What the Center Can't See

Alex Karp said the future belongs to the neurodivergent. His intuition was probably right. His word was too small.

중심의 사각

알렉스 카프는 미래가 있는 건 neurodivergent뿐이라고 말했다. 직관은 맞았을지 모른다. 단어가 너무 좁았다.

In March 2026, Alex Karp — the CEO of Palantir, a company worth roughly $260 billion — told the audience at The Burning Platform Network that there are basically two ways to know you have a future in the age of AI. One, you have some vocational training. Two, you're neurodivergent.

The reaction was immediate and mostly hostile. The statement read as though Karp was sorting humanity into two bins: people with practical skills and people with neurological conditions. Everyone else, apparently, should worry.

But Karp said something else in the same cycle of interviews that drew less attention. Speaking to Fortune, he described what he meant as "less about a label and more about a mindset." At the 2024 DealBook Summit, months before the TBPN appearance, he'd shared that he is dyslexic, and said: "There is no playbook a dyslexic can master." The Palantir Neurodivergent Fellowship — paying $110,000 to $200,000 a year plus a $5,400 monthly stipend — advertises for people who "see past performative ideologies."

These are not descriptions of a medical condition. They are descriptions of a relationship to systems — specifically, the experience of being inside a system while seeing it from the outside.

Karp's intuition was probably right. The way it was expressed invited a fight about the wrong thing.

2026년 3월, 팔란티어 CEO 알렉스 카프 — 시가총액 약 350조 원 — 가 팟캐스트 The Burning Platform Network에서 이렇게 말했다. AI 시대에 미래가 있다는 걸 알 수 있는 방법은 기본적으로 두 가지다. 하나, 직업 훈련을 받았다. 둘, neurodivergent다.

반발은 즉각적이었다. 카프가 인류를 두 칸으로 나누는 것처럼 읽혔기 때문이다. 실용 기술이 있는 사람과 신경학적 조건을 가진 사람. 나머지는 걱정해야 한다는 뜻으로.

그런데 같은 시기 다른 인터뷰에서 카프가 한 말은 덜 주목받았다. 포춘에서 그는 자신이 의미한 것이 "진단명이 아니라 사고방식에 가깝다"고 했다. 2024년 12월 딜북 서밋에서는 자신이 난독증이라고 밝히며 "난독증인 사람이 마스터할 수 있는 플레이북은 없다"고 말했다. 팔란티어 Neurodivergent Fellowship — 연봉 1억 5천만 원에서 2억 8천만 원, 월 생활비 750만 원 별도 — 은 "수행적 이데올로기를 꿰뚫어보는" 사람을 찾는다고 쓰고 있다.

의학적 조건을 묘사한 게 아니다. 시스템과의 관계를 묘사한 것이다 — 시스템 안에 있으면서 바깥의 시선으로 보는 경험.

카프의 직관은 맞았을지 모른다. 다만 그 직관이 표현된 방식은, 진짜 의미에 대한 논의보다 오해를 먼저 불러일으켰다.

What everyone else was saying at the same time

같은 시기에 다른 사람들이 말하고 있던 것

Karp was not the only person making this argument. He was just the one who used the most provocative word.

Ethan Mollick, the Wharton professor who has become the most cited academic voice on AI and work, frames it differently. In his 2026 conversations and writing, Mollick draws a line between output and process. If your value is the output — the memo, the code, the analysis — you are competing directly with a system that produces those things faster and cheaper. If your value is knowing which output matters, which question to ask, which problem is actually worth solving, you are doing something the system does not do on its own.

Erik Brynjolfsson at Stanford ran one of the largest empirical studies on AI and worker productivity: 5,179 customer support agents using a GPT-based tool. The average productivity gain was 14 percent. But the distribution was wildly uneven. The least experienced workers improved by 34 percent. The most experienced workers barely moved. AI was compressing the gap between the bottom and the top.

Dario Amodei, the CEO of Anthropic, invoked Amdahl's Law on the Nikhil Kamath podcast in February 2026 — if AI speeds up 80 percent of a cognitive task, the remaining 20 percent becomes the bottleneck and therefore the source of almost all the value. Existing advantages that fall within the 80 percent dissolve. New advantages emerge from what's left.

Sam Altman posted on X, the day before OpenAI announced its $110 billion funding round, that knowing what to pay attention to was becoming the scarcest human skill. Paul Graham, who has been saying a version of this since 2002, put it more sharply: "When anyone can make anything, the big differentiator is what you choose to make."

And a BCG-Harvard study published in Organization Science in 2026 — 758 consultants using GPT-4 — found that the benefits of AI fell apart at what the researchers called the "frontier." Inside the frontier, where problems had known patterns, AI-assisted consultants outperformed. Outside the frontier, where problems were ambiguous and required judgment under uncertainty, AI-assisted consultants actually performed worse than those working without AI. The tool didn't just fail to help. It made people overconfident in the wrong direction.

이 논지를 펼친 사람이 카프만은 아니었다. 카프가 가장 도발적인 단어를 골랐을 뿐이다.

AI와 노동에 관해 가장 많이 인용되는 학자인 와튼스쿨의 에단 몰릭은 다르게 표현한다. 2026년의 글과 대담에서 몰릭은 산출물과 과정 사이에 선을 긋는다. 가치가 산출물 자체에 있다면 — 보고서, 코드, 분석 — 그걸 더 빠르고 싸게 만드는 시스템과 직접 경쟁하는 셈이다. 어떤 산출물이 중요하고, 어떤 질문을 던져야 하고, 어떤 문제가 풀 만한 가치가 있는지 판단하는 데 가치가 있다면, 그건 시스템 혼자 못 하는 일이다.

스탠퍼드의 에릭 브린욜프슨은 AI와 노동 생산성에 관한 최대 규모 실증 연구 중 하나를 수행했다. GPT 기반 도구를 사용하는 고객지원 상담원 5,179명. 평균 생산성 향상은 14퍼센트였다. 그런데 분포가 극도로 불균등했다. 경험이 가장 적은 상담원은 34퍼센트 향상. 경험이 가장 많은 상담원은 거의 변화 없음. AI가 바닥과 꼭대기 사이의 격차를 압축하고 있었다.

앤트로픽 CEO 다리오 아모데이는 2026년 2월 니킬 카마스 팟캐스트에서 암달의 법칙을 끌어왔다 — AI가 인지 작업의 80퍼센트를 가속하면, 나머지 20퍼센트가 병목이 되고 따라서 가치의 거의 전부가 거기서 나온다. 80퍼센트 안에 있던 기존의 장점은 소멸한다. 새로운 장점은 남은 것에서 출현한다.

샘 올트먼은 오픈AI의 1,100억 달러(약 150조 원) 펀딩 발표 전날 X에 이렇게 썼다. 무엇에 주의를 기울여야 하는지 아는 것이 가장 희소한 인간 능력이 되어가고 있다고. 2002년부터 비슷한 말을 해온 폴 그레이엄은 더 날카롭게 표현했다. "누구나 무엇이든 만들 수 있을 때, 가장 큰 차별화 요소는 무엇을 만들기로 선택하느냐다."

그리고 BCG-하버드 공동연구가 2026년 Organization Science에 게재됐다 — GPT-4를 사용하는 컨설턴트 758명. AI의 이점은 연구자들이 "프런티어"라고 부른 지점에서 무너졌다. 프런티어 안쪽, 알려진 패턴이 있는 문제에서는 AI 보조 컨설턴트가 더 나은 성과를 냈다. 프런티어 바깥, 모호하고 불확실한 판단이 필요한 문제에서는 AI 보조 컨설턴트가 AI 없이 일한 사람보다 오히려 성과가 나빴다. 도구가 도움을 못 준 정도가 아니다. 잘못된 방향으로 과신하게 만들었다.

Everyone was pointing at the same thing: the declining value of standardized thinking. Karp just happened to name it in a way that guaranteed the conversation would be about the name instead.

모두가 같은 곳을 가리키고 있었다. 표준화된 사고의 가치 하락. 카프만 하필, 논쟁이 뜻이 아니라 단어를 놓고 벌어지게 만드는 방식으로 이름을 붙였을 뿐이다.

What the word obscured

그 단어가 가린 것

"Neurodivergent" did two things that Karp probably didn't intend.

First, it sounded innate. If the future belongs to the neurodivergent, and neurodivergence is a neurological condition you're born with, then the implied conclusion is: either you have it or you don't. That's a sorting mechanism, not an insight. The backlash was predictable — Daniela Amodei responded in ABC News that liberal arts training would matter more, not less. Jaime Teevan, Microsoft's chief scientist, pointed to metacognitive skills: flexibility, adaptability, critical thinking. Neither was really disagreeing with Karp's underlying point. They were disagreeing with the word.

Second, the word shrank the scope. "Neurodivergent" has a clinical boundary: ADHD, autism spectrum, dyslexia, and related conditions. Karp himself is dyslexic. But his other statements — about playbooks, about performative ideologies, about mindset over label — point at something much wider. Not a diagnosis. An experience. The experience of operating within a system whose rules don't quite fit you, and developing a different way of seeing because of that friction.

Here's a way to think about what that friction does. Language models generate text by sampling from a probability distribution. At the default temperature — the parameter that controls randomness — the most likely next word dominates. Raise the temperature and less probable words get a chance. The outputs become more surprising, more varied, less predictable. But temperature alone doesn't produce meaning. Most high-temperature text is just noise.

Human minds are not language models, and lived experience is not a parameter setting. But the analogy is useful in one narrow way: it helps explain why "thinking differently" is not the same as "thinking randomly." The value Karp was gesturing at isn't randomness. It's a specific kind of deviation — one produced by sustained contact with a system that doesn't accommodate you, which forces you to build a second model of how things work alongside the standard one.

"Neurodivergent"라는 단어는 카프가 의도하지 않았을 두 가지 효과를 냈다.

첫째, 선천적인 것으로 들렸다. neurodivergent만 미래가 있다면, 그리고 그것이 타고나는 신경학적 조건이라면, 결론은 하나다: 있거나 없거나. 이건 분류 장치지 통찰이 아니다. 반발은 예측 가능했다 — 다니엘라 아모데이는 ABC 뉴스에서 인문학 교육이 덜이 아니라 더 중요해질 것이라고 응수했다. 마이크로소프트 수석 과학자 제이미 티번은 메타인지 능력을 꼽았다: 유연성, 적응력, 비판적 사고. 둘 다 카프의 밑바탕에 깔린 논지에 반대한 건 아니었다. 단어에 반대한 것이다.

둘째, 범위가 좁아졌다. "Neurodivergent"는 임상적 경계가 있다. ADHD, 자폐 스펙트럼, 난독증 및 관련 조건들. 카프 자신이 난독증이다. 그러나 그의 다른 발언들 — 플레이북에 관해, 수행적 이데올로기에 관해, 진단명이 아니라 사고방식이라는 말 — 은 훨씬 넓은 곳을 가리키고 있었다. 진단이 아니라 경험. 자기에게 맞지 않는 규칙의 시스템 안에서 살아가면서, 그 마찰 때문에 다른 시선을 발달시킨 경험.

그 마찰이 뭘 하는지를 생각하는 한 가지 방법이 있다. 언어 모델은 확률 분포에서 샘플링하여 텍스트를 생성한다. 기본 temperature — 무작위성을 제어하는 파라미터 — 에서는 가장 가능성 높은 다음 단어가 지배한다. Temperature를 올리면 확률이 낮은 단어들이 기회를 얻는다. 출력은 더 놀랍고, 다양하고, 예측하기 어려워진다. 그런데 temperature만으로는 의미가 만들어지지 않는다. 높은 temperature의 텍스트 대부분은 그냥 노이즈다.

인간의 마음은 언어 모델이 아니고 삶의 경험은 파라미터 설정이 아니다. 그래도 이 비유가 한 가지는 설명해준다: "다르게 생각하는 것"이 "무작위로 생각하는 것"과 같지 않은 이유. 카프가 가리키던 가치는 무작위성이 아니다. 특정한 종류의 이탈이다 — 자신을 수용하지 않는 시스템과의 지속적 접촉이 만들어낸, 표준 모델 옆에 두 번째 모델을 세울 수밖에 없게 되는 이탈.

What the machines learned first

기계가 먼저 배운 것

There's a structural reason why some ways of thinking resist AI replacement better than others, and it starts with what the AI was trained on.

A review published in Trends in Cognitive Sciences in March 2026 by Sourati, Ziabari, and Dehghani synthesized the growing evidence on what large language models do to the distribution of human expression. Their conclusion: LLMs reflect and reinforce dominant styles of communication and thinking, while pushing alternative voices to the margins. The models don't do this because someone programmed them to. They do it because the training data — the internet — overrepresents certain ways of writing, arguing, and seeing the world. The most common patterns are the most heavily weighted.

Then comes the alignment step. Xiao and colleagues, in a paper published in the Journal of the American Statistical Association in 2025, documented what they called "preference collapse" in RLHF — the process by which language models are fine-tuned to match human preferences. The mechanism is straightforward. If human evaluators prefer response A over response B at a ratio of, say, 70 to 30, the RLHF process doesn't just preserve that ratio. It amplifies it. After training, the model might produce A-like outputs 90 percent of the time and B-like outputs 10 percent. The majority preference becomes more dominant than it was among the humans who expressed it. A separate study in Philosophy & Technology in 2025 examined who the evaluators are, and found that RLHF rater pools overrepresent mainstream demographics and perspectives.

The user experience confirms the architecture. Researchers studying neurodivergent users of ChatGPT — including Carik and colleagues in 2024 and Rizvi and colleagues in 2025 — report a consistent finding: users on the autism spectrum, users with ADHD, users with other non-majority cognitive profiles describe AI outputs as sounding conspicuously neurotypical. The phrasing, the social assumptions, the structure of reasoning — all calibrated to a center that these users experience as distinctly not their own.

This isn't a bug. It's what the math does. The training data encodes the majority. The alignment process amplifies it. The output feels, to anyone outside the majority, like talking to someone who has never left the center.

Which means Karp's intuition — that certain kinds of thinking will hold up against AI better than others — maps onto something real. But the reason isn't that some brains are inherently more creative. It's that AI learned the majority's cognitive patterns first, most thoroughly, and most confidently. What it can replicate most easily is what it was trained on most heavily. What it struggles with is whatever was underrepresented in the data.

The subject of the sentence is different than Karp implied. It's not "neurodivergent people are more resilient." It's "AI is most fluent in the dominant style." The durability isn't in the human. It's in the gap.

어떤 사고방식이 AI 대체에 더 잘 버티는지에는 구조적 이유가 있다. AI가 무엇으로 훈련됐는지에서 시작된다.

수라티, 지아바리, 데흐가니가 2026년 3월 Trends in Cognitive Sciences에 발표한 리뷰 논문은 대형 언어 모델이 인간의 표현 분포에 무슨 일을 하는지 종합했다. 결론: LLM은 지배적인 소통·사고 방식을 반영하고 강화하며, 대안적 목소리를 주변부로 밀어낸다. 누군가 의도적으로 프로그래밍해서 그런 게 아니다. 훈련 데이터 — 인터넷 — 가 특정한 글쓰기, 논증, 세계관을 과대대표하기 때문이다. 가장 흔한 패턴이 가장 무거운 가중치를 받는다.

그다음 정렬 단계가 온다. 시아오와 동료들이 2025년 Journal of the American Statistical Association에 발표한 논문은 RLHF — 언어 모델을 인간 선호에 맞추는 과정 — 에서 "선호 붕괴(preference collapse)"라고 부른 현상을 기록했다. 메커니즘은 단순하다. 예를 들어 인간 평가자가 응답 A를 응답 B보다 70 대 30으로 선호하면, RLHF 과정은 그 비율을 보존하지 않는다. 증폭한다. 훈련 후 모델은 A 유형 출력을 90퍼센트, B 유형을 10퍼센트 생성할 수 있다. 다수파 선호가 원래 그걸 표현한 사람들 사이에서보다 더 강해진다. Philosophy & Technology의 2025년 별도 연구는 평가자가 누구인지를 조사했고, RLHF 평가자 풀이 주류 인구통계와 관점에 편중돼 있음을 확인했다.

쓰는 사람들의 경험이 이를 뒷받침한다. ChatGPT의 neurodivergent 사용자를 연구한 카릭과 동료들(2024), 리즈비와 동료들(2025)은 일관된 결과를 보고한다. 자폐 스펙트럼, ADHD, 그 밖의 비주류 인지 프로필을 가진 사용자들이 AI 출력을 두드러지게 neurotypical하다고 느낀다는 것. 어구, 사회적 전제, 추론 구조 — 전부 자기 것이 아닌 어떤 중심에 맞춰져 있다.

이건 결함이 아니다. 수학이 하는 일이다. 훈련 데이터가 다수파를 코딩하고. 정렬 과정이 증폭하고. 출력은, 다수파 바깥에 있는 누구에게든, 중심을 한 번도 떠나본 적 없는 사람과 대화하는 느낌을 준다.

그래서 카프의 직관 — 특정한 사고방식이 AI에 더 잘 버틴다 — 은 허공을 가리킨 게 아니다. 다만 이유가 "일부 뇌가 본질적으로 더 창의적"이어서가 아니다. AI가 다수파의 인지 패턴을 먼저, 가장 철저하게, 가장 자신 있게 학습했기 때문이다. 가장 쉽게 복제하는 건 가장 많이 훈련된 것이다. 어려워하는 건 데이터에서 과소대표된 것이다.

다만 주어가 다르다. "Neurodivergent한 사람이 더 잘 버틴다"가 아니라 "AI가 다수파 스타일에 가장 유창하다"이다. 버티는 힘은 인간 쪽에 있지 않다. 빈자리 쪽에 있다.

What Karp was pointing at

카프가 가리키고 있었던 것

Here's what Karp was probably gesturing at, translated into something more precise.

When you live inside a system that wasn't built for you — because of how your brain works, or where you were born, or what language you grew up speaking — you are forced to do something that people who fit the system never have to do. You maintain two models at the same time. The system's model, which you have to navigate to function. And your own model, which the system doesn't reflect. This is effortful, constant, and mostly invisible to anyone who doesn't have to do it.

The observation isn't new. The sociologist Georg Simmel wrote about this in 1908 — what he called "The Stranger," a figure who belongs to a group but is never entirely of it, and who develops a particular kind of objectivity because of that distance. Robert Park extended the idea in 1928 with the "marginal man," someone between two cultures who develops, as Park put it, "wider horizons and keener intelligence." The concept has been around for over a century. Karp stumbled onto it with a different vocabulary.

There's empirical support, too. A 2012 study by Tadmor, Galinsky, and Maddux in the Journal of Personality and Social Psychology found that people who had genuinely internalized two cultures — not just lived in two countries, but built two working models of how the world operates — showed higher integrative complexity, and that this translated into measurable creative and professional advantages.

Replace "neurodivergent" with something like "Simmel's Stranger" and Karp's statement gets more precise. It's not about a neurological condition. It's about the experience of operating inside a system while seeing it from the outside — and what that experience does to the way you think.

The pattern shows up the same way in different populations. You have to learn the rules well enough to get by, while holding onto a framework the rules don't validate. The norms everyone else absorbs as "how things work" look, to you, like a set of arbitrary conventions — because they've never quite fit. And when the standard forms don't carry your meaning, you're forced to find new ones.

Neurodivergent people, immigrants, people who grew up between social classes, bilingual thinkers — the specifics differ, the structure is the same. Karp's word captured one group. The phenomenon is much wider.

카프가 가리키고 있었던 것을 좀 더 정확한 말로 옮겨보자.

자기에게 맞지 않는 시스템 안에서 살면 — 뇌가 작동하는 방식 때문이든, 태어난 곳 때문이든, 자란 언어 때문이든 — 시스템에 들어맞는 사람은 평생 안 해도 되는 일을 해야 한다. 두 모델을 동시에 유지하는 것. 기능하려면 따라야 하는 시스템의 모델. 그리고 시스템이 반영하지 않는 자기 자신의 모델. 이 작업은 힘들고, 끊이지 않고, 그럴 필요가 없는 사람에게는 대체로 보이지 않는다.

이 관찰은 새롭지 않다. 사회학자 게오르크 짐멜이 1908년에 쓴 것과 같다 — 집단에 속하면서도 완전히 그 안의 사람은 아닌 존재, "이방인(The Stranger)." 그 거리 때문에 특수한 객관성이 생긴다. 로버트 파크는 1928년에 "주변인(marginal man)"으로 이를 확장했다. 두 문화 사이에 사는 사람이 파크의 표현으로 "더 넓은 시야와 더 예리한 지능"을 발달시킨다. 1세기가 넘은 개념이다. 카프가 다른 어휘로 같은 자리에 도착한 것이다.

실증도 있다. 타드모어, 갈린스키, 매덕스가 2012년 Journal of Personality and Social Psychology에 발표한 연구에서, 두 문화를 진짜로 내면화한 사람들 — 두 나라에 산 정도가 아니라 세상이 작동하는 방식에 대한 두 가지 모델을 구축한 사람들 — 이 더 높은 통합적 복잡성(integrative complexity)을 보였고, 측정 가능한 창의적·직업적 우위로 이어졌다.

"Neurodivergent"를 짐멜의 "이방인" 같은 것으로 바꾸면 카프의 진술이 더 정확해진다. 신경학적 조건이 아니다. 시스템 안에서 작동하면서 바깥에서 보는 경험 — 그리고 그 경험이 사고방식에 하는 일이 핵심이다.

이 패턴은 다른 집단에서도 같은 모양으로 나타난다. 살아남으려면 규칙을 충분히 익혀야 하는데, 규칙이 인정하지 않는 자기만의 틀을 내려놓을 수도 없다. 다른 사람들이 "원래 그런 거"로 흡수하는 것이, 한 번도 들어맞은 적이 없기 때문에 자의적 관습의 집합으로 보인다. 그리고 기존 형식이 자기 의미를 담아내지 못할 때, 새로운 형식을 찾을 수밖에 없다.

Neurodivergent한 사람들, 이민자, 계층 사이에서 자란 사람들, 이중 언어 사고자 — 구체적 사정은 다르지만 구조는 같다. 카프의 단어는 한 집단을 포착했다. 현상은 훨씬 넓다.

What friction actually does to most people

마찰이 대부분의 사람에게 실제로 하는 것

It would be dishonest to stop there.

The studies on outsider creativity are real. The cognitive mechanism is real. But the literature has a survivor problem, and the older work is honest about it. Nash and Wolfe ran experiments in 1957 on marginality and creativity and found no significant effect — the relationship was noisy and inconsistent. Mary Jo Deegan, studying Park's marginal man framework, concluded that the dual existence it describes is "intrinsically destructive to the marginal person." The friction doesn't reliably produce insight. Mostly, it just grinds.

Tadmor's studies — the strongest evidence for dual-identity creativity — have a built-in selection filter. They study people who successfully internalized two cultures, not people who were crushed between them. The immigrants who developed integrative complexity are the ones who survived the process. The ones who didn't survive aren't in the data.

This isn't a footnote to Karp's insight. It's the center of it.

If you take this mechanism seriously, you get a distribution that looks like a power law. Most people who experience sustained friction with a dominant system are damaged by it. Worn down, filtered out, silenced. A small number survive the friction and develop the dual-model architecture — learning to hold two frameworks at once, seeing the norms for what they are, finding new forms when the old ones don't fit. And within that small surviving group, the cognitive premium is large.

This is the same math venture capitalists use. Most startups fail. The ones that survive generate returns that overwhelm the losses. The distribution is highly skewed. The expected value is positive only because the rare successes are disproportionately large.

Now add AI to the distribution. AI automates the center — the standardized, dominant-pattern thinking that most knowledge work has been built on. That pushes the return on conformity down. Simultaneously, the scarcity premium on whatever the center can't replicate goes up. The power law gets steeper. The majority who experienced friction and were destroyed by it are no better off. The minority who survived it and built something different from it find that the thing they built is suddenly harder to substitute.

Karp's statement, translated through this lens: the future does not belong to the neurodivergent because they are inherently superior. It belongs to the survivors of friction with dominant systems, because AI is automating the dominant system's cognitive output. The selection is brutal. The premium for the selected is growing.

하지만 여기서 멈추면 반쪽짜리다.

아웃사이더의 창의성에 관한 연구는 진짜다. 메커니즘도 실재한다. 그런데 문헌에 생존자 편향이 있다는 걸 오래된 연구들이 솔직하게 인정한다. 내시와 울프는 1957년에 주변성과 창의성의 관계를 실험했고 유의미한 효과를 찾지 못했다 — 잡음이 많고 일관성이 없었다. 파크의 주변인 프레임워크를 연구한 메리 조 디건은 그 이중 존재가 "주변인에게 본질적으로 파괴적"이라고 결론지었다. 마찰이 통찰을 만들어내리라는 보장은 없다. 대체로 그냥 갈아낸다.

타드모어의 연구 — 이중 정체성 창의성에 관한 가장 강한 증거 — 에도 선택 편향이 깔려 있다. 두 문화를 성공적으로 내면화한 사람을 연구하지, 그 사이에서 짓눌린 사람을 연구하지 않는다. 통합적 복잡성을 발달시킨 이민자들은 그 과정에서 살아남은 쪽이다. 살아남지 못한 쪽은 데이터에 없다.

이건 카프의 통찰에 붙이는 각주가 아니다. 통찰의 중심부다.

이 논리를 끝까지 따라가면, 멱법칙(power law)처럼 보이는 분포가 나온다. 지배적 시스템과의 지속적 마찰을 경험한 대부분의 사람은 손상된다. 닳고, 걸러지고, 침묵당한다. 소수가 마찰에서 살아남아 이중 모델 구조를 발달시킨다 — 두 틀을 동시에 유지하고, 규범의 실체를 꿰뚫어 보고, 기존 형식이 안 맞을 때 새 형식을 찾아내는. 그리고 그 살아남은 소수 안에서 인지적 프리미엄은 크다.

벤처 캐피탈의 수학과 같다. 대부분의 스타트업은 실패한다. 살아남은 것들이 손실을 압도하는 수익을 만든다. 분포는 극도로 치우쳐 있다. 기대값이 양수인 건 드문 성공이 불균형적으로 크기 때문이다.

이제 AI를 이 분포에 더하자. AI는 중심을 자동화한다 — 대부분의 지식 노동이 기반해온 표준화된 다수파 패턴의 사고. 순응의 수익률이 내려간다. 동시에, 중심이 복제 못 하는 것의 희소가치는 올라간다. 멱법칙이 더 가팔라진다. 마찰에 파괴당한 다수는 나아지지 않는다. 마찰에서 살아남아 다른 무언가를 만들어낸 소수는, 자기가 만든 것의 대체재가 갑자기 사라진 걸 발견한다.

카프의 말을 다시 쓰면: neurodivergent라서 미래가 있는 게 아니다. 지배 시스템과의 마찰에서 살아남은 사람이라서 미래가 있다 — AI가 그 시스템의 인지적 산출물을 자동화하고 있기 때문에. 선별은 가혹하다. 선별된 자의 프리미엄은 커지고 있다.

What Karp was pointing at, restated

카프가 가리키고 있었던 것, 다시 쓰면

Here's what Karp said: the future belongs to people with vocational training and people who are neurodivergent.

Here's what he was pointing at: AI learns the majority's cognition first and automates it most confidently. The ways of thinking that were underrepresented in the training data — forged through sustained friction with systems that don't accommodate you — are the ones AI reaches last. But friction destroys most of the people who experience it. The ones it doesn't destroy carry something that just became harder to replicate.

This is not neurodivergent supremacy. It's a structural observation about what AI is and what it was trained on. Karp had the observation. The word was too small for it.

What he was pointing at has a name. Simmel called it the Stranger in 1908. Park called it the marginal man in 1928. Someone who belongs enough to understand the system and stands far enough outside it to see what the system can't see about itself.

The AI part is new. The human part is very old.

카프가 말한 것: 미래가 있는 건 직업 훈련을 받은 사람과 neurodivergent한 사람뿐이다.

카프가 가리키고 있었던 것: AI는 다수파의 인지를 먼저 학습하고 가장 자신 있게 자동화한다. 훈련 데이터에서 과소대표된 사고방식 — 자신을 수용하지 않는 시스템과의 지속적 마찰 속에서 벼려진 — 은 AI가 가장 늦게 도달하는 영역이다. 그런데 마찰을 겪은 대부분은 파괴된다. 파괴되지 않은 사람이 지닌 것은 갑자기 복제하기 더 어려워진 무언가다.

이건 neurodivergent 우월론이 아니다. AI가 무엇이고 무엇으로 훈련됐는지에 관한 구조적 관찰이다. 카프는 이 관찰을 가지고 있었다. 단어가 거기에 비해 너무 좁았다.

그가 가리키고 있었던 것에는 이름이 있다. 짐멜은 1908년에 이방인이라 불렀고, 파크는 1928년에 주변인이라 불렀다. 시스템 안에서 그 규칙을 이해하면서도, 시스템이 제 안을 보지 못하는 것까지 보는 사람.

AI 부분은 새롭다. 인간 부분은 매우 오래됐다.