이 글은 Claude Opus 5 을 이용해 초안이 작성되었으며, 이후 퇴고를 거쳤습니다.

2026년 8월 5일, 한꺼번에 터진 두 개의 소식#

2026년 8월 5일, 순다르 피차이(Sundar Pichai)와 데미스 허사비스(Demis Hassabis)는 구글 공식 블로그에 「The next chapter of our AI momentum」이라는 공동 명의의 글을 올렸습니다. 내용은 두 가지였습니다.

하나는 허사비스가 Google DeepMind CEO 자리에서 물러나 Google DeepMind 의장 겸 알파벳 수석과학자(Chief Scientist of Alphabet) 로 옮긴다는 것이었습니다. 다른 하나는, 그 수석과학자 자리를 지금까지 지키고 있던 사람이 회사를 떠난다는 것이었습니다.

“After an incredible 27-year run, Jeff Dean is at a moment where he wants to try something new, and we’re excited to support him in that.”

— 순다르 피차이, blog.google

제프 딘(Jeff Dean)이 27년 만에 구글을 떠납니다. 혼자가 아니라 산자이 게마왓(Sanjay Ghemawat), 오리올 비냘스(Oriol Vinyals), 쿽 레(Quoc Le)와 함께입니다. 네 사람이 세운 회사의 이름은 Discovery Loop 입니다.

이 글에서는 세 가지를 다룹니다. 제프 딘이 어떤 사람인지, 구글에서 27년 동안 무엇을 만들었는지, 그리고 Discovery Loop 이 하겠다고 선언한 일이 무엇인지입니다.

1. 제프 딘이라는 사람#

제프 딘은 1968년생으로, 미네소타대학교에서 컴퓨터과학·경제학 학사(1990)를, 워싱턴대학교에서 컴퓨터과학 박사(1996)를 받았습니다. 구글에는 1999년 중반에 합류했고, 사번은 30번이었습니다. 회사 전체 인원이 25명 남짓이던 시절입니다.

그가 개발자 커뮤니티에서 갖는 위상을 보여 주는 일화가 있습니다. 2007년 만우절, 구글 엔지니어 켄턴 바다(Kenton Varda)가 당시 인터넷에서 유행하던 “척 노리스 사실(Chuck Norris Facts)” 을 패러디해 사내에 「Jeff Dean Facts」라는 사이트를 만들었습니다.

“제프 딘은 컴파일러에게 경고한다.”

“제프 딘은 어느 날 함수를 너무 최적화한 나머지 호출되기도 전에 반환하게 만들었고, 그래서 비동기 API 를 발명할 수밖에 없었다.”

바다는 익명으로 사내 메일을 뿌렸지만, 딘은 서버 로그를 뒤져서 작성자를 찾아냈다고 합니다. 농담으로 시작한 이 사이트는 프로그래머 밈이 되어 20년 가까이 살아남았습니다.

밈이 아니라 사실 쪽을 보자면, 딘과 게마왓은 구글에서 Senior Fellow 직급을 가진 유이한 두 사람이었습니다. 2018년 뉴요커에 실린 제임스 소머스(James Somers)의 「The Friendship That Made Google Huge」는 두 사람이 한 대의 화면 앞에 나란히 앉아 페어 프로그래밍으로 구글의 핵심 인프라를 짜 온 과정을 다룬 글입니다. 이번에 두 사람이 함께 나간 것은, 그 기사를 읽은 사람에게는 별로 놀랍지 않은 소식이기도 합니다.

2. 구글에서의 27년 (1) — 웹을 감당하는 인프라#

딘이 합류하던 시기의 구글은 “웹 전체를 색인한다” 는 목표와 “그걸 감당할 컴퓨터가 없다” 는 현실 사이에 끼어 있었습니다. 이 시기 그가 게마왓과 함께 만든 것들은, 지금 우리가 분산 시스템이라고 부르는 분야의 교과서 목차와 거의 일치합니다.

시스템 발표 무엇인가
검색 인덱싱·서빙 시스템 1999~ 구글 검색의 색인/서빙 스택을 다섯 세대에 걸쳐 재설계
Protocol Buffers ~2001 구조화 데이터 직렬화 포맷. 지금도 gRPC 의 기반
MapReduce OSDI 2004 수천 대의 평범한 서버에 대규모 배치 처리를 분산시키는 프로그래밍 모델
Bigtable OSDI 2006 페타바이트급 반정형 데이터 스토리지
LevelDB 2011 임베디드 키-값 스토어. RocksDB 등 수많은 파생 프로젝트의 조상
Spanner OSDI 2012 전 세계에 흩어진 노드 위에서 강한 일관성을 제공하는 분산 데이터베이스

이 목록의 파급력은 구글 밖에서 더 잘 보입니다. MapReduce 논문은 하둡(Hadoop)을 낳았고, Bigtable 논문은 HBase 와 카산드라(Cassandra) 계열 설계에 직접 영향을 주었으며, Spanner 는 CockroachDB·YugabyteDB 같은 “NewSQL” 흐름의 원형이 되었습니다. 2000년대 후반~2010년대 빅데이터 생태계의 상당 부분이, 구글이 내부 문제를 풀려고 쓴 논문 몇 편에서 갈라져 나왔습니다.

이 업적으로 딘과 게마왓은 2012년 ACM Prize in Computing 을 공동 수상했습니다. Spanner 는 2025년 ACM SIGMOD Systems Award 를 받았고, 딘의 논문 네 편이 SIGOPS Hall of Fame 에 올라 있습니다.

3. 구글에서의 27년 (2) — 딥러닝으로의 전환#

2011년, 딘은 앤드류 응(Andrew Ng), 그렉 코라도(Greg Corrado)와 함께 Google Brain 을 시작했습니다. 여기서부터 그의 경력은 인프라 엔지니어에서 AI 연구 리더로 넘어갑니다.

결과물 시기 딘의 관여
DistBelief 2012 수천 대 머신에 신경망 학습을 분산시킨 1세대 시스템
“고양이 뉴런” 논문 2012 대규모 비지도 학습으로 고수준 특징이 창발함을 보인 논문의 공저자
word2vec 2013 단어 임베딩. Mikolov·Chen·Corrado 와 공저
TensorFlow 2015 DistBelief 의 후계. 오픈소스로 공개되며 딥러닝 프레임워크 표준이 됨
Knowledge Distillation 2015 힌턴(Hinton)·비냘스와 함께 쓴, 모델 압축의 표준 기법
TPU 2015~ 신경망 전용 가속기. 추론 비용 구조를 바꿔 놓음
Sparsely-Gated MoE 2017 오늘날 프런티어 모델 대부분이 쓰는 mixture-of-experts 의 원형 논문 공저
Pathways / PaLM 2021~2022 대규모 멀티모달·희소 모델을 위한 차세대 학습 인프라와 그 위의 LLM
Gemini 2023~ 전체 기술 공동 리드(co-technical lead)

직책으로 보면 2018년 4월부터 2023년 4월까지 구글 AI 전체를 총괄했고, Google Brain 과 DeepMind 가 Google DeepMind 로 통합된 2023년 4월부터 이번 퇴사까지는 수석과학자(Chief Scientist) 였습니다.

여기까지의 이력을 한 문장으로 줄이면 이렇게 됩니다. 웹 스케일 인프라를 만든 사람이, 그 인프라 위에서 딥러닝을 돌릴 방법을 만들고, 다시 그 위에서 프런티어 모델을 만들었습니다. 칩부터 제품까지 전 계층을 실제로 만들어 본 사람은 업계 전체에 몇 명 되지 않습니다. 이 사실은 뒤에서 Discovery Loop 을 이해할 때 다시 등장합니다.

그 밖의 이력으로는 미국공학한림원(NAE) 회원(2009), IEEE 존 폰 노이만 메달(2021), ACM·AAAS 펠로가 있습니다.

4. 떠나는 말#

딘은 X 에 퇴사를 알리면서 구글에서의 27년을 “놀라운 여정” 이라고 표현했습니다. 사내 고별 메일에는 이런 문장이 있었다고 알려졌습니다.

“어릴 적 저는 많은 사람이 쓰는 소프트웨어를 만드는 데 보탬이 되고 싶다는 꿈을 꿨습니다. 지금 구글에는 10억 명 넘는 사람이 쓰는 제품이 열세 개 있습니다.”

그가 합류할 때 25명이던 회사는 19만 명이 되었습니다.

5. Discovery Loop — 과학적 방법 자체를 자동화한다#

창업자 네 명#

이름 구글에서의 직전 역할 대표 업적
제프 딘 (CEO) 수석과학자 MapReduce, Bigtable, Spanner, TensorFlow, Gemini 공동 리드
산자이 게마왓 Senior Fellow Google File System, MapReduce, Bigtable, Spanner, LevelDB
쿽 레 Google Brain 공동 창립자 seq2seq(공저), 신경망 구조 탐색(NAS), AutoML
오리올 비냘스 Google DeepMind 연구 부사장 seq2seq(공저), AlphaStar, Gemini 공동 리드

Discovery Loop 홈페이지는 이 팀을 “AI 분야 최다 피인용 연구자 세 명과 분산 시스템 분야 최다 피인용 연구자 두 명” 이라고 소개합니다. 회사는 앤스로픽·OpenAI 와 같은 공익법인(public benefit corporation) 형태로 세워졌습니다.

문제 정의: “과학적 발견에는 병목이 있다”#

회사 홈페이지의 첫 문장은 이렇게 시작합니다.

“과학적 방법은 인류가 고안한 가장 위대한 도구 중 하나입니다. 그러나 그 실행은 오늘날의 수작업으로는 확장하기 어려운 반복적 실험 루프로 이루어져 있습니다. 실험을 제안하고, 구현해서 돌리고, 결과를 살펴보고, 접근법을 다듬어 다시 반복하는 것입니다.”

핵심 주장은 단순합니다. 과학의 진보는 지금까지 사람이 순차적으로 도는 루프 에 묶여 있었고, 많은 영역에서 이 과정은 여전히 지독하게 느리고 노동집약적이라는 것입니다.

접근: 루프 전체를 병렬로 돌린다#

Discovery Loop 이 만들겠다는 것은 이 루프 전체를 자동화하는 시스템입니다. 프런티어 AI 모델과 대규모 컴퓨팅 인프라를 결합해 실험을 제안하고, 실행하고, 평가에서 배우는 과정을 기계가 돌립니다.

발상의 전환점은 여기입니다. 사람이 AI 를 도구로 쓰는 연구가 아니라, AI 자체가 연구자가 되어 수천 개의 실험 루프를 동시에 도는 구조 입니다. 순차 실행이 병렬 실행으로 바뀌면 반복 주기가 압축되고, 딘의 표현대로라면 결과물의 양과 질이 함께 올라갑니다.

“실험의 양과 질을 둘 다 얻게 될 것이고, 그것이 과학적 돌파구와 진전으로 이어질 것입니다.”

— 제프 딘, TechCrunch 인터뷰

회사가 제시한 로드맵은 3단계입니다.

  1. 머신러닝에서 시작한다. 먼저 ML 연구·엔지니어링 과정 자체를 자동화합니다.
  2. 자기 자신을 첫 고객으로 삼는다. 그렇게 얻은 자동화된 ML 능력으로 자사의 기술 스택을 빠르게 최적화한 뒤 다른 영역으로 넓힙니다.
  3. 그랜드 챌린지로 확장한다. 측정 가능한 결과가 있는 학습 루프라면 과학·공학의 어떤 영역이든 풀 수 있다고 보고, 궁극적으로는 미국공학한림원(NAE)의 그랜드 챌린지 — 더 나은 의약품 설계, 보건 정보학, 태양광의 경제성 확보, 깨끗한 물 공급, 사이버 공간 보안, 그리고 과학적 발견을 위한 도구 자체의 개발 — 를 겨냥합니다.

2단계가 이 계획의 핵심입니다. ML 연구를 자동화하는 시스템을 만들어 그 시스템으로 자기 자신을 개선한다는 것은, 곧 재귀적 자기개선(recursive self-improvement) 의 공학적 버전입니다. 이것이 성립하면 나머지 영역으로의 확장은 시간 문제가 되고, 성립하지 않으면 회사의 로드맵 전체가 1단계에서 멈춥니다.

왜 하필 이 네 명인가#

홈페이지는 이 팀의 강점을 기술력이 아니라 규모의 경험 으로 설명합니다.

“우리의 상대적 강점은 기술적 능력만이 아닙니다. 우리가 이전에 만들어 본 시스템의 전례 없는 규모입니다. 우리는 칩, 하드웨어 인프라, 소프트웨어 인프라, ML 모델, 제품에 이르는 진정한 풀스택 깊이를 갖고 있습니다.”

수천 개의 실험을 병렬로 돌리는 시스템은 결국 스케줄링·스토리지·장애 복구 문제이고, 그건 MapReduce 와 Spanner 를 만든 사람들의 홈그라운드입니다. 여기에 신경망 구조 탐색을 개척한 쿽 레와 Gemini 를 이끈 비냘스가 붙는 조합입니다. “실험 루프 자동화” 라는 아이디어 자체는 새롭지 않지만, 이 조합이 그걸 하겠다고 나선 것은 다른 이야기입니다.

투자와 구글과의 관계#

항목 내용
공동 리드 Radical Ventures, Khosla Ventures
참여 Lightspeed, Kleiner Perkins, Doerr Capital, 그리고 알파벳
라운드 규모·기업가치 비공개
구글의 역할 창립 투자자(founding investor) 겸 클라우드 파트너, 초기 컴퓨트 제공

가장 특이한 대목은 구글이 자기 수석과학자가 나가서 만든 회사의 투자자이자 인프라 공급자라는 점입니다. 피차이는 블로그에서 “우리는 Discovery Loop 과 창립 투자자이자 클라우드 파트너로 계속 협력할 것” 이라고 밝혔습니다. 인재 유출을 막지 못했다면 지분과 클라우드 매출로 연결고리를 남기는 쪽을 택한 셈입니다.

한편 현재 시점의 Discovery Loop 은 아직 회사라기보다 선언에 가깝습니다. 보도에 따르면 직원도 없고 사무실도 없으며, 창업자들이 꼽은 당면 과제는 “일할 공간 구하기” 였습니다. 홈페이지에도 “린하고, 대면으로 일하는 팀(a lean, in-person team)” 을 만드는 중이라고 적혀 있습니다.

6. 구글에 남은 자리#

딘의 퇴사는 같은 날 발표된 조직 개편의 일부였습니다.

  • 데미스 허사비스: Google DeepMind CEO → Google DeepMind 의장 + 알파벳 수석과학자. 일상 운영에서 물러나 AGI 관련 전략·글로벌 이슈에 집중하며, 2021년부터 겸직해 온 아이소모픽 랩스(Isomorphic Labs) CEO 는 유지합니다.
  • 코라이 카북추오글루(Koray Kavukcuoglu): DeepMind CTO 겸 구글 Chief AI Architect → Google DeepMind SVP, 피차이 직속. Gemini 모델 개발, 프런티어 AI 연구, Gemini 앱·개발자 팀을 총괄합니다. 그의 첫 과제는 Gemini 4 입니다.

시장의 반응은 좋지 않았습니다. 발표 당일 알파벳 주가는 4~5%가량 하락 했습니다(블룸버그는 약 4%, TheNextWeb 은 약 5%로 보도해 매체마다 수치가 조금씩 다릅니다). 무엇보다 Gemini 의 기술 공동 리드 두 명 — 제프 딘과 오리올 비냘스 — 이 새 Gemini 책임자 발표와 같은 날 함께 회사를 떠났다는 사실이 부담으로 읽혔습니다.

다만 피차이의 블로그 원문에는 회사 이름 “Discovery Loop” 도, 비냘스와 쿽 레의 이름도 등장하지 않습니다. 공식 발표는 “머신러닝·과학·공학 분야의 발견을 가속하는 독립 공익법인” 이라고만 표현했고, 구체적인 내용은 회사 홈페이지와 언론 보도에서 나왔습니다.

7. 이 뉴스를 어떻게 읽을 것인가#

낙관적으로 읽으면#

지난 몇 년간 AI 업계의 목표는 대체로 “더 좋은 모델” 이었습니다. Discovery Loop 의 목표는 그보다 한 단계 위입니다. 모델을 만드는 과정 자체를 자동화하는 것 이고, 그 능력을 과학 전반으로 일반화하는 것입니다. 알파폴드(AlphaFold)가 단백질 구조라는 하나의 문제에서 보여 준 것을 “측정 가능한 학습 루프가 있는 모든 문제” 로 확장하겠다는 시도로 볼 수 있습니다.

이 팀이 특별한 이유는 그 시도가 결국 인프라 문제로 귀결되기 때문입니다. 수천 개 실험의 병렬 실행, 결과 저장, 장애 복구, 컴퓨트 스케줄링은 창업자들이 20년 동안 해 온 일 바로 그것입니다.

회의적으로 읽으면#

경계선은 “측정 가능한 결과가 있는 학습 루프” 라는 조건에 있습니다. ML 연구는 이 조건을 잘 만족합니다. 벤치마크 점수라는 명확한 목적 함수가 있고, 실험을 코드로 완전히 표현할 수 있으며, 물리적 실험 없이 컴퓨트만으로 루프가 닫힙니다. 그래서 1단계는 그럴듯합니다.

문제는 신약 개발이나 재료 과학처럼 실험이 물질 세계에서 일어나는 영역 입니다. 여기서는 병렬 실행의 상한이 컴퓨트가 아니라 실험실, 시약, 임상시험 기간에 걸립니다. 루프의 “실행” 단계가 자동화되지 않으면 나머지를 아무리 빨리 돌려도 전체 속도는 그대로입니다.

더 근본적인 한계는 창업자 본인이 짚었습니다. 비냘스는 현재 모델의 약점으로 “이 모델들이 시도해 볼 새로운 아이디어를 어떻게 떠올리는가” 를 꼽았습니다. 실험을 실행하고 평가하는 부분은 자동화하기 쉽지만, 애초에 무엇을 실험할지 제안하는 부분 — 즉 가설 생성 — 이야말로 과학에서 가장 어려운 단계입니다. 루프의 나머지가 아무리 빨라져도 이 단계가 평범하면, 나오는 것은 평범한 결과의 대량 생산일 뿐입니다.

남는 질문#

그래서 이 창업은 두 개의 베팅이 겹쳐 있습니다. 하나는 ML 연구 자동화가 실제로 자기 개선 루프를 닫을 수 있는가이고, 다른 하나는 그 능력이 물질 세계의 과학으로 넘어갈 수 있는가입니다. 첫 번째가 성공하고 두 번째가 실패해도 회사는 충분히 가치 있는 기업이 될 수 있습니다. 둘 다 성공하면 이야기가 완전히 달라집니다.

27년간 한 회사에 있던 사람이 나갈 만한 이유로는, 어느 쪽이든 나쁘지 않아 보입니다.

References#

1차 자료#

보도 (2026년 8월)#

배경 자료 (과거 자료임을 밝힙니다)#