific reward signals, developing “long horizon agentic models” that are highly specialized and efficient.

This dynamic, where unique user signal drives specialized model development, ensures that a vibrant application layer will continue to exist.

While AI-native application companies like Abridge, Decagon, and Open Evidence are currently Baseten’s primary customers, Srivastava sees a massive wave of enterprise adoption on the horizon. “If you look by inference count, it’d be 99% the full,” he states, highlighting that the majority of the market is yet to come online.

These AI-native companies, serving enterprises in mass, act as a crucial feedback loop for Baseten. They translate enterprise requirements – data retention, deployment locations, GPU types, latency tolerances, and model transparency – allowing Baseten to build an inference cloud that is inherently suited for future enterprise needs. “By serving companies like Abridge and Open Evidence, we’re probably pretty well suited to go serve the healthcare system,” Srivastava explains.

A surprising insight from Baseten’s operations is the prevalence of custom models. “It is all custom… 95% plus,” Srivastava reveals, referring to the tokens served on their dedicated inference business. This means customers aren’t just running vanilla open-source weights; they’re making significant modifications.

Customers specialize models not only for quality but also for performance. They might compile models in different ways or fine-tune them with their own data for specific use cases. This deep customization is where the real value is unlocked, allowing companies to develop AI capabilities that are “better, faster, and cheaper” than generic models.

To further support this trend, Baseten acquired PAS, a company specializing in post-training models. This strategic move brought in research expertise, allowing Baseten to accelerate the market’s adoption of post-trained resources and get closer to customers earlier in their AI journey. Srivastava emphasizes the symbiotic relationship: “how linked inference and post-training are… even when you think about stuff like quantization… how training… affects how you need to quantize for inference and how paired these problems are.” The ideal loop involves inference creating data, which then feeds into evaluations, post-training on a reward function, and back into improved inference.

For companies considering custom models, Srivastava offers clear advice: “Go prove to yourself with the best-in-class model that you have something worth optimizing.” He likens it to the early startup adage, “no GPUs pre-product market fit,” now updated to “no post-training pre-product market fit.” Only after establishing a clear user signal and demonstrating customer value should companies invest in the complex process of custom model development.

The rapid growth of AI has created an unprecedented demand for specialized computing power, primarily GPUs. Srivastava minces no words about the severity of the situation: “I don’t think people realize how bad it really is.”

Baseten operates large clusters at “uncomfortably high utilization” (mid-90s), spanning 18 different clouds and 90 clusters globally. Their technology, designed to create a unified runtime fabric across these diverse environments, has become critical for simply acquiring compute. They can integrate a new provider in a different country into their fabric in less than half a day, offering enormous flexibility.

Beyond the sheer scarcity, Srivastava points to a “grifty” element among some new suppliers who lack experience in running data centers or understanding inference SLAs (Service Level Agreements). This further constrains the reliable supply of compute, making operational excellence in managing distributed infrastructure a key differentiator.

The supply crunch is also reshaping financial dynamics. Acquiring significant capacity today often requires 3-5 year contracts with 20-30% of the Total Contract Value (TCV) prepaid. This necessitates having sufficient demand to justify the investment and a low cost of capital, potentially influencing decisions like going public sooner.

The discussion also touched on the origin of open-source models, specifically the rise of high-performing Chinese models like DeepSeek. While acknowledging concerns about security or embedded biases, Srivastava states that Baseten has “never seen any real evidence” of such issues, except for very early models quickly identified by the community.

His pragmatic view centers on innovation and cost. If a model like DeepSeek can run at 20% of the cost of other frontier models with comparable or better performance, denying access to it would be a “massive loss” for innovation. He argues that the US must develop its own strong open-source models, seeing it as both “necessary” and “inevitable.”

While Nvidia’s H100 remains a dominant force (a “great chip” that is “four and a half years old” with prices still rising), Srivastava believes in “diversification everywhere.” He anticipates a “multi-chip world” with inference-specific chips, acknowledging efforts like Groq’s LPUs. However, he stresses Nvidia’s current insurmountable advantage due to its supply chain, CUDA ecosystem, and developer mindshare. “The ability… to me like one of the most important things the infrastructure company in this moment is how fast you can move and you can move fastest with Nvidia today,” he asserts.

Scaling 30x in a year presents unique operational challenges. Baseten continuously invests in optimizing its runtime for various workloads.

Key areas of investment include:

• Diffusion Transformers: Handling complex generative AI tasks.
• Coding Agents and Sandboxes: Providing secure environments for AI agents that interact with code.
• Speculation Techniques: Accelerating inference.
• KV Cacheware Routing: Optimizing memory usage for large models.
• Prefill and Decode Disentanglement: Treating pre-computation and token generation as separate problems for efficiency.

Beyond runtime, Baseten focuses on creating a seamless loop between inference and post-training, partnering with companies like BrainTrust for evaluation and building APIs for continuous learning.

Operating at such immense scale reveals unexpected “edge cases.” Srivastava recounts a kernel panic caused by a Fluent Bit worker generating too many logs on a single node – a systems-level problem that only manifests under extreme load. He notes that even LLM runtimes are “pretty immature,” and Baseten is uncovering limitations that will drive the next generation of primitives for scale, security, and performance.

What keeps Tuhin Srivastava up at night? “Capacity,” he states unequivocally. The insatiable demand for compute, coupled with its scarcity, means the mandate is always to “go bigger, go faster.” He believes there simply isn’t enough compute to unlock the full potential of LLMs in the next 5-10 years without significant new inventions.

Scaling a company 30x isn’t just about technology; it’s about people. Srivastava reflects on Baseten’s journey from a flat, engineer-centric structure to embracing leadership.

“You just need leaders,” he recalls being told. This realization led to building a trusted leadership team. His philosophy centers on:

• Giving Whole Problems: Empowering leaders to own complete challenges rather than micromanaging.
• Clear Optimization: Defining what the company truly optimizes for beyond generic traits like “smart and hardworking.” For Baseten, it’s about “first principled work,” kindness, collaboration, and a “very low ego” culture, eschewing a “hero culture.” This clear rubric helps identify who fits and who doesn’t.

Srivastava emphasizes the distinct “operations culture” required for an infrastructure company. He recounts a meeting where senior AWS executives’ pagers went off multiple times, illustrating the constant readiness required. For Baseten, inference simply “can’t go down.” This creates a culture where everyone, including leadership, is deeply attuned to operational alerts – a P0 (critical alert) is understood by a seven-year-old child.

A fascinating economic concept, Jevons Paradox, posits that increasing the efficiency with which a resource is used can actually lead to an increase in its consumption, rather than a decrease. Srivastava sees this playing out directly in AI inference.

As the cost of inference goes down, developers embed “a hell of a lot more intelligence” into their applications. This manifests in agents running for longer, performing more complex tasks, and ultimately leading to “better user experience, more dollars, more revenue.” The demand for intelligence, it seems, is elastic and almost infinite.

Srivastava’s conviction is clear: “Inference going down just begets more [inference]… it is truly like I think we’re kind of in a world that is… the last market, right? Like even if there’s AGI, all that’s left is inference.” He sees no ceiling to the demand for intelligence; customers continuously seek “better answers” and richer experiences, driving an ever-increasing need for AI inference.

The journey of Baseten, spearheaded by Tuhin Srivastava, paints a vivid picture of the AI landscape: a market characterized by explosive growth, strategic challenges in compute and talent, and an insatiable demand for intelligence that promises to reshape industries for decades to come. The unsung hero, AI inference, is indeed taking center stage.

Riverdale, Iowa, is a picturesque town nestled at the confluence of two significant waterways: the mighty Mississippi River and the more volatile Duck Creek. While the Mississippi typically offers days, sometimes weeks, of warning before a flood, Duck Creek is a “flashier stream,” capable of rising eight feet or more in mere hours. This geographical vulnerability places Riverdale residents at constant risk, a reality Mayor Anthony Hedleston understands intimately.

Hedleston is an unusual mayor. Beyond his civic duties, he works as a civil engineer for the Army Corps of Engineers and possesses a self-professed “weather nerd” streak, complete with a personal weather station at his home. He’s also a man of distinctive style, sporting long sideburns, a curled mustache, and patriotic glasses emblazoned with the American flag. More importantly, he’s a mayor who takes his responsibility seriously, especially when it comes to the safety of his constituents.

For years, Riverdale, like many other small towns, relied on a federal gauge on Duck Creek. Housed in a small brick structure, this sensor measured the creek’s height and posted the data online, providing local officials with critical information for evacuation decisions. But last year, Hedleston logged on to check the creek levels, only to find a chilling message: “This gauge has been discontinued.” Further inquiry led him to an old acquaintance, Gary Johnson, a federal employee who had managed the gauges. Johnson, it turned out, had taken a “deferred resignation” offered by the Trump administration, a program that allowed tens of thousands of federal employees to leave their posts while still receiving pay for a few months. The federal gauge was gone, physically ripped out, and replacing it would cost Riverdale over $100,000 – an astronomical sum for a town of its size. “That is a big ask of residents of our community,” Hedleston noted, acutely aware of the financial strain such an expense would place on his small community.

Just as Riverdale found itself “up Duck Creek without a paddle,” Mayor Hedleston discovered a lifeline – and a testament to Iowa’s proactive approach to flood management. The Iowa Flood Center, an initiative born from a catastrophic flood in 2008, had developed an incredible tool. Larry Weber, the center’s director, proudly demonstrated their innovation: a compact gauge, “the size of a big shoe box,” with a sensor cylinder sticking out the bottom and antennas on top.

This Iowa-made gauge is a fraction of the size and cost of its federal counterpart. While the federal gauge would have cost Riverdale over $100,000 to replace, the Iowa Flood Center’s version costs a mere $7,500. Local officials can easily attach it to a bridge, and its internal sensor measures water height, posting the information online. Crucially, it integrates with a predictive model, allowing officials to forecast how a rainstorm is likely to affect their waterways. While it doesn’t feed into the national weather forecasting system like the federal gauges, it performs the essential local function for a fraction of the price.

When Mayor Hedleston realized his federal gauge was gone, he wasted no time. He purchased one of these smaller, smarter gauges from the Iowa Flood Center, bolted it to a bridge over Duck Creek, and just in time, as fate would have it.

The true test of Riverdale’s new system came on a harrowing summer night. The rain had started that afternoon, and Mayor Hedleston, hoping for a “nice relaxing calm evening,” had settled in with a brandy old-fashioned. But his personal weather station, an unerring sentinel, soon began to blare, signaling an alarmingly high rainfall rate. Flash flood warnings echoed through the air.

With his new Iowa gauge in place, Hedleston consulted its predictive model. The forecast was stark: Duck Creek was likely to rise eight feet sometime in the middle of the night. Eight feet. The mayor, driven by a deep sense of responsibility, grabbed a tape measure and headed to the creek. Standing at the flood wall, he meticulously counted the steps leading down to the water, each eight inches high. “Okay, one, two, three, four, right?” he recounted, doing the math. “Whoa, that’s right. About eight feet.”

The prediction matched the height of the flood wall. This meant potentially inundating homes, including that of an older resident who lived right next to the creek and used an oxygen tank – someone who would need extra time and care to evacuate. “Oh, that’s a big question I need to ask myself there,” Hedleston remembered thinking. “We’re talking about potentially we need to evacuate people.”

This was the first time Hedleston was relying solely on the new gauge during a potentially disastrous flood. He needed to be absolutely certain of its accuracy before making the life-altering decision to evacuate. He called the Iowa Flood Center, but it was Friday night, and they weren’t a 24/7 operation. “There’s nobody there to answer the phone,” he recalled. The weight of the moment was immense. “It’s just, it’s so heavy,” he confessed, describing moments of fury and the “heavy, heavy weight to put on somebody to have to make that decision.” He felt he “earned my whole paycheck that night.”

At 10:30 p.m., Hedleston went to the county’s emergency operations center, contacting the Red Cross to arrange a shelter and drafting an emergency alert message. But the uncertainty lingered. The gauge predicted water levels right at the top of the flood wall, but what was the margin of error? What if it was underestimating?

In a stroke of modern-day luck, Mayor Hedleston turned to LinkedIn, tracking down Felipe, an engineer at the Flood Center. Felipe, recognizing the urgency, agreed to run a different model for a more precise answer. As Hedleston waited, he returned to the creek. The scene was terrifying. “Duck Creek is a raging inferno,” he described. “It is a scary, high-velocity flood, and if it were to go over that flood wall and hit those houses, we’re not talking about, you know, a soaked first floor and a ruined basement. We’re talking about knocking things off foundations and people’s lives being ruined and people’s lives being lost.”

Finally, at 11:30 p.m., Felipe called back. The revised prediction: “It’s only going to be four feet. I did the math. The model’s overpredicting a little bit.” Four feet. Far below the level of the flood wall. “I can breathe. I can sleep tonight. It’s going to be okay,” Hedleston remembered. He finally made it home around 1:00 a.m., took off his rain jacket, and walked over to his desk. His brandy old-fashioned, made hours earlier, was still there, the ice long melted. He drank it, a well-earned toast to a night of harrowing decisions and a community saved.

Mayor Hedleston knows how lucky Riverdale is to have the Iowa Flood Center. It’s not just the affordable, accurate gauges and their predictive models, but also the human expertise available in a crisis. Following that intense night, the Flood Center added its leaders’ cell phone numbers to their website, ensuring Iowans can reach them anytime.

The benefits of Iowa’s system extend far beyond preventing unnecessary evacuations. Local officials across the state laud the Flood Center and its online mapping system, which they use constantly. Rick Wolfkull, an emergency coordinator from Buchanan County, shared an anecdote: “We just had a proposal from a developer come through and they were proposing putting a 30-home subdivision right in the floodway. So the next meeting I went to, I said, ‘You realize this area has been underwater every time a frog farts?’ And that is literally what I said. So I am not about putting 30 families in harm’s way.” This system empowers officials to make informed decisions about building, preparing for extreme weather, and even guiding rescue efforts. During a major flood in 2024, Larry Weber provided real-time water velocity data for flooded streets, advising officials on the safest routes for boat rescues.

This stands in stark contrast to federal resources. The National Weather Service and FEMA provide flood maps, but they are notoriously limited. The interface is often clunky and outdated, with some maps not updated since 2010. Furthermore, Congress mandated federal flood maps for major rivers and coasts in the 1960s, but not for small tributaries or streams like Duck Creek. And while FEMA maps account for hurricanes, their models often fail to capture the intense, localized bursts of rain that cause flash flooding – a problem only set to worsen with climate change.

Larry Weber believes other states could easily replicate Iowa’s success. He estimates the average state could implement a similar system for about $2 million to start, with an annual maintenance cost of approximately half a million dollars. This is a minuscule fraction of the tens of billions of dollars most states spend overall each year. Yet, for now, Iowa remains the only state with such a comprehensive, locally-focused system.

One expert suggested that communities typically don’t act until after the “next catastrophic flood hits.” However, as federal support continues to dwindle, as funding evaporates, and as storms intensify, the urgent need for local solutions becomes undeniable. The federal government’s retreat, ironically, might just be the motivator communities need to embrace proactive climate adaptation.

Riverdale, Iowa, is more than just a small town with a mayor who enjoys a brandy old-fashioned. It represents a powerful testament to local innovation in the face of national neglect. Iowa has developed a plan, a practical, affordable blueprint for other states to follow. As flash floods become an increasingly common and destructive reality, this blueprint offers not just hope, but a vital strategy for protecting communities and saving lives across the country. The time for other states to adopt it is now.

For years, Microsoft has been OpenAI’s anchor, its largest investor with a stake valued at an astonishing $135 billion. Their partnership, while instrumental to OpenAI’s rise, has also been characterized by underlying tensions. This week, the two tech giants announced a significant rewrite of their agreement, signaling what some describe as a “conscious uncoupling.”

The core of the new deal allows OpenAI greater “promiscuity” in its partnerships. Previously, OpenAI was largely restricted to serving its models on Microsoft’s Azure infrastructure. However, with cloud service providers like Microsoft increasingly maxed out on capacity due to soaring AI demand, this exclusive arrangement became a bottleneck for OpenAI’s revenue growth. The revised terms now grant OpenAI the freedom to work with other cloud providers, such as Amazon Web Services (AWS) and Google Cloud Platform.

“OpenAI just had this real challenge, which was that until this week, they were really only allowed to serve their models on Microsoft’s infrastructure,” notes Casey Newton, co-host of Hard Fork. “One thing we talk about on the show a lot is just that a lot of the big cloud service providers, their infrastructure is just maxed out.” This newfound flexibility is a massive win for OpenAI, enabling it to tap into a broader customer base tied to other cloud ecosystems.

Perhaps the most talked-about change in the Microsoft deal, however, is the removal of the “AGI clause.” The original agreement stipulated that once OpenAI achieved Artificial General Intelligence (AGI)—a poorly defined but widely anticipated milestone where AI can perform any intellectual task a human can—Microsoft would cease receiving certain revenue share payments. Under the new agreement, OpenAI will continue sharing revenue with Microsoft until 2030, regardless of any AGI benchmarks. As New York Times columnist Kevin Roose quipped, “I for one will be sad to see it go because I think it was sort of the funniest clause in the entire AI world, right? It was like basically like, well, if we ever get to a point where OpenAI says the magic word, then the entire world changes and now they’re not allowed to say the magic word anymore.” The AGI clause, once a contractual curiosity, now exists only “as evaluated by Vibes.”

This strategic loosening appears beneficial for both parties. Microsoft no longer has to share revenue with OpenAI from their joint ventures, while OpenAI gains the crucial ability to diversify its infrastructure and reach.

OpenAI wasted no time in leveraging its newfound freedom. Hot on the heels of the Microsoft announcement, it expanded its deal with Amazon, announcing that its models would be available through AWS’s Bedrock AI platform. This includes making Codeex, OpenAI’s coding model, accessible on Bedrock. Amazon also reportedly plans to invest $50 billion in OpenAI and develop customized models for its consumer-facing applications.

This move is particularly interesting given Amazon’s existing close ties with Anthropic, a rival frontier model developer. OpenAI’s entry into the Amazon ecosystem signals a direct challenge to Anthropic’s favored status, highlighting the fierce competition for cloud provider allegiance. The CEO of AWS was reportedly “talking a really big game about this deal,” with Newton likening it to a “the boy’s mine situation” in the AI world.

These mega-deals underscore a critical reality in the AI boom: even the biggest companies lack the resources to serve the overwhelming demand for AI. The narrative has shifted from skepticism about AI’s ability to generate demand to concerns about whether infrastructure can keep pace. “Even the biggest companies do not have the resources that they need to serve that demand,” Newton explains, pointing to a profound shift in how the AI boom is perceived.

The ambitious “Stargate” project, OpenAI’s proposed $500 billion infrastructure initiative, is also undergoing a significant recalibration. Recent reports indicate that OpenAI has halted planned data centers in the UK and Norway, declined to expand its flagship site in Abilene, Texas, and seen key figures tied to Stargate depart for rival Meta. Instead of building out all its own facilities, OpenAI is increasingly shifting to leasing capacity from third parties.

This pivot suggests a dose of reality intruding on initial, perhaps overly optimistic, projections. Roose recalls the early pronouncements: “Well, we’re going to spend $1 trillion that we don’t have to build 40 quadrillion data centers. And at the time, people said, ‘That kind of seems like a lot. Can you guys actually live up to that?’ And they said, ‘Uh, yeah, just watch us.’ Uh, well, guess what? They could. And now they’re changing course.”

While this might seem like a retreat, it’s more likely a strategic adjustment. OpenAI, reportedly eyeing an initial public offering (IPO), needs to get its financial house in order. Moving massive infrastructure costs off its balance sheet by leasing capacity is a savvy move to present a more attractive financial profile to investors.

This tension between grand ambition and financial pragmatism is a recurring theme within big AI companies. Roose identifies two camps: the “indefinite optimists” who believe demand for AI is infinite and all investment will be repaid many times over, and the “number crunchers” who demand clear financial projections and revenue plans. OpenAI’s shift on Stargate, coupled with reports of missed internal user and revenue targets for 2025, suggests the number crunchers are gaining influence as the company prepares for public scrutiny.

OpenAI is also recalibrating its subscription strategy. Internal projections suggest a massive growth in its $8-a-month “ChatGPT Go” ad-supported subscription, potentially reaching 112 million users this year, while its $20-a-month “Plus” subscriptions are projected to fall significantly. This mirrors Netflix’s strategy of offering cheaper, ad-supported tiers.

This indicates a market splitting into two distinct segments:

• Casual users: Those who use AI chatbots for “souped-up Google queries” or email assistance a few times a day are likely to opt for cheaper or free, ad-supported tiers.
• Professional users: For whom AI is mission-critical, willing to pay significantly more than $20 a month for access to the latest models and higher rate limits.

“All of the companies now are sort of doing this kind of experimentation with how much can we charge the professional users without losing them to a rival company, and how cheap can we make the kind of lower-end subscriptions or the free tiers so that people who are more casual users won’t be tempted to go use Google instead,” Roose explains.

Amidst these strategic shifts, a peculiar anecdote emerged: the need for “safety guardrails to prevent goblins from taking over our coding app.” This seemingly absurd detail highlights the unexpected challenges in AI development, blending serious safety concerns with a touch of the surreal.

Adding another layer of drama is the long-awaited trial of Elon Musk’s lawsuit against OpenAI, which began this week in Oakland. Musk, a co-founder who provided initial funding, left OpenAI in a power struggle and later launched his own AI company. He is now suing OpenAI, alleging “unjust enrichment” and “breach of charitable trust.”

Musk claims that OpenAI was “only ever supposed to be a nonprofit” and that its transformation into a multi-billion-dollar for-profit entity constitutes “looting a charity.” He testified that “It is not okay to steal a charity,” warning that if OpenAI is allowed to “get away with this, it will give license to looting every charity in America.”

OpenAI’s lawyers, however, paint a different picture, accusing Musk of being “bitter that the company has succeeded without him.” Lead counsel William Savit stated, “We are here because Musk didn’t get his way at OpenAI. My clients had the nerve to go on and succeed without him. Mr. Musk did not like that.” They also point to emails from 2017-2018 where Musk himself discussed turning OpenAI into a for-profit entity, and even wanted to fold it into Tesla, undermining his current “principled stand.”

The stakes are considerable. Musk seeks to redirect over $150 billion from OpenAI’s for-profit arm back to its nonprofit foundation, which could create significant “headaches and roadblocks” for OpenAI’s ambitious projects like Stargate. While legal experts suggest the case is unusual and Musk’s chances of a full victory are slim, the ongoing litigation is a major distraction.

For journalists and observers, however, the trial has been “very valuable,” revealing early emails and communications that illuminate the “inner workings” and “early dynamics” of OpenAI. It underscores the degree to which these projects are often “fueled by grudges,” with personal animus and rivalries playing a significant role alongside grand visions of the future. “A shocking percentage of the AI industry is just people who decided they didn’t want to work with Sam Altman and who now have their own companies,” Newton observes.

Beyond the corporate drama, AI is quietly—and rapidly—transforming another critical sector: medicine. Dr. Adam Rodman, an internal medicine physician at Beth Israel Deaconess Medical Center and assistant professor at Harvard Medical School, describes AI as “probably the fastest adopted medical technology of all time.”

Doctors, including “normies” not on the bleeding edge, are routinely integrating AI into their weekly practice. The most common tools include:

• AI Scribes: Voice-to-text algorithms that listen to patient-doctor conversations and generate a first draft of medical notes. These have become a “commodity” in less than two years, beloved by doctors for saving time and by patients for allowing more direct interaction with their physicians.
• Decision Support Software (e.g., Open Evidence): This free tool, adopted by close to half of U.S. doctors, uses retrieval-augmented generation to search medical literature and identify high-quality sources for clinical queries. Older doctors use it as a “souped-up way to search the literature,” while younger doctors increasingly ask it for “second opinions” or “what could be going on?” questions.

While there’s pushback against directly integrating AI with patient health records due to privacy concerns, this is already happening in areas like billing. EHR vendors like Epic are also building native AI features, such as AI-generated message drafts for patients.

Patients are also embracing AI. Approximately a third of Americans now report turning to AI for healthcare information. This means doctors are increasingly encountering “someone else in the exam room”—ChatGPT. This necessitates a “new competency” for physicians: discussing AI with patients.

Dr. Rodman categorizes AI uses for patients with a “green light, yellow light, red light” system:

• Green Light (Safe Uses): General health questions (e.g., “Can you help me come up with a diabetic diet?”), preparing for clinic visits by formulating questions, and analyzing wearable data (which a doctor might not have time to review).
• Yellow Light (Proceed with Caution): Exploring new symptoms or seeking second opinions from chatbots. This can be helpful for preparation, but patients must understand it’s “not a replacement for a doctor” and is merely a “first step to talking to a human being.”
• Red Light (Avoid): Asking for medical management decisions (e.g., “Is this the right chemotherapy option for my cancer?”). These decisions are too nuanced, and models can be “sickopantic,” convincing users they are right even when wrong, potentially leading to dangerous advice.

A concerning trend among “health maxers” in places like San Francisco involves uploading extensive lab data from premium health services into chatbots like Claude or ChatGPT, treating them as “first-line medical professionals.” Dr. Rodman cautions against this, warning it can drive people into a “cyber worry hole” without improving health outcomes. “The evidence is not there yet that the sort of large routine testing, functional medicine, and putting it into an LLM does anything to improve health outcomes,” he states.

Regarding specific integrations, while projects like ChatGPT Health (analyzing Apple Watch data) and ChatGPT for Clinicians exist, Dr. Rodman remains cautious. Privacy, messy health record data (full of errors and copied information), and the current limitations of LLMs mean “there’s like no advantage to just dumping everything in an LLM.”

The discussion also touched on a trial in Utah where an AI agent autonomously renews prescriptions for nearly 200 routine drugs, with some human review. While Roose presented a “devil’s advocate” argument, suggesting such automation could bypass “rent-seeking behavior” of doctors requiring office visits for refills, Dr. Rodman emphasized the importance of human review due to potential dangerous side effects that only a doctor might catch during a brief interaction.

Despite these caveats, AI in medicine is yielding genuinely promising results. The Mayo Clinic recently announced “Red Mod,” an AI system capable of identifying subtle changes in routine CT scans up to three years before a pancreatic cancer diagnosis—a significant leap in early detection.

Despite the corporate drama, legal battles, and strategic pivots, the outlook for OpenAI and the broader AI industry remains largely optimistic. While some predict OpenAI’s demise or failure to IPO, a more nuanced view suggests the company is making smart, necessary adjustments to solidify its position.

The idea that there will be “only one winner” in the AI race is a “fallacy,” argues Roose. Instead, a “rising tide of AI adoption will sort of lift all boats.” Companies with top-tier models are likely to thrive together, suggesting that OpenAI’s current “weird enterprise” is navigating a complex but ultimately expanding landscape.

As OpenAI continues to rewrite its future, its journey offers a fascinating glimpse into the rapid evolution of technology, the intense competition for dominance, and the profound societal impact of artificial intelligence—from the boardroom to the doctor’s office.

르페라 박사는 다양한 배경과 삶의 경험을 가진 사람들을 만나면서, 현재의 어려움이 결코 현재만의 문제가 아니라는 것을 깨달았습니다. 불안, 갈등, 자기 의심 등 우리를 옭아매는 현재의 문제들은 사실 정서적 안정감이나 진정으로 이해받는다는 것이 무엇인지 미처 알기도 전에 형성된 생존 전략들이었습니다.

그녀의 어린 시절 또한 많은 사랑과 동시에 스트레스와 긴장으로 가득했습니다. 감정에 대한 대화는 드물었고, 갈등은 침묵 속에 사라지곤 했습니다. 르페라 박사가 가장 기억에 남는 것은 아이러니하게도 어린 시절에 대한 기억이 거의 없다는 점입니다. 대부분의 유년기는 커다란 공백으로 남아 있으며, 다만 밤새 깨어 누워 누군가 침입할까, 부모님이 다음 날 아침에 깨어나지 못할까 늘 걱정했던 기억만 선명합니다. 그녀의 몸은 항상 경계하고 위험을 감지하며 ‘생존 모드(survival mode)‘로 살아가고 있었습니다. 정서적 안정감이 일관되지 않았던 시기에 형성된 신경계(nervous system)의 결과로 불안, 해리(dissociation), 그리고 결국 신체 증상까지 나타났습니다.

르페라 박사는 이러한 패턴이 수년 후 자신의 개인 상담소를 열었을 때 수많은 내담자들에게서도 동일하게 나타나는 것을 보았습니다. 그녀는 트라우마(trauma)가 단순히 크고 극적인 사건만을 의미하는 것이 아니라는 것을 깨달았습니다. 이는 정서적 조절(emotional regulation), 조율(attunement), 그리고 회복(repair)의 부재에서 오는 작고 미묘한 순간들일 수도 있습니다. 이러한 순간들이 우리에게 엄청난 결과를 초래할 수 있습니다. 그리고 이 이해는 우리가 ‘기능 장애(dysfunction)‘라고 여기는 많은 증상들이 사실은 기능 장애가 아니라, 주변 환경과 관계에 대처하기 위한 최선의 전략으로 형성된 것임을 깨닫게 했습니다.

오랜 시간 동안 자기계발과 학교 교육, 그리고 그녀 자신의 삶에 적용했던 방식은 우리 몸과 신경계가 경험을 형성하는 데 있어 근본적인 역할을 한다는 점을 간과하고 있었습니다. 안전하다고 느끼는 순간부터 불안하고 반응적인 순간까지, 모든 경험에 신경계가 관여합니다.

대부분의 사람들은 트라우마라는 단어를 들으면 학대, 자연재해, 자동차 사고와 같은 거대한 재앙적 사건을 떠올립니다. 하지만 르페라 박사는 트라우마가 단순히 ‘무슨 일이 일어났는가’에 대한 것이 아니라, ‘그 경험을 처리할 수 있는 지지 체계가 있었는가’에 관한 것이라고 설명합니다. 따라서 트라우마는 일상적인 경험에서도 발생할 수 있습니다.

예를 들어, 부모의 이혼을 겪은 두 아이의 사례를 들어볼 수 있습니다. 한 아이는 부모 중 한 명이 “무슨 일이 일어나는지 이해해. 내가 너와 함께 있어. 이건 네 잘못이 아니야”라고 말해주며 아이가 울고 슬픔을 표현하도록 허락했습니다. 반면 다른 아이는 같은 이혼 상황에서도 정서적으로 부재한 부모를 두었거나, 슬픔을 혼자 감당하도록 내버려 두는 지지 체계가 없었습니다. 같은 경험이라도 전혀 다른 결과를 낳는 것입니다.

더 흔한 예시로는, 학교에서 따돌림을 당했다고 집에 와서 이야기하는 아이에게 부모가 휴대폰을 보며 “그냥 잊어버려”라고 무심하게 말하는 경우입니다. 이러한 메시지는 아이에게 ‘내 감정은 혼자 감당해야 한다’는 인식을 심어줍니다. 이러한 경험이 반복되면 아이는 극도로 독립적인 사람, 즉 ‘과도한 독립(hyper-independence)‘을 보이는 사람으로 성장할 수 있습니다. 도움을 필요로 하거나 취약함을 드러낼 때, 마치 휴대폰만 보던 부모처럼 아무도 자신에게 집중하지 않을 것이라고 학습했기 때문입니다.

오랫동안 트라우마는 개인적인 경험으로 여겨져 왔습니다. 하지만 후성유전학(epigenetics) 연구를 통해 트라우마의 영향이 여러 세대에 걸쳐 전달될 수 있다는 사실이 밝혀졌습니다. 식량 부족, 학대, 전쟁 등 트라우마를 겪은 조상들의 경험은 우리의 생물학적 구조, 즉 유전자 발현 방식에 변화를 주어 미래 세대(우리 자신을 포함하여)에게 영향을 미칠 수 있습니다. 이러한 이해를 통해 우리는 트라우마가 개인을 넘어 세대에 걸쳐 얼마나 광범위한 영향을 미치는지 알 수 있습니다.

르페라 박사는 “모든 사람이 트라우마를 겪는가?”라는 질문에 “트라우마는 매우 널리 퍼져 있다”고 답합니다. 우리 중 정서적으로 필요한 조율(attunement)을 충분히 받으며 자란 사람은 거의 없을 것입니다. 부모는 신체적으로 늘 곁에 있었고, 기본적인 필요를 충족시켜 주었을 수도 있습니다. 전통적인 의미의 방치나 학대를 겪지 않았을 수도 있습니다. 하지만 우리 대부분에게 부족했던 것은 크고 작은 스트레스 상황, 심지어 발달상의 사건들에 대처할 수 있도록 신경계가 필요로 하는 ‘조율’이었습니다.

하지만 다행히도 신경가소성(neuroplasticity) 덕분에 우리는 트라우마적 사건에 기반하여 형성된 생존 습관과 패턴들을 평생에 걸쳐 다시 연결하고 변화시킬 수 있습니다. 만약 어린 시절 트라우마가 있다면, 자신에게 도움이 되지 않는 습관과 패턴을 반복하고, 원하는 방식으로 행동할 수 없는 순간에 감정적으로 통제 불능 상태를 느끼며, 심지어 자신이 누구인지 모르겠다고 느낀다면, 과거의 영향을 이해하는 것이 매우 중요합니다. 왜냐하면 우리 대부분은 한때 우리를 안전하게 지켜주었던 습관과 패턴을 여전히 반복하고 있기 때문입니다. 우리는 이러한 행동을 ‘성격’이라 부르며 ‘원래 나 자신’이라고 믿습니다. 하지만 이는 사실 일관성 없는 환경이나 방치 속에서 살아남기 위해 우리가 되어야만 했던 모습과 거리를 두지 못했기 때문입니다. 과거의 영향을 인식하지 못하면, 우리는 우리가 되고 싶은 미래를 만들기 위한 새로운 선택을 할 기회를 스스로 제한하게 됩니다.

해결되지 않은 어린 시절 트라우마는 우리가 매일 반복하는 많은 습관과 패턴으로 나타납니다. 어린 시절에는 어떤 상황에서든 안전을 추구하기 위해 스스로를 변화시킵니다. 그리고 그 습관들이 형성된 맥락이 변했음에도 불구하고, 우리는 그것이 안전을 만드는 유일한 방법이라고 믿으며 계속 의존합니다. 예를 들어, 어린 시절 갈등 상황에서 침묵하는 것이 우리를 안전하게 지켜주었다면, 어른이 되어서도 우리를 이해하고 해결책을 찾으려는 상대방과의 대화에서조차 침묵하는 패턴에 의존하여 스스로를 닫아버릴 수 있습니다. 또 다른 흔한 예는, 어린 시절 타인을 기쁘게 하는 것이 관계를 유지하는 방법이었다면, 어른이 되어서도 자신의 욕구를 제쳐두고 ‘아니오’라고 말하고 싶을 때 ‘예’라고 말하며, 결국 조용히 분노를 쌓아가는 것입니다. 우리가 자신을 진정으로 보여주지 않기 때문에, 우리가 보고 듣고 싶어 하는 사람들도 우리를 제대로 알 수 없게 됩니다.

우리 대부분은 삶의 여러 영역, 특히 관계에서 안전을 만드는 법을 배웠습니다. 이는 주로 어떤 식으로든 자신을 변화시키는 것을 포함합니다. 우리의 신경계는 상황이 변했다는 것을 아직 업데이트하지 못했습니다. 우리는 안전하고 지지적인 사람들과 함께 있을 수 있지만, 아직 그것이 사실이라고 믿지 않습니다. 왜냐하면 우리는 더 이상 존재하지 않는 과거에 반응하고 있기 때문입니다.

우리가 흔히 발달시키는 습관과 패턴 중 하나는 해리(dissociation) 또는 단절입니다. 어린 시절 우리의 감정을 위한 공간이 없었거나, 부모에게 화가 났다고 이야기했을 때 즉시 제지당하거나 수치심을 느꼈다면, 가장 안전한 방법은 감정을 공유하지 않고 단절하는 것입니다. 이것이 바로 해리, 즉 신체적 또는 감정적 몸으로부터의 단절입니다. 어린 시절 우리를 보호했던 것이 결국 우리와 다른 사람들 사이에 장벽이나 벽을 만듭니다. 우리는 관계에서 많은 감정을 느끼지만, 그것을 표현하지 않아 상대방은 우리가 무엇을 생각하고 느끼는지 알 수 없게 됩니다. 보호를 위해 만들어진 거리가 이제는 친밀감을 방해하는 것입니다.

또 다른 흔한 패턴은 ‘과잉 기능(overfunctioning)‘입니다. 어린 시절 우리가 물리적으로 가정을 돕거나 주변 사람들의 감정을 관리해야 했다면, 우리는 어른이 되어서도 타인에게 과도하게 주의를 기울이고(hypervigilant), 자신의 필요를 제쳐두고 타인을 기쁘게 하거나 달래려 합니다. 심지어 다른 사람이 감정을 느낄 때 불안해하기도 합니다. 어린 시절 다른 사람의 감정을 관리하는 것이 폭발이나 수치심을 피하는 방법이었기 때문에, 우리는 계속해서 그렇게 행동하고 결국 스스로 지쳐버리고 번아웃됩니다. 관계에서 자신을 위한 공간을 남겨두지 않기 때문에 다른 사람들에게 분노를 느끼게 됩니다.

르페라 박사는 어린 시절 트라우마의 6가지 흔한 원형(archetypes)을 제시합니다.

1. 현실을 부정하는 부모: 자신의 관점이나 감정을 공유할 공간이 없었던 가정에서 자란 경우입니다. 예를 들어, 부모의 농담이 불편했거나 형제가 자신을 화나게 한 일에 대해 부모에게 이야기했을 때 “너무 과민 반응한다”거나 “너무 예민하다”는 말을 듣는 것입니다. 이러한 경험이 반복되면 ‘내 감정은 유효하지 않다’, ‘내 내면의 세계는 신뢰할 수 없다’는 이해로 이어집니다.

   • 성인기의 영향: 자신의 직감을 의심하고, 불편한 행동을 용인하며, 말해야 할 순간에 침묵합니다.
   • 치유: 자신의 직감과 다시 연결하고, 어렵더라도 자신을 위해 목소리를 내는 법을 배웁니다.

2. 자녀를 보거나 듣지 못하는 부모: 부모는 신체적으로 존재하지만 정서적으로는 부재하거나 멀리 떨어져 있는 것처럼 느껴지는 경우입니다. 아이가 신나는 그림을 보여주어도 부모는 자신이 하던 일에서 눈을 떼지 않고 “아, 그래, 잘 그렸네”라고 무심하게 말할 수 있습니다.

   • 성인기의 영향: 자신이 존재하지 않는 것 같고, 투명 인간처럼 느껴지며, 자신의 말이나 행동이 중요하지 않다고 생각합니다. 그룹에서 발언하지 않거나, 발언해도 자신의 말이 들리지 않는다고 느낍니다.
   • 치유: 먼저 자신을 보고 듣는 법을 배우고, 타인의 인정에 과도하게 의존하지 않고 자신의 경험을 스스로 인정하는 법을 익히며, 자신의 관점과 말을 진정으로 존중하는 관계를 추구합니다.

3. 자신을 통해 대리만족하거나 자녀를 틀에 맞추는 부모: 아이에게 어떤 방식으로든 성과를 내거나 성취해야 한다는 압박이 많은 경우입니다. 아이는 사랑이 조건적이며, 자신의 행동의 특정 측면만 칭찬받고 다른 측면은 무시당한다고 느낍니다.

   • 성인기의 영향: 과로, 완벽주의, 사소한 비판도 피하려 합니다. 자신의 가치가 성과나 행동에 달려 있다고 깊이 학습했기 때문입니다.
   • 치유: 자신의 불완전함을 포용하고, 인간으로서 존재하는 법을 배우며, 자신의 가치를 행동과 분리하는 법을 익힙니다.

4. 경계를 모델링하지 않는 부모: 신체적 공간, 일기장 같은 개인적인 공간이 침해되거나, 더 흔하게는 정서적 공간이 침해되는 경우입니다. 부모가 자녀에게 의존하고, 자신의 문제를 털어놓으며, 정서적 지지를 구하는 모습입니다.

   • 성인기의 영향: 사랑과 연결이 타인을 돌보는 것을 의미한다고 학습합니다. 관계에서 과도하게 자신을 희생하고, 때로는 자신의 욕구가 있을 때 죄책감을 느낍니다.
   • 치유: 자신에게 필요한 경계를 정하고, 그것을 설정하고 지키는 법을 배웁니다. 타인에 대한 과도한 책임감을 느끼는 순간을 인식하고, “그것은 당신의 것이고, 이것은 나의 것이야. 나는 당신을 깊이 아끼지만, 우리는 분리된 존재야”라고 말하며 사랑스럽게 분리를 만드는 법을 배웁니다.

5. 외모에 지나치게 집착하는 부모: 외모, 신체적 외모, 가족의 외모가 정서적 연결보다 더 중요했던 가정에서 자란 경우입니다. 부모가 자녀의 체중, 옷차림, 또는 자신을 표현하는 방식에 대해 비판할 때, 이러한 메시지를 일관적으로 받으면 자신의 가치를 외모에 연결하게 됩니다.

   • 성인기의 영향: 자신의 외모에 지나치게 집착하고, 특정 방식으로 자신을 보여주기 위해 끊임없이 노력하며, 외모를 기반으로 자신의 것이 아닌 목표를 추구할 수 있습니다.
   • 치유: 자신의 가치를 타인에게 어떻게 보이는지와 분리하여, 자신의 가치가 누구인지에 따라 내재적으로 존재하며, 모든 불완전함에도 불구하고 사랑받을 가치가 있다는 것을 이해합니다.

6. 감정을 조절하지 못하는 부모: 매우 불규칙하고 예측 불가능한 부모의 모습입니다. 한순간은 침착하고 온화하다가 다음 순간에는 폭발적이고 과민 반응하거나 심지어 단절해버리는 부모입니다. 문을 쾅 닫거나 침묵하는 행동은 아이에게 감정이 위험하며, 안전을 유지하는 유일한 방법은 주변에서 일어나는 일에 과도하게 주의를 기울이는 것임을 가르칩니다.

   • 성인기의 영향: 성인기에도 과도한 경계심(hypervigilance)을 보이고, 과민 반응하거나 자신의 정서적 반응을 조절하지 못합니다.
   • 치유: 자신의 몸이 ‘정서적 과부하(emotional flooding)’ 상태에 있음을 이해하고, 잠시 멈춰 몸을 진정시키는 법을 배웁니다. 이를 통해 주변의 감정에 과민 반응하는 대신, 더 침착하고 의도적으로 반응할 수 있습니다.

르페라 박사는 이 중 가장 흔한 어린 시절 트라우마 원형은 ‘자녀를 보거나 듣지 못하는 부모’와 ‘감정을 조절하지 못하는 부모’라고 말합니다. 이는 매우 널리 퍼져 있는데, 왜냐하면 자신의 감정을 다루거나 다른 사람의 감정을 이해하고 공간을 내어주는 법을 배운 성인이 거의 없기 때문입니다. 이러한 습관과 패턴은 세대를 통해 전해집니다. 부모가 어린 시절에 침착하고 조절된 정서적 존재감을 배우지 못했다면, 그들 자신도 자녀를 진정으로 보거나 들을 수 있는 도구를 갖지 못할 것입니다. 비록 마음으로는 그렇게 하고 싶어 할지라도 말입니다.

어린 시절에 발달하여 현재 관계를 망치는 흔한 부적응적 대처 기술(maladaptive coping skills)들이 있습니다.

• 과도한 독립(Hyper-independence): 어린 시절 누군가에게 의존하는 것이 상처나 실망을 가져왔다면, 가장 안전한 방법은 더 이상 누군가에게 의존하지 않는 것입니다. 우리는 문제를 혼자 해결하고, 감정을 억누르며, 도움을 요청하지 않는 법을 배웁니다. 삶을 스스로 헤쳐나갑니다. 하지만 성인이 되어서 어린 시절 실망으로부터 우리를 지켜주었던 이 방식은 결국 우리가 절실히 필요로 하는 연결로부터 우리를 단절시킵니다.
• 타인 기쁘게 하기(People-pleasing): 어린 시절 다른 사람의 욕구를 따르는 것이 우리를 안전하게 지켜주었다면, 이제 이 방식은 우리가 원하는 연결로부터 우리를 단절시킵니다. 한때 “모르겠어”, “상관없어”, “네가 원하는 대로 해”라고 말하는 것이 초기 관계를 유지하는 가장 쉬운 방법이었을지 모르지만, 이제는 우리 자신으로부터 우리를 단절시킵니다. 우리는 진정한 자신으로 나타나지 않고, 필요한 것을 표현하지 않으며, 시간이 지나면서 관계에 있는 사람들에게 분노를 느끼게 됩니다. 사실 우리는 여전히 우리의 관점, 의견, 욕구를 타인과 공유하는 것이 안전하지 않다는 가정하에 행동하고 있는 것입니다.

어린 시절 트라우마에 대처하는 것은 본질적으로 그 순간을 견디기 위한 최선의 전략이었습니다. 종종 이는 주의를 분산시키고, 휴대폰을 스크롤하고, 바쁘게 지내고, 침묵하고, 갈등을 피하는 형태로 나타납니다. 이것은 불편함을 줄이는 가장 빠르고 쉬운 방법입니다. 하지만 실제로는 근본적인 습관과 패턴은 여전히 남아 있습니다.

따라서 치유는 단순히 그 순간을 처리하거나 다음 순간으로 넘어가는 것을 넘어섭니다. 그것은 우리 신경계가 작동하는 방식을 재배선(rewiring)하여 우리가 새로운 방식으로 순간을 경험하고 새로운 선택을 할 수 있도록 합니다. 오래된 습관이나 패턴을 초래했던 각 순간에 대해 우리 몸에 새로운 학습을 실제로 만들어내는 것입니다.

대처와 치유의 차이를 보여주는 간단한 예시를 들어보겠습니다. 파트너와 말다툼을 하고 있다고 가정해 봅시다. 대처는 방을 나가거나, 침묵하거나, 입을 다무는 것처럼 보일 수 있습니다. 반면 치유는 가슴에서 치솟는 공포, 빨라지는 호흡을 알아차리는 것입니다. 호흡을 늦춰 신경계를 충분히 조절하여 현재에 머무르고, 갈등이 반드시 단절이나 거부를 의미하지는 않는다는 새로운 결과를 스스로에게 가르치는 것입니다.

많은 사람들이 일기 쓰기, 성찰, 자기 관리 연습 등을 통해 스스로 치유 여정을 시작합니다. 하지만 현실적으로 우리 상처의 대부분은 관계 속에서 형성되었습니다. 따라서 진정으로 치유하기 위해서는 관계 속에 있어야 합니다. 우리가 안전하고 안정감을 느낄 때, 그리고 지지적인 전문가나 사랑하는 사람들에게 취약함을 드러낼 수 있을 때 치유가 일어납니다. 관계 속에서 안전한 존재의 공간을 만드는 것이 우리 대부분에게 진정으로 필요한 치유의 과정입니다.

‘내면 아이 다시 양육하기(Reparenting)‘는 우리가 삶에서 결코 가져본 적 없는 자비롭고 양육하며 보살피는 성인으로서의 역할을 시작하는 것입니다. 르페라 박사는 현대 사회에서 내면 아이 다시 양육하기가 그 어느 때보다 중요하다고 말합니다. 왜냐하면 우리 대부분이 어린 시절 보호를 위해 지니고 있던 많은 습관과 패턴이 사회에서 보상받기 때문입니다. 가치를 얻기 위해 자신을 지치게 하는 과도한 성취자는 사회에서 추진력과 야망으로 여겨져 보상받습니다. 갈등 상황에서 침묵하는 사람은 ‘쉽고 손이 덜 가는 사람’으로 여겨집니다. 이러한 행동들은 현재 사회에서 보상받지만, 개인에게는 건강하지 않은 경우가 많습니다.

내면 아이와 다시 양육하는 여정을 생각할 때, 어디서부터 시작해야 할지, 과거를 얼마나 알아야 시작할 수 있을지 혼란스러울 수 있습니다. 가장 실용적이고 강력한 시작점은 ‘바로 여기, 지금’입니다. 과거의 이야기나 세부 사항보다는 ‘무슨 일이 일어나고 있는가’에 더 가깝습니다.

내면 아이 다시 양육하기를 지지하는 가장 기본적인 실천은 현재 순간에 과거의 존재를 존중하기 시작하는 것입니다. 이를 위해 르페라 박사가 항상 강조하는 첫 번째 실천은 ‘매일 의식적인 점검(daily conscious check-ins)‘을 개발하는 것입니다. 휴대폰에 하루 1~2회 알람을 설정하거나, 매일 하는 일(아침에 커피 마시기, 잠자리에 들기 전)과 연결하여 이 연습을 할 수 있습니다. 알람이 울리거나 잠시 멈추는 순간, 주변 세상에서 일어나는 일에서 주의를 돌려 자신에게 집중합니다. 자신의 몸이 어떻게 느끼는지, 호흡은 어떤지, 근육은 긴장되어 있는지, 편안한지 알아차립니다. 그리고 어떤 생각이 마음을 스쳐 지나가는지 주목합니다. 반응하고 있지 않은 순간에 의식을 연습하면, 나중에 더 반응적이거나 감정적 과부하 상태에 있을 때 다른 방식으로 행동해야 할 순간을 위한 다리를 놓을 수 있습니다.

이 연습은 모든 일이 그렇듯 ‘인식’에서 시작됩니다. 성인의 몸으로 다른 상황에서 자신을 실시간으로 파악하여 내면 아이에게 상황이 변했음을 상기시키는 것입니다. “이제 나에게는 가능한 것들이 있어. 아마도 나는 새로운 방식으로 내 욕구를 충족시킬 수 있을 거야.” 이것이 바로 내면 아이 다시 양육하기의 본질입니다. 더 깊고 근본적인 충족되지 않은 욕구들을 지지하기 위해 새로운 방식으로 나타나는 법을 배우는 연습입니다.

내면 아이 다시 양육하기는 대처와 다릅니다. 대처는 단순히 순간을 넘기기 위한 방법으로, 많은 기능 장애적인 습관이나 패턴을 유발하는 근본적인 원인을 바꾸지 않고 삶이 계속 기능하도록 하는 것입니다. 반면 내면 아이 다시 양육하기는 우리가 그 순간에 새로운 방식으로 나타날 수 있도록 합니다.

예를 들어, 답장이나 이메일을 기다리고 있는데 시간이 많이 지났다고 가정해 봅시다. 대처는 몸에서 긴급함을 느끼고, 그 긴급함에 따라 문자를 보내거나, 마지막으로 말했던 것을 다시 생각하고, 자신의 반응을 과도하게 분석하거나, 상대방이 자신에게 화가 났기 때문에 답장을 하지 않는다고 스스로를 설득하는 것으로 나타날 수 있습니다.

반면 내면 아이 다시 양육하기는 가슴에서 치솟는 긴급함을 알아차리고, 긴장

니코 라쿠아는 고등학생 시절부터 “인생에서 크고 중요한 일”을 하고 싶다는 열망을 품었습니다. 창업은 그에게 세상을 변화시킬 수 있는 가장 좋은 방법처럼 보였습니다. 하지만 그가 이전 회사에서 겪었던 보험 가입 경험은 그야말로 ‘끔찍’했습니다.

“지난 회사에서 보험에 가입해야 했을 때, 당시 우리는 돈이 많지 않았어요. 그런데 보험료가 6만 달러(약 8천만 원)나 됐습니다. 당시 제 월급이 1천~2천 달러 정도였으니 엄청난 지출이었죠.”

문제는 비용만이 아니었습니다. 보험료를 지불하기 위해 브로커에게 전화하고, 이메일은 몇 주 동안 답장이 없었으며, 정책을 받는 데만 몇 주가 걸렸습니다. 심지어 보험금을 받은 적도 없다고 니코는 회상합니다. 에밀리 역시 당시의 경험을 “충격적일 정도로 느린 과정”이었다고 말합니다. “우리는 돈을 주고 제품을 사고 싶어 하는데, 모두가 답장하는 데 너무 오래 걸렸어요. 우리가 뭘 사고 있는지도 혼란스러웠죠.”

그들은 이 비효율적인 시스템을 보며 “어떻게 1천억 달러 규모의 회사가 이런 식으로 운영될 수 있지?”라는 의문을 품었습니다. 보험 산업은 미국 GDP의 12%를 차지할 정도로 소프트웨어 시장보다 두 배나 큰 거대한 시장입니다. 하지만 40년 이상 된 대부분의 대형 보험사들은 엄청난 규제 장벽 뒤에서 안일하게 운영되며 제품 품질을 지속적으로 저하시켜 왔습니다. 20년 이상 업계에 종사한 사람들은 풍부한 경험을 가졌지만, “원래 이렇게 하는 것”이라는 고정관념에 갇혀 기술을 기존 인프라에 끼워 맞추려고만 했습니다. 코기 팀은 이러한 현실을 보며 “이건 사기나 다름없다”고 생각했습니다.

코기 팀은 처음부터 보험 캐리어(insurance carrier, 보험 상품을 직접 만들고 판매하는 회사)가 되겠다고 결심한 것은 아니었습니다. 와이콤비네이터(Y Combinator)에 합격했을 때, 그들은 보험 중개업(brokerage, 보험사와 고객을 연결해주는 역할) 라이선스를 이미 보유하고 있었고, 계약 관리 회사들과 협력하여 중개업을 하는 것이 목표였습니다. 초기에는 실제로 잘 작동했습니다. 수만 달러의 보험료를 판매했고, 매출 성장도 괜찮았습니다.

하지만 이 과정에서 그들은 보험 산업의 문제점이 단순히 “보험 회사들이 마케팅을 충분히 하지 않아서”가 아니라는 것을 깨달았습니다. 문제는 이들이 의존해야 하는 “정말 오래된 전통적인 보험 캐리어들”에 있었고, 이 때문에 좋은 상품을 만드는 것이 불가능했습니다.

에밀리는 “보험 캐리어들과 일하는 것은 정말 골치 아픈 일이었다”고 말합니다. “모든 보험 계약 건마다 전화를 걸어야 했고, 팩스 기계까지 들여서 팩스를 주고받았어요. 1천억~2천억 달러 규모의 회사들이 팩스로 일한다는 게 말이 되나요?” 그들은 더 나은 보험 캐리어가 있을 것이라고 생각하고 모든 캐리어를 조사했지만, 결과는 실망스러웠습니다.

이때 코기 팀은 깨달았습니다. 문제는 웹사이트나 기술이 아니라, “실제 근본적인 상품, 즉 보험 정책 그 자체”라는 것을요. 그리고 상품을 만들고 통제할 수 있는 유일한 방법은 직접 보험 캐리어가 되는 것이었습니다.

당시 잘 운영되고 있던 중개 사업을 중단하고 캐리어가 되겠다는 결정은 결코 쉽지 않았습니다. “논란의 여지가 많은 결정이었고, 우리 배치에서 상위권 회사가 될 기회를 포기하는 것과 같았죠.” 하지만 니코는 “다른 사람의 제품을 재판매해서는 세상을 바꿀 수 없다”는 확고한 신념을 가지고 있었습니다. 그들은 단순히 기존 시스템을 현대화하거나 고치는 것을 넘어, AI를 활용해 완전히 새로운 유형의 금융 기관을 밑바닥부터 재구축하기로 결심했습니다.

코기가 캐리어로 전환하기로 결정한 후의 여정은 험난했습니다. 그들은 와이콤비네이터 배치에서 ‘핫한’ 회사 목록에서 사라졌고, 데모 데이에도 참여하지 못했습니다. 여러 차례 회사가 파산 위기(default debt)에 처하기도 했습니다. 수천만 달러의 자본이 필요했고, 거의 매출이 없는 상태에서 8천만 달러(약 1천1백억 원)를 유치해야 했습니다. 피치 덱(pitch deck) 하나 없이, 경쟁적인 자금 조달 없이 이 모든 돈을 모았습니다.

이처럼 어려운 길을 택한 이유에 대해 니코는 이렇게 설명합니다. “보통 젊은 스타트업 창업가들은 자신이 사용할 제품을 만들려고 하는데, 이는 좋은 조언이지만 종종 해결하려는 문제의 규모가 작습니다. 많은 사람들이 큰 아이디어를 아주 작게 축소하면 성공 가능성이 높아진다고 생각하지만, 저는 오히려 반대로 가장 야심 찬 버전을 생각해야 한다고 봅니다. 그렇게 하면 똑똑한 사람들이 당신의 미션에 동참하고 싶어 하고, 투자자들도 그런 아이디어에 더 기꺼이 투자할 것입니다.”

니코와 에밀리는 “좋은 아이디어는 대개 정말 어렵고 힘들다”고 믿습니다. 그리고 “어려운 일을 하는 것이 훨씬 더 좋은 결과를 낳는다”고 강조합니다. 코기가 수천만 달러와 수년을 투자하여 인프라를 구축하고 규제 라이선스를 획득하는 과정은 다른 회사들이 쉽게 모방할 수 없는 강력한 진입 장벽, 즉 ‘해자’가 되었습니다.

“다른 회사가 코기 2.0을 만드는 것은 매우 어렵습니다. 우리가 인프라를 구축하는 데 너무 많은 시간과 돈을 썼기 때문이죠. 대부분의 회사는 그렇게 할 수 없습니다. 어려운 일을 해내고, 그것을 해결하는 것이 우리에게는 정말 큰 이점입니다.”

이처럼 거대하고 복잡한 보험 산업에 도전하기 위해서는 엄청난 시간과 노력이 필수적입니다. 니코는 아예 사무실에서 생활하고 있으며, 많은 팀원들도 사무실 가까이에 살고 있습니다. 에밀리는 “110%의 노력과 많은 시간, 에너지를 쏟지 않으면 제대로 해낼 수 없다”고 말합니다.

그들은 젊은 사람들의 ‘초능력’이 바로 “많은 시간과 에너지”라고 봅니다. 물론 자금은 부족하지만, 그 시간과 에너지는 엄청난 가치를 지닌다는 것입니다. 에밀리는 복잡한 법률 문서를 읽고 이해하는 데 탁월한 능력을 발휘하며, 규제 준수라는 어려운 과제를 해결하는 데 큰 역할을 했습니다. “규제는 신비로운 것이 아닙니다. 무엇을 할 수 있고 무엇을 할 수 없는지 알려주면, 그 지침을 따르면 됩니다. 지침 내에서만 움직인다면 모든 것이 가능합니다.”

코기가 1억 달러 이상을 모으고 2년이라는 시간을 들인 것은 결코 즐거움을 위해서가 아니었습니다. 하지만 이 모든 어려움을 극복하고 첫 라이선스를 획득하자, 매출은 빠르게 성장하기 시작했고 회사는 뚜렷한 변곡점을 맞이했습니다.

코기의 성공은 단순히 마케팅의 결과가 아닙니다. “사람들은 가장 쉽고 편리한 제품을 선택할 것입니다. 당신이 그런 제품이라면 사람들이 찾아올 것입니다.” 코기는 기술 스타트업을 위한 보험 캐리어를 완전히 새로 만드는 것이기 때문에, 다른 대안이 거의 없는 근본적으로 더 나은 제품을 제공합니다.

규제 산업에서 운영하는 것은 매우 어렵고 자본 집약적이지만, 일단 핵심 인프라가 구축되면 그 위에 많은 것을 쌓아 올릴 수 있습니다. 이것이 코기에게는 매우 큰 이점이자 강력한 해자가 됩니다.

니코는 “우리가 다른 사람의 제품을 재판매하는 것에 그쳤다면, 아마도 꽤 지루하고 중요하지 않은 회사가 되었을 것”이라고 말합니다. “다른 사람의 제품을 재판매해서는 세상을 바꿀 수 없다고 생각합니다. 그래서 우리는 인프라 자체가 되기로 결정했습니다. 생각보다 훨씬 더 많은 시간과 돈이 들었지만, 결국에는 모든 것이 잘 풀렸다고 생각합니다.”

코기의 이야기는 단지 한 스타트업의 성공담을 넘어섭니다. 이는 기존 산업의 거대한 문제를 정면으로 돌파하고, ‘어려운 일’을 기꺼이 감수하며, 새로운 관점으로 인프라를 재구축하는 것이 어떻게 혁신과 지속 가능한 경쟁 우위로 이어질 수 있는지를 보여주는 강력한 사례입니다. 이제 막 시작된 코기의 여정이 보험 산업에 어떤 더 큰 변화를 가져올지 귀추가 주목됩니다.

데이비드 랭이 뉴욕 필하모닉과 ‘국부론’ 오라토리오를 작업하게 된 계기는 이전 프로젝트에서 시작되었다. 그는 베토벤의 오페라 ‘피델리오(Fidelio)‘를 재해석하여 사랑 이야기와 코믹한 요소를 제거하고 오직 감옥 이야기만 남긴 ‘국가의 죄수(Prisoner of the State)‘라는 작품을 필하모닉과 함께 성공적으로 선보였다. 이 성공에 힘입어 랭은 ‘국부론’을 기반으로 한 오라토리오 아이디어를 제안했고, 필하모닉은 이를 흔쾌히 수락했다.

하지만 랭은 책을 읽기 전에 이미 ‘국부론’을 작곡할 계획이 있었던 것은 아니었다. 그는 솔직하게 “작품 의뢰를 받지 않았다면 그 책을 읽지 않았을 것”이라고 고백한다. 약 1000페이지에 달하는 방대한 분량과 18세기 특유의 난해한 문체는 목적 없이 읽기에는 쉽지 않은 도전이었기 때문이다. 그러나 일단 목적이 생기자, 랭은 ‘국부론’을 읽는 경험이 매우 흥미로워졌다고 말한다. 그는 자신에게 울림을 주는 주제들을 찾기 시작했다.

초기 아이디어 중 하나는 자신의 작품을 헨델의 ‘메시아’와 비교하는 것이었다. ‘메시아’처럼 ‘국부론’ 오라토리오 역시 진지한 책을 바탕으로 한 오라토리오이면서도 일반 대중을 위한 대중적인 즐거움을 목표로 했기 때문이다. 그래서 랭은 ‘메시아’에서 양이 중요한 역할을 한다는 점에 착안하여 ‘국부론’에서 양에 대한 모든 언급을 찾아보기도 했다. 애덤 스미스가 스코틀랜드 출신인 만큼, ‘국부론’에는 양털 코트 등 양을 예시로 든 부분이 많았다. 비록 나중에 양에 대한 농담은 작품에서 편집되었지만, 이는 그가 책의 핵심 메시지를 찾기 위해 얼마나 다양한 시도를 했는지 보여주는 대목이다.

랭은 처음에는 공장 이미지, 분업, 부의 창출 등에 초점을 맞추려 했지만, 곧 그것이 생각만큼 흥미롭지 않다는 것을 깨달았다. 대신 그를 사로잡은 아이디어는 ‘무역이 우리를 연결한다’는 것이었다. 그는 돈 자체가 본질적인 가치를 가지는 것이 아니라, 우리가 무역을 통해 연결될 때 사람과 사람 사이를 오가는 ‘토큰(token)‘의 역할을 한다고 보았다. 돈은 그 자체로 아무것도 대표하지 않지만, 우리가 무언가를 하는 데 들인 노동의 양을 나타낸다는 것이다. 랭은 이 관점이 훨씬 더 흥미롭고 도발적이라고 생각했다.

더브너는 돈과 경제학이 종종 비인간적인 것으로 여겨지는 역설에 주목한다. 그는 돈을 인류가 발명한 가장 위대한 ‘사회적 윤활유(social lubricant)‘로 보며, 그 대안이 물리적 상품의 교환이나 폭력일 수 있음을 지적한다. 랭은 ‘국부론’을 읽고 오라토리오를 작곡하면서 돈에 대한 생각이 바뀌었는지 묻는 질문에, 처음부터 특정한 시각으로 책을 읽었기 때문에 크게 변화하지는 않았다고 답한다. 그는 솔직히 돈 자체에는 큰 관심이 없다고 말한다.

하지만 ‘돈을 갖는 것에 관심이 있는가?‘라는 질문에는 “충분히 갖는 것에는 관심이 있다”고 답하며 ‘충분함(enough)‘의 개념을 강조한다. “얼마나 충분한가”는 사람마다 다르며, 위험 감수 수준이나 과시욕 등 개인의 가치관에 따라 달라진다는 것이다. 랭은 돈이 없는 가정에서 자랐고, 어머니로부터 “충분함은 잔치만큼이나 좋다(enough is as good as a feast)“는 말을 들으며 자랐다고 회상한다. 이 말은 그가 돈을 생각하는 방식을 평생 지배해왔다. 그는 예술 분야에서 프리랜서로 일하는 대부분의 사람이 “덜 가진 것에 편안함을 느끼는 태도를 가져야 한다”고 말하며, 찰스 디킨스(Charles Dickens)의 ‘데이비드 코퍼필드(David Copperfield)‘에 나오는 미코버 씨(Mr. Micawber)의 “1페니가 모자라면 빈곤하고, 1페니가 많으면 부자다”라는 말을 인용하며 자신의 삶의 태도를 설명한다.

랭은 2008년 합창곡 ‘작은 성냥팔이 소녀 수난곡(The Little Match Girl Passion)‘으로 퓰리처상을 수상했다. 이 작품은 그가 바흐(Bach)의 ‘마태 수난곡(St. Matthew Passion)‘을 사랑하지만, 기독교인이 아니기에 그 진정한 감정에 완전히 다가갈 수 없다는 고민에서 시작되었다. 랭은 수난곡 형식의 힘이 예수의 고통을 보며 “그 고통을 알아차리는 것이 나를 더 나은 사람으로 만들 수 있을까?”라고 자문하는 데 있다고 생각했다.

그는 이 아이디어를 한스 크리스티안 안데르센(Hans Christian Andersen)의 ‘성냥팔이 소녀’ 이야기에 적용했다. 추운 거리에서 성냥을 팔다 얼어 죽어 천국으로 가는 가난한 소녀의 이야기를 바흐의 ‘마태 수난곡’에 나오는 군중 장면과 교차시킨 것이다. 군중이 예수의 고통에 반응하는 것처럼, 랭은 예수 대신 성냥팔이 소녀를 넣어 보편적인 고통에 대한 공감을 이끌어냈다. 그는 이 실험이 신성모독적일 수 있다고 걱정했지만, 결과적으로 많은 사람에게 깊은 울림을 주며 퓰리처상을 수상했다. 이 작품을 통해 랭은 그동안 놓치고 있던 ‘보컬 음악(vocal music)‘의 매력을 발견하고, 이후 많은 성악곡 요청을 받게 되었다. 그는 텍스트를 음악에 결합하는 것이 자신의 감정적 삶과 직접적으로 연결되는 강력한 도구임을 깨달았다고 말한다.

작곡가가 종이 위에 음표를 적거나 화면에 코드를 입력하며 음악을 ‘듣는’ 방식은 비전공자에게는 미스터리다. 랭은 이를 “흑백 TV로 영화를 보는 것과 테크니컬러(Technicolor)로 대형 극장에서 웅장한 사운드와 함께 보는 것의 차이”에 비유한다. 그는 줄거리와 캐릭터, 형태는 알지만, 그것이 아직 살아있지 않고, 웅장하지 않으며, 현실이 아니라고 설명한다.

랭은 컴퓨터 이전 세대이므로 연필로 악보를 쓰는 법을 배웠다. 그는 건반 연주에 능숙하지 않아 피아노 앞에서 작곡하는 대신, 스스로 노래하며 아이디어를 구상하고 이를 기록하는 방식으로 작업한다. 그가 사용하는 소프트웨어는 ‘앙코르(Encore)‘라는 구형 프로그램인데, 이는 연필과 종이로 작업하는 방식과 가장 유사하다고 한다. 이 프로그램은 너무 구식이라 다른 최신 프로그램들이 자동으로 수정하는 ‘실수’들을 그대로 허용한다. 랭은 자신의 작곡에서 이러한 실수들을 포용하며, 소프트웨어가 이를 교정하지 않기를 바란다. 플루트나 팀파니 같은 악기 파트를 작곡할 때는 “플루트답게, 오보에답게” 상상하며 소리를 그려낸다고 말한다.

그의 작품 제목은 모두 소문자로 시작한다. ‘국부론(the wealth of nations)’ 역시 소문자이다. 이는 대학원 시절부터 시작된 “어처구니없는 허세(hopeless affectation)“라고 랭은 말한다. 과거의 위대한 작곡가들의 음악은 인간의 삶과 죽음에 대한 심오한 주제를 다루며, 19~20세의 젊은 작곡가에게는 엄청난 압박으로 다가왔다. 그래서 랭은 소문자로 제목을 쓰기 시작했고, 이는 마치 농담처럼 느껴져 “모든 압박이 사라졌다”고 한다. 아무도 자신의 작품 제목이 소문자라면 ‘전쟁과 평화’처럼 거창한 주제를 다룬다고 생각하지 않을 것이라는 기대였다. 이를 통해 그는 더 자유롭게 음악을 쓸 수 있었다.

랭은 ‘클래식 음악(classical music)‘이라는 표현을 좋아하지 않는다. 그는 그저 ‘음악(music)‘이라고 부르기를 선호한다. 그는 자신이 만드는 음악과 다른 장르의 음악이 본질적으로 같은 행위라고 생각하며, 상업적인 분류가 이들을 다른 곳으로 분리할 뿐이라고 지적한다. ‘현대 클래식 음악(contemporary classical music)‘이라는 표현도 ‘내일이면 역사가 될 것’이라는 의미를 내포하는 것 같아 선호하지 않는다. 그는 항상 새로운 시도를 통해 특정 방식에 갇히지 않으려 노력하며, 영화, TV, 공공 예술 프로젝트, 예술가들과의 협업 등 다양한 작업을 통해 “고도로 규제되고 구식인 사업 분야”에 갇혀 있다는 느낌을 받지 않으려 한다.

랭은 음악가로서 “음악을 만들고, 사람들이 음악을 듣게 하는” 양쪽 측면에 모두 주의를 기울여야 할 의무가 있다고 믿는다. 이러한 ‘대중화 본능(democratizing instinct)‘은 그의 경력 초기부터 시작되었다. 1980년대 후반, 그는 줄리아 울프(Julia Wolfe), 마이클 고든(Michael Gordon)과 함께 ‘방 온 어 캔(Bang on a Can)’ 음악 축제를 공동 설립했다. 뉴욕 타임스(New York Times)가 “현대 음악의 12시간 향연”이라고 묘사했던 이 축제는 실험적인 음악을 듣는 사람들의 저변을 확대하고 더 많은 사람을 포용하려는 목적을 가졌다. 또한, 작곡가들 간의 협력을 장려하고 이기심과 불신을 넘어선 ‘너그러운(generous)’ 세상을 만들고자 했다.

랭은 이러한 대중화 본능을 극단으로 밀어붙이기도 한다. 그는 런던 아스널(Arsenal) 축구 경기를 관람하다가 영감을 받아 ‘크라우드 아웃(crowd out)‘이라는 작품을 만들었다. 5~6만 명의 관중이 경 내내 함께 노래하고 소리를 지르며 음악을 통해 협력하는 모습에 랭은 깊은 인상을 받았다. 클래식 음악계가 소수의 전문가와 관객으로 계층화되어 있는 반면, 축구 경기장에서는 누구나 환영받고, 오디션도 없으며, 오직 “이 팀이 승리해야 한다”는 공통된 믿음만이 존재했다. 랭은 이를 ‘공연과 민주주의의 관계’로 연결시키며, 천 명의 지역 주민을 위한 작품을 만들기로 결정했다. 그는 인터넷 검색 엔진에 “군중 속에 있을 때 나는(When I am in a crowd)“이라는 문장을 자동 완성하여 나온 비속하지 않은 답변들을 가사로 사용했다. “깊은 숨을 쉰다”, “패닉에 빠진다”, “외로움을 느낀다”, “활력을 느낀다” 등 다양한 감정들이 담긴 가사는 군중 속에서 개인이 얻고 잃는 것을 보여준다. 랭은 이 작품이 지역 사회 구성원들이 함께 연습하며 서로에게 의지하는 과정을 통해 ‘민주주의를 건설하는 부분’이 되기를 바랐다.

랭은 ‘국부론’ 오라토리오에 애덤 스미스의 텍스트 외에도 여러 다른 텍스트를 사용한다. 랄프 왈도 에머슨(Ralph Waldo Emerson), 프레데릭 더글러스(Frederick Douglass), 이디스 워튼(Edith Wharton)의 소설, 유진 V. 데브스(Eugene V. Debs)의 법정 연설 등이 그것이다. 독서가 유일한 취미인 랭은 애덤 스미스가 상상한 세계를 이야기하면서 문학을 활용할 방법을 찾았다.

원래 그는 찰스 디킨스(Charles Dickens)의 ‘힘든 시절(Hard Times)’, 앤서니 트롤럽(Anthony Trollope), 샬럿 브론테(Charlotte Brontë)의 ‘제인 에어(Jane Eyre)’, 에밀 졸라(Émile Zola) 등의 유럽 문학을 애덤 스미스의 ‘카운터웨이트(counterweight)‘로 삼으려 했다. 그러나 미국 독립혁명 250주년이라는 시기를 맞아, 그는 이러한 문학적 목소리들을 미국 작가들의 목소리로 바꾸었다.

움직임 16, ‘진정한 정치가(The True Statesman)‘는 프레데릭 더글러스의 텍스트를 사용한다. 더글러스는 부의 불평등이 노예 제도의 필수적인 전제 조건이며, 사람들이 경제적으로 자유롭지 못하면 노예화될 수 있다는 내용의 아름다운 부에 대한 에세이를 썼다. 랭은 더글러스가 “국가의 부와 빈곤(the wealth and poverty of the nation)“이라는 문구를 직접 사용했다는 점에서 이 텍스트를 선택하는 데 매력을 느꼈다고 말한다.

움직임 17, ‘법정 진술(Statement to the Court)‘은 유진 데브스의 텍스트를 사용한다. 20세기 초 미국 사회당의 당수이자 대통령 후보였던 유진 데브스는 제1차 세계대전에 대한 양심적 병역 거부로 투옥되었다. 그는 유죄 판결을 받았을 때 좌파 진영에서 매우 유명한 연설을 했다. 랭은 이 텍스트가 “매우 강력하고 분노에 차 있지만 궁극적으로 미래에 대한 매우 낙관적인 진술”이라고 설명한다. 랭은 사회주의에 대한 구체적인 언급은 제거했지만, 이 연설의 감정과 상황 진단이 미래에 대한 낙관을 막지 않는다는 점을 높이 평가했다. 그는 이것이 노동의 도덕적 연결과 정의감 없이는 불평등을 해결할 수 없다는 애덤 스미스의 메시지와 잘 어울린다고 보았다. 랭은 이 언어의 힘을 살리기 위해 합창단이 거의 유니즌(unison)으로, 오케스트라 역시 가수들과 유니즌으로 연주하도록 작곡했다.

데브스는 “기독교 문명의 한낮인 오늘날에도 돈은 여전히 어린아이들의 살과 피보다 훨씬 더 중요하다. 진실로 오늘날 황금은 신이며, 인간사의 가혹한 지배자이다”라고 썼다. 랭은 이 메시지가 오늘날에도 여전히 유효하며, “우리는 더 잘할 수 있다”는 짧지만 강렬한 말을 남긴다.

움직임 13은 ‘충분함(Enough)‘이라는 제목으로, 유월절 세데르(Passover Seder)의 ‘다예누(Dayenu)‘라는 노래에서 영감을 받았다. 랭은 이 가사를 직접 썼다. “빵 한 조각이 필요할 때 빵 한 조각을 가질 수 있다면, 그것으로 충분할 것이다. 코트가 필요할 때 입을 코트를 가질 수 있다면, 그것으로 충분할 것이다. 머리 둘 곳이 필요할 때 머리 둘 곳을 가질 수 있다면, 그것으로 충분할 것이다.”

랭은 ‘국부론’을 비롯한 많은 경제학 텍스트에서 세상의 모든 사람이 시스템에 동등하고 마찰 없이 참여한다고 가정한다는 점에 주목한다. 애덤 스미스는 세상의 모든 사람이 이 시스템의 일부이며 규칙을 따라야 한다고 전제한다. 그가 생각할 수 있는 가장 가난한 사람의 예시로 ‘양털 코트를 입은 노동자’를 드는데, 랭은 “실제로 코트조차 없는 사람들도 있다”고 지적한다. 이러한 사람들은 애덤 스미스의 책에 등장하지 않는다. 그래서 랭은 ‘코트 없는 사람’을 찾기 위한 텍스트를 물색하다가, 결국 자신이 직접 가사를 쓰기로 결정했다. 이는 애덤 스미스의 시야에서 벗어난 계층의 목소리를 직접 담아내려는 작곡가의 섬세한 시도였다.

‘국부론’ 오라토리오의 첫 리허설을 5일 앞둔 시점에서 랭은 “지금은 내 인생에서 가장 충격적으로 공허한 시기”라고 말한다. 그는 자신이 자랑스러워할 만한 것을 만들었다는 생각과 함께, 나중에 5분 만에 고쳐야 할 거대한 오류를 저질렀을지도 모른다는 불안감 사이를 오가며 초조하게 기다리고 있었다.

첫 리허설은 오케스트라 없이 합창단과 피아노만으로 진행되었다. 링컨 센터(Lincoln Center)의 리허설 스튜디오에서 40명의 합창단원들은 작곡가인 랭이 어떤 사람인지, 자신들이 잘하고 있는지 알지 못한 채 긴장했을 것이다. 랭 역시 “흥분되고 긴장될 것”이라며, 머릿속에서 완벽했던 음악이 실제로 어떻게 들릴지 기대와 걱정을 동시에 내비쳤다. 그는 합창단이 웅장한 부분을 부를 때 “완전히 압도당하기를” 바랐다.

더브너는 리허설 중 마음에 들지 않는 부분이 발견될 경우, 공연까지 일주일밖에 남지 않아 수정할 시간이 부족한 상황에서 어떻게 대처할 것인지 물었다. 랭은 “모든 작품이 천 번 연주될 것이라고 스스로에게 말한다”는 독특한 압박 해소법을 공개했다. 이는 한 번의 공연에 대한 압박을 덜어주고, 필요하다면 나중에라도 작품을 수정하고 완벽하게 만들 수 있다는 여유를 준다. 그는 자신의 작품이 “돌에 새겨진 것처럼 고정되어 수정할 수 없는 것”이 아니

스리바스타 CEO는 지난 24개월간 AI 시장이 ‘광란’ 그 자체였다고 표현하며, “모두가 AI를 어디에나 적용할 수 있다는 사실을 깨닫고 있다”고 말했습니다. 폐쇄형(Closed Source) 모델부터 오픈소스(Open Source) 모델까지 다양한 선택지가 존재하며, 특히 오픈소스 모델은 기본적인 역량 면에서 일종의 ‘넘을 수 없는 벽(Chasm)‘을 넘어섰다고 평가했습니다.

강화학습(Reinforcement Learning) 기법과 전문화된 모델을 위한 후처리(Post-training) 기술이 주류로 부상하면서, 고객들은 점점 더 자신만의 추론 시스템을 소유하려 하고 있습니다. 이는 롱테일(Long-tail) 모델의 등장을 촉진하며, 애플리케이션 레이어가 더욱 커지고 복잡해지는 현상과 맞물려 Baseten과 같은 추론 클라우드 기업의 성장을 견인하고 있습니다.

AI 시대에 독립적인 애플리케이션 레이어가 계속 존재할 수 있을지에 대한 근본적인 질문에 대해 스리바스타 CEO는 긍정적인 답변을 내놓았습니다. 그는 “기업에 가치 있는 것은 그들만이 수집할 수 있는 사용자 시그널(User Signal)“이며, 이 시그널이 모델에 인코딩되는 정도에 따라 비즈니스의 리스크가 달라진다고 설명했습니다. 반면, 이 시그널이 워크플로우(Workflow)에 인코딩될 때 비로소 기업은 고유한 가치를 개발할 수 있습니다.

그는 의료 분야의 ‘Abridge’를 좋은 예시로 들었습니다. Abridge는 미국 대부분의 병원에서 의사들이 사용하는 앰비언트 스크라이브(Ambient Scribe) 솔루션입니다. 이 회사는 병원 및 임상의 워크플로우에 깊이 통합되어 있으며, 전자의무기록(EMR) 내에서 발생하는 모든 과정이 고유한 워크플로우를 형성합니다. 스리바스타 CEO는 “프론티어 모델 기업이 Abridge와 같은 기업의 영역을 침범하기 매우 어려운 이유는 그들이 사용자 시그널에 접근할 수 없기 때문”이라고 강조했습니다. 사용자 시그널에 접근할 수 있는 기업은 이를 기반으로 모델을 후처리하고, 장기적인 에이전트 모델을 구축하여 차별화된 가치를 창출할 수 있다는 설명입니다.

현재 Baseten 고객의 대다수는 Abridge, Decagon, Open Evidence 등 AI 기반의 새로운 애플리케이션을 구축하는 기업들입니다. 스리바스타 CEO는 이들이 엔터프라이즈(Enterprise) 고객에게 서비스를 제공함으로써, Baseten이 간접적으로 엔터프라이즈 시장의 요구사항(데이터 보존, 배포 위치, GPU 유형, 지연 시간, 모델 투명성 등)을 학습하고 있다고 밝혔습니다. 이는 미래의 엔터프라이즈 AI 도입이 아직 초기 단계에 머물러 있으며, 엄청난 잠재력이 남아있음을 시사합니다.

Baseten 고객들은 매우 미래 지향적이며, ‘최고의 모델’을 사용하려 합니다. 모델 선택의 최우선 기준은 ‘성능(Capability)‘이며, 그 다음이 ‘비용 최적화(Cost Optimization)‘입니다. GPTOSS, Moonshot, DeepSeek, Canopy/Oreus(텍스트-음성 변환 모델) 등 다양한 최첨단 모델들이 활용되고 있습니다.

특히 주목할 점은 Baseten에서 처리되는 토큰(Token)의 95% 이상이 ‘맞춤형 모델(Custom Model)‘이라는 사실입니다. 고객들은 단순히 오픈소스 모델을 그대로 사용하는 것이 아니라, 자신들의 데이터로 모델을 수정하거나, 성능 최적화를 위해 다양한 방식으로 컴파일(Compile)하여 사용합니다. 이는 AI 추론의 가치가 단순한 모델 제공을 넘어, 특정 사용 사례에 최적화된 맞춤형 솔루션에서 창출되고 있음을 보여줍니다.

DeepSeek과 같은 중국산 오픈소스 모델의 부상에 대한 보안 우려와 지정학적 논의에 대해 스리바스타 CEO는 흥미로운 관점을 제시했습니다. 그는 이들 모델의 성능이 “환상적이고 놀랍다”고 인정하면서도, 네트워크 경계를 설정한다면 악성 코드가 삽입될 가능성은 낮다고 보았습니다. 실제로 특정 어젠다나 편향이 내재된 실제 증거는 찾기 어렵다고 덧붙였습니다.

하지만 그는 미국이 자체적인 오픈소스 모델을 개발하는 것이 “필수적이며 불가피하다”고 강조했습니다. 만약 중국의 여러 연구소들이 오픈소스 모델을 활발히 개발하는 동안 미국이 뒤처진다면, 이는 혁신 속도에 큰 손실이 될 것이라는 우려입니다.

또한, 그는 중국 정부가 이들 모델 개발에 간접적으로 보조금을 지급하는 효과가 있으며, 이 보조금이 결과적으로 미국 기업들이 이 모델들을 채택함으로써 미국 엔터프라이즈에 이점을 제공하는 역설적인 상황을 지적했습니다. 저렴한 비용으로 고성능 모델에 접근할 수 없다면, 혁신 속도 저하와 같은 막대한 손실이 발생할 것이라는 분석입니다.

Baseten은 몇 달 전 PAS라는 연구팀을 인수했습니다. 이는 인프라 및 제품 중심의 Baseten이 연구 역량을 강화하고, 고객에게 더 가까이 다가가기 위한 전략적 움직임이었습니다. PAS는 원래 Baseten 고객으로서 모델을 후처리하고 Baseten에서 실행하던 회사였으며, 결국 추론 전문 기업이 되어야 함을 깨달았고, Baseten은 그 전문 지식이 필요했습니다.

스리바스타 CEO는 추론과 후처리가 “동일한 문제의 양면”과 같다고 설명합니다. 양자화(Quantization)와 같은 기술을 언제 어떻게 적용해야 하는지, 모델 훈련 방식이 추론을 위한 양자화에 어떤 영향을 미치는지 등 두 영역은 매우 밀접하게 연결되어 있습니다. 추론 과정에서 생성된 데이터를 기반으로 평가(Eval)를 수행하고, 이를 다시 후처리에 활용하는 “루프(Loop)“를 구축하는 것이 중요하다고 강조했습니다.

AI 컴퓨팅 용량 부족은 시장의 큰 화두이지만, 스리바스타 CEO는 “사람들이 현실의 심각성을 제대로 깨닫지 못하고 있다”고 경고했습니다. Baseten은 자체적으로 대규모 클러스터를 운영하며, 불편할 정도로 높은 90% 중반대의 활용률을 기록하고 있습니다. 전 세계 18개 클라우드에 걸쳐 90개의 클러스터를 운영하며, 새로운 공급업체가 등장하면 불과 반나절 만에 Baseten 추론 스택을 통합할 수 있는 기술력을 통해 용량 확보에 총력을 기울이고 있습니다.

하지만 단순히 용량 부족을 넘어 ‘공급자 부족’ 문제도 심각합니다. 데이터센터 운영 경험이 부족하고 SLA(서비스 수준 협약)를 이해하지 못하는 ‘그리피(Grifty)’ 공급자들이 많아, 실제로 신뢰할 수 있는 ‘골드 티어’ 클라우드는 소수에 불과하다는 지적입니다.

또한, 컴퓨팅 용량 확보를 위한 계약 조건도 크게 변화했습니다. 지난 6개월간 장기 계약(35년)과 2030%의 선불(Prepaid) 조건이 일반화되면서, 충분한 수요와 더불어 ‘낮은 자본 비용(Low Cost of Capital)‘이 용량 확보의 핵심 요소로 부상했습니다. 이는 기업의 자금 조달 전략, 나아가 상장(IPO) 시기에도 영향을 미칠 수 있다고 스리바스타 CEO는 언급했습니다.

AI 추론 시장에서 지배적인 플레이어가 되기 위한 요소는 무엇일까요? 스리바스타 CEO는 “GPUaaS(GPUs as a Service)는 상품(Commodity)이지만, 소프트웨어 레이어가 포함된 추론 서비스는 엄청나게 점착성(Sticky)이 강하다”고 강조했습니다. 실제로 Baseten의 상위 30개 고객 중 이탈한 고객은 단 한 명도 없으며, 연간 순매출 유지율(NDR)은 400%에 달합니다.

그는 “제한된 컴퓨팅 세상에서 가장 중요한 것은 컴퓨팅 자체를 소유하는 것”이라며, 컴퓨팅 자산에 대한 접근성이 곧 전략적 이점이라고 역설했습니다. 이는 마치 “우유 없이는 좋은 핫초코를 만들 수 없는 것”과 같다는 비유를 들었습니다 (농담 삼아 ‘비건 추론’은 아무도 원치 않는다고 덧붙였습니다).

H100, B200, GB200 등 엔비디아(Nvidia) 칩의 압도적인 존재감 속에서, 과연 멀티칩(Multi-chip) 세상이 도래할지에 대한 질문에 스리바스타 CEO는 “다변화는 항상 좋은 것”이라며 추론 전용 칩의 등장을 예상했습니다. 하지만 단기적으로 엔비디아의 아성을 흔들기는 어려울 것이라고 전망했습니다. 엔비디아의 CUDA 생태계, 개발자 지원, 그리고 탁월한 공급망 관리 능력은 타의 추종을 불허하며, “지금 이 순간 인프라 기업에게 가장 중요한 것은 얼마나 빠르게 움직일 수 있는가인데, 엔비디아와 함께할 때 가장 빠르게 움직일 수 있다”고 말했습니다.

다른 칩 공급업체들이 공급량의 상당 부분을 특정 구매자와 독점 계약하는 경향이 있어, 광범위한 생태계 형성을 저해하고 있다는 점도 엔비디아의 지배력을 강화하는 요인으로 꼽았습니다.

Baseten은 시장 변화에 맞춰 다양한 워크로드에 투자하고 있습니다. 런타임(Runtime) 측면에서는 디퓨전 트랜스포머(Diffusion Transformers), 코딩 에이전트(Coding Agents)를 위한 샌드박스(Sandbox) 구축, 추론 속도 향상을 위한 다양한 추측 기법(Speculation Techniques), 그리고 KV 캐시(Key-Value Cache) 라우팅 최적화 및 프리필(Prefill)과 디코드(Decode)를 별개의 문제로 취급하는 방식 등을 연구하고 있습니다.

또한, 추론과 후처리 간의 “루프”를 강화하는 데 집중하고 있습니다. 이는 지속적인 학습(Continual Learning)을 위한 최고의 훈련 API를 구축하고, 평가(Eval) 전문 기업들과 협력하여 전체 생태계를 강화하는 것을 의미합니다. 샌드박스나 비동기 배치 추론(Async Batch Inference)과 같은 프리미티브(Primitive)는 활용률을 높이고 고객과 Baseten 모두에게 마진을 창출하는 핵심 요소가 될 것이라고 설명했습니다.

수십 배의 성장을 경험하면서 Baseten은 예상치 못한 문제들에 직면했습니다. 스리바스타 CEO는 “아마존 웹 서비스(AWS)나 구글 클라우드 플랫폼(GCP) 같은 하이퍼스케일러(Hyperscaler)들이 무한한 스케일을 지원한다고 생각하지만, 실제로는 근본적인 한계에 부딪히게 된다”고 말했습니다.

가장 큰 문제는 ‘엣지 케이스(Edge Case)‘들이 현실이 된다는 점입니다. 로그를 너무 많이 생성하는 워커(Worker)로 인한 커널 패닉(Kernel Panic)과 같은 시스템 및 커널 레벨 문제가 발생하며, LLM(대규모 언어 모델) 런타임 자체도 KV 캐시와 같은 현재 프리미티브의 한계가 명확해질 정도로 아직 미성숙한 상태임을 발견했습니다.

스리바스타 CEO를 잠 못 들게 하는 가장 큰 걱정은 단연 ‘컴퓨팅 용량’입니다. 그는 “향후 5~10년 안에 LLM에서 얻고자 하는 가치의 양을 고려할 때, 현재 컴퓨팅 용량으로는 절대 충분하지 않다”고 단언했습니다. 이는 새로운 기술을 발명해야 할 필요성을 의미하기도 합니다.

또한, 시장의 엄청난 규모와 속도에 대한 압박도 큰 고민입니다. “더 크게, 더 빠르게”라는 기조 아래, Baseten은 전례 없는 속도와 규모로 성장하며 미지의 영역을 개척하고 있습니다.

지난 12~18개월 전까지 매우 수평적인(Flat) 조직이었던 Baseten은 급격한 성장을 겪으며 ‘리더십 팀’의 중요성을 깨달았습니다. 스리바스타 CEO는 “엔지니어로서 모든 것이 오버헤드(Overhead)라고 생각했지만, 신뢰할 수 있는 리더십 팀을 갖는 것이 매우 중요하다”고 고백했습니다.

그의 리더십 철학은 ‘전체 문제(Whole Problems)를 위임할 수 있는 사람’을 찾는 것입니다. 창업자가 모든 일에 관여해야 한다고 느낀다면, 그것은 적합한 인재를 찾지 못했기 때문일 수 있다는 자기반성입니다. Baseten은 ‘가장 똑똑하고 열심히 일하는 사람’이라는 모호한 기준 대신, ‘원칙적 사고(First-principles Thinking)‘를 하며 ‘친절하고 협력적인 환경을 중시하며, 낮은 자아(Low Ego)를 가진 사람’이라는 명확한 인재상을 제시했습니다. 이러한 명확한 기준은 적합한 인재를 식별하고, 불필요한 이직률을 낮추는 데 큰 도움이 되었다고 밝혔습니다.

AI 추론과 같은 미션 크리티컬(Mission Critical) 서비스를 제공하는 인프라 기업에게는 독특한 ‘운영 문화’가 필수적입니다. 스리바스타 CEO는 AWS 임원들과의 회의 중에도 여러 번 페이저(Pager) 알림이 울리던 일화를 소개하며, “페이저가 울리면 P0(최고 등급의 긴급 상황)이냐고 묻는 7살짜리 아이의 모습이 우리 문화의 단면”이라고 말했습니다. 추론 서비스는 ‘절대 다운되지 않아야 한다’는 원칙 아래, 페이저 알림과 긴급 상황에 대한 빠른 대응은 일상이며, 이러한 문화는 조직의 속도를 결정하고, 이 문화에 맞지 않는 사람들을 빠르게 걸러내는 역할을 합니다.

‘제본스 역설’은 어떤 자원의 효율성이 증가하면 그 자원의 소비량이 오히려 늘어나는 현상을 말합니다. 스리바스타 CEO는 AI 추론 시장에서 이 역설이 그대로 나타나고 있다고 진단했습니다.

개발자 관점에서 보면, 지능(Intelligence)을 더 저렴하게 만들면 더 많은 지능을 제품에 삽입하려 합니다. 추론 비용이 낮아지면 에이전트(Agent)의 실행 시간을 늘리거나 더 많은 작업을 수행하게 하여 최종 결과물의 가치를 높이려 합니다. 소비자 관점에서는 단순히 ‘더 나은 답변’과 ‘더 나은 경험’을 원하며, 이는 더 많은 지능을 통해 충족됩니다. 결과적으로 추론 비용이 내려갈수록 더 많은 추론이 발생하여 수요가 계속 증가하는 선순환이 일어납니다.

스리바스타 CEO는 “AI 추론은 진정으로 ‘마지막 시장(Last Market)‘이라고 생각한다”며, 설령 인공 일반 지능(AGI)이 도래하더라도 결국 남는 것은 추론뿐이라고 강조하며 AI 추론 시장의 무한한 잠재력을 다시 한번 역설했습니다.

데이비드 레하트(David Leheart) 뉴욕타임스 오피니언 편집위원은 기후 변화가 홍수의 빈도를 증가시키고 있음에도 불구하고, 당시 트럼프 행정부가 지역 사회의 홍수 대처를 돕는 정부 프로그램을 축소하고 있다고 지적합니다. 이러한 정책 변화는 특히 인구 550명의 작은 마을 아이오와주 리버데일(Riverdale)에 직접적인 영향을 미쳤습니다.

리버데일은 미시시피강(Mississippi River)과 덕 크릭(Duck Creek)의 합류 지점에 위치해 있어 홍수 위험이 매우 높은 지역입니다. 미시시피강은 수위 변화를 예측할 시간이 충분하지만, 덕 크릭은 훨씬 ‘변덕스러운(flashier)’ 하천으로, 몇 시간 내에 급격한 수위 상승이 발생할 수 있습니다.

리버데일의 파트타임 시장이자 육군 공병대(Army Corps of Engineers) 토목 기사인 앤서니 헤들스턴(Anthony Hedleston)은 홍수 예측의 중요성을 누구보다 잘 알고 있었습니다. 그는 자택에 개인 기상 관측소를 설치할 정도로 ‘날씨 덕후’이기도 합니다. 과거에는 연방 정부가 덕 크릭에 수위 측정기(gauge)를 운영하며 실시간 수위 정보를 온라인으로 제공했고, 지역 공무원들은 이 정보를 바탕으로 대피 결정을 내렸습니다.

그러나 지난해 5월, 앤서니 시장은 온라인에서 덕 크릭 수위 정보를 확인하려다 충격적인 메시지를 접했습니다. “이 측정기는 운영이 중단되었습니다. 문의사항은 게리 존슨(Gary Johnson)에게 이메일을 보내주십시오.” 시장은 직장 동료였던 게리에게 즉시 연락했지만, 돌아온 답은 “게리 존슨입니다. 저는 유예 퇴직 프로그램(deferred resignation program)을 신청하여 현재 도움을 드릴 수 없습니다”였습니다. 유예 퇴직 프로그램은 트럼프 행정부가 수만 명의 연방 공무원에게 제공한 것으로, 새로운 직장을 찾는 동안 몇 달간 급여를 받으며 퇴직할 수 있도록 한 제도였습니다.

결국 연방 정부는 수위 측정기 자체를 철거했으며, 이를 교체하는 데 드는 비용은 10만 달러 이상으로 추정되었습니다. 인구 550명의 리버데일이 감당하기에는 엄청난 액수였습니다. 홍수 시즌을 앞두고 필수적인 정보를 얻을 수 없게 된 시장은 절망에 빠졌습니다.

대부분의 주에서라면 시장은 “오도 가도 못하는(up Duck Creek without a paddle)” 진퇴양난의 상황에 처했을 것입니다. 하지만 앤서니 시장에게는 한 가지 행운이 있었습니다. 아이오와주는 다른 주들과 달랐습니다.

아이오와 홍수 센터(Iowa Flood Center)의 엔지니어들은 놀라운 도구를 개발했습니다. 래리 웨버(Larry Weber) 소장은 이 측정기를 “큰 신발 상자 크기”에 “레드불 캔 모양의 작은 실린더와 안테나 역할을 하는 두 개의 작은 탐침이 달려 있는” 매우 간단한 장치라고 설명했습니다. 이 장치는 연방 정부의 대형 수위 측정기에 비해 훨씬 작고, 가격 또한 저렴합니다. 홍수 센터로부터 약 7,500달러(한화 약 1천만 원)에 구매할 수 있으며, 지역 공무원들이 직접 다리 옆에 설치하여 수위를 측정하고 온라인으로 정보를 게시할 수 있습니다.

더 중요한 것은 이 측정기가 단순한 수위 측정뿐만 아니라 예측 모델(predictive model)과 연동되어 있다는 점입니다. 이를 통해 지역 공무원들은 특정 강우량이 하천 수위에 어떤 영향을 미 미칠지 미리 예측할 수 있게 됩니다. 연방 시스템의 데이터가 국가 기상 예측 시스템의 일부인 반면, 아이오와 측정기는 독립적으로 작동하지만 훨씬 저렴한 비용으로 연방 측정기와 거의 동일한 기능을 수행합니다.

앤서니 시장은 연방 측정기가 사라진 것을 확인한 후, 즉시 아이오와 홍수 센터에서 이 소형 측정기를 구입했습니다. 그는 덕 크릭 다리에 직접 설치했고, 이 새로운 장치는 그해 여름 폭우가 쏟아지던 밤, 그의 든든한 조력자가 되어주었습니다.

지난여름 어느 폭풍우 치던 밤, 앤서니 시장은 집에 돌아와 브랜디 올드패션드(brandy old-fashioned) 한 잔을 만들며 여유로운 저녁을 보낼 계획이었습니다. 하지만 그의 개인 기상 관측소에서 높은 강우량 경보가 울리고, 일기 예보에서는 “홍수 가능성 높음”이 연이어 흘러나왔습니다. 중앙 텍사스에서 치명적인 돌발 홍수가 발생한 지 불과 일주일 뒤였습니다.

새로 설치한 아이오와 측정기는 예측 모델을 통해 덕 크릭 수위가 한밤중 8피트(약 2.4미터) 상승할 가능성이 높다고 경고했습니다. 시장은 곧장 덕 크릭으로 향해 직접 제방의 높이를 측정했습니다. 제방의 계단 하나당 8인치(약 20cm)임을 감안하여 계산해보니, 총 8피트였습니다. 이는 하천이 제방 높이까지 차올라 인근 가옥들을 위협할 수 있다는 의미였습니다.

특히 산소 호흡기를 사용하는 거동이 불편한 노인 주민이 떠올랐습니다. 한밤중에 대피해야 한다면 추가적인 시간과 보살핌이 필요할 터였습니다. “이 예측이 얼마나 정확할까? 사람들을 대피시켜야 할까?” 시장의 머릿속은 복잡했습니다. 재앙적인 홍수 가능성 앞에서 새로운 측정기를 처음 사용하는 상황이었기에, 그는 예측의 정확성에 대한 확신이 필요했습니다.

그는 즉시 홍수 센터에 전화했지만, 금요일 밤이라 아무도 전화를 받지 않았습니다. 시장은 당시의 심경을 “너무나 무거운 책임감이었다. 사람들이 떠나버려서 연락할 수 없다는 사실에 몇 번이고 격분했다”고 회상했습니다. 그는 그날 밤 “내 평생 임금을 다 벌었다고 느낄 만큼 엄청난 중압감”을 느꼈다고 덧붙였습니다.

밤 10시 30분, 시장은 카운티 비상 작전 센터로 향했고, 적십자와 연락하여 주민 대피 시 대피소를 마련해달라고 요청했습니다. 비상 경보 시스템에 보낼 메시지도 미리 작성했습니다. 측정기는 수위가 제방 높이까지 정확히 상승할 것이라고 예측했지만, 오차 범위가 있을 수 있었습니다. 혹시라도 측정기가 수위를 과소평가하여 인근 마을 전체가 침수될 가능성은 없을까?

링크드인(LinkedIn)의 도움으로 앤서니 시장은 홍수 센터의 엔지니어 펠리페(Felipe)를 어렵게 찾아냈습니다. 펠리페는 즉시 다른 모델을 가동하여 덕 크릭의 정확한 수위 상승을 예측해주기로 했습니다. 시장은 초조하게 기다리며 다시 덕 크릭으로 돌아갔습니다. 비는 여전히 쏟아지고 있었고, 덕 크릭은 “맹렬한 불길처럼(a raging inferno)” 무섭게 흐르고 있었습니다. 만약 물이 제방을 넘어선다면, 단순히 지하층이 침수되는 것을 넘어 주택의 기반을 흔들고 인명 피해까지 발생할 수 있는 위급한 상황이었습니다.

밤 11시 30분경, 마침내 펠리페에게 전화가 걸려왔습니다. “수위는 4피트(약 1.2미터)만 상승할 겁니다. 모델이 약간 과대 예측했네요.” 제방 높이보다 훨씬 낮은 수위였습니다. 시장은 “숨을 쉴 수 있었다. 오늘 밤은 잠들 수 있겠다”며 안도의 한숨을 내쉬었습니다. 시장은 새벽 1시경 집에 돌아와, 그제야 식어버린 브랜디 올드패션드를 마시며 길고 긴 밤을 마무리했습니다.

앤서니 시장이 그날 밤 겪었던 일을 계기로, 아이오와 홍수 센터는 웹사이트에 책임자들의 휴대폰 번호를 추가하여 아이오와 주민들이 언제든 연락할 수 있도록 조치했습니다. 만약 시장이 홍수 센터에 연락할 수 없었다면, 그는 아무런 이유 없이 한밤중에 주민들을 대피시켜야 했을지도 모릅니다.

이는 겉으로는 큰일이 아닌 것처럼 보일 수 있지만, 그 영향은 심각합니다. 공황 상태의 전화, 잠에서 깨어난 아이들, 무엇을 챙겨야 할지 결정하는 스트레스, 그리고 나중에 아무런 이유 없이 대피했다는 사실을 알게 되었을 때 느끼는 허탈감과 지역 정부에 대한 신뢰 상실은 엄청날 것입니다. 지역 공무원들은 생명을 구하는 것뿐만 아니라, 주민들과의 관계를 유지하기 위해서라도 대피 결정을 정확하게 내리고 싶어 합니다.

아이오와 전역의 수십 명의 지역 공무원들은 아이오와 홍수 센터와 그들이 제공하는 정보에 대해 극찬했습니다. 수위 측정기는 그들이 일상적으로 사용하는 온라인 매핑 시스템(online mapping system)과 연결되어 있습니다. 아이오와 주 부캐넌 카운티(Buchanan County)의 비상 대책관 릭 울프컬(Rick Wolfkull)은 한 개발업체가 홍수 위험 지역에 30가구 주택 단지를 건설하려 했을 때, 매핑 시스템을 활용하여 “이 지역은 개구리가 방귀를 뀌어도 잠기는 곳”이라고 설득하며 계획을 저지했다고 말했습니다.

이 매핑 시스템은 공무원들이 건축 위치를 결정하고, 극한 기후에 대비하며, 고립된 주민들을 구조하기 위해 생명을 걸어야 할지 판단하는 데 중요한 정보를 제공합니다. 예를 들어, 2024년 대홍수 당시 한 지역 공무원이 래리 웨버 소장에게 침수된 거리로 보트를 투입하여 300명을 구조해도 되는지 문의했습니다. 웨버 소장은 “우리 모델을 돌려 모든 도로의 유속을 파악한 뒤, 어느 길로 가야 안전하게 구조할 수 있는지 알려주었다”고 설명했습니다.

래리 웨버 소장은 아이오와주가 이룩한 성과를 다른 주들도 본받기를 희망합니다. 그는 평균적인 주가 이와 같은 시스템을 구축하는 데 약 200만 달러의 초기 비용과 연간 50만 달러의 유지 비용이 들 것이라고 추산합니다. 이는 대부분의 주가 매년 홍수 대처에 지출하는 수백억 달러에 비하면 극히 적은 금액입니다. 하지만 현재까지 아이오와는 이러한 시스템을 갖춘 유일한 주입니다.

다른 지역의 도시 공무원들은 여전히 연방 정부의 국립 기상청(National Weather Service) 데이터와 연방재난관리청(FEMA) 지도에 의존해야 합니다. FEMA 지도는 악명이 높을 정도로 한계가 많습니다. 인터페이스는 “인터넷 1.0 시대에 머무른 듯 투박”하며, 심지어 워싱턴 D.C.의 지도 일부는 2010년 이후 업데이트되지 않았을 정도로 시대에 뒤떨어져 있습니다.

더 큰 문제는 기술적인 디자인 문제가 아닙니다. 1960년대 의회는 연방 정부에 주요 강과 해안에 대한 홍수 지도를 만들도록 명령했지만, 덕 크릭과 같은 작은 지류나 개천에 대해서는 아무런 언급이 없었습니다. 또한 FEMA 지도는 허리케인을 고려하여 설계되었기 때문에, 기후 변화로 인해 훨씬 더 큰 문제가 될 돌발 홍수를 유발하는 집중 호우는 예측하지 못합니다.

연방 정부의 지원이 축소되는 상황에서, 아이오와주가 이러한 시스템에 투자하게 된 계기는 2008년 전례 없는 대홍수였습니다. 한 전문가는 대부분의 지역 사회가 아이오와처럼 다음 재앙적인 홍수가 닥치기 전까지는 행동하지 않을 것이라고 말했습니다. 하지만 그는 말을 멈추고 덧붙였습니다. “트럼프 대통령이 지금 하고 있는 일 자체가 일종의 재앙입니다. 그래서 이것이 지역 사회가 기후 변화에 대비하도록 움직이는 동기가 될 수도 있습니다.”

연방 공무원들이 사라지고, 연방 자금이 증발하며, 폭풍우가 더욱 거세지고 맹렬한 홍수가 강둑을 넘쳐흐르는 시대에, 아이오와주는 하나의 계획, 즉 다른 주들이 따라야 할 청사진을 가지고 있습니다. 이제는 다른 주들이 이 청사진을 활용할 때입니다. 아이오와의 작은 마을에서 시작된 혁신은 국가적 위기에 대한 실질적인 해답을 제시하며, 미래 세대를 위한 현명한 투자의 중요성을 일깨워주고 있습니다.

이번 주 OpenAI는 중대한 전략적 전환기를 맞이했습니다. 마이크로소프트와의 파트너십 재조정, 아마존과의 협력 확대, ‘스타게이트’ 컴퓨팅 전략의 변화, 그리고 새로운 광고 지원 구독 모델 도입 등 전방위적인 변화가 감지됩니다. 이 모든 변화는 일론 머스크와의 대규모 재판이 시작된 시점과 맞물려 OpenAI의 미래에 대한 다양한 해석을 낳고 있습니다.

수년간 OpenAI의 최대 투자자이자 핵심 파트너였던 마이크로소프트와의 관계는 약 1,350억 달러에 달하는 지분 가치에도 불구하고 여러 요인으로 인해 긴장 상태에 있었습니다. 그러나 이번 주, 양사는 파트너십 계약을 재작성하며 ‘의식적인 결별(consciously uncoupling)‘을 택했습니다. 이는 OpenAI가 마이크로소프트 외의 다른 기업들과도 자유롭게 협력할 수 있도록 허용하는 변화입니다.

케이시 눈은 이전까지 OpenAI가 자사의 모델을 마이크로소프트의 인프라에서만 제공해야 했다는 점을 지적하며, 현재 주요 클라우드 서비스 제공업체들의 인프라가 수요를 감당하지 못하고 있다고 설명했습니다. OpenAI의 매출 성장을 위해서는 서비스 제공 방식을 다각화할 필요가 있었고, 이번 파트너십 재조정이 그 해결책이 된 것입니다.

새로운 계약의 핵심 변화는 다음과 같습니다.

1. 수익 공유 변경: 마이크로소프트는 더 이상 OpenAI와 수익을 공유하지 않아도 됩니다. 대신, OpenAI는 2030년까지 마이크로소프트와 수익을 공유하게 됩니다.
2. AGI 조항 삭제: 기존 계약에는 OpenAI가 범용인공지능(AGI)을 달성하면 마이크로소프트의 특정 수익 공유가 중단된다는 조항이 있었습니다. 이 조항은 AI 업계에서 가장 유머러스한 조항 중 하나로 여겨졌으나, 이제는 사라졌습니다. AGI의 정의가 여전히 모호하다는 점을 고려할 때, OpenAI가 사업 운영에 있어 더 큰 유연성을 확보하려는 움직임으로 해석될 수 있습니다.

양측 모두에게 이로운 변화로 평가되지만, 특히 OpenAI에게는 다른 클라우드 제공업체(아마존, 구글 클라우드 플랫폼 등)와 협력할 수 있는 길이 열렸다는 점에서 더 큰 이득이라는 분석입니다. 이는 기존에 마이크로소프트의 애저(Azure) 클라우드만을 사용해야 했던 대기업 고객들이 이제 OpenAI 모델을 더 쉽게 활용할 수 있게 됨을 의미합니다.

마이크로소프트와의 ‘오픈 결혼(open marriage)’ 발표 직후, OpenAI는 즉시 아마존과 손을 잡았습니다. 지난 2월 발표했던 계약을 확대하여 OpenAI 모델을 아마존 웹 서비스(AWS)의 베드록(Bedrock) AI 플랫폼을 통해 판매하고, 코딩 모델인 코덱스(Codeex)도 베드록에서 사용할 수 있도록 했습니다. 또한, OpenAI와 아마존은 아마존의 소비자 대상 애플리케이션을 위한 맞춤형 모델을 개발하고, 아마존은 OpenAI에 500억 달러를 투자할 예정입니다.

이 계약의 흥미로운 점은 아마존이 수년간 앤트로픽(Anthropic)을 주요 모델 개발 파트너로 삼아왔다는 것입니다. OpenAI는 이번 아마존과의 협력을 통해 앤트로픽의 입지를 위협하며 아마존 시장에 적극적으로 비집고 들어가려는 의도를 보이고 있습니다. 케이시 눈은 AWS CEO가 “OpenAI는 이제 우리 것”이라고 언급하는 등 아마존이 이번 거래에 대해 큰 기대를 걸고 있음을 전했습니다.

이러한 움직임은 AI 수요를 충족시킬 자원이 부족하다는 업계의 현실을 반영합니다. 케이시 눈은 “가장 큰 기업들조차도 AI 수요를 감당할 자원이 없다”는 점이 현재 AI 시장의 ‘버블’을 이해하는 중요한 지점이라고 강조했습니다. 과거에는 AI 기업들이 막대한 인프라 비용을 감당할 수요를 창출하지 못할 것이라는 회의론이 지배적이었으나, 이제는 “수요가 너무 많아서 이를 뒷받침할 인프라를 충분히 구축할 수 있을까”로 의문이 바뀌었다는 것입니다.

수요 급증과 맞물려 OpenAI의 컴퓨팅 인프라 구축 계획에도 변화가 생겼습니다. 파이낸셜 타임즈(Financial Times)는 OpenAI와 마이크로소프트의 5,000억 달러 규모 공동 인프라 프로젝트인 ‘스타게이트(Stargate)‘가 최근 방향을 수정하고 있다고 보도했습니다. OpenAI는 영국과 노르웨이의 데이터센터 건설 계획을 중단하고, 텍사스 애벌린(Abilene)에 있는 주력 시설 확장을 포기했으며, 스타게이트와 관련된 여러 고위 인사가 경쟁사인 메타(Meta)로 이직했습니다. 또한, OpenAI는 자체 시설을 구축하는 대신 제3자로부터 컴퓨팅 용량을 임대하는 방향으로 전환하고 있습니다.

이는 ‘스타게이트’ 프로젝트가 당초 “1조 달러를 들여 4경 개의 데이터센터를 짓겠다”는 식의 다소 비현실적인 포부에서 현실적인 조정을 거치고 있음을 보여줍니다. 케이시 눈은 이러한 변화가 OpenAI가 컴퓨팅 야망에서 후퇴한다는 신호라기보다는, 기업공개(IPO)를 고려하며 재무 상태를 건실하게 만들려는 노력의 일환으로 해석했습니다. 즉, 데이터센터 구축과 같은 막대한 자산 투자를 대차대조표(balance sheet)에서 제3자에게 넘기는 방식이라는 것입니다.

하지만 월스트리트 저널(Wall Street Journal)의 보도에 따르면, OpenAI는 일부 내부 사용자 및 매출 목표를 달성하지 못했으며, 이로 인해 샘 알트만(Sam Altman) CEO와 사라 프라이어(Sarah Frier) CFO 사이에 긴장이 고조되고 있다고 합니다. 이는 스타게이트 프로젝트의 야심찬 계획이 조정된 배경을 설명하는 요인이 될 수 있습니다. 케빈 루스는 현재 모든 주요 AI 기업 내부에 ‘무한 낙관론자’와 ‘숫자 분석가’ 사이의 갈등이 존재하며, OpenAI의 사례는 이러한 권력 투쟁이 수면 위로 드러난 것이라고 분석했습니다.

OpenAI는 또한 구독 모델에도 변화를 예고했습니다. 연초 OpenAI는 월 8달러짜리 ‘챗GPT 고(Chat GPT Go)’ 구독이 올해 36배 성장하여 1억 1,200만 명에 이를 것으로 예측했습니다. 반면, 월 20달러 이상의 ‘챗GPT 플러스(Chat GPT Plus)’ 구독은 80% 감소하여 약 900만 명으로 줄어들 것으로 예상했습니다. 이는 넷플릭스(Netflix)의 광고 지원 요금제와 유사하게, 더 저렴한 가격에 광고를 포함하는 모델로의 전환을 시사합니다.

케빈 루스는 시장이 ‘캐주얼 사용자’와 ‘전문가 사용자’라는 두 가지 축으로 분할되고 있다고 분석했습니다. 이메일 작성이나 간단한 검색 등 하루 몇 번만 AI 챗봇을 사용하는 캐주얼 사용자들은 월 20달러를 지불할 의사가 없으며, 월 8달러나 무료 광고 지원 요금제를 선호할 것입니다. 반면, AI가 업무의 핵심이 되는 전문가 사용자들은 최신 모델 접근성, 더 높은 사용량 제한 등을 위해 20달러 이상의 훨씬 더 많은 금액을 기꺼이 지불할 것입니다. 모든 AI 기업들이 이러한 시장 분할에 맞춰 가격 책정과 서비스 제공 방식을 실험하고 있는 것입니다.

재미있는 일화로, 케빈 루스는 챗GPT 코덱스(Codeex) 앱이 ‘고블린’에 대한 이야기를 하지 못하도록 안전 장치를 추가해야 했다는 점을 언급하며, 이는 AI 안전 논의에 대한 풍자처럼 느껴진다고 말했습니다. “고블린이 코딩 앱을 장악하는 것을 막기 위해 안전 가드레일을 추가해야 했다니, 정말 이상한 세상이다”라는 그의 언급은 AI 기술의 기묘한 이면을 보여줍니다.

OpenAI의 전략적 변화와는 별개로, 일론 머스크가 제기한 소송은 여전히 큰 변수로 남아있습니다. 이번 주 오클랜드 연방 법원에서 마침내 재판이 시작되었습니다.

일론 머스크는 OpenAI의 공동 창립자 중 한 명으로, 초기 자금을 지원했으나 샘 알트만, 그렉 브록만(Greg Brockman) 등과의 권력 다툼 끝에 회사를 떠났습니다. 몇 년 후, 그 자신의 AI 회사를 설립한 후 머스크는 OpenAI를 고소하며 “사기를 당했다”고 주장했습니다. 그의 주장은 OpenAI가 “원래 비영리 단체로 설립되었으나, 영리 부문을 통해 세계에서 가장 가치 있는 회사 중 하나로 변모했다”는 것입니다.

머스크는 2024년 소송을 제기하며 26가지 주장을 펼쳤으나, 재판까지 살아남은 것은 ‘부당이득(unjust enrichment)‘과 ‘자선 신탁 위반(breach of charitable trust)’ 두 가지뿐입니다. 머스크는 재판에서 “이 소송은 매우 간단하다. 자선 단체를 훔치는 것은 용납될 수 없다”며, OpenAI가 이러한 행위로 성공한다면 “미국의 모든 자선 단체를 약탈하는 것에 면허를 부여하는 것과 같다”고 주장했습니다. 즉, 비영리 단체로 시작하여 기부자들의 돈으로 성장한 회사가 영리 기업으로 변모하여 막대한 이익을 창출하는 것은 불법이라는 논리입니다.

그러나 OpenAI 측은 머스크가 불편한 진실에 직면해 있다고 반박합니다. OpenAI의 영리 사업은 여전히 비영리 재단에 의해 통제되고 있다는 것입니다. OpenAI의 변호인 윌리엄 새비트(William Savit)는 재판에서 “우리가 여기에 있는 이유는 머스크가 OpenAI에서 뜻을 이루지 못했기 때문”이라며, “내 의뢰인들은 그 없이도 성공할 배짱이 있었다. 머스크는 그것을 좋아하지 않았다”고 말했습니다. 또한, 머스크 자신도 2017~2018년에 OpenAI를 영리 기업으로 전환하거나 자신의 회사 테슬라(Tesla)에 편입시키려 했다는 이메일 증거를 제시하며, 그의 주장이 일관되지 않다고 지적했습니다.

만약 일론 머스크가 배심원들을 설득하여 OpenAI가 비영리 단체를 ‘약탈’했다고 판결이 난다면, 어떤 결과가 초래될까요? 케이시 눈은 법률 전문가들의 의견을 인용하며, 이 소송 자체가 재판까지 오게 된 것이 매우 이례적이라고 설명했습니다. 일반적으로 비영리 단체에 기부한 사람은 이후 단체의 운영에 대해 발언권이 없기 때문입니다.

머스크가 원하는 것은 현재 영리 부문이 통제하는 1,500억 달러 이상의 자산을 비영리 부문으로 되돌리는 것입니다. 이는 OpenAI가 ‘스타게이트’와 같은 대규모 프로젝트를 진행하는 데 심각한 차질을 초래할 수 있습니다. 케빈 루스는 이 소송이 OpenAI에게 큰 방해 요소임은 분명하지만, 동시에 언론인으로서 회사의 내부 작동 방식을 이해하는 데 매우 유용한 정보를 제공했다고 평가했습니다. 소송 과정에서 공개된 OpenAI 리더들 간의 초기 이메일과 커뮤니케이션은 AI 프로젝트들이 단순히 ‘기계 신(machine god)‘을 만들려는 비전뿐만 아니라, 개인적인 원한과 라이벌 의식에 의해 추진되기도 한다는 점을 명확히 보여주었습니다.

결론적으로, OpenAI가 이 소송에서 패소하여 사업 운영에 치명적인 타격을 입을 가능성은 낮지만, 상당한 골칫거리가 될 수 있습니다. 케이시 눈은 OpenAI가 수익성 달성 전에 수백억 달러를 소진할 계획이며, 야심찬 인프라 구축에 막대한 비용이 든다는 점에서 여전히 우려되는 부분이 있다고 인정했습니다. 그러나 이번 주 논의된 전략적 변화들이 장기적으로는 OpenAI가 기업공개(IPO)를 성공적으로 추진하고 소매 투자자들의 기대를 충족시킬 수 있는 방향으로 나아가고 있다고 긍정적으로 평가했습니다.

케빈 루스는 AI 산업에 “오직 한 명의 승자만 존재한다”는 제로섬(zero-sum) 사고방식이 만연하지만, 이는 사실이 아니라고 반박합니다. 그는 상위권 모델을 보유한 소수의 기업들은 AI 채택의 ‘밀물(rising tide)‘에 힘입어 함께 성장할 것이라고 낙관적인 견해를 밝혔습니다.

OpenAI를 둘러싼 드라마와는 별개로, AI는 의료 분야에서 놀라운 속도로 혁신을 일으키고 있습니다. ‘하드 포크’는 베스 이스라엘 디코니스 의료 센터(Beth Israel Deaconess Medical Center)의 내과 의사이자 하버드 의과대학 조교수인 아담 로드먼(Adam Rodman) 박사를 초청하여 AI와 의학의 최신 동향에 대해 이야기를 나눴습니다.

로드먼 박사는 AI가 의학 분야에서 “아마도 역사상 가장 빠르게 채택된 의료 기술”이라고 평가했습니다. 불과 1년 반 만에 AI는 대부분의 의사들의 일상적인 진료 활동의 일부가 되었습니다.

현재 의사들이 가장 많이 사용하는 AI 도구는 다음과 같습니다.

1. AI 속기사(AI scribes): 환자와의 대화를 음성-텍스트 변환 알고리즘이 듣고 진료 기록의 초안을 작성해줍니다. 2년도 채 되지 않아 실험적인 기술에서 보편적인 도구가 되었으며, 의사와 환자 모두에게 긍정적인 평가를 받고 있습니다. 의사들은 기록 작성 시간을 줄여 환자와 더 많은 시간을 보낼 수 있기 때문입니다.
2. 의사 결정 지원 소프트웨어(Decision support software): 대표적인 예로 ‘오픈 에비던스(Open Evidence)‘가 있습니다. 이 무료 도구는 불과 몇 년 만에 40% 이상의 미국 의사들이 사용하고 있을 정도로 빠르게 확산되었습니다. 오픈 에비던스는 의학 저널들과의 제휴를 통해 방대한 의학 문헌을 검색하고, 고품질의 출처를 기반으로 임상 질문에 대한 답변을 제공합니다. 로드먼 박사는 자신과 같은 경력의 의사들은 이를 문헌 검색이나 약물 용량 확인과 같은 참고 자료로 활용하는 반면, 젊은 의사들은 “무슨 일이 일어나고 있을까?”, “두 번째 의견을 줄 수 있나?”, “다음 단계는 무엇인가?”와 같은 진단 및 치료 방향 결정에 활용하는 경향이 있다고 설명했습니다.

오픈 에비던스는 2022년 출시 이후 24시간 동안 100만 건의 의사 상담을 기록할 정도로 폭발적인 성장을 보였습니다. 의사들은 주로 환자 데이터를 직접 업로드하기보다는 익명화된 일반적인 질문을 통해 의사 결정 지원을 받는다고 합니다.

전자의무기록(EHR) 시스템과의 AI 통합도 활발합니다. 에픽(Epic)과 같은 주요 EHR 벤더들은 AI 기능을 시스템 내부에 구축하고 있습니다. 현재는 주로 청구(billing)와 같은 행정적인 부분에 초점을 맞추고 있으나, 환자 메시지에 대한 AI 기반 초안 작성과 같은 기능들도 실험 중입니다.

미국 의사협회(American Medical Association) 설문조사에 따르면 의사의 80% 이상이 AI를 업무에 사용하고 있다고 합니다. 로드먼 박사는 이러한 높은 채택률이 의사들이 스스로 유용하다고 판단하여 도입하는 도구들(AI 속기사, 의사 결정 지원 소프트웨어) 덕분이며, 상부의 지시에 의한 것이 아니라는 점이 긍정적인 반응의 이유라고 설명했습니다.

환자들 역시 AI 챗봇을 의료 정보 탐색에 적극적으로 활용하고 있습니다. 최근 데이터에 따르면 미국인의 약 3분의 1이 AI를 의료 정보에 활용하고 있다고 합니다. 환자들은 진료실에 오기 전 챗봇과 자신의 증상에 대해 논의하고, 챗봇이 제공한 정보를 가지고 의사를 만나는 경우가 늘고 있습니다. 심지어 입원 환자들은 의사가 옆에 있는 동안에도 챗GPT와 대화하기도 합니다.

로드먼 박사는 이러한 현상을 “의사들을 위한 새로운 역량”이라고 부르며, 환자들에게 AI 사용에 대한 가이드라인을 제공하기 시작했다고 말했습니다. 그는 환자들에게 ‘신호등’ 비유를 들어 AI의 안전한 사용법을 설명합니다.

• 초록불 (안전):
  • 일반적인 건강 질문: “당뇨병 진단을 받았는데 해산물을 좋아해요. 저에게 맞는 당뇨 식단을 추천해 줄 수 있나요?”
  • 진료 준비: “로드먼 박사님을 만나러 가는데, 어떤 질문을 해야 할지 모르겠어요. 지난 진료 기록을 바탕으로 질문 목록을 만들어 줄 수 있나요?” (개인 식별 정보는 반드시 제거).
  • 웨어러블 기기 데이터 분석: 애플 워치(Apple Watch) 데이터와 같은 방대한 정보를 분석하여 패턴을 찾는 데 도움을 받을 수 있습니다.
• 노란불 (주의):
  • 새로운 증상 탐색 및 두 번째 의견: 챗봇과 새로운 증상에 대해 논의하거나 두 번째 의견을 구하는 것은 괜찮지만, 이는 의사를 만나기 위한 준비 단계일 뿐, 의사를 대체할 수 없음을 명심해야 합니다. 대규모 언어 모델(LLM)은 위험한 조언을 제공할 수도 있기 때문입니다.
• 빨간불 (금지):
  • 의료 관리 결정: “의사가 이렇게 하라고 했는데 이게 맞나요?”, “암에 걸렸는데 이 항암 치료가 맞나요?”와 같이 전문적인 판단과 미묘한 정보가 필요한 결정은 AI에게 맡겨서는 안 됩니다. 모델은 잘못된 정보를 주더라도 설득력 있게 들릴 수 있습니다.

로드먼 박사는 또한 ‘기능 의학(functional medicine)‘과 같이 수많은 검사를 통해 얻은 데이터를 챗봇에 입력하여 건강 관리의 ‘첫 번째 의료 전문가’로 삼는 행위에 대해 우려를 표했습니다. 이는 불필요한 걱정을 유발하는 ‘사이버 걱정의 늪(cyber worry hole)‘에 빠뜨릴 수 있으며, 건강 결과 개선에 대한 증거가 부족하다고 지적했습니다.

새로운 AI 기반 의료 도구들도 속속 등장하고 있습니다.

• 챗GPT 헬스(Chat GPT Health): 애플 워치나 핏빗(Fitbit) 데이터를 챗GPT가 분석할 수 있도록 변환해주고, 전자의무기록(medical record) 데이터를 가져와 대화할 수 있게 해줍니다. 그러나 로드먼 박사는 개인 정보 보호 문제와 데이터의 부정확성 및 비정형성을 주된 우려 사항으로 꼽았습니다. 의료 기록 데이터는 복사-붙여넣기된 오류나 잘못 기록된 정보가 많기 때문에, 단순히 LLM에 모든 정보를 쏟아붓는다고 해서 좋은 성능을 기대하기는 어렵다는 것입니다.
• 임상용 챗GPT(Chat GPT for clinicians): 임상 환경에 특화된 챗GPT 버전입니다.
• 유타주의 처방전 자동 갱신 AI 에이전트: 약 200가지 일상적인 약물의 처방전을 AI 에이전트가 자율적으로 갱신할 수 있도록 하는 시험이 진행 중입니다. 인간 검토가 있지만 대부분 자동화됩니다. 로드먼 박사는 이것이 이미 의사가 처방한 약물의 ‘리필’이라는 점에서 위험하지 않다고 보지만, ‘새로운 처방전’을 AI가 자율적으로 작성하는 것은 아직 안전하지 않으며 좋은 생각이 아니라고 강조했습니다. 그는 의사들이 리필 요청에 시달리는 것은 사실이지만, 이것이 의사들을 가장 힘들게 하는 부분은 아니라고 덧붙였습니다.
• 메이오 클리닉(Mayo Clinic)의 레드 모드(Red Mod): 이 AI 시스템은 췌장암 진단 최대 3년 전, 일상적인 CT 스캔에서 미묘한 변화를 식별해냈습니다. 이는 췌장