Andrej Karpathy가 2026년 AI에 대한 가장 중요한 관찰 중 하나를 공개했습니다: 이제 근본적으로 다른 두 그룹의 AI 사용자가 있으며, 그들은 서로 완전히 다른 이야기를 하고 있습니다.

그의 트윗 (360만 조회수 이상)은 AI를 다루는 모든 사람이 이해해야 하는 커지는 간극을 설명합니다.

그룹 1: “AI는 장난감이다”

이 그룹은 작년에 ChatGPT를 — 보통 무료 티어로 — 사용해봤습니다. 환각을 보고, 음성 모드가 간단한 질문에 실수하는 바이럴 영상을 보며 웃었고, AI가 과대평가되었다고 결론 내렸습니다.

그들이 경험한 것에 대해서는 틀리지 않았습니다. 2025년의 무료 티어 모델은 실제로 제한적이었습니다. 하지만 문제는 이것입니다: 그들은 그 시점에서 AI에 대한 정신 모델을 고정하고 절대 업데이트하지 않았습니다.

Karpathy가 말했듯이, 그 오래되고 더 이상 사용되지 않는 모델들은 현재 프론티어 모델의 능력을 반영하지 않습니다.

그룹 2: “AI Psychosis”

이 그룹은 Claude Code, OpenAI Codex 같은 최첨단 에이전틱 모델을 기술 도메인에서 전문적으로 사용합니다. 월 $200를 지불합니다. 이 모델들에게 컴퓨터 터미널을 주고 보통 며칠 또는 몇 주의 작업이 필요한 문제를 해결하는 것을 지켜봅니다.

Karpathy는 이 그룹이 그가 “AI Psychosis”라고 부르는 것을 경험하고 있다고 말합니다 — 그들이 망상적이어서가 아니라, 개선이 너무 놀라워서 직접 경험하지 않은 사람에게는 무엇을 보고 있는지 전달하기 어렵기 때문입니다.

격차가 존재하는 이유

Karpathy는 AI 능력이 불균일하게 발전하는 두 가지 구조적 이유를 식별합니다:

1. 강화 학습은 검증 가능한 보상과 함께 가장 잘 작동합니다.

코딩, 수학, 리서치 같은 작업에는 명확한 성공 기준이 있습니다 — 코드가 컴파일됩니까? 테스트가 통과합니까? 증명이 맞습니까? 이 도메인들은 모델이 성공 여부에 대한 구체적인 피드백을 받는 RL 훈련에 자연스럽게 적합합니다.

글쓰기, 조언, 대화 같은 작업은 객관적으로 평가하기 훨씬 어렵기 때문에 더 천천히 개선됩니다.

2. B2B 가치가 리소스 할당을 주도합니다.

가장 큰 수익 기회는 기술/전문 도메인에 있습니다. AI 회사들이 최고의 팀을 집중시키는 곳입니다. 음성 모드 같은 소비자 기능은 가장 많은 수익을 창출하는 B2B 제품에 비해 상대적으로 투자가 적습니다.

번역 문제

결과는 기묘한 단절입니다. 다음이 동시에 사실입니다:

무료 AI 음성 어시스턴트가 Instagram 릴스에서 기본적인 질문에 실수함
유료 에이전틱 AI가 한 시간 동안 일관성 있게 전체 코드베이스를 재구성함

이 두 가지 모두 2026년에 일어나고 있습니다. 하지만 그룹 1의 사람들은 첫 번째만 봅니다. 그룹 2의 사람들은 두 번째만 봅니다. 그리고 그들이 “AI”에 대해 서로 이야기하려 할 때, 완전히 다른 기술을 설명하고 있습니다.

격차를 넘는 방법

그룹 1에 있다면, 그룹 2로 가는 길은 다른 챗봇에 월 $200를 지출하는 것이 아닙니다. AI를 사용하는 방식을 바꾸는 것입니다 — 캐주얼한 Q&A에서 구조화된 지식 작업으로.

실제로 두 그룹을 구분하는 것:

그룹 1 행동:

ChatGPT를 열고, 질문하고, 답변을 읽음
세션 간 지속적인 컨텍스트 없음
AI가 매번 처음부터 시작
최악의 실패로 AI를 판단

그룹 2 행동:

AI가 참조할 수 있는 지식 기반 구축
AI에게 프로젝트 파일, 문서, 리서치 접근 권한 부여
AI를 메모리가 있는 동료로 사용, 검색 엔진이 아닌
최고의 능력으로 AI를 판단

핵심 인사이트: AI 출력의 품질은 제공하는 컨텍스트의 품질에 정비례합니다.

컨텍스트 구축: 빠진 레이어

여기서 대부분의 사람들이 막힙니다. “AI에게 더 나은 컨텍스트를 주세요”라고 들으면 더 긴 프롬프트를 작성하거나 더 많은 시간을 설명하는 데 쓰는 것을 의미한다고 생각합니다. 그것은 brute-force 접근 방식입니다. 더 스마트한 접근 방식은 AI가 자동으로 접근할 수 있는 지속적인 지식 레이어를 구축하는 것입니다.

실제로 어떻게 보이는지:

웹 리서치를 구조화된 Markdown으로 캡처 — 페이지를 북마크하거나 스니펫을 문서에 복사하는 대신, 전체 내용을 깨끗한 Markdown으로 변환합니다. 이것은 어떤 AI 도구도 수집할 수 있는 형식으로 정보를 보존합니다.
검색 가능한 지식 기반으로 정리 — 저장된 내용을 프로젝트, 주제 또는 리서치 영역별로 그룹화합니다. 이것은 AI가 당신이 무엇을 저장했는지 기억하지 않아도 관련 컨텍스트를 찾을 수 있게 합니다.
AI를 지식에 연결 — MCP (Model Context Protocol) 같은 도구를 사용하면 Claude가 저장된 내용을 직접 검색하고 참조할 수 있습니다. 질문을 하면 Claude가 먼저 지식 기반을 확인하고, 일반 훈련 데이터가 아닌 큐레이션된 리서치를 기반으로 답변을 제공합니다.

이것이 Save가 가능하게 하는 워크플로우입니다. 저장하는 모든 웹페이지가 로컬 지식 기반의 Markdown 파일이 됩니다. Save Vault의 내장 MCP 서버가 Claude에 연결합니다. AI 어시스턴트가 이제 읽고 리서치한 모든 것에 접근할 수 있습니다.

복리 효과

그룹 1과 그룹 2의 격차는 어떤 모델을 사용하느냐에 관한 것만이 아닙니다. 시간이 지남에 따라 구축한 누적 컨텍스트에 관한 것입니다.

6개월간의 문서, Stack Overflow 답변, 아키텍처 기사를 저장한 개발자는 코드베이스, 스택, 특정 문제를 이해하는 AI 어시스턴트를 갖게 됩니다. 매번 ChatGPT를 새로 여는 캐주얼 사용자는 자신의 업무에 대해 아무것도 모르는 일반 도구를 갖게 됩니다.

이것이 Karpathy의 관찰이 AI 하이프 사이클을 넘어서 중요한 이유입니다. 능력 격차는 좁혀지지 않습니다 — 더 벌어지고 있습니다. 그리고 구분선은 기술 능력이나 예산이 아닙니다. AI를 중심으로 구조화된 지식 실천을 구축하고 있는지, 아니면 그것을 고급 검색 엔진으로 다루는지입니다.

오늘 시작하기

격차를 넘기 위해 월 $200를 지출할 필요가 없습니다. 이미 매일 접하는 지식을 캡처하고 정리하기 시작해야 합니다:

Save를 설치하고 브라우징하면서 유용한 웹 페이지를 Markdown으로 변환하기 시작
주요 작업 또는 관심 영역을 위한 지식 기반 생성
AI 어시스턴트가 저장된 내용을 참조할 수 있도록 Save Vault의 MCP 서버를 통해 Claude 연결
일관성 유지 — 하루에 2-3페이지 저장하고 지식 기반이 복리로 성장하는 것을 지켜보기

한 달 안에 모든 AI 상호작용을 근본적으로 더 좋게 만드는 개인 지식 레이어를 갖게 됩니다. 그것이 그룹 1과 그룹 2의 차이입니다 — 그리고 그것은 어떤 모델에 돈을 내느냐가 아니라 지식을 어떻게 캡처하느냐에서 시작됩니다.

Save는 클릭 한 번으로 모든 웹페이지를 깨끗한 Markdown으로 변환하고 로컬 지식 기반에 저장합니다. Save Vault의 MCP 서버를 사용하면 Claude가 답변하기 전에 저장된 내용을 검색합니다. Save 무료로 사용해보기.