직함보다 먼저 보이는 문제

AI 업계 인물을 볼 때 우리는 먼저 직함을 봐요. “전 OpenAI CTO”, “임시 CEO”, 이런 말은 빠르게 기억에 남죠. 하지만 제품의 방향을 이해하려면 직함보다 먼저 봐야 할 것이 있어요. 그 사람이 어떤 문제의 한가운데에 있었는지예요.

미라 무라티는 OpenAI CTO였고, 2023년 11월에는 잠시 임시 CEO로 지명됐어요. 여기까지만 보면 유명한 기술 임원의 이력처럼 보일 수 있어요. 그런데 OpenAI는 당시 무라티가 연구, 제품, 안전 기능을 이끌고 있었다고 밝혔어요. 이 표현이 중요해요.

연구는 “무엇을 만들 수 있는가”에 가깝고, 제품은 “사람이 어떻게 쓰는가”에 가까워요. 안전은 “그렇게 써도 괜찮은가”를 묻는 쪽이에요. 세 가지가 따로 움직이면 강한 기술은 나와도, 사람들이 믿고 다룰 수 있는 도구가 되기는 어려워요.

여기서 제품화라는 말이 나와요. 제품화는 연구 결과를 사람이 실제로 쓰는 도구와 경험으로 바꾸는 과정이에요. 실험실에서 멋진 엔진을 만든 뒤, 운전자가 핸들을 잡고 도로에 나갈 수 있는 차로 만드는 일과 비슷해요. 엔진 성능만으로는 충분하지 않고, 계기판과 브레이크와 사용감까지 함께 맞아야 하죠.

스탠퍼드 Digital Economy Lab 소개도 무라티를 OpenAI 제품 상용화와 인간 피드백 기반 개선을 감독한 인물로 설명했어요. 여기서 인간 피드백은 사람이 모델의 반응을 평가하거나 개선에 관여하는 방식을 뜻해요. 쉽게 말해 AI가 혼자 정답을 찾아가게 두는 것이 아니라, 사람이 “이 답변은 더 낫다”, “이 반응은 위험하다”처럼 방향을 잡아주는 과정이에요.

그래서 무라티를 볼 때 질문은 조금 달라져요. “얼마나 높은 자리에 있었나”보다 “강력한 AI 모델을 사람이 이해하고 조정할 수 있는 제품으로 바꾸는 문제를 어떻게 다뤄 왔나”가 더 핵심에 가까워요. 이 관점으로 보면 그의 이력은 단순한 임원 경력이 아니라, 연구와 제품과 안전이 겹치는 자리에서 생긴 문제의식으로 읽히기 시작해요.

새 회사가 겨냥한 빈틈

새 AI 스타트업이라고 하면 보통 더 똑똑한 챗봇, 더 큰 모델, 더 빠른 답변을 먼저 떠올리게 돼요. 그런데 미라 무라티가 OpenAI를 떠난 뒤 공개한 Thinking Machines Lab의 방향은 조금 다르게 보였어요. 핵심은 “AI를 더 세게 만들겠다”보다 “사람이 더 잘 이해하고 조정할 수 있게 만들겠다”에 가까웠어요.

무라티는 2024년 9월 OpenAI를 떠났고, 공개적으로는 자신의 탐색을 위한 시간과 공간을 이유로 들었어요. 그리고 2025년 2월 Thinking Machines Lab을 공개했고, CEO로 소개됐어요. 여기서 중요한 건 단순히 “어디로 갔나”가 아니라, 새 회사가 어떤 문제를 다시 붙잡았느냐예요.

Thinking Machines Lab은 AI 연구와 제품을 함께 하는 회사로 소개돼요. 회사가 내세운 방향은 AI를 더 이해 가능하고, 더 맞춤화 가능한 도구로 만드는 것이에요. 맞춤화란 사용자의 목적과 상황에 맞게 AI를 조정하는 일을 뜻해요. 예를 들어 같은 노트북이라도 개발자는 코딩 환경을 바꾸고, 디자이너는 색과 화면 설정을 바꾸듯이, AI도 쓰는 사람의 일에 맞게 다룰 수 있어야 한다는 생각이에요.

회사는 AI의 능력과 사람들이 그것을 이해하고 맞춤화하는 능력 사이에 격차가 있다고 봐요. 쉽게 말해 엔진은 강해졌는데, 운전석의 계기판과 핸들이 아직 충분히 친절하지 않은 상황과 비슷해요. 차가 빨라지는 것만으로는 부족하고, 운전자가 지금 무슨 일이 일어나는지 알고 방향을 조절할 수 있어야 하니까요.

이 지점에서 “인간-AI 협업”이라는 표현이 중요해져요. 이는 AI가 사람의 일을 그냥 대체한다는 구도보다, 사람이 AI와 함께 작업하는 방식을 가리켜요. 초기 보도에서도 Thinking Machines Lab은 기존 챗봇을 단순 복제하기보다 이런 인간-AI 협업을 겨냥한 회사로 소개됐어요. 다만 이것은 초기 방향성에 대한 설명이지, 이미 기존 챗봇과 완전히 다른 제품을 구현했다는 뜻은 아니에요.

또 하나의 배경에는 프런티어 AI가 있어요. 프런티어 AI는 현재 최첨단에 가까운 고성능 AI 시스템 정도로 이해하면 돼요. 이런 시스템은 강력할수록 더 많은 일을 할 수 있지만, 동시에 사용자가 왜 그런 답을 내는지, 어떻게 자기 상황에 맞게 바꿀 수 있는지 알기 어려워질 수 있어요. 그래서 이해 가능성과 맞춤화는 부가 기능이 아니라, 강한 AI를 실제 제품으로 쓰게 만드는 기본 조건이 돼요.

결국 Thinking Machines Lab의 출발점은 이직 뉴스의 흥미보다 더 제품적인 질문에 닿아 있어요. AI가 더 강해지는 시대에, 사람은 그 힘을 얼마나 잘 이해하고 자기 일에 맞게 조정할 수 있을까요. 무라티의 새 회사가 겨냥한 빈틈은 바로 그 사이, 모델의 능력과 사용자의 손끝 사이에 남아 있는 거리예요.

제품 방향은 도구에서 드러난다

AI 제품화는 멋진 문장만으로 완성되지 않아요. “사람과 함께 일하는 AI”라고 말하는 것과, 실제로 사용자가 모델을 조정하고 결과를 다시 확인하며 작업을 이어가게 만드는 것은 전혀 다른 문제예요.

쉽게 말하면, 좋은 엔진을 만들었다고 바로 좋은 자동차가 되는 것은 아니에요. 운전대, 브레이크, 계기판, 정비 방식이 있어야 사람이 그 힘을 다룰 수 있죠. Thinking Machines Lab이 말하는 방향도 여기서 더 구체적으로 보이기 시작해요.

이 회사는 사람과 협업하고, 사용자에게 맞게 조정되며, 제품 배포를 통해 연구를 배우는 AI 방향을 내세워요. 여기서 중요한 단어는 “협업”과 “조정”이에요. AI가 혼자 멋진 답을 내는 것보다, 사람이 자기 일에 맞게 다루고 고칠 수 있어야 제품이 된다는 뜻에 가까워요.

그 방향은 공개 기술 글에서도 드러나요. Thinking Machines Lab은 엘엘엠 출력의 재현성 같은 사용자가 체감하는 기술 문제를 다뤘어요. 재현성은 같은 조건에서 비슷한 결과를 다시 얻을 수 있는 성질이에요. 요리 레시피를 보고 같은 맛이 반복되어야 믿고 쓸 수 있듯, AI도 결과가 너무 흔들리면 사용자는 도구가 아니라 운에 기대게 돼요.

또 하나의 단서는 Tinker예요. Tinker는 연구자와 엔지니어가 모델 훈련과 파인튜닝을 다루도록 만든 API로 소개돼요. 파인튜닝은 이미 있는 모델을 특정 목적에 맞게 추가로 조정하는 과정이에요. 기성복을 몸에 맞게 수선하듯, 모델도 실제 작업에 맞춰 다듬을 통로가 필요하다는 생각이 담겨 있어요.

2026년 5월 공개된 연구 프리뷰도 같은 흐름 위에 있어요. 이 프리뷰는 AI가 사람과 실시간으로 상호작용하는 모델을 핵심 방향으로 제시했어요. 상호작용 모델은 사용자의 입력을 한 번 받고 끝나는 방식이 아니라, 계속 주고받으며 함께 작업하는 방향의 모델이라고 보면 돼요.

그래서 무라티의 새 방향은 단순히 소비자용 챗봇 하나를 더 내놓는 이야기로만 보기 어려워요. 공개된 사례들을 모아 보면, 초점은 AI를 더 조정 가능하고, 더 반복 가능하게 확인할 수 있고, 사람과 이어서 작업할 수 있는 시스템으로 만드는 쪽에 가까워요. 앞에서 말한 “이해 가능하고 맞춤화 가능한 AI”라는 말이 여기서 비로소 제품의 언어를 얻는 셈이에요.

아직 끝나지 않은 제품화

AI 스타트업을 볼 때 가장 먼저 눈에 들어오는 것은 사람, 돈, 계산 자원이에요. 누가 합류했는지, 얼마나 투자받았는지, 어떤 대형 파트너가 붙었는지가 뉴스가 되기 쉽죠. 하지만 이것들은 제품화의 완성이 아니라, 제품화를 시도할 수 있는 조건에 가까워요.

시드 투자는 초기 회사가 출발선에서 받는 투자라고 보면 돼요. 2025년 보도 기준으로 Thinking Machines Lab은 대규모 시드 투자를 유치하며 시장의 큰 관심을 받았어요. 다만 큰 투자가 곧 좋은 제품을 증명하는 것은 아니에요. 비싼 주방을 마련했다고 해서 이미 훌륭한 식당이 된 것은 아닌 것과 비슷해요.

팀도 마찬가지예요. 2025년 공개 당시 Thinking Machines Lab은 여러 전 OpenAI 인력을 공동창업자로 내세웠어요. 동시에 2026년 초 보도에서는 일부 공동창업자가 OpenAI로 돌아가는 인력 이동도 있었어요. 그래서 이 회사를 볼 때는 “누가 모였나”만큼이나 “무엇을 계속 만들 수 있나”를 함께 봐야 해요.

2026년 3월에는 Thinking Machines Lab이 NVIDIA와 대규모 컴퓨트 인프라 파트너십을 발표했어요. 컴퓨트 인프라는 큰 AI 모델을 학습하고 운영하는 데 필요한 계산 자원이에요. 쉽게 말하면 AI가 훈련하고 일할 수 있는 전기, 장비, 작업장에 가까워요. 강한 모델을 만들려면 아이디어만이 아니라 이런 기반도 필요해요.

하지만 회사가 직접 밝힌 과제도 중요해요. Thinking Machines Lab은 상호작용 모델이 아직 긴 세션, 지연 시간, 안전성, 규모 확장 같은 과제를 남겨 두고 있다고 밝혔어요. 지연 시간은 사용자가 입력한 뒤 AI가 반응하기까지 걸리는 시간이에요. 대화가 길어져도 흐름을 잃지 않고, 늦지 않게 답하고, 안전하게 작동해야 비로소 사람과 함께 일하는 도구에 가까워져요.

그래서 이 이야기는 “무라티의 새 회사가 성공했나”라는 질문보다 조금 더 앞선 질문으로 봐야 해요. AI 제품화 리더십은 어떤 문제를 제품의 중심에 놓고, 그 문제를 풀기 위해 어떤 조건을 모으느냐에 달려 있어요. 투자와 인재와 컴퓨트는 기대를 키우지만, 남은 한계는 이 실험이 아직 진행 중이라는 사실을 보여줘요.

미라 무라티의 의미도 여기서 선명해져요. 핵심은 유명한 CTO 이력 자체가 아니라, 강한 AI 모델을 사람들이 이해하고 다룰 수 있는 제품으로 바꾸는 문제를 계속 붙잡아 왔다는 점이에요. Thinking Machines Lab은 그 질문에 대한 완성된 답이라기보다, 그 질문을 다시 제품의 언어로 풀어 보려는 다음 장면에 가까워요.

정리하면, 미라 무라티는 OpenAI에서 연구와 제품, 안전이 만나는 자리에 있었고, Thinking Machines Lab에서는 AI의 능력과 사람들이 그것을 이해하고 맞춤화하는 능력 사이의 거리를 다시 문제로 삼고 있어요. Tinker와 상호작용 모델 같은 공개 사례도 그 관심이 더 큰 모델 자랑보다, 사람이 조정하고 함께 작업할 수 있는 AI 쪽에 있음을 보여줘요.

다만 이 실험의 제품 성과와 장기적 영향은 아직 단정하기 어려워요. 그래서 무라티는 유명한 전 OpenAI CTO라기보다, 강력한 AI를 사람이 이해하고 다룰 수 있는 제품으로 바꾸는 질문을 계속 붙잡아 온 기술 리더로 기억할 수 있어요.