Kalshi 창립자: 앞으로 12개월 동안 당신의 실제 삶은 어떤 모습일까요?

팟캐스트："$22B Kalshi 공동 창립자: 시장이 이미 당신의 직업에 대해 아는 것"丨Silicon Valley Girl

편집: 늦게 듣기 LatePost

"올해 말까지 가장 큰 변화는 여전히 일자리일 것이다."

"아직까지 우리가 완전히 대체한 직업은 없으며, 모든 직업은 단지 AI에 의해 강화되었다."

"사람들은 항상 자신이 충분히 열심히 일하지 않는 것에 대해 걱정한다. Kalshi에서는 AI가 충분히 활용되지 않는 것에 더 걱정한다."

Luana Lopes Lara는 2018년에 예측 시장 플랫폼 Kalshi를 공동 창립했다. Forbes의 통계에 따르면, 그녀는 세계에서 가장 젊은 자수성가한 여성 억만장자이다. 올해 5월, Kalshi는 10억 달러를 조달하여 220억 달러의 가치를 평가받았다. 그녀가 매일 보는 것은 특별하다: 사람들이 어떤 결과에 진짜 돈을 걸고 싶어하는지. AI와 일에 대한 논의로 바뀌면, 이러한 가격은 위험이 어떻게 변하는지를 지속적으로 나타내며, 위안을 제공하는 경우는 드물다.

사람들이 묻는 것은 능력에서 결과로 변했다

1~2년 전, Kalshi가 받은 AI 시장 제안의 대부분은 능력에 관한 것이었다: 모델이 특정 작업을 수행할 수 있는지, 어떤 모델이 이길 것인지, 대형 수학 문제는 언제 해결될 것인지. 지금은 사용자들이 AI가 해고, 실업 및 선거에 어떤 영향을 미칠 것인지에 대해 더 자주 묻는다. Luana는 이 변화가 일반 사람들이 "AI가 무엇인지"의 단계를 넘어 자신에게 미치는 비용을 계산하기 시작했음을 나타낸다고 생각한다.

"1~2년 전, 사람들이 제안한 시장은 대부분 AI 능력에 관한 것이었다; 지금은 우리가 받는 요청이 AI가 가져오는 영향에 관한 것이 더 많다."

흥분은 사라지지 않았지만, 문제의 초점은 변했다. 사람들은 여전히 모델의 능력, 약물 승인 및 양자 컴퓨팅을 거래하지만, "AI가 이번 달 해고의 주요 원인이 될 것인가"는 매달 사람들이 주목하는 시장이 되었다. 기술 뉴스는 더 이상 제품 출시만을 다루지 않으며, 급여 명세서와 직무 설명서로도 들어간다.

플랫폼에는 Luana와 공동 창립자가 오랫동안 주목해온 AI "재난 시나리오" 시장도 있다. 이 시장은 다섯 가지 조건을 설정하며, 그 중 세 가지가 발생하면 "예"로 결산된다. 인터뷰 당시 확률은 약 26%에서 30%였으며, 거래 금액은 수백만 달러에 달했다. 이 숫자는 많은 사람들이 직감하는 위험보다 훨씬 높으며, 팀은 이를 반복적으로 검토한다.

73%, 도대체 무엇을 말해줄 수 있는가

인터뷰 녹화 당시, 시장은 AI가 5월 해고의 주요 원인이 될 확률을 73%로 보고했으며, 거래량은 약 3만 달러였다. 3월과 4월에는 AI가 실제로 해고의 주요 원인이었다. Luana는 Kalshi Research가 수행한 보정 연구를 언급하며, 거래량이 약 5000달러에 불과하더라도 가격은 종종 상당히 안정된 숫자로 수렴한다고 말했다. 자금이 많고 결산이 가까워질수록, 독서의 신뢰성은 일반적으로 높아진다.

"거래량이 5000달러에 불과하더라도, 숫자가 잘 보정된 수준으로 수렴하는 것을 볼 수 있으므로 이 숫자는 확실히 신뢰할 수 있다."

이 73%는 "당신의 직업이 사라질 확률이 73%"로 직접 번역될 수 없다. 이는 명확한 경계가 있는 질문에 대한 답변이다: 지정된 월에 AI가 해고의 주요 원인으로 기록될 것인가. 예측 시장의 가치는 명확한 질문을 정의하고, 손실을 감수할 의사가 있는 사람들이 가격을 제시하는 데서 온다. 질문이 모호하면 숫자도 의미를 잃게 된다.

어떤 질문은 5년 후에 결산된다. 예를 들어, 특정 약물이 언제 승인될지, 양자 컴퓨팅이 언제 돌파될지. Kalshi는 계좌의 포지션과 달러에 이자를 지급하기 시작한 후, 사용자는 자금이 장기간 점유되는 것 때문에 이러한 거래를 포기할 필요가 없다. 따라서 시장은 먼 사건에 대한 더 많은 정보를 축적할 수 있으며, 가격은 단지 오늘의 뉴스에 따라 움직이지 않는다.

확률은 예언이 아니며, 1%도 발생할 수 있다

미국 국적의 교황이 선출되기 전, Kalshi에서의 확률은 오랫동안 약 1%에 불과했다. 결과가 나타난 후, 예측 시장이 "틀렸다"고 보도된 뉴스가 있었다. Luana의 반응은 매우 직접적이었다: 1%는 0이 아니다. 비밀 회의는 거의 폐쇄된 정보 시스템으로, 외부인이 예측하기는 본래 어렵다. 소수의 확률 사건이 실제로 발생하면, 이전의 확률이 무효임을 증명할 수 없다.

"70%는 100%가 아니다. 숫자가 99%라도, 100번 중 한 번은 발생하지 않을 수 있다; 1%도 0이 아니다."

같은 거래량이 다른 시장에서 나타내는 신뢰도는 다를 수 있다. 선거 일주일 전, 정치 시장은 아마도 1~2천 달러만으로도 매우 정확할 수 있다; 6개월 전에 미리 예측하려면 보통 만 달러가 필요하다. 숫자를 보기 전에, 먼저 결산 시간, 거래량 및 질문 정의를 살펴봐야 한다. 이 세 가지 조건이 단일 백분율보다 실제 위험에 더 가까워질 것이다.

Luana는 예측 시장이 처음부터 참여자에게 판단에 대한 비용을 지불하게 했다고 설명했다. 연구가 더 철저할수록, 올바른 예측을 통해 돈을 벌 기회가 더 커진다; 즉흥적으로 발언하면 손실을 감수해야 한다. 이는 전지전능한 집단을 만들지 않지만, "내가 생각하기에"를 비용이 발생하고 지속적으로 수정 가능한 숫자로 바꿀 수 있다.

대부분의 사람들은 여기서 거래하지 않고, 뉴스만 본다

Kalshi의 70% 사용자들은 거래를 하지 않는다. 그들은 웹사이트를 열고, 경제, 선거, 스포츠 및 문화 사건의 최신 확률을 빠르게 보고 싶어한다. 이는 가격으로 작성된 뉴스와 같다: 홈페이지에는 특정 미디어의 입장이 없고, 많은 사람들이 자금을 통해 표현한 판단만 있다. 회사는 수천 개의 선거 시장을 K Power 지수로 압축하여, 사용자가 미국 정치가 현재 공화당에 더 기울어져 있는지 민주당에 더 기울어져 있는지를 하나의 숫자로 볼 수 있게 한다.

"우리의 70% 사용자들은 사실 아무것도 거래하지 않으며, 그들은 단지 정보를 얻고, 다양한 사건의 예측을 확인하기 위해 들어온다."

또 다른 유형의 사용자는 시장을 헤지 도구로 사용한다. 뉴욕 상동구의 한 바는, 만약 닉스가 이기면 매장 고객에게 무료로 제공하겠다고 약속했으며, 최악의 경우 1~2만 달러를 잃을 수 있으므로 반대 결과를 사서 위험을 통제한다. 플로리다의 허리케인 시즌이 다가올 때, 특정 지역에 대한 시장을 열어 수익으로 보험 자부담금을 상쇄해달라는 요청도 있다. 예측은 사람들이 결정을 내리는 데 도움을 주고, 헤지는 잘못된 판단으로 인한 큰 손실을 방지한다.

플랫폼이 해야 할 작업은 "예/아니오 질문을 여는 것"보다 더 복잡하다. 사용자가 AI가 선거에 영향을 미치는지 알고 싶다고 말하면, 팀은 먼저 "영향"을 결산 가능한 조건으로 분해해야 한다. 국가의 정치적 성향은 단일 의석으로 표현하기 더 어렵기 때문에, K Power는 하원, 상원 및 각 지역 선거의 예측을 통합한다. 좋은 숫자는 종종 긴 정의 과정을 숨기고 있다.

올해 가장 큰 변화는 여전히 일자리이다

Luana는 특정 직업이 Kalshi에서 완전히 사라졌다고 주장하지 않았다. 그녀가 본 것은 모든 직업이 AI에 의해 확대되었다는 것이다: 엔지니어는 동시에 약 20개의 클라우드 에이전트를 조정하고, 신입 직원은 에이전트를 사용하여 회사의 맥락을 보완하며, 관리자는 어떤 프로젝트가 막혔는지 더 빨리 알 수 있다. 그녀는 여전히 올해 말까지 일반인이 가장 뚜렷하게 느낄 변화가 일자리에서 발생할 것이라고 판단하고 있다.

"나는 아직 어떤 직업이 '우리는 이 사람이 필요 없다, 우리는 AI가 있다'로 완전히 전환되었다는 것을 보지 못했다; 모든 직업은 AI에 의해 강화되었다."

그녀는 신체적 참여가 필요한 직업, 예를 들어 피트니스 코치와 같은 직업에 더 긍정적인 시각을 가지고 있으며, 로봇이 앞으로 어떤 단계에 이를지는 결론을 내리지 않았다. 과거에 안전하다고 여겨졌던 엔지니어 직업은 오히려 안전감이 감소하고 있다고 느낀다. 직업 이름은 여전히 존재하지만, 작업을 수행하는 방법, 팀에 필요한 인원 수 및 채용 기준은 이미 변화하기 시작했다.

그녀는 여행 계획을 예로 들었다. 과거 주말 여행을 계획할 때는 스스로 숙소와 일정을 검색해야 했다; 지금은 ChatGPT에게 이틀을 계획하게 하지만, 마지막에는 여전히 웹사이트를 열고 각 호텔을 예약해야 한다. 이 단절은 현 상황을 잘 설명해준다: AI는 이미 사고와 정리를 맡았지만, 실제로 시스템 간 실행의 마지막 몇 단계는 여전히 사람에게 맡겨져 있다.

170명의 직원, 어떻게 AI 우선 회사를 운영하는가

Kalshi에는 현재 약 170명의 직원이 있다. Luana는 시장 운영을 공장으로 보고, 오류 수, 시장 출시 지연, 결과 판별 지연 및 커버리지 비율을 지속적으로 모니터링한다. AI 시스템은 이러한 지표를 수집하고, 이메일, 문서 및 팀 업데이트를 관리자로 요약한다. 이를 통해 그녀는 더 많은 프로젝트를 동시에 관리할 수 있으며, 누군가 몇 주 연속으로 과도한 약속을 하고, 부족한 성과를 내는 것을 더 빨리 알 수 있다.

"AI는 내가 맥락을 더 빨리 얻고, 무슨 일이 일어나고 있는지 더 빨리 알 수 있게 해주므로, 더 효과적으로 더 많은 스레드와 더 많은 사람을 관리할 수 있다."

일요일은 그녀에게 가장 바쁜 날이었으며, 지난주에 완료한 것과 다음 주에 할 일을 하나하나 되돌아보고, 전체 지표를 점검해야 했다. 지금은 많은 정리 작업이 에이전트에 의해 완료되므로, 그녀는 드디어 일요일에 브런치를 먹으러 갈 수 있게 되었다. 절약된 시간은 관리의 소멸을 가져오지 않으며, 관리자를 정보 전달에서 정보 판단으로 이동시킨다. 권한은 여전히 문제이며, 법률 및 모니터링 자료는 소수의 사람에게만 공개될 수 있다.

팀은 모든 신입 직원이 입사할 때 자신의 에이전트를 받고, 이메일, 문서 및 작업 기록에 연결될 수 있기를 희망한다. 현재 가장 까다로운 부분은 권한이다: 동일한 시스템이 신입 직원이 빠르게 보충할 수 있도록 하면서도 법무 사건과 시장 모니터링 자료는 승인된 사람만 볼 수 있도록 보장해야 한다. 맥락이 완전할수록, 권한 설계는 더욱 모호할 수 없다.

에이전트가 많을수록, 전담 책임자가 필요하다

인터뷰에서 반상식적인 세부 사항이 나타났다: Kalshi는 더 많은 에이전트를 사용하지만 여전히 엔지니어를 채용하고 있다. Luana와 공동 창립자는 일상적인 운영에 의해 가득 차 있으며, 각자 5%의 시간을 내부 AI 시스템을 손쉽게 만드는 데 할애하면, 결과물이 안정적이기 어렵다. 따라서 회사는 전담 팀을 구성하여 엔지니어를 시장 운영, 디자인 및 법무에 배치하고, 각 프로세스를 처리한다.

"내가 5%의 시간만 투자하면, 잘 되지 않을 것이다. AI가 회사의 중요한 부분이 되려면, 뛰어난 사람들이 전담해야 한다."

실제 프로세스는 데모보다 훨씬 복잡하다. 제품 피드백은 Slack, Discord, 트윗 및 내부 토론에 흩어져 있으며, 자동으로 정렬하려면 어떤 문제가 이미 출시되었는지를 추적해야 한다; 회사는 여러 QA 제품을 테스트했지만, 요구 사항을 충족하는 제품은 없었다. 디자인 팀은 "엔지니어가 먼저 실험을 출시하고, 디자이너가 다시 돌아와서 수정하는" 순환을 단축하고 싶어한다. 솔로 창립자의 이야기는 매력적이지만, 안정적으로 운영되는 AI 시스템은 여전히 명확한 책임자가 필요하다.

Kalshi는 방금 영구 계약을 출시하여 예측 시장을 넘어섰다. Luana는 현재의 AI 능력이 없다면, 이 새로운 제품은 주 사업을 저해하거나 많은 인력을 추가로 필요로 했을 것이라고 말했다. 그녀는 회사가 AI를 사용하여 더 많은 제품을 만들고 더 크게 성장하기를 기대하며, 고려하는 초점은 인력을 줄이는 것이 아니다. 효율성이 향상된 후, 회사의 선택은 경계를 확장하는 것이며, 단순히 인원 감소에 그치지 않는다.

채용 기준이 '할 수 있는가'에서 '다시 배울 수 있는가'로 전환되고 있다

Kalshi는 후보자가 엔지니어 면접에서 AI를 사용할 수 있도록 허용한다. 2년 전 자주 물었던 "이 사람이 특정 기술 작업을 수행할 수 있는가"는 이제 그렇게 구별되지 않는다. 팀은 시스템 검토와 과거 프로젝트 회고에 더 많은 시간을 할애하며, 디자인 직무는 후보자에게 얼마나 많은 AI를 사용해봤는지를 묻고, 법무 면접에서도 "이런 사건을 AI로 어떻게 처리할 것인가"를 질문하기 시작했다.

"당신이 과거에 일했던 방식은 Kalshi에서 계속 일하는 방식이 아닐 것이다. 우리는 사람들이 다시 이해할 수 있기를 원한다: 그들이 한때 매우 잘했던 일들이 이제는 직접 할 필요가 없을 수도 있다."

Luana는 낮은 자아, 학습 의지 및 신뢰할 수 있는 전달을 중요시한다. 그녀가 말하는 열심히 일하는 것은 근무 시간을 계산하는 것이 아니라, 맡긴 일을 잘 수행하는 데 중점을 둔다. 도구는 계속 변할 것이며, 오래된 장점을 내려놓을 의지가 채용 판단에 들어가게 된다. 이는 엔지니어가 디자인 및 법무로 이동하는 이유를 설명하기도 한다: 회사가 바꾸려는 것은 고립된 작업이 아니라, 각 팀이 작업을 처리하는 방식이다.

이러한 문화는 매우 직접적이다: 동료가 특정 작업을 좋아하지 않으면, 즉시 명확히 말한다. 회사는 3~4년을 들여 규제 허가를 얻으려 했고, 2년의 소통 후 자신의 규제 기관을 고소하여 결국 선거 시장의 공간을 확보했다. Luana는 이 경험을 간단한 원칙으로 요약한다: 할 수 있는 모든 일을 끝내서, 실패 후에 자신이 아직 한 걸음 남겨두었다는 것을 발견하지 않도록 하라.

마지막으로

73%는 진지하게 볼 가치가 있으며, 단지 73%로 취급되어야 한다. 개인에게 더 유용한 행동은 걱정을 확인 가능한 질문으로 바꾸는 것이다: 당신의 작업에서 어떤 단계가 에이전트에 의해 인수되었고, 어떤 판단이 여전히 경험에 의존하며, 팀의 채용 기준이 최근에 어떻게 변경되었는가. 확률은 당신의 다음 단계를 결정하지 않지만, 2년 전의 안전감을 가지고 오늘을 계획하지 말라는 것을 상기시킬 수 있다.