카파시의 방법론과 르쿤의 독립, 같은 달 다른 방향으로 튄 AI 거장들

2026년 3월, AI 분야의 두 저명한 인물이 각자의 방식으로 업계에 큰 파문을 일으켰다. Andrej Karpathy는 'Karpathy Loop'라는 이름의 AI 보조 개발 방법론을 제안하여 소셜 미디어에서 폭발적인 반향을 얻었고, Yann LeCun은 $10억(10억 달러) 규모의 AI 스타트업 설립을 공식 발표하며 Meta를 떠나 독립 행보를 선언했다. 두 사건은 각기 다른 성격이지만, 현재 AI 분야가 얼마나 빠르게 움직이고 있으며 그 중심에 어떤 인물들이 있는지를 생생하게 보여준다.

카파시와 르쿤이 같은 달 만든 파장

Andrej Karpathy는 OpenAI 공동창업자 출신이자 Tesla AI 디렉터를 역임한 후 독립 연구자·교육자로 활동 중인 인물이다. 그의 설명 영상 시리즈는 수백만 명의 AI 개발자에게 교과서로 여겨진다. "Neural Networks: Zero to Hero" 시리즈는 GPT, LLM, 역전파 등 핵심 개념을 가장 명쾌하게 설명한 자료로 손꼽힌다.

Yann LeCun은 CNN(합성곱 신경망)의 아버지로 불리며 튜링상을 수상한 딥러닝의 3대 개척자 중 한 명이다. Meta의 수석 AI 과학자로 재직하면서도 현재 주류 LLM 접근 방식에 대한 강한 비판자로 알려져 있다. 그의 Meta 퇴사와 독립 스타트업 설립은 AI 연구의 방향에 대한 근본적인 의견 차이를 반영한다.

Karpathy Loop, 명세-생성-검증-피드백

Karpathy Loop는 AI 모델을 활용하여 소프트웨어를 개발하는 반복적 워크플로우를 정의한 방법론이다. 핵심 아이디어는 인간 개발자가 AI와 협업할 때 어떤 역할을 맡고 어떤 순환 구조로 작업해야 효율을 극대화할 수 있는가를 명시화한 것이다.

Karpathy는 효과적인 AI 보조 개발이 순환 구조를 따른다고 제안한다.

명세화(Specification). 인간 개발자가 달성하려는 목표를 AI가 이해할 수 있는 수준으로 정확히 정의한다. 이 단계에서 모호함을 최소화하는 것이 핵심이다. "버그를 고쳐라"가 아니라 "X 함수에서 Y 입력이 들어왔을 때 Z 오류가 발생하는데, A 예외 처리를 추가하라"처럼 구체적으로 명세해야 한다.

생성(Generation). AI 모델이 명세에 따라 코드, 테스트, 문서 등을 생성한다. 이 단계에서 인간은 AI의 출력을 비판적으로 검토할 준비를 갖추고 기다린다.

검증(Verification). 생성된 결과를 자동화 테스트, 정적 분석, 실행 결과 확인 등 객관적 기준으로 검증한다. Karpathy는 이 단계가 Loop 전체에서 가장 중요하다고 강조한다. AI의 출력은 그럴듯해 보이지만 틀릴 수 있으며, 검증 없이는 오류가 누적된다.

피드백(Feedback). 검증 결과를 바탕으로 다음 명세화 단계를 개선한다. 무엇이 잘못되었는지, AI가 어떤 부분을 오해했는지를 분석하여 다음 반복의 명세에 반영한다.

Karpathy Loop는 기존의 TDD(Test-Driven Development)나 애자일 방법론과 다르다. TDD는 테스트를 먼저 작성하고 구현이 테스트를 통과하도록 개발하는 인간 중심 방법론이다. Karpathy Loop는 AI가 생성의 주체가 되는 상황에서 인간의 역할을 재정의한다.

가장 큰 차이는 인간이 직접 코드를 쓰는 양이 최소화된다는 점이다. 인간의 주요 역할은 명세 작성(무엇을 만들 것인가)과 검증(잘 만들어졌는가)으로 이동한다. 코드 생성 자체는 AI에게 위임한다. Karpathy는 이를 "프로그래밍의 성격이 코드 작성에서 코드 큐레이션으로 이동하고 있다"고 표현한다.

왜 이렇게까지 퍼졌나

이 개념이 소셜 미디어에서 폭발적으로 퍼진 이유는 단순하다. 많은 개발자들이 이미 비슷한 방식으로 AI를 사용하고 있었지만, 그것을 명확하게 이름 붙이고 구조화한 것이 없었기 때문이다. Karpathy가 제시한 Loop는 "내가 하고 있던 것이 바로 이것이었구나"라는 공감을 불러일으켰다.

또한 Karpathy의 커뮤니케이션 방식이 효과적이었다. 추상적인 개념을 구체적인 예시로 풀어내는 그의 능력이 기술자가 아닌 일반 청중에게도 내용이 전달되게 만들었다. X(구 Twitter)에서 원본 스레드가 수만 리트윗을 기록했으며, YouTube, Reddit, LinkedIn 등으로 빠르게 확산되었다.

비판적 시각도 있었다. 일부는 Karpathy Loop가 새로운 것이 없는 기존 반복 개발의 재포장이라고 지적했다. 다른 이들은 "검증" 단계가 실제로는 인간의 깊은 기술 이해를 요구하기 때문에, AI 시대에도 전통적인 프로그래밍 능력이 여전히 필수적임을 간과한다고 비판했다. 그러나 이러한 논쟁 자체가 바이럴 확산을 더욱 가속시켰다.

⤢✕

LeCun, $10억을 걸고 LLM 밖으로

Yann LeCun의 스타트업 설립 발표는 예상된 수순이었다. 그는 수년간 Meta 재직 중에도 현재 AI 주류인 LLM(대형 언어 모델) 접근 방식이 인공 일반 지능(AGI)으로 이어지지 않을 것이라고 반복적으로 주장해 왔다. $10억 규모의 초기 투자는 주로 반도체 기업, 기존 Tech 투자자들로부터 유치된 것으로 알려졌다.

LeCun은 현재 LLM이 진정한 이해(understanding)가 아닌 패턴 매칭에 의존한다는 입장을 고수한다. 그의 핵심 논점은 세 가지다. LLM은 물리 세계에 대한 인과적 모델이 없고, 자회귀 텍스트 생성은 근본적으로 오류 누적 문제를 피할 수 없으며, 인간의 지능은 방대한 텍스트 학습이 아니라 물리적 세계와의 상호작용을 통해 발달한다는 것이다.

이러한 비판의 대안으로 LeCun이 제시하는 방향은 **세계 모델 기반 AI(World Model AI)**다. 물리 세계를 내부적으로 시뮬레이션하고 예측하는 능력을 기반으로, 계획 수립과 목표 지향적 행동이 가능한 AI 시스템이다. Meta FAIR에서 진행한 Joint Embedding Predictive Architecture(JEPA) 연구가 이 방향의 핵심이다.

LeCun의 새 스타트업은 에너지 기반 모델(Energy-Based Models), 자기지도 학습(Self-Supervised Learning), 계층적 계획 수립(Hierarchical Planning) 기술을 결합한 차세대 AI 시스템 개발을 목표로 한다. 특히 로봇공학과 물리적 AI 에이전트 분야에 집중할 것으로 알려졌다.

$10억 규모의 시드 투자는 대규모 컴퓨팅 인프라와 우수 연구자 확보에 투입된다. LeCun은 Meta FAIR의 핵심 연구자 여러 명을 영입한 것으로 전해진다. 스타트업의 상업적 수익 모델은 초기에는 연구 라이선싱과 전략적 파트너십에 집중할 것으로 보인다.

지금을 쓸 것인가, 다음을 만들 것인가

흥미롭게도 Karpathy와 LeCun은 AI의 현재와 미래에 대해 다소 다른 관점을 갖는다.

Karpathy는 현재의 LLM이 이미 놀라운 능력을 갖추고 있으며, 중요한 것은 이 도구를 어떻게 효과적으로 사용하는가라고 본다. Karpathy Loop는 현재 존재하는 AI 모델을 전제로 한 실용적 방법론이다. 그는 현재 AI의 한계보다 가능성에 초점을 맞춘다.

LeCun은 현재 LLM 패러다임이 장기적으로 한계에 부딪힐 것이며, 진정한 AI를 위한 근본적으로 다른 접근이 필요하다는 입장이다. 스타트업 설립은 이 철학을 실제 제품으로 증명하려는 시도다.

두 관점은 모순이 아니다. Karpathy Loop는 "지금 이 도구로 무엇을 할 수 있는가"에 대한 답이고, LeCun의 스타트업은 "미래에 더 나은 도구를 어떻게 만들 것인가"에 대한 시도다. AI 생태계는 이 두 방향이 동시에 진행될 때 더 건강하게 발전한다.

Karpathy Loop의 바이럴은 AI 보조 개발(AI-assisted development) 방법론에 대한 업계의 명시화 수요를 보여준다. 많은 기업들이 AI 코딩 도구를 도입했지만, 어떻게 사용해야 효과적인지에 대한 체계가 없었다. Karpathy Loop는 그 공백을 채우는 실용적 프레임워크다. 이미 여러 소프트웨어 개발 교육 기관들이 커리큘럼에 이 개념을 통합하기 시작했다.

LeCun의 스타트업은 LLM 중심의 AI 투자 생태계에 다양성을 추가한다. 벤처 자본이 OpenAI, Anthropic, Google DeepMind 등 LLM 기반 회사에 집중되는 경향이 있었는데, $10억 규모로 다른 방향의 AI 연구에 투자가 이루어진다는 것은 의미 있는 변화다. LeCun의 성공 여부와 관계없이, 이 행보는 AI 연구의 다양성을 장려하는 신호로 받아들여진다.

Andrej Karpathy의 Karpathy Loop와 Yann LeCun의 $10억 스타트업 설립은 2026년 3월 AI 분야에서 가장 화제가 된 두 사건이다. 하나는 현재의 AI를 더 잘 사용하는 방법에 대한 실용적 통찰이고, 다른 하나는 현재 AI의 한계를 넘어서려는 근본적 도전이다. AI 거장들이 이렇게 활발하게 새로운 아이디어를 제시하고 독립적 행보를 취한다는 것은 이 분야가 아직 탐색 중이며, 정해진 길이 없다는 것을 보여준다. 개발자들에게 Karpathy Loop는 내일 당장 적용할 수 있는 실천 지침이고, LeCun의 스타트업은 5년 후 AI가 어떤 모습일지를 알려줄 주목해야 할 실험이다.