안녕하세요, 앤소장입니다.
지난주 뉴스레터에서 우리는 켄 오노 교수님을 만났습니다. AI가 수학 문제를 다 풀어주는 시대에도, "좋은 질문을 던지는 능력"만큼은 사람만이 가질 수 있다고 말씀하셨던 그 인터뷰, 기억하시나요?
이번 주 인터뷰이를 준비하면서 흥미로운 사실을 하나 발견했습니다. 오늘 소개할 25살 창업가 카리나 홍이, 사실 켄 오노 교수님의 제자였습니다. 오노 교수님은 지난 40년 동안 수많은 박사과정 제자를 길러내며, 미국 수학 학부생 최고상인 '모건상(Morgan Prize)' 수상자를 무려 10명이나 키워냈는데, 그중 한 명이 바로 카리나 홍이었습니다.
그리고 지금, 두 사람은 스승과 제자가 아니라 한 회사의 동료가 되었습니다. 오노 교수님은 최근 버지니아 대학교의 정교수직과 부총장 자리를 내려놓고, 제자가 차린 회사 '액시엄 매스(Axiom Math)'에 풀타임 연구자로 합류했습니다.
저는 이 관계가 참 인상적이었습니다. 스승이 제자의 가능성을 알아보고 끝까지 키워준 다음, 이제는 그 제자가 만든 무대에 함께 올라서는 모습이요. 우리가 아이를 키우면서 바라는 모습과도 어딘가 닿아있는 것 같았습니다. 아이를 잘 키운다는 건, 결국 언젠가 아이가 나보다 더 큰 무대를 만들고, 그 무대에 나를 다시 초대할 수 있게 만드는 일 아닐까요.
카리나 홍은 MIT를 졸업하고, 옥스퍼드에서 로즈 장학생으로 공부했고, 스탠퍼드 박사 과정을 1년 만에 그만두고 '수학을 스스로 증명하는 AI'를 만드는 회사를 차렸습니다. 이번 인터뷰는 그녀가 2,700억 원 규모의 투자를 유치한 바로 다음 날 진행됐습니다.
화려한 숫자들 사이에서, 저는 오히려 그녀가 솔직하게 털어놓은 고민들에 더 눈이 갔습니다. 우회로를 돌았던 시간들, 회사가 저질렀던 실수, 그리고 "AI에 너무 의존하면 정말 안 생기는 게 있다"는 그녀의 걱정이요.
지난주 켄 오노 교수님이 던진 질문 — "좋은 질문은 사람만이 만들 수 있다" — 에 대한 또 하나의 대답을, 그의 제자에게서 들어보겠습니다.
이 글은 유튜브 채널 Latent Space – The AI Engineer Podcast에서 2026년 6월 4일 공개된 영상을 바탕으로 제작되었습니다.
이 영상은 'AI 수학자'를 만드는 회사 액시엄 매스(Axiom Math)의 창립자 겸 CEO 카리나 홍이, 2억 달러(약 2,700억 원) 규모의 시리즈 A 투자를 유치한 바로 다음 날 'AI for Science' 팟캐스트에 출연해 나눈 대화입니다.
액시엄 매스는 설립 7~8개월 만에 직원 30명 규모로 성장했고, 2025년 12월 치러진 미국 대학생 수학경시대회 퍼트남(Putnam) 시험에서 120점 만점을 받아 당시 최고 성적의 인간 응시자(110점)와 모든 AI 시스템을 뛰어넘었습니다. 이번 투자로 액시엄의 기업가치는 16억 달러(원화로 약 2조 원 규모)로 평가받았습니다.
(※ 서두에 언급된 켄 오노 교수와 카리나 홍의 멘토-제자 관계, 그리고 오노 교수의 액시엄 매스 합류 사실은 이번 인터뷰 영상이 아니라, 투자를 주도한 멘로벤처스가 2026년 6월 발표한 시리즈A 공식 발표문에서 확인한 별도 출처입니다.)
Q. 수학 천재라고 불리던 분이, 왜 갑자기 신경과학을 공부하러 옥스퍼드에 갔나요?
저는 MIT에서 수학과 물리학을 공부한 다음, 옥스퍼드에서 로즈 장학생으로 신경과학 석사 과정을 밟았어요. 솔직히 말하면, 그건 좀 우회로였어요.
사실 제가 그때 진짜 하고 싶었던 건 AI 연구였어요. 그런데 영국에는 좀 재미있는 전통이 있었어요. 무언가를 'AI'라고 부르면 연구비를 받기 어려웠지만, '뇌과학(brain science)'이라고 부르면 후원을 받을 수 있었어요. 그래서 저는 신경과학이라는 이름을 빌려서, 사실상 UCL 갯츠비 연구소에서 AI 연구를 했어요. 갯츠비 연구소는 딥마인드의 모태로 불리는 곳이고, 실제로 딥마인드 창업자인 데미스 하사비스도 거기 출신이에요.
그 1년은 정말 생산적이었어요. 다만 신경과학을 공부하면서 배운 건 좀 특이했어요. '뭐가 어려운지'에 대해서는 아주 잘 배웠는데, '뭐가 잘 될지'에 대해서는 거의 아무런 감도 못 얻었어요. 그러다 연구 프로젝트에서 트랜스포머(현재 AI 모델들의 핵심 구조)를 처음 마주쳤을 때, 저는 완전히 빠져버렸어요. 그게 제가 AI 쪽으로 더 깊이 들어가게 된 계기였어요.
Q. 로스쿨에 진학했다가, 다시 수학과 AI로 돌아온 이유는 뭔가요?
옥스퍼드 다음에는 스탠퍼드에서 법학·수학 박사 통합과정(JD/PhD)을 시작했어요. 이 프로그램은 구조상 처음 1년을 로스쿨에 풀타임으로 다녀야 해요. 그 1년은 지적으로 정말 흥미로웠어요. 살인 사건 판례 같은 형법을 들여다보고, 글 쓰는 법, 읽는 법을 다시 배우는 느낌이었거든요.
그런데 그해는 제 인생에서 과학·기술·수학이 전혀 없던 이상한 해이기도 했어요. 법 공부 자체는 정말 사랑했어요. 다만 동시에 깨달은 게 있었어요. 저는 기술적인 무언가에 완전히 몰입해 있어야 하는 사람이라는 거였어요. 안 그러면 지루해진다기보다는, 뭔가에 미쳐있지 않으면 안 되는 사람이었던 거죠.
흥미롭게도, 저는 수학적 사고가 법률 영역, 특히 항소심 변론 같은 곳으로 의외로 잘 옮겨간다고 생각해요. 하버드 로스쿨 교수 로런스 트라이브처럼, 수학 훈련을 받은 사람들 중에 뛰어난 항소심 변호사가 된 경우가 실제로 있어요. 반독점법이나 계약법처럼 흐름도(flowchart)처럼 짜여진 논리 구조를 다루는 영역도 마찬가지예요. 그러니까 수학을 깊이 훈련받은 사람의 사고방식은, 전혀 다른 분야에서도 힘을 발휘할 수 있다는 걸 그때 다시 한번 느꼈어요.
Q. 안정적인 학자의 길을 포기하고, 창업을 결심한 순간은 언제였나요?
로스쿨 1년을 마치고 박사과정을 시작하자마자, 저는 거의 바로 펀딩을 시작했어요. 계획했던 일은 아니었어요. 그 무렵 저는 매주말마다 동료 슈보(현재 액시엄 매스의 CTO)와 만나서 이야기를 나눴는데, 그게 오히려 제 안의 생각을 더 키워버렸어요. 'AI가 수학을 풀게 된다면'이라는 생각이 머릿속을 떠나지 않았어요.
그러다 한 학교 행사에서, 페이스북 초기 프로덕트 매니저였던 줄리 주오를 만났어요. 저는 그분에게 다가가서 물었어요. "스타트업을 하고 싶은데 동시에 학계도 정말 사랑한다면 어떻게 해야 하나요?" 그분이 되물었어요. "그 두 가지에 시간을 얼마나 쓰고 있어요?" 저는 답했어요. "100%, 0%요." 그러자 그분이 말했어요. "그럼 본인의 에너지를 따라가야죠."
저는 이미 완전히 그 생각에 빠져 있었어요. 그리고 이게 작은 발견이 아니라 정말 크게 될 일이라고 느꼈어요. AI가 스스로 발전해가는 더 큰 그림, 'AI 과학자'라는 더 높은 차원의 비전을 생각하면, 수학적 추론이 그 안에서 정말 큰 축을 차지할 거라고 믿었거든요. 그래서 저는 학계에 머무는 대신, 이걸 영리 스타트업으로 만들어야 한다고 결심했어요.
Q. AI가 틀린 답을 내놓지 않게 막는 '검증' 기술, 그게 왜 실수를 막는 일이 아니라 천재성을 키우는 일이라는 건가요?
많은 사람들이 '검증'이라는 단어를 들으면, AI가 틀린 답을 내놓는 걸(이른바 '할루시네이션') 막는 안전장치라고 생각해요. 그런데 저는 이걸 완전히 다르게 봐요. 검증은 게으름이나 실수를 막는 일이 아니라, 천재성을 확장하고 누적시키는 일이에요.
수학자 라마누잔을 예로 들어볼게요. 그는 증명하는 법을 배우기 전에도, 직관만으로 정말 흥미로운 공식들을 찾아냈던 천재였어요. 그런데 영국 케임브리지로 가서 하디, 리틀우드 같은 학자들과 함께 작업하면서, 더 이상 직관에만 의존하지 않고 엄밀한 증명을 쓰는 법을 배워야 했어요. 처음엔 정말 힘든 과정이었지만, 증명을 배운 뒤의 그는 훨씬 더 강력한 수학자가 됐어요.
그의 직관이 '정리(theorem)'라는 형태로 바뀌면서, 이후 세대의 수학자들이 그 정리를 발판으로 또 다른 연구를 쌓아올릴 수 있게 됐거든요.
이게 바로 검증의 진짜 의미라고 생각해요. 검증은 라마누잔을 '덜 틀리게' 만든 게 아니라, 그의 천재성이 시간이 지나도 사라지지 않고, 다른 사람들에게도 이어질 수 있게 만들어준 거예요. 그래서 저희가 만드는 검증 기술도, AI를 '덜 틀리게' 만드는 도구가 아니라, AI의 뛰어난 능력을 더 크게, 더 멀리 확장시키는 도구라고 생각하고 있어요.
Q. AI가 웬만한 문제를 다 풀어주는 시대가 와도, 사람에게 남는 능력이 있다면 뭘까요?
저는 이런 미래를 그려봐요. AI가 지금보다 훨씬 빠른 속도로, 훨씬 많은 양의 결과를 쏟아내는 시대요. 그런데 사람이 그걸 다 받아들이고 이해할 수 있는 시간과 주의력은 한정되어 있어요. 결국 '주의력(attention)' 자체가 가장 큰 제약이 되는 거예요.
주의력이 제약이 된다면, 그 다음으로 중요해지는 건 '이 수많은 결과 중에 뭐가 정말 살펴볼 가치가 있는가'를 가려내는 감각이에요. 저는 그게 바로 사람의 안목, 즉 '취향(taste)'이라고 생각해요. 컴퓨터 자원도 한정되어 있으니, 어떤 질문에 그 자원을 쓸지 결정하는 것도 결국 사람의 안목이 이끌어가게 될 거예요. 저는 이게 정말 아름다운 지점이라고 생각해요. AI가 아무리 많은 걸 만들어내도, '무엇이 중요한가'를 알아보는 능력은 결국 사람에게 남는다는 것이요.
Q. AI에 너무 의존하면, 정말로 자라지 않는 능력이 있을까요?
이건 제가 정말 솔직하게 고민하는 부분이에요. 어떤 능력은, 그걸 직접 깊이 공부하지 않아도 별로 상관없어요. 예를 들어 저는 컴퓨터의 가장 낮은 수준 언어인 '어셈블리어'를 잘 몰라도, 더 높은 수준의 프로그래밍을 잘하는 데는 큰 문제가 없다고 봐요.
그런데 수학에서 직접 증명을 해보는 경험은 좀 다른 것 같아요. 그 과정을 직접 겪어보지 않으면, 사고방식 자체가 다르게 자라날 수도 있다고 느껴요. 저는 이게 어쩌면 교육 시스템이 작동하는 방식과도 관련이 있다고 생각해요. 어릴 때 일찌감치 '재능이 보인다'는 신호를 보이지 않으면, 그 사람은 수학의 기초를 다지는 훈련 과정 자체를 거치지 않게 되는 경우가 많거든요.
그래서 저는, 모든 걸 깊이 배워야 안목이 생긴다고는 말 못 하지만, 분명히 어느 정도의 '문턱'은 존재한다고 생각해요. 예를 들어 코딩을 할 줄 알아야, 그 경험이 다른 영역의 직관으로 옮겨갈 수 있어요. 올림피아드 수학을 깊이 훈련받은 사람이라면, 그 직관이 가까운 수학 분야로는 잘 옮겨가요.
하지만 그 분야가 더 멀리 떨어진 낯선 영역일수록, 전이되는 힘은 약해져요. 그러니까 결국 사람은 어느 정도 성실하게 그 훈련 과정을 직접 통과해야 해요. 만약 사람들이 강력한 AI에 지나치게 의존해서 이 과정 자체를 건너뛴다면, 저는 그 안목과 직관이 제대로 자라지 않을 거라고 걱정하고 있어요.
Q. 회사가 큰 실수를 저질렀을 때, 어떻게 그걸 인정하셨나요?
저희가 정말 부끄러웠던 순간이 있었어요. 경쟁사인 하모닉이, 헝가리의 유명한 수학자 에르도스가 남긴 오래된 미해결 문제(흔히 '에르도스 문제'라고 불려요) 두 개를 풀었다고 발표한 적이 있어요.
저희는 그 문제들이 정말 안 풀린 문제인지 확인 없이, 경쟁사가 정리해둔 자료를 그대로 믿고, 저희 시스템도 같은 문제를 풀 수 있는지 시도해봤어요. 그런데 그 문제를 풀고 보니, 알고 보니 그 문제는 이미 예전에 누군가가 풀어놓은 문제였어요. 저희와 경쟁사 둘 다 잘못 알고 있었던 거예요.
비슷한 일이 또 한 번 있었어요. '제곱이 없는 막다른 길(dead ends in squarefree walks)'이라는 논문에서 다루던 문제도, 사실은 1936년에 이미 풀린 결과였다는 걸 나중에야 알게 됐어요. 한 사용자가 스택 오버플로우라는 온라인 게시판에 올린 글에서 그 사실을 짚어준 덕분에 알았죠.
저는 이런 실수가 부끄럽다고 해서 숨기거나 둘러대면 안 된다고 생각했어요. 저희는 그냥 솔직하게 인정했어요. "우리가 검증을 제대로 못 했다, 우리가 책임져야 한다"고요.
사실 에르도스 문제는 워낙 방대해서 이미 풀린 문제인지 아닌지 확인하는 것 자체가 정말 어려운 작업이에요. 그래도 그 핑계를 대지 않고, 우리가 더 꼼꼼히 검증해야 했다는 사실을 그대로 받아들이는 게 맞다고 생각했어요.
Q. 정말 실력 있는 사람들이 한 팀에 모이면, 어떤 일이 일어나나요?
저는 어떤 분야가 거품인지 아닌지를 가르는 기준이 하나 있다고 생각해요. 정말 실력 있는 사람들이, 자존심이나 '내가 창업자가 되겠다'는 욕심보다 미션을 보고 서로 힘을 합치는가 하는 거예요.
저희 팀이 그런 사례라고 생각해요. 켄 오노 교수님과, 프랑수아 샤르통이라는 동료가 같은 팀에 합류했어요. 오노 교수님은 정말 어려운 수학 문제와 기준(benchmark)을 만들어낼 수 있는 분이고, 샤르통은 증명하는 능력과 새로운 것을 발견하는 능력을 둘 다 갖춘 분이에요. 이 두 사람이 한 팀에 있다는 것만으로, 저희는 '증명하는 힘'과 '발견하는 힘'을 동시에 갖춘 팀이 됐어요.
반대로, 저는 사람들이 힘을 합치지 않고 각자 자기 회사를 차리겠다고 흩어지는 분야를 보면, 오히려 그게 거품의 신호라고 생각해요. 미션이 사람보다 작으면, 사람들은 자기 이름을 걸고 싶어서 흩어지거든요. 미션이 사람보다 크면, 사람들은 그 밑으로 모여들어요. 저는 그 차이가 한 팀과 한 분야의 진짜 실력을 보여준다고 믿어요.
배운 점을 정리합니다
- '검증'이나 '피드백'은 실수를 잡아내는 일처럼 보이지만, 사실은 사람의 직관과 재능을 더 단단하고 오래가는 형태로 키워주는 과정입니다.
- AI가 답을 빠르게 내놓을수록, 사람에게 남는 진짜 능력은 '무엇이 살펴볼 가치가 있는가'를 가려내는 안목입니다.
- 안목과 직관은 거저 생기지 않습니다. 기초를 직접 통과하는 성실한 훈련의 과정을 거쳐야 합니다. AI에 지나치게 의존해서 그 과정을 건너뛰면, 그 능력 자체가 자라지 않을 수 있습니다.
- 실수했을 때 핑계를 대지 않고 "우리가 책임져야 한다"고 솔직하게 인정하는 태도는, 신뢰를 지키는 가장 빠른 길입니다.
- 한 분야에서 깊이 훈련받은 사고방식은, 전혀 다른 분야(법률, 글쓰기 등)에서도 의외의 힘을 발휘할 수 있습니다.
- 자신이 어디에 100%의 에너지를 쏟고 있는지 솔직하게 들여다보는 것이, 진로를 결정하는 데 가장 중요한 질문이 될 수 있습니다.
H.E.L.P를 소개합니다
저, 요즘 자꾸 같은 질문을 받아요.
"아이를 어떻게 키워야 할까요?"
"학원을 줄여도 괜찮을까요?"
"AI 시대에 부모가 뭘 해줘야 하나요?"
사실 저도 답을 몰랐어요.
2024년 여름, AI를 처음 제대로 마주한 그날부터 지금까지 똑같은 질문을 안고 살았거든요.
축제 기획자로 15년을 살다가 어느 날 갑자기 교육 이야기를 쓰기 시작한 것도 사실 그 질문 때문이었어요.
그런데 72개의 뉴스레터를 쓰면서 답이 보이기 시작했어요.
벤지오, 페이페이 리, 카파시, 슐라이허...
세계 최고 석학들의 이야기를 파고들수록 신기하게 같은 단어들이 반복되더라고요.
문력. 창의력. 협업력. 인간성. 문제해결력. 비판적 사고. 감성.
AI가 절대 따라올 수 없는 능력들이요.
학원에선 배울 수 없지요.
그리고 깨달았어요.
이건 수업으로 키워지는 게 아니라 경험으로만 자라는 능력이라는 걸요.
질문을 혼자 안고 있으면 무거워져요.
그런데 같은 질문을 가진 사람을 만나면, 가벼워지더라고요.
그래서 만들었어요.
H.E.L.P (Heartwarming Experience & Learning Project)
학원 대신, 봉사하고 여행하며 배우는 가족들의 커뮤니티예요.
AI시대, 부모도 아이도 함께 성장하자는 마음에서 시작했습니다.
H.E.L.P는 이렇게 움직여요.
🙌 가족봉사
공감력이 자라는 시간.
한강 플로깅부터 지역사회 봉사까지, 가족이 한 팀이 됩니다.
🛋️ 부모살롱
질문력이 자라는 거실이에요.
초록지붕을 읽고 모인 부모들이 AI시대 자녀교육을 함께 고민합니다.
✈️ 러닝저니
문제해결력과 협업력이 자라는 시간.
가족이 팀이 되어 세상에서 직접 배웁니다.
72개의 뉴스레터가 가르쳐준 답은 하나였어요.
미래역량은 가르치는 게 아니라, 함께 경험하는 거예요.
혼자 키우지 않아도 괜찮아요.
같은 고민을 가진 가족들이 이미 여기 있습니다.
🌐 홈페이지 help-landing.vercel.app
📸 인스타그램 https://www.instagram.com/_helpfamilies/
💬 카카오 오픈톡방 https://open.kakao.com/o/gsYDWKti
의견을 남겨주세요