딥시크를 보고 AI를 인프라로 생각하게 됐습니다

2025년 1월28일 딥시크를 처음 써본 무렵의 의견입니다. 국가 간 경쟁과 에이전트의 미래에 대한 당시 전망이며, 현재의 시장 구도를 확정하는 분석은 아닙니다.

처음 소식을 들었을 때는 바빠서 바로 살펴보지 못했습니다. 뒤늦게 써보니 성능과 속도가 좋게 느껴졌습니다. API를 열어 코딩 성능을 시험한 것은 아니었습니다. 일상적인 사용에서 받은 첫인상이었습니다.

그 경험이 AI의 다음 모습을 생각하게 했습니다. 더 많은 사람이 쓸 수 있는 도구가 나오고, 그 도구가 일하는 방식 안에 들어오면 어떤 일이 생길까요.

효율적인 모델과 작은 모델은 구분해야 합니다

저는 큰 모델이 계속 발전하는 한편, 더 가볍고 목적에 맞는 모델도 늘어날 것이라고 기대했습니다. 매번 같은 규모의 연산을 쓰지 않아도 된다면 활용하는 자리가 넓어질 수 있다고 본 것입니다.

다만 딥시크 자체를 작은 개인화 모델이라고 설명한 것은 정확하지 않습니다. R1 본체와 그로부터 만든 더 작은 증류 모델은 구분해야 합니다. 공식 저장소도 본체와 여러 크기의 증류 모델을 따로 안내합니다. 효율이 좋다는 인상만으로 대규모 하드웨어가 필요 없다고 말할 수는 없습니다. DeepSeek-R1 공식 모델 설명

제가 반겼던 것은 큰 모델이 사라진다는 전망이 아니라, 사용자가 목적에 맞게 고를 수 있는 폭이 넓어진다는 가능성이었습니다.

누가 익숙한 선택지가 될 것인가

영상에서는 탄산음료 시장의 코카콜라를 떠올렸습니다. 기술이 널리 퍼지는 가운데 어떤 서비스가 사람들이 자연스럽게 찾는 이름이 될지 궁금했습니다.

또 미국과 중국을 중심으로 기술과 서비스의 생태계가 달라질 수 있겠다고 생각했습니다. 당시에는 이를 AI 블록화라는 말로 설명했습니다. 두 진영만으로 모든 경쟁이 끝났거나 세계가 이미 완전히 나뉘었다는 사실을 확인한 것은 아닙니다.

저는 모델의 답변 능력뿐 아니라 칩, 데이터, 운영 환경과 서비스가 연결되는 모습을 인프라의 경쟁으로 바라봤습니다. 인터넷과 클라우드가 일하는 기반이 된 것처럼 AI도 그런 자리에 가까워질 수 있겠다는 생각이었습니다.

질문하는 도구에서 일을 맡기는 도구로

한번 자전거를 타게 되면 그전의 감각으로 돌아가기 어려운 것처럼, AI를 쓰며 달라진 습관도 있었습니다. 자료를 찾고 생각을 정리할 때 AI가 자연스럽게 옆에 놓이기 시작했습니다. 모든 사람이 이미 AI 없이는 일할 수 없다는 뜻은 아닙니다.

다음에는 질문하고 답을 받는 데서 더 나아가, 일을 지시하고 수행 결과를 확인하는 장면이 많아질 것이라고 전망했습니다. 제가 말한 AI 네이티브는 그런 환경이 생활과 업무에 스며드는 모습이었습니다.

이는 앞으로의 방향에 대한 기대였습니다. 대화형 AI가 끝났다거나 에이전트가 이미 모든 업무를 수행한다는 선언은 아니었습니다.

어디까지 맡길지 판단하는 일이 남습니다

SaaS에 AI가 붙으면 그 서비스 안의 데이터에 어디까지 접근하게 할지 정해야 합니다. 답변을 만드는 것과 회사의 일을 실제로 처리하는 것에는 다른 권한과 책임이 따릅니다.

그래서 저는 윤리와 보안의 중요성이 더 커질 것이라고 생각했습니다. 편리한 기능이 늘어나는 만큼 무엇을 맡기고 누가 결과를 확인할지도 함께 정해야 합니다.

기술 소식을 모두 따라가려면 숨이 찹니다. 모든 AI를 써보고 직접 학습시키고 검증해야만 뒤처지지 않는다고 말하고 싶지는 않았습니다.

전기와 수도, 인터넷이 일상의 기반이 된 것처럼 AI도 우리가 쓰는 도구 안으로 들어올 수 있습니다. 그 변화 속에서 자기 일에 필요한 선택과 맡겨도 되는 범위를 살펴보자는 것이 당시 이야기의 끝에 남았습니다.