인물 프로필

Fei-Fei Li (1976-)

Stanford 교수, Stanford HAI 공동 창립자, World Labs CEO

사진: CC BY 2.0, Wikimedia Commons

이 인물을 간접 체험하는 추천 영상:

도입부

PM 코치/컨설턴트로서 7명의 AI 대가를 분석해 온 이 시리즈가 마지막 편에 도달했습니다. 최종편의 주인공으로 Fei-Fei Li를 선택한 것은 우연이 아닙니다. 앞선 6편이 각각 “제약 설계(Karpathy)”, “압축=지능(Sutskever)”, “제1원리 분해(Hassabis)”, “세계 모델(LeCun)”, “생물학적 유추와 경고(Hinton)”, “AI 전환 플레이북(Ng)”이라는 PM 도구를 선물했다면, Li는 이 모든 도구가 누구를 위한 것인가라는 근본 질문을 던집니다.

Fei-Fei Li는 16세에 영어 한마디 못 하는 채로 미국에 이민한 소녀에서, ImageNet으로 딥러닝 혁명의 무대를 깔고, Stanford HAI로 AI 정책의 목소리를 내고, World Labs로 공간 지능의 다음 프론티어를 여는 창업자가 된 인물입니다. 그녀의 커리어를 관통하는 단일 원리가 있습니다: “AI는 인간의 조건을 개선하기 위해 존재한다(AI should augment, not replace, humanity).”

이 글에서는 그녀의 경력과 프로젝트를 분석하되, PO/PM/PL이 실제로 적용할 수 있는 인간중심 설계 철학과 North Star를 유지하는 비전 리더십에 초점을 맞춥니다. 그리고 시리즈 최종편으로서, 7인의 사고 체계를 종합하여 PM이 가져갈 수 있는 통합 프레임을 제시합니다.

AI 인물 탐구의 마지막 대상을 선정한 기준은 “가장 많이 인용된 연구자”가 아닙니다. “PM/PL이 가장 본질적으로 자기 역할을 되돌아볼 수 있는 거울을 제공하는가”입니다.

7인 비교: PM 핵심 역량 매트릭스

Li는 7인 중 유일하게 4가지 PM 핵심 역량 차원을 모두 충족합니다. 특히 이해관계자 중심 설계(인간중심 AI → HAI → AI4ALL)와 대규모 인원 조율(49,000명의 크라우드 작업자를 167개국에서 관리)의 조합은, PM이 배울 수 있는 가장 직접적인 프로젝트 관리 패턴을 제공합니다.

“인간을 위한 AI”라는 반복 패턴

Li의 경력을 관통하는 메타 패턴: 인간 중심성(human-centeredness)의 점진적 확장

16세에 영어를 한마디도 못하는 채 미국에 도착해, 부모님 세탁소에서 일하면서 Princeton 장학금을 받고, 세탁소와 물리학 수업을 오가며 꿈을 키운 이민자 — Li의 개인사는 배경이 아닙니다. “자원이 극도로 부족한 상황에서도 North Star를 놓지 않는 능력”이 어떻게 형성되었는지를 설명하는 핵심 맥락입니다. 이 경험이 ImageNet의 “모두가 조롱해도 6년을 밀어붙인 집념”과, “AI는 모든 인류를 위해 존재해야 한다”는 인간중심 철학의 뿌리입니다.

커리어 타임라인

1976년 중국 베이징 출생, 쓰촨성 청두에서 성장. 1992년(16세) 영어를 전혀 못하는 상태로 뉴저지 파시파니에 이민. 방과 후 식당 알바, 부모님 세탁소에서 일하며 가계를 도움. 파시파니 고등학교 졸업(1995) → Princeton 물리학 학사(1999, 거의 전액 장학금) → Caltech 전기공학 박사(2005, AI+신경과학 교차) → UIUC 조교수(2005) → Princeton 조교수(2007, ImageNet 착수) → Stanford 부임(2009) → SAIL 디렉터(2013-2018) → Google Cloud VP/수석 과학자(2017-2018) → Stanford HAI 공동 창립(2019) → Sequoia Professor(현재) → World Labs CEO(2024) → $5B 기업가치(2026).

Mermaid 다이어그램: 3트랙 진화 맵

%%{init: {'theme': 'base', 'themeVariables': {'primaryColor': '#fdf2d8', 'primaryTextColor': '#17160f', 'primaryBorderColor': '#8f5e00', 'lineColor': '#7a7868', 'secondaryColor': '#e6edfb', 'tertiaryColor': '#eeebd8', 'fontSize': '14px'}}}%%
graph LR
  subgraph RESEARCH["연구/교육"]
    direction LR
    R1["Caltech PhD
2005"] --> R2["ImageNet
2006-2017"]
    R2 --> R3["SAIL Director
2013-18"]
    R3 --> R4["Healthcare AI
Ambient Intelligence"]
  end
  subgraph POLICY["정책/사회"]
    direction LR
    P1["AI4ALL
2017"] --> P2["Stanford HAI
2019"]
    P2 --> P3["US Senate Testimony
2023"]
    P3 --> P4["Paris AI Summit
2025"]
  end
  subgraph VENTURE["산업/창업"]
    direction LR
    V1["Google Cloud VP
2017-18"] --> V2["World Labs
2024"]
    V2 --> V3["Marble
2025"]
    V3 --> V4["$5B Valuation
2026"]
  end
  style RESEARCH fill:#fdf2d8,stroke:#8f5e00,stroke-width:2px
  style POLICY fill:#fcecea,stroke:#b52a1e,stroke-width:2px
  style VENTURE fill:#e6edfb,stroke:#1a4fd6,stroke-width:2px

세 트랙은 독립적이지 않습니다 — 연구(ImageNet/컴퓨터 비전) → 정책(HAI/인간중심 AI 제도화) → 창업(World Labs/공간 지능 상용화)으로 이어지는 하나의 커리어 아크이며, 그 중심축은 언제나 “인간을 위한 AI”입니다.

핵심 프로젝트 분석

ImageNet: 6년간 조롱받은 North Star가 혁명의 무대가 되기까지 (2006-2017)

2006년, UIUC의 조교수 Fei-Fei Li는 AI 학계 전체가 “더 나은 알고리즘”에 집중할 때 근본적 한계를 인식했습니다. “알고리즘이 학습하는 데이터가 현실 세계를 반영하지 못하면, 아무리 좋은 알고리즘도 한계가 있다.” 인지심리학자 Irving Biederman의 연구를 참조하여 — 인간은 약 30,000개의 물체 카테고리를 인식합니다 — 그에 맞는 규모의 데이터셋을 구축하겠다는 비전을 세웠습니다.

2009년 마이애미 비치 학회에서 리서치 포스터로 첫 공개했을 때, “학회장 구석에 걸린 포스터”라는 냉담한 반응을 받았습니다. 존경받는 멘토들조차 반대했습니다. 그러나 Li는 포기하지 않았습니다.

2012년 9월 30일, Alex Krizhevsky, Ilya Sutskever, Geoffrey Hinton이 AlexNet으로 ILSVRC에 참가하여 Top-5 에러율 15.3% — 2위보다 10.8%p 낮은 압도적 성과 — 를 달성했습니다. CNN + GPU의 조합이 ImageNet이라는 무대 위에서 폭발하면서, 딥러닝 혁명이 시작되었습니다.

Stanford HAI: 인간중심 AI의 제도화 (2019)

Google Cloud에서 복귀한 후, Li는 Stanford 전 총장 John Etchemendy와 함께 Human-Centered Artificial Intelligence Institute(HAI)를 공동 창립했습니다. 5년간 $4,000만 이상을 투자하고, 300명 이상의 Stanford 학자를 지원하며, 인문학+기술+정책 3축 모델을 구축했습니다.

미국 상원/하원 증언, UN 사무총장 특별 자문, 의회 직원 대상 “AI 부트캠프” 운영 — Li는 기술자가 정책에 참여해야 한다는 신념을 행동으로 옮겼습니다. 2025년 파리 AI 액션 서밋에서는 “AI 거버넌스는 공상과학이 아닌 과학에 기반해야 한다”는 백서를 발표했습니다.

Google Cloud: 비전을 제품으로 번역한 18개월 (2017-2018)

Stanford 안식년 중 Google 부사장 겸 수석 과학자로 재직하며, Video Intelligence API와 Cloud AutoML Vision을 출시했습니다. 특히 AutoML Vision은 코딩/ML 전문지식 없이도 커스텀 이미지 분류 모델을 훈련할 수 있게 한 제품으로, “AI 민주화”라는 Li의 비전이 제품으로 구현된 사례입니다.

World Labs: 공간 지능의 다음 프론티어 (2024-현재)

2024년 TED Talk에서 Li는 선언했습니다: “5억 4천만 년 전 시력의 출현이 지구 생명체를 변환시켰듯, AI도 공간 인식 능력을 통해 변환될 것입니다.” World Labs는 이 비전의 실행체입니다.

Justin Johnson(ML/생성AI), Christoph Lassner(3D 그래픽, Pulsar 개발자), Ben Mildenhall(NeRF 공동 창안자)과 공동 창업하여, 2024년 9월 $230M 시리즈 A, 2026년 2월 $1B 라운드로 기업가치 $5B에 도달했습니다. 첫 상용 제품 Marble(2025년 11월)은 텍스트/이미지/비디오 프롬프트로 3D 가상 세계를 생성합니다.

“The Worlds I See”: 과학자의 자기 서사 구축 (2023)

자서전 “The Worlds I See: Curiosity, Exploration, and Discovery at the Dawn of AI”는 기술서가 아닙니다. 중국 중산층에서 미국 빈곤층으로의 전락, 세탁소와 식당에서의 노동, 성차별과 인종차별의 극복, 그리고 그 속에서도 포기하지 않은 과학적 탐구의 서사입니다. 2024년 샌프란시스코 “One City One Book”에 선정되었습니다.

Li는 기술만 개발한 것이 아니라, AI가 누구를 위해 존재하는가라는 질문 자체를 산업의 중심에 놓았습니다.

패러다임 전환 테이블

기업의 향후 AI 영향과 준비 항목

1. 인간중심 AI 설계

Li의 동심원 모델 — 개인 → 커뮤니티 → 사회 — 은 AI 도입의 평가 프레임이 됩니다. AI가 “효율성”만이 아니라 “인간 존엄성”을 증강하는지를 KPI에 포함해야 합니다.

준비 항목: – AI 도입 시 “인간 증강” 원칙을 프로젝트 차터에 명시 – Model Certification Protocols(고위험 도메인) – 내부 AI Ethics Council 구성 (사법 심사 위원회 모델)

2. 데이터 전략: 알고리즘보다 데이터가 먼저

ImageNet이 증명한 것: 데이터의 규모와 품질이 알고리즘 혁신보다 중요할 수 있습니다. 기업은 자사의 “ImageNet”이 무엇인지 정의해야 합니다.

준비 항목: – 핵심 도메인 데이터 자산 목록화 및 품질 감사 – 데이터 레이블링/검증의 다단계 QA 프로세스 – “데이터 중심 AI(data-centric AI)” 접근법 채택

3. 다양성과 포용: 만드는 사람이 쓰는 사람을 반영

Li: “AI를 구축하는 사람들이 AI에 영향받는 사람들의 다양성을 반영해야 한다.” 다양한 배경의 팀이 더 나은 AI를 만든다는 것은, 다양한 관점의 이해관계자가 더 나은 프로젝트 결과를 만든다는 PM의 원칙과 동일합니다.

준비 항목: – AI 팀의 배경 다양성 목표 설정 – 채용 시 학위보다 “학습 속도”와 “도구 활용 능력” 중시 – AI 도구를 적극 수용하는 문화 구축

4. 공간 지능 대비: 2D에서 3D로

World Labs의 급성장은 공간 AI 시장의 도래를 알립니다. “시력이 통찰이 되고, 보는 것이 이해가 되고, 이해가 행동으로 이어진다” — 이 전환에 기업이 준비되어야 합니다.

준비 항목: – 3D 데이터 수집/관리 역량 확보 – 공간 컴퓨팅 인재 파이프라인 구축 – AR/VR + AI 통합 전략 수립 – 기존 2D 워크플로우의 3D 전환 로드맵

파급 효과 테이블

Li의 중심 질문 — “이 프로젝트는 누구를 위한 것인가?” — 은 단순해 보이지만, 이 질문 하나가 프로젝트의 스코프, 설계, 평가 기준을 근본적으로 바꿉니다. 인간중심 프레임워크는 추가 오버헤드가 아닙니다. 오히려 아무도 필요로 하지 않는 것을 만드는 낭비를 제거합니다. Li의 사고 체계를 PO/PM 관점으로 분해합니다.

PO 관점: 비전/전략 설정 패턴

PM 관점: 프로젝트 운영 원리

Li 사고 모델 다이어그램

%%{init: {'theme': 'base', 'themeVariables': {'primaryColor': '#fdf2d8', 'primaryTextColor': '#17160f', 'primaryBorderColor': '#8f5e00', 'lineColor': '#7a7868', 'secondaryColor': '#e6edfb', 'tertiaryColor': '#eeebd8', 'fontSize': '14px'}}}%%
graph TD
  A["인간중심 설계
Human-Centered Design"] --> B["North Star 설정
대담한 탐구 식별"]
  A --> C["이해관계자 공감
동심원 모델"]
  B --> D["데이터가 알고리즘을 이긴다
토대 먼저 확보"]
  C --> E["다양성이 품질을 만든다
포용적 팀 빌딩"]
  D --> F["대규모 조율
크라우드소싱/협업"]
  E --> F
  F --> G["장기 인내
6년간 학계 저항 돌파"]
  G --> H["비전을 제품으로 번역
AutoML/Marble"]
  H --> I["사회적 영향 확장
HAI/AI4ALL/정책"]
  style A fill:#fdf2d8,stroke:#8f5e00,stroke-width:2px
  style F fill:#e6edfb,stroke:#1a4fd6,stroke-width:2px
  style I fill:#fcecea,stroke:#b52a1e,stroke-width:2px

전통 PM 프레임워크 매핑

시리즈 최종편의 실전 가이드는 가장 근본적인 역량에 초점을 맞춥니다: 이해관계자 공감과 포용적 리더십. 이것은 “소프트 스킬”이 아닙니다. 다른 모든 PM 역량이 그 위에서 작동하는 운영 체제(OS)입니다. 기술적 분석이 아무리 뛰어나도, “누구를 위한 것인가?”에 대한 답이 틀리면 프로젝트는 실패합니다.

2열 카드: PM 루트 vs PL 루트

PM 루트 — 이해관계자 중심 프로젝트 설계

Li의 핵심 기여: “AI가 누구를 위한 것인가”를 모든 의사결정의 출발점으로 삼는 능력.

PM이 적용할 3단계: 1. 동심원 그리기: “이 프로젝트의 이해관계자를 코어→비즈니스→최종사용자→사회 4층으로 분류하면?” 2. 데이터 기반 검증: “각 층위의 이해관계자가 실제로 원하는 것을 데이터로 확인했는가?” 3. 인간 조건 개선 측정: “이 프로젝트가 완료되면 누구의 어떤 조건이 구체적으로 나아지는가?”

PL 루트 — 포용적 팀 빌딩과 North Star 리더십

Li의 핵심 기여: 다양한 배경의 팀원을 하나의 비전으로 정렬하고, 외부 저항 속에서 비전을 지키는 능력.

PL이 적용할 3단계: 1. 다양성 감사: “우리 팀은 최종 사용자의 다양성을 반영하고 있는가?” 2. North Star 명문화: “팀 전원이 동일한 문장으로 프로젝트의 Why를 설명할 수 있는가?” 3. 중간 증거 설계: “회의론자를 전환시킬 첫 번째 구체적 증거는 무엇인가?”

메타인지 기반 Step-by-Step 역량 개발 가이드

PM/PL이 Li의 사고 체계를 내재화하기 위한 4단계 훈련입니다. 핵심은 “인간중심이라는 구호를 외우는 것”이 아니라 “이해관계자를 바라보는 눈 자체를 업그레이드”하는 것입니다.

Step 1: 인지 — “나의 이해관계자 공감 수준은 어디인가?” (Week 1-2)

목표: 현재 자신의 이해관계자 인식 패턴을 메타인지적으로 점검

Step 2: 설계 — “인간중심으로 프로젝트를 재설계할 수 있는가?” (Week 3-4)

목표: 프로젝트의 성공 기준을 “기술적 완성”에서 “인간 조건 개선”으로 전환하는 설계 능력

Step 3: 구축 — “North Star를 유지하면서 적응할 수 있는가?” (Week 5-6)

목표: 외부 저항과 불확실성 속에서 비전의 방향은 지키되 경로는 적응하는 능력

Step 4: 통합 — “포용적 리더십이 내재화되었는가?” (Week 7-8)

목표: 다양성과 포용이 의식적 노력이 아닌 자연스러운 리더십 패턴으로 내재화

Quick Start: 이번 주부터 시작할 5가지

7인의 사고 체계 — PM이 가져갈 한 줄

시리즈 상호 연계 — 7인의 사고 체계 연결 맵

7인을 관통하는 PM의 통합 교훈

이 시리즈를 마치며, 7명의 AI 대가에게서 추출한 사고 체계는 결국 하나의 프레임으로 수렴합니다:

1. 토대를 먼저 확보하라 (Li: 데이터 > 알고리즘, Karpathy: 제약 설계) 2. 본질을 압축하라 (Sutskever: 압축 = 지능, Hassabis: 제1원리 분해) 3. 현재의 한계를 직시하라 (LeCun: 세계 모델, Hinton: 안전 경고) 4. 작게 시작하되 크게 생각하라 (Ng: 플레이북, Hassabis: lighthouse project) 5. 그 모든 것이 누구를 위한 것인지 잊지 마라 (Li: 인간중심 설계)

이 다섯 가지는 순서대로 적용되는 것이 아니라, 동시에 작동하는 PM의 운영체제입니다. 토대 없는 방법론은 공허하고, 본질 없는 실행은 낭비이며, 한계를 모르는 낙관은 위험하고, 시작하지 않는 계획은 환상이며, 사람을 잊은 프로젝트는 성공해도 실패입니다.

시리즈 전체 보기

Tags