메뉴
HN
Hacker News • 51일 전

지능은 세상을 바꾸는 주요 병목이 아니다

IMP
8/10
핵심 요약

최근 AI 실무자들 사이에서 AGI가 곧 현실의 모든 문제를 해결할 것이라는 맹신이 퍼지고 있지만, 저자는 현실 세계의 진정한 병목 현상은 순수한 '지능'이나 기술력이 아니라 규제와 정치적 의지에 있음을 지적합니다. 특히 의료 및 신약 개발 분야에서는 AI가 연구를 가속화하더라도 엄격한 임상시험과 인허가 규제가 진보를 가로막는 핵심 요소로 작용합니다. 따라서 AI가 인류의 실질적인 문제를 해결하려면 막대한 자본과 지능 외에도, 제도적 장벽을 해결하려는 명확한 고민과 접근이 필수적입니다.

번역된 본문

지능은 주요 병목이 아니다 순진한 햄스터의 고백: 왜 방 안에서 가장 똑똑한 사람들은 현실 세계에서 지능이 종종 주요 병목이 아니라는 사실을 자꾸 간과하는가 Ruxandra Teslo, 2026년 7월 21일

편집자 주: 오해를 피하기 위해 말하자면, 내가 샌프란시스코(SF) 테크 씬의 모든 사람, 아니 다수가 이렇게 생각한다고 말하는 것은 아니다. 하지만 분명 이렇게 생각하는 사람들이 존재한다(예를 들어, 글의 첫 대화는 실제 그대로다). 이 글은 담론과 정책 입안에서 불균형적으로 큰 영향력을 행사하는 특정 핵심 씬의 시각에 대해 다룬다.

최근 열린 어느 만찬 자리에서, 한 AI 연구소의 직원이 내가 왜 이 일을 하는지, 즉 왜 의학 발전을 가로막는 규제 병목 현상에 대해 글을 쓰고, 왜 임상시험 관련 정책에 시간을 투자하는지 매우 직설적으로 물었다. 그는 나를 불쌍하다는 듯한 표정으로 바라보았다.

나는 내가 믿는 바를 말해주었다. AI 시대에 의학은 어느 때보다 규제와 지루한 임상시험 과정에 의해 병목 현상을 겪게 될 것이며, 매력적이지는 않더라도 전임상 연구를 가속하는 데 쏟아부은 수십억 달러의 자금만으로는 이 문제를 건드릴 수 없을 것이라고. 나는 주택 문제를 예로 들었다. 우리는 수십 년 전부터 더 나은 주택을 지을 기술을 보유하고 있었지만, 주택 문제는 순수한 기술적 역량이 아니라 정치적 의지의 문제이기 때문에 지금 그 어느 때보다 비싸졌다.

Ruxandra의 Substack은 독자의 지지로 운영됩니다. 새로운 글을 받아보고 제 작업을 응원하고 싶으시다면 무료 또는 유료 구독자가 되어주세요. 구독하기.

그는 황당하다는 듯 나를 쳐다보았다. 나 같은 똑똑한 사람이라면 AI, 아니 차라리 범용 인공지능(AGI)이 곧 초설득력(Hyperpersuasive)을 갖게 될 것임을 알아야 하지 않느냐며. 그는 이미 여러 벤치마크에서 AI가 전문 토론자들을 설득력 면에서 능가하고 있다고 말했다.

나는 "음..." 하고 대답했다. 그는 "그렇지, 그렇지"라고 맞장구를 쳤는데, AI 연구소 직원이 아닌 범인(凡人)들인 내가 제대로 이해할 수 없는 심오한 진리를 자신은 깊이 알고 있다는 뉘앙스를 풍겼다. 그리고는 다시 그 불쌍하다는 듯한 시선으로 나를 바라보았다. 마치 당장 도살될 처지에 놓인, 지능은 약간 떨어지지만 귀여운 동물을 바라보듯이.

그날 밤 나는 잠을 이루지 못하고 뒤척이며, 내 삶에 도대체 무슨 의미가 있는지, 내가 내린 모든 결정이 어떤 식으로든 실수였던 것은 아닌지 생각했다. 내가 무엇을 더 잘할 수 있었을까? 하지만 해가 뜨자, 나는 다시 같은 생각으로 돌아왔다. AI가 아무리 '지능적'이 된다 하더라도, 현실 세계에서 사물이 변화하는 데 있어 지능은 종종 주요 병목이 아니라는 것을 말이다.

특권적인 정보에 접근할 수 있고 나보다 똑똑한 사람들이 그렇지 않다고 계속 주장할 때, 이 확신을 지키기란 쉽지 않다. 어쩌면 이 모든 것은 도살을 기다리는 순진한 햄스터의 자기 위안(Cope)에 불과할 수도 있다. 그럼에도 불구하고 나는 내 신념을 고수할 것이다.

이 연구소 사람들은 한때 미친 것처럼 보였던 아이디어에 베팅하여 막대한 부를 축적했기 때문에, 세상 사람들은 이제 그들이 말하는 거의 모든 것을 맹신한다. 나는 그것이 실수라고 생각한다.

우리가 문제를 명확하게 고민하지 않는 한, AI가 의학을 포함해 대부분의 사람들이 실제로 신경 쓰는 문제들을 해결할 것이라는 보장은 없다. 그리고 적어도 지금 당장으로서는 우리가 그렇게 하고 있다거나, 그럴 만큼 충분히 하고 있다고는 믿지 않는다.

나의 주장은 단순하며, 두 가지 방향에서 비롯된다. 하나는 샌프란시스코의 사회적 역학, 그리고 그곳의 사람들이 이 모든 것에 대해 이야기하는 방식에서 내가 관찰한 것이다. 다른 하나는 내가 우연히 조금 알게 된 분야인 의학에서 내가 발견한 것이다.

AI와 의학 AI의 위험성을 정당화하기 위해 가장 흔히 언급되는 약속 중 하나는 AI가 "질병을 치료할 것"이라는 것이다. 주요 AI 연구소의 CEO들은 모두 이 말을 하고, 투자자들도 동의하는 듯하다. AI 스토리가 결합된 모든 바이오텍 스타트업은 놀라운 밸류에이션을 받는 반면, 전통적인 바이오텍들은 자금 조달에 어려움을 겪으며 사라지고 있다.

하지만 내가 오랫동안 주장해 왔듯이, 이 모든 사업체는 본질적으로 '지능'과는 거의 관련이 없는 수많은 요인들에 의해 병목 현상을 겪고 있으며, 이러한 사실이 자주 간과되는 정도는 참으로 기이하다.

과학의 발전을 '지능'의 대략적인 척도로 간주하고, 과학적 진보가 그 자체만으로 발전의 병목을 해결하는지 묻는다면, 그 증거는 우리 주변에 널려 있다. '에룸의 법칙(Eroom's Law)'을 예로 들어보자. 이 법칙은 연구개발(R&D)에 투자되는 달러당 승인되는 신약의 수가 지속적으로 감소하고 있음을 보여준다.

원문 보기
원문 보기 (영어)
Intelligence is not the main bottleneck Confessions of a naive hamster: why the smartest people in the room keep missing that intelligence is often not the main bottleneck in the real world Ruxandra Teslo Jul 21, 2026 542 103 124 Share Edit: To be clear, I'm not saying everyone or even a majority of people in the SF tech scene think this way. But some certainly do (e.g. the opening conversation is verbatim) and this post is about a particular core scene whose views carry disproportionate weight in the discourse and in policymaking. At a recent dinner, someone from an AI lab asked me, quite bluntly , why I do what I do — why I write about the regulatory bottlenecks to medical progress, why I spend my time on policies related to clinical trials. He looked at me with something best summarized as pity. I told him what I believe: that in the age of AI, medicine will be bottlenecked more than ever by regulation and the grind of clinical trials, and that billions poured into faster pre-clinical research won’t touch that problem, unsexy as it is. I brought up housing: we’ve had the technology to build better housing for decades, yet it’s more expensive than ever, because housing is a question of political will, not pure capability. Ruxandra's Substack is a reader-supported publication. To receive new posts and support my work, consider becoming a free or paid subscriber. Subscribe He looked at me incredulously. Surely, a smart person like me should know that AI, or better said, AGI will be hyperpersuasive soon – already on a bunch of benchmarks it exceeds professional debaters at persuasion. I said, “Hmm.” He said, “Yes, yes”, with the undertone of a man who knows things deeply, things that mere mortals like me, not being AI lab employees, are simply not well placed to grasp. And he looked at me again with that sense of pity, the way one looks at a slightly mentally impaired but cute animal awaiting its imminent slaughter. That night I lay awake, twisting and turning, wondering whether my life had any point at all. Whether every decision I’d ever made had been, in some way, a mistake. What could I have done better? But as the sun came up, I found my way back to the same thought: no matter how “intelligent” AI becomes, intelligence is often not the main bottleneck to things changing in the real world. It is hard to hold on to that conviction when people smarter than you, with access to privileged information, insist otherwise. After all, this could all just be “cope” from the naive hamster awaiting its slaughter. But, I shall nonetheless stick to my beliefs. Because the people at these labs made fortunes betting on ideas that once looked insane, the world now takes nearly everything they say on faith. That, I think, is a mistake. It is not a given that AI will solve the problems most people actually care about, including medicine, unless we think about those problems clearly. And at the moment, I don’t believe we are or at least, not to the extent that we could. My case is simple, and it comes from two directions. One is what I observe in the social dynamics of San Francisco, and in how people there talk about all this. The other is what I notice in a field I happen to know something about: medicine. AI and medicine One of the promises most often invoked to justify AI’s risks is that it will “cure disease.” Every major AI lab CEO says it , and investors seems to agree: any biotech startup with an AI story attached commands an impressive valuation, even as more conventional biotechs struggle for funding and die. But this whole enterprise, as I have long argued, is bottlenecked by many things that have little to do with “intelligence” as such, and the degree to which that often goes unacknowledged is strange to watch. The evidence is everywhere, if you treat scientific advancement as a rough proxy for intelligence and ask whether it alone unblocks progress. Take Eroom’s Law : the number of new drugs approved per dollar of R&D has fallen for decades, even as our scientific tools have grown vastly more powerful, the exact opposite of what the existence of more raw capability would predict. Or take a company like Adaptimmune, which has brought two transformative therapies to market in rare cancers and is nonetheless fighting to stay alive , due to the cost of developing them. Or one can listen to the scientists behind “baby KJ,” the infant saved by a bespoke gene-editing therapy: they have everything they need scientifically and still cannot easily repeat it for the next child, because manufacturing costs, driven in part by regulatory requirements, stand in the way. In biopharma specifically, one great bottleneck is clinical trials (I know I keep banging on about this), which today consume something like seven years and cost more than a billion dollars per drug. And trials are not a mere formality. They generate precisely the kind of data that would train better models in the first place: human data, which is ultimately irreplaceable . We have extensive evidence faster clinical trials are important for biomedical innovation, both directly and indirectly, through second-order effects (like increasing the risk appetite of those working in the industry and helping better align incentive through fast feedback loops). This ranges from robust economic papers showing shorter trials massively boost investment in a disease area, all else equal, to the natural experiment of China. China is threatening to race ahead of US in biotech, with Chinese biotechs encompassing more than a half of big Western pharma licensing deals. A mere decade ago, this percentage was zero. This transformation happened while China remains worse in terms of basic science, mostly due to regulatory reforms that allow faster iterative learning using in-human data 1 . Trials themselves can be made shorter, more informative and better, including with AI. One area I am particularly bullish on is surrogate endpoints and biomarkers , where AI could turn discrete, coarse readouts of whether a drug is working into fast, continuous ones. This would in turn optimize trials immensely. For some indications, the gain could be as high as 10x faster and cheaper trials if the right surrogates are found. And this is not even considering the benefits of simply optimizing the trials without necessarily shortening them: imagine having the right biomarker that tells you whether a therapy is working early enough. But even here the binding constraint is not entirely intelligence. Quite often, it is governance. I keep talking to companies trying to build exactly these biomarkers, and what they run into, again and again, is how hard it is to access the underlying data. Some have been waiting for a year for the NIH to release imaging datasets they can use to produce better biomarkers. If one needs to interact with the FDA to get their endpoint validated, it is even worse: I have previously written about how the validation of Bone Mineral Density (BMD) for use as a surrogate endpoint in osteoporosis trials took 12 years (!), despite the fact that the data to support it already existed in full and the analyses done were basically regressions. When people in the AI sphere do engage with regulation and governance in medicine, it often seems to happen in a rather superficial way. I have seen many times that argument that because most drugs fail for lack of efficacy, regulation can’t explain much of the slow-down in medical progress compared to basic science that we have witnessed in the last decades: after all, approving more inefficacious drugs won’t help. This analysis sounds superficially true, but it’s not. As I keep saying, when people talk about the importance of regulation in slowing down biomedical progress, they rarely mean the approval decision at the end. It is about the entire process upstream: how easily human data can be collected, and then how easily, once collected, it can actually be used. I know most about clini