사티아 나델라는 모든 기업이 휴먼 캐피털과 토큰 캐피털을 함께 키워야 한다고 말했습니다.
진짜 경쟁우위는 최고의 모델을 고르는 데 있지 않고, 모델 위에 쌓는 학습 루프에 있다고 했습니다.
일이나 직무는 위임할 수 있어도 학습은 위임할 수 없으며, 그 학습을 자산으로 만든 회사가 이긴다고 강조했습니다.
최고의 AI 모델을 고르는 데 시간을 쓰고 계십니까?
나델라는 모델이 아니라 그 위에 쌓은 학습 루프를 소유한 회사가 이긴다고 말합니다.
대부분의 AI 도입 논의는 "어떤 모델을 쓸까"에서 시작합니다. GPT인가 Gemini인가 Claude인가, 어느 벤더가 이번 분기에 앞서는가를 따집니다. 마이크로소프트 CEO 사티아 나델라는 이 질문 자체가 틀렸다고 말했습니다.
나델라는 자신의 X 계정에 'AI 경제에서 기업의 미래'를 주제로 긴 글을 올렸습니다. 핵심은 하나입니다. 모델은 갈아끼우는 부품이고, 진짜 자산은 그 위에 쌓이는 학습 루프라는 것입니다. AI 도입 예산을 집행하는 경영 리더라면 한 번은 멈춰서 읽어야 할 관점입니다.
AI 모델은 인간과 조직의 전문성을 빠르게 흡수해 평준화합니다. 어제까지 우리 회사의 차별점이던 노하우가, 모델이 학습하는 순간 누구나 쓰는 기본기가 됩니다. 대부분의 팀은 그 노하우를 직원 머릿속이나 흩어진 채팅 기록에만 두고 있습니다. 나델라는 이 흐름에서 기업이 어떻게 계속 학습하고 IP를 쌓으며 차별화하는지가 진짜 쟁점이라고 봤습니다. 모델 선택은 표면이고, 그 아래 학습 구조가 본질입니다.
첫째, 경쟁우위는 모델이 아니라 학습 루프에 있습니다. 나델라는 "최고의 모델을 고르는 것이 기회가 아니다"라고 못 박았습니다. 기회는 모델 위에 학습 루프를 쌓는 데 있습니다. 쉽게 말하면, 팀이 AI로 일을 처리할 때마다 그 결과와 노하우가 회사 안에 차곡차곡 남아 다음 일을 더 잘하게 만드는 구조입니다. 그는 이를 "언덕 오르기 기계"라고 불렀습니다. 개선된 워크플로우가 더 좋은 학습 신호를 만들고, 그 신호가 회사 고유의 암묵지를 다시 키웁니다.
핵심 문장은 이것입니다. "일은 물론 직무까지 위임할 수 있어도, 학습만은 절대 위임할 수 없다." 모델은 외부에서 빌려 쓰지만 학습은 회사 안에서만 쌓입니다. 이 루프는 대부분의 자산과 달리 시간이 갈수록 복리로 불어납니다.
둘째, 휴먼 캐피털과 토큰 캐피털은 함께 커집니다. 나델라는 모든 기업이 두 가지 자본을 쌓아야 한다고 말했습니다. 휴먼 캐피털은 사람의 지식, 판단, 관계, 독창성, 패턴 인식입니다. 토큰 캐피털은 회사가 직접 만들고 소유하는 AI 역량입니다.
중요한 지점은 둘의 관계입니다. 토큰 캐피털이 커진다고 휴먼 캐피털의 가치가 떨어지지 않습니다. 오히려 더 올라갑니다. 야심 찬 목표를 세우고, 영역을 가로질러 점을 잇고, 중요한 패턴을 알아보는 일은 사람이 합니다. 나델라의 표현으로 "인간의 방향 설정이 없으면 컴퓨팅은 제자리를 맴돌 뿐"입니다.
셋째, 모델을 갈아끼워도 '회사의 베테랑'은 남아야 합니다. 나델라는 새로운 설계 원칙을 제시했습니다. 회사는 시간이 갈수록 좋아지는 에이전트 시스템을 만들되, 자사 IP에 대한 통제권을 유지해야 합니다. 핵심 기준은 이것입니다. "범용 모델을 교체해도, 학습 시스템에 쌓인 '회사 베테랑'의 전문성은 잃지 않아야 한다."
이 능력이 곧 AI 시대의 통제권이자 주권이라고 그는 표현했습니다. 모델은 외부 의존이지만 그 위의 학습층은 회사 소유여야 한다는 뜻입니다. 벤더를 바꾸는 순간 회사의 노하우가 함께 사라진다면, 그 회사는 주권을 가진 것이 아닙니다.
넷째, 평가와 훈련의 기준을 사내로 가져와야 합니다. 나델라는 세 가지 도구를 구체적으로 짚었습니다. 프라이빗 이밸은 외부 벤치마크가 아니라 우리 사업에 중요한 성과 기준으로 모델 개선을 측정합니다. 프라이빗 강화학습 환경은 조직 내부의 실제 작업 기록으로 모델을 더 강하게 만듭니다. 지식 베이스는 조직의 기억을 질의 가능한 형태로 바꿉니다.
공통점은 분명합니다. 외부 리더보드의 점수가 아니라 우리 회사의 성과로 모델을 길들이는 것입니다. 같은 모델이라도 누가 어떤 데이터로 길들였는지에 따라 결과가 달라집니다. 이 차이가 시간이 갈수록 복제하기 어려운 격차로 벌어집니다.
다섯째, 가치를 소수 모델에 헌납하지 말라는 경고입니다. 나델라는 모든 산업의 가치가 몇 개 모델로 빨려 들어가는 미래를 경계했습니다. 그런 세상은 정치적으로도 지속되지 않는다고 봤습니다. 산업 전체의 지식이 발밑에서 평준화되는 데 대한 "사회적 허가"가 없다는 것입니다.
그는 1차 세계화에서 아웃소싱이 산업 경제를 공동화한 사례를 들었습니다. 표면의 GDP 숫자는 멀쩡해 보였지만 실제 일자리 붕괴는 컸고 후유증은 지금도 남아 있습니다. 그래서 그의 결론은 "프런티어 모델이 아니라 프런티어 생태계"를 만들자는 것입니다. 모든 조직이 자기 학습 루프를 소유할 때 가치가 넓게 흐른다는 주장입니다.
용어 설명
휴먼 캐피털(Human Capital): 사람이 가진 지식, 판단, 관계, 독창성, 패턴 인식 능력입니다. 나델라는 토큰 캐피털이 커질수록 이 가치가 더 높아진다고 봤습니다.
토큰 캐피털(Token Capital): 회사가 직접 만들고 소유하는 AI 역량입니다. 외부에서 빌려 쓰는 모델이 아니라, 사내에 쌓이는 AI 자산을 가리킵니다.
학습 루프(Learning Loop): 개선된 워크플로우가 더 나은 학습 신호를 만들고, 그 신호가 회사 고유의 전문성을 다시 키우는 순환 구조입니다. 시간이 갈수록 복리로 불어납니다.
프라이빗 이밸(Private Eval): 외부 공개 벤치마크 대신, 회사 사업에 중요한 성과 기준으로 모델 성능을 측정하는 평가 체계입니다.
프라이빗 강화학습 환경(Private RL Environment): 조직 내부의 실제 작업 기록을 학습 신호로 써서 모델을 우리 업무에 맞게 강화하는 환경입니다.
AI 세션이 끝나면, 직원이 퇴사하면, 좋았던 프롬프트가 채팅창과 함께 사라지면 학습이 증발합니다. 가장 자주 반복하는 업무 한 가지를 골라 "이 일의 노하우가 지금 어디에 남는가"를 한 줄로 적어 보세요. 남는 곳이 없다면 그곳이 첫 번째 구멍입니다. (1시간)
리더보드 점수는 우리 일을 대신해 주지 않습니다. 업무 한 가지를 골라 "무엇이 좋은 결과인가"를 정의하고, 실제 사례 10건으로 모델 출력을 채점해 보세요. 이 채점표가 나델라가 말한 프라이빗 이밸의 출발점입니다. (반나절)
회사의 지식을 특정 벤더 모델 안에만 녹여 두면, 벤더를 바꿀 때 노하우가 함께 날아갑니다. 프롬프트, 업무 규칙, 판단 기준을 모델 바깥의 문서나 데이터로 따로 보관하세요. 모델은 부품, 학습층은 자산이라는 원칙을 먼저 세우는 것입니다. (2시간)
이 글은 마이크로소프트의 포지셔닝이기도 합니다. 나델라가 말한 "직접 소유하는 학습 루프"는 결국 클라우드와 인프라 위에서 구축됩니다. 그 인프라를 파는 회사가 마이크로소프트입니다. 통찰은 유효하지만, 중립적 분석이 아니라 전략적 주장으로 읽어야 합니다. 자사 제품을 권하는 논리가 깔려 있다는 점을 감안해야 합니다.
학습 루프 구축은 데이터와 인력 비용을 요구합니다. 프라이빗 이밸과 강화학습 환경은 데이터 인프라와 ML 역량이 있어야 굴러갑니다. 대부분의 중견 기업에는 그 인력이 없습니다. 거창한 시스템부터 짓지 말고, 한 업무의 채점표와 노하우 문서화부터 시작하는 것이 현실적입니다.
사내 데이터로 모델을 다루면 거버넌스 리스크가 생깁니다. 조직의 기억을 질의 가능하게 만든다는 것은, 민감 정보가 모델 경로로 흐른다는 뜻이기도 합니다. 보안, 개인정보, 권한 범위를 먼저 정하지 않으면 학습 루프가 정보 유출 경로가 됩니다. 확장 전에 접근 권한과 데이터 경계를 문서로 정하는 것이 순서입니다.
일이나 직무는 위임할 수 있어도 학습은 위임할 수 없습니다. 그 학습을 회사 자산으로 만드는 곳이 이깁니다.
- Nadella, S. (2026, June 15). A frontier without an ecosystem is not stable [Post]. X. (원문 보기 ↗)