Claude를 만든 Anthropic의 OpenAI 출신 창업진
GPT를 만들던 사람들이 GPT의 가장 강력한 경쟁자를 만든 이유
#1Claude를 만든 사람들은 원래 GPT를 만들던 사람들이었다. 그것도 옆자리에서 구경하던 사람들이 아니었다. 는 OpenAI의 연구 부사장이었고 GPT-2와 GPT-3 개발을 이끈 핵심 연구자였다. 인간의 선호를 이용해 AI를 훈련하는 RLHF의 초기 연구에도 깊이 관여했다. 은 GPT-3를 세상에 알린 논문의 제1저자였다.
#2그런 사람들이 2020년 말부터 OpenAI를 떠나기 시작했다. 다리오와 그의 여동생 , 그리고 Tom Brown, , , , 등 핵심 인력들이 모여 2021년 Anthropic을 세웠다.
#3그리고 몇 년 뒤 이들이 만든 Claude는 GPT의 가장 강력한 경쟁자 가운데 하나가 된다.
#4이상한 이야기다. 자기가 만들던 제품의 경쟁사를 차린 정도가 아니다. GPT 시대를 여는 데 참여했던 사람들이 어느 순간 자신들이 만들고 있던 기술의 미래에 대해 다른 답을 내놓기로 한 것이다.
#5대체 OpenAI 안에서 무엇을 보았기에?
#6다리오 아모데이의 출발점부터 조금 이상하다. 그는 원래 컴퓨터공학자가 아니라 생물물리학자였다. 프린스턴에서 신경회로의 집단적 행동을 연구해 박사학위를 받았고 스탠퍼드 의대에서 박사후연구를 했다. 인간의 생물학적 시스템을 연구하던 사람이었다.
#7그러다 Google Brain으로 향했다. 그리고 2016년 OpenAI에 합류했다.
#8여기서 그의 인생이 완전히 바뀐다. 다리오는 대규모 신경망이 커질수록 어떤 일이 벌어지는지 연구했고, GPT-2와 GPT-3 개발을 이끄는 위치까지 올라갔다. 훗날 ChatGPT 같은 대화형 AI의 핵심 기술이 되는 인간 피드백 기반 강화학습 연구에도 참여했다.
#9그러니까 그는 밖에서 GPT의 위험성을 논평하던 사람이 아니었다. 직접 만들던 사람이었다.
#10그리고 바로 그렇기 때문에 다른 질문을 하기 시작했다. 모델을 계속 크게 만들면 어디까지 갈까?
#11여기서 또 예상 밖의 인물이 등장한다. 다리오의 여동생 다니엘라 아모데이다.
#12오빠가 생물물리학 박사라면 동생도 당연히 비슷한 공대 엘리트 코스를 걸었을 것 같지만 그렇지 않다.
#13다니엘라는 문학을 공부했다. 졸업 뒤에는 국제개발과 글로벌 헬스 분야에서 일했고 미국 정치권과 선거 캠페인도 경험했다. 이후 당시 아직 작은 스타트업이었던 에 합류했고, 2018년 OpenAI로 옮겼다. OpenAI에서는 조직 운영과 안전·정책 영역을 담당했다.
#14남매의 경력은 묘하게 반대였다. 오빠는 모델을 연구했다. 동생은 사람과 조직을 다뤘다.
#15오빠는 AI가 얼마나 강력해질 수 있는지를 가까이에서 봤고, 동생은 그런 AI를 만드는 조직이 어떤 판단을 내려야 하는지를 가까이에서 봤다.
#16그리고 두 사람이 결국 같은 결론에 도달했다. 밖에서 한번 해보자.
#17이게 남매 둘의 충동적인 창업이었다면 이야기는 조금 달랐을 것이다. 하지만 함께 움직인 사람들의 면면이 심상치 않았다.
#18Tom Brown은 GPT-3 논문의 제1저자였다. Jared Kaplan과 Sam McCandlish는 대규모 AI의 스케일링 연구에 깊이 관여했다. Jack Clark는 OpenAI에서 정책을 담당했다.
#19Chris Olah는 조금 더 특이했다. 그의 관심사는 단순히 AI의 점수를 높이는 것이 아니었다.
#20"근데 얘 머릿속에서는 대체 무슨 일이 일어나고 있지?" 신경망 내부를 뜯어보고 왜 그런 결과가 나왔는지를 이해하려는 interpretability 연구자였다.
#21보통 사람은 Claude에게 프랑스 수도를 물어보고 "파리"라고 답하면 끝난다.
#22이 사람들은 그다음 질문을 한다. "방금 어디서 파리를 생각한 거지?"
#23일종의 AI 뇌 MRI를 찍으려는 사람들이다. 이런 사람들이 한곳에 모였다는 사실을 보면 Anthropic이 처음부터 무엇을 하려고 했는지가 조금씩 보인다.
#24단순히 더 똑똑한 AI를 만드는 것만으로는 충분하지 않다고 생각했다. 그 AI가 왜 그렇게 행동하는지 이해하고, 인간이 원하는 방향으로 움직이게 만들고, 능력이 커질수록 어떤 위험이 생기는지도 함께 연구하고 싶었다.
#25여기서는 이야기를 지나치게 드라마로 만들면 안 된다. "다리오와 Sam Altman이 싸웠다" 같은 한 줄짜리 설명으로 Anthropic의 탄생을 정리할 만큼 공개적으로 확인된 이야기는 단순하지 않다.
#26확실한 것은 방향에 대한 차이가 있었다는 점이다. OpenAI는 GPT-3를 만든 뒤 API를 출시하며 연구 결과를 실제 제품과 사업으로 빠르게 연결하기 시작했다. 반면 다리오를 비롯해 회사를 떠난 사람들은 강력한 AI의 능력과 안전을 함께 연구하는 새로운 조직을 만들기로 했다.
#27OpenAI 역시 AI 안전을 중요하게 다뤘다. 차이는 "한쪽은 안전하고 한쪽은 위험하다"처럼 간단하지 않았다.
#28더 중요한 질문은 강력해지는 AI를 어떤 조직에서, 어떤 속도로, 어떤 방식으로 연구하고 세상에 내놓을 것인가였다.
#29Anthropic은 처음부터 자신들을 AI 안전 및 연구 회사라고 소개했다.
#302021년 첫 대규모 투자를 발표했을 때 내세운 목표 역시 대규모 AI를 더 신뢰할 수 있고, 해석할 수 있고, 인간이 원하는 방향으로 조종할 수 있게 만드는 것이었다.
#31그런데 회사를 세우고 보니 현실적인 문제가 하나 있었다. 안전한 AI를 연구하는 데도 돈이 엄청나게 든다는 것이다.
#32AI 안전을 연구한다고 하면 연구자들이 화이트보드 앞에서 심각하게 토론하는 장면이 떠오른다.
#33물론 그것도 필요하다. 철학도 필요하다. 수학도 필요하다. 세계적인 연구자도 필요하다.
#34그리고 하나가 더 필요하다. 상상을 초월하는 컴퓨팅 비용이다. 최첨단 AI가 위험한지 알아보려면 작은 장난감 모델만 연구해서는 부족하다. 실제로 최첨단에 가까운 모델을 훈련해봐야 한다.
#352021년 Anthropic은 1억2,400만 달러를 조달했다. 2022년에는 다시 5억8,000만 달러를 조달했다.
#36그런데 이 두 번째 투자 라운드를 이끈 사람이 였다.
#37암호화폐 거래소 의 창업자다. 몇 달 뒤 FTX가 붕괴했다. 미래에 발생할지 모르는 AI 위험을 연구하려고 만든 회사가 창업 초기에 만난 거대한 위험은 AI가 아니었다.
#38투자자가 먼저 폭발했다. Anthropic의 잘못은 아니었지만 FTX 파산 절차에서 Anthropic 지분은 채권자들에게 돌려줄 자산 가운데 하나가 됐다.
#39그런데 Anthropic에는 곧 이것보다 훨씬 큰 문제가 찾아왔다. 옆집에서 무언가가 출시됐다.
#402022년 11월 30일. OpenAI가 를 공개했다.
#41세상이 바뀌었다. Anthropic 역시 이미 대화형 AI를 개발하고 있었다. 하지만 강력한 모델을 어떻게 안전하게 배포할지 신중하게 접근하고 있었다.
#42이제 상황이 이상해졌다. 안전을 중요하게 생각해서 천천히 움직이면 경쟁에서 밀릴 수 있다. 그렇다고 경쟁 때문에 무작정 빨리 움직이면 애초에 회사를 만든 이유가 흔들린다.
#43보통 스타트업은 제품을 만들면 걱정한다. "아무도 안 쓰면 어떡하지?" Anthropic의 걱정은 조금 달랐다.
#44"이게 너무 강력해지면 어떡하지?" 그런 고민을 하는 사이 경쟁사의 제품에는 사람들이 몰려들고 있었다.
#45회의를 조금 더 길게 하기에는 세상이 너무 빨리 움직이기 시작했다.
#46Anthropic이 내놓은 대표적인 답 가운데 하나가 였다.
#47기존의 AI 훈련에서는 사람이 모델의 여러 답변을 평가하고 더 바람직한 답을 알려주는 인간 피드백이 중요했다.
#48Anthropic은 여기에 다른 아이디어를 더했다. AI에게 일정한 원칙을 주고 그 원칙에 따라 자신의 답변을 비평하고 수정하도록 훈련하는 것이다.
#49쉽게 말하면 이랬다. AI에게 헌법을 줬다. 인간에게도 잘 안 되는 방법을 AI에게 시도한 셈이다.
#50"원칙을 읽고 스스로 반성해." 물론 실제 Constitutional AI는 헌법 파일 하나를 모델에게 던져주는 것보다 훨씬 복잡한 훈련 방식이다. 하지만 핵심 철학은 Anthropic이라는 회사를 잘 보여준다.
#51강력한 모델을 만든 뒤 문제가 생길 때마다 밖에서 막는 것만으로는 부족하다.
#52모델이 행동하는 방식 자체에 원칙을 집어넣을 수 있을까? 그 질문에서 Claude가 만들어졌다.
#53Claude가 공개되면서 Anthropic은 이상한 위치에 놓였다. 이 회사는 AI 능력 경쟁이 위험해질 가능성을 가장 강하게 이야기하는 기업 가운데 하나였다.
#54그런데 자신들이 살아남으려면 더 좋은 AI를 만들어야 했다. 여기서 Anthropic을 가장 쉽게 이해할 수 있는 비유가 있다.
#55브레이크를 연구하는 F1 팀이다. "속도 경쟁은 위험합니다." 맞는 말이다.
#56그런데 자기 자동차가 시속 30km밖에 못 내면 세계 최고의 F1 팀은 그 브레이크를 사용하지 않는다.
#57최첨단 AI에 안전 기술을 적용하려면 자신들의 AI 역시 최첨단에 있어야 했다.
#58그래서 브레이크를 가장 걱정하던 사람들이 액셀도 끝까지 밟기 시작했다. Claude 2가 나왔다. Claude 3가 나왔다. Opus와 Sonnet이 등장했다.
#59Claude는 어느 순간 "안전을 중시하는 특이한 챗봇"이 아니라 GPT와 성능을 정면으로 겨루는 모델이 됐다.
#60문제는 액셀을 밟을수록 돈이 더 필요했다는 것이다. AI 모델은 거대해졌고 훈련과 서비스에 필요한 컴퓨팅 자원도 폭발적으로 늘어났다.
#61그리고 과 이 등장했다. 두 회사는 Anthropic에 막대한 자금을 투자하고 컴퓨팅 인프라를 제공하는 핵심 파트너가 됐다.
#62여기에는 Anthropic이라는 회사의 가장 재미있는 역설이 숨어 있다.
#63AI 군비경쟁을 걱정해서 만들어진 회사가, AI 군비경쟁에서 살아남기 위해, 세계에서 가장 거대한 기술기업들의 돈과 데이터센터를 사용하기 시작했다.
#64하지만 Anthropic 입장에서는 논리가 있었다. 최첨단에서 밀려난 안전 연구소가 아무리 좋은 논문을 써도 세계에서 가장 강력한 AI가 그 기술을 사용한다는 보장은 없다.
#65그러니 경쟁해야 했다. 경쟁하지 않는 것이 아니라, 경쟁의 방향을 바꾸겠다는 것.
#66이게 Anthropic이 선택한 길이었다.
#67Anthropic을 처음 유명하게 만든 단어는 'AI 안전'이었다. 몇 년 뒤 사람들이 Anthropic을 이야기하는 또 다른 이유가 생겼다.
#68코딩을 너무 잘했다. Claude 3.5 Sonnet 이후 코딩 능력이 특히 주목받기 시작했고, 결국 2025년 가 일반 공개됐다.
#69Claude Code는 단순히 채팅창에서 코드를 알려주는 서비스가 아니었다.
#70개발자의 프로젝트를 읽고, 파일을 수정하고, 명령을 실행하고, 테스트하면서 실제 작업 과정에 들어가는 agentic coding 도구였다.
#71반응은 폭발적이었다. 일반 공개 약 6개월 만인 2025년 11월 Claude Code의 연환산 매출은 10억 달러에 도달했다. 2026년 초에는 25억 달러를 넘어섰고 사용량도 빠르게 증가했다.
#72처음 Anthropic이 던졌던 질문을 생각하면 묘한 결말이었다. "AI가 너무 강력해지면 어떻게 하지?"
#73몇 년 뒤 그 질문에는 조금 곤란한 문제가 생겼다. 자기들이 만든 AI가 정말 강력해지고 있었다.
#74변화는 코딩에서 끝나지 않았다. Claude Code와 Cowork 같은 제품이 성장하면서 Claude 사용 방식 자체가 달라졌다.
#75예전에는 사람이 질문한다. AI가 답한다. 이게 기본이었다. 이제는 사람이 목표를 준다. AI가 여러 단계를 거쳐 도구를 사용하며 작업한다.
#76Anthropic의 2026년 자체 분석에서도 Claude 사용은 단순한 대화에서 장시간 이어지는 agentic task 쪽으로 이동하고 있었다.
#77이 차이는 엄청나다. AI가 잘못된 답을 말하는 것과, AI가 잘못된 판단을 한 뒤 실제 도구를 사용해 행동하는 것은 같은 문제가 아니다.
#78그래서 Anthropic 내부에서도 모델이 실패할 확률만큼 실패했을 때 피해가 어디까지 번질 수 있는가가 중요한 문제가 됐다.
#79창업 당시에는 조금 철학적으로 들렸던 질문이 제품이 성공하면서 점점 현실적인 엔지니어링 문제가 되어버렸다.
#80그리고 회사의 규모 자체가 상상하기 어려운 수준으로 커졌다. 2026년 5월 Anthropic은 650억 달러 규모의 투자를 유치했고 투자 후 기업가치는 9,650억 달러로 평가됐다.
#81거의 1조 달러다. 같은 달 회사가 밝힌 연환산 매출은 470억 달러를 넘어섰다.
#822021년만 해도 Anthropic은 "신뢰할 수 있고 해석 가능한 AI를 연구하겠다"며 1억2,400만 달러를 투자받던 연구 중심의 스타트업이었다.
#835년 뒤에는 세계에서 가장 가치 있는 비상장 기술기업 가운데 하나가 됐다.
#84브레이크 연구팀이 F1에 참가한 정도가 아니었다. 우승 후보가 되어버렸다.
#85그러면 여기서 이상한 질문이 하나 생긴다. 다리오 아모데이는 왜 그렇게까지 강력한 AI를 만들려고 하는 걸까?
#86여기까지 읽으면 다리오를 AI 비관론자로 오해하기 쉽다. AI가 위험하다고 말한다. 안전장치가 필요하다고 말한다. 강력한 모델이 가져올 위험을 반복해서 경고한다.
#87그런데 그의 생각을 조금 더 깊게 들어가면 정반대의 모습이 나온다. 다리오는 AI가 제대로 발전했을 경우 인류가 엄청난 혜택을 얻을 수 있다고 믿는다.
#88특히 그가 오래 이야기해온 분야가 생물학과 의학이다. AI가 과학 연구를 크게 가속한다면 인간이 수십 년에 걸쳐 이뤄낼 의학적 진보를 훨씬 짧은 시간 안에 만들어낼 가능성이 있다는 것이다.
#89그리고 이 이야기는 그에게 단순한 미래 예측만은 아니다. 다리오와 다니엘라의 아버지 는 희귀질환으로 세상을 떠났다.
#90다리오는 훗날 "Machines of Loving Grace"에서 아버지의 죽음을 언급하며 AI가 생물학과 의학 발전을 가속할 수 있는 미래를 이야기했다.
#91그가 원하는 것은 AI가 없는 미래가 아니다. 오히려 정반대다. 지금이라면 너무 늦게 발견할 치료법을 더 빨리 찾아내고, 인간의 연구만으로는 오래 걸릴 발견을 앞당길 정도로 강력한 AI가 등장하는 미래다.
#92그는 그 미래를 원하기 때문에, 그곳까지 가는 길을 걱정한다.
#93그래서 처음의 F1 비유도 조금 달라진다. 브레이크를 만드는 사람은 자동차를 싫어하는 사람이 아니다.
#94어쩌면 누구보다 멀리 가고 싶은 사람일 수도 있다. Anthropic이 품고 있는 두 생각도 그렇다.
#95AI는 인간이 만들어본 가장 강력하고 유익한 기술 가운데 하나가 될 수 있다.
#96그리고 바로 그렇기 때문에 위험할 수도 있다. 둘 중 하나를 버리면 Anthropic의 이야기를 제대로 이해하기 어렵다.
#97이 회사는 AI를 멈추기 위해 만들어진 회사가 아니다. 엄청나게 강력한 AI가 올 것이라고 믿고, 그렇다면 그 AI를 만드는 과정부터 달라야 한다고 생각한 사람들이 만든 회사에 가깝다.
#982026년의 Anthropic을 보면 창업 당시의 문제의식이 더 이상 먼 미래 이야기가 아니다.
#99Claude는 사람과 대화하는 데서 멈추지 않는다. 코드를 작성하고, 파일을 수정하고, 도구를 사용하고, 여러 단계의 일을 수행한다.
#100Claude Code는 수십억 달러 규모의 사업이 됐다. Anthropic은 거의 1조 달러의 기업가치를 인정받았다.
#101그리고 이 모든 것을 만든 출발점에는 GPT를 직접 만들던 사람들이 있었다.
#102GPT의 능력이 어디까지 커질지 누구보다 가까이에서 지켜봤던 사람들이 그 미래를 걱정해 OpenAI를 나왔다.
#103그런데 그들이 선택한 해결책은 AI 개발을 멈추는 것이 아니었다. 자신들이 직접 세계에서 가장 강력한 AI 중 하나를 만드는 것이었다.
#104처음에는 브레이크를 걱정하는 사람들이 유난스러워 보였을지도 모른다. 그런데 몇 년이 지나고 보니 자동차가 정말 엄청나게 빨라졌다.
#105그래서 이제 질문은 조금 달라진다. "왜 저 사람들은 브레이크를 그렇게 걱정하지?"
#106가 아니다. "이 속도에서도 브레이크는 정말 작동할까?" 그리고 그 질문을 따라가다 보면 결국 다시 처음으로 돌아가게 된다.
#107GPT를 만들던 사람들은 대체 OpenAI에서 무엇을 보고, 무엇을 걱정했기에 함께 밖으로 나왔을까?