슈퍼스타 AI 연구자들의 경제학

슈퍼스타 효과가 AI 연구자 보상 격차를 설명한다. 100m 달리기에서 금메달과 은메달의 차이가 극히 작아도 보상은 크게 갈리고, 같은 논리가 AI에도 적용된다.

핵심 조건은 두 가지다.

• 한 사람의 작업이 거대한 시장에 닿아야 한다.
• 여러 사람의 수량이 한 명의 질을 쉽게 대체하지 못해야 한다.

AI는 이 두 조건을 모두 만족한다. ChatGPT처럼 수억 명이 쓰는 제품에 연구 성과가 동시에 반영되고, 프런티어 랩은 compute 제약 때문에 실험 수를 무한히 늘려 최고 인재를 대체하기 어렵다. 그래서 아주 작은 능력 차이도 큰 가치 차이로 번지고, 10배 이상 혹은 100배 수준의 보상 격차가 생길 수 있다.

경쟁이 'all in or nothing'에 가까워질수록 격차는 더 벌어진다. 수조 달러 규모의 보상이 걸린 승자독식 구도에서는, Meta의 (보도된) 1억 달러급 패키지처럼 초고액 영입전이 나올 수 있다.

다만 보상 격차가 곧 역량 격차를 뜻하는 것은 아니다. 연구자가 쌓아둔 비공개 실험 지식, 팀을 이끄는 관리 역할, Noam Brown처럼 '관리자'에 가까워지는 최상위 연구자의 업무 변화가 보상에 반영될 수 있고, RE-bench 같은 벤치마크로도 실제 대형 연구 프로젝트의 가치를 완전히 재기 어렵다. 앞으로 AI 사용이 더 넓고 깊게 확산되면, 'Claude 군단을 관리하는' 쪽에 가까운 연구 환경에서 슈퍼스타 효과는 더 강해질 가능성이 크다.