Google DeepMind 인재 유출, AI 인재 이탈을 VC 경쟁으로 바꾸다

Google DeepMind는 저명한 연구자들을 잃었고, 현재 최소 15명의 직원 및 전직 직원이 차세대 AI 스타트업의 자금 조달 방안을 논의 중인 것으로 전해진다. Google DeepMind의 인재 유출은 일상적인 이직을 넘어섰다. 이제 Alphabet 밖에서 자본, 컴퓨팅 자원, 독립성을 함께 모색하는 움직임으로 발전하고 있다.

Bloomberg가 보도한 런던 조찬 모임에 따르면, 이들은 2026년 9월 Google의 영국 본사 인근에서 만났다. 대화는 자금력이 풍부한 실리콘밸리 투자자들이 투자하려는 사업으로 이어졌다. 이 장면은 핵심적인 역전을 보여준다. DeepMind는 한때 목적지였지만, 이제는 전직 직원 네트워크 자체가 점점 더 기회가 되고 있다.

압박은 Google에만 국한되지 않는다. 벤처캐피털은 유명한 기술 경력이 지속 가능한 기업으로 이어질 수 있는지 판단해야 한다. 연구자들이 Alphabet 안에서 자신의 자율성에 의문을 제기할 때마다 OpenAI와 Anthropic은 채용 측면에서 우위를 얻는다. 한편 창업자들은 자본과 컴퓨팅 인프라에 대한 접근이 Google의 유통망, 엔지니어링 시스템, 조직적 지식을 대체할 수 있음을 입증해야 한다.

Google DeepMind 인재 유출, 창업자 네트워크로 발전

중요한 변화는 연구자들이 떠난다는 사실 자체가 아니라, 떠나는 연구자들이 이제 같은 전직 직원 네트워크를 통해 공동창업자, 투자자, 기술적 신뢰도를 확보할 수 있다는 점이다.

보도된 조찬 모임에는 런던 중심부에서 현직 직원과 전직 직원 15명이 모였다. 논의는 AI 스타트업의 자금 조달과 투자자들이 투자하려는 분야에 집중된 것으로 전해진다. Bloomberg는 이 모임에 참석한 한 인물을 인용해 이 내용을 보도했다.

조찬 모임 하나만으로 15개의 새 기업이 등장할 것이라고 단정할 수는 없다. 다만 AI 업계에서 가장 잘 알려진 연구소 중 하나와 연결된 사람들 사이에서 스타트업 창업이 일상적인 대화 주제가 됐다는 점은 보여준다. 창업자 네트워크는 공식적인 스핀아웃 프로그램보다 반복적이고 비공식적인 교류를 통해 성장하는 경우가 많기 때문에 이 구분은 중요하다.

DeepMind가 제공한 것은 알아볼 수 있는 이름만이 아니었다. 연구자들은 강화학습, 멀티모달 모델, 단백질 구조 예측, 대규모 모델 학습을 다뤘다. 또한 희소한 컴퓨팅 자원이 실험, 제품, 상업적 우선순위 사이에서 어떻게 배분되는지도 배웠다.

이 경험은 Google 밖에서 가치가 높아졌다. AI 스타트업을 평가하는 투자자는 창업자들이 연구자를 채용하고, 컴퓨팅 자원을 확보하며, 대규모 학습 작업을 관리하고, 비용을 정당화할 문제를 선택할 수 있는지를 판단해야 한다. DeepMind 출신들은 각 과제에 직접 노출된 경험을 설득력 있게 내세울 수 있다.

전직 직원 네트워크는 연구 기업 창업에서 가장 큰 위험 중 하나도 줄여준다. 떠나는 과학자는 모든 관계를 처음부터 구축할 필요가 없다. 전 동료들은 잠재적 공동창업자를 소개하고, 기술적 주장을 평가하며, 초기 채용을 추천하고, 투자자들이 프런티어 연구를 어떻게 평가하는지 설명할 수 있다.

이 패턴은 과거 기술 기업들과 연관된 이른바 ‘마피아’ 네트워크를 닮았다. 이 용어는 영향력 있는 기업을 떠나 서로 연결된 스타트업을 세우는 직원들을 가리킨다. 그러나 DeepMind 버전은 다른 경제적 기반을 갖고 있다.

이전의 소프트웨어 스타트업은 비교적 적은 인프라로도 출범할 수 있었다. 프런티어 AI 기업은 검증된 제품을 갖기 전부터 대규모 컴퓨팅 역량이 필요할 수 있다. 따라서 창업자들은 훨씬 이른 단계부터 벤처캐피털, 클라우드 제공업체, 칩 공급업체, 전략적 투자자에게 의존한다.

이 네트워크는 9월의 한 모임을 넘어선다. 최근의 퇴사는 DeepMind 및 Google 연구자들에게 몇몇 뚜렷한 행선지를 만들었다. 일부는 기존 경쟁사에 합류했고, 다른 일부는 과학적 발견, 시각적 추론, 모델 해석 가능성, 대안적 학습 접근법을 중심으로 회사를 창업했다.

이러한 흐름은 직원 퇴사를 누적되는 과정으로 바꾼다. 신뢰할 만한 스타트업 하나가 나올 때마다 다음에 떠나는 연구자는 외부 자본을 조달할 수 있다는 증거를 얻는다. 자금을 유치한 창업자는 다음 팀을 찾으려는 투자자들에게도 기준점이 된다.

DeepMind 출신 스타트업은 여전히 근본적인 시험을 통과해야 한다. 기술적 명성은 미팅을 확보해줄 수 있지만, 제품 수요를 확정하지는 못한다. 대형 모델 구축을 도운 연구자가 새 시스템을 어떤 고객이 구매할지, 회사가 얼마나 빠르게 고객에게 서비스를 제공할지를 자동으로 아는 것은 아니다.

연구 의제와 기업의 차이는 여전히 결정적이다. 연구는 새로운 결과를 보상하지만, 기업은 비용·신뢰성·시기 제약 속에서 반복적인 가치를 제공해야 한다. 벤처 자본은 그 판단의 순간을 늦출 수는 있어도 없애지는 못한다.

Google 입장에서 이 네트워크는 더 높은 보상을 제시하는 단일 경쟁사보다 복잡한 인재 유지 문제를 만든다. 직원들은 이제 기존 연구소, 상장 전 기업, 창업자 역할 중에서 선택할 수 있다. 각 경로는 자율성, 재정적 상승 여력, 컴퓨팅 접근성의 서로 다른 조합을 제공한다.

따라서 보도된 모임은 창업에 대한 사회적 관심 이상을 의미한다. Google DeepMind의 인재 유출이 자체 지원 체계를 갖추게 됐음을 시사한다. 그 체계가 형성되면 Google은 더 이상 다른 고용주와만 경쟁하는 것이 아니다. 소유권 자체가 주는 매력과 경쟁하게 된다.

벤처캐피털이 DeepMind 출신을 쫓는 이유

투자자들은 연구소 경험이 더 넓은 시장이 이를 인식하기 전에 다음으로 가치 있는 AI 계층을 찾아낼 수 있다고 보고 있다.

AI 투자자들은 불편한 문제에 직면해 있다. 신뢰할 만한 팀을 위한 자본은 풍부하지만, 독창적인 기술 방향과 기존 모델을 비용만 많이 들여 변형한 접근법을 구분하기는 여전히 어렵다. DeepMind 출신은 기술적 선별을 위한 일종의 약식 지표를 제공한다.

그 지표가 성공을 보장하는 것은 아니다. 하지만 창업자가 까다로운 채용 기준을 통과했고, 주요 AI 프로그램 가까이에서 일했다는 사실을 투자자에게 알려준다. 또한 창업자는 어떤 아이디어가 내부에서 실패했는지, 어떤 병목이 계속됐는지, 어떤 소외된 문제가 다시 시도할 가치가 있는지 이해할 수도 있다.

고위급 인사들의 퇴사가 스타트업 창업을 실현 가능한 선택지로 보이게 하면서 매력은 커졌다. 8월, Jeff Dean은 27년 만에 Google을 떠나 Discovery Loop를 공동창업했다. Sanjay Ghemawat, Quoc Le, 전 DeepMind 연구원 Oriol Vinyals도 그와 합류했다.

이 신생 기업은 과학 실험의 일부를 자동화하는 것을 목표로 한다. 이들의 시스템은 반복적인 주기에 걸쳐 실험을 제안하고, 실행하며, 개선하도록 설계됐다. 이 접근은 또 하나의 범용 챗봇이 아니라 노동 집약적 과정을 겨냥한다.

보도에 따르면 이 회사의 초기 자금 조달은 Radical Ventures와 Khosla Ventures가 공동 주도했다. Alphabet도 재정 지원을 제공했으며, Kleiner Perkins, Lightspeed, Doerr Capital이 Discovery Loop 출범 관련 보도에 따라 참여했다.

이 투자자 명단은 새로운 경쟁 구도를 보여준다. 벤처캐피털은 기반 인프라와 AI 모델을 구축한 경험을 가진 팀에 접근하기를 원한다. 한편 Alphabet은 이들의 회사에 투자함으로써 전직 직원들과 경제적 관계를 유지할 수 있다.

이러한 구조는 ‘인재 유출’이라는 단어를 복잡하게 만든다. 퇴사는 내부 팀을 약화시킬 수 있지만, 자본, 클라우드 인프라, 향후 파트너십을 통해 Alphabet과 연결된 스타트업을 만들어낼 수도 있다. Google은 직접적인 경영 통제력을 잃을 수 있지만, 모든 전략적 이점을 잃는 것은 아닐 수 있다.

이는 불확실한 연구 방향에 대한 헤지 수단이 될 수도 있다. Alphabet은 DeepMind 내부에서 모든 실험적 아이디어에 자금을 대는 대신, 선별된 외부 기업을 지원할 수 있다. 독립 투자자들은 그 비용과 위험을 함께 부담한다.

그렇다고 이 해석이 즉각적인 인재 손실을 가려서는 안 된다. Dean, Ghemawat, Le, Vinyals는 수십 년에 걸친 기술적·조직적 기억을 지니고 있었다. 이들의 축적된 판단력을 대체하는 일은 네 개의 자리를 채우는 것과 다르다.

조직적 지식에는 중요한 결정 뒤에 존재하는 문서화되지 않은 맥락이 포함된다. 실패한 접근법, 대인 간 신뢰, 분리된 시스템들이 어떻게 상호작용하는지에 대한 이해도 포함한다. 이런 세부 사항은 일반적인 프로젝트 문서를 통해서는 좀처럼 이전되지 않는다.

제품 및 엔지니어링 팀에 이 교훈은 AI 연구소를 넘어 적용된다. 검색 가능한 지식 베이스는 문서와 의사결정을 보존할 수 있지만, 떠난 전문가의 직관을 완전히 재현할 수는 없다. 인재 유지와 지식 연속성은 별개의 문제로 남는다.

투자자들은 사실상 이러한 직관에 가치를 매기고 있다. 경험 많은 연구자들이 암묵지를 집중된 기술 논제로 바꿀 수 있다고 베팅하는 것이다. 또한 창업자들의 명성이 추가 전문 인력을 끌어들일 것으로 기대한다.

이 지점에서 AI 인재 전쟁과 벤처 시장은 서로를 강화한다. 대규모 자금 조달은 창업자 역할을 더 현실적으로 만든다. 성공적인 채용은 그러한 투자가 정당한 것으로 보이게 한다. 경쟁사들은 추가 이탈을 막기 위해 자체 제안을 높인다.

이 순환은 고객 도입보다 빠르게 진행될 수 있다. 투자자들은 유사한 과학 에이전트, 추론 모델, 특화된 학습 시스템을 추구하는 여러 팀에 자금을 댈 수 있다. 모든 범주가 모든 진입자를 수용할 수 있는 것은 아니다.

따라서 DeepMind 출신 스타트업은 이점과 부담을 함께 안는다. 창업자들은 즉각적인 주목을 받지만, 제품 증거보다 먼저 기대가 도착한다. 덜 유명한 팀은 조용히 개발할 수 있다. 주목받는 팀은 처음부터 자금과 경력을 정당화해야 한다는 압박에 직면한다.

벤처캐피털은 제안된 기업이 방어 가능한 우위를 보유하는지도 판단해야 한다. 인재에 대한 접근은 일시적이다. 경쟁사는 채용할 수 있고, 모델은 수렴할 수 있으며, 인프라 제공업체는 이전에 희소했던 역량을 표준화할 수 있다.

더 강력한 투자 사례는 기술적 통찰을 반복 가능한 고객 문제와 연결할 것이다. 평가, 안전성, 신뢰성을 희생하지 않으면서도 더 작은 조직이 왜 더 빠르게 움직일 수 있는지 설명할 것이다. 또한 더 큰 연구소가 같은 아이디어를 추구할 때도 회사가 어떻게 살아남을지를 보여줄 것이다.

따라서 현재의 열기는 단순히 지능을 찾는 것 이상의 움직임이다. 투자자들은 어떤 연구 제약이 근본적 문제가 아니라 조직적 문제인지를 아는 팀을 원한다. 그 창업자들의 판단이 맞다면, 독립성은 더 큰 연구소가 우선순위를 두지 못한 일을 가능하게 할 수 있다.

컴퓨팅 접근성이 대형 연구소의 우위를 뒤집었다

핵심적인 역전은 기술 대기업이 더 많은 인프라를 보유하고 있음에도, 일부 연구자에게는 그곳을 떠나는 편이 컴퓨팅 자원에 대한 더 실질적인 통제력을 줄 수 있다는 점이다.

Google은 텐서 처리 장치를 설계하고, 대형 클라우드 플랫폼을 운영하며, 막대한 도달 범위를 가진 제품 전반에 AI를 배포한다. 서류상으로 이런 자산은 DeepMind를 고비용 연구를 수행하기에 가장 매력적인 곳 중 하나로 만들어야 한다.

총역량은 개인의 통제력과 같지 않다. Google 내부의 연구자들은 대표 모델 학습, Search, 클라우드 고객, 매출을 창출하는 서비스와 경쟁한다. 회사가 방대한 인프라를 보유하고 있더라도, 기술적으로 흥미로운 프로젝트는 우선순위에서 밀릴 수 있다.

모델 개발이 더 큰 클러스터를 소비하면서 이러한 긴장은 더욱 뚜렷해졌다. Los Angeles Times는 전 Google 연구자들이 퇴사 이유를 설명하며 제한된 접근성과 내부 승인 절차를 언급했다고 보도했다. Google은 연구와 고객 및 제품 요구의 균형을 맞추는 엄격한 절차를 따른다고 밝혔다.

Andrew Dai 전 Google 연구원은 모델들에게 보드게임을 해석하도록 요청한 뒤 시각 추론의 약점을 발견했다고 설명했다. 그는 그 아이디어를 추진할 만큼 충분한 내부 컴퓨팅 자원을 확보할 수 없었다는 결론을 내렸다.

Dai는 건축, 자동차 애플리케이션, 로보틱스 등의 분야를 위한 시각 추론에 집중하는 Elorian을 설립하기 위해 회사를 떠났다. 그의 경험은 컴퓨팅 자원 배분을 이 스타트업 서사의 핵심으로 만든다.

전 DeepMind 연구원 Ioannis Antonoglou와 Misha Laskin은 다른 길을 택했다. 이들은 강화학습이 다른 수준의 비중을 받을 만하다는 결론에 따라 ReflectionAI를 설립했다. 이 회사는 오픈 환경에서 개발되는 모델에 집중한다.

Anna Goldie 역시 Azalia Mirhoseini와 함께 Ricursive Intelligence를 공동 창업하기 위해 DeepMind를 떠났다. Goldie는 외부에서 확보할 수 있는 컴퓨팅 자원이 Google 내부에서 제안받은 것보다 유리했다고 말했다. 보도에 따르면 그의 스타트업은 최근의 퇴사 물결 이전에 상당한 자금을 조달했다.

이 사례들은 벤처캐피털이 어떻게 기업 인프라와 경쟁할 수 있는지를 보여준다. 자금 지원을 받은 스타트업은 여러 공급자로부터 용량을 조달하고 이를 하나의 가설에 집중할 수 있다. 전체 공급량은 여전히 더 적을 수 있지만, 우선순위는 창업자들이 결정한다.

그 자유에는 재무적 위험이 따른다. 컴퓨팅 관련 약정은 기업이 수요를 입증하기 전에 자본을 소진할 수 있다. 스타트업은 단일 클라우드 제공업체, 칩 파트너 또는 전략적 투자자에게 의존하게 될 수도 있다.

Google 내부에서는 연구자들이 수익성 있는 모회사의 인프라 비용을 함께 부담한다. 외부에서는 모든 실험이 스타트업의 생존 기간에 영향을 미친다. 독립성은 승인 절차의 단계를 없애지만 인프라 경제성에 직접 노출되는 부담을 더한다.

이러한 상충 관계는 투자자들이 왜 경험 많은 팀을 선호하는지 설명한다. 대규모 실험을 운영해 본 창업자들은 활용률, 평가, 실패 비용을 이해할 가능성이 높다. 이들은 원시적인 컴퓨팅 용량을 연구 판단의 대체재로 여길 가능성이 더 낮다.

또한 이는 범위를 좁게 정의한 기업이 왜 더 광범위한 연구소에 도전할 수 있는지도 설명한다. 시각 추론에만 집중하는 스타트업은 거의 모든 기술적 결정을 그 문제에 맞춰 내릴 수 있다. DeepMind는 Gemini, 과학 프로그램, 소비자 기능, 개발자 제품, 장기 연구 사이의 균형을 맞춰야 한다.

프로젝트에 유통망이 필요해지면 스타트업의 강점은 약해진다. Google은 Search, Android, Workspace, Cloud에 AI를 탑재할 수 있다. 신생 기업은 고객을 확보하고 자신이 통제하지 못하는 시스템과 통합해야 한다.

따라서 예상되는 경쟁은 단순히 작은 기업 대 큰 기업의 구도가 아니다. 집중된 통제와 통합된 규모의 경쟁이다. 스타트업은 인재와 자본을 집중할 수 있고, Google은 모델을 인프라 및 기존 수요와 연결할 수 있다.

이것이 Google DeepMind 인력 이탈을 이끄는 핵심 메커니즘이다. 연구자들이 반드시 외부 조직이 더 많은 총 컴퓨팅 자원을 보유해서 떠나는 것은 아니다. 일부는 스타트업 자금 조달이 이용 가능한 컴퓨팅 자원을 어떻게 활용할지에 대해 더 큰 권한을 주기 때문에 떠난다.

이 구분은 인재 유지 문제를 바꾼다. 직원이 연구 의제의 주도권을 원한다면 보상을 맞추는 것만으로는 충분하지 않을 수 있다. 연구자보다 여러 단계 위에서 정한 우선순위에 따라 접근 권한이 결정되는 상황이라면 칩을 더 제공하는 것 역시 효과가 없을 수 있다.

Google은 가장 중요한 AI 프로그램을 분열시키지 않으면서 얼마나 많은 자율성을 분산할 수 있을지 결정해야 한다. 투자자들은 이 회사가 가치 있는 모든 기술 방향을 수용할 수는 없을 것이라고 베팅하고 있다. DeepMind 출신들은 그 틈새에서 회사를 만들고 있다.

AI 인재 전쟁이 스타트업의 승리를 보장하지는 않는다

유명 연구소는 신뢰할 수 있는 창업자를 배출할 수 있지만, 벤처 투자 열기가 이들의 기업이 지속 가능한 제품을 만들지 여부까지 답해주지는 못한다.

낙관론은 인재 집중에서 출발한다. DeepMind는 큰 영향을 미친 시스템과 어려운 과학적 질문을 다뤄 온 연구자들을 한데 모았다. 이들이 소규모 팀을 꾸리면 대형 조직의 조정 비용 없이 움직일 수 있다.

회의론 역시 같은 사실에서 출발한다. 스타트업 투자자들은 알아보기 쉽다는 이유로 기관 경력을 과대평가할 수 있다. 잘 알려진 고용주는 제품 통찰력, 리더십 역량 또는 상업적 수요의 대리 지표가 될 수 있다.

이러한 특성들은 관련돼 있지만 서로 대체 가능한 것은 아니다. 과학자는 모델 연구에 뛰어날 수 있지만 고객 발굴, 채용, 영업 또는 운영 관리에는 흥미를 느끼지 못할 수 있다. 강력한 논문은 관심을 끌 수 있지만 유용한 제품의 존재를 입증하지는 못한다.

자본 환경은 이런 차이를 가릴 수 있다. 충분한 자금을 확보한 기업은 빠르게 채용하고, 인프라를 구매하며, 장기간 개발을 지속할 수 있다. 상업적 가설이 여전히 불확실한 경우에도 이런 진전은 인상적으로 보일 수 있다.

투자자들은 역선택에도 직면한다. 가장 주목받는 연구자들은 여러 기업과 유리한 조건을 협상할 수 있다. 벤처펀드는 접근권을 얻기 위해 높은 기업가치나 창업자 친화적 구조를 받아들일 수 있으며, 그만큼 실수의 여지는 줄어든다.

투자자 간 경쟁은 기업의 성급한 설립을 부추길 수 있다. 흥미로운 아이디어를 가진 연구자는 시장이 호의적이라는 이유로 즉시 자금을 조달해야 한다는 압박을 느낄 수 있다. 그러나 그 아이디어는 기존 기업 내 연구 프로젝트, 라이선싱 기회 또는 제품으로 추진하는 편이 더 나을 수도 있다.

기술적 중복은 또 다른 위험을 만든다. 과학 에이전트, 멀티모달 추론, 강화학습, 모델 해석은 모두 광범위한 범주다. 여러 팀이 서로 다른 방법론을 제시하면서도 제한된 동일 고객군을 추구할 수 있다.

AI 인재 전쟁은 숙련된 연구자의 공급을 반드시 늘리지 않은 채 전문성을 여러 기업으로 분산시킨다. 새 연구소마다 인프라 엔지니어, 평가 담당자, 제품 관리자, 안전 전문 인력이 필요하다. 빠른 기업 설립은 희소한 인력을 지나치게 많은 프로젝트에 분산시킬 수 있다.

Google의 입지는 퇴사 관련 헤드라인이 시사하는 것보다 강하다. 이 회사는 대규모 연구팀, 독자 인프라, 글로벌 제품, 광범위한 수익 기반을 유지하고 있다. 대체 인력을 채용하고, 스타트업을 인수하며, 전직 직원에게 투자하거나, 외부에서 개발된 아이디어를 채택할 수 있다.

Google은 기술 기업 간 인력 이동은 정상적이며 DeepMind의 미션에 부합하는 인재를 유치하는 데 계속 집중하고 있다고 밝혔다. 보도에 따르면 회사는 인재 유지 압력에 대응하기 위해 보상과 지분 보상을 활용하기도 했다.

이 대응은 맥락 속에서 봐야 한다. 직무 책임이 비슷하게 유지될 경우 보상은 직접 경쟁사로의 이직을 억제할 수 있다. 그러나 통제권, 소유권, 연구 문제를 선택할 기회를 제공하는 창업자 역할을 상대로는 영향력이 약하다.

퇴사는 조직적·경쟁적 압력도 뒤따른다. Noam Shazeer는 2026년 6월 Google을 떠나 OpenAI로 갔다. AlphaFold 관련 연구로 2024년 노벨 화학상을 공동 수상한 John Jumper는 Anthropic으로 떠났다.

보도에 따르면 Jonas Adler와 Alexander Pritzel 역시 Gemini에 기여한 뒤 Anthropic으로 향했다. 이 이동은 연구자들이 자체 대규모 컴퓨팅 프로그램을 보유한 기존 경쟁사에 합류했다는 점에서 스타트업 설립과 다르다.

이는 Google에 두 가지 별개의 위협을 만든다. 경쟁 연구소는 인력을 흡수해 그 전문성을 즉시 활용할 수 있다. 새 스타트업은 성숙하는 데 더 오랜 시간이 걸리지만, 이후 Google과 경쟁할 기술 범주를 열 수 있다.

어느 위협도 DeepMind가 붕괴하고 있음을 증명하지는 않는다. 직원 수만으로는 연구 조직의 건전성을 측정할 수 없다. 퇴사의 중요성은 해당 인물의 역할, 팀 의존성, 대체 계획, 진행 중인 연구에 대한 접근권에 따라 달라진다.

공개 보도는 또한 인지도가 높은 인물을 우선시한다. 덜 눈에 띄는 연구자들이 헤드라인에 등장하지 않은 채 핵심 프로젝트를 맡고 있을 수 있다. Google은 여러 저명 인사의 퇴사 이후에도 중요한 시스템을 계속 만들어낼 수 있다.

따라서 Google DeepMind 인력 이탈이라는 표현은 연구소가 비었다는 주장이 아니라 문서화된 퇴사 집중 현상을 가리켜야 한다. 현재 확보된 증거는 심각한 인재 유지 및 자율성 문제를 뒷받침한다. 그러나 돌이킬 수 없는 쇠퇴를 입증하지는 않는다.

같은 주의는 스타트업 기회에도 적용된다. 9월 조찬 모임은 의미 있는 신호이지만, 자금 조달을 마친 기업들의 포트폴리오는 아니다. 참석자들은 자금 조달에 관한 아이디어를 교환한 것으로 전해진다. 이들의 계획, 팀 구조, 제품은 여전히 불분명하다.

가장 강한 결론은 더 좁다. DeepMind 동문 네트워크는 그 자체로 투자 가능한 대상이 됐다. 벤처캐피털리스트들은 이제 이 네트워크를 창업자, 기술 가설, 채용 경쟁력의 원천으로 본다.

이 네트워크가 차세대 주요 AI 플랫폼을 만들어낼지는 실행력에 달려 있다. 최종 승자는 컴퓨팅 자원을 낭비 없이 확보하고, 연구를 신뢰할 수 있는 제품으로 전환하며, 자본 우위가 사라지기 전에 고객을 찾아야 한다.

VC의 베팅이 성공하는지 보여줄 세 가지 신호

다음 단계는 또 다른 퇴사 헤드라인이 아니라 기업 설립, 기술 검증, 고객 도입으로 평가될 것이다.

첫 번째 신호는 실제로 출시되는 스타트업의 수와 질이다. 투자자들은 보도된 런던 네트워크의 참가자들이 공동 창업자를 공개하고 구체적인 미션을 가진 회사를 발표하는지 지켜봐야 한다.

신뢰할 수 있는 출범에는 스텔스 웹사이트와 화려한 이력 이상의 것이 필요하다. 어떤 문제를 해결하는지, 팀이 왜 특별한 통찰력을 지녔는지, 어떤 기술적 가정이 기존 연구소와 접근법을 구분하는지를 설명해야 한다.

자금 조달 발표는 어떤 가설이 확신을 얻는지 드러낼 것이다. 투자자 신디케이트 역시 중요하다. 클라우드 제공업체와 기업 투자자는 인프라 관계를 제공할 수 있고, 전문 펀드는 기술팀 채용을 지원할 수 있다.

반대의 결과는 열풍 서사를 약화시킬 것이다. 논의가 소수의 기업만 낳는다면, 그 조찬 모임은 조직적 이동이 아니라 호기심을 보여준 것일 수 있다. 많은 팀이 차별화된 미션 없이 출범한다면 자본은 통찰력이 아니라 소속 경력을 좇고 있을 수 있다.

두 번째 신호는 기술 검증이다. Discovery Loop와 다른 동문 주도 기업들은 집중된 조직이 대형 연구소가 간과했거나 우선순위를 낮춘 성과를 달성할 수 있음을 보여야 한다.

과학 AI의 경우 검증은 벤치마크 향상만이 아니라 유용한 실험 결과를 포함해야 한다. 시각 추론의 경우 공간 이해가 실제 의사결정에 영향을 미치는 환경에서 신뢰할 수 있는 성능을 보여야 한다. 모델 연구의 경우 외부 평가는 진정한 발전과 좁은 범위의 시연을 구분해야 한다.

이러한 증거가 하나의 극적인 모델 출시 형태로 나올 필요는 없다. 연구 논문, 재현 가능한 평가, 신뢰할 만한 파트너십 또는 사용자가 계속 찾는 시스템을 통해 나타날 수 있다.

검증이 부족하면 회의론을 강화할 것이다. 이는 Google의 더 광범위한 시스템 없이는 인재와 컴퓨팅 자원에 대한 접근만으로 충분하지 않았음을 시사할 수 있다. 또한 소외된 연구 방향이 근본적인 이유로 어려웠음을 보여줄 수도 있다.

세 번째 신호는 초기 제품이 지속적인 사용자를 확보하는지 여부다. 기술 시연은 투자자를 끌어들일 수 있지만, 도입 여부가 스타트업이 사업이 되는지를 결정한다.

기업 구매자는 배포 비용, 신뢰성, 데이터 처리, 통합 요구사항을 살펴봐야 한다. 개발자는 새 시스템이 실제 업무 흐름을 개선하는 인터페이스와 도구를 제공하는지 확인해야 한다. 연구자는 주장된 발전이 선별된 사례 밖에서도 재현 가능한지 검토해야 한다.

고객 도입은 DeepMind 내부 제약이 상업적 기회를 탐색하지 못하게 했다는 주장을 강화할 것이다. 이는 소규모 팀이 집중된 자원을 활용해 대형 연구소가 우선시하지 않았던 시장에 서비스를 제공했음을 보여줄 것이다.

채택이 미약하다면 다른 결론에 이르게 될 것이다. 이들 스타트업은 가치 있는 연구 조직이나 인수 대상로 남을 수 있지만, 아직 독립적인 플랫폼 기업을 의미하지는 않을 것이다.

Google의 대응은 이 세 가지 신호를 모두 연결할 것이다. Alphabet은 퇴사자 창업 기업에 투자하거나, 내부 자율성을 확대하고, 컴퓨팅 자원 배분을 바꾸거나, 전략적으로 중요해진 기술을 보유한 회사를 인수할 수 있다.

또한 성공한 스타트업에 대응하기 위해 자사 유통력을 활용할 수도 있다. 퇴사자 출신 기업이 새로운 기능에 대한 수요를 입증하면, Google은 Gemini 또는 다른 제품에 경쟁 기능을 통합할 수 있다. 이러한 대응은 시장을 검증하는 동시에 해당 스타트업에 대한 압박을 높일 것이다.

OpenAI와 Anthropic 역시 결과에 영향을 미칠 것이다. 두 회사 모두 DeepMind 연구자들이 창업자가 되기 전에 영입할 수 있다. 또한 이미 구축된 인프라와 상업적 관계를 바탕으로 유사한 기술 분야를 공략할 수도 있다.

따라서 Google DeepMind의 인력 이탈은 AI 혁신이 어떻게 조직되는지를 시험하는 사례가 되고 있다. 대형 연구소는 규모, 통합성, 재무적 안정성을 제공한다. 벤처 투자를 받은 기업은 집중된 권한과 소유권을 제공한다.

개발자, 엔터프라이즈 구매자, 지식 노동자에게 당장의 과제는 승자를 고르는 일이 아니다. 핵심은 어떤 팀이 최고 수준의 연구 경험을 통제된 데모를 넘어 실제로 작동하는 시스템으로 전환하는지 추적하는 것이다.

문제를 좁고 명확하게 정의하고, 근거를 공개하며, 반복 사용을 확보하는 창업자들을 주목하라. 이러한 신호는 DeepMind를 떠나는 인재들이 새로운 AI 중심지를 만들고 있는지, 아니면 그저 과열된 자금 조달 사이클을 형성하고 있는지를 보여줄 것이다.

보도된 아침 식사는 자금 조달에 관한 질문에서 시작됐다. 중요한 질문은 이 연구자들이 자금이 들어온 뒤 무엇을 만들어낼 수 있는가다.