“Go and boil the sea” - 가서 바닷물을 끓이세요. 지난 주 AI Enginnering 월드 페어에서 Y Combinator 대표 게리 탄이 또 FOMO에 불지르는 톡을 했다. 지난 번 소개한 YC의 AI Native playbook을 압축했는데, 수치가 백업하는 매운맛 훅으로 버스태워, 방법론으로 길을 제시하고, 가슴 웅장해지는 비전으로 등 떠미는 미친 빌드업의 20분이었다. 거기에 우리는 시드 투자에서 시작해 연간 매출 1억 달러(1,500억)를 돌파한 회사 94개나 냈다. 그러니 우리는 생산성에 관한 한 무슨 말을 하고 있는 지 잘 알고 있다는 플렉스 곁들여. 20분동안 어떻게 이렇게 인사이트만 압축해서 전달 할 수 있는지….게리 탄의 리얼 보이스로 꼭 들어보시길 강추. (링크는 댓글) 바닷물을 끓인다. 너무 크고 막막해서, 절대 하지 말하야 할 비효율적인 일의 대명사. 하지만 이제는 바로 그것을 해야 할 때라는 거. 이 뒤집힌 명령어에서 내 세상의 축도 기울어진다. 바닷물, 너 어딨냐? 1. FOMO - 왜 지금 안 하면 안 되는가/ 숫자 - “니가 안 하면, 경쟁사가 매우 기뻐하며 너의 점심을 먹어치울 것(eat your lunch)” - 자신의 이야기. 게리 탄 본인이 지금 20년 된 YC를 AI Native로 바꾸는 중. 과거 1,000명이 하던 일을 1명이 하게 만드는 게 목표. 비유가 아니라 실제로. - 본인 코드 생산성 400배 증가. YC 풀타임 운영은 그대로 한다. AI의 장황함(verbosity, 날 미치게 하는 바로 그것) 페널티를 최대로 잡고, 나머지 절반조차 스캐폴딩이라 가정해도 최소 8배~80배. 심지어 오후 5시엔 애 데리러 감. - x2 하는 사람과 x100 하는 사람은 완전히 똑같은 클로드, 똑같은 weight, 똑같은 API를 씀. 레버리지는 weight(가중치)가 아니라 wire(자신의 일을 어떻게 AI 연결하는가)에 있음. - 25년 YC 겨울팀의 1/4이 95% 이상의 AI 생성 코드베이스. 이 그룹이 YC 역사상 가장 빠르게 성장하고 가장 수익성 높은 그룹이 됨. 이들은 AI를 도우미가 아니라 노동력(workforce)으로 씀. - 그 예시로 Emergence 출시 8개월 만에 9자리 ARR. 1,500만 달러 돌파 시점 직원 15명. Retail: 직원 40명으로 6,000만 달러. 이런 수준의 1인당 매출은 소프트웨어에도, 석유에도, 철도에도 없었음. - 이들은 돌연변이가 아니라, 새로운 AI의 물리학 위에 네이티브하게 지어진 첫 번째 회사들일 뿐. 2. Methodology - 조직을 마크다운으로 다시 짓기 에이전트로 구축하며 배운 모든 것은 기존 조직과 1:1로 매핑됨. - 스킬(Skill) = 직원 누군가 실행할 수 있을 만큼 명확하게 기록된 하나의 능력, 하나의 직무. - 리졸버 테이블(Resolver table) = 조직도 작업이 들어오면 누가(어떤 md가) 처리할지 결정하는 라우팅 테이블. “테스트 파일 바꿀 땐 tests.md 로드” 같은 규칙의 모음. - 파일링 규칙(Filing rules) = 내부 프로세스 리졸버가 제대로 돌고 있는지, 규정을 지키는지 확인 - 트리거 평가(Trigger eval) = 성과 평가 tests.md가 실제로 로드되는지 확인하는 검증(evaluation) - 결론: md를 만드는 것 = 곧 조직을 구축하는 것 클로드 코드 앞에 앉는 순간, 당신은 sw를 짜는 게 아니라 마크다운으로 된 노동력을 고용하고, 훈련하고, 관리하는 것임 - AI 네이티브 회사는 영업, CS, 운영, 재무를 수백 명 채용으로 풀지 않음. 모든 업무를 에이전트가 실행하는 스킬로 인코딩하고, 엔지니어의 직무는 그 스킬이 아직 못 하는 일을 하도록 유지보수하는 것. - 엔지니어만의 얘기가 아님. YC에선 미디어팀, 행사 스태프, 재무팀 등 평생 터미널 열어본 적 없는 사람들이 스킬과 크론 잡을 만들고 있음. 어떤 재무 담당자는 수백 개의 엑셀 워크북을 회사 두뇌(Company Brain) + 에이전트로 단일 앱에 통합. 그녀는 프로그래머가 아니라 이제 에이전트의 관리자. - “우리가 더 열심히 일해서가 아니라, 다른 형태의 조직을 갖고 있기 때문. 그게 이 게임의 전부.” 3. Computation - 연산이 어디서 일어나는지부터 구분하라 모든 AI 엔지니어링 버그는 대개 한쪽에 있어야 할 것이 다른 쪽에 있어서 생김 - 잠재 공간(Latent space) 취향, 판단, 애매한 말의 진짜 의도 파악. 비결정론적. 모델 안의 연산. md로 조종함 - 결정론적 공간(Deterministic space) 코드가 하는 일. 상태 저장, 배열, 로직. - 예를 들어, 스타트업 스쿨 800명 좌석 배치. 좌석 배열의 상태 저장은 컨텍스트 윈도우 밖(결정론)에, LLM은 ‘이 사람 어디 앉히지?‘라는 인간적 판단만(잠재). 예전엔 한 달 걸릴 일이 토큰 몇백 달러 + 10분. 4. Working memory - 도서관과 사서 - 인간의 작업 기억은 7개 내외. 전화번호가 7자리인 이유. 인류가 만든 모든 체크리스트, 조직도, 서류함은 이 한계를 보완하기 위한 것. - AI 에이전트는 100만 토큰 = 해리포터 3권을 동시에 머릿속에 펼쳐놓고, 그 안에서 바늘을 찾고, 순식간에 3권을 종합함. - 근데 책 3권은 많으면서 동시에 아주 적은 양. 회사는 책 3권이 아니라 도서관임. 모든 이메일, 모든 회의, 모든 결정과 그 근거, 고객과의 모든 대화, 모든 포스트모르템까지 모여있음. - 에이전트가 천재가 될지 금붕어가 될지는 ‘책상 위에 올릴 이 세 권을 누가 고르는가’에 달림. 그게 컨텍스트 엔지니어링. 회사 두뇌는 도서관이자 사서(Librarian). - “이거 그냥 RAG 아냐?” 라는 반박에 대해. 검색은 프리미티브(기본 요소)가 맞음. 어려운 건 그 주변임. 애초에 무엇을 기록할지, 어떻게 연결할지, 뭘 working memory로 승격하고 뭘 cold reference로 내릴지, 두 사실이 충돌하면 누가 중재할지. - 큐레이션 없는 두뇌는 ‘검색 잘 되는 쓰레기장’이 됨. 그래서 프리미티브는 기억이 아니라 기억 + 위생(memory plus hygiene). 실패하지 않는 두뇌를 위한 메모리 환경 셋업이 중요. 5. 개인의 시그니처 행동 - “일회성 작업을 절대 하지 마라” 개인에게도 너무나 중요한 원칙. 나도 “아무 일도 내가 안한다” 다짐중. 잘 안되긴 하지만.. - 에이전트 결과물이 마음에 들었다? 거기서 멈추지 말고 스킬화(skillify) 한다. 같은 걸 두 번 물어봐야 한다면 당신은 실패한 것. - 학습을 보존하는 조직은 매일 더 똑똑해짐. 그렇지 않은 조직은 모델이 아무리 좋아도 매일 아침 기억상실증에 걸린 채 깨어남. - 모델의 품질은 빌려오는 것. 하지만 두뇌를 구축하면 그 두뇌는 당신 소유. (이런 거 정리하면서 이런 글 쓰는 일회성 작업을 하고 있는 나… 하지만 좋아서 하는 짓은 계속해도 되겠지~~ 이런 거 할려고 자동화하는 거 아님?) 6. 그래서, AI Native 회사란? - 단순히 AI를 ‘쓰는’ 회사가 아님. 첫날부터 이 형태를 갖춘 회사: 적은 수의 얇은 팀, 모든 것에 대한 스킬 파일, 여전히 코드 짜는 창업자, 복리로 성장하는 회사 두뇌. - 도구는 뭐든 상관없음. “OpenClaw가 페라리라면 Codex는 정말 좋은 혼다. 하지만 혼다로도 목적지 갈 수 있음. 이 일의 90%는 해냄.” 중요한 건 리포지토리가 아니라 개념. - 혼다로도 목적지를 도착하게 해 주는 원칙 4가지 (요약 정리) ① 연산이 어디서 일어나는지 생각하라 ② 스킬 파일을 직원으로 쓰라 ③ 도서관과 사서를 만들어라 ④ 절대 절대 일회성 작업을 하지 마라. 7. 당신이 25살이라면 도전해야 하는 것 Memory Layer - YC가 투자하고 싶은 영역 - 지구상 모든 회사가 곧 두뇌, 즉 기억 계층(memory layer)을 필요로 하게 됨. 내가 아는 걸 다시 물어볼 필요 없는, 나를 진짜로 아는 개인 AI - 게리 탄은 GBrain을 MIT 라이선스 오픈소스로 공개 중. 리눅스처럼 이 계층은 열려 있어야 한다고 믿어서, 이걸로 돈 벌 생각은 없다고. 하지만 이 계층 자체 - 회사 두뇌, 개인 컨텍스트, 세 권의 책을 고르는 사서 - 는 광활하게 열린 영토. 여기서 당신이 결정적인 회사를 만들면 YC가 투자하고 싶습니다! 8. Vision - 바다를 끓여라 - 게리 탄의 친구는 희귀 뇌전증을 앓는 아들을 위해 8만 개의 마크다운 파일로 된 회사 두뇌를 구축했고, 아들의 병에 대해 인류가 아는 지식의 절대적 한계까지 스스로를 밀어붙였음. 연구소도, 보조금도, 누구의 허락도 없이. (아버지 한 명 + 랩톱 + 도서관) = 이것만 있으면 됨. - 곁다리 미담이 아님. 20분 내내 설명한 바로 그 아키텍처임. 도서관, 사서, 적절한 순간에 펼쳐진 올바른 세 권의 책이, 한 사람이 세상에서 가장 사랑하는 대상을 향해 있었던 것일 뿐. - 이제 우리는: ‘그 사람이 있었으면 좋겠지만 구할 수가 없네’ 했던 모든 문제를 풀 수 있고, 버그가 너무 많다던 코드베이스를 고칠 수 있고, 너무 방대해서 못 읽던 아카이브를 읽을 수 있고, 불가능하다던(끓일 수 없다던) 바다를 끓일 수 있음. - “여러분 모두 날 수 있습니다. 은유가 아니라 기계적으로요. 살아남고, 번창하고, 승리하기 위해 여러분은 그래야만 합니다.” - “가서 바다를 끓이세요. 가서 그 테스트를 쓰고, 그 스킬을 출시하세요.”

AI 네이티브 조직의 탄생

과거에 바닷물을 끓이는 일은 비효율의 대명사였습니다. 이제는 그 막막한 일을 해내야 하는 시대입니다. Y Combinator의 게리 탄은 AI Engineering 월드 페어에서 20년 된 조직을 AI 네이티브로 전환한 경험을 공유했습니다.

현재 YC 투자 기업 중 94개사가 시드 투자 이후 연 매출 1억 달러를 돌파했습니다. 이들은 AI를 독립적인 노동력으로 활용합니다. 25년 겨울팀의 1/4은 코드베이스의 95-99%를 AI로 생성했습니다. 이는 조직의 물리적 한계를 재정의합니다.

조직을 마크다운으로 설계하기

AI 네이티브 조직은 업무 체계를 마크다운 기반의 스킬로 변환합니다. 모든 직무는 에이전트가 수행하도록 명확히 기록합니다. 작업이 들어오면 리졸버 테이블이 적절한 스킬을 호출하고, 파일링 규칙으로 운영 준수 여부를 확인합니다. 성과 평가는 트리거 평가를 통해 스킬의 정상 작동을 검증합니다.

이 구조는 엔지니어만의 전유물이 아닙니다. 재무나 미디어 팀도 회사 두뇌와 에이전트를 결합해 업무를 자동화합니다. 직원의 역할은 소프트웨어 개발에서 에이전트 관리자로 바뀝니다. 조직의 핵심은 일하는 형태 자체를 바꾸는 데 있습니다.

연산과 기억의 분리

AI 엔지니어링의 버그는 연산 장소의 혼동에서 발생합니다. 비결정론적인 판단은 모델의 잠재 공간에서 수행하고, 상태 저장이나 로직 같은 결정론적 작업은 외부 컨텍스트에서 처리해야 합니다. 모든 것을 모델에만 의존하면 비효율이 발생합니다.

에이전트의 지능은 기억 계층에 달려 있습니다. 수많은 정보 중 작업 기억으로 올릴 데이터를 결정하는 것이 핵심입니다. 단순히 RAG를 구축하는 것을 넘어, 기록의 위생을 관리하고 일회성 작업을 제거하는 시그니처 행동이 필요합니다. 학습을 보존하는 조직만이 매일 더 똑똑해집니다.

중요한 것은 도구가 아니라 개념입니다. 원칙을 고수하면 바닷물도 끓일 수 있습니다. 지금 바로 스킬을 정의하고 테스트를 작성하십시오. 그 작은 시작이 조직의 새로운 물리학을 만듭니다.

요약

  • AI 네이티브 조직은 업무를 마크다운 기반의 스킬로 인코딩하여 노동력을 확장합니다.
  • 연산 공간을 결정론적 영역과 비결정론적 영역으로 명확히 구분해야 합니다.
  • 단순한 검색을 넘어 무엇을 기억하고 무엇을 버릴지 결정하는 위생 관리가 필수적입니다.