Speed Is Everything: Andrew Ng's AI Startup Success Strategy

Introduction: AI 시대, 속도가 곧 경쟁력

Andrew Ng는 이 강연에서 AI 기술의 변화와 그로 인해 startup이 얼마나 더 빠르게 움직일 수 있게 되었는지, 그리고 속도가 성공의 핵심임을 강조. He 자신이 startup을 만들면서 배운 교훈들을 공유하며, 특히 실행 속도가 startup의 성공 확률을 높이는 가장 강력한 예측 변수라고 말.

"startup의 성공 확률을 예측하는 가장 강력한 요소는 실행 속도라고 생각."

AI 기술의 발전, 특히 agentic AI(agentic AI)의 부상은 startup이 훨씬 더 빠르게 움직일 수 있도록 돕고 . Andrew는 이 강연을 통해 최근 2~3개월마다 바뀌는 최신 베스트 프랙티스를 공유하며, 여러분이 더 빠르게 움직여 성공 확률을 높일 수 있기를 바란다고 말.

AI 생태계의 기회: 애플리케이션 레이어에 주목하라

Andrew는 AI 생태계를 스택 구조로 설명.

반도체(semiconductor)
cloud(hyperscaler)
AI 파운데이션 모델
애플리케이션 레이어

많은 미디어와 소셜 미디어가 기술적 하위 레이어에 집중However, 실제로 가장 큰 기회는 애플리케이션 레이어에 있다고 강조.

"startup을 만들고 싶다면, 거의 정의상 가장 큰 기회는 애플리케이션 레이어에 ."

물론 모든 레이어에 기회가 있지만, 실제 profit을 창출하고 상위 레이어에 비용을 지불할 수 있는 것은 애플리케이션이기 때문.

최신 AI 트렌드: agentic AI의 부상

Andrew는 최근 AI 분야에서 가장 중요한 트렌드로 agentic AI(agentic AI)를 꼽습니다. 1년 반 전만 해도 이 개념을 설명하기 위해 강연을 다녔지만, 이제는 marketing 용어로 남용되어 의미가 희석되었다고 아쉬움을 표.

"agentic AI가 왜 중요한지, 그리고 왜 더 많은 startup 기회를 여는지 기술적으로 설명하고 싶습니다."

기존 LLM 사용 방식과 agentic workflow의 차이

기존에는 LLM에게 한 번에 에세이를 써달라고 요청하는 식(처음부터 끝까지 한 번에 작성)으로 사용.
하지만 인간도, AI도 Such 선형적 작업에서는 최고의 결과를 내지 못.
agentic workflow에서는 다음과 같이 반복적이고 단계적인 작업이 이루어집니다.
1. 에세이 아웃라인 작성
2. 필요시 웹 리서치 및 자료 수집
3. 초안 작성
4. 초안 검토 및 비판, 수정
5. 반복

"이렇게 여러 번 루프를 돌면 느리긴 하지만 훨씬 더 나은 결과물을 얻을 수 ."

속도를 높이는 베스트 프랙티스: 구체적인 아이디어의 힘

Andrew는 AI Fund에서 오직 구체적인 아이디어만을 다룬다고 강조.

구체적인 아이디어란, engineer가 바로 구현할 수 있을 정도로 명확하게 정의된 아이디어.
예시:
- "AI로 헬스케어 자산을 최적화하자" → 너무 모호함
- "병원이 환자가 MRI 기기 예약을 온라인으로 할 수 있게 해주는 소프트웨어" → 구체적임

"구체적인 아이디어는 속도를 가져다줍니다. 좋은 아이디어인지 아닌지는 빨리 알 수 ."

구체적인 아이디어의 장점

명확한 방향성을 주어 팀이 빠르게 움직일 수 있음
실패해도 빠르게 알 수 있어 곧바로 다른 아이디어로 전환 가능
모호한 아이디어는 모두에게 칭찬받지만, 실제로는 아무것도 만들 수 없음

"모호하면 거의 항상 옳지만, 구체적이면 옳을 수도, 틀릴 수도 . 둘 다 괜찮습니다. 중요한 건 빨리 알 수 있다는 점."

전문가의 직감과 빠른 의사결정

Andrew는 오랜 시간 문제를 고민한 전문가의 직감이 빠른 의사결정에 매우 유용하다고 말.

data 기반 의사결정도 중요However, data를 모으는 데 시간이 오래 걸릴 수 있음
전문가의 직감은 빠른 결정을 내릴 수 있는 훌륭한 도구

"전문가의 직감은 놀라울 정도로 좋은 의사결정 메커니즘이 될 수 ."

한 번에 한 가지 가설에 집중

startup은 자원이 한정되어 있으므로 한 번에 한 가지 명확한 가설에 집중해야 함
만약 data가 그 아이디어가 틀렸음을 보여주면, 즉시 다른 구체적인 아이디어로 전환해야 함

"우리는 한 가지를 집요하게 밀고 나가다가, 세상이 틀렸다고 알려주면 즉시 완전히 다른 것을 똑같은 집요함으로 추구."

빌드-feedback 루프의 혁신과 AI coding 어시스턴트

AI coding 어시스턴트의 발전으로 engineering 속도가 비약적으로 빨라졌습니다.

예전에는 코드 작성이 어렵고 비용이 많이 들었지만, 이제는 코드의 가치가 예전만큼 크지 않음
코드베이스를 한 달에 세 번이나 완전히 새로 만드는 일도 가능해졌음

"이제는 소프트웨어 architecture 선택이 예전처럼 '한 번 들어가면 못 나오는 일방문'이 아니라, '마음 바꾸면 다시 나올 수 있는 양방문'에 가까워졌습니다."

모든 사람이 coding을 배워야 하는가?

Andrew는 모든 직군이 coding을 배워야 한다는 다소 논란의 여지가 있는 의견을 내놓습니다.

"제 팀의 CFO, 인사 책임자, 리크루터, 프론트 데스크 직원까지 모두 coding을 할 줄 압니다. 그 덕분에 모두가 자신의 업무를 더 잘 해냅니다."

AI coding 어시스턴트 덕분에 coding이 점점 쉬워지고 있으므로, 더 많은 사람이 배워야 한다고 주장
미래에는 컴퓨터에게 원하는 것을 정확히 지시할 수 있는 능력이 가장 중요한 역량이 될 것

제품 feedback: 빠르고 다양한 방법의 활용

제품 개발에서 사용자 feedback을 받는 것이 점점 더 병목이 되고 . Andrew는 feedback을 받는 다양한 방법을 빠른 것부터 느린 것까지 소개.

본인이 직접 써보고 직감에 따라 결정 (가장 빠름)
동료나 친구 3명에게 feedback 받기
낯선 사람 3~10명에게 feedback 받기
카페나 호텔 로비 등에서 불특정 다수에게 직접 시연 및 feedback 받기
prototype을 100명 이상에게 deployment해 feedback 받기
A/B test (가장 느림)

"카페에서 일하는 사람들은 사실 일하기 싫어하는 경우가 많아서, 우리가 제품을 보여주면 기꺼이 도와줍니다. 저도 호텔 로비나 카페에서 수많은 제품 결정을 내렸습니다."

feedback을 통한 직감의 업그레이드

단순히 data로 A/B test 결과만 보고 결정하는 것이 아니라, 그 data를 통해 자신의 직감을 계속 업그레이드해야 함

"내가 이 제품명이 더 잘 될 거라고 생각했는데, 결과가 다르다면 내 사용자에 대한 멘탈 모델이 틀렸다는 뜻. data를 통해 내 직감을 계속 개선해야 ."

AI 이해의 중요성: 차별화된 경쟁력

AI는 아직 성숙하지 않은 기술이기 때문에, AI를 잘 이해하는 팀이 그렇지 않은 팀보다 훨씬 더 빠르게 움직이고, 더 좋은 결정을 내릴 수 .

For example, 챗봇의 정확도, workflow prompt/fine-tuning 여부, 음성 인식의 지연시간 등은 정확한 기술적 판단이 며칠 만에 문제를 해결할 수도, 잘못된 판단으로 몇 달을 허비할 수도 .

"AI를 잘 이해하는 팀은 그렇지 않은 팀보다 확실한 우위를 가질 수 ."

Conclusion: 속도와 구체성이 성공의 열쇠

Andrew는 강연을 Closing, 속도와 구체적인 아이디어, 그리고 빠른 feedback 루프가 AI 시대 startup 성공의 핵심임을 다시 한 번 강조.

구체적인 아이디어에 집중하라
빠른 의사결정과 실행이 중요하다
AI coding 어시스턴트로 engineering 속도를 높이고, 사용자 feedback을 받는 다양한 방법을 활용하라
AI 기술을 깊이 이해하는 것이 차별화된 경쟁력이 된다

"저는 경영자로서 의사결정의 속도와 품질 모두로 평가받지만, 속도는 정말 중요."

Finally,, AI 기술의 최신 동향을 항상 파악하고, 사람들에게 존중을 잃지 않는 태도가 중요하다고 조언하며 강연을 Conclusion. 🚀