Ed Zitron의 AI 회의론 예측, 얼마나 맞았나

Who Should Read

AI 거품론 기사를 근거로 도입·투자 판단을 해야 하는 LLM 서비스 개발자

Core Mechanics

• Zitron 예측은 대부분 'Wrong' 판정
  • Dan Luu는 2024년 2월~2025년 11월 예측을 하나씩 나열해 판정했다.
  • 'AI가 정점이다', '데이터가 바닥났다' 류는 모두 Wrong으로 분류됐다.
  • 2025년 4월 이후 예측은 대부분 반증 불가이거나 미래에 결판난다고 했다.
• Meta·Google·Microsoft는 안 죽었다
  • Meta 매출은 2023년 $135B에서 2025년 $201B로 늘었다.
  • Alphabet은 2023년 $307B에서 2025년 $403B, Microsoft는 $228B에서 $305B가 됐다.
  • 그래서 '성장 방법을 몰라 AI를 억지로 끼운다'는 논리는 안 맞는다고 본다.
• 근거 숫자가 주장과 안 이어진다
  • Facebook MAU 하락 근거로 Similarweb 같은 제3자 추정치를 썼다고 지적한다.
  • Meta가 직접 낸 수치나 매출·이익은 쓰지 않았다는 얘기다.
  • 저자는 숫자가 많아도 논리 연결이 없다고 본다.
• 기업 예측도 줄줄이 빗나갔다
  • Gemini 5억 명 목표를 비현실적이라 했으나 7.5억 명에 도달했다.
  • Cursor가 망할 거라 했으나 $60B 엑시트가 났다.
  • CoreWeave가 6개월 못 버틴다 했으나 여전히 존재하고 IPO 가격의 2배 이상이다.

Community Reactions

• 예측이 아닌 자기 생각을 논하고 있다는 의견
  • 댓글 상당수가 Zitron의 문장 대신 자기 예측을 얹어 평가한다는 지적이 나왔다.
  • Dan의 글은 문자 그대로의 예측을 결과와 비교했다는 평가다.
• 'dying'은 재무가 아닌 제품 품질 얘기라는 반론
  • Zitron의 'rot-economy' 맥락에서 dying은 제품이 나빠지고 사용자가 떠난다는 뜻이라는 의견이 있었다.
  • 매출·이익만으로 측정하는 것은 이 뜻을 놓친다는 주장이다.
• 성장은 순환 투자 때문일 수 있다는 의견
  • AI 프로젝트 순환 금융을 걷어내지 않으면 성장이 반박 근거가 될 수 없다는 댓글이 있었다.
  • Nvidia 밸류에이션과 달리 대형 클라우드 쪽은 파악이 어렵다고 했다.
• Zitron을 도왔다가 오용당했다는 경험
  • LLM 서빙(벤치마크, 모델 캐싱)을 Zitron에게 설명해 줬던 댓글 작성자가 있었다.
  • 조언이 가장 냉소적인 방향으로 왜곡돼 도움을 중단했다고 한다.
• 큰 그림은 맞다는 의견
  • 개별 예측은 틀려도 AI 기업의 막대한 부채와 투자 위험을 짚은 점은 가치 있다는 댓글이 여럿이었다.
  • 코딩 헤비 유저가 더 싼 오픈 웨이트 모델로 옮길 수 있다는 경험담도 나왔다.

How to Apply

• AI 비관·낙관 기사의 숫자 출처 확인하기
  • 오늘 의사결정에 쓰려는 기사 하나를 골라 인용 수치의 1차 출처를 따라가 보자.
  • 제3자 추정치인지 기업 공시인지 구분해 메모하라.
• 예측을 날짜와 판정 기준으로 기록하기
  • 팀의 AI 도입 가정(모델 성능 정체, 가격 하락 등)을 날짜·검증 조건과 함께 문서화하라.
  • 분기마다 맞았는지 표시하라.
• 기술 성능 전망과 사업성 전망을 분리해 평가하기
  • 도입 검토 문서에서 'AI가 쓸 만한가'와 'AI 기업이 돈을 버나'를 별도 항목으로 나눠라.
  • 공급사 의존도 리스크는 후자 항목에 따로 적어라.

Try It

# Claude 또는 ChatGPT에 그대로 붙여넣기 (Dan Luu식 예측 검증의 간이 버전)

다음 글/발언에서 검증 가능한 예측을 모두 뽑아줘.
{{기사 또는 발언 텍스트}}

각 예측마다 표로 정리해줘: 원문 인용 / 예측 시점 / 검증 기한 / 근거로 든 숫자와 출처 / 그 숫자가 결론을 실제로 뒷받침하는지.

마지막에 '반증 불가능한 예측'과 '숫자가 결론과 안 이어지는 곳'을 따로 나열해줘.

이어서 해 볼 것: 같은 작업을 낙관론 기사에도 돌려 비교해 보자.

Terminology

관련 논문

• The Judge Can Debias Itself: LLM-as-a-Judge가 스스로 편향을 고치게 하는 법

  심사 프롬프트에 편향 경고를 넣거나 스스로 비판시켰더니 21개 중 20개 조합에서 정확도가 올랐다

• 미국 노동시간의 90%는 AI 벤치마크가 제대로 다루지 못하는 일이다

  벤치마크 29개를 직업 과제에 매핑했더니 노동시간 90%가 커버 밖

• Postgres 19, AI 코드 리뷰가 버그를 너무 많이 찾아 출시 연기

  LLM 코드 리뷰가 버그를 쏟아내 Postgres 19가 11월로 밀리고 기능 8~10개가 빠졌다

• StarSkirmish Bench v0.2: LLM이 1시간 만에 짜는 StarCraft 봇 대결

  LLM에게 1시간 동안 StarCraft 봇을 짜게 했더니 GPT-6 Astra가 1위

• 그럴듯한 설명 하나면 멀티모달 LLM 심사위원도 속는다 (JUPE 벤치마크)

  정답은 그대로 두고 설명만 붙였더니 MLLM 심사위원의 오답 거절률이 12.7~13.8%p 떨어졌다

• 신경망은 이미 깔끔하다: polysemanticity의 원인 재해석

  뉴런을 직접 들여다봤더니 대부분 한 가지 역할이 있었다는 주장

• Linus Torvalds의 첫 LLM 보조 패치 시리즈

  Linus가 LLM으로 folio 조회 패치 10개를 만들어 read() 벤치가 10배 빨라졌다

Related Resources

• https://danluu.com/zitron/
• https://danluu.com/futurist-predictions/
• https://www.wheresyoured.at/measures/