노암 셰이저가 OpenAI로 갔다

노암 셰이저가 OpenAI로 갔습니다. 2026년 6월 18일, 본인이 X에 직접 올린 발표입니다. 직함은 Lead of Architecture Research. 모델을 어떻게 설계할 것인가를 연구하는 자리입니다.

이름이 낯설 수 있지만, 셰이저는 2017년 "Attention Is All You Need" 논문의 공동 저자입니다. Transformer를 만든 여덟 명 중 한 명이고, 그 구조 위에 Gemini도 ChatGPT도 서 있습니다. 지금 LLM 판에서 셰이저급 인물의 이동은 칩이나 데이터센터 발표만큼 무게가 있습니다.

왜 이게 큰일인가

Google이 셰이저를 다시 데려온 게 불과 2년 전입니다. 2024년 8월, 약 27억 달러 규모의 Character.AI 기술 라이선스 딜로 셰이저와 공동 창업자 Daniel De Freitas, 그리고 핵심 연구진을 Google DeepMind로 흡수했습니다. 회사를 통째로 산 게 아니라 사람과 기술을 가져오는, 사실상의 애크하이어였습니다.

그 비싼 영입의 핵심 인물이 2년도 안 돼 경쟁사로 넘어갔습니다. 27억 달러를 들여 데려온 사람이 Gemini의 공동 리드까지 맡았다가 OpenAI로 간 겁니다. Google 입장에서 이건 단순한 인력 이탈이 아니라 모델 로드맵을 함께 그리던 사람이 빠진 자리입니다.

셰이저가 뭘 했길래

Transformer 하나로 끝나는 사람이 아닙니다. 대규모 모델을 실제로 굴리게 만든 기반 기술 상당수가 그의 손을 거쳤습니다.

• 희소 게이팅 Mixture-of-Experts(MoE) — 파라미터를 키우되 토큰마다 일부 전문가만 켜서 연산을 아끼는 방식. 지금 거의 모든 프런티어 모델이 씁니다.
• Mesh-TensorFlow — 모델을 여러 칩에 쪼개 학습하는 모델 병렬화 프레임워크.
• Adafactor — 메모리를 크게 줄인 옵티마이저.
• T5, LaMDA — 초기 대화형·텍스트 생성 모델 연구.

즉 아키텍처를 설계하고 그걸 대규모로 학습 가능하게 만드는 양쪽을 다 아는 사람입니다. OpenAI가 그에게 붙인 직함이 "Architecture Research"인 건 우연이 아닙니다.

양쪽의 셈법

샘 올트먼은 그를 "OpenAI 초창기부터 가장 함께 일하고 싶었던 사람"이라며 "10년이 걸렸다"고 했습니다. 립서비스로 들리지만, OpenAI의 의도는 분명합니다. 모델 성능 곡선이 단순히 데이터와 컴퓨트를 더 붓는 것만으로는 예전만큼 가파르게 오르지 않는 국면에서, 다음 도약은 아키텍처 자체에서 나올 가능성이 큽니다. 그 영역을 처음부터 설계해본 사람을 데려온 겁니다.

Google 입장에서는 아픈 손실입니다. 다만 Gemini는 이미 셰이저 한 사람에 의존하는 단계는 지났고, DeepMind에는 데미스 하사비스 아래 두꺼운 연구 인력이 있습니다. 그래도 상징성은 큽니다. 27억 달러를 써서 데려온 사람을 2년 만에 라이벌에 내준 건, 지금 AI 인재 시장에서 돈만으로는 사람을 묶어둘 수 없다는 신호입니다.

앞으로

제 생각에는 이 이동의 의미는 "스타 한 명이 옮겼다"보다 한 단계 위에 있습니다. 컴퓨트와 데이터의 스케일링이 비싸지면서, 경쟁의 무게추가 다시 아키텍처 연구 쪽으로 돌아오고 있다는 신호로 봅니다. 트랜스포머 다음 구조를 누가 먼저 찾느냐의 싸움이라면, OpenAI는 그 구조를 처음 만든 사람 중 하나를 손에 넣은 셈입니다.

Google이 이 자리를 어떻게 메우는지, 그리고 셰이저가 OpenAI에서 트랜스포머 이후를 들고 나오는지가 다음 관전 포인트입니다.

출처: CNBC, Calcalist, Silicon Republic