과거에는 우리가 일상에서 주목하는 대상의 99%가 물리적인 현실 환경이었어요. 그런데 TV가 나오면서 85%, 컴퓨터는 70%, 다시 스마트폰은 50%로 낮추어 버렸죠. 그렇다면 그다음에는 무엇이 있을까? 메타버스는 그것에 대한 이야기예요.
--- p.3

데이터 앞에 '빅'이라는 수사가 붙어서 크고 대단히 많은 것이 인풋되면, 거창하고 올바른 정답이 아웃풋될 거라는 막연한 믿음 같은 것을 심어주는데, 그건 아니라는 겁니다.
--- p. 51

예측이라는 말의 보편적인 느낌과는 다르게 예측 분석에서의 예측은 미래를 향해 있지 않고 미래에 대한 분석도 아닙니다. 예측 분석의 정확한 실체는 과거와 현재의 분석입니다. 과거의 데이터를 가지고 '패턴' 등을 찾아내어 '현재를 설명'하는 일이기 때문입니다.
--- p.57

간단히 비유하자면 데이터베이스 자체는 화물(데이터)을 저장할 수 있는 창고 그 자체의 역할만 수행하고, 화물을 적재하거나 적재된 화물을 처리할 수 있는 능력은 없다. 이 때문에 DBMS라는 관리자들을 고용하여 화물을 적재하거나 이동시키는 등 크레인과 같은 여러 가지 업무를 수행하게 하는 것이다.
--- p.125

그럼에도 불구하고 제3 신뢰 기관을 여전히 신뢰해야 할까요? 만약 신뢰를 못 하겠다면 구체적으로 은행 없이 계좌이체를 어떻게 할 수 있다는 말인가요? 이 질문에 답할 수 있는 개념적으로는 거의 완전한 정답이 마침내 등장하게 됩니다. 바로 비트코인과 블록체인입니다.
--- p.149

블록체인이 애플 앱스토어와 같은 플랫폼 생태계라면 비트코인은 앱스토어에서 잘 나가는 앱 정도로 일단 이해하면 충분합니다.
--- p.151

다들 암호화폐, 가상화폐, 코인이라고 하니 무슨 돈거래인 것처럼 생각했겠지만, 사실은 거래 정보를 승인하고기록하는 탈 중앙화된 분산 시스템이 저비용, 고효율로 작동하도록 하는 시스템 머니라고 보는 게 옳습니다. 암호화폐는 블록체인 시스템이 매끄럽게 돌아가도록 하는 도구이지, 그 자체로 화폐를 대체하는 수단이 되는 데는 한계가 있습니다.
--- p.165

여기서 중요한 것은, IT 개발의 출발은 클라이언트의 요구사항 정의이고, 요구사항을 충분히 구체적이고 명확하게 정의한다는 것은 무척 어려운 작업이라는 인식입니다. 요구사항 정의는 근본적으로 고난도의 협업과 커뮤니케이션 작업입니다.
--- p.181

IT 개발은 비즈니스의 언어를 개발자의 프로그래밍 언어로 번역하고, 다시 이를 기계어로 컴파일하는 번역과 소통의 과정이고, 그래서 'IT는 결국 커뮤니케이션'이라는 중요한 인식도 얻을 수 있었습니다.
--- p.208

그래서 소프트웨어 개발 과정에서 특히 필수적인 역량이 되는 것은 '핵심'적인 것을 관찰하고 볼 줄 아는 힘, '공통'적인 것을 추출할 수 있는 능력, 결국 추상화와 범주화 기술입니다. 마치 샴고양이, 노르웨이숲, 랙돌, 페르시안 고양이라는 개별 개체 하나하나가 아니라, 고양이라는 '하나의 종'을 들여다볼 줄 아는 눈과 마음입니다.
--- p.219

가장 중요한 포인트는 지하철을 이용하는 승객들에게 지상의 사정은 중요하지 않다는 핵심을 통찰했다는 점입니다. 승객들은 역과 역 사이를 이동하고 싶을 뿐입니다. 승객들에게 필요한 것은 '어디서 타지?', '어디서 내리지?', '어디에서 환승해야 가장 빠르게 도착하지?'입니다. 그러니까 중요한 것은 지상의 지형이 아니라, '이동'을 위한 지하의 역과 역 사이의 '연결성'이라는 본질을 제대로 간파한 것입니다.
--- p.223

그런데 큰 고민과 걱정 없이 도넛 가게를 오픈하는 빠른 방법이 있습니다. 바로 던킨도너츠의 프랜차이즈로 들어가면 됩니다. 던킨도너츠는 당연히 매장 창업에 관해 축적되고 표준화된 모든 것을 제공합니다. 프레임워크는 '던킨도너츠'와 같은 프랜차이즈입니다.
--- p.245

기존의 전통적인 프로그래밍이 빵 만드는 법(규칙과 로직)을 알고 밀가루(원인)을 집어넣으면 빵(결과)이 나오는 방식이라면, 인공지능은 빵과 밀가루(원인)을 집어넣으면 빵 만드는 방법과 규칙인 레시피(결과)가 나오는 방식입니다. 이렇듯 인공지능 방식은 기존 프로그래밍에서의 원인과 결과라는 체계를 비틀고 뒤집어 놓습니다.
--- p.258

이세돌을 이긴 알파고가 왜 주식 가격 예측에는 활용될 수 없는 걸까요? 주가 데이터에는 패턴이 없기 때문입니다. 패턴이 없는 랜덤 데이터를 아무리 학습해 봐야 없는 패턴을 찾아낼 수는 없습니다. 인공지능이라 불리는 컴퓨터 알고리즘은 스스로 학습하는 개체가 아니라, 단순히 데이터 속의 패턴을 인식하는 여러 가지 계산법 중 하나에 불과합니다. 그리고 우리가 예측 분석이라고 말하는 것 대부분은 과거의 패턴을 가지고 현재를 이해하고 설명하는 일이었습니다.
--- p.329

결국, 디지털이란 현실 세계의 물리적인 것들에 대한 상대적인 '개념'입니다. 디지털은 컴퓨터가 이해할 수 있는 0과 1 같은 이산적인 숫자 데이터라고만 말하면 아마추어입니다. 숫자는 도구이자 수단일 뿐입니다. 눈앞의 것 그 너머를 볼 수 있어야 합니다. 전문가는 아날로그의 물리적인 것에 대한 복제 개념이 디지털이라고 말합니다.
--- p.342

에어비앤비는 단 한 채의 숙소 건물도 보유하고 있지 않지만, 하얏트 호텔 그룹의 기업 가치를 넘어섰습니다. 우버는 단 한 대의 택시도 없지만, 이미 옐로캡을 무너뜨렸습니다. 아디다스의 독일 공장은 연간 50만 켤레를 생산하는데, 직원은 단 10명이라고 알려져 있습니다. 이런 놀라운 일이 벌어진 배경에는 디지털 트랜스포메이션이 있습니다.
--- p.361

여기서 중요한 것은 디지털이 되기 전 현실 세계에서는 이미지와 소리는 전혀 '다른 것'이었는데, 컴퓨터가 볼 때는 이미지와 소리가 '똑같은 것'이 되었다는 점입니다.
--- p.367

모든 것이 데이터가 되는 디지털은 본질적으로 자본주의적, 자연독점적인 속성이 있고, 그래서 단 하나의 길목을 형성할 수도 있습니다. 그 길목 하나가 심각한 단일 실패점이 될 수 있다는 것을 목격한 것이 바로 2022년 가을 카카오 장애입니다.