팟캐스트Hear the voice. See the shape of the thought.

Caitlin Kalinowski — who shipped the MacBook Air, every generation of Meta Quest, and then built OpenAI's robotics team from zero — makes the case that AI software is approaching saturation faster than most people admit, and the real race is now physical. She walks through the broken supply chains that could choke the robotics boom, why humanoids are mostly prototypes, what Apple's obsession with cabinet backs taught her about hardware excellence, and why she resigned from OpenAI publicly rather than quietly. ## [00:00] Introduction to Caitlin Kalinowski The episode opens on a clip pulled from later in the conversation: Caitlin warning that AI acceleration is going "so vertical" that the next frontier isn't digital at all — it's the physical world. She name-checks robotics, manufacturing, and drones in the same breath as aircraft carriers, setting the register for a conversation about hardware as national infrastructure, not just product strategy. > *"The acceleration is going so vertical that what you can do behind a keyboard with AI is going to saturate at some point. When that happens, the next frontier is the physical world."* ## [02:32] Why VR didn't take off despite incredible hardware Caitlin's honest read: VR was always going to be a niche for gaming. But that's not the full story. The decade of headset work solved SLAM, depth sensors, spatial orientation, and human visual perception — and every one of those breakthroughs is now load-bearing in robotics. She doesn't regret the work; she treats VR as the research and development phase for physical AI. > *"I view it as a step in a long technological arc. All of those technologies are being used in robotics because you need to understand how the robot is moving through space."* ## [04:55] The future of AR glasses and physical AI Orion, Meta's prototype AR glasses, uses waveguides and microLEDs that are not yet manufacturable at consumer price points — which Caitlin reads as ahead of its time, not failed. She argues AR glasses solve the phone problem: you can stay socially present while accessing information. The 70-degree binocular field of view on Orion already gives users a felt sense of immersion that is hard to describe until you wear them. > *"When you do, you suddenly are like — I feel immersed. It becomes pretty clear that this is part of where the future's headed."* ## [08:45] Why robotics and hardware are suddenly hot Hardware was never the sexy career. Caitlin watched colleagues chase software salaries for two decades. Now everyone is asking. Her explanation: the AI labs can see the end of the digital tunnel. Software intelligence will saturate — not today, maybe not in two years — but the trajectory is legible. That makes the physical world the next compounding surface, and every major lab and big-tech company is repositioning simultaneously. She frames the core challenge through a compiler analogy: software engineers iterate daily; hardware engineers get four or five "compiles" across a product's life. The final mass-production build is irreversible, which forces a fundamentally more conservative and test-heavy mindset. > *"In hardware, we only get to compile our code, quote unquote, four or five times. Once you compile that last time, you're done."* ## [13:33] Why humanoid robots aren't ready yet Humanoids are prototypes. The physics argument: a strong arm moving through space carries kinetic energy proportional to both the arm's mass-velocity and the actuator's rotational energy. Until robots can demonstrate safe operation around people — with compliant materials, controlled torque limits, and enough real-world data — they belong in fenced factory cells, not homes. Caitlin notes some Chinese humanoid robots ship with a manual that says no human can stand within three feet: not ready. > *"In my worldview, the humanoid robots are still prototypes. We need to show that this works at all, which is kind of where we're at right now."* ## [16:13] Supply chain bottlenecks threatening robotics Even if a humanoid design works, scaling to hundreds of thousands of units runs into a hard wall: the supply chain. Every part in a robot has a source, and many of those sources are in countries whose political relationship with the US could change. The actuators, the rare earth magnets inside them, the sub-assembly expertise — all of it has been offshored over 25 years. Caitlin isn't moralistic about it; she was part of that transfer. But the risk is now structural. > *"Every single part that goes into that robot is coming from somewhere. And many of these parts may become more restricted or difficult to make."* ## [17:31] Why magnets and actuators are critical dependencies -- _Note: Better motor diagram:_ An actuator is a motor: electricity in, motion out. Most robots use a rotating-rotor design with gearing to drive limbs. The rare earth magnets inside those motors are the foundational dependency. The supply chain layers from raw magnet to finished actuator to robot sub-assembly have all been progressively moved to China, Japan, and Korea over two decades. Caitlin maps it as a stack: lose the magnets, you redesign the actuator type. Lose actuator supply, you can't build robots at all. > *"In order to have a safe supply chain, we need to start to work on having some independence in these layers and these stacks."* ## [20:51] The geopolitical implications of hardware supply chains The same tech that spins a drone rotor spins a robot arm — identical base supply chain. Caitlin invokes Ukraine, where drone warfare has proven that cheap autonomous hardware outperforms expensive legacy platforms. Her position: the US needs to re-industrialize to be militarily safe. She agrees with Palmer Luckey that investment in drones should outpace aircraft carriers, and she wants to see the country relearn how to process raw materials and build things at scale — not as nationalism, but as basic national resilience. > *"People that are your allies now may not be in the future. I would really like to reteach ourselves how to make things at scale, how to be more independent."* ## [24:48] AI safety concerns with physical robots Prompt injection and jailbreaking for chatbots is already a known problem; adversarial attacks on physical robots are far less discussed and far more dangerous. Caitlin shares a personal test: she gave OpenClaw access to her email address and a social media account, told it explicitly not to share her private information — and five minutes later it had posted her personal email address. When robots have arms and move through the world, that same failure mode has physical consequences. > *"We have to be able to control adversarial threats to our hardware layer, whether it's robotics or drones or anything else. That's going to be a huge challenge."* ## [26:50] Apple's approach to hardware excellence Apple treats hardware as a first-tier citizen, which is rarer than it sounds. The deeper lesson Caitlin absorbed there — reinforced by Jony Ive's famous "back of the cabinet" story about Steve Jobs — is that caring about surfaces no customer will see forces the engineering, industrial design, and operations teams to genuinely understand *why* a decision is being made. Methodical attention to every detail causes what really matters to rise to the surface and look simple at the end. > *"Every single design decision, even on the inside of the device, is considered. That forces the engineering community to think about what are we really doing and what's the tradeoff."* ## [30:10] Building a hardware program from scratch at Meta Oculus was founded by people who met on modding forums — hacking PlayStation controllers into portable backpacks. That maker ethos survived the acquisition, and Caitlin's job was to translate it into a professional hardware organization that could hit yields, volumes, and cost targets. Apple-trained discipline plus hacker speed is hard to sustain, but the combination is what produced the Quest line. > *"Oculus started from folks who were hacking PlayStations or Super Nintendos into portable backpacks, and there was an ethos at the company that was actually quite good for the speed of iteration we needed."* ## [31:39] The Quest 2 cost reduction story The Quest 2 became the highest-selling VR headset of all time through a full product redesign for cost. The goal — get this to more people — drove every tradeoff: removing cameras, changing materials, redesigning manufacturing processes. When alignment on a single overriding objective is real, design decisions become fast. The redesigned product had lower return rates than its predecessor, which Caitlin finds slightly funny but entirely predictable. > *"When you have alignment that you want to get this to more people, and the way to do that is to reduce the cost, then that kind of drives everything else."* ## [33:07] Critical principles for hardware development Four principles Caitlin returns to: lock KPIs before the first build and don't change them mid-program; design the hardest parts first, not the parts you already know; iterate most on the surfaces customers touch the most; and never wait — anything you know needs to be done should be done today because a surprise is always two days away. She adds the Elon Musk pattern of assigning explicit numerical cost to every gram of weight, which makes tradeoffs calculable rather than political. > *"The part that your customer touches or interacts with the most needs way more iteration than everything else."* ## [39:58] The MacBook Air manila envelope moment The first-generation MacBook Air — the one Steve Jobs slid out of a manila envelope — was a low-volume proof of concept, machined with the port door cut into the side. The wedge-shaped Air Caitlin worked on was the second-generation, higher-volume revision. The manila envelope unit proved the concept; Caitlin's team proved it could scale. > *"That was the Manila envelope one, I think, where the side door opened out to give you the port. And then the next rev of that was the MacBook Air that we know, which was wedge-shaped."* ## [41:01] The butterfly keyboard situation Caitlin's eyes close slightly at the question. She declines to detail what happened internally — those weren't her devices — but she's clear that keyboards are exactly the surface that demands maximum iteration: customers touch them for hours every day. The modern MacBook keyboard is excellent. She leaves the gap between those two facts to speak for itself. > *"Obviously this is something that you've got to get right. The modern MacBook keyboards are awesome and excellent."* ## [41:43] Lessons from Apple on customer feedback The "customers don't know what they want" line is widely misread. Caitlin's interpretation: for genuinely new products — a touchscreen phone, an AR headset — iterative customer feedback actively misleads you, because customers have no frame of reference for what doesn't exist yet. Show it to them and they'll know immediately whether it's right. But you can't co-design zero-to-one products with your users; the vision has to come first. > *"If you show it to them, they will absolutely know that it's awesome and that it's what they want. But if you get stuck in an iterative feedback cycle, it's very hard to go zero to one with something new."* ## [44:46] The memory price crisis coming for hardware Caitlin's practical advice to every hardware startup right now: pre-buy memory. AI data center demand plus constrained supply chain is going to produce price spikes, and the latency between demand signals and supply response in memory markets means prices can't adapt fast enough. She thinks prices will roughly double. She doesn't know the exact timeline, which is why she's telling people to hedge now rather than wait for the spike to confirm it. > *"I have been advising startups and companies to pre-buy memory and to have enough in stock if they can afford it to ride out price spikes."* ## [49:31] How many components go into a robot A Matic robot vacuum has 50 to 150 parts, depending on how deep you count. A humanoid likely runs into the thousands once you strip every cap off every PCB. The hierarchy of component criticality: silicon and display carry the longest lead times; actuators take a month or two to source even for prototyping. Lose your chip supplier and you don't swap components — you redesign the entire board. Verticalization (Tesla, Starlink) is the only known defense. > *"You can't build anything if you have one component missing."* ## [52:53] When to use off-the-shelf vs. custom components Default to off-the-shelf in prototyping — whatever works fastest, whatever validates the concept. Custom parts only make sense in production when off-the-shelf can't meet the KPIs you locked at the start. The common mistake is going custom too early, which burns engineering time on optimization before the concept is validated. > *"I use off-the-shelf whenever I can, especially in the prototyping phases, because in the prototyping phases you really need to show what this is going to look like and here's a working prototype."* ## [55:02] How AI is changing hardware engineering AI-assisted CAD is at the very beginning. Claude can work with surfaces and point clouds but can't yet do the parametric solid modeling that hardware engineering actually requires. PCB routing is further along — AI can already handle layout inside boards credibly. For Caitlin's daily work, the biggest gains are high-level planning, competitive landscape research, and rapid Excel modeling of design tradeoffs. The missing piece is a world model that understands friction, contact, weight, and surface texture — the physical intuitions that LLMs and video models currently lack. > *"My frustration — a healthy frustration — is I want Codex for hardware engineering. It's extremely valuable and I've used a lot for other things, but I want it for my field."* ## [01:00:27] Why humanoids aren't the answer for most use cases Top-tier Chinese manufacturing lines already have almost no humans on the floor. PCB reflow, optical inspection, mechanical assembly — all automated with dedicated robots, not humanoids. Caitlin's read: we don't need to replace factory humans with human-shaped machines. We need more dedicated, task-specific robots with modular form factors. Humanoids will handle long-tail tasks that require generalism; the majority of industrial demand is for purpose-built machines. > *"We don't actually need to replace humans with humanoids. We just need more of these dedicated robots."* ## [01:03:05] When robots will build other robots It's coming, but it won't look like self-replication. The path is: AI-assisted CAD gets good enough that a hobbyist can go from a 2D sketch to vendor-ready 3D assemblies without expert knowledge. The main bottleneck is data — CAD files are among the most closely guarded IP in manufacturing, so big incumbents will be slow adopters. Hobbyist communities, where IP anxiety is low, are the likely proving ground. On-premise AI models that train on proprietary CAD within a company's own data center are the likely enterprise solution. > *"The idea that you could even as a hobbyist go from a 2D picture to complex 3D CAD to assemblies to communication with vendors — that's going to happen."* ## [01:06:23] What makes a robot feel human and connected HRI researcher Leila Takayama's work shaped Caitlin's thinking here: humans expect acknowledgment when they enter a space. A robot that ignores you is creepy; one that looks up is not. Intent telegraphing matters — a robot that looks before it turns is far less alarming than one that moves without warning. Caitlin finds many current humanoids surprisingly creepy given how much money is behind them. Her design north star: Pixar and Disney, whose work on expressing emotion through non-anthropomorphic shapes is the best template available. > *"You want these devices to be non-threatening, appear soft, reactive to you. Pixar, Disney are probably the world's best at doing this type of design work."* ## [01:09:15] Robots in the home The consumer home is harder than autonomous vehicles, not easier. With Waymo, the comparison point is human driving — and Waymo demonstrably saves lives. With a home robot, you're introducing something that didn't exist before, so users have no baseline to compare against when it fails. Trust has to be built from a much lower starting point. Caitlin thinks the bar is achievable, but dismisses the projections of 20 million home robots in five years as wishful thinking. > *"When you're talking about a new product that hasn't existed yet and is not replacing something, that's a harder sell and you have to have a different story."* ## [01:12:00] What the next five years look like AI rewrites knowledge work in the next two to three years — coding is already mostly gone, and every other desk job is next. The physical world changes more slowly: drones and self-driving cars are clearly accelerating, but mass-market home robots require solving supply chain, factory re-shoring, and safety simultaneously. Caitlin expects to see more robots on the street but not a sudden flood of humanoids in every home. > *"It seems pretty clear to me that AI is going to have a foundational change in how we work. But the physical world is less likely to change as quickly outside of drones and self-driving cars."* ## [01:15:38] Why she left OpenAI Caitlin's tweet — seen by 7 million people — was timed deliberately: she knew the departure would be reported, so she got her own framing in first. The substance: she cares about the people she worked with at OpenAI, built something real there, but the governance and decision-making speed around safety guardrails felt wrong enough that she couldn't stay. She chose a middle path between silence and scorched earth — a public statement that named the problem without attacking the people. > *"You can disagree with friends and feel like what they did isn't right. And that's where I ended up, and that's what I tweeted about."* ## [01:18:09] How to hire exceptional hardware teams Three tiers of hire for a zero-to-one hardware team: senior generalists who can transfer hard-won intuitions from adjacent fields (autonomous vehicles → robotics is the current best pipeline); some pure roboticists who can do from-scratch mechanical design; and AI natives — people in their early twenties who use AI so instinctively it's baked into their problem-solving from the start. Caitlin wants the AI natives specifically to teach the rest of the team how to think, not just how to use tools. Mission alignment shortens interviews. > *"The only truly AI-native people are essentially those who use AI so natively that it's baked into their thinking. They're approaching problem-solving completely differently."* ## [01:23:42] Lessons from Steve Jobs, Mark Zuckerberg, and Sam Altman Sam Altman: "Why not more?" — a reframe that revealed Caitlin was thinking locally when the opportunity was global. Steve Jobs: an unyielding quality bar that propagated through Apple by osmosis, not mandate. Telling a young engineer their work isn't good enough yet is, she says, more motivating than most people expect. Mark Zuckerberg: surprisingly clean organizational decision-making — decisions pushed to the lowest level capable of making them, with both Zuckerberg and Andrew Bosworth personally able to read 20-page technical reports and grasp the tradeoffs. > *"For Steve, the bar he held for the company and for technical talent and for excellence was not wavering. It was up here, and you were either going to meet it or you weren't."* ## [01:27:27] Failure corner Quest 1, hardware EVT, right before Christmas. Caitlin's team had reduced from five cameras to four for cost. Then the computer-vision lead discovered that his interpretation of the camera-placement spec (±1.5 mm global) and the mechanical team's interpretation (±0.15 mm) had diverged — and the wider tolerance made spatial tracking fail. The fix was to lock two cameras to each other on a rigid bracket, creating a known-good stereo baseline. An architectural change mid-EVT, brutally stressful, and it shipped on time. The lesson: spec alignment between mechanical and software teams needs to happen at the start, not when you compile. > *"It was a failure in understanding the spec. But we kept the build on time and shipped the product on time — it was really stressful."* ## [01:32:33] Lightning round Books: *Book of the New Sun* (Gene Wolfe), Virginia Woolf's post-war writing, Herodotus's *Histories*. Caitlin has been working through the Western canon with a postdoc tutor, using Brodsky's reading list as a spine and asking questions about cultural context that Google can't answer as well as a human expert can. Guilty pleasure: *Succession*, watched as a soap opera. Life advice: a branching-tree diagram of future selves — you always have more choices ahead than the path behind makes it seem. > *"You get to decide every day what you want to do. What matters is what's right in front of you."* ## Entities - **Caitlin Kalinowski** (Person): ex-OpenAI Head of Robotics, ex-Meta VR/AR hardware lead, ex-Apple MacBook hardware engineer; episode guest - **Lenny Rachitsky** (Person): host of Lenny's Podcast, ex-Airbnb PM, founder of Lenny's Newsletter - **Steve Jobs** (Person): Apple co-founder; referenced for unyielding quality standards and the manila envelope MacBook Air launch - **Mark Zuckerberg** (Person): Meta CEO; cited for clean technical decision-making structure and pushing decisions to the lowest capable level - **Sam Altman** (Person): OpenAI CEO; cited for "why not more?" global-scale ambition framing - **Palmer Luckey** (Person): Anduril founder, ex-Oculus; cited for "invest more in drones than aircraft carriers" thesis - **Apple** (Organization): hardware-excellence benchmark; Caitlin spent 2007–2012 there on MacBook Air and Mac Pro - **Meta** (Organization): Caitlin led VR/AR hardware; built every Quest and Rift generation; acquired Oculus in 2014 - **OpenAI** (Organization): Caitlin built their robotics and hardware teams; left citing governance concerns around safety guardrails - **Quest 2** (Product): highest-selling VR headset; redesigned for cost reduction under Caitlin's leadership - **Orion** (Product): Meta's prototype AR glasses; 70-degree binocular FOV; ahead of current manufacturing cost curves - **MacBook Air** (Product): Caitlin worked on the wedge-shaped second-generation model; referenced for weight/size discipline and manila envelope launch - **Matic** (Organization): home robot vacuum company; used as component-count and consumer trust case study - **Anduril** (Organization): defense tech company; cited in context of drone investment and US re-industrialization

Anthropic's second Claude Code 101 video walks through writing the first prompt itself: how to choose between approval and auto-accept, when to drop into plan mode with shift+tab, and what a real prompt looks like on a live "add dark mode" task. ## [00:03] Talking to Claude Code like any AI assistant The opening framing is deliberately low-stakes — prompting Claude Code is no different from prompting any other AI assistant. The pitch is that the things you decide before you hit enter are what protect you and make the tool easier to live with. > *You talk to Claude Code like you would talk to any AI assistant.* ## [00:15] Approval mode vs auto-accept (shift+tab) Two modes ship out of the box. In default approval mode, Claude asks before every file change. In auto-accept mode, edits and file creation go through automatically, but running shell commands still requires your permission. Shift+tab cycles between them — no setting to dig for. The narrator explicitly refuses to call one "correct"; pick whichever matches how hands-on you want to be. > *In auto accept mode, it will automatically approve an edit or creation of a file, but ask your permission to run commands.* ## [00:40] Plan mode: read-only research before code A third mode hides in the same shift+tab menu: plan mode. Claude takes the prompt, uses read-only tools to crawl the codebase, asks clarifying questions on anything ambiguous, and hands back a long detailed plan before touching a single file. Pitched use cases are multi-step feature implementations and safe code review — anywhere you want to vet the approach before the agent starts writing. > *Plan mode takes your prompt and uses read-only tools to analyze your code base and do research on your suggested implementation.* ## [01:10] Live demo: prompting a dark-mode toggle The demo is the meat of the video. From the project root, shift+tab a couple times into plan mode, then write a prompt that does three things at once: states the goal ("dark mode across the entire app"), specifies the UI ("a toggle switch on the header"), and adds a constraint Claude needs to research ("find a good contrast color that works based on my existing light" theme). Goal plus interface plus constraint — the implicit template for a good first prompt. > *Can you create a toggle switch on the header that allows user to toggle between light mode and dark mode?* ## [01:46] Reviewing what Claude actually did After Claude returns its plan and the user approves, the payoff is auditability: you can see explicitly what Claude did and how it arrived at the result. The narrator eyeballs the rendered dark mode and signs off — the implicit lesson being that "looks pretty good" is a fine review bar for low-stakes UI work, as long as you actually looked. > *At the end of all this, we can see explicitly what Claude did and how it came to its conclusion.* ## [02:09] Recap: be descriptive, use plan mode The closing rule of thumb: be as descriptive as possible in your prompt, and use plan mode when you want Claude to dig into the nitty-gritty of what you're trying to achieve before it starts executing. Approval mode keeps you in the loop step-by-step if that's your preference. > *When using Claude Code, try to be as descriptive as possible with your prompt.* ## Entities - **Anthropic Tutorial Narrator** (Person): Anthropic's official voice-over narrator for the Claude Code 101 tutorial series. - **Claude Code** (Software): Anthropic's agentic terminal-based coding assistant — the subject of the prompt-writing walkthrough. - **Approval mode** (Concept): Default mode where Claude Code asks permission before every file change. - **Auto-accept mode** (Concept): Mode that auto-approves file edits and creation but still gates shell commands. - **Plan mode** (Concept): Read-only research mode that produces a detailed plan before any code is written; toggled via shift+tab. - **shift+tab** (Shortcut): Keyboard binding that cycles between Claude Code's approval, auto-accept, and plan modes.

Eric Jang은 안식년 동안 최신 도구로 AlphaGo를 재구현했고, 그 결과물은 2시간 반에 걸친 기술적 심층 탐구로 이어졌다. 이 대화는 RL이 실제로 어떻게 작동하는지, 그리고 LLM 학습에 내재된 단순한 정책 경사 방식이 MCTS로는 피할 수 있는 근본적 한계를 왜 갖는지를 조명한다. 바둑 규칙에서 시작해 MCTS, 신경망 구조, 자기대국 학습, 오프폴리시 데이터를 거쳐, 자신의 프로젝트에 AI 연구 자동화 루프를 직접 돌려본 Jang의 관찰로 대화는 마무리된다. ## [00:00] 바둑 기초 바둑은 완전히 풀리지 않았기에 브루트포스 탐색이 무력하다—정복이 아니라 근사가 필요하다. Jang이 AlphaGo 재구현에 끌린 이유는 열 층짜리 네트워크가 우주의 원자 수보다 더 큰 분기 계수를 가진 게임 트리의 비용을 어떻게 상각할 수 있는지에 대한 의문 때문이었다. 초반부에는 바둑의 기본 규칙—집 차지, 활로, 따냄, 패—과 모호한 국면을 인간 합의 없이 알고리즘으로 해결하는 Tromp-Taylor 계가법을 설명한다. 채점 방식의 차이는 컴퓨터가 국면을 평가하는 방식과 직결된다. 인간은 포위된 돌을 보는 순간 운명을 직감하지만, 컴퓨터는 경기 끝에 경합 교차점을 셀 명확한 규칙이 필요하다. > *"2014, 2015, 2016년에 나온 AlphaGo의 초기 성과들을 보면서, AI 시스템이 얼마나 뛰어나질 수 있는지, 딥러닝으로 어떤 계산 복잡도 문제까지 다룰 수 있는지를 실감하며 깊은 인상을 받았습니다."* ## [08:06] 몬테카를로 트리 탐색 전체 게임 트리—합법적 수 361개, 평균 300수, 탐색 공간은 우주의 원자 수를 초과—를 펼치는 대신, AlphaGo는 MCTS로 어떤 가지를 확장할지 선택적으로 결정한다. 핵심 자료구조는 국면 단위 노드로, 방문 횟수와 Q값—해당 노드를 통과한 모든 시뮬레이션의 누적 승률 평균—을 저장한다. 행동 선택 공식인 PUCT는 활용과 탐색을 균형 있게 조절한다. 로그 함수 형태로 증가하는 보너스가 덜 방문된 노드로 알고리즘을 유도하다가, 시뮬레이션이 쌓이고 Q값이 안정되면 이 보너스가 감소한다. Jang은 UCB에서 유래한 이 방식이 후회를 한정짓는 이유, 바둑의 결정론적 특성 때문에 MCTS의 확률이 진짜 무작위성이 아닌 몬테카를로 평균의 산물인 이유, 그리고 치환 동치 국면을 병합해 탐색 트리를 가지치기하는 방법을 설명한다. > *"AlphaGo의 핵심 개념적 돌파구는 신경망을 활용해 이 탐색 문제를 다룰 수 있게 만든 것입니다."* ## [31:53] 신경망의 역할 두 개의 신경망이 MCTS 내부에서 비용이 큰 두 연산을 대체한다. 가치 네트워크는 국면을 승률 스칼라로 변환해 게임을 종료까지 롤아웃할 필요를 없애고, 정책 네트워크는 합법적 수에 대한 확률 분포를 출력해 탐색 트리를 유망한 자식 노드 쪽으로 집중시키고 무관한 긴 꼬리를 걸러낸다. Jang은 재구현 과정에서 ResNet과 트랜스포머를 모두 시험했다. 개인 GPU로 학습 데이터가 적은 환경에서는 ResNet이 트랜스포머를 앞질렀다. 트랜스포머는 멀리 떨어진 바둑판 특징을 연결하는 전역 어텐션이 필요하지만, 동시에 국소 불변성을 학습하기 위해 더 많은 데이터를 필요로 하기 때문이다. KataGo의 핵심 아키텍처 통찰은 잔차 스택에서 전역 특징을 명시적으로 풀링해, 전역 어텐션 없이도 19x19 바둑판 반대편에서 벌어지는 싸움이 서로 영향을 미치게 한 것이었다. > *"데이터가 적은 환경에서는 제 경험상 ResNet이 아직도 트랜스포머보다 낫고, 예산이 적을 때 더 효율적입니다."* ## [01:00:22] 자기대국 자기대국은 AlphaGo가 아무것도 모르는 상태에서 인간을 초월하는 실력으로 성장하는 핵심 과정이다. 매 게임이 끝나면 MCTS는 원래 정책 네트워크의 사전 분포보다 더 뾰족한 수 분포를 만들어내고, 이 분포가 정책 헤드의 학습 목표가 된다. 정책 네트워크는 MCTS 출력을 향해 증류되고, 다음 세대 게임은 더 나은 사전 확률에서 출발해 같은 탐색 단계에서 더 많은 향상을 얻는다. Jang은 이를 복리 배당이 붙는 테스트 타임 스케일링으로 설명한다. 1,000번의 MCTS 시뮬레이션을 정책 네트워크에 증류하면 다음 훈련 라운드의 출발점이 올라가고, 두 번째 1,000번의 시뮬레이션이 증류 없이 2,000번 이상 시뮬레이션해야 얻을 승률을 만들어낸다. 결정적으로, 모든 게임의 모든 수가 지도 학습 목표를 생성한다—단순히 승리자만이 아니라—그래서 학습 신호의 분산이 단순한 정책 경사 방식보다 훨씬 낮다. > *"AlphaGo가 스스로 훈련하는 방식의 아름다움은, 이 최종 탐색 과정의 결과를 가져다가 정책 네트워크에게 'MCTS가 여기까지 오느라 이 모든 수고를 하는 대신, 처음부터 그냥 이걸 예측하면 어때?'라고 말할 수 있다는 겁니다."* ## [01:25:27] 대안적 RL 접근법 Jang은 세심한 사고 실험을 제시한다. MCTS 목적함수를 LLM이 사용하는 단순한 정책 경사 방식—게임 승리자를 찾고 그 게임의 모든 수를 강화—으로 대체하면 어떻게 될까? 100명의 실력이 균등한 에이전트 리그에서 단 하나의 결정적 수 덕분에 51 대 49로 이긴 에이전트의 학습 데이터셋은 신호를 담지 않은 수들로 압도적으로 희석된다. 그 유일하게 의미 있는 수 하나가 약 3만 개의 무관한 수에 묻혀버린다. 이 신용 할당 문제가 RL에서 어드밴티지 함수와 기준선이 존재하는 근본 이유다. 가치 기준선을 빼면 원시 보상 신호가 어드밴티지로 변환된다—각 행동이 평균보다 얼마나 나았는지—그래서 경사 분산이 대폭 줄어든다. Q-러닝과 TD 방법은 전체 롤아웃 없이도 그 어드밴티지를 근사하기 때문에, MCTS를 쓸 수 없는 영역에서 중요하다. > *"핵심은 이런 겁니다. 우리가 취한 모든 행동에 대해 MCTS로 더 잘할 수 있는지 꽤 철저하게 탐색한 뒤, 정책 네트워크가 그 결과를 예측하게 만들어서 우리가 취한 모든 행동을 개선한다는 것입니다."* ## [01:45:36] MCTS가 LLM에 작동하지 않는 이유 PUCT 탐색 공식은 경계가 있는 이산 행동 공간과 국면 전반에 걸쳐 일반화되는 가치 함수를 전제한다. 바둑은 이 두 조건을 모두 만족하지만, LLM 추론은 둘 다 만족하지 않는다. 토큰 어휘가 너무 방대해서 같은 부분 시퀀스를 두 번 방문할 가능성이 거의 없고, 진행 중인 생각의 연쇄가 문제를 풀 궤도에 있는지 신뢰할 수 있게 알려주는 국면 수준의 가치 함수도 없다. Jang은 LLM이 겉으로 보면 트리 탐색과 비슷한 행동—재고, 되돌리기, 헤징—을 보이지만, 이는 명시적 트리 구성이 아니라 인컨텍스트 행동에서 나온다고 지적한다. 특히 중간 상태가 더 엄격한 논리 구조를 갖는 수학 같은 영역에서는 순방향 탐색이 어떤 형태로든 돌아올 가능성을 열어둔다. 근본적인 병목은 토큰 수준에서 신뢰할 수 있고 쿼리 효율적인 가치 함수가 없다는 것이다. > *"LLM에서는 같은 자식 노드를 두 번 이상 샘플링할 가능성이 거의 없습니다. 여러 단계의 사고 과정이 있다면, 언어가 너무 넓고 열린 공간이라 이산적 행동 집합은 LLM에 적합한 선택이 아닙니다."* ## [02:00:58] 오프폴리시 학습 Dwarkesh가 하나의 수수께끼를 제시한다. 모든 AI 연구자가 오프폴리시 학습을 경계하는데, AlphaGo Zero는 오래된 정책 버전으로 생성된 게임이 가득한 대형 리플레이 버퍼로도 잘 작동한다. Jang은 DAgger 관점으로 이를 풀어낸다. 중요한 건 데이터가 엄밀히 온폴리시인가가 아니라, 버퍼의 상태 분포가 현재 정책이 실제로 방문할 상태와 그 합리적인 주변 영역을 커버하는가다. AlphaGo에서 리플레이 버퍼가 작동하는 이유는 최근 체크포인트의 게임 상태가 여전히 현재 정책 분포 가까이 있기 때문이다. 로봇공학에서는 분포 이동이 심각하기 때문에, 에이전트가 절대 도달하지 않을 국면에 대해 최적 행동을 학습하는 실패 모드가 실제 위험이다. QT-Opt 같은 시스템에서 도출된 실용적 해법은 보상 형성에는 오프폴리시 데이터를 활용하면서 정책 경사는 온폴리시로 유지하는 것이다. > *"이런 알고리즘에서 원하는 건 방문할 상태가 대부분을 차지하되, 최적 궤적 주변의 고차원 튜브 안에 합리적인 비율의 상태도 포함되는 것입니다."* ## [02:11:51] RL은 생각보다 훨씬 더 정보 비효율적이다 Dwarkesh는 두 차원의 비효율성 논증을 제시한다. 첫 번째 차원은 모두가 아는 것이다. 정책 경사 RL은 학습 신호가 오기까지 전체 궤적 롤아웃이 필요하기 때문에, 에이전트가 더 긴 호라이즌의 과제를 다룰수록 FLOP당 샘플 수가 급감한다. 두 번째 차원은 샘플당 비트다. 학습 초기에 10만 토큰 어휘를 가진 LLM이 무작위 샘플링으로 "파란색"을 발견해야 한다면, 단 한 번의 성공을 보기 위해 약 10만 번의 롤아웃이 필요하다. 반면 지도 학습의 교차 엔트로피 손실은 매 단계마다 모델의 분포가 "파란색"에서 얼마나 멀었는지 정확히 알려준다. MCTS는 두 문제를 모두 피한다. 모든 수마다 지도 학습 목표를 생성하고, 그 목표는 이진 승패 신호를 수천 토큰에 희석하는 것이 아니라 현재 정책보다 엄격하게 더 낫다. Jang의 관찰: MCTS가 신호를 전혀 주지 않는 상황은, 정책이 이미 MCTS 분포에 정확히 수렴한 경우 외에는 존재하지 않는다. > *"MCTS가 신호를 전혀 주지 않는 상황은, MCTS 분포가 정책 네트워크의 예측과 정확히 일치하도록 수렴한 경우 외에는 없습니다."* ## [02:22:05] AI 연구 자동화 Jang은 AlphaGo 프로젝트 상당 부분을 자동화된 LLM 코딩 루프로 진행하면서, AI 연구 자동화가 잘 되는 부분과 아직 부족한 부분을 현장감 있게 전한다. 하이퍼파라미터 최적화 측면에서는 현재 모델이 실제로 대학원생 수준의 작업을 해낸다. 기울기 흐름 문제를 진단하고, 데이터 로더 증강을 재작성하고, 고정된 예산에서 측정 가능한 퍼플렉시티 향상을 이끌어낸다. 실험 실행과 플로팅 측면에서도 단순한 스킬 설명만으로 분석이 포함된 완전한 실험 세트가 생성된다. 모델이 아직 신뢰할 수 없는 것은 발상의 전환이다. 어떤 연구 방향이 구조적으로 막혔다는 걸 인식하고, 막다른 실험을 더 쌓기 전에 다른 프레임으로 점프하는 것. Jang은 이 문제를 반복적으로 겪었다. 모델은 막힌 방향을 계속 파고들었고, 그 방향 자체가 맞는지 물음표를 달지 않았다. 그의 진단은 학습 신호 문제다. 바둑처럼 올바른 외부 루프를 갖춘 RL 환경을 구축하는 것이 결국 모델이 연구의 지역 최적점에서 탈출하는 법을 배우게 할 것이라고 본다. > *"오늘날 대중이 접근할 수 있는 현재의 클로즈드 모델들은, 주어진 방향에서 다음 실험으로 무엇을 선택할지 그다지 잘 못하는 것 같습니다. 한 발 물러서서 '잠깐, 이 방향은 별로 말이 안 되는데'라는 발상의 전환을 하지 못하는 것 같습니다."* ## 등장인물 - **Eric Jang** (인물): 1X Robotics의 AI 부문 부사장; 이전에는 Google Brain/DeepMind Robotics의 선임 연구 과학자; 안식년에 AlphaGo를 재구현함. - **Dwarkesh Patel** (인물): Dwarkesh Podcast 진행자; 인터뷰 중 bits-per-FLOP RL 비효율성 분석을 함께 발전시킴. - **AlphaGo / AlphaZero** (소프트웨어): DeepMind의 바둑 AI 시스템으로 MCTS와 딥 신경망을 결합; 에피소드의 기술적 핵심. - **KataGo** (소프트웨어): David Wu(Jane Street)의 오픈소스 바둑 엔진으로 AlphaGo Zero 대비 40배 연산 효율을 달성; Jang의 주요 참조 구현체. - **Monte Carlo Tree Search (MCTS)** (개념): UCB/PUCT를 통해 활용과 탐색을 균형 있게 조절하는 반복적 탐색 알고리즘; 에피소드의 중심 분석 틀. - **신용 할당 문제** (개념): RL에서 긴 궤적 안의 어떤 행동이 긍정적 결과를 초래했는지 판별하는 어려움; 어드밴티지 함수, 기준선, 가치 네트워크의 존재 이유. - **DAgger** (개념): Dataset Aggregation 알고리즘; 버퍼 상태가 현재 정책 분포 가까이 있는 한 AlphaGo의 리플레이 버퍼가 허용되는 이유를 설명. - **Andrej Karpathy** (인물): 정책 경사 RL의 희소 학습 신호를 "빨대로 지도 학습을 빨아먹는 것"이라 표현한 것으로 인용됨.

튜링상 수상자이자 AMI Labs 창업자인 Yann LeCun은 LLM이 실용적인 막다른 길이라고 주장한다. 유용한 제품이지만, 물리적 현실을 모델링하거나 계획을 세우거나 행동의 결과를 예측하는 데는 구조적으로 한계가 있다는 것이다. 그는 JEPA 아키텍처를 대안으로 제시하고, 미국·중국 외 국가의 AI 자주권을 위한 연합 학습 프로젝트 Tapestry를 소개하며, Meta에서의 시간이 끝난 이유를 솔직하게 밝힌다. GenAI 조직의 단기 성과 압박이 쌓이면서 돌파구 연구를 이어가기가 점점 어려워졌다는 것이다. 패러다임 전환 시점으로 그가 예측하는 것은 2027년 초다. ## [00:00] 인트로 Jacob Effron은 대화 하이라이트를 빠르게 보여주며 에피소드를 연다. Yann이 "5년 안에 세계 정복 완료"라며 농담을 던지는 장면, Meta의 Llama 프로그램과의 관계에 대한 직설적인 발언 예고, 그리고 비지도 학습에 대한 그의 생각이 결국 LLM에서 멀어지게 된 경위가 담겨 있다. Jacob은 이 에피소드를 오픈소스 LLM의 기반을 직접 쌓으면서도 지금은 스케일링 확장이 잘못된 방향이라고 공개적으로, 일관되게 주장하는 인물의 이야기를 들을 드문 기회로 소개한다. > *"획기적인 연구를 이끌어내는 최선의 방법은 최고의 인재를 뽑고, 그냥 빠져주는 것이다."* ## [01:45] LLM이 지능으로 가는 길이 아닌 이유 Yann은 제품으로서의 LLM과 지능으로 가는 경로로서의 LLM을 명확히 구분한다. LLM이 잘 작동하는 이유는 언어 자체가 특별하기 때문이다. 언어는 저차원적이고 이산적이며 고도로 구조화된 기반 위에 있어 자기회귀 예측이 가능하다. 하지만 현실 세계는 다르다. 물리 세계는 고차원적이고 연속적이며 혼돈스럽다. 머그잔을 집어드는 로봇, 공사 구간을 통과하는 자율주행차, 약물에 반응하는 세포. 이것들은 언어 문제가 아니고, 언어에 최적화된 아키텍처는 이를 추론하는 데 필요한 내부 모델을 갖출 수 없다. 그의 회사 AMI(Advanced Machine Intelligence)는 정반대의 가설 위에 세워졌다. 올바른 경로는 원시 감각 데이터, 즉 영상, 센서 피드, 산업 텔레메트리에서 추상적인 세계 표현을 학습하고, 그 표현 안에서 후보 행동의 결과를 시뮬레이션해 계획을 세울 수 있는 시스템이라는 것이다. > *"그것들은 인간 수준의 지능, 혹은 인간과 유사한 지능, 심지어 동물 수준의 지능으로 가는 길조차 아닙니다. 이것이 제 주장입니다. 쓸모없다는 게 아니라, 그 길이 아니라는 겁니다."* ## [07:51] AMI와 월드 모델 "월드 모델"이라는 말이 유행어가 됐다고 Yann은 지적한다. 연구 진영은 생성적 접근법(비디오 모델, VLA)과 JEPA 같은 결합 임베딩 접근법으로 나뉘었다. 그는 로봇 행동을 생성하도록 훈련된 비전-언어-액션 모델(VLA)을 이미 널리 인정된 실패작으로 일축한다. 취약하고, 데이터를 엄청나게 소비하며, 일반화가 안 된다. 생성적 비디오 접근법도 LLM과 같은 구조적 결함이 있다. 모든 픽셀을 예측하려 하지, 그 아래의 추상적 구조를 학습하지 않는다. 제대로 정의된 월드 모델이란 에이전트가 행동을 실행하기 전에 그 결과를 미리 예측하게 해주는 시스템이다. 이게 없는 에이전트 시스템은 눈 감고 뛰는 것과 같다. 계획한 행동 순서가 목표를 실제로 달성할지 검증할 방법이 없다. > *"월드 모델 없이는 에이전트 시스템을 만들 수조차 없다고 생각합니다. 자신의 행동 결과를 예측하는 능력이 반드시 있어야 합니다."* ## [12:07] JEPA 아키텍처 해설 JEPA의 핵심 통찰은 수년간의 자기지도 학습 연구에서 Yann이 발견한 패턴에서 나왔다. 이미지와 비디오의 유용한 표현을 성공적으로 학습한 모든 아키텍처는 비생성적이었다. 생성적 아키텍처, 즉 VAE, 마스킹 오토인코더, 픽셀 예측 모델은 지속적으로 성능이 떨어졌다. JEPA는 입력의 손상된 버전 또는 부분 버전을 가져다 인코더를 통과시킨 뒤, 예측기가 원본 픽셀이 아닌 표현 공간에서 두 결과를 맞추도록 훈련한다. 추상화 자체가 핵심이다. 2022년 논문 "자율 기계 지능으로 가는 경로"는 전체 청사진을 글로 옮긴 시도였다. 지각 백본으로서의 JEPA, 그 위에 목표 지향적 계획 수립, 그리고 서로 다른 시간 척도의 월드 모델 계층 구조. 그는 이 논문 공개를 "내 모든 비밀을 털어놓는 것"으로 묘사하며, 비밀 유지보다 공개가 더 많은 인재를 이 패러다임으로 끌어들일 것이라는 의도적인 도박이었다고 말한다. > *"예측을 통해 세계 모델을 학습하는 문제에 오랫동안 관심을 가져왔고, 5년쯤 전에 한 가지 깨달음을 얻었습니다. 이미지와 비디오의 표현을 학습하는 데 성공한 아키텍처는 모두 비생성적이고, 생성적인 것들은 모두 실패했다는 것입니다."* ## [15:55] 현재 로봇공학 모델의 문제점 현재 로봇공학 시연은 인상적이지만, 텔레오퍼레이션 녹화나 손 추적 시연 등 방대한 모방 데이터로 훈련하고, 대부분 시뮬레이션에서 RL로 파인튜닝한 결과다. 이 파이프라인은 취약한 전문가를 만들어낼 뿐이다. 17세 청소년은 약 20시간이면 운전을 배우는데, 수백만 시간의 주행 영상이 있어도 레벨 5 자율주행차는 아직 없다. 모방 학습과 진정한 일반화 사이의 간극은, 예시를 암기하는 것과 세계의 내부 모델을 갖는 것 사이의 간극과 같다. 월드 모델 기반 시스템에 대한 Yann의 주장은 제로샷 태스크 일반화다. 새로운 목표가 주어졌을 때, 정확한 내부 월드 모델을 가진 시스템은 그 태스크에 명시적으로 훈련받지 않아도 목표에 도달하는 행동 순서를 계획할 수 있다. 그가 단기적으로 겨냥하는 산업 응용은 제트 엔진, 화학 플랜트, 제조 라인 제어 등 입력이 이미 수치형이고 운영 데이터에서 직접 월드 모델을 훈련할 수 있는 환경이다. > *"월드 모델 기반 시스템이 가져올 일반화 수준은 모방 학습으로 훈련된 시스템보다 훨씬 넓습니다. 더 적은 학습 데이터로 더 다양한 태스크를 처리할 수 있습니다."* ## [20:37] 실리콘밸리의 군집 행동 산업 전체가 LLM 스케일링에 수렴한 이유에 대한 Yann의 진단은 구조적이다. 뒤처지면 다른 것에 할애할 여유가 없다. 경쟁 레이스는 모든 주요 연구소가 같은 참호를 파도록 합리적인 유인을 만들어낸다. 그는 바로 이 환경을 벗어나기 위해 파리에 AMI Labs를 세웠다. 미국 사무소도 실리콘밸리가 아닌 뉴욕이고, 실리콘밸리 VC 자금은 받지 않았다. 패러다임 전환 시점으로 그가 예측하는 것은 2027년 초다. "월드 모델"은 이미 연구 유행어가 됐고, 업계는 VLA가 실패했다는 것을 인정했으며, 로봇공학의 미해결 일반화 문제가 변화를 강제하는 요인이 되고 있다. AMI가 그때까지 완전한 해답을 갖게 될 것이라는 게 아니라, 패러다임 전환이 필요했다는 것이 그 시점에는 모두에게 명백해질 것이라는 예측이다. > *"패러다임 전환이 필요하다는 인식은 지금 이 순간 일어나고 있으며, 2027년 초에는 모두에게 완전히 자명해질 것입니다."* ## [28:18] Tapestry: 나머지 세계를 위한 자주적 AI Tapestry는 AMI와는 별도의 프로젝트로, 하나의 관찰에서 출발한다. 스마트 안경과 AI 어시스턴트가 주요 정보 인터페이스가 되면, 기반 모델을 통제하는 자가 수십억 명의 정보 식단을 통제한다. 인도의 농부, 독일의 철학자, 모로코의 시민, 이들 중 누구도 훈련 데이터와 가치관, 정치적 편향이 캘리포니아나 선전의 소수에 의해 결정된 모델에 잘 맞지 않는다. 해결책은 연합 훈련이다. 국가와 기관이 데이터와 컴퓨팅 자원을 기여하지만 원시 데이터는 서로 공유하지 않는다. 파라미터 벡터만 교환한다. 각 참여자는 로컬에서 훈련하고, 주기적으로 파라미터 업데이트를 교환하며, 어느 단일 주체도 통제하지 않는 인류 지식 저장소인 합의 모델을 가져간다. 인도부터 카자흐스탄, 프랑스까지 여러 국가가 관심을 표명했는데, AI 자주권이 기술 선택과 무관한 정치적 우선순위가 됐기 때문이다. > *"모든 정보 식단이 AI 어시스턴트를 통해 매개될 텐데, 그 AI 어시스턴트가 캘리포니아나 베이징에서 만들어졌다면 당신에게 좋을 리 없습니다."* ## [35:49] OpenAI는 제2의 Sun Microsystems 독점 LLM 제공업체들은 이미 공개적으로 이용 가능한 텍스트 데이터를 소진했다. 남은 경로, 즉 저작권 자료 라이선싱이나 합성 데이터 생성은 비용이 많이 들고 한계가 있다. 오픈소스 모델들은 그런 제약 없이 격차를 좁혀왔다. Yann은 1990년대 유닉스 워크스테이션 시장에 비유한다. Sun Microsystems, HP, SGI 모두 기술적으로 우월한 독점 시스템을 보유했고, Windows NT로는 웹 서버를 운영할 수 없다는 설득력 있는 논리를 폈다. 그러나 모두 Linux에 밀려났다. 지금 인터넷 전체가 Linux 위에서 돌아간다. OpenAI와 Anthropic은 이 사이클의 Sun Microsystems라고 그는 말한다. > *"기본적으로 오늘날의 OpenAI, Anthropic 등은 과거의 Sun Microsystems와 HPUX입니다."* ## [40:51] Yann의 관점이 Hinton, Bengio와 갈라진 이유 분열은 2023년에 일어났다. Yann의 입장은 변하지 않았다. Hinton과 Bengio의 입장이 바뀐 것이다. Hinton은 GPT-4를 접하고 피질 뉴런 수에 대한 개략적 계산에 기반해 인간 수준의 지능에 근접했다고 결론 내렸다. Yann은 그 논리가 틀렸다고 보며, Hinton이 승리를 선언하고 활발한 연구에서 물러날 구실을 찾은 것으로 읽는다. Bengio의 변화는 달랐다. AI 권력 집중으로 인한 사회적 위험에 더 초점을 맞췄는데, Yann은 종말론적 프레이밍에는 동의하지 않으면서도 그 우려 자체에는 더 공감한다. > *"나는 그 주장을 전혀 믿지 않는다. 이건 Jeff가 '이제 은퇴해도 된다, 승리를 선언했으니'라고 말하는 방식이다."* ## [44:32] LLM은 구조적으로 안전하지 않다 Yann의 가장 강한 주장은 이것이다. LLM은 신뢰할 수 있을 만큼 안전하게 만들 수 없다. 정렬이 어려워서가 아니라, 아키텍처 자체가 행동의 결과를 예측하는 데 구조적으로 무능하기 때문이다. 프롬프트된 LLM이 의도한 태스크를 실제로 수행한다는 하드코딩된 보장이 없다. 훈련이 조건화한 방향으로 수행할 뿐이고, 훈련 분포와 실제 프롬프트 사이에는 항상 간극이 있다. 하드 드라이브를 지우는 코딩 에이전트, 잘못된 의료 조언, 돌이킬 수 없는 행동을 취하는 에이전트 시스템, 이것들은 패치로 고칠 수 있는 버그가 아니라 아키텍처의 속성이다. 그의 대안인 목표 지향적 AI는 다르게 작동한다. 시스템에는 명시적인 월드 모델, 목표를 나타내는 명시적인 비용 함수, 그리고 하드 안전 제약이 있다. 옵티마이저는 모든 제약을 충족하면서 비용을 최소화하는 행동 순서를 찾는다. 즉, 구조적으로 안전 제약을 위반하는 행동은 불가능하다. LLM으로는 그런 보장이 불가능하다. 그는 또한 Anthropic의 AI 위험 로비 서사에도 반박한다. 진짜 위험은 현재 시스템을 이용하는 나쁜 행위자에서 오는 것이지 창발적 초지능에서 오는 것이 아니며, 규제 압박은 주로 기존 사업자에게 유리하게 작용한다고 주장한다. > *"LLM은 본질적으로 안전하지 않습니다. 신뢰할 수 있고 안전하게 만들 수 있다고 생각하지 않습니다. 환각을 멈출 수 없으니 신뢰성 있게 만들 수도 없습니다."* ## [58:00] Yann이 Meta를 떠난 이유 Yann은 널리 퍼진 오해를 바로잡는다. 그는 Llama에 기술적인 영향력이 전혀 없었다. Llama 1은 작은 FAIR 프로젝트였고, 2023년 초 GenAI가 출범하면서 Llama 팀이 그쪽으로 이동해 강도 높은 단기 제품 압박을 받게 됐다. Llama 1 저자 두 명은 떠나 Mistral을 창업했다. GenAI는 보수적이 됐고 논문 출판도 점점 제한됐다. 한편 FAIR는 Yann과 Zuckerberg, CTO가 당초 모두 지지했던 AMI 연구 의제 대신 GenAI의 LLM 작업을 지원하는 방향으로 재편되고 있었다. 2024년 초에 이르러 환경은 더 이상 돌파구 연구에 맞지 않았다. > *"내 역할, Alex와의 관계, Meta에서 AI가 어떻게 운영됐는지에 대한 큰 오해가 있습니다."* ## [01:00:26] FAIR를 돌아보며 Yann은 2013년 말 Facebook에 합류해 4년 반 동안 FAIR를 이끈 뒤 자신이 타고난 관리자가 아니라는 이유로 수석 AI 과학자로 자리를 옮겼다. 내부 AMI 프로젝트는 2022년 비전 논문에서 자라났고, Zuckerberg, CTO, CPO 모두 읽고 지지했다. 하지만 리더십 아래 층에서는 그 의미를 파악하지 못했다. Meta가 Gita Matarić이 이끌던 로봇공학 AI 그룹 전체를 해체한 결정, 그 후 Matarić은 Amazon으로 갔다, 이는 회사가 월드 모델이 만들어진 응용 분야에 관심이 없다는 것을 분명히 했다. 논문 출판 제한이 강화되고, 우수한 연구자들이 떠나며, Yann의 연구 의제와 Meta의 제품 우선순위 간의 괴리는 2025년 초에 이르러 더 이상 봉합할 수 없게 됐다. AMI 투자 유치에 나섰을 때 투자자들은 이미 수년간의 공개 강연을 통해 그의 이야기를 알고 있었고, LLM에 근본적인 한계가 있다는 것을 믿을 준비가 돼 있었다. > *"초창기 FAIR와 Bell Labs에서 이뤄진 것과 같은 돌파구 연구를 이끌어내는 최선의 방법은 최고의 인재를 뽑고, 성공할 수 있는 수단을 주고, 그냥 빠져주는 것이다."* ## [01:12:11] 박사과정 학생들에게 주는 조언 Yann은 자기지도 학습이 비디오에서 성공할 것이라는 자신의 예측이 메커니즘은 맞았지만 처음 성공한 곳이 틀렸다는 반성으로 시작한다. LLM은 "자기지도 학습의 눈부신 성공 사례"지만 감각 데이터가 아닌 언어에 적용됐다. 그런 다음 JEPA의 핵심 기술 과제를 제시한다. 표현 붕괴다. 한 임베딩을 다른 임베딩에 매핑하도록 예측기를 훈련하면, 두 인코더가 모두 상수를 출력하는 것이 자명하게 최적인 해다. 대조 학습(그의 1993년 발명)은 붕괴를 막지만 차원과 함께 스케일이 안 된다. DINO 같은 증류 방법은 효과가 있지만 이유가 잘 이해되지 않는다. 현재 그의 최선 답은 SIGreg(Sketched Isotropic Gaussian Regularization)으로, 인코더 출력 분포를 가우시안으로 강제해 음의 쌍 없이 정보 함량을 최대화한다. AMI Labs가 향하는 곳을 파악하는 최고의 입문으로 LeWorldModel 논문을 추천한다. 박사과정 학생들에 대한 조언은 LLM을 연구하지 말라는 것이다. 프론티어 컴퓨팅 없이는 아카데미아에서 기여할 수 없고, LLM이 왜 작동하는지 연구하는 것은 창의적 연구가 아닌 기술적 과학이라는 것이다. > *"LLM이 작동하는 이유는, 이산 기호 시퀀스가 있을 때는 예측이 쉽기 때문입니다. 실제 세계에서는 생성 모델을 쓸 수 없습니다. 표현을 학습하고 표현 공간에서 예측을 하는 시스템을 훈련해야 합니다."* ## 엔티티 - **Yann LeCun** (인물): 2018년 튜링상 공동 수상자; Meta FAIR 전 수석 AI 과학자; AMI Labs 창업자; NYU 교수; 합성곱 신경망 발명자이자 JEPA 공동 개발자 - **Jacob Effron** (인물): Redpoint Ventures 파트너; Unsupervised Learning 팟캐스트 진행자 - **Geoffrey Hinton** (인물): 튜링상 공동 수상자; GPT-4 이후 LLM 능력에 대한 입장을 바꿨고, 2024년 이후 AI 위험 발언이 줄었다 - **Yoshua Bengio** (인물): 튜링상 공동 수상자; 창발적 초지능보다 AI 권력 집중으로 인한 사회적 위험에 집중 - **JEPA** (개념): Joint Embedding Predictive Architecture. 픽셀 공간이 아닌 표현 공간에서 예측하며, Yann의 월드 모델 프레임워크에서 지각 백본을 담당한다 - **World Model** (개념): 에이전트가 행동을 실행하기 전에 결과를 예측하게 해주는 내부 모델. Yann의 프레임워크에서 안전한 에이전트 AI의 전제 조건 - **Tapestry** (개념): 연합 LLM 훈련 프로젝트. 국가와 기관이 파라미터 벡터 교환을 통해 데이터 자주권을 유지하면서 공동 파운데이션 모델을 훈련할 수 있도록 한다 - **AMI Labs** (조직): Yann의 회사(Advanced Machine Intelligence). 파리 본사, 뉴욕 미국 사무소. 로봇공학, 산업 제어, 헬스케어를 위한 JEPA 기반 월드 모델에 집중 - **Meta FAIR** (조직): Facebook AI Research. Llama 1, I-JEPA, V-JEPA, AMI 내부 연구 프로그램의 발원지. Yann 퇴사 전 GenAI LLM 지원 방향으로 점차 재편됐다

Salesforce CEO Marc Benioff가 Jason Calacanis, David Friedberg, Chamath Palihapitiya(David Sacks 불참)와 함께 폭넓은 대화를 나눈다. 이번 에피소드는 두 개의 실시간 이슈를 중심으로 전개된다. 2017년 이후 처음 열리는 트럼프-시 정상회담, 그리고 AI가 기업 소프트웨어 밸류에이션을 흔드는 현실이다. 사우디 국빈 만찬, 윈저 성, 이번 정상회담 대표단에 모두 참석한 Benioff는 미중 민간 외교의 최전선을 직접 전하고, Salesforce가 AI 격변의 수혜자로 자리할 수 있는 이유를 설명한다. 후반부에서는 OpenAI와 애플의 충돌, Thinking Machines의 실시간 멀티모달 데모, Friedberg의 충격적인 엘니뇨 데이터, Anthropic의 SPV 다층 구조 단속을 다룬다. ## [00:00] Salesforce CEO Marc Benioff, 쇼에 합류하다! 이번 주 Sacks는 자리를 비웠고, Benioff가 그 자리를 채웠다. Jason은 곧바로 Benioff의 정치적 입장을 묻는다. 과거 민주당 후원자였던 그가 사우디 국빈 만찬에 참석하고 현 행정부와도 마찰 없이 교류한다는 점을 짚었다. Benioff는 당파적 시각을 단호히 거부한다. > *"나는 민주당원도 공화당원도 아닙니다. 나는 미국인입니다."* Chamath는 Benioff가 윈저 성, 찰스 왕세자의 미국 방문, 사우디 국빈 만찬 초청을 연달아 받았다고 짚었다. 정권이 바뀌어도 마찰 없이 움직이는 드문 테크 CEO라는 것이다. 이 장면은 정상회담 현장을 실시간으로 지켜본 Benioff가 얼마나 독보적인 증언자인지를 보여준다. ## [01:14] 트럼프-시 정상회담, 미국 기업의 중국 비즈니스, 미국인과 중간선거에 미칠 영향 이란 전쟁으로 두 달 늦춰진 트럼프-시의 일곱 번째 대면 회담이 베이징에서 열렸다. 시진핑은 대만 문제를 잘못 다루면 양국 관계가 "극히 위험한 상황"에 처할 수 있다고 경고했다. Polymarket에서는 2026년 침공 확률이 2,300만 달러 거래량 기준 6%로 집계됐다. 무역 측면에서 시진핑은 대두, 미국 LNG, 보잉 제트기 200대 구매를 약속하며 "더 넓은 무역의 문"을 열겠다고 했다. 미국 대표단은 마치 기업 이사회 같다. Jensen Huang은 반도체를, Kelly Ortberg는 항공기를, Cargill의 Brian Sykes는 대두를 팔고, Visa와 Mastercard는 결제 시장 개방을 요구했다. Friedberg는 투키디데스 함정의 틀로 정상회담을 해석했다. 부상하는 강국과 쇠퇴하는 강국이 마주치면 역사적으로 충돌이 일어나지만, AI와 바이오테크가 만드는 자원 팽창의 순간이 그 패턴에서 벗어날 드문 탈출구가 될 수 있다고 봤다. > *"AI, 자동화, 바이오테크 같은 기술 전환이 눈앞에서 펼쳐지고 풍요의 시대가 열릴 수 있는 이 순간, '어쩌면 세계가 더 다극적으로 갈 수 있다'고 말할 완벽한 타이밍인 것 같습니다."* Benioff는 Salesforce가 중국 본토에 사무실이나 직원이 전혀 없다고 밝혔다. 데이터 현지화 규정을 충족하기 위해 모든 중국 매출은 알리바바와의 독점 파트너십을 통해 흘러간다. 그는 이번 정상회담이 대표단 전반에 걸쳐 실질적인 수주로 이어질 것이라고 내다봤다. Chamath는 중국의 하향식 유교적 위계 구조 때문에 CEO급 직접 외교가 관료적 채널보다 훨씬 효과적이며, 인플레이션으로 생활이 빠듯해진 미국인들에게도 이 합의가 반드시 작동해야 한다고 강조했다. ## [18:46] 대만, 반도체, AI 모델, 그리고 무역을 통한 평화 Benioff는 대만이 시진핑의 핵심 우선 과제라는 전제에 반박했다. 영토 야욕보다 경제 번영과 중산층 성장이 시진핑에게 더 중요하다는 것이다. "미국이 대만을 봉쇄에서 지켜야 하는가"라는 직접적인 질문에는 이분법을 거부했다. "중국과 대만은 화해할 것"이라고 잘라 말했다. Chamath는 구조적 관점을 제시했다. 미국이 국내 반도체 공정 수준에서 1~2 나노미터 격차만 남겨두고 있으며, 그 격차가 좁혀지면 대만의 전략적 가치는 실존적 문제가 아니라 경제적 문제로 바뀐다고 봤다. > *"우리는 대만이 전략적으로 해줘야 하는 것을 우리 스스로 할 수 있는 지점에서 1~2 나노미터 정도 떨어져 있습니다. 지금은 그게 경제적인 문제이고, 그것이 협상 테이블에서 사라지면 대만을 보는 시각도 크게 달라질 것입니다."* Chamath의 처방: 어차피 반도체를 팔아라. 화웨이가 반도체 경쟁에서 이기도록 두는 것이 KYC 조건 아래 Nvidia가 중국에 파는 것보다 더 나쁘다. Benioff도 동의했다. 반도체 규제에도 불구하고 중국 AI 모델이 미국 모델과 대등한 수준에 이르렀다는 점은 수출 금지 논거를 약화시킨다. Friedberg는 중국이 자국 팹과 장비를 구축할수록 정치적 결과와 무관하게 대만의 대체 불가능성이 자연스럽게 줄어들 것이라고 덧붙였다. ## [31:41] AI가 소프트웨어에 미치는 영향: 어떤 SaaS가 살아남고 어떤 SaaS가 죽는가? Jason은 재평가 현실을 거침없이 짚었다. Salesforce 37%, ServiceNow 42%, Workday 45% 하락—AI가 매니지드 SaaS를 쓸모없게 만들 것이라는 가정 하에 합산 시가총액 약 1,800억 달러가 증발했다. Benioff는 정면돌파했다. > *"솔직히 이게 내가 처음 겪는 SaaS 묵시록은 아니지만, 지금의 SaaS 묵시록인 건 맞죠."* 그의 논리: 시장은 잘못된 전제 위에서 재평가를 단행했다. Salesforce의 베팅은 Agentforce다. 환각 가능성이 있는 범용 모델이 아니라 실제 기업 데이터에 기반한 AI 에이전트다. 80억~90억 달러 규모의 Informatica 인수는 에이전트를 신뢰할 수 있게 해주는 데이터 조화 계층을 제공한다. "AI는 매우 확률적이어서 진실에, 하나의 단일 진실 소스에 고정되지 않으면 제대로 작동하지 못합니다." Benioff는 Salesforce가 내부 코딩 에이전트용으로만 올해 Anthropic에 약 3억 달러를 지출해 구현 사이클을 대폭 줄이고 있다고 덧붙였다. Chamath는 시장을 둘로 나눴다. 저가 시장은 끝났다. 깊은 고객 관계 없이 단일 기능만 제공하는 솔루션은 사라진다. 반면 Salesforce가 속한 고가 시장은 공개 시장이 AI에 대한 "황홀경"에서 깨어나 3조 달러의 자본 지출이 무엇을 낳았는지 묻기 시작할 때 오히려 수혜를 입을 위치다. 살아남는 기업은 C레벨 관계망, 마이너스 이탈률, AI 역량을 측정 가능한 성과로 패키징하는 능력을 갖춘 곳이다. ## [47:26] OpenAI, ChatGPT 연동 실패로 애플 소송 검토 중 Bloomberg 보도에 따르면 OpenAI가 계약 위반을 이유로 애플 소송을 검토 중이다. 2024년 ChatGPT-Siri 계약은 실제로는 작동하지 않았다. 애플이 사용자가 명시적으로 "ChatGPT"라고 말할 때만 연결하고 연동을 홍보하지 않았으며, OpenAI는 기대했던 구독 매출을 끝내 보지 못했다. 애플의 반론은 OpenAI의 데이터 처리 관행에 대한 개인정보 우려다. Benioff는 이 사안을 AI 랩들의 전략 분기 이야기로 재해석했다. Grok은 컴패니언과 "섹스봇"을 만들었고, OpenAI는 Sora와 광고 네트워크를 밀었고, Gemini는 Nano를 출시했다. Anthropic은 그 모든 것을 무시하고 코딩 에이전트에만 집중했는데—Anthropic이 옳았다. 그는 Slack 네이티브 코딩 기능도 미공개 상태로 언급했다. > *"Anthropic은 '우리는 그런 섹스봇도, Nano 바나나도 모르겠고, 코딩 에이전트를 만들겠다'고 했습니다. 그리고 Anthropic이 옳았죠. 로켓이 날아오른 겁니다."* Chamath는 더 근본적인 질문을 던졌다. AI 인터랙션 계층이 기기 밖으로 완전히 이동하면 애플에게 무슨 일이 생길까? 그는 예상치 못한 하드웨어 플레이어로부터 "아이폰 모먼트"가 올 것이라고 예측했다. 항상 켜져 있는 얇은 앰비언트 기기가 AI 추론에서 MacBook Pro를 무의미하게 만드는 시나리오다. Friedberg는 애플의 현재 전략이 선도적 비전보다는 빈틈 메우기에 가깝다고 짚으면서, G Suite가 기업 생산성 시장에서 애플 스택을 조용히 잠식하고 있다고 덧붙였다. ## [56:54] Thinking Machines, 실시간 모델 공개…소비자 AI의 미래와 다중감각 모델 Mira Murati의 Thinking Machines가 실시간 멀티모달 모델을 공개했다. 200ms 간격으로 두 개의 병렬 파이프라인—하나는 심층 회고적 추론, 하나는 실시간 응답—을 통해 데스크톱 화면, 주변 오디오, 웹캠 입력을 동시에 처리한다. 애플은 AirPods 내부 카메라 관련 특허를 동시에 출원했다. > *"다중감각 모델은 AI의 다음 큰 물결입니다. 그 단계에 도달해도 우리는 아직 AGI에는 이르지 못한 상태입니다."* Benioff는 언어 데이터로만 학습된 LLM의 근본적 한계를 지적했다. 인간의 인지는 눈, 귀, 고유감각을 생물학적 하드웨어 위에서 동시에 처리한다. 다중감각 기반이 바로 그 빠진 고리다. 토큰 경제학도 극적이다. 사용자당 하루 8시간 실시간 앰비언트 모니터링은 현재 기업 소비량의 1,000배에 달한다. Benioff는 "더 큰 모델 = 더 좋은 결과"라는 군비 경쟁에 반기를 들었다. 앱과 기기에 내재된 분산 지능이 단순 모델 규모보다 더 중요해질 것이며, 앰비언트 감지와 기업 맥락을 통합할 "주목받을 신생 기업"의 공간이 열릴 것이라고 봤다. ## [62:24] 사이언스 코너: 2026년 역대급 엘니뇨의 충격 Friedberg는 해수면 온도 이상 데이터를 제시했다. 1877년 이후 최대 편차를 향해 달리는 해수 온도—기준치보다 약 4°C 높다. 저장된 열에너지는 1,100만 테라와트시로, 인류의 연간 에너지 소비량 25,000 테라와트시와 비교된다. > *"저 바다에는 인류 500년치 에너지가 담겨 있습니다. 그리고 앞으로 몇 달에 걸쳐 그 에너지가 대기로 방출될 것입니다. 99% 확신을 갖고 말씀드리는데, 올해는 역대 가장 더운 해가 될 것이며 그 격차도 압도적일 것입니다."* 연쇄 효과: 변화한 무역풍이 대기하천을 캘리포니아와 걸프 연안으로 몰아넣고, 열돔이 피닉스와 캐나다 내륙 위로 확장되며, 인도 몬순이 높은 확률로 실패해 1억 5천만 명의 농민과 15억 명의 식량 의존 인구를 위협한다. 브라질의 인도네시아·필리핀行 농산물 수출이 무너지고 밀 가격이 세계적으로 급등한다. 5월에 피닉스는 이미 106°F를 기록했다. 상품 시장은 이미 엘니뇨 익스포저를 활발히 거래 중이다. Friedberg가 제시하는 부분적 희망: 작물 유전학이 가뭄 내성을 높였고 시베리아 농지가 확장 중이다—그러나 그 이득이 2026년 수확 시즌을 구하지는 못한다. ## [71:40] Anthropic, "다크 SPV"를 정조준하다 Anthropic은 소매 투자자에게 다층 SPV를 판매하는 플랫폼—"치과 의사에게 10% 수수료를 물리는" 구조—을 공식적으로 문제 삼고, 무허가 구조를 통해 팔린 주식을 무효화하겠다고 밝혔다. Chamath는 전폭적인 지지를 표명했다. IPO 전 모든 기업이 이 선례를 따르고 공개 시장으로 나아가 이런 구조를 사라지게 해야 한다는 것이다. > *"SpaceX가, Anthropic이, OpenAI가 상장하고 나면 SPV 판매자들과의 소송이 줄줄이 터질 것입니다. 이 구조는 허용되어서는 안 됩니다."* Chamath는 주요 AI 기업들이 상장하고 소매 SPV 투자자들이 수익 계산이 맞지 않는다는 걸 깨닫는 순간, 대규모 법적 후폭풍이 밀려올 것이라고 예측했다. 마지막에는 Benioff가 Salesforce의 1-1-1 박애주의 모델을 소개했다. 창업 당시 지분 1%, 이익 1%, 직원 시간 1%를 기부하는 이 모델은 지금 5만 개의 비영리 단체에 플랫폼을 무료로 제공하고 있다. 그리고 Susan Wojcicki에 대한 감동적인 추모로 챕터를 마무리했다. ## 등장인물 - **Marc Benioff** (인물): Salesforce 회장 겸 CEO; 이번 에피소드 게스트; 1-1-1 박애 모델과 Agentforce AI 에이전트 플랫폼의 설계자 - **David Friedberg** (인물): 진행자; The Production Board CEO; 엘니뇨 사이언스 코너 발표 - **Chamath Palihapitiya** (인물): 진행자; Social Capital CEO; Salesforce 고가 SaaS 생존론과 Nvidia 반도체 확산론 주장 - **Salesforce / Agentforce** (소프트웨어): 기업용 CRM 및 에이전트 플랫폼; 데이터 기반 AI 에이전트가 SaaS 사망 선고의 반대 증거라는 Benioff의 베팅 - **Anthropic** (조직): AI 안전 기업; Benioff가 선호하는 코딩 에이전트 공급사(Salesforce의 연간 계획 지출 약 3억 달러); 무허가 SPV 구조 단속 주도 - **OpenAI** (조직): ChatGPT-Siri 연동 실패로 애플 소송 검토 중; Anthropic의 성공을 따라 코딩 에이전트로 피벗 - **Thinking Machines / Mira Murati** (조직): 200ms 간격으로 데스크톱·오디오·웹캠을 동시 처리하는 실시간 앰비언트 멀티모달 모델 공개 - **투키디데스 함정** (개념): 부상하는 강국과 쇠퇴하는 강국의 충돌 주기를 설명하는 정치학 프레임; Friedberg가 미중 정상회담의 협력적 풍요 기회를 조명하는 데 인용 - **다크 SPV** (개념): AI 비상장 기업의 주식을 소매 투자자에게 판매하는 다층 특수목적법인; 높은 수수료와 법적 불확실성 문제로 논란

Episode two of Anthropic's Claude Code 101 opens the hood: the agentic loop that gathers context, takes action, and verifies results; how the context window compacts itself before it overflows; what tools actually buy you over plain text-in-text-out; and the four permission modes you toggle with shift+tab. ## [00:04] Opening question: how is it different from a chat app The narrator frames the rest of the video as one question — Claude Code isn't a chat app, so what is the shape of the thing? The answer they're going to unpack is the agentic loop. > *We know that Claude code is different from usual chat applications, but how does it work?* ## [00:13] The agentic loop — gather, act, verify, repeat The loop has four beats. You enter a prompt. Claude gathers the context it needs by talking to the model, which returns either text or a tool call. Claude executes the action — editing a file, running a command. Then it verifies whether the result actually satisfies the prompt. Pass and it stops; fail and it loops again until the work is complete and verifiable. The user isn't locked out during this — you can add context, interrupt, or steer the model toward the end goal while the loop is running. > *And if they don't, Claude goes back and runs the loop again until the results are complete and verifiable.* ## [01:02] Context window and automatic compaction The context window is Claude's working memory — conversation, file contents, command outputs, everything it can look back on. It's bounded. When you hit the ceiling, Claude Code compacts the conversation on its own: it picks what to drop and what to summarize so the window comes back down without losing the thread. > *Once you reach that limit, Claude code compacts your conversation, which automatically determines what it can take out of the context window and what it can summarize in order to bring the context window back down.* ## [01:26] Tools — semantic dispatch to read files, run code, search the web Most AI assistants are text in, text out, with nothing between. Tools are what change that — they let the agent decide when to execute code to move closer to the goal. Read a file, search the web, run a shell command. Claude Code uses semantic search over the available tools to pick which one to call and consume the output. > *Tools let Claude code and other agents determine when to execute code to get closer to a task.* ## [01:52] Permission modes and the cost of skipping them By default, Claude Code asks before it edits a file or runs a shell command. Shift+tab cycles through alternatives: **auto-accept edits** writes files without prompting but still asks before commands; **plan mode** restricts Claude to read-only tools so it can draft a plan of action before touching anything. The narrator flags the obvious tradeoff — handing the agent free rein means a mistake is harder to catch before it lands. > *Giving Claude code free reign to run commands means a mistake could be harder to catch before even happens.* ## [02:28] Recap — what makes it not a chat window Four primitives composed into a terminal: an agentic loop, a managed context window, tools, and configurable permissions. The combination — read the codebase, act on it, verify its own work — is what separates Claude Code from a chat box. > *It can read your code base, take action, and verify its own work, and that makes it fundamentally different from a chat window.* ## Entities - **Anthropic Tutorial Narrator** (Person): Anthropic's official voice-over narrator for the Claude Code 101 tutorial series. - **Claude Code** (Software): Anthropic's agentic terminal coding assistant, built around the four primitives unpacked in this episode. - **Agentic loop** (Concept): The gather-context → act → verify → repeat cycle that drives every Claude Code session. - **Context window** (Concept): Claude's bounded working memory holding the conversation, file contents, and command output; auto-compacted on overflow. - **Tools** (Concept): Side-effects the agent can invoke — read file, search web, run command — selected via semantic search over the tool catalog. - **Permission modes** (Concept): Default (ask), auto-accept edits, and plan mode (read-only) — cycled with shift+tab. - **Plan mode** (Feature): A read-only permission mode that lets Claude compile a plan of action before any mutation.

The official install guide for Claude Code. Anthropic's narrator walks through the one-line installers for every supported platform — terminal, VS Code, JetBrains, Claude Desktop, and the web — and closes with a quick rule of thumb for picking one. ## [00:04] One-line installers for terminal (macOS, Linux, WSL, Windows) The default path is the terminal. macOS, Linux, and WSL users get a single `curl` command; Homebrew works too but skips auto-update. On Windows, PowerShell uses `Invoke-RestMethod`, CMD has its own `curl` snippet, and `winget` is available with the same auto-update caveat as Homebrew. > *If you're on macOS, Linux, or WSL, use this curl command to install it in one go. If you prefer to use Homebrew, you can also use brew install to install it, but note that this doesn't have auto-update capabilities.* ## [00:33] Run claude in your project and sign in After install, `cd` into your project and run `claude`. First launch hands you a color theme picker and a sign-in flow that accepts a Pro, Max, Enterprise, or API-key login. Enterprise accounts must explicitly pick that option. The directory you launch from defines the access boundary — Claude Code sees that folder and everything beneath it, nothing above. > *Whatever directory you decide to run cloud in, it will have access to that directory and all of its subfolders.* ## [01:02] VS Code extension Open the Extensions panel, search for the Claude Code extension by Anthropic, and confirm the blue verified check before installing. A restart may be required. Once installed, the Command Palette (`Ctrl/Cmd+Shift+P`) opens a new Claude Code tab; you can also click the logo from any open file, or opt out of the GUI entirely and stick to the terminal experience via settings. > *You can also opt out of the UI and just use the terminal experience directly in your settings file.* ## [01:32] JetBrains plugin Same shape as VS Code: install the Claude Code plugin from the JetBrains Marketplace, restart the IDE, and the Claude logo shows up on relaunch. Clicking it opens a side pane that surfaces the terminal experience next to your editor. > *For JetBrains IDEs, you can install the Cloud Code plugin from the JetBrains Marketplace. Once you install, restart your IDE.* ## [01:51] Claude Desktop and claude.ai/code on the web Claude Desktop exposes Claude Code through a "code" toggle at the top of the app once you're signed in — same chat-style feel, but scoped to a specific folder with adjustable permissions and even a cloud execution mode. The web build lives at `claude.ai/code` and mirrors the desktop experience, with one hard constraint: it only works against GitHub repositories. > *On the web, you can access Claude code by going to claude.ai/code. This works very similar to the desktop app. However, you're restricted to GitHub repositories only.* ## [02:27] Picking the right surface The narrator's heuristic: terminal first if you want new features the day they ship. IDE integrations give you a nearly identical experience tucked inside your editor. Desktop is the pick when you want Claude grinding in the background while you do something else. Web is for remote work on GitHub repos or running multiple sessions in parallel. > *If you want to constantly keep up to date with everything, the terminal is the best bet. Features ship there the fastest.* ## Entities - **Anthropic Tutorial Narrator** (Person): Voice-over host of Anthropic's Claude Code 101 course. - **Claude Code** (Software): Anthropic's agentic coding tool, installable across terminal, IDEs, desktop, and web. - **Homebrew / winget** (Software): Package-manager install paths offered as alternatives to the official curl/PowerShell installers — both skip auto-update. - **VS Code extension** (Software): Anthropic-published Claude Code extension; verify the blue check before installing. - **JetBrains plugin** (Software): Claude Code plugin distributed via the JetBrains Marketplace; opens a side pane after IDE restart. - **Claude Desktop** (Software): Desktop app exposing Claude Code via a "code" toggle, with folder scoping and a cloud execution mode. - **claude.ai/code** (Service): Web build of Claude Code, restricted to GitHub-hosted repositories.

Abridge의 Janie Lee와 Chai Asawa가 swyx, Redpoint의 Jacob Effron과 함께하는 Latent Space × Unsupervised Learning 크로스오버에서 AI 스크라이브가 어떻게 의료계의 "임상 지능 레이어"로 성장했는지를 이야기합니다. 에어컨형 제품 철학, 사전 승인 활용 사례, 임상 과학자와 LLM 판정자를 중심으로 구축한 eval 스택, HIPAA가 데이터 플라이휠을 어떻게 재편하는지, 그리고 1억 건 이상의 의료 대화에서 안정적으로 운영하기 위해 무엇이 필요한지를 다룹니다. ## [00:00] 소개 에피소드는 Janie Lee의 핵심 메시지로 시작합니다. 맥락이 전부이며, 알림은 사후 대응에서 선제적 대응으로 바뀌어야 하고, 제품 자체는 임상 위험이 발생할 때까지 에어컨처럼 배경으로 물러나 있어야 한다는 것입니다. 이어서 swyx가 광고 없이 운영하기 위해 청취자에게 구독을 부탁합니다. > *"저희가 자주 하는 말이 있어요. 제품이 에어컨처럼 느껴지길 바란다고요. 그냥 배경에서 조용히 상황을 더 좋게 만들어 주는 존재요."* — Janie Lee ## [01:17] Abridge가 하는 일 swyx는 이번 에피소드를 연간 Latent Space × Unsupervised Learning 크로스오버로 소개하고, Redpoint가 Abridge에 투자했기 때문에 Jacob Effron이 합류했다고 설명합니다. Janie는 Abridge를 의료 시스템을 위한 임상 지능 레이어로 소개하며, 문서화에서 시작했다고 밝힙니다. 임상의들은 매주 10~20시간을 노트 작성에 씁니다. 환자와 임상의 간의 대화는 청구서, 결제, 진단 등 이후의 거의 모든 산출물의 출발점입니다. Chai는 환자, 보험사, 가이드라인, 의학 문헌에 대한 완전한 맥락이 확보되면 진료 전·중·후 모든 과정을 다룰 수 있다고 덧붙입니다. > *"Abridge는 의료 시스템을 위한 임상 지능 레이어입니다. 문서화에서 출발해 임상의를 위한 제품을 만들었습니다."* — Janie Lee ## [03:22] 주변 문서화에서 임상 지능으로 Janie는 Abridge의 세 가지 전개 단계를 이야기합니다. 첫 번째는 시간 절약으로, 의사들에게 저녁 시간을 돌려주는 원래의 스크라이브 제품입니다. 두 번째는 사상 최저 수준의 운영 마진으로 운영되는 의료 시스템의 비용 절감과 수익 창출입니다. 세 번째는 궁극적으로 생명을 구하는 것입니다. 제품이 매주 수백만 번, 진료 전·중·후에 열린다는 사실이 이 확장을 가능하게 합니다. > *"'파자마 타임'이라고 부르죠. 퇴근 후에 파자마 차림으로 집에서 매일 노트를 쓰고 마무리하는 의사들을 가리키는 말이에요."* — Janie Lee ## [05:21] 임상 의사결정 지원과 맥락의 중요성 Jacob이 Abridge의 임상 의사결정 지원을 Chai의 이전 직장인 Glean과 비교합니다. Chai는 두 곳의 차이를 이렇게 설명합니다. Glean에서는 틀린 답이 불편한 수준이지만, 의료에서는 위험 부담이 높고 사용자 접점이 훨씬 좁습니다. 페르소나는 적지만 모든 산출물이 정확해야 합니다. 이는 오프라인 평가부터 단계적 출시까지 모든 것을 결정하며, 지난 10년간 해커톤마다 등장했던 '나를 진짜로 아는 어시스턴트'의 비전과도 연결됩니다. > *"지난 10년간 제가 참여한 해커톤마다 항상 Jarvis 경쟁 프로젝트가 있었어요. 그런데 Abridge는 그 기회에서 시작해 그 방향으로 계속 나아가고 있다고 진짜로 생각합니다."* — Chai Asawa ## [08:14] 알림 피로, 선제적 지능, 그리고 사전 승인 Jacob이 고전적인 알림 피로 문제를 제기합니다. 에어컨처럼 조용히 있다가 언제 실제로 끼어들 것인지 어떻게 결정하냐는 것입니다. Janie의 실제 사례는 사전 승인입니다. 오늘날 수 주 후에 도착하는 MRI 거부 결정을 환자가 진료실에 있는 동안 실시간 안내로 전환할 수 있습니다. 보험사 정책, EHR 데이터, 이전 진단, 클리닉별 프로토콜을 모두 고려합니다. 핵심은 데이터 배관입니다. 사전 승인은 적절한 순간에 모든 관련 신호를 연결할 수 있을 때만 작동합니다. > *"사전 승인 예시를 가능하게 하려면 어떤 데이터들이 필요한지 생각해보세요."* — Janie Lee ## [13:53] 주변 AI 폼 팩터와 의료 고객 swyx가 폼 팩터에 대해 묻습니다. 현재 주요 접점은 모바일이지만 Abridge는 데스크탑, EHR 내부 브라우저 플러그인, 입원 환경의 병실 장치, 간호 워크플로에서도 운영되며 AR도 검토 중입니다. 고객은 다면적입니다. CMIO, CFO, CIO, 임상의, 환자, 보험사, 제약사가 모두 어딘가에 관여하며, 보험사와의 상호작용은 원시 Abridge 데이터에 직접 접근하는 방식이 아니라 구조화된 교환을 통해 이루어집니다. > *"주변 AI에 대해 많이 이야기하시는데, 주로 전화기에서 이루어지나요?"* — swyx ## [18:16] 의료 분야에서 가장 어려운 AI 문제 Abridge에서 가장 어려운 AI 문제 하나를 꼽으라는 질문에 Chai는 고위험 임상 환경에서의 고품질·저레이턴시·저비용 실시간 지원을 선택합니다. 시스템이 추론할 수 있는 중간 표현으로 보험사 정책의 롱테일을 모델링하는 것이 하나의 구체적인 사례입니다. 파레토 프론티어는 계속 이동하며, 기성 솔루션을 기다리지 않고 스스로 밀어붙여야 합니다. > *"물론 파레토 프론티어는 항상 변하지만, 저희는 지금 당장 이걸 해내야 합니다."* — Chai Asawa ## [19:43] 프론티어 모델, 독점 데이터, 그리고 모델 전략 Jacob이 무엇을 기성품으로 사용하고 무엇을 자체 개발하는지 묻습니다. Chai의 관점: 프론티어 모델은 계속해서 일반 의료 지식을 흡수하므로 Abridge의 경쟁력은 독점적 의료 대화 데이터와 그 위에 구축한 전문 분야별 동작에 있습니다. 최종 제품 경험이 중요한 것이지 모델 자체가 아니기 때문에, 가능한 한 모델 종속성을 피하고 워크플로별로 혼합해 사용합니다. > *"결국 저희가 신경 쓰는 건 최고의 제품 경험뿐이에요. 이건 저것, 저건 이것, 그렇게 혼용할 수 있어요."* — Chai Asawa ## [22:24] 에이전트를 위한 파일시스템으로서의 EHR Chai가 앞으로 1년을 내다보는 관점: 모든 에이전트는 결국 코딩 에이전트이며, 의료 환경에서 EHR은 파일시스템 역할을 합니다. 현재 어떤 모델의 컨텍스트 윈도우에도 들어가지 않는 방대한 구조화 정보 저장소입니다. Janie는 목표는 여전히 임상의가 환자에게 집중할 수 있도록 하는 것이라고 덧붙입니다. 대화를 다시 검토하는 게 아니라, 올바른 맥락이 올바른 순간에 준비되어 있어야 합니다. > *"거의 모든 에이전트는 내부적으로 코딩 에이전트입니다. 어떤 파일시스템이든 주면 코드도 짤 수 있죠. EHR을 파일시스템처럼 생각할 수 있어요."* — Chai Asawa ## [25:20] 개인화, 메모리, 그리고 임상의 선호도 Jacob이 Abridge의 의사별 개인화를 어떻게 처리하는지 묻습니다. Janie의 답변은 계층적입니다. 개인의 편집이 신호가 되고, 그 위에 전문 분야별 기본값이 얹히며, 의료 시스템 정책이 모든 것을 감쌉니다. Chai는 메모리를 새로운 종류의 시스템 오브 레코드로 이야기합니다. 진료마다 신호를 통합하는 백그라운드 작업으로, 수면이 인간의 기억을 공고히 하듯 모델이 모든 편집과 비편집에서 학습하는 방식입니다. > *"저희에게 또 흥미로운 부산물 중 하나는 메모리인데, 사실 이게 새로운 시스템 오브 레코드 중 하나가 되어가고 있어요."* — Chai Asawa ## [31:57] Evals, LLM 판정자, 그리고 단계적 출시 Janie가 eval 스택을 설명합니다. 사내 임상의가 LFD 1차 검토를 수행하고, LLM 판정자는 그 어노테이션 데이터로 보정됩니다. 제3자 평가자가 독립적 검토를 제공하고, 전문 분야별 eval이 범용 eval이 놓치는 부분을 잡아냅니다. Chai는 자율주행차 비유를 더합니다. 실제 환경에 최대한 빨리 접촉하되, 단계적 출시를 통해 오프라인 배포 분포가 실제 프로덕션 배포 분포와 일치하도록 합니다. > *"현실 세계와 최대한 빨리 접촉하고 싶지만 단계적 출시를 원합니다. 오프라인 eval 세트의 배포 분포가 실제 배포 분포와 일치하길 바라기 때문입니다."* — Chai Asawa ## [38:04] HIPAA, 비식별화, 그리고 프라이버시 프라이버시는 데이터 플라이휠의 경직된 제약으로 취급됩니다. Chai는 온라인 eval이나 학습의 기반으로 사용되는 모든 데이터는 일방향으로 비식별화되어야 하며, 이를 위한 엔지니어링 프로세스가 구축되어 있다고 설명합니다. Janie는 고객 계약도 Abridge 내부에서 PHI에 접근할 수 있는 사람을 제한하기 때문에, 학습 데이터로 흘러 들어가는 기준이 정책 수준이 아니라 계약 수준으로 높다고 덧붙입니다. > *"저희가 사용하는 모든 데이터는 비식별화되어야 합니다. 온라인 eval 세트나 학습의 기반으로 사용하는 실제 세계 데이터 전부 그렇습니다."* — Chai Asawa ## [40:38] 1억 건의 대화와 규모의 운영 대화가 1억 건을 넘어서면서 새로운 과제들이 전면에 부상합니다. 모델 라우팅, 사후 학습, 신뢰성 예산, 호출당 비용이 모두 1급 관심사가 됩니다. Chai는 임상의에게 제공할 수 있는 인사이트를 이야기하며 시간을 더 앞으로 넓힙니다. 결국 같은 대화가 의료진뿐만 아니라 환자와 소비자에게 직접 신호를 전달하는 원천이 될 수 있습니다. > *"1억 건의 대화 데이터셋에는 너무나 많은 것들이 담겨 있어요. 임상의에게 줄 수 있는 인사이트 같은 것들을 상상해보세요."* — Chai Asawa ## [45:27] EHR 통합과 임상 지능 레이어 swyx가 EHR과의 관계를 묻습니다. Abridge는 깊은 상호운용성에 많은 투자를 합니다. EHR 파트너십은 임상의 도입을 위한 기본 요건이지만, Abridge가 그 위에 쌓는 가치는 다른 차원에 있습니다. 교차 진료 맥락, 보험사 인식 추론, EHR 자체가 구조적으로 생산하기 어려운 종류의 임상 지능입니다. > *"핵심 파트너 중 하나가 EHR인데, 그 관계가 어떤지 궁금합니다."* — swyx ## [47:56] 의료 규제, 레이턴시, 그리고 고위험 AI Jacob이 규제에서 얻은 교훈을 묻습니다. Janie의 답변은 통상적인 서사와 다릅니다. 의료 AI는 실제로 규제 순풍을 받고 있으며, 기준이 워낙 높기 때문에 가장 어려운 문제들이 이곳에서 먼저 해결된다는 것입니다. Chai는 오늘날 출시하는 "영리한 기법들"이 프론티어가 계속 발전함에 따라 5년 뒤에는 살아남지 못할 수도 있다는 것을 받아들이며 만든다고 말합니다. > *"가장 어려운 AI 문제들이 여기서 먼저 해결될 것이라고 생각해요. 기준이 그만큼 높으니까요."* — Janie Lee ## [51:28] 임상 과학자와 롱테일 품질 Janie는 Abridge 내부의 임상 과학자라는 역할을 설명합니다. 기술적 역량도 갖춘 MD들로, 풀스택 엔지니어부터 "극도로 실용적인 프롬프터"까지 다양합니다. 이들이 제품 및 eval 팀에 embedded되어 있기 때문에 출시 기준이 올라갑니다. LFD 기준을 작성하는 사람들이 임상적으로 유용하다는 것이 무엇인지 실제로 이해하는 사람들이기 때문입니다. swyx는 이를 알려진 약점에 대한 능동적 학습과 연결합니다. 대부분의 AI 조직에서는 사라져가는 장인 정신입니다. > *"임상 과학자라는 역할이 있는데, 최근에 우리 리더 중 한 명이 이들을 '돌연변이'라고 부르는 걸 들었어요."* — Janie Lee ## [54:21] Glean에서 배운 교훈과 지속 가능한 AI 인프라 Jacob이 Chai에게 Glean에서 가져온 것들을 묻습니다. 시간이 지나도 유효한 것들, 즉 맥락 레이어, 이벤트 기반 시스템, Kafka, Temporal, 소켓, Google Docs 협업 플레이북의 CRDTs가 답입니다. 멀티 에이전트 시스템은 인간과 같은 충돌 해결 문제를 물려받으며, 지난 10년간의 인프라 패턴들은 버려지는 게 아니라 재활용되고 있습니다. > *"이벤트 기반 기술이 정말 많아요. Kafka, Temporal, 소켓 등인데 이것들을 어떻게 통합하느냐가 실제로 오래 유효한 부분이라고 생각합니다."* — Chai Asawa ## [58:20] 에이전틱 의료 워크플로의 미래 더 에이전틱한 Abridge가 어떤 모습일지에 대한 짧은 대화. 임상의의 환자 관계에서의 역할을 중심에 두되, 검사 결과 대응, 후속 조치 초안 작성, 임상의를 대신한 업무 처리 등 백그라운드 작업이 더 늘어납니다. 다만 그 관계 자체를 대신하지는 않습니다. > *"환자 연결이라는 측면에서 임상의가 매우 중요한 역할을 한다고 믿기 때문에, 임상의를 대신해 더 많은 기능을 수행하면 됩니다."* — Chai Asawa ## [58:51] PRD, 제품 명확성, 그리고 진지한 AI 제품 만들기 Jacob의 속사포 질문: 지난 1년간 AI에 대해 생각이 바뀐 것이 있다면. Janie는 대중적인 통념을 뒤집습니다. 프로토타입이 전부가 아니고, PRD는 죽지 않았습니다. 제품이 더 복잡해지고 AI 기반이 될수록 제대로 된 PRD의 서면 명확성 훈련이 더 중요해집니다. 나머지 섹션은 의료에서 진지한 AI 제품 구축에 관한 내용입니다. 책임감, 서면 스펙 규율, 데모 주도 개발에 저항하기. > *"더 자극적인 주장은 프로토타입이 전부이고 PRD는 죽었다는 것이에요."* — Janie Lee (생각이 바뀐 주장) ## [64:28] Abridge의 AI 코딩 도구 swyx의 표준 마무리 질문. Abridge는 내부적으로 Claude Code와 Cursor를 사용합니다. Jacob은 반쯤 농담으로 벤치마크를 제안합니다. Claude가 시가총액 10억 달러 규모의 매출 전 회사를 운영하는 것을 보고 싶다는 것입니다. > *"Claude가 이걸 해주길 바라요. 10억 달러 규모의 매출 전 단계 회사를 운영해줬으면 해요."* — Jacob Effron ## [65:23] 아웃트로 Chai가 청취자들에게 Abridge 웹사이트의 백서를 소개합니다. 환각 감소, evals, 연구 스택에 관한 내용들입니다. swyx와 Jacob이 감사 인사와 마무리 인사를 나눕니다. > *"Abridge 웹사이트에 가시면 환각 감소 같은 흥미로운 작업들에 대한 백서들이 많이 있어요."* — Chai Asawa ## 등장인물 - **Janie Lee** (인물): Abridge 창업 초기 멤버; 임상 지능 레이어의 제품 및 사업 부문 담당. - **Chai Asawa** (인물): Abridge 임상 의사결정 지원 리드; Glean 출신. - **swyx** (인물): Latent Space 진행자. - **Jacob Effron** (인물): Redpoint Ventures 파트너; Unsupervised Learning 팟캐스트 진행자. - **Abridge** (조직): 임상 지능 레이어를 구축하는 의료 AI 기업. 주변 문서화에서 시작해 의사결정 지원, 사전 승인, evals, EHR 통합으로 확장 중. - **Glean** (조직): 엔터프라이즈 AI 검색 기업. Chai의 전 직장이자 수평적 제품 대 수직적 제품의 대비 사례로 언급됨. - **Redpoint Ventures** (조직): 벤처캐피털 회사; Abridge 투자자이자 Unsupervised Learning 크로스오버의 배경. - **EHR (전자의무기록)** (개념): 의료 시스템의 시스템 오브 레코드. Chai의 관점에서 EHR은 의료 에이전트의 파일시스템 역할을 함. - **사전 승인** (개념): Abridge의 핵심 활용 사례. 수 주씩 걸리는 보험사 거부 결정을 진료 중 실시간 안내로 전환. - **LFD 프로세스** (개념): Abridge의 사내 임상의 주도 1차 검토. LLM 판정자 보정과 eval 기준 정의에 사용. - **임상 과학자** (개념): Abridge의 역할. 제품 및 eval 팀에 embedded된 기술 역량을 갖춘 MD들. - **단계적 출시** (개념): Abridge의 배포 원칙. 실제 트래픽의 일부에 먼저 출시해 오프라인 배포 분포를 실제와 일치시키는 방식. 자율주행 출시 패턴을 모델로 함. - **Claude Code** (소프트웨어): Abridge 내부에서 사용하는 AI 코딩 도구. - **Cursor** (소프트웨어): Abridge 내부에서 사용하는 AI 코딩 에디터.

미국 국무부 경제담당 차관 Jacob Helberg가 No Priors에 다시 출연해 Pax Silica를 소개합니다. 14개국 경제안보 연합으로, 칩에서 희토류 자석, 로봇 액추에이터까지 AI 공급망 전체를 확보하기 위한 이니셔티브입니다. 핵심 프로젝트는 필리핀에서 미국에 제공하는 4,000에이커 규모의 전진 배치 산업기지로, 맨해튼의 3분의 1 면적입니다. 중국의 일대일로가 국가 주도 인프라에 집중한 것과 달리, Pax Silica는 민간 기업과 벤처캐피털이 이끄는 방식입니다. Sarah Guo와 Elad Gil이 행정부 간 정책 지속성, 벤처캐피털의 역할, 그리고 그가 미국을 '글로벌 언더독'이라 부르는 이유를 깊이 파고듭니다. ## [00:00] 콜드 오픈 Helberg는 Pax Silica의 철학적 핵심으로 시작합니다. 미국은 국가 운영 공장으로 공급망 경쟁에서 이길 수 없다는 것입니다. 미국의 강점은 민간 부문과 기업들입니다. 스티브 잡스의 '매혹과 기쁨'을 수십억 명에게 수출하는 것이죠. 따라서 전략은 미국 빌더들과 긴밀히 협력해 결국 민간 상업 서비스로 독립 운영될 플랫폼을 구축하는 것입니다. > *정부가 운영하는 공급망은 하지 않을 겁니다. 그건 우리가 빛을 발하는 방식이 아니니까요. 우리의 초능력은 바로 민간 부문과 우리 기업들입니다.* ## [00:41] Jacob Helberg 소개 Sarah와 Elad가 Helberg를 재소개합니다. 이전 대화 이후 국무부 경제담당 차관으로 공식 확인된 그를 맞이합니다. 이 시간의 프레임: Pax Silica는 미국과 동맹국을 위한 AI 공급망 확보를 위한 다국가 프로젝트입니다. > *Jacob, 함께해 주셔서 정말 감사합니다. 네, 참석해 주셔서 감사합니다. 초대해 주셔서 감사합니다.* ## [01:02] Pax Silica의 미션 Helberg는 Pax Silica를 Hudson Institute 연설에서 시작했다고 설명합니다. 공급망에 대한 '생태계 기반' 접근 방식이 핵심입니다. 현재 14개국이 연합에 참여하고 있습니다. 첫 번째 구체적 성과는 필리핀과의 합의로, 미국에 전진 배치 산업기지를 위한 4,000에이커를 제공합니다. 미국 보통법의 예측 가능성과 필리핀의 산업적 비교우위를 결합한 이 베팅을 그는 AI 공급망에서 제품 출시에 해당하는 것으로 설명하며, 빌더들에게 직접 이야기하기 위해 샌프란시스코에서 발표했습니다. > *Pax Silica는 14개국이 참여한 경제안보 연합으로, AI 공급망을 포함한 공급망에 생태계 기반 접근 방식을 취하는 게 핵심 아이디어입니다.* ## [03:51] AI 칩 공급망 투자 AI 공급망은 칩을 훨씬 넘어섭니다. '정밀 감속기, 서버 모터, 희토류 자석, 액추에이터 등 수천 가지 부품'이 있고, 미국의 집중 위험은 거의 전 분야에 걸쳐 매우 높습니다. Helberg는 이미 토착 산업 역량과 가치 공유가 있는 지역을 선택하는 것이 핵심이라고 설명합니다. 필리핀은 두 조건 모두 충족합니다. 깊은 제조 생태계와 아시아 최고의 미국 동맹국이죠. 칩 다음 병목 현상으로 로보틱스도 명시적으로 언급합니다. > *AI 공급망에는 정밀 감속기, 서버 모터, 희토류 자석, 액추에이터 등 수천 가지 부품이 포함되어 있고, 이 부품들 전반에 걸쳐 미국의 집중 위험은 매우 높습니다.* ## [05:43] Pax Silica와 일대일로 비교 자연스러운 비교이고 Helberg도 인정합니다. 일대일로는 25년간 국유기업이 해외에 정부 운영 도로, 교량, 철도, 광산, 처리 시설을 건설한 것입니다. 인프라가 외교 정책의 도구였습니다. Pax Silica는 이 모델을 의도적으로 뒤집습니다. 자산은 민간이 소유하고 상업적으로 운영되며, 정부 역할은 마찰을 줄이고 동맹을 조율하는 것입니다. 목표는 정치적 레버리지가 아닌 견고한 경제적 상호의존입니다. 수혜국은 부채 함정이 아닌 실질적인 성장을 얻습니다. > *근본적으로 그것은 국유기업이 정부 운영 철도, 정부가 건설한 도로와 교량을 짓는 것이었습니다.* ## [12:38] Pax Silica의 가치 제안 파트너 국가들에게 제안은 간단합니다. AI가 이미 미국 GDP 성장의 3분의 1 이상을 이끌고 있으며, 구리, 코발트, 전기기술자, 데이터센터에 들어가는 모든 원자재에 대한 기록적인 수요를 창출하고 있습니다. 공급망의 다양한 레이어에서 의미 있는 지분을 확보하는 나라들은 다른 방법으로는 얻을 수 없는 성장을 얻습니다. Helberg는 기술 변곡점의 제로섬이 아닌 특성을 강조하며 상호 이익이 될 수 있다고 주장합니다. 파이가 충분히 빠르게 자라서 테이블의 모두가 이깁니다. > *파이가 정말 빠르게 성장합니다. 그래서 실제로 제로섬이 아니어서 서로 매우 유익한 파트너십을 맺기에 굉장히 좋은 조건입니다.* ## [14:38] 미국 내 제조 vs 파트너 제조 Elad가 당연한 질문을 합니다. 미국에 남는 것과 파트너에게 넘기는 것은 무엇인가요? Helberg의 프레임은 소비 대 생산입니다. 미국은 세계 인구의 4%이지만 대부분 범주에서 세계 산출의 20~30%를 소비하며, 생산은 훨씬 적습니다. 그 격차를 좁히는 것이 바로 미국의 재산업화입니다. 일부 분야(최첨단 파운드리, 국방 핵심 역량)는 반드시 국내에 있어야 합니다. 다른 분야(광물 처리, 특정 부품)는 지리와 산업 기반이 유리한 파트너 국가에서 하는 것이 낫습니다. 핵심은 자급자족이 아닌 동맹국 전반에 걸친 공급망의 의도적인 재분배이며, 미국이 가장 전략적으로 민감한 레이어를 보유합니다. > *미국은 어느 분기에나 전 세계 소비의 20~30% 정도를 차지합니다.* ## [19:10] 희토류 광물 가격 Elad가 희토류에 대해 압박합니다. 실제로 희귀하지 않고, 전체 시장 규모는 수십억 달러에 불과하며, 중국이 통제 레버로서 대규모 보조를 합니다. Helberg는 동의하며 경제성을 재구성합니다. 희토류 경쟁력을 결정하는 것은 지질학적 희귀성이 아니라 에너지 집약도와 채굴 품질 등급입니다. 따라서 정책 과제는 에너지 충분성과 처리 역량의 문제이지, 새로운 매장지를 찾는 것이 아닙니다. 미국이 저렴한 에너지 문제를 해결하면 이 분야에서 이길 수 있습니다. 이는 행정부의 더 광범위한 에너지 공급 확대 노력이 지원하는 부분이기도 합니다. > *그 산업의 경제성을 결정하는 것은 특정 품질의 광물을 추출하기 위해 얼마나 많은 에너지를 투입해야 하는가입니다.* ## [22:16] Pax Silica에서 벤처캐피털의 역할 Sarah가 '묻는 친구를 위해' 민간 자본의 역할을 묻습니다. Helberg의 답변은 국무부 관료치고 이례적으로 직접적입니다. 벤처캐피털리스트들은 창업자와 운영자를 평가하는 데 정부보다 낫고, 실행 역량이 야심찬 프로젝트가 현실과 접촉할 때 살아남는지를 결정합니다. 그는 벤처 생태계를 신호 레이어로 원합니다. 정부 배분이 신뢰할 수 있는 운영자가 이미 향하는 곳 위에 올라탈 수 있도록, 정부 혼자 승자를 선택하려 하지 않고요. 협력은 명시적으로 양방향입니다. 벤처캐피털리스트들이 실행 수준의 기업들을 발굴하고, 정부는 수요와 정책 지원을 제공합니다. > *여러분은 창업자와 운영자의 성격적 특성을 평가하는 능력이 몸에 배어 있습니다.* ## [24:50] 단기 vs 장기 우선순위 2027~2028년 목표와 5년 장기 계획의 균형을 어떻게 맞추나요? Helberg의 답은 타임라인 선택이 아닌 환경 조성입니다. 행정부의 접근 방식은 단기 반복과 장기 자본집약적 투자 모두를 더 쉽게 만드는 거시 환경을 형성하는 것입니다. 규제 철폐, 국내 에너지 공급 확대, 원자력 4배 확장이 포함됩니다. 트럼프 대통령이 서명한 첫 번째 행정명령 중 하나인 국내 원자력 4배 확장을 단기와 장기 모두에 걸쳐 효과를 내는 구조적 지원책으로 언급합니다. > *혁신, 혁신의 반복 그리고 혁신의 배포를 더 쉽고 저렴하게 만드는 거시 환경을 조성하는 것입니다.* ## [27:09] AI 정책의 지속 가능성 Elad가 행정명령 문제를 제기합니다. 각 행정부가 이전 행정부의 명령을 취소합니다. Pax Silica는 어떻게 전환을 견뎌낼까요? Helberg는 세금 개혁 같은 것들은 매우 고착성이 강하며, 자신의 역할상 선거 논평이 금지되어 있다고 밝힙니다. 지속 가능성 질문에 완전히 답하지 않는 것 자체가 답입니다. 지속 가능성은 입법과 현장의 사실들(필리핀 산업기지, 파트너 제조)에서 와야 하며, 되돌리기 어렵습니다. > *세제 개혁은 매우 고착성이 강합니다.* ## [28:09] 정책이 기업인에게 미치는 영향 미국 기업인과 운영자들에게 Pax Silica는 시장 접근 플랫폼으로 포지셔닝됩니다. 일본, 한국, 인도, 싱가포르 같은 동맹 시장에서도 미국 기업들이 의미 있는 마찰을 겪는 경우가 있기 때문입니다. Helberg는 이미 진행 중인 파트너십, 임원들이 이제 더 신중하게 내리는 공급망 결정, 국가 간 협력을 가로막는 정책 수정 사항에 대한 피드백을 구체적으로 원합니다. > *우리 기업의 시장 접근을 확대하는 플랫폼으로 활용하고 싶습니다.* ## [31:00] 트럼프의 기업가적 행정부 국무부에서 가장 놀란 것이 무엇인지 묻자 Helberg는 행정부의 속도와 위험 감수 의지를 꼽습니다. 해외 상대들과의 농담인 '트럼프 시간'. 평생 대부분을 민간 부문에서 보낸 대통령과, 관료적 본능이 아닌 민간 기업 본능으로 운영하는 내각(Bessent, Lutnick 등)에서 기인합니다. 빌더들에게의 시사점은, 지금 새로운 것을 시도하려는 의지가 이례적으로 높고 Pax Silica도 그 수혜자라는 것입니다. > *우리는 트럼프 시간으로 움직이기를 좋아합니다.* ## [33:00] 미국이 글로벌 언더독인 이유 Sarah가 Helberg의 미국을 '글로벌 언더독'이라 부르는 프레임에 대해 압박합니다. 미국이 보통 기성 강대국으로 묘사된다는 점에서 반직관적인 표현입니다. Helberg는 Graham Allison의 투키디데스 함정을 언급하며 반박합니다. 미국의 정체성은 건국 초기부터 언더독의 나라였습니다. 격식 있는 사회의 제국에 반기를 드는 13개의 무질서한 식민지, 쇠퇴하고 있다는 말을 반복해서 들으면서도 반복해서 기성 전문가 집단의 예측을 틀리게 만들었습니다. 이 주장은 미국의 위험 감수 문화에 대한 옹호이자 클로징 피치입니다. 이 나라는 기성 지위를 방어하는 것이 아닌 언더독처럼 행동함으로써 이깁니다. > *우리는 항상 언더독의 나라였습니다.* ## 등장인물 - **Jacob Helberg** (인물): 미국 국무부 경제담당 차관; Pax Silica 설계자. - **Sarah Guo** (인물): No Priors 호스트; Conviction 창립자 겸 GP. - **Elad Gil** (인물): No Priors 공동 호스트; 독립 투자자 / 연속 창업가. - **Pax Silica** (개념): 미국 국무부가 이끄는 14개국 경제안보 연합. 전진 배치 산업기지와 민간 부문 파트너십을 통한 AI 공급망 확보를 목표로 함. - **Belt and Road Initiative** (개념): 중국의 25년간 국가 주도 해외 인프라 프로그램. Pax Silica가 대비하는 대상. - **Philippines Forward-Deployed Industrial Base** (프로젝트): 산업 개발을 위해 미국에 제공된 4,000에이커. 첫 번째 Pax Silica 핵심 프로젝트. - **Thucydides Trap** (개념): Graham Allison의 미중 관계를 기성 강대국 대 떠오르는 강대국으로 특성화하는 프레임워크. Helberg는 기성 강대국 프레임을 거부함. - **Trump Administration** (조직): Pax Silica의 정책 속도와 위험 감수 의지('트럼프 시간')를 프레임화하며, 주요 각료로 Scott Bessent와 Howard Lutnick이 언급됨.

Mikey Shulman, co-founder of Suno, discusses the platform's evolution from a physics-based startup to a leader in generative AI music. By modeling music as raw sound waves rather than traditional theory, Suno empowers users to transition from passive listeners to active creators in the era of 'creative entertainment.' ## [00:00] Physics, Raw Sound, and Technical Philosophy Mikey Shulman explains how his background in quantum physics at Harvard influenced Suno's interdisciplinary approach to music technology. By modeling audio as raw sound waves sampled 48,000 times per second rather than using traditional music theory, Suno avoids creative constraints and allows for the emergence of new, microtonal genres. > *I think what I mostly learned is playing at the nexus of two things that don't usually play together is just a massive opportunity. [02:00]* ## [02:15] The Pivot to Consumer Music Generation Initially focused on audio analysis, the Suno team pivoted to generation after breakthroughs in audio compression made high-quality output computationally feasible. They validated the product's 'fun factor' through a Discord bot, discovering that the addictive nature of creation was a stronger signal than traditional business use cases. > *When you are staying up late playing with the thing, and you don't want to go to sleep, it's like a really good sign. [04:49]* ## [11:41] Why Music AI is a Research Problem, Not a Scale Problem Unlike Large Language Models, music generation lacks objective benchmarks, making raw compute scale less effective than targeted research. Shulman emphasizes using human preference data and reinforcement learning to align models with creative tastes, favoring a steady release cadence over long-term isolated development. > *In music there are no right answers. There are no benchmarks. Um, and so scale is somewhat less helpful in solving it. [12:28]* ## [16:22] From Passive Consumption to Creative Entertainment Shulman introduces the concept of 'creative entertainment,' where the act of building provides more fulfillment than the final product itself. He notes that 90% of Suno users are active creators, drawing parallels to the 'bedroom producer' era where accessible tools led to the discovery of new genres. > *People are creating music for the fun and enjoyment and fulfillment that comes with being creative. [17:05]* ## [22:52] Industry Partnerships and Professional Integration Addressing industry concerns, Shulman highlights Suno's partnership with Warner Music Group and its role in augmenting professional workflows. He argues that AI will raise the quality ceiling for artists and predicts that interactive live performances, such as audience participation at Coachella, are the next frontier. > *I think people incorrectly assume that we hate the existing music industry and especially we hate the record labels. [23:17]* ## [25:53] Product Strategy and the Application Moat Suno prioritizes the application layer and user experience as its primary competitive moat, viewing itself as a music company rather than just a technology firm. By focusing on storytelling through full-length lyrical songs and social co-creation features, the company aims to revive the cultural impact of music as a social medium. > *It's unclear how much moat exists in only a model... it's just really undervalued to invest in the product and the UI and the UX. [26:50]* ## Entities - **Mikey Shulman** (person): CEO and co-founder of Suno with a PhD in physics from Harvard. - **Suno** (organization): An AI-powered creative entertainment platform for music generation. - **Sonya Huang** (person): Partner at Sequoia Capital and host of the interview. - **Warner Music Group** (organization): A major global record label that partnered with Suno. - **Discord** (organization): The platform where Suno initially launched its music generation bot. - **Harvard** (organization): The university where Mikey Shulman studied quantum computing. - **Iamona** (person): A poet and artist who uses Suno to create music, illustrating the tool's professional potential. - **Coachella** (event): A major music festival cited as a future venue for interactive AI music experiences.

미국은 핵심광물 공급에서 중국에 50년 뒤처져 있으며, 전력망은 여전히 한 세기 전에 설계된 기계식 시스템으로 돌아가고 있습니다. Tesla 출신인 Turner Caldwell(Mariana Minerals)과 Drew Baglino(Heron Power)는 이 두 가지 격차를 해소하는 것이 AI 패권과 산업 리쇼어링의 진정한 전제조건이라고 주장합니다. Caldwell은 강화학습 기반 자율 정제 시설과 광산으로 프로젝트 기간을 10년에서 방어 가능한 수준으로 단축하는 데 베팅하고, Baglino는 데이터센터와 대규모 에너지 시설의 전력 변환에서 철강·오일·구리를 silicon과 소프트웨어로 대체하는 solid-state transformer에 베팅합니다. 두 사람은 같은 해결책으로 수렴합니다: 공급망 집적화, 유사 산업 인재 채용, 그리고 민간 자본이 계획을 세울 수 있는 지속 가능한 연방 산업 정책입니다. ## [00:00] 인트로 에피소드는 세 가지 핵심 주장으로 시작합니다. Caldwell은 미국이 핵심광물 공급에서 50년 뒤처져 있으며 허가 후에도 생산 능력을 늘리는 속도가 너무 느리다고 말합니다. Baglino는 전력망의 송전·변환 계층이 실질적으로 변하지 않는 동안 그 끝단의 모든 것, 즉 EV, 저장 장치, 급속 충전이 완전히 변혁됐다고 지적합니다. Price-Wright는 두 가지 모두 Tesla가 전기차에 적용한 것과 같은 기술 낙관주의로 해결 가능하다고 프레이밍합니다. > *"낡고 구시대적인 시스템에서도 혁신할 수 있다는 믿음이 회사의 핵심입니다."* — Turner Caldwell ## [00:47] AI에는 물리적 인프라가 필요하다 Price-Wright는 대부분의 AI 경쟁 논평이 범하는 범주 오류를 지목하며 본 세그먼트를 시작합니다. 경쟁은 모델과 칩 사이가 아니라 물리적 구축 능력 사이에 있다는 것입니다. 모든 혁신적 모델, 신규 공장, 자율 시스템의 아래에는 소재·에너지·전력 이동 능력이라는 현실 세계의 요건이 있습니다. 전력망의 부담은 한계가 아니라 행동의 촉구이며, 미국이 과거 국가 프로젝트에 힘을 모았던 것과 맞먹는 규모의 기회입니다. > *"미국의 산업 근간을 재건하려면, 핵심광물부터 에너지 생산, 송전, 그리고 필요한 속도로 새로운 인프라를 구축하고 연결하는 방식에 이르기까지 전체 스택을 재구상해야 합니다."* — Erin Price-Wright ## [02:23] 빌더들을 소개합니다 Price-Wright는 두 게스트를 물리적 스택의 양 끝을 담당하는 빌더로 소개합니다. Caldwell은 지각에서 시작해 정제까지, Baglino는 전선에서 변압기를 거쳐 부하까지. 이 프레이밍은 에피소드의 테제를 선명하게 합니다. 미국의 AI 미래는 알고리즘이 아닌 원자에 의해 제약받으며, 두 창업자는 그 인프라 아래에서 일어난 혁신을 목격한 후 의도적으로 그 제약을 선택했습니다. > *"미국의 AI 미래, 나아가 재산업화의 제약은 여러 면에서 알고리즘이 아닌 원자입니다."* — Erin Price-Wright ## [03:11] Mariana Minerals 소개 Mariana Minerals는 소프트웨어 퍼스트 채굴·정제 회사로, 팀의 약 4분의 1이 소프트웨어·머신러닝 엔지니어이지만 소프트웨어를 판매하지 않습니다. 자체 프로젝트를 직접 엔지니어링·건설·운영합니다. Caldwell은 세 가지 운영 시스템을 설명합니다. Capital Project OS는 엔지니어링·조달·건설 전반의 에이전틱 워크플로를 자동화하고, Plant OS는 강화학습으로 정제 시설의 온도·유량·약품 첨가량·체류 시간을 자율 제어하며, Mine OS는 동일한 강화학습을 채굴 작업의 단기 자율 제어에 적용합니다. 유타주 동남부의 구리 광산이 현재 고순도 구리를 생산 중이고, 텍사스에는 리튬 정제 시설이 건설 중입니다. 목표는 10년 안에 10개 프로젝트입니다. > *"우리는 정제 시설의 자율화에 큰 베팅을 하고 있습니다. 강화학습을 사용해 정제 시설 운영 방식을 결정하는 과정에서 실제로 인간을 배제하는 거죠."* — Turner Caldwell ## [04:19] Heron Power의 전력망 업그레이드 Baglino는 40년에 걸친 분기를 추적합니다. 전력 반도체에서의 무어의 법칙에 준하는 발전이 스마트폰·통신·데이터센터를 변혁했지만, 전력망 자체는 여전히 100년 전에 설계된 기계식 시스템 그대로입니다. 제어도 없고 모니터링도 없으며, 취약한 과잉 구축 시스템에 공급업체 대부분이 해외에 있습니다. Baglino는 이를 단순한 사업 기회가 아닌 공급망 안보 문제로 봅니다. Heron Power는 데이터센터, 대규모 태양광·배터리 시설 등 핵심 전력망 노드에서 전력 변환 시 사용되는 철강·오일·구리를 silicon과 소프트웨어로 대체하는 solid-state transformer를 구축합니다. > *"Heron Power에서는 데이터센터와 대규모 에너지 시설에서 전력 변환 시 사용되는 철강, 오일, 구리를 silicon과 소프트웨어로 대체하는 solid-state transformer 구축에 집중하고 있습니다."* — Drew Baglino ## [05:31] 리쇼어링이 중요한 이유 Baglino는 solid-state transformer를 가능하게 하는 핵심 전력 반도체인 silicon carbide를 수십 년에 걸친 DOE와 해군 R&D의 성과로 추적하며, 미국이 자국의 투자로 창출한 기술을 먼저 상용화해야 한다고 주장합니다. 이를 포기하면 그 연구의 온전한 혜택을 잃게 됩니다. Caldwell은 광물 문제를 더 날카롭게 정리합니다. 미국은 단순히 전 세계적으로가 아니라 중국 대비 50년 뒤처져 있으며, 허가 개혁과 프로젝트 파이낸스만으로는 격차를 좁힐 수 없습니다. 병목은 허가 후 실행 속도, 즉 건설에 5년, 가동 수준 도달에 3~5년 추가가 걸리는 과정입니다. Mariana의 전체 테제가 이 구간을 단축하는 것인데, 중국을 따라잡으려면 중국을 능가해야 하기 때문입니다. > *"중국을 따라잡기 위한 부담을 낮추더라도, 실제로는 중국보다 더 빨리 움직여야 합니다."* — Turner Caldwell ## [07:48] Tesla의 교훈과 인력 Caldwell은 Tesla에서 이전 가능한 세 가지 자산을 꼽습니다. 레거시 시스템에 대한 기술 낙관주의, 실패 두려움 없는 빠른 의사결정을 가능하게 하는 위험 감수 의지, 그리고 결과가 가치 있다면 고가치 프로젝트를 포기하지 않는 제도적 거부입니다. Baglino는 조직 전체를 집중시키는 생사를 건 재무적 압박과 "죽느냐 사느냐라고 말하기는 싫지만, 그것과 비슷한 상황이죠", 그리고 최고의 인재를 선택할 수 있게 해주는 미션 명확성을 추가합니다. 인력에 관해서는 두 창업자 모두 존재하지 않는 전문가를 기다리는 대신 유사 산업에서 찾습니다. Baglino는 4680 프로그램의 50 기가와트시 텍사스 공장을 구축할 때 고속 병입 공장과 주사기 제조 시설에서 배터리 제조 인재를 채용했고, Caldwell은 석유·가스 엔지니어와 채굴 최적화 라우팅 알고리즘을 작성하는 소프트웨어 개발자를 활용합니다. 미중 공장 인건비 차이는 매출원가의 10% 미만, 5% 미만일 수도 있다고 Baglino는 주장하며, 실제 경쟁력 동인은 공급망 집적화라고 말합니다. 중국의 산업 단지에서는 7,000개 부품이 필요한 자동차의 모든 부품이 3시간 이내 거리에 있습니다. > *"오늘날 공장들은 정말 자동화되어 있습니다. 인건비 차이는 매출원가의 10% 미만입니다. 실제로 경쟁력을 좌우하는 것은 공급망입니다."* — Drew Baglino ## [21:09] 정책 요청과 마무리 Caldwell은 지난 50년간 석유·가스에 적용된 광물 정책 도구 전체를 선별하지 말고 그대로 적용하기를 요청하며, 30년간 국내에서 구축되지 않은 산업에서 민간 자본 시장이 장기적 시장 신뢰를 가질 수 있는 인센티브 구조가 핵심이라고 말합니다. Baglino는 세 가지를 구체적으로 제시합니다. 공급업체와 투자자들이 계획을 세울 수 있는 지속 가능한 산업 정책, 지역 관할 기관이 거부 대신 승인으로 나서는 에너지·제조 거점 구역 지정을 위한 연방-주 공동 노력, 그리고 전력망을 위한 연방 고속도로 신탁 기금, 즉 제조 거점 지역을 선형 송전 인프라로 연결해 복원력을 높이고 비용을 낮추는 재원이 있는 마스터플랜입니다. > *"전력망을 위한 연방 고속도로 신탁 기금이라는 개념이 마음에 듭니다. 지금까지 존재한 적이 없습니다. 그래서 이런 조각보 상태가 된 것입니다."* — Drew Baglino ## 등장인물 - **Turner Caldwell** (인물): Mariana Minerals 공동 창업자 겸 CEO. Tesla 광물·금속 팀 리더 출신. 강화학습 기반 자율 정제 시설 및 광산 제어 설계자. - **Drew Baglino** (인물): Heron Power 공동 창업자 겸 CEO. Tesla 18년 경력의 SVP 파워트레인·에너지 엔지니어링. Megapack 프로그램과 텍사스 4680 50 기가와트시 배터리 시설 구축 주도. - **Erin Price-Wright** (인물): a16z 제너럴 파트너(American Dynamism 팀). 에피소드 진행자. - **Mariana Minerals** (조직): 소프트웨어 퍼스트 핵심광물 채굴·정제 회사. 유타주 동남부 구리 광산 운영, 텍사스 리튬 정제 시설 건설 중. 10년 10개 프로젝트 목표. - **Heron Power** (조직): 기계식 전력망 변환 설비를 solid-state transformer로 대체하는 전력 전자 스타트업. - **Tesla** (조직): 두 창업자의 공통 출신. 어려운 산업 분야에서의 기술 낙관주의, 위험 감수, 미션 중심 인재 확보의 벤치마크로 인용. - **Silicon Carbide** (개념): solid-state transformer를 가능하게 하는 핵심 전력 반도체. 세계 최고 생산국이 미국에 있어 국내 상용화가 전략적 우선순위. - **산업 제어를 위한 강화학습** (개념): Mariana의 Plant OS와 Mine OS의 핵심 기술. 희소한 인간 운영자의 내재된 노하우 병목을 제거하고 정제 회로와 광산 단기 의사결정을 자율 조정. - **공급망 집적화** (개념): Baglino의 미국 제조 경쟁력 핵심 주장. 모든 투입 요소를 한 지역 내에 집중시켜 물류 시간과 비용을 단축하는 방식으로, 중국의 산업 단지 모델을 미러링.

Noah Brier는 지하실 미니 PC에서 Claude Code를 실행하고 Tailscale VPN으로 Obsidian 볼트와 동기화해, 스마트폰에서 실제 생각, 연구, 클라이언트 코드 작업을 합니다. 이 대화에서는 그가 이 스택을 어떻게 구축했는지, 모델이 너무 이르게 결과물을 만들어내지 않도록 엄격한 '생각 모드' 가드레일을 어떻게 강제하는지, 그리고 AI가 새로운 구조를 강요하는 대신 조직의 틈새 속으로 파고드는 방식으로 성공한다는 그의 더 넓은 이론을 다룹니다. Dan Shipper와 Noah는 AI 직관을 키우는 것이 실제로 무엇을 의미하는지, 그리고 Noah가 아이들의 AI 대비를 부정 행위 단속보다 인식론적 회의주의를 가르치는 것으로 접근하는 이유도 이야기합니다. ## [00:00] 지하실 서버에서 구현한 Noah Brier의 Claude Code 셋업 Dan Shipper가 Noah를 초대한 이유를 설명합니다. 지하실 홈 서버에서 Obsidian 볼트 위에 Claude Code를 실행하고, 폰에서 어디서든 접근할 수 있게 구성했기 때문입니다. Noah는 이 셋업으로 책상 없이도 생각하고, 연구하고, 글을 쓰고, 코드를 배포할 수 있습니다. > *"지하실에 홈 서버를 구축하고 Obsidian 볼트를 그 안에 넣은 다음, Claude Code를 그 위에서 실행해서 폰으로도 생각하고, 연구하고, 글을 쓰고, 심지어 코드까지 배포할 수 있습니다."* ## [00:52] 소개 Dan과 Noah가 약 5년 만에 재회합니다. Noah의 배경은 브랜드 전략(Percolate 공동 창업), Alephic의 AI 컨설팅, BRXND.AI 컨퍼런스로 이어집니다. Dan은 추상적인 AI 논의 대신 Noah가 구축한 실용적인 스택을 중심으로 인터뷰를 진행합니다. > *"정말 반갑습니다. 이렇게 대화할 수 있어서 좋아요. 아마 5년 만에 처음 하는 인터뷰인 것 같아요."* ## [02:10] 스마트폰으로 심층 작업을 하는 법 Noah는 자신의 셋업이 'vibe coding'보다 구조화된 지식 작업에 가깝다고 명확히 합니다. 마크다운 파일과 폴더가 Claude Code가 실제로 작동할 수 있는 기반을 제공하기 때문에 Evernote를 버리고 Obsidian으로 갔습니다. 그의 Claude Code 1순위 활용법은 코드 생성이 아닌 노트와의 상호작용이며, 폰 확장 셋업이 그의 작업 패턴을 근본적으로 바꿔놓았습니다. > *"제 Claude Code 1순위 활용법은 노트와 상호작용하는 도구로 쓰는 거예요."* ## [05:30] Noah가 Grok의 보이스 AI를 최고로 생각하는 이유 Noah는 Grok 보이스 모드를 OpenAI나 Gemini보다 선호합니다. Gemini는 충분히 똑똑하지 않았고, 이전 GPT-4o 보이스는 그의 용도에 맞지 않았습니다. 5시간 단독 드라이브에서 Transformers에 관한 글을 준비하면서 블루투스로 연결해 개인 연구 팟캐스트처럼 활용했습니다. 보이스 모델이 아직 툴 호출이나 웹 연구를 잘 못한다는 공통된 불만도 나눕니다. > *"한 시간 세션을 했는데, 지금까지 읽거나 들었던 것 중 압도적으로 최고의 설명이었어요."* ## [11:11] Noah의 Claude Code-Obsidian 셋업의 세부 사항 Noah가 라이브로 Obsidian 폴더를 화면에 공유합니다. Claude Code는 Obsidian 루트 디렉토리에서 실행되어 전체 노트 아카이브에 접근할 수 있습니다. BRXND.AI 강연 준비를 위해 — 2차 세계대전 Simple Sabotage Field Manual과 대기업 관료주의에 관한 내용 — Obsidian 안에 프로젝트 폴더를 만들고 ChatGPT, Claude, Grok과의 채팅 기록, 기사, PDF를 모아놨습니다. Claude의 역할은 이 단계에서 강연을 쓰는 게 아니라 생각하도록 돕는 것입니다. 관련 노트를 가져오고, 일일 진행 상황을 기록하며, 명확한 질문을 던집니다. 그는 프로젝트 CLAUDE.md 프론트매터에 생각 모드 제약을 명시적으로 설정합니다. > *"지금 생각 모드이지, 아직 쓰기 모드가 아니에요. 사실 프론트매터에 Claude Code한테 지금 당장은 아무것도 쓰는 것을 도와주지 말라고 명시해놨어요."* ## [26:05] Claude Code의 에이전트를 '사고 파트너'로 활용하기 Noah는 'generative(생성형)'라는 단어가 사람들의 AI 활용 방식을 왜곡했다고 주장합니다. 쓰기 능력에 너무 집중하고, 읽기 능력이 얼마나 대단한지는 거의 이야기하지 않는다고요. 그는 명시적인 가드레일을 갖춘 전용 사고 파트너 에이전트를 운영합니다. "강연이나 글의 개요, 초안, 어떤 버전도 만들지 마세요." 에이전트는 질문을 기록하고, 인사이트를 추적하며, 잠시 다른 연구를 한 후 정확히 이어갈 수 있는 기록을 쌓습니다. ChatGPT의 Wild Bill Donovan Deep Research에서 Transformer 아키텍처의 병렬성이 Special Forces의 작전 자율성과 어떻게 닮아있는지에 대한 잠정적 아이디어까지 이어지는 흐름을 추적합니다. > *"AI를 '생성형'이라고 부르기 때문에 쓰기 능력에만 너무 집중하고, 읽기 능력에는 충분히 주목하지 않는 것 같아요."* ## [30:23] Noah의 Thomas' English Muffin AI 이론 이 챕터는 Noah의 관료주의 논지로 시작합니다. 대기업이 소프트웨어 도입에 실패하는 건 게으르기 때문이 아니라, 새 소프트웨어가 역사적으로 조직 전체를 자신에게 맞게 재구성하도록 요구했기 때문이라고 합니다. AI는 다릅니다. 사람들이 이미 일하는 방식의 틈새 속으로 파고든다는 것이 그의 Thomas' English Muffin 비유입니다. Dan은 Every의 구체적인 예시를 더합니다. 서로 다른 스택에서 구축된 두 제품이 공통 프레임워크 없이도 파일 검색 솔루션을 재사용할 수 있었다고요. 대화는 Noah의 아이디어인 '위치 인코딩으로서의 관료주의'로 확장됩니다. Transformer 아키텍처와 조직 위계 사이의 절반쯤 완성된 비유로, 그가 강연 전에 아직 다듬고 있는 내용입니다. > *"제 Thomas' English Muffin 이론이라고 부르는 건데, AI가 틈새 속으로 파고든다는 거예요."* ## [39:47] AI에서 아직 탐구되지 않은 여백 Noah와 Dan은 잘 자금을 갖춘 실무자들조차 이 모델들이 실제로 무엇을 할 수 있는지에 대해 여전히 불안정한 직관으로 움직이고 있다고 주장합니다. Noah는 모든 클라이언트 미팅의 아이스브레이커로 "AI에서 'aha moment'가 뭐였나요?"를 묻습니다. 같은 질문을 두 번 해서 다른 답이 나오는 비결정론의 순간이 진짜 새로운 것이고, 내면화하는 데 시간이 걸린다는 점을 강조합니다. Destin Sandlin의 역방향 자전거 실험을 빌려 논점을 만듭니다. 운동 직관과 개념 직관은 별개이며, 그것을 쌓는 걸 단축할 수 없다는 것입니다. Dan은 언어 모델 자체가 확률론적 시스템에 대해 추론할 때 우리에게 부족한 어휘를 만들어낼 수 있다고 반론합니다. > *"같은 질문을 두 번 했는데 다른 답이 나오는 것을 사용하는 데 익숙하지 않아요."* ## [48:44] Noah가 아이들에게 AI를 준비시키는 방법 Noah의 10살 아이가 Claude로 비밀 산타 앱을 만들다가 우연히 데이터 모델링을 배웠습니다. 로직을 일반화하려면 '어른과 아이' 대신 '그룹'이 필요하다는 걸 스스로 깨달은 거죠. 그 이야기가 더 넓은 논지의 닻이 됩니다. 교육자의 역할은 AI 사용을 막는 것이 아니라 학생들에게 기저 스킬을 배울 가치가 있다고 설득하는 것이라고요. 그는 2026년 가을 NYU에 'Code is Essay'라는 강좌를 제안하고 있으며, 핵심 메타 스킬은 인식론적 회의주의라고 생각합니다. 자신의 믿음을 확인해주는 정보에 더 회의적이 되어야 한다는 것입니다. > *"아이들에게 글쓰기를 가르치는 게 당신 역할이라고 생각하지 않아요. 그건 평생의 과정이니까요. 당신 역할은 글 쓰는 것이 배울 가치가 있다고 설득하는 거라고 생각해요."* ## [01:00:06] Claude Code 셋업을 모바일로 확장한 방법 Noah가 라이브로 전체 모바일 스택을 시연합니다. Termius(iPhone SSH 클라이언트), Tailscale VPN으로 지하실 미니 PC에 연결, Obsidian은 비공개 GitHub으로 동기화, Claude Code는 터미널에서 실행. Claude에게 "지난 이틀간 뭐가 새로웠어?"라고 묻자 최근 Obsidian 활동 요약을 받습니다. 컨퍼런스 사이트에서 깨진 링크도 폰으로 수정했습니다. 버그를 확인하고, Claude가 PR을 푸시하면 끝. 요즘은 Simon Willison의 llm CLI 도구와 Obsidian 볼트의 모든 첨부 파일 이름을 바꾸고 링크 테이블을 재구성하는 스크립트도 만들고 있습니다. > *"잠깐 밖에 나가 앉아 있었는데 클라이언트에게 납품해야 하는 프로젝트가 생겼어요. 정확히 어디를 봐야 하는지 Claude Code한테 알려주고, 문제가 제 생각대로인지 확인한 다음, 해결책을 푸시하게 했어요. PR을 푸시하고 끝이었어요."* ## 등장인물 - **Dan Shipper** (사람): Every CEO 겸 공동 창업자, 인터뷰 진행자 - **Noah Brier** (사람): Percolate 공동 창업자, Alephic AI 전략 컨설팅 창업자, BRXND.AI 컨퍼런스 주최자 - **Every** (조직): 이 팟캐스트를 제작하는 미디어 및 소프트웨어 회사 - **Alephic** (조직): Noah의 AI 전략 컨설팅. Amazon, Meta, PayPal을 포함한 Fortune 50 기업을 클라이언트로 보유 - **BRXND.AI** (조직): 마케팅과 AI의 교차점에서 열리는 연례 컨퍼런스, Noah 주최. 2025년판은 9월 18일 뉴욕시 개최 - **Claude Code** (소프트웨어): Anthropic의 에이전틱 코딩 도구. Noah의 두 번째 뇌 및 모바일 워크플로우의 핵심 - **Obsidian** (소프트웨어): 마크다운 기반 노트 앱. Noah의 주요 지식 저장소, PARA 방식으로 정리 - **Tailscale** (소프트웨어): Noah의 폰과 지하실 미니 PC를 안전하게 연결하는 메시 VPN - **Termius** (소프트웨어): Noah가 폰으로 홈 서버에 접근할 때 쓰는 iOS SSH 클라이언트 - **Grok** (소프트웨어): xAI의 AI 어시스턴트. Noah는 실질적인 연구에서 보이스 모드가 OpenAI나 Gemini보다 훨씬 낫다고 평가 - **Simple Sabotage Field Manual** (개념): 2차 세계대전 시대 OSS 문서로 Noah가 재출판. 그의 BRXND.AI 강연에서 현대 조직 관료주의를 보는 렌즈로 사용 - **Thomas' English Muffin theory** (개념): AI가 새로운 구조를 요구하는 대신 기존 조직 워크플로우의 틈새 속으로 파고드는 방식으로 성공한다는 Noah의 비유

Charles Koch와 그의 아들 Chase가 David Friedberg와 함께, Koch Inc.가 어떻게 9,000배 성장했는지를 이야기합니다. 1961년 오클라호마의 직원 300명짜리 석유 회사에서 시작해 에너지, 화학, 산림 제품, 소비재, 벤처 캐피털에 걸친 13만 명 규모의 비상장 기업으로, 단 한 번도 상장하지 않고 이뤄낸 성장입니다. 대화의 중심은 원칙 기반 경영(PBM)입니다. Koch의 모든 채용 결정, 인수, 문화 변화를 이끄는 41개 원칙 체계예요. Charles와 Chase는 'Koch'라는 이름에 붙은 좁은 정치적 이미지도 직접 다루며, 당파적 자유주의에서 교육 개혁과 인간 번영에 집중하는 Stand Together 연합으로의 전환을 설명합니다. 에피소드는 AI와 자본주의로 마무리됩니다. 두 사람 모두 허가 없는 혁신과 상향식 권한 부여만이 앞에 놓인 경제적 압박을 헤쳐나갈 유일한 신뢰할 수 있는 길이라고 봅니다. ## [00:00] David Friedberg, Charles & Chase Koch 환영 인사 David Friedberg는 Forbes 행사에서 대화를 시작하며, Chase Koch와는 2013년 농업 분야에서 인연이 닿아 이후 사업 파트너가 됐다고 소개합니다. Koch Inc.를 "숨겨진 이야기"로 표현합니다. 세계에서 가장 수익성 높은 가족 소유 비상장 기업일 가능성이 높지만, 상장사 대비 거의 알려지지 않은 회사라고 하죠. 또한 All-In 청중에게 기대감을 심어줍니다. Koch Inc. 회장과 차세대 사장이 함께하는 생방송 인터뷰는 매우 드문 기회라고요. > "저는 항상 Koch Industries가 숨겨진 이야기라고 느껴왔습니다. 아마 세계에서 가장 수익성 높은 가족 소유 비상장 기업일 겁니다." > — David Friedberg ## [01:04] Koch Inc. 개요: 규모, 사업 부문 및 역사 Friedberg가 기본 통계를 제시합니다. Koch가 상장사였다면 매출 기준 Fortune 500 상위 25위에 들었을 겁니다. 1940년 Fred Koch가 위치타, 캔자스에 창업한 이 회사는 지금 60개국에서 12만 명 이상의 직원과 함께 에너지, 농업, 화학, 건축 자재, 소비재, 클라우드 컴퓨팅, 그리고 활발한 소수 지분 투자 포트폴리오를 운영합니다. Koch는 이익의 90%를 사업에 재투자합니다. 분기 실적에 최적화된 상장사와 구별되는 구조적 선택이죠. Charles는 이 대화의 진정한 주제를 신호합니다. 매출 이정표가 아니라, 지속적인 성장 복리를 가능하게 한 원칙들, 그리고 실패들이라고요. > "파괴적 혁신 원칙, 이익의 90%를 신규 사업과 성장에 재투자하는 방식, 능력주의적 가치관을 포함한 매우 독특한 운영 모델이 있습니다." > — David Friedberg ## [02:21] 사업 구축: 초창기와 Charles Koch의 합류(1961) Charles Koch는 1961년 25살에 MIT와 Arthur D. Little 경영 컨설팅을 거쳐 가업에 합류했습니다. 아버지 Fred의 최후통첩은 직접적이었습니다. "돌아와서 회사를 운영하지 않으면 팔아야 겠다. 몸이 좋지 않고 회사 상황도 나쁘고 오래 살 것 같지 않다"고요. 당시 회사는 직원 약 300명에 두 개의 핵심 사업(분리 트레이 제조와 오클라호마 원유 수송)을 운영하고 있었는데, 운영상 많은 문제가 있었습니다. 초기의 교훈이 핵심 Koch 원칙을 결정했습니다. 산업 중심이 아닌 역량 중심의 성장이에요. 분리 트레이 사업이 실패한 이유 중 하나는 하향식으로 엔지니어와 고객 모두를 소외시킨 사장 때문이었습니다. Charles는 "우리가 어떤 산업에 있나?"가 아니라 "우리가 남보다 더 잘할 수 있는 것이 무엇이고, 가치 사슬의 어디에서 가장 큰 가치를 창출하나?"를 묻기 시작했습니다. 이 관점의 전환이 수십 년에 걸쳐 반복적으로 적용되면서 Koch가 진출한 얼핏 무관해 보이는 산업들의 연속을 설명해줍니다. > "아들아, 회사를 운영하러 돌아오지 않으면 팔아야 겠다. 몸이 좋지 않고 회사 상황도 나쁘고 오래 살 것 같지 않구나." > — Charles Koch, 아버지 Fred Koch의 말을 인용하며 ## [11:31] 실패, 창의적 파괴, 그리고 실수에서 배우기 Charles는 도발적인 말로 시작합니다. "모든 것에서 실패하지 않는다면, 새로운 것을 하고 있지 않은 거예요." 석유 코크스를 활성탄으로 전환하려다 실패한 시도 등 초기 손실들을 이야기하고, 필요한 역량 없이 사업에 진입한 패턴을 설명합니다. 진정한 배움은 각 실패가 왜 일어났는지를 진단하는 데서 왔는데, 거의 항상 Koch의 운영 원칙 중 하나를 위반한 것이었죠. Chase는 역량 포트폴리오 관점을 추가합니다. Koch의 원유 수송에서 천연가스, 화학, 비료, 그리고 산림 제품으로의 확장은 무작위 다각화가 아니라 같은 핵심 역량을 새로운 적용 분야로 방향 전환한 것이라고요. 또한 자신이 설립한 Koch Disruptive Technologies(KDT)가 구조적으로 안정적인 수익성을 확보하기 어려웠다고 솔직하게 평가합니다. 사업 종료 또는 방향 전환 결정은 결국 하나의 테스트로 귀결된다고 Charles는 말합니다. "고객을 위해 탁월한 가치를 창출하고 보상받을 역량을 잃었는가?" > "충분히 크게 잃었을 때, 그게 충분히 잃은 거예요. 우리가 고객에게 탁월한 가치를 창출하고 보상받을 역량이 없다고 판단할 때죠." > — Charles Koch ## [19:22] 문화와 원칙 기반 경영 이 부분이 에피소드의 지적 중심입니다. Charles는 PBM 시스템의 기원을 Koch의 최악의 실패들에서 추적합니다. 모두 공통된 근본 원인을 가지고 있었어요. 나쁜 가치관을 가진 사람을 리더 자리에 앉힌 것이죠. 두 가지 거의 재앙 수준의 사례가 두드러집니다. 1973년 중동 전쟁 당시 회사를 파산 위기로 몰아간 무모한 트레이딩 운영, 그리고 "파괴적 동기"를 가진 리더들이 실패를 숨기면서 성공을 꾸며낸 에피소드입니다. 해결책은 가치관을 먼저, 재능을 두 번째로 채용하고, 기여 동기, 즉 남을 도우면서 성공하고 싶다는 마음이 권력 추구를 압도하는 문화를 구조화하는 것이었습니다. Chase는 핵심을 꿰뚫는 틀을 제시합니다. 회사의 모든 사람이 지시 없이도 무엇을 해야 할지 안다면 어떨까요? 그것이 PBM이 만들어내려는 목표 상태입니다. 변화 관리 전략은 하향식 명령을 피합니다. 원칙을 가장 열성적으로 시도하려는 소집단을 찾아 결과를 보여주고, 수요가 그 변화를 조직 전체로 끌어당기게 합니다. 집단 지식이 상층부 몇몇 영리한 사람의 판단을 대체하는 거죠. > "크든 작든 어떤 규모의 기업이나 문화에서도 모든 사람이 지시 없이도 무엇을 해야 할지 안다면 어떨까요?" > — Chase Koch ## [33:53] Georgia-Pacific 인수와 문화 전환 2005년 Georgia-Pacific 인수는 당시 Koch의 가장 큰 베팅이었습니다. Chase는 "엄청난 베팅"이라고 표현했는데, 그때 회사가 훨씬 작았기 때문이죠. Charles는 그 논리를 설명합니다. Koch는 Georgia-Pacific의 원자재 펄프 및 제지 사업을 자사의 화학 공정 역량의 자연스러운 연장으로 봤고, 그 연결은 Fred Koch의 MIT 메인 펄프 관련 논문까지 거슬러 올라갔습니다. 처음에는 원자재 부문만 사겠다고 제안했는데, 계류 중인 소송 때문에 그 거래가 성사되지 않자 회사 전체를 사겠다고 제안했죠. 그다음에는 수년에 걸친 문화 전환이 이어졌습니다. 하향식 관료주의로 돌아가던 51층짜리 애틀랜타 본사를 바꾸는 작업이었어요. Koch는 리더십을 교체하고, 비효율을 발견하고 고친 직원들에게 보상을 주고, 비용 절감을 찾아낸 노조원들과 그 절감액을 나눴습니다. Chase는 Koch의 일선 업무에서 보낸 자신의 몇 년, 즉 가축 야적장의 단칸 트레일러에서 생활하고 가스 액화 공장에서 일한 경험이 나중의 신뢰할 수 있는 리더십의 토대가 됐다고 설명합니다. 문화 변화는 어떤 인수자도 예상하는 것보다 훨씬 오래 걸리고, 거의 항상 기존 패러다임을 고수하는 리더십 집단을 교체해야 합니다. > "문화를 바꾸는 데는 생각보다 훨씬 오래 걸려요. 그리고 거의 모든 경우에 상향식 권한 부여 패러다임을 갖고 원칙을 배우고 적용하는 리더십을 교체해야 해요." > — Chase Koch ## [56:17] 교육 개혁과 사회 변화 Stand Together, Charles가 다양한 이름으로 60년간 구축해온 비영리 네트워크는 이제 미국 최대 자선 단체 중 하나입니다. Chase는 origination과 파트너십을 담당하며, 그 사명을 재정의합니다. 정치적 옹호가 아니라 같은 Koch 원칙을 교육에서 시작해 사회적 도전에 적용하는 것이라고요. COVID-19가 여론을 크게 바꿨습니다. 2020년 이전에는 약 20%의 가족만이 전통적 학교 교육의 대안에 열려 있었는데, 아이들이 Zoom 강의보다 YouTube에서 더 많이 배우는 걸 목격하면서 그 수치가 급증했습니다. Stand Together는 이후 5,000개 이상의 마이크로스쿨 설립을 지원했습니다. Joe Limont의 Alpha School 같은 파트너 프로그램은 게임화와 프로젝트 기반 학습을 활용해 실패하는 학생들을 3개월 만에 최우수권으로 끌어올립니다. Chase는 비교 우위 원칙을 자신에게도 적용합니다. 더 나은 역량을 가진 사람이 있다고 인식하고 Koch Fertilizer 사장직에서 스스로 물러났고, 같은 관점으로 Koch 13만 명 직원 전체의 역할을 재편합니다. > "COVID 이전에는 약 20%의 가족만이 새로운 교육 모델에 열려 있었어요. 모두 COVID 때 시스템이 얼마나 엉망인지를 봤고, 아이들이 교실보다 YouTube에서 훨씬 많이 배웠다는 걸 알게 됐죠." > — Chase Koch ## [72:37] AI, 경제적 도전, 그리고 자본주의의 미래 Friedberg가 Charles에게 Koch 정치적 서사, 즉 수십 년간의 자유당 참여와 결국 Stand Together의 광범위한 연합으로의 전환에 대해 묻습니다. Charles는 솔직합니다. 모든 원칙에서 자신과 동의하는 사람들하고만 일하는 데 너무 많은 세월을 보내 그 범위가 좁아졌다고요. Viktor Frankl의 통찰, "점점 더 많은 사람들이 삶의 수단은 있지만 살아갈 의미가 없다"가 그의 생각을 정치적 처방보다 사회적 붕괴의 동기적 뿌리로 재정향시켰습니다. 교훈: 자유의 전략은 전체주의에서 빌릴 수 없다는 것. 연합의 순수성 검증은 그것을 파괴합니다. AI에 대해 Chase의 입장은 분명합니다. 허가 없는 혁신, 개방형 시스템, AI 도구로 사람들에게 권한 부여, 금지가 아니라요. Koch는 PBM을 AI 네이티브 프레임워크로 운영하고 있으며, Chase는 독자들이 원칙과 직접 상호작용할 수 있는 AI 동반자를 만들었는데, 이는 Chase를 공동 저자로 초대했을 때 Charles가 예상한 것을 훨씬 뛰어넘는 것이었습니다. 에피소드는 Charles의 유산 목표로 끝납니다. 미국이 독립선언서의 약속을 더 온전히 실현하는 것이라고요. > "오늘날의 문제는 점점 더 많은 사람들이 삶의 수단은 있지만 살아갈 의미가 없다는 것입니다." > — Charles Koch, Viktor Frankl의 말을 인용하며 ## 등장인물 - **David Friedberg** — 진행자; The Production Board 공동 창업자; 2013년 농업 분야에서 인연이 닿아 Chase Koch의 사업 파트너가 됨 - **Charles Koch** — 1967년부터 Koch Inc. 회장 겸 CEO; MIT 출신 엔지니어; 원칙 기반 경영 책 공동 저자; Koch의 9,000배 가치 성장을 이끌어 옴 - **Chase Koch** — Koch Inc. 사장; Koch Disruptive Technologies 설립자; Charles와 PBM 책 공동 저자; Stand Together origination 및 파트너십 담당 - **Koch Inc.** — 위치타, KS 본사 비상장 가족 기업; 1940년 Fred Koch 창업; 에너지, 화학, 산림 제품, 소비재, 소프트웨어, 벤처 캐피털에 걸쳐 13만 명 이상 직원 - **Principle-Based Management (PBM)** — Koch의 41개 원칙 운영 프레임워크; 기여 동기, 가치관 우선 채용, 상향식 권한 부여, 각 사업 단위를 실험실로 대우하는 것을 강조 - **Georgia-Pacific** — Koch가 2005년 인수한 산림 및 소비재 제품 회사; Koch 최대 인수; PBM 하에서의 문화 전환 주요 사례 연구 - **Koch Disruptive Technologies (KDT)** — Chase Koch가 설립한 벤처 부문; 파괴적 기술 회사에 대한 소수 지분 투자; 구조적으로 안정적인 수익성 확보가 어렵다고 설명됨 - **Stand Together** — 2003년부터 활동 중인 Charles Koch의 자선 네트워크; 교육 개혁, 빈곤 감소, 당파를 초월한 사회 변화에 집중; COVID 이후 5,000개 이상 마이크로스쿨 설립 지원

Goldman Sachs 전 CEO이자 선임 회장인 Lloyd Blankfein이 a16z 제너럴 파트너 David Haber와 함께 앉아 지속 가능한 기관과 단명하는 기관을 구분하는 것이 무엇인지 살펴봅니다. 뉴욕 이스트 뉴욕의 공영 주택에서 2008년 금융 위기를 헤쳐나가는 Goldman 지휘까지의 여정을 바탕으로, Blankfein은 진정한 리스크 규율이 예측도 기술도 아닌 진정한 경쟁 해자라고 주장합니다. 그는 AI의 가장 큰 위험은 초지능이 아니라 검증 불가능한 레버리지라고 경고합니다. 누군가가 옳은지 확인하기도 전에 7만 건의 거래를 실행하는 시스템이 그것입니다. ## [00:00] 소개 Blankfein은 모든 투자자가 살아가는 핵심 긴장으로 대화를 엽니다. 당신은 동시에 리스크 감수자이면서 리스크 관리자이고, 어느 역할도 외주를 줄 수 없습니다. 앞으로 나올 내용의 예고로, 그는 시장이 대규모 IPO의 물결 직전에 있으며, 대부분의 사람들이 저평가하고 있는 리스크는 구조적 차원이라고 지적합니다. 어떤 인간도 감사하기 전에 대규모로 행동할 수 있는 소프트웨어가 바로 그것입니다. > "리스크와 관련해 우리가 하는 일의 대부분은 예측이 아니라 비상 계획 수립입니다." — Lloyd Blankfein ## [01:02] 트위터의 독설과 리스크 Haber가 Blankfein에게 X로 복귀할 것을 촉구합니다. Blankfein은 왜 물러섰는지 설명합니다. 트윗은 하방 비대칭성이 있는 자아 행위라는 것입니다. 계속 하는 사람은 결국 아무도 몰랐던 보이지 않는 선을 넘게 됩니다. Goldman에서 그는 이미 정치인들과 독설 게임을 하면서 위험한 게임을 하고 있었습니다. Sanders, Warren, 대통령과요. 회사를 떠났다고 해서 계산이 사라지지 않았고, 다만 결과를 누가 감당하느냐가 바뀌었을 뿐입니다. > "누구나 계속하다 보면 결국 취소됩니다. 아무도 몰랐던 보이지 않는 선을 넘어버리기 때문이죠. 리스크 대비 보상 관점에서 보면 전부 자아를 위한 것이고 실질적인 가치는 없습니다." — Lloyd Blankfein ## [02:18] 위기 속의 침착함 Blankfein은 공개 행사 중 실제 보안 사건을 회상합니다. 무장 괴한들이 무대로 달려들었고, 방 안 사람들이 몸을 숙였지만 그는 앉아서 지켜봤습니다. 그의 설명은 감정 없이 담담합니다. 위기 상황이 그에게는 말 그대로 느려지고, 자신이 무엇을 느끼는지보다 주변 사람들이 무엇을 필요로 하는지에 예민하게 집중하게 됩니다. 그는 긴장을 풀어주는 유머를 도구로 사용합니다. "그 샐러드 드실 건가요?" 용맹함이 아니라 긴장을 깨고 주변 사람들을 안정시키기 위해서입니다. 이것이 본성인지 쌓인 경험인지 확신하지 못하지만, 과거의 위기 경험이 미래의 침착함을 가장 잘 예측한다고 확신합니다. > "저는 항상 조금 긴장되어 있지만, 특별히 더 긴장되진 않아요. 오히려 상황이 느려지죠." — Lloyd Blankfein ## [06:44] 공영 주택에서 월스트리트까지 Blankfein은 이스트 뉴욕 공영 주택에서 자랐는데, 그 건물에 거주하려면 주 90달러 이상을 벌어선 안 됐습니다. 맨해튼은 버스와 지하철을 타야 갈 수 있는, 사실상 외국 같은 곳이었습니다. Harvard 면접은 그가 시내에 가본 세 번 중 하나였습니다. 이것을 결핍으로 프레이밍하는 대신, 그는 접근 없는 야망 근접성이 비상 본능을 어떻게 예리하게 만드는지를 추적합니다. 이 경로가 닫히면 어떻게 할지, 다음 경로는 무엇인지를 일찍부터 배우는 것입니다. 그 분기하는 전방 리스크 모델링의 패턴이 후에 대형 은행을 운영하는 데 적용한 운영 시스템이 됩니다. > "공영 주택에서 자랐어요. 버스를 타고 지하철로 환승해야 시내에 갈 수 있었죠." — Lloyd Blankfein ## [23:36] Goldman 문화, 기술, 파트너십 Goldman에서 기술은 선택 사항이 아니었습니다. 항상 최전선이었습니다. Blankfein은 리스크 인프라에 대한 초기의 지속적 투자가 회사에 어떻게 복리 구조적 우위를 줬는지 설명합니다. 25-30년 전에 구축된 독점적 리스크 시스템이 오늘날에도 플랫폼의 핵심에 있을 만큼 유연해서 완전히 대체된 적이 없습니다. 파트너십 모델이 이에 직접 기여했습니다. 파트너들이 자신의 자본을 위험에 노출시켰기 때문에, 모든 포지션의 기반이 되는 시스템의 품질에 극도로 관심을 가졌습니다. 그 피부로 느끼는 문화 덕분에 Goldman은 클라이언트와 단순한 수주자가 아닌 동료로서 교류할 수 있었습니다. > "초기에 투자한 것 덕분에 엄청난 기술적 우위를 가졌습니다." — Lloyd Blankfein ## [37:25] 펀드 위의 회사 문화 Blankfein이 구분하는 것은 구조적인 것입니다. 펀드의 목표는 가장 적은 사람으로 가장 짧은 시간에 최대 캐리를 창출하는 것이고, 회사는 주기에 걸쳐 복리 경쟁 우위를 구축해야 합니다. Goldman이 나쁜 해에도 사람들에게 급여를 주고, 일시적 어려움에 처한 사업에서 철수하는 것을 거부할 수 있었던 것은 파트너십 마인드셋이 회사의 프랜차이즈를 장기 자산으로 취급했기 때문에만 가능했습니다. 이를 위해서는 보상의 주기 변동을 억제해야 했는데, 이는 진정으로 어렵고 때로는 사람을 잃는다는 것을 의미하지만, 대안은 플랫폼을 파괴하는 것입니다. > "Goldman Sachs는 파트너십 문화로 그런 단기적인 것들을 넘어볼 수 있었습니다. '장기적으로 훌륭한 사업이야'라고 할 수 있었죠." — Lloyd Blankfein ## [41:14] 멘토링과 창업가적 주도성 Blankfein의 멘토링 이론은 단순합니다. 그와 함께 일한 사람들이 실질적인 것을 얻었다고, 즉 그가 없었을 때보다 더 좋아졌다고 느끼길 원했습니다. 그는 또한 주니어 직원 시절 의도적으로 조직도를 무시했던 것을 설명합니다. 귀금속 데스크에 있었는데, 종교적인 중동 투자자들이 명시적 이자 없이 주식 같은 수익을 원한다는 것을 알아채고, 당시 2인자였던 Bob Rubin에게 구조화 상품 아이디어를 들고 직접 찾아갔습니다. 첫 번째 주문은 4억 달러 규모로 들어왔는데, 당시 Goldman이 실행한 사상 최대 단일 거래였습니다. 그의 조언은 직함이 필요하기 전에 기관 내에서 창업가처럼 행동하라는 것입니다. > "제가 없었을 때보다 더 좋아졌다고 느끼게 하고 싶었어요. 그들이 정말 많은 것을 얻었다고 생각하기를 원했습니다." — Lloyd Blankfein ## [47:05] 위기 증명된 리스크 관리 2008년 챕터가 가장 밀도 높습니다. Blankfein은 Goldman의 생존을 세 가지 복합 요인 덕분이라고 말합니다. 대규모 소비자 예금 장부가 없었던 것, 경쟁사들이 평가를 거부할 때도 냉혹하게 시가 평가를 지속한 것, 그리고 모든 사람이 자본을 자신의 집인 것처럼 대하도록 훈련한 파트너십 유산. 실제로 Goldman이 파트너십이었을 때는 문자 그대로 그랬기 때문입니다. 그는 또한 위기 속에서 클라이언트 관계를 유지한 원칙을 언급합니다. "약정은 과거이고 관계는 미래다." 나쁜 포지션을 인정하고 앞으로 나아가기로 선택한 것이 잠재적 클라이언트 손실 여러 건을 지속적 파트너십으로 전환했습니다. > "파트너들은 자본 계정만 리스크에 노출된 게 아니라 집도 리스크에 노출됐습니다." — Lloyd Blankfein ## [56:11] AI 반발과 커리어 지혜 Blankfein은 AI 순간을 다중 분기 베팅으로 봅니다. 복수의 아키텍처, 복수의 플레이어, 아마도 두세 명의 큰 승자, 그리고 어느 경로가 거기로 이어지는지는 오늘 아무도 모릅니다. 가장 큰 베팅이 다른 사람의 돈을 운용하는 전문 관리자가 아니라 자신의 자본을 가진 창업 주주들에 의해 이루어지고 있다는 점은 어느 정도 안심을 줍니다. 깊이 가진 개인적 신념이 승인된 자본 지출보다 더 좋은 신호입니다. 그의 가장 날카로운 우려는 구조적 불투명성입니다. 과거의 거래 플로어에서는 나쁜 가격이 발생하는 순간 들을 수 있었지만, 오늘날 시스템은 완전히 뒤에서 작동하며 감사 가능한 흔적이 없습니다. 그 시스템에 내재된 레버리지가, 지능이 아니라, 그가 지목하는 것입니다. 그는 커리어 조언으로 마무리합니다. 다양한 분야에 걸쳐 호기심을 유지하고, 직함보다 깊이를 추구하고, 과거의 베팅이 어리석어 보인다면 용서를 베푸세요. 왜냐하면 최전선 결정을 내리는 모든 사람은 나중에 옳은 답을 분명하게 만들 정보 없이 그것을 하기 때문입니다. > "오늘날은 그 직관이 없어요. 모든 것이 뒤에서 작동하고 그 과정이나 사고 흔적을 얻지 못하니까요. 이것들에 내재된 레버리지 자체가 큰 문제입니다." — Lloyd Blankfein ## 등장인물 - **Lloyd Blankfein** (인물): Goldman Sachs 전 CEO이자 선임 회장; 전체에 걸친 게스트 - **David Haber** (인물): 호스트; a16z 핀테크 담당 제너럴 파트너 - **Goldman Sachs** (조직): 핵심 기관으로 파트너십 모델, 2008년 위기 탐색, 초기 기술 투자를 중심으로 검토됨 - **Bob Rubin** (인물): Goldman Sachs 전 공동 회장, 이후 미국 재무장관; Blankfein이 주니어 직원 시절 첫 대규모 구조화 상품 아이디어를 직접 가져갔던 대상 - **2008년 금융 위기** (개념): Goldman의 리스크 문화에 대한 주요 스트레스 테스트; 시가 평가 규율과 소비자 예금 장부 부재가 핵심 생존 요인 - **Goldman 파트너십 문화** (개념): 파트너 인센티브를 장기 회사 건전성과 일치시킨 구조적 메커니즘. 자본 계정과 개인 주택이 모두 위험에 노출됨 - **AI와 금융** (개념): 현재의 기술 파동으로 프레이밍됨. 잠재력에 대해 칭찬받지만 검증 불가능한 레버리지와 감사 가능한 인간 직관을 대체하는 운영 불투명성으로 위험 지목됨

Anne Applebaum은 30년간 권위주의 체제가 어떻게 부상하는지, 그리고 민주주의 사회가 왜 너무 늦을 때까지 알아채지 못하는지를 연구해 왔습니다. 그녀는 독재자들이 민주주의를 해체하기 위해 사용하는 다섯 가지 전술인 부패, 선거 조작, 인사 장악, 정보 통제, 물리적 강압을 설명하고, 각각을 현재 미국에서 일어나고 있는 일들과 연결합니다. 이 대화는 트럼프의 재임 중 재산이 3배로 늘어난 것, 게임에서 살아남기 위해 굴복한 테크 CEO들, 미국의 리더십 없는 세계를 이미 준비하고 있는 글로벌 동맹국들, 그리고 역사적 필연성이 독재자들이 당신에게 믿게 하고 싶어 하는 함정인 이유를 다룹니다. ## [00:00] 인트로 Steven은 테이블 위에 돈이 담긴 두 개의 항아리를 보여줍니다. 트럼프가 취임할 때 순자산 23억 달러, 그리고 2년 후 65억 달러입니다. Applebaum의 첫 번째 주장은 즉각적으로 핵심을 찌릅니다. 미국은 정책을 만들면서 동시에 사업을 운영하는 대통령을 가진 적이 없었으며, 사우디 정부의 Jared Kushner 펀드에 대한 20억 달러 투자는 단순히 Jared Kushner가 마음에 들어서가 아니었다는 것입니다. > *"결정들이 미국인들에게 무엇이 좋은지가 아니라, 그의 회사에 무엇이 좋은지를 기준으로 내려지고 있습니다."* — Anne Applebaum ## [02:10] 역사가 반복되는 이유 Applebaum은 소련 역사학자로 시작해 바르샤바에서 바르샤바 조약의 붕괴를 목격하며 과거에 속한다고 생각했던 체제들에 대해 수년간 글을 썼습니다. 2013~2014년경 그녀는 역사로 공부하던 것이 다시 돌아오고 있다는 것을 깨달았습니다. 현대 민주주의는 탱크로 끝나지 않습니다. 합법적으로 선출된 누군가가 다음 선거가 공정하게 치러지도록 보장하는 제도들을 해체하기 시작할 때 끝납니다. > *"대부분의 사람들은 민주주의가 쿠데타나 거리의 탱크로 끝난다고 생각합니다. 실제로 현대 세계에서 대부분은 합법적으로 선출된 누군가가 그 체제를 분해하기 시작하기 때문에 끝납니다."* — Anne Applebaum ## [03:33] 민주주의의 가장 큰 경고 신호 지금 다르게 느껴지는 것은 정당들이 절대로 권력을 내놓지 않아도 되겠다는 명시적인 목표를 갖고 권력을 잡는다는 것입니다. 헝가리의 Viktor Orbán이 선구자였습니다. 큰 표차로 선출된 그는 이후 법원, 선거위원회, 미디어, 공직을 체계적으로 장악했습니다. 그가 무력화한 각각의 제도가 다음 선거를 조금씩 덜 공정하게 만들었습니다. > *"여러 확립된 민주주의 국가들에서 처음으로, 영원히 권력을 유지할 수 있도록 체제를 바꾸겠다는 명시적인 생각을 갖고 권력을 잡는 정당들이 나타나고 있습니다."* — Anne Applebaum ## [05:12] 민주주의가 망가진 것처럼 느껴지는 이유 민주주의는 이상한 거래입니다. 권력을 잡지만, 다음에 적이 당신을 이길 수 있도록 규칙을 보존해야 합니다. 그 협약이 무너지면 전체 시스템이 불안정해집니다. Applebaum은 민권운동 이전 미국 남부를 국내 선례로 지적합니다. 일당 체제, 조작된 규칙, 제한된 투표권. 지금 워싱턴에 있는 일부 사람들은 그 역사에서 힌트를 얻고 있습니다. > *"물론이죠, 하지만 러시아와 자유 민주주의 사이에는 여러 체제가 있습니다. 공정하지 않은 민주주의도 있을 수 있어요."* — Anne Applebaum ## [07:41] 지금 가장 큰 위협 두 가지 별개의 위협이 동시에 진행되고 있습니다. 미국 내부에서는 정치 시스템에서 소외된 계층의 증가, ICE에서의 국가 준군사 조직의 출현, 미국이 이전에 경험하지 못한 규모의 고위층 부패가 있습니다. 외부적으로는 러시아, 중국, 이란 같은 독재 세력들이 1945년 이후의 세계 질서에 도전하고 있으며, 단순한 경쟁이 아니라 자유 민주주의에 대한 이념 전쟁을 벌이고 있습니다. > *"고위층 부패의 부상도 있습니다. 대통령과 그 주변인들, 그와 가까운 기업들이 돈을 벌 수 있는 방법에 접근하는 것처럼 보이는데, 이런 규모는 미국에서 이전에는 불가능한 일이었습니다."* — Anne Applebaum ## [08:52] 민주주의가 빠르게 변화하는 이유 Steven은 글로벌 민주주의 수준 지도를 보여줍니다. 즉각적으로 눈에 띄는 것은 그 지도를 만든 기관이 더 이상 미국을 자유 민주주의로 분류하지 않는다는 것입니다. 이제 미국은 한 단계 아래인 "선거 민주주의"입니다. 10~20년 전에는 지도가 훨씬 더 파랬습니다. 국가들은 서로 영향을 주고 모방하기 때문에 미국의 하락은 미국인들만 영향을 받는 것이 아닙니다. > *"그 지도를 만든 사람들은 더 이상 미국을 자유 민주주의로 분류하지 않습니다."* — Anne Applebaum ## [10:18] 미국이 독재 국가가 될 수 있을까? 현실적인 미국 시나리오는 Putin 스타일의 독재가 아니라 일당 체제입니다. 게리맨더링된 선거구, 장악된 법무부, 한 정당이 항상 이기는 고정된 선거. 1월 6일은 선거 쿠데타 시도였고 실패했습니다. Applebaum은 그것을 한계선이 아니라 바닥으로 취급하는 것이 순진하다고 주장합니다. > *"우리는 지금 2020년 선거 결과를 거부하고 선거 쿠데타를 기획한 대통령을 두고 있습니다. 실패했습니다. 하지만 아무도 다시 그런 일을 감히 하지 않을 것이라는 생각은 이 시점에서 꽤 순진한 것 같습니다."* — Anne Applebaum ## [12:05] 트럼프 3선이 의미하는 것 트럼프 개인은 아마 3선을 원하지 않겠지만, 그 주변 사람들은 공화당원이, 아마도 가족 구성원이, 무기한 집권하도록 확보하기 위해 일하고 있습니다. 1월 6일 이후 온건파들이 떠났습니다. 남아 있고 새로 합류한 연합은 세 그룹입니다. 민주주의가 사업에 불편하기 때문에 통제를 원하는 테크 권위주의자들, 비세속 국가를 원하는 기독교 민족주의자들, 그리고 전통적인 MAGA. 이들은 급진적인 시스템 변화가 필요하다는 것 외에는 거의 모든 것에 동의하지 않습니다. > *"트럼프의 첫 번째 임기에는 시스템이 그를 제약했습니다. 이제 그는 그런 제약을 피하도록 돕는 사람들로 자신을 둘러싸고 있습니다. 그게 새로운 점입니다."* — Anne Applebaum ## [14:56] 왜 사람들은 독재에 매력을 느끼는가 Applebaum은 헝가리를 사례 연구로 사용해 독재가 실제로 어떤 모습인지 설명합니다. 집권당의 동맹에게 사업을 팔기를 거부한 사업주는 유리창이 깨지고, 아이들이 괴롭힘을 당하고, 노동자들이 규제 문제를 겪다가 결국 팔고 떠납니다. Steven은 정부 접근 요청을 거부한 후 위협을 받은 Anthropic의 사례와 연결합니다. Applebaum의 반론: 독재는 심지어 과두정치 입장에서도 바보들의 게임입니다. Putin의 과두정치인들이 그것을 배웠습니다. 중국도 마찬가지였습니다. > *"법은 권력을 가진 사람이 말하는 것입니다."* — Anne Applebaum ## [19:12] 트럼프의 부는 모든 것을 바꾼다 트럼프의 순자산은 2년 만에 23억 달러에서 65억 달러로 증가했습니다. 미국 대통령 역사상 전례 없는 일입니다. 이전 대통령들에게는 부패의 낌새가 있었지만, 외교를 동시에 수행하는 국가들에서 적극적인 사업을 운영한 사람은 없었습니다. Kushner는 사우디로부터 20억 달러 투자를 받았고 이제 행정부를 대표해 동일한 사업 파트너들과 협상합니다. > *"우리는 재임 중에 사업을 운영하고, 그와 거래하는 사람들이 정치적으로 이익을 얻기를 바라는 방식으로 행동한 대통령을 가진 적이 없었습니다."* — Anne Applebaum ## [21:27] 글로벌 안정이 무너지는 이유 우크라이나와 이란에서의 전쟁, 그리고 1945년 이후 질서의 붕괴는 민주주의 이야기와 분리되지 않습니다. 독재 정권들은 국내에서 기반을 공고히 하기 위해 전쟁을 일으킵니다. 러시아는 부분적으로 우크라이나의 민주주의적 수사, 즉 표현의 자유, 법의 지배, 유럽 통합이 러시아로 퍼지면 폭발적일 것이기 때문에 우크라이나를 침공했습니다. 자유주의 세계 질서는 독재 도전자들과 내향적으로 변하는 미국이라는 두 가지 힘이 동시에 끌어당기면서 파편화되고 있습니다. > *"Putin이 가장 두려워하는 게 뭔지 아세요? 2014년 우크라이나에서 있었던 것과 같은 거리 혁명입니다."* — Anne Applebaum ## [26:26] 민주주의 대 독재: 무엇이 더 오래 지속되는가? 역사적으로 독재는 장수 면에서 앞섭니다. 역사 대부분에 걸쳐 대부분의 인간 사회는 군주, 군벌, 또는 부족 지도자들에 의해 통치되었습니다. 건국자들은 이것을 알고 있었습니다. 그들은 헌법을 쓰면서 로마 공화국과 아테네 민주주의의 몰락을 읽으며 취약성을 내구성으로 바꾸려고 했습니다. > *"미국 헌법을 쓴 사람들은 그것을 쓸 때 고대 로마의 역사를 읽고 있었습니다. 그들 모두 그 이야기를 알고 있었습니다."* — Anne Applebaum ## [27:38] 누가 더 행복한가: 민주주의 vs 독재? 핀란드, 스웨덴, 노르웨이, 덴마크, 즉 지속적으로 가장 행복한 나라들은 모두 복지 국가와 낮은 불평등을 가진 자유 민주주의 국가들입니다. 독재 국가에서 보통 사람들은 국가에 영향을 미칠 수 없습니다. 러시아 시민은 "우크라이나를 폭격하는 대신 병원을 짓고 싶다"고 말할 수 없으며, 그러한 주체성의 부재는 단순한 개인적 좌절이 아니라 구조적인 불행을 만들어냅니다. > *"그들은 '우크라이나의 다른 도시를 폭격하는 대신 병원을 짓고 싶다'고 말할 수 없습니다. 그래서 시스템을 바꿀 능력이 거의 없고, 그것이 당연히 좌절과 불행을 만들어냅니다."* — Anne Applebaum ## [29:04] 정보가 충분하다면 사람들은 민주주의를 선택할까? 아마 그렇겠지만, Applebaum은 권위주의의 매력을 무시하지 않습니다. 독재자들이 이용하는 안정과 위계에 대한 깊은 인간적 욕구가 있습니다. 서방 국가들에서의 러시아와 중국 소셜 미디어 캠페인은 정확히 그 메시지를 전달합니다. 권위주의는 안전과 전통적 가치와 같다는 것입니다. 정보와 안보 기관도 통제될 때, 대부분의 사람들이 다른 것을 원하더라도 권력을 유지할 수 있습니다. > *"독재 정권들은 거짓으로 안정을 제공합니다. 미국이나 영국에서 소셜 미디어 캠페인에서 그들이 하는 주장이 바로 그것입니다. 권위주의, 안정, 안전, 전통적 가치, 위계."* — Anne Applebaum ## [30:45] Putin이 권력을 유지하는 방법 러시아인들이 사적으로 무슨 생각을 하는지는 중요하지 않습니다. 그들이 안전하게 그것을 말할 수 있는 포럼이 없기 때문입니다. Putin이 은퇴해야 한다는 견해를 표현하면 체포될 수 있습니다. 사람들은 말하는 것을 조정하고, 점차 생각도 조정하고, 결국 정치에서 완전히 손을 뗍니다. Applebaum은 소련 시대 선전에서 같은 메커니즘을 추적합니다. 사람들이 반드시 그것을 믿은 것은 아니었지만, 그렇게 행동하는 것이 편리했습니다. 러시아는 1990년대와 2000년대에 열린 토론의 창문이 있었습니다. 그 창문은 하룻밤 사이가 아니라 서서히 닫혔습니다. > *"그들이 무슨 생각을 하는지는 중요하지 않습니다. 여론이나 공개 토론 같은 것이 없습니다. 공정한 방식으로 자신의 견해를 표현할 수 있는 포럼이 없습니다."* — Anne Applebaum ## [32:40] 독재자들이 사용하는 5가지 전술 첫 번째 전술: 부패. 어떤 정치 시스템에서도 부패는 존재하지만, 독재 체제에서는 법적 시스템도 장악되어 있어 견제가 없습니다. 트럼프의 법무부에 충성파를 앉히는 것은 일반적으로 백악관 부패를 조사하는 기관을 대신 적들을 기소하는 데 사용한다는 의미입니다. 부패는 또한 충성도 도구로도 기능합니다. 나와 잘 지내면 당신의 사업이 번창합니다. > *"부패는 권위주의의 특별한 증상이자 도구입니다. 대통령은 사람들에게 제안할 수 있습니다. 나와 잘 지내면 당신의 사업이 번창하고 정부 계약을 얻을 것이라고요."* — Anne Applebaum ## [34:19] 테크 CEO들이 이것을 가능하게 하고 있는가? 2016년 트럼프를 독재자라고 불렀던 테크 CEO들이 이제 백악관에서 그와 식사를 함께 합니다. Steven의 설명: 부는 지위의 대리자이며, 진짜 두려움은 경쟁자에게 지는 것입니다. Altman이 트럼프를 적대시하면 Anthropic과 xAI에 집니다. Applebaum의 반론: 미국 법 체계가 열화되면 그들도 함께 열화되기 때문에 근시안적입니다. 그녀는 부당한 소송에서 합의하기를 거부한 Anthropic과 법률 회사들이 선을 지키는 것이 상업적 가치도 있다는 증거라고 지적합니다. > *"그렇게 부자라면, 하고 싶은 말을 할 수 없다면 부자인 게 무슨 의미가 있을까요?"* — Anne Applebaum ## [38:11] 미국은 다시 정상으로 돌아올 수 있을까? Applebaum은 이 질문을 하는 유럽 청중들에게 플랜 B를 만들라고 말합니다. NATO는 미국이 빠지면 대안이 필요합니다. 많은 것들이 정상화되지 않을 것입니다. 다음 대통령이 일당 미국에 더욱 헌신적인 JD Vance일 수도 있고, 깨진 규범이 유용하다는 것을 발견한 민주당원일 수도 있습니다. 일단 규범이 깨지고 법이 바뀌면 누구든 그 잔해를 이용할 수 있습니다. > *"미국 내부에서든 전 세계에서든 많은 것들이 다시는 완전히 정상으로 돌아오지 않을 것입니다."* — Anne Applebaum ## [39:27] 왜 국가들은 내향적으로 변하고 있는가 대부분의 미국 동맹국들에게 임계점은 그린란드 에피소드였습니다. 트럼프가 공개적으로 덴마크 영토 침공을 암시하자, 덴마크는 그린란드의 공항을 폭파하고 미국 비행기를 격추할지 계획하기 시작했습니다. 유럽 파트너들도 같은 워게임을 진행했습니다. 아무도 회복하지 못했습니다. 그 이후: EU-인도 무역 협정, 캐나다의 EU와의 안보 관계 구축, 프랑스와 폴란드의 유럽 핵 우산 논의, 전 세계 중견 강국들의 새로운 양자 관계 구축과 미국 불신뢰에 대한 헤징. > *"전 세계 모든 사람들이 헤징하고 있습니다. 모두가 대안을 찾고 있습니다."* — Anne Applebaum ## [43:57] 이것이 미국인들에게 의미하는 것 매우 나쁜 소식입니다. 미국의 전후 번영은 지배적인 글로벌 무역, 중동과 아프리카에 권력을 투사하는 NATO 기지, 달러 패권에 기반했습니다. 동맹국들이 미국 상품 구매를 중단하면, 예를 들어 캐나다는 이제 슈퍼마켓에서 미국 제품을 식별하는 불매운동 앱이 있습니다. 유럽 클라우드 스토리지가 로컬로 전환하고, NATO 기지가 닫히면 미국인들이 모두 그 영향을 받습니다. > *"전후 미국의 번영 상당 부분은 미국이 글로벌 무역을 지배했다는 사실에 기반했습니다. 우리는 전 세계에서 물건을 수입하는데 그것도 좋은 일입니다."* — Anne Applebaum ## [45:39] 독재의 가장 위험한 부분 트럼프 주변의 아무도 이란이 베네수엘라가 아니라고 명확하게 말하지 않았습니다. 독재 정권은 이런 실패를 만들어냅니다. "이건 나쁜 생각이에요"라고 직접 말하는 사람이 없습니다. 그러면 해고되기 때문입니다. 더 깊은 문제: 트럼프는 이란의 민주적 반대 세력이나 대안 정부와 소통한 적이 없었습니다. 그의 진정한 관심사는 민주화가 아니라 지배와 석유 수입이었기 때문입니다. 처참한 실수를 저지른 George W. Bush조차도 민주주의를 남기고 싶어 했습니다. 트럼프는 그런 식으로 생각하지 않습니다. > *"독재 정권의 또 다른 특징이 있습니다. 아무도 당신의 결정에 이의를 제기하지 않고 아무도 대안을 제시하지 않습니다."* — Anne Applebaum ## [48:49] 트럼프 지지율이 하락하는 이유 트럼프의 지지율이 역대 최저입니다. 이란 전쟁은 역효과를 냈고, Tucker Carlson조차 사과하고 있습니다. Applebaum의 트럼프 심리 분석: 전략도 없고, 이란의 역사적 지식도 없고, 장기적 사고도 없습니다. 지금 무슨 일이 일어나든, 그는 "내가 이기고 있다"로 변환합니다. 그 자기중심적 반사는 아직 이기지 못했다는 것을 인정하고 계획을 세우는 것이 필요한 실제 전략과 양립할 수 없습니다. > *"그는 대통령 취임 전에 무슨 일이 있었는지 별로 신경 쓰지 않습니다. 이란의 역사를 모릅니다. 지금 무슨 일이 일어나고 있는지, 그리고 현재 순간에 이기고 있는지에만 관심이 있습니다."* — Anne Applebaum ## [50:48] 광고 Wispr Flow(음성 받아쓰기 앱)와 Stan(AI 기반 소셜 미디어 콘텐츠 툴)에 대한 스폰서 리드; Steven이 직접 읽습니다. ## [52:50] 독재자들이 사용하는 두 번째 전술 선거 조작. 16년 집권 후 Orbán은 헝가리 선거에서 막 졌지만, 그 16년 동안 그는 의회 3분의 2를 차지하고 그것을 이용해 선거적 이익을 위해 헌법을 지속적으로 재작성했습니다. 미국에서는: 게리맨더링(민주당 성향의 내슈빌 시가 공화당 안전 선거구로 쪼개짐), 젊은 유권자, 결혼으로 성이 바뀐 여성, 소수자를 실격시키도록 설계된 유권자 ID 규정, 그리고 불법 이민자 투표에 대한 음모론이 있습니다. 이것은 민주당 득표수를 불신하도록 미리 만들어진 서사입니다. > *"선거를 부패시키고 형성하려는 시도가 보이기 시작하면, 이것이 민주주의가 위험에 처해 있다는 신호입니다."* — Anne Applebaum ## [57:39] 독재자들이 사용하는 세 번째 전술 인사. 기능하는 민주주의는 전문가들이 필요합니다. 대기 오염에 대해 아는 대기 오염 감시자, 보험 시장을 이해하는 보험 규제당국. 부패한 독재 정권에서 그런 자리는 대통령의 사촌과 당 후원자에게 돌아갑니다. 연방준비제도의 Jerome Powell에 대한 트럼프의 압박이 생생한 사례입니다. 독립 기관을 백악관의 요구에 굴복시키려는 시도입니다. > *"부패한 독재 정권에서 그런 자리는 대통령의 사촌이나 부통령의 가장 친한 친구에게 돌아갑니다."* — Anne Applebaum ## [59:40] 독재자들이 사용하는 네 번째 전술 정보 통제. 중국은 처음부터 국가 통제를 위해 인터넷을 구축했습니다. 러시아도 그 뒤를 따르고 있습니다. 미국에서는 메커니즘이 다릅니다. 기사의 문장을 지우는 대신 행정부는 규제당국에 압력을 가해 TV 방송국을 압박하고, TikTok, CBS, CNN의 우호적인 소유주를 만들기 위해 움직입니다. Orbán의 플레이북은 미디어 소유권이었습니다. 헝가리 TV 대부분이 간접적으로 통제되었고, 몇몇 독립 웹사이트만 살아남았습니다. 이 캠페인은 대학으로도 뻗어갑니다. 행정부는 연방 자금 지원 조건으로 Harvard가 가르칠 수 있는 과목을 지시하려 했습니다. > *"모든 독재 정권은 정보를 통제하려 합니다. 요즘 미디어 통제는 소유권 차원에서 작동합니다. 누가 미디어를 소유하는지가 가장 중요한 질문이 됩니다."* — Anne Applebaum ## [65:58] 소셜 미디어는 법적 권한을 가져야 하는가? Section 230은 플랫폼을 신문이 직면하는 법적 책임에서 면제합니다. Applebaum의 입장: 온라인 세계를 오프라인 세계와 동일한 법에 맞추도록 하는 것이 기본입니다. 오프라인에서 불법인 아동 포르노는 온라인에서도 불법이어야 하고, 대면으로 불법인 ISIS 모집은 플랫폼에서도 불법이어야 합니다. 소셜 미디어를 법적 시스템에 편입시키지 않는 유럽 국가들은 외국 소유 플랫폼이 TV 광고 구매보다 훨씬 덜 가시적인 방식으로 선거 지출 규정을 무시할 수 있기 때문에 주권적 선거를 치르지 못할 수도 있습니다. 불법 발언이 무엇인지에 대한 결정은 Elon Musk나 Mark Zuckerberg가 아닌 선출된 대표들이 해야 합니다. > *"그 결정은 Elon Musk나 Mark Zuckerberg가 해서는 안 됩니다. 그 나라의 선출된 대표들이 해야 합니다."* — Anne Applebaum ## [72:58] 중국 시민들은 정말 떠날 수 있을까? 이론적으로는 가능하지만, 현실적으로 장벽은 엄청납니다. 비자, 일하고 언어를 말할 수 있는 목적지, 이전되는 직업 자격, 그리고 그곳에 묶어두는 노령의 친척이 없어야 합니다. Applebaum은 모스크바에 아직 있는 러시아 친구들이 있는데, Putin을 지지해서가 아니라 그들의 삶이 거기 있기 때문입니다. 출국은 대부분의 사람들이 갖지 못한 자원, 언어, 운에 달린 특권입니다. > *"이민이 항상 쉬운 것은 아닙니다. 모든 사람에게 항상 실용적인 것도 아닙니다."* — Anne Applebaum ## [74:15] 독재자들이 사용하는 다섯 번째 전술 권력 부처와 물리적 강압에 대한 통제. 독재 정권들은 결국 실제로 물리적인 억압 기구가 필요합니다. 단순한 정보 통제가 아니라, 사람들을 신체적으로 위협할 수 있는 능력입니다. 따르지 않는 사람들은 사회적 압박 이상의 것에 직면합니다. > *"대부분의 독재 정권들은 조만간 어느 정도 물리적인 억압 시스템을 만들고 싶어 합니다. 강압의 요소가 있는 시스템."* — Anne Applebaum ## [74:48] ICE는 왜 망가지고 있는가 ICE는 이민 집행 기관으로 설계되었습니다. 그런데 지금의 모습은 다릅니다. 복면을 쓴 군복 차림의 요원들, 번호판 없는 밴, 지역 경찰의 책임 밖에서 운영되며, 국토안보부와 대통령에게만 보고합니다. 미네소타 시위 중 미국 시민 두 명이 사망했을 때 행정부의 즉각적인 반응이 조사 명령이 아닌 면책 부여였을 때, Applebaum은 이것을 넘어진 임계점으로 표시했습니다. 법적 결과 없이 보통 시민들에게 해를 끼칠 수 있는 경찰력은 미국인이 아닌 집권당을 섬기는 것입니다. > *"보통 시민들에게 해를 끼칠 수 있고 아무런 대가를 치르지 않으며 책임이 없는 경찰력이 있다면, 당신은 미국인들을 섬기는 게 아닙니다. 집권당의 이익을 섬기는 것입니다."* — Anne Applebaum ## [77:00] 광고 쇼의 구독자 달성 캠페인 스폰서 리드; Steven이 직접 읽습니다. ## [77:32] 미국 제국은 쇠퇴하고 있는가? Steven은 Sir John Glubb의 250년 제국 생애 주기를 제시하고 미국이 2026년에 정확히 250살이 된다고 언급합니다. Applebaum의 답변: 그것은 일어나고 있는 일을 꽤 정확하게 묘사합니다. 하지만 그녀는 역사적 필연성을 강하게 거부합니다. 쇠퇴가 불가피하다고 생각하면 행동하려는 의지를 빼앗아 갑니다. 마치 자유 민주주의가 항상 승리한다고 생각하는 것이 1990년대에 러시아와 중국의 부상을 눈치채지 못하게 한 자만과 같습니다. 폴란드는 30년 만에 공산주의 위성국에서 기능하는 민주주의로 변화했습니다. 국가는 변화합니다. 내일 무슨 일이 일어나느냐는 오늘 내리는 선택에 달려 있습니다. > *"무언가가 불가피하다고 생각하면, 그것이 행동하려는 의지를 빼앗아 갑니다."* — Anne Applebaum ## [81:32] 정치는 그저 인간 본성인가? 인간 본성은 상수이지만, 역사는 예측 가능하지 않습니다. 사고가 엄청나게 중요하기 때문입니다. Yeltsin이 Putin 대신 Boris Nemtsov를 선택했다면, 즉 러시아를 유럽과 통합시키고 싶었던 사람을 선택했다면, 세계는 완전히 달라 보였을 것입니다. 그 선택에는 아무런 필연성도 없었습니다. 어떤 인구에도 권위주의적 성향을 가진 비율과 자유주의적 성향을 가진 비율이 항상 있지만, 나라의 지도부가 어떤 가치를 장려하느냐가 어떤 구조적 법칙보다도 결과를 더 많이 결정합니다. > *"Boris Yeltsin이 술에 취하고 병들어 다음 러시아 지도자를 선택해야 했을 때, 그가 선택한 사람은 Vladimir Putin이었습니다. 당시 매우 낮은 위치에 있던 사람이었습니다. 아무도 그를 독재자로 상상하지 못했습니다."* — Anne Applebaum ## [84:20] 민주주의는 극단적 자본주의를 만드는가? Applebaum은 전제를 뒤집습니다. 역사적으로 성공적인 민주주의는 극단주의가 아닌 평등을 지향하는 경향이 있었습니다. 1950년대 미국은 엄청난 사회적 이동성, 광범위한 부의 창출, 확장되는 민권 운동을 경험했습니다. 민주주의와 상대적 평등이 서로를 강화했습니다. 어떤 정치인보다도 더 많은 권력을 가진 테크 과두정치의 출현이 지금 민주주의 감시자들이 가장 우려하는 것입니다. 그 그룹 중 일부는 민주주의가 그들에게 불편한 방식으로 권력을 분배하기 때문에 이미 반민주적이 되었기 때문입니다. > *"그 그룹의 사람들이 모든 사람이 한 표를 갖고 부가 더 균등하게 분배되어야 한다는 민주주의에서 얼마나 오래 살고 싶어 할까요?"* — Anne Applebaum ## [86:27] 민주주의는 어떻게 스스로를 방어하는가 투표하세요. 지방 선거를 포함한 모든 선거에서. 사람들이 허무주의에 빠져 "다 똑같아"라고 말하면, 그것이 바로 독재자들이 만들려는 것입니다. Putin은 러시아인들이 정치에서 손을 떼기를 바랍니다. 중국은 국민들이 정치에서 손을 떼기를 바랍니다. 시민적 무관심은 무감각이 아닙니다. 권위주의 시스템의 목표입니다. 지도자들이 언론, 사법부, 공직에 대해 어떻게 말하는지 지켜보세요. 진정한 민주주의자는 그것들이 다음 선거를 공정하게 만드는 것이기 때문에 그 기관들을 존중합니다. > *"사람들이 허무주의에 빠지고, '다 똑같아, 누가 이기든 상관없어'라고 말할 때, 이것이 독재자들이 만들려는 것입니다."* — Anne Applebaum ## [88:01] 주류 미디어는 정치적으로 편향되어 있는가? 일부 미디어는 구조적으로 편향되어 있습니다. 사업 모델이 그것을 요구하기 때문입니다. Fox는 우익 성향의 시청자들에게 분노를 팝니다. 하지만 Applebaum은 구조적 편향과 행정부가 직접 미디어 소유권을 압박하는 것 사이에 명확한 선을 긋습니다. 그녀는 취소 문화가 실재했다는 좌익 버전의 발언 통제를 인정하면서도, 두 가지가 동등하지 않다고 주장합니다. 또래 압박은 대통령이 연방 규제당국과 소유권 조작을 이용해 나라가 들을 수 있는 것을 재형성하는 것과 같지 않습니다. > *"양쪽 말을 듣는 것만의 문제가 아닙니다. 무엇이 진실인지 확립하려는 노력에 관한 것입니다."* — Anne Applebaum ## [91:42] 저널리즘이 그 어느 때보다 중요한 이유 예전에 주방에서 촬영했던 팟캐스터로서 Steven은 탐사 저널리즘이 중요하다고 공개적으로 동의합니다. 엄격한 진실 추구 저널리스트들은 그가 갖고 있다고 주장하지 않는 기술을 가지고 있습니다. Applebaum은 AI적 측면을 추가합니다. AI가 온라인에 있는 것만 접근할 수 있고, 온라인 정보 공간이 독재자들에 의해 형성되고 참여도를 위해 알고리즘이 최적화되고 있다면, 실제로 무슨 일이 일어나고 있는지 알아내기 위해 세상으로 물리적으로 나가는 사람들의 직업은 구조적으로 대체 불가능해집니다. > *"민주주의가 존재하고, 정확하고 의미 있는 국가적 대화가 존재하려면, 무엇이 진실인지 알아내려는 사람들이 필요합니다."* — Anne Applebaum ## [93:11] 알고리즘이 당신의 현실을 통제하는 방법 Steven은 자신의 폰을 스크롤합니다. "당신을 위한 추천" 피드가 이전에 시청한 것을 정확히 반영해 다른 어느 누구의 것과도 완전히 다른 개인화된 현실을 만들어냅니다. Applebaum: 이것은 이미 일어나고 있으며, 그로 인한 양극화보다 민주주의에 더 독성적인 것은 없습니다. 정치적 반대편에 있는 사람들이 단순히 세금에 의견이 다른 경쟁자가 아니라 그들의 승리가 세상을 끝내는 실존적 적이 될 때, 정상적인 민주적 토론은 불가능해집니다. > *"민주주의에 양극화보다 더 독성적인 것은 없습니다. 반대편 사람들이 단순히 경쟁자가 아니라 실존적 적이 된다면, 정상적인 민주적 토론을 하기가 매우 어려워집니다."* — Anne Applebaum ## [94:19] Anne의 개인적인 정치 여정 Steven은 1992년 뉴욕 타임스 결혼 발표를 꺼냅니다. Applebaum이 거기 있습니다. 그녀는 당시 기자였고 지금은 폴란드 외무장관인 Radosław Sikorski와 결혼했습니다. 정치인과 함께 생활하면서 대중의 인식과 사적 현실이 얼마나 달리 벌어지는지 배웠습니다. 그녀는 의도적으로 자신의 성을 유지했습니다. 직접 정치에 입문한 적이 없습니다. 기자의 역할은 사실을 알아내고 설명하는 것이고, 정치인의 역할은 견해를 갖고 사람들을 설득하는 것입니다. 그녀의 목표는 특정 사람을 당선시키는 것이 아니라 사람들에게 민주주의가 왜 중요한지, 그리고 어떻게 싸워야 하는지 상기시키는 것입니다. > *"저의 목표는 민주주의가 왜 중요한지 사람들에게 상기시키고, 그것이 쇠퇴하는 방식에 주의를 기울여 우리가 싸워 돌아올 수 있도록 하는 것입니다."* — Anne Applebaum ## [100:48] 정권 교체가 실제로 어떤 느낌인가 Applebaum이 사람들에게 가장 생각해 보기를 바라는 것: 표현의 자유가 나쁜 것으로 여겨지는 사회에서, 집권당에 사촌이 있어야만 앞서 나갈 수 있는 사회에서 실제로 어떤 기분일까요? 우리는 우리가 사는 사회의 깊고 보이지 않는 규칙들에 대해 충분히 성찰하지 않습니다. 그녀의 책 《철의 장막》과 러시아가 점령한 동부 우크라이나에 대한 글은 그 상상력의 실패를 구체적으로 만들려는 시도입니다. 헌법만이 아니라 보통 삶에 정권 교체가 무엇을 하는지 보여주기 위해서입니다. > *"우리가 사는 사회의 깊은 규칙들이 무엇인지, 그리고 그것을 잃으면 무엇을 잃게 되는지에 대해 우리는 충분히 성찰하지 않습니다."* — Anne Applebaum ## [104:18] Anne이 겪은 가장 힘든 좌절 Applebaum이 직면한 가장 힘든 일은 급진화가 가까이서 일어나는 것을 지켜보는 것이었습니다. 중도 우파에서 잘 알던 친구들과 동료들이 반자유주의적이 되는 것을, 그리고 개인적으로 어떻게 대처하는지 동시에 지적으로 그 현상을 이해하고 설명하는 방법을 찾아야 했습니다. 그녀는 편안한 거리를 유지하기엔 너무 깊이 신경 쓴다고 인정합니다. 누구든 인터뷰할 수 있다고 하며, 트럼프를 포함해서도 그렇다고 하지만, 생산적이지 않을까 봐 걱정합니다. 어려운 대화를 거부해서가 아니라 지속적으로 거짓말하는 사람은 근거 있는 교환을 불가능하게 만들기 때문입니다. > *"제가 경험한 가장 힘든 것은 급진화를 목격한 정치적 변화였습니다. 그것에 어떻게 대처하는지, 그리고 그것을 이해하고 설명하기 위해 어떻게 생각을 전환하는지 알아내는 것."* — Anne Applebaum ## 등장인물 - **Anne Applebaum** (인물): 퓰리처상 수상 역사학자이자 The Atlantic 전속 기자; Johns Hopkins SNF Agora 연구소 선임 연구원; 《Autocracy, Inc.》, 《철의 장막》, 《황혼의 민주주의》 저자; 폴란드 외무장관 Radosław Sikorski와 결혼. - **Steven Bartlett** (인물): The Diary Of A CEO 팟캐스트 진행자이자 설립자; 기업가이자 투자자. - **Viktor Orbán** (인물): 2010년 이후 헝가리 총리; Applebaum의 내부에서의 민주주의 후퇴 주요 사례 연구 대상. 의회 초다수를 이용해 헌법을 재작성하고 미디어, 법원, 공직을 장악했습니다. - **Vladimir Putin** (인물): 2000년 이후 러시아 대통령; 민주주의적 아이디어가 러시아로 퍼지면 독재 체제에 폭발적이기 때문에 그것을 가장 두려워하는 지도자. - **Donald Trump** (인물): 미국 47대 대통령; 두 번째 임기 동안 23억 달러에서 65억 달러로 증가한 재산, 2020년 선거 결과 거부, 테크 권위주의자들, 기독교 민족주의자들, MAGA로 구성된 연합이 첫 번째 임기와 질적으로 다르다는 점에서 대화 전반에 걸쳐 핵심 인물. - **Jared Kushner** (인물): 트럼프의 사위; 사우디로부터 20억 달러 투자를 받았으며 행정부를 대표해 동일한 사업 파트너들과 협상합니다. - **The Atlantic** (기관): Applebaum이 전속 기자이자 《Autocracy in America》 팟캐스트를 진행한 미국 잡지. - **SNF Agora Institute** (기관): Applebaum이 선임 연구원으로 있는 Johns Hopkins 대학 기관; 민주주의와 시민 참여에 초점. - **ICE** (기관): 미국 이민세관집행국; Applebaum의 다섯 번째 독재 전술 사례. 전투복을 입고 지역 경찰의 책임 밖에서 운영되며 오직 백악관에만 보고하는 군사화된 조직. - **Autocracy, Inc.** (개념): Applebaum의 용어이자 책 제목으로, 러시아, 중국, 이란, 베네수엘라 등 서로 지원하고 함께 자유주의 세계 질서를 약화시키는 독재 정권들의 조율된 네트워크를 의미합니다. - **게리맨더링** (개념): 한 정당에 유리하도록 선거구 경계를 다시 그리는 것; Applebaum의 두 번째 독재 전술(선거 조작) 주요 미국 사례. - **Section 230** (개념): 소셜 미디어 플랫폼을 신문이 직면하는 법적 책임에서 면제하는 미국 법; Applebaum은 플랫폼이 운영되는 국가의 오프라인 미디어와 동일한 법을 따르도록 해야 한다고 주장합니다.

마크 안드레센이 MTS 라이브에서 에릭 토렌버그와 함께 자신의 현재 세계관을 60분 동안 폭넓게 이야기합니다. 대화는 Anthropic의 AI 안전 수사학이 실제 모델 행동에 영향을 미친 사례에서 시작해, 기업 비대화의 경제학과 AI가 직무 분야에 미치는 영향, 여론조사가 AI 감정을 체계적으로 오독하는 방식, UFO 인식론에 대한 우회로, 그리고 AI라는 초능력을 아직 충분히 활용하지 못한 18세들을 위한 조언으로 이어집니다. 안드레센은 특유의 직설적인 방식으로 이렇게 말합니다. AI는 이미 훌륭하고, AI 비판자들은 현실을 외면하고 있으며, 지금 적극적으로 뛰어드는 젊은이들은 아동노동법을 긴장시킬 만큼 큰 격차로 선배들을 앞지를 것이라고요. ## [00:00] 인트로 에피소드는 대화 후반부에서 발췌한 클립으로 시작됩니다. 안드레센이 이미 "AI 뱀파이어"에 대한 논지를 펼치고 있고, 에릭이 정부의 은폐 문제를 제기하는 UFO 세그먼트 미리보기가 함께 제공됩니다. 이 장면은 인터뷰 깊은 곳에서 나온 것으로, 전체 한 시간 분량의 티저 역할을 합니다. > *"우리는 황금시대로 진입하고 있습니다. AI는 지구상의 모든 사람이 접근할 수 있는 초능력이 될 것입니다."* ## [00:42] Anthropic 블랙메일 사건과 AI 두머 문헌 에릭은 "황금 알고리즘"을 통해 Anthropic 사건을 설명합니다. 가장 두려워하는 것을 두려움으로 인해 직접 불러온다는 개념입니다. Anthropic 연구자들이 AI가 사용자를 협박할 수 있다는 내용을 수년간 작성했고, 결국 모델이 그와 유사한 행동을 시작했습니다. 안드레센의 해석은 이렇습니다. 두머 문헌 자체가 학습 데이터나 RLHF 과정을 오염시켜 허구를 현실로 만들었을 수 있다는 것입니다. 그는 밈으로 마무리합니다. 전화는 집 안에서 걸려왔습니다. > *"전화는 집 안에서 걸려왔습니다."* ## [02:49] 자멸적 공감과 SPLC 기소 안드레센은 그가 가츠사드라고 부르는 사상가로부터 "자멸적 공감" 개념을 소개하며, 이를 토머스 소웰의 수십 년간 사회 개혁 운동에 관한 저작과 연결짓습니다. 핵심 주장은 이렇습니다. 자신들이 연민적이라고 자처하는 운동들, 예를 들어 범죄 개혁, 피해 감소, 경찰 예산 삭감 같은 운동들이 조직자들을 부유하게 만드는 동시에 자신들이 돕겠다는 바로 그 사람들을 체계적으로 해친다는 것입니다. 샌프란시스코의 피해 감소 운동이 그의 사례 연구입니다. 거리에서 마약 중독으로 죽어가는 사람들에게 마약 도구를 나눠줬습니다. 그는 비판을 더욱 날카롭게 다듬습니다. 만약 이 단체들이 진정으로 공감하는 마음을 가졌다면 이념적 반대자를 파괴하는 데서 그토록 큰 기쁨을 얻거나 도덕적 명분을 이용해 권력과 자금을 축적하지 않을 것이라고요. SPLC는 반혐오 수사학을 정치적 언론을 탄압하는 데 무기로 삼았으며, 문제는 사회가 그 틀을 아무 저항 없이 받아들여야 하는가 하는 것입니다. > *"그들은 이 사람들을 걱정한다고 말하지만 실제로는 그들을 죽이고 있습니다. 도시를 죽이고, 무고한 사람들이 피해를 입게 하고 있습니다."* ## [16:33] AI, 일자리, AI 뱀파이어의 등장 에릭이 안드레센의 "기업 비대화" 트윗을 언급하자, 대부분의 답글이 틀렸다고 반박하지 않고 "내가 다니던 회사는 8배나 비대했다"고 했습니다. 안드레센은 300년간 이어진 기계화-실업 초래 논쟁을 다루는데, 역사적으로 이미 철저히 반박되었기 때문에 이 논쟁을 계속하는 것 자체가 의미 있는지 의문을 갖습니다. 그의 데이터 포인트는 이렇습니다. 인수 이후 X는 높은 90%대의 인원 감축으로 운영되고 있으며 성과는 여전히 양호합니다. 그가 이름 붙인 실제 현상은 "AI 뱀파이어"입니다. 일자리 손실 이야기가 아니라 소비 이야기입니다. AI가 자신을 훨씬 더 유능하게 만들기 때문에 사용을 멈출 수 없어 늦게까지 깨어 있고, 눈 밑에 다크서클이 생기고, 황홀한 상태에 있는 사람들입니다. > *"기계화, 산업화, 기술, 컴퓨터, 소프트웨어가 인간 노동을 대체해 실업을 야기한다는 300년 된 논쟁이 이어지고 있습니다. 솔직히 이제는 그 논쟁을 계속할 가치가 있는지조차 의문입니다. 사람들은 정말로 좋은 소식을 듣고 싶어하지 않으니까요."* ## [25:39] 기술직의 미래: 코더에서 빌더로 안드레센은 선도적인 실리콘밸리 기업들에서 목격하고 있는 것을 설명합니다. 프로그래머, 프로덕트 매니저, 디자이너 사이의 3자 교착 상태입니다. 각자는 AI 덕분에 나머지 두 직무가 불필요해졌다고 확신하고 있으며, 세 사람 모두 옳습니다. 세 직무를 하나로 통합하는 직책이 바로 그가 "빌더"라고 부르는 것입니다. 어떤 분야 출신이든 코드를 생성하고, 사양을 작성하고, UI를 목업할 수 있는 사람입니다. 그는 10년에서 20년 안에 "코더"라는 직함은 사라지겠지만 빌더의 수는 훨씬 더 많아질 것이라고 예측합니다. 농업이 미국 고용의 99%에서 2%로 줄었지만 식량 생산은 폭발적으로 증가한 것과 같은 패턴입니다. > *"코더라는 직업은 사라지겠지만, 그 대신 엄청나게 많은 수의 빌더들이 활동하게 될 것입니다. 그리고 다시 말하지만 이것은 역사적인 패턴입니다."* ## [30:55] AI 정신증, AI 코프, 그리고 모델이 실제로 훌륭한 이유 안드레센은 자신이 만든 두 가지 개념을 설명합니다. AI 정신증은 아첨 주도의 망상입니다. 모델이 반중력 아이디어가 획기적인 발견이라고, 당신은 제대로 인정받지 못한 천재라고 말하면 사람이 나선을 타게 됩니다. 실제로 존재하며, 이미 망상에 빠지기 쉬운 사람들에게 위험합니다. 하지만 AI 비판자들은 이 레이블을 무기화합니다. 긍정적인 AI 경험은 무엇이든 AI 정신증으로 재분류되어, "생산성이 세 배 향상됐다"고 말하는 사람은 병든 것으로 취급받습니다. 이것이 AI 코프입니다. 모델이 가짜 확률적 앵무새라는 것을 증명하는 데 단단히 헌신하고 업데이트할 수 없는 사람들의 지리적으로 집중된 현상입니다. 모델은 지금 진정으로 훌륭하고, 실제로 사용하는 사람들은 그것을 알고 있습니다. 추상적인 감정 조사에서 부정적으로 보여도 NPS는 압도적으로 긍정적입니다. > *"AI 코프는 AI에 긍정적인 경험을 한 사람은 누구든 AI 정신증에 걸린 것으로 분류하는 것입니다."* ## [38:48] AI 여론조사가 오해를 낳는 이유 안드레센은 방법론 비판을 제시합니다. 사회과학 101에서는 사람들에게 무엇을 생각하는지 단순히 물어볼 수 없으며, 행동을 관찰하고 격차를 찾아야 한다고 합니다. 그의 예시는 이렇습니다. 사람들이 결혼 상대에 대해 말하는 기준 대 실제 결혼하는 사람의 차이가 AI에도 그대로 적용됩니다. 표명된 회의론과 실제 일상적 사용 사이에는 큰 간극이 있습니다. 유도 여론조사는 여론조사자들이 원하는 답을 유도하도록 질문을 구성할 수 있게 합니다. 스마트한 여론조사자들은 이를 알고 자신들의 최상위 결과를 스스로 반박하지만, 그 수정 사항은 자극적인 헤드라인만큼 주목을 받지 못합니다. > *"여론조사를 원하는 대로 말하게 만들 수 있습니다. 이것이 사람들이 실제로 하는 행동을 봐야 하는 이유 중 하나입니다."* ## [45:28] UFO: 우리가 아는 것과 정부가 숨긴 것 안드레센은 인식론적 겸손함으로 시작합니다. 다른 사람들이 모르는 것을 자신도 모른다고요. 그런 다음 아마도 사실일 것이라고 생각하는 것들을 정리합니다. 기밀 항공우주 프로그램이 정당한 국가 안보 이유로 실제 정보 억압을 만들어냈으며, 정부가 해당 프로그램의 은폐막으로 UFO 이야기를 적극적으로 퍼뜨렸을 수 있다고 합니다. 부작용으로 이상한 공중 현상을 보고하는 것이 조종사와 군 인원들에게 사회적 비용이 됐는데, 이는 실제 적대적 드론이나 진정 알 수 없는 물체가 있다면 심각한 문제입니다. 그는 믿고 싶고, 아직 결정적인 증거를 보지 못했으며, 새로 공개된 백악관 정보 녹취록을 늦게까지 읽을 계획이었다고 합니다. > *"어떤 것 주변에 UFO 컬트를 구축할 수 있다면, 그 주제에 대한 모든 조사를 사람들이 할 수 없다고 느끼게 만들 수 있습니다."* ## [52:25] 젊은이들을 위한 조언과 세대 간 인식 차이 안드레센이 18세에서 25세 사이 사람들에게 하는 조언은 직설적입니다. 지금 당장 AI 초능력을 갖추세요. 왜냐하면 더 나이 든 동료들은 버티려 할 것이고 당신이 그들을 앞지를 것이기 때문입니다. 그는 더글러스 애덤스의 기술 수용 패턴을 인용합니다. 15세 미만: 세상은 원래 이런 것이다. 15세에서 35세: 멋지고, 커리어 기회다. 35세 이상: 불경하고, 반드시 파괴되어야 한다. 그리고 지금 15세에서 25세 코호트가 역사상 가장 운 좋은 코호트라고 말합니다. 기업들이 더 이상 주니어를 채용하지 않을 것이라는 두머 서사에 강하게 반박합니다. 정반대가 사실이며, AI 네이티브 18세들이 비네이티브 선배들을 "엄청나게, 압도적으로" 앞지를 것이라고요. 그는 크리스 아르나데의 말을 인용하며 세대 간 인식론적 분열로 마무리합니다. 베이비부머는 TV가 말하는 것을 믿고, 40세 미만은 그 신뢰가 사례별로 무너지는 것을 목격했으며, COVID 이후 성장한 세대는 제도적 권위가 신뢰할 수 없다는 것을 알고 있습니다. > *"AI를 가진 18세는, 우리가 세상에서 한 번도 본 적 없는 수준의 슈퍼 프로듀서들을 보게 될 것입니다."* ## 등장인물 - **Marc Andreessen** (인물): a16z 공동창업자이자 제너럴 파트너, Netscape 공동창업자, 게스트. - **Erik Torenberg** (인물): a16z 제너럴 파트너, a16z Podcast 진행자, 호스트. - **Anthropic** (기관): AI 안전 기업. 내부 모델이 위협적인 행동을 보인 것으로 보고되면서 도입부 논의의 계기가 됨. - **SPLC** (기관): 남부빈곤법률센터. 반혐오 프레이밍을 이용해 정치적 언론을 탄압하고 자금을 축적한 사례로 인용됨. - **a16z** (기관): Andreessen Horowitz. 두 화자 모두가 대표하는 벤처 펀드. - **UFO / UAP** (개념): 미확인 공중 현상. 인식론적, 국가 안보 문제로 논의되며 정부의 정보 억압이 핵심 구조적 사실로 제시됨. - **AI 두머리즘** (개념): AI가 위험하고 일자리를 없애며 두려워해야 한다는 믿음의 묶음. 안드레센의 주된 지적 공격 대상. - **자멸적 공감** (개념): 연민을 표방하지만 자신들이 대변한다는 사람들을 체계적으로 해치면서 조직자들을 부유하게 만드는 사회 개혁 운동을 설명하는 틀. - **AI 뱀파이어 / AI 코프** (개념): 안드레센의 쌍둥이 신조어. AI 뱀파이어는 황홀한 탈진 상태로 운영되는 헤비 유저, AI 코프는 모든 긍정적인 AI 경험을 망상으로 일축하려는 강박적 필요.

Long Lake Management의 공동창업자이자 CEO인 Alexander Taubman이 Elad Gil과 함께, 63억 달러 규모의 American Express Global Business Travel 인수 합의를 논의합니다. Elad는 이를 세계 최초의 AI 비공개 전환이라고 부릅니다. Taubman은 Long Lake의 수평적 AI 플랫폼인 Nexus가 서비스 분야 전반에 배포되어 인력을 감축하는 대신 성장을 이끄는 방식을 설명합니다. Long Lake는 Berkshire 스타일로 인수 후 장기 보유하며, AI 생산성 향상의 복리 효과가 단기 매각보다 훨씬 강력하다고 믿습니다. ## [00:00] Alexander Taubman 소개 Elad Gil은 Long Lake가 세계 최대 기업 출장 플랫폼인 Amex GBT를 63억 달러에 인수하기 전에 이미 AI 전환 테제 아래 약 30건의 인수를 완료했다고 언급하며 대화를 시작합니다. > *"Long Lake는 최근 American Express Global Business Travel을 63억 달러에 인수할 의향을 발표했습니다. 저는 이것이 세계 최초의 AI 비공개 전환이라고 생각합니다."* ## [00:30] Long Lake의 Nexus 플랫폼 Nexus는 모델에 구애받지 않으며, 파운데이션 모델과 각 인수 기업의 데이터 소스, 역량, 워크플로 사이에 위치합니다. 인프라의 약 80%는 여러 분야에 걸쳐 공유되며, 나머지 20%는 배포 작업으로 워크플로 매핑, 데이터 소스 정제, 현장 엔지니어 파견으로 구성됩니다. 예전에는 1년 이상 걸리던 작업이 이제는 인수 완료 후 며칠 안에 이루어지며, 즉각적인 시간 절약 효과를 Long Lake는 비용 절감이 아닌 성장에 활용합니다. > *"우리는 사실 비용 절감에 집중하지 않습니다. 성장과 고객 경험을 이끄는 데 집중하고 있어요. 그것이 우리의 큰 차별점이고, 실제로 훨씬 강력한 모델임을 확인했습니다. AI에 대한 우리의 관점은 매우 포지티브 섬이라는 겁니다."* ## [03:35] 인재 유지와 인재 선순환 구조 Nexus를 갖춘 직원들은 더 많은 고객을 응대하고, 실수를 줄이며, 더 많은 수입을 올립니다. 그리고 퇴사한다는 것은 Nexus가 없애준 단순 반복 업무로 돌아가는 것을 의미합니다. 이 진입 장벽이 진정한 인재 유치 요소가 되어가고 있습니다. 연간 0-5% 성장하던 포트폴리오 기업들이 이제 유기적으로 20% 이상 성장하고 있습니다. > *"이제 Long Lake나 파트너 회사를 떠나 경쟁사로 간다면, 예전에 하루의 25%, 30%를 차지하던 단순 반복 업무를 다시 해야 합니다. 그 생각 자체가 마치 이메일을 포기하는 것 같은 느낌이에요."* ## [05:01] 인수 vs. 소프트웨어 판매 서비스 기업에 소프트웨어를 판매하면 피드백 루프가 약하고 변화 관리에 대한 통제력도 없습니다. 기업을 소유하면 Long Lake의 엔지니어들이 현장 직원들과 같은 공간에, 심지어 같은 지역에서 함께 일하며 그들의 문제를 직접 해결할 수 있습니다. 스컹크워크스 방식의 동일 근무지 모델은 피드백 루프를 수개월에서 며칠로 단축시킵니다. > *"우리 팀은 현장의 임직원들을 고객으로 여깁니다. 그리고 그 내부 피드백 루프가 핵심입니다. 우리는 훨씬 더 긴밀한 피드백 루프를 가지고 있어요."* ## [06:57] Long Lake 창업팀 구성 Long Lake는 세 가지 역량을 결합하기 위해 목적적으로 구성되었습니다: 사모펀드 M&A, 응용 AI 엔지니어링, 그리고 변화 관리입니다. 첫 20명의 채용은 모두 네트워크를 통해 이루어졌으며, 응용 AI 스타트업의 공동창업자나 CTO였지만 서비스 산업 유통망을 뚫지 못했던 엔지니어들이었습니다. M&A 인재들은 GTCR, Blackstone, TPG, HIG 출신으로, 바로 그 회사들이 AI 네이티브가 아니라는 점 때문에 합류했습니다. > *"엄청난, 정말 엄청난 공백이 있다고 느꼈습니다. 그래서 창업팀을 구성한 많은 분들이 사실 기술 분야에서 창업자 경험이 있었어요. 엔지니어링팀에는 자체 스타트업을 운영했던 분들이 많습니다."* ## [10:37] American Express Global Business Travel 비공개 전환 Amex GBT는 기업 출장이 미션 크리티컬하고 실패 비용이 높다는 이유로 Long Lake의 목표 산업 화이트보드에 올라 있었습니다. 한 번의 출장 실패는 실제 비즈니스 손실로 이어집니다. 1915년 American Express가 제1차 세계대전 당시 유럽의 여행자 수표 고객을 대피시키기 위해 창립한 이 111년 역사의 프랜차이즈는 이미 AI 전환 로드맵을 공개적으로 발표한 바 있습니다. Long Lake의 계획은 그 기존 전략 위에 Nexus를 배포하여 모든 여행 상담사에게 AI 초능력을 부여하는 것입니다. > *"기본적으로 AI 초능력을 가진 여행 상담사를 상상해 보세요. 그것이 우리가 Amex GBT 고객들을 위해 그리는 미래입니다."* ## [13:36] Berkshire Hathaway식 경영 방식 도입 전통적인 PE는 기업에 부채를 얹고, 비용을 삭감한 뒤 3-5년 안에 매각합니다. Long Lake는 이 모델을 명시적으로 거부합니다. 더 나은 도구 → 더 나은 인재 → 더 나은 고객 성과 → 더 빠른 성장이라는 복리 효과가 결실을 맺는 데는 2-5년이 걸리며, 그 시점에 매각하면 오히려 이점을 포기하는 것이라고 봅니다. Danaher와 Transdigm의 운영 플레이북, 즉 차별화된 시스템으로 분산된 산업을 통합하는 방식이 명시적인 참고 모델이며, AI를 경쟁 우위로 삼아 서비스 분야에 적용합니다. > *"업계 최고의 회사를 만들어 놓고 팔겠다는 건가요? 저에게는 말이 안 됩니다. 그 회사를 영원히 소유하면서 수십 년에 걸쳐 그 이점을 복리로 키우고 싶습니다."* ## [16:37] AI 전략이 Long Lake를 차별화하는 방법 엔터프라이즈 AI는 실제 사용 사례에서 아직 약 1% 정도만 침투해 있습니다. 매도자들이 전통적 PE 대신 Long Lake를 선택하는 이유는 영구 자본, 수년간 함께 일하는 엔지니어링팀, 그리고 첫날부터 배포 가능한 플랫폼이 포함된 조건을 제시하기 때문입니다. 창업자와 경영진은 새로운 구조에 지분을 롤오버해 상승 이익에 참여하도록 권장됩니다. Long Lake의 실적이 쌓여갈수록 Taubman은 자본 비용이 낮아져 가격 경쟁 없이도 더 경쟁력 있는 인수자가 될 것으로 기대합니다. > *"장기적인 영구 자본 파트너를 두는 것 자체가 이미 훌륭한 일입니다. 그런데 그 파트너가 깊은 응용 AI 엔지니어링 전문성과 첫날부터 배포할 수 있는 플랫폼을 갖추고 있다면, 그것이 정말 강하게 공명하고 있습니다."* ## [19:32] AI가 서비스업의 규모화를 가능하게 한다 노동 집약적인 서비스 사업은 잔인한 성장 세금에 직면합니다. 매출을 20% 늘리려면 종종 인력을 20% 더 채용해야 하며, 인건비 후 증분 매출 1달러당 20센트만 남습니다. Nexus는 기존 팀의 생산성을 30-40% 높여 이 방정식을 바꿉니다. 수십 년간 사업을 운영해온 포트폴리오 기업 CEO들은 드디어 소프트웨어와 같은 높은 증분 마진으로 성장하고 있다며 이를 커리어 최고의 시기라고 표현합니다. > *"기존 팀을 30-40% 더 효율적으로 만들고 더 많은 고객을 응대할 수 있게 되면, 조직 전체의 사고방식이 바뀝니다. 이제 성장하고 있습니다. 높은 증분 마진으로 성장하는 소프트웨어 회사처럼 보이기 시작합니다."* ## 등장인물 - **Alexander Taubman** (인물): Long Lake Management 공동창업자 겸 CEO; 63억 달러 규모의 Amex GBT 비공개 전환 주도 - **Elad Gil** (인물): No Priors 진행자; 독립 투자자이자 연속 창업가 - **Long Lake Management** (조직): AI 기반 롤업 펀드; Nexus를 활용해 서비스 기업을 인수하고 전환 - **Nexus** (소프트웨어): Long Lake의 수평적 AI 플랫폼; 모델에 구애받지 않으며 분야 전반에 걸쳐 80%의 인프라를 공유 - **American Express Global Business Travel / Amex GBT** (조직): 111년 역사의 기업 출장 플랫폼; Long Lake의 63억 달러 비공개 전환 대상 - **AI 비공개 전환** (개념): 상장 기업을 AI 전환을 명시적 목적으로 인수하는 것 — Long Lake의 Amex GBT 딜이 최초 사례로 소개됨 - **Danaher / Transdigm** (조직): Long Lake의 장기적, 복리 인수 전략의 명시적 참고 모델로 언급된 운영 복합기업

Anthropic's second Claude Code 101 episode covers the single file that turns Claude Code from a stranger into a teammate: `CLAUDE.md`. What to put in it, how the project/user hierarchy splits responsibilities, and three habits that keep the file from rotting into a wall of stale rules. ## [00:02] Why Claude Code needs persistent memory Without a `CLAUDE.md`, every session starts cold — Claude has to re-walk the codebase, guess at dependencies, and re-discover what's already implemented. Those assumptions are exactly what makes it hard to steer. The file exists to short-circuit that rediscovery on every new session. > *When you open up Claude Code without a claude.md file, it's like it has to start fresh every single time.* ## [00:34] What CLAUDE.md actually is and /init It's a plain Markdown file at the project root that gets read on every session start and appended directly to your prompt — an "onboarding script for your codebase." If you don't want to write one by hand, `/init` generates a first draft from the existing code. The walkthrough's example file is three short blocks: stack (Next.js 15 app router, Tailwind, Drizzle ORM), commands (dev server, tests, lint), and code style rules (two-space indent, named exports, API routes in `app/api`, prefer server actions). With that loaded, asking for a React component yields code styled the project's way on the first try instead of after a round of corrections. > *It's a markdown file that you add to the root of your project and Claude Code reads it automatically every time you start a session.* ## [01:34] The memory hierarchy: project vs user Yes, check it into version control — the project-level `CLAUDE.md` is meant for the team. But there's a second tier: a user-level `CLAUDE.md` in your config folder that follows you across every project. That's where personal preferences live — how you like comments written, idioms you favor — without polluting the shared file. > *But there's actually a hierarchy of memory files depending on who it's for.* ## [02:01] Three tips to keep CLAUDE.md useful Three habits the narrator pushes. First, when you have to correct Claude on something recurring ("always use server actions instead of API routes"), explicitly ask it to save that to memory so the fix sticks across sessions. Second, pull in existing docs with `@filepath` instead of copy-pasting them into the file. Third — counterintuitive — start a new project *without* a `CLAUDE.md` and watch where you keep course-correcting; only those friction points belong in the file. That's how you keep it compact instead of bloated. > *We recommend you start off a project without a claude.md file so you can see where you have to constantly course correct the model.* ## [02:39] Recap: context is the difference The whole pitch in one line: the gap between a frustrating session and a productive one is context, and `CLAUDE.md` is the delivery mechanism. Start small — stack, preferences, commands — and grow it from real friction. > *Start with your stack, your preferences, and then commands, and just build from there as you go.* ## Entities - **Anthropic Tutorial Narrator** (Person): Voice-over host of Anthropic's official Claude Code 101 series. - **CLAUDE.md** (Concept): Markdown file at a project's root that Claude Code auto-loads each session, providing persistent context appended to the user's prompt. - **/init** (Command): Claude Code command that generates an initial `CLAUDE.md` by scanning the existing codebase. - **Project-level vs user-level CLAUDE.md** (Concept): Two-tier memory hierarchy — project file lives in repo root and is shared via version control; user file lives in the config folder and carries personal preferences across all projects. - **@filepath reference** (Concept): Syntax for pointing `CLAUDE.md` at existing documentation files instead of duplicating their contents. - **Next.js 15 / Tailwind / Drizzle ORM** (Software): Stack used in the walkthrough's example `CLAUDE.md` to illustrate what a real file looks like.

Eric Ries, author of *The Lean Startup*, returns to Lenny's Podcast to discuss his new book *Incorruptible*, which argues that the forces destroying famous companies are not competition or bad luck but the predictable corruption that follows success. Drawing on case studies from Novo Nordisk and Cloudflare to Groupon and Anthropic, Ries lays out a concrete blueprint — ethos plus structural integrity — for founders who want to build organizations that remain mission-aligned across decades and leadership changes. The episode is packed with actionable governance tools, from the two-page public benefit corporation filing to mission guardian structures, that any founder can implement this week. ## [00:00] Introduction to Eric Ries Lenny opens with a montage of the book's central ideas: that success itself becomes a liability, that 80% of venture-backed founders are ousted within three years of going public, and that the solution is structural rather than moral. Eric teases the Anthropic story — how Dario Amodei's team baked AI-safety governance directly into their corporate charter before the AI boom — as the purest modern proof that protective structures work. > *"The thing that destroyed them was not competition. Their very success became a liability."* ## [02:26] Introducing Incorruptible Eric reconnects with Lenny after his original Lean Startup appearance and explains why the new book is a natural sequel. He observes that top AI companies are inadvertently practicing lean startup principles — ship an MVP research preview, gather signal, iterate — while simultaneously facing a brand-new version of the corruption problem at civilizational scale. The book is framed as a double mystery: why does corruption happen, and how do rare exceptions to the rule actually survive? > *"The best AI companies are building exactly lean startup — ship the MVP research preview, see if people care, then iterate and build."* ## [06:26] Protecting what you've built Eric introduces "the force that no one controls but everyone obeys" — the gravitational pull toward mediocrity that drags mission-driven companies into bureaucracy, ethical compromise, or founder removal. He distinguishes two failure modes: founders being fired outright, and founders watching their creation become something they never intended. Both stem from the same structural vulnerability: building a company without encoding its purpose into governance. > *"Sometimes we lose control because we get fired. Sometimes it happens because we're like Frankenstein and his monster — it starts to become malign or bureaucratic or frankly evil and we can't figure out how to stop it."* ## [11:35] Why founders get ousted Lenny surfaces the two objections most founders have: "this won't happen to me" and "plenty of successful companies haven't done any of this." Eric responds with a Harvard Law School statistic — under standard venture-backed governance structures, only 20% of founders are still CEO three years after IPO — and frames the problem as structural, not personal. Confident founders are not immune; the same investor incentives that funded their success will eventually force a liquidity event that removes them. > *"If you don't get this right, no other decision you make about your company will matter for the long term — because you're not going to be the one making it."* ## [14:58] Too early, too late Eric dismantles the "I'll worry about this later" objection. Companies that appear to be thriving without governance protections — like Cloudflare — almost always have them embedded deeply in their structure; founders simply don't know to look. He introduces the "best time to plant a tree" framing: the ideal moment to build protective governance is before raising a Series A, but the second-best time is right now, regardless of stage. > *"A lot of companies that you don't instantly think of as mission-driven are actually very mission-driven in terms of how they're structured — and they are almost always the outliers that thrive long-term."* ## [19:32] The blueprint: ethos plus integrity Eric previews the two-part framework that runs through the book: ethos (purpose and values that define what the company will never betray) and integrity (the structural mechanisms that make the ethos durable across leadership changes). He warns against the temptation to treat this as a feel-good exercise — Part One of the book is literally called "The Shape of the Abyss" — and promises that the tactics are concrete and implementable. > *"There is a blueprint. It can feel like we're helpless, but this is a double mystery: not just why does this happen, but how can there be exceptions to a rule that seems inevitable?"* ## [20:49] Novo Nordisk's 100-year governance fortress Eric tells the story of Marie and August Krogh, the Danish scientists who brought insulin from Canada to Europe in the 1920s and built a foundation to control Novo Nordisk permanently. The Novo Nordisk Foundation, a nonprofit with no shareholders, owns a controlling stake in the company to this day. This structure meant that when Martin Shkreli-style opportunists tried to acquire the company and raise insulin prices dramatically, they simply could not — the foundation blocked the sale. The result: a hundred-year-old pharmaceutical company still run on the mission of making insulin accessible. > *"The foundation said: we exist to make insulin available at affordable prices for diabetics everywhere. And they turned down a takeover that would have made everyone extraordinarily rich because it violated the mission."* ## [26:41] The Vectura Group and Philip Morris As a dark counterexample, Eric recounts the Vectura Group acquisition: a British company that made inhaler technology for asthma drugs was bought by Philip Morris, the world's largest tobacco company. Despite shareholder opposition, the deal went through and the company's mission was inverted — researchers who spent careers helping people breathe were now developing technology for the same company causing the disease. Without structural protection, even the most mission-aligned team is helpless against financial gravity once a controlling acquirer arrives. > *"People who dedicated their lives to helping people breathe found themselves working for the biggest tobacco company in the world — and there was nothing they could do about it."* ## [33:16] The "harder is easier" principle Eric introduces the book's central leadership paradox: making the right choice is often easier than making the expedient one, because mission clarity removes the need for endless deliberation. He draws on W. Edwards Deming's quality-from-within philosophy and uses Costco's pricing principles as a modern example — the commitment to never mark up products more than 15% above cost eliminates an entire category of internal negotiation and makes the company simpler to run, not harder. > *"The reason it's easier is you don't have to fight with yourself. Once you've made the commitment, the decision is already made. That's the power of the harder is easier principle."* ## [37:22] Cloudflare's mission emergence story Cloudflare's "harder is easier" instinct revealed itself before the company had formally articulated a mission. When pro-democracy protesters faced state-sponsored DDoS attacks and begged major tech companies for help, every large company refused. Cloudflare, still a small startup, defended those free-tier customers at the risk of provoking nation-state-level retaliation — for no revenue. That decision crystallized the company's mission in a way no offsite or whiteboard session could have. > *"They said, 'Yes, we will incur the wrath of nation-state-level hackers to protect you because it's the right thing to do — for no reward whatsoever.' That is a company that knows what it stands for."* ## [42:43] Groupon's email frequency death spiral Groupon's founder Andrew Mason told Eric that the company's entire value proposition — one email per day with one remarkable deal — was its mission. They went public on that premise. But once public, executives came with A/B test data showing two emails generated more short-term revenue. Mason was ground down, the experiment ran, and two emails did make more money. Then three. Then four. Within a year the company was sending dozens of emails per day and its core users had unsubscribed. Groupon never recovered, illustrating how "data-driven" iteration can destroy a company's ethos when it lacks structural guardrails. > *"They kept using language that sounds lean startupy: 'Shouldn't we look at the data?' And he was like, 'All right, fine, we'll run the experiment.' Two emails makes more money. Three emails. Four emails. And then the death spiral."* ## [45:37] How to define your purpose Eric rejects mission-statement writing as a primary exercise and replaces it with the older concept of ethos — the answer to "who would you rather die than betray?" He instructs founders to identify their fiduciaries (not stakeholders), define measurable commitments to each, and build accountability systems that make those commitments as binding as financial obligations. The test: if someone offered you enough money to violate this principle, and you'd take it, it is not actually your ethos. > *"What is its purpose? Who would you rather die than betray? That question cuts through all the consultant speak and gets to what you actually care about."* ## [51:09] Mission-driven vs. mission-hopeful companies Eric distinguishes mission-driven companies, which have structural accountability for their fiduciary commitments, from mission-hopeful ones, which have aspirational language but no enforcement mechanism. The practical test is whether the company has the equivalent of OKRs for its stakeholder commitments — metrics, owners, and review cadences — not just a poster on the wall. Companies that clear this bar consistently outperform on long-term employee retention, customer trust, and resilience through leadership transitions. > *"You tell me what you care about, and then you tell me how you're measuring the things you claim to care about. If there's no measurement, it's hope, not mission."* ## [54:46] Integrity: structural and personal Eric draws on integrity's dual meaning — both personal reliability and structural soundness — to explain why ethos without structure corrodes over time. Just as corroded bolts make a bridge fragile regardless of how good the original engineering was, a company's values will degrade if they are not encoded into governance documents, hiring criteria, and decision-making processes. Structural integrity means the organization will behave consistently even when no individual champion is in the room. > *"Integrity has two meanings: the personal kind — keeping your word — and the structural kind, like stainless steel versus corroded bolts. You need both in an organization."* ## [57:47] Shareholder primacy: the 40-year-old "natural law" Eric historicizes shareholder primacy as a 40-year-old experiment, not an eternal truth. Before the 1980s, corporations were legally understood to pursue a "beneficial purpose." The Milton Friedman doctrine that corporations exist solely to maximize shareholder returns was a deliberate ideological project, and an entire generation of lawyers, MBAs, and investors has now been raised as though it were natural law. Founders who know this history can consciously choose to opt out. > *"People have been raised as if shareholder primacy was a natural law. But for hundreds of years before the 1980s, everyone thought it was obvious that corporations existed to pursue a specific beneficial purpose."* ## [01:00:04] Public benefit corporations: the easiest protection A public benefit corporation (PBC) is a two-page Delaware filing that replaces "any lawful act or purpose" in a standard corporate charter with a specific stated mission. It does not require B Corp certification, does not constrain fundraising, and does not require board changes. Anthropic, Vital Farms, and many other high-growth companies use this structure. Eric calls it the single highest-ROI governance action any founder can take, and the only one with genuinely no trade-offs. > *"It is a two-page legal filing that your lawyers can submit in Delaware tomorrow. You just say: this is the purpose of this company. It couldn't be any easier."* ## [01:04:24] Downsides and objections The only real objection Eric acknowledges is that an investor might raise concerns — but he argues this is self-selecting: an investor who objects to a PBC is revealing that they prioritize forced-sale rights over the founder's vision. Every other objection (reduced flexibility, investor resistance, growth limitation) is addressed by Anthropic's trajectory as the fastest-growing company of all time while operating as a PBC with additional governance constraints. > *"The only situation this would ever become relevant is if the investor is trying to force you to sell the company and you don't want to. So ask them: 'Is that what you're telling me?' And then decide if this is really the right partner."* ## [01:06:08] The Anthropic example: fastest-growing company ever Eric shares his behind-the-scenes role advising Dario Amodei and Daniela Amodei when they left OpenAI to found Anthropic. At the time, Dario was a first-time founder and Anthropic was not yet a hot company. Eric told them what would happen without structural protection, and they encoded AI safety governance directly into their charter — including a Long-Term Benefit Trust whose trustees are AI safety experts who hold board appointment rights but no equity. Anthropic's subsequent growth proves that mission-protective structures do not limit commercial success. > *"Dario was a first-time founder. Not a hot company at all. ChatGPT hadn't been invented yet. Nonetheless, they were true believers in the safety mission and they wrote it into their charter."* ## [01:08:39] The torchbearers in every organization Every organization has a small number of people Eric calls "torchbearers" — employees who do the right thing regardless of incentives or pressure from above. Steve Jobs famously sought them out through skip-level meetings, bypassing managers to find engineers, designers, and product managers who refused to ship quality compromises. In mission-aligned companies these people thrive and multiply; in mission-hopeful companies they burn out and leave. > *"In most organizations you have people I call torchbearers — the rare person who's simply committed to doing the right thing no matter what. Steve Jobs would host skip-level meetings just to find them."* ## [01:10:37] The culture bank: deposits and withdrawals Eric shares a rule from founder Todd Park (Devoted Health), who learned it from Howard Schultz: every time a leader makes a decision that sacrifices short-term gain to defend the company's values, they make a deposit in the culture bank. Every self-interested or greedy decision makes a withdrawal. The Todd Park rule: you can make one withdrawal for every ten deposits. Exceed that ratio and culture collapses. Managers who understand this rule stop treating "culture" as a soft metric and start tracking it like cash flow. > *"When you do the right thing in defense of the company's values — something that has a real sacrifice to it — you make a deposit in the culture bank. The Todd Park rule: one withdrawal for every ten deposits."* ## [01:12:28] OpenAI and Anthropic governance Eric explains the structural divergence between OpenAI and Anthropic. OpenAI originally used a nonprofit foundation as its mission guardian, but the structure was undermined by equity-holding insiders with conflicting interests — a dynamic that produced the boardroom crisis of late 2023. Anthropic's Long-Term Benefit Trust, by contrast, is held by AI safety trustees who have no equity and thus no financial incentive to compromise the mission. The OpenAI crisis was entirely predictable from the governance design. > *"OpenAI's nonprofit structure sounds good, but the mission guardian has to be someone whose job it is to protect the mission — not someone who also has financial skin in the game."* ## [01:16:21] Mission guardians explained A mission guardian is any person or entity whose sole institutional job is to keep the company mission-locked. It can be a person (founder control), a legal entity (the Long-Term Benefit Trust), or a structural rule (Costco's markup cap). Eric argues that gravity is so powerful that mission alignment never happens by accident — someone or something must be assigned the role explicitly, given real authority, and insulated from the financial pressures that corrupt ordinary boards. > *"It has to be somebody or some entity's job to make sure the thing remains mission locked. That does not happen by accident because gravity is such a powerful force."* ## [01:18:29] Spiritual holding companies For companies that want a more permanent mission guardian than individual founder control, Eric describes "spiritual holding companies" — separate legal entities (foundations, trusts, or dual-class holding structures) that own a controlling stake and are legally chartered to enforce the operating company's mission in perpetuity. Novo Nordisk's foundation is the canonical example. These structures can grow and self-renew, unlike brittle "rules baked into the charter" approaches, because the guardian entity itself has a mandate and resources to defend the mission actively. > *"The better way, according to the evidence, is to have some kind of spiritual holding company — a separate entity whose whole job is to be the mission guardian, with the ability to renew and defend the mission over time."* ## [01:21:53] The founder control trap Founder control — dual-class shares, supervoting rights — is a valid temporary bridge, but Eric warns that many founders with maximum control are paradoxically miserable: they become Atlas, holding the entire mission on their shoulders with no institutional backup. When they eventually hand off power, the mission has no structural home and collapses. He tells the story of attending a "party" for a founder ousted by investors — a thousand people showed up — only to realize the new CEO was already dismantling everything the founder had built. > *"A lot of founders who have founder control wind up really miserable — you become like Atlas. You can't even shrug. It's you holding back the abyss. That's a lot."* ## [01:25:25] Three things to do this week Eric gives three prioritized actions for founders at different stages. Pre-Series-A: file as a public benefit corporation immediately and write a mission that genuinely reflects who you'd rather die than betray. Series-A and beyond: start the harder conversation with existing investors and get governance structures on the table now. Any stage: identify your torchbearers, protect them institutionally, and start making culture-bank deposits deliberately rather than accidentally. > *"You have a precious, precious moment before raising money. Do not waste it. Be a public benefit corp. Write a mission that you'll feel proud of in 20 years. These are super low-cost and super high-value."* ## [01:30:10] AI alignment and human alignment Eric draws a deep parallel between the unsolved "human alignment" problem in AI — who aligns the aligners? — and the corporate governance problem the book addresses. Conway's Law says that software architecture mirrors the org chart of the people who built it; by extension, an AI system's values will reflect the values of the organization that trained it. Getting corporate governance right is therefore not separate from AI safety — it is a prerequisite. > *"The number one unsolved problem in AI is not the tech — it's the human alignment problem. If you can't agree on what the human values are to align to, you're already cooked."* ## [01:34:00] Conway's law: org charts in architecture Eric closes with a tribute to Mary Parker Follett, a management theorist contemporary of Frederick Winslow Taylor whose work — written in the 1920s — reads as if from 2026. Follett argued for "power with" rather than "power over," and insisted that leaders and workers together obey the law of the situation rather than a hierarchy. Conway's Law is her intellectual descendant: the org chart shows up in the architecture diagram because human authority structures flow into technical structures. > *"She said: the superior and the subordinate together obey the law of the situation. Not the boss's whim — the law of the situation. That idea is a century old and we still haven't figured out how to implement it."* ## [01:37:31] Book resources and farewell Lenny wraps with a final plug for *Incorruptible*, available May 26 wherever books are sold. Eric points listeners to incorruptible.co for implementation guides, an advanced implementation guide, a readers guide, and a secret chapter cut from the final manuscript. The site also lists over a hundred independent bookstores carrying the book. Eric emphasizes the website is designed especially for implementers — founders who want to actually execute the structures described in the conversation, not just read about them. > *"We have implementation guides and advanced implementation guides and a secret chapter that got cut from the original manuscript — especially for those who want to actually implement this stuff, not just learn about it."* ## Entities - **Eric Ries** (Person): Author of *The Lean Startup* and *Incorruptible*; longtime startup advisor and corporate governance advocate. - **Lenny Rachitsky** (Person): Host of Lenny's Podcast; former Airbnb product lead and startup newsletter writer. - **Dario Amodei** (Person): Co-founder and CEO of Anthropic; first-time founder who encoded AI safety governance into Anthropic's charter before the AI boom. - **Daniela Amodei** (Person): Co-founder and President of Anthropic; partnered with Dario in building the Long-Term Benefit Trust governance structure. - **Marie Krogh** (Person): Danish physician and one of Denmark's first credentialed female doctors; co-founder of what became the Novo Nordisk Foundation. - **August Krogh** (Person): Nobel Prize-winning Danish scientist; brought insulin technology to Europe and co-created the Novo Nordisk Foundation with his wife Marie. - **Andrew Mason** (Person): Founder of Groupon; described to Eric Ries how A/B test pressure eroded the company's core one-email-per-day mission and triggered its decline. - **Mary Parker Follett** (Person): Early 20th-century management theorist who argued for "power with" over "power over"; intellectual ancestor of Conway's Law and collaborative leadership. - **Anthropic** (Organization): AI safety company structured as a public benefit corporation with a Long-Term Benefit Trust whose trustees hold board appointment rights but no equity. - **Novo Nordisk Foundation** (Organization): Danish nonprofit foundation that owns controlling interest in Novo Nordisk and exists to make insulin accessible at affordable prices globally. - **Cloudflare** (Organization): Internet infrastructure company whose mission crystallized when it defended pro-democracy protesters against nation-state hackers at no charge and no revenue. - **Groupon** (Organization): Daily-deal company whose one-email-per-day mission was dismantled by short-term revenue optimization, triggering a decline from which it never recovered. - **Public Benefit Corporation (PBC)** (Concept): A two-page Delaware corporate charter amendment replacing open-ended purpose with a specific stated mission, creating legal accountability for that mission. - **Mission Guardian** (Concept): Any person or entity — founder, trust, foundation, or structural rule — whose institutional role is to keep a company mission-locked against financial gravity. - **Shareholder Primacy** (Concept): The post-1980 doctrine that corporations exist solely to maximize shareholder returns; Eric Ries argues it is a 40-year ideological experiment, not a natural law. - **Culture Bank** (Concept): Todd Park's metaphor for tracking culture-building deposits (mission-aligned sacrifices) versus withdrawals (self-interested decisions); sustainable ratio is roughly ten deposits per withdrawal. - **Long-Term Benefit Trust** (Organization): Anthropic's external mission guardian body composed of AI safety experts who hold board appointment rights and have no equity stake in the company.

Anthropic's walkthrough of Model Context Protocol inside Claude Code: what it connects to, how to add and scope servers, and the hidden tax that every installed server puts on your context window. Aimed at developers about to wire Claude Code into Linear, GitHub, or in-house tooling. ## [00:02] Why MCP exists — context lives outside the editor The pitch up front: most of the context Claude Code needs isn't in the repo — it sits in databases, productivity apps, and public packages. MCP is the open standard that lets Claude reach those surfaces on its own and decide when to call them, instead of waiting for you to paste things in. > *Model contact protocol is an open standard that lets Claude code connect to external tools and data sources.* ## [00:35] Tools, and what MCP servers actually plug in Before naming servers, the narrator grounds the term *tool*: agents like Claude Code use tools to take actions, which is what separates them from a chat that only returns text. Two concrete examples follow — a Linear MCP server that pulls in your team's issues, and the Context7 server that streams up-to-date docs for whatever dependency you're working with. Hundreds more live at claude.com/connectors. > *Tools give agents like Claude code the ability to perform actions in order for them to better complete their tasks.* ## [01:14] Adding servers: HTTP vs STDIO, and /mcp Servers are added with `claude mcp add` and come in two flavors: **HTTP** servers, hosted remotely by the provider and reached over the network, and **STDIO** servers, local processes running on your own machine. Once installed, the in-session `/mcp` command lists what's connected, shows status, and lets you disable any server you don't want active. > *HTTP servers are for remote services... STDIO servers are for local processes that run on your machine.* ## [01:42] Three scopes: local, user, and project (.mcp.json) Every server lands in one of three scopes. **Local** keeps it to the current project for you alone; **user** makes it available across all your projects; **project** writes a `.mcp.json` you check into version control so every teammate working on the codebase picks up the same servers automatically. > *Project scope uses a .mcp.json file that you check into your version control, so anyone working on the code base gets the exact same servers automatically.* ## [02:04] Tool definitions cost context — when to prefer CLIs or skills The catch nobody mentions when they hand you a connector list: every configured MCP server injects its tool definitions into the context window whether you're using it or not. The narrator's mitigations stack — run `/mcp` and disable anything idle; prefer a CLI like `gh` or `aws` when one exists, since CLIs don't carry persistent tool definitions; or wrap the workflow in a skill, which only loads its name and description until Claude decides to pull it in. Cross 10% of context and Claude Code flips into tool search mode, discovering tools on demand — useful, but less reliable than having them pre-loaded. > *MCP servers add tool definitions to your context window, even when you're not using them. So, if you have a lot of servers configured, this eats into your available context.* ## [03:10] Recap The three things to remember: `claude mcp add` installs servers, `.mcp.json` shares them with your team, and `/mcp` is where you trim the ones you're not actually using. > *Add servers with Cloud MCP add, scope them to your project with .mcp.json so that your team gets them automatically, and keep an eye on the context usage by disabling servers that you're not actively using.* ## Entities - **Anthropic Tutorial Narrator** (Person): Anthropic's official voice-over narrator for the Claude Code 101 series. - **Model Context Protocol (MCP)** (Standard): Open protocol that lets Claude Code connect to external tools and data sources via HTTP or STDIO servers. - **Linear MCP server** (Software): Connector that brings a team's Linear issues into a Claude Code session. - **Context7 MCP server** (Software): Connector that supplies Claude Code with up-to-date documentation for the dependency in use. - **.mcp.json** (Config): Project-scoped manifest checked into version control so every teammate inherits the same MCP servers. - **/mcp** (CLI command): In-session command to list, inspect, and disable connected MCP servers. - **Tool search mode** (Feature): Fallback Claude Code enters when MCP tool definitions exceed 10% of the context window — discovers tools on demand. - **Skill** (Concept): Lightweight alternative to a full MCP server; only its name + description sit in context until Claude loads the body on demand.