이 영상에서는 Y Combinator의 CEO 게리 탄과 총괄 파트너 다이애나 후가 AI 시대에 기업을 설립하고 운영하는 방식이 어떻게 변화하고 있는지 설명합니다. 특히 AI 에이전트와 코드의 결합을 통해 생산성이 비약적으로 향상되고 있으며, 이는 창업의 새로운 기회를 열어주고 있다고 강조합니다. 과거 YC의 SAFE 계약서가 벤처 캐피탈의 표준을 제시했듯이, 현재는 AI 에이전트가 새로운 표준을 만들고 있다는 비유를 통해 AI가 가져올 혁명적인 변화를 역설합니다.

1. 스탠포드 CS153 강의의 특별함과 YC의 영향

스탠포드 CS153 강의는 단순한 수업을 넘어 실리콘밸리 리더들의 가르침을 집대성한 특별한 자리입니다. 이 강의는 과거 피터 틸의 '제로 투 원'이나 샘 알트만의 스타트업 강의처럼 실리콘밸리의 정신을 이어받고 있죠. 특히 게리 탄이 YC 파트너로 활동하며 스타트업 생태계에 큰 영향을 미쳤던 경험을 다시 공유하는 것은 매우 의미가 깊습니다.

게리 탄은 스탠포드 재학 시절의 경험을 바탕으로 실리콘밸리에 스탠포드의 정신을 전파했으며, 이제 다이애나 후와 함께 YC의 새로운 철학을 업데이트하고 있습니다. 사회자가 "폐쇄 회로(closed the loop)와 같은 순간"이라고 표현할 만큼, 그의 귀환은 스탠포드와 실리콘밸리 간의 유기적인 관계를 보여줍니다.

2. 자본 표준화의 선구자, SAFE

강의는 시스템 디자인이 엔지니어링을 넘어 모든 분야에 적용될 수 있다는 점을 강조하며 시작합니다. 과거 전기의 표준화가 산업 혁명을 이끌었듯이, 실리콘밸리에서는 자본 배분에 대한 표준화가 필요했습니다. 2011년 게리 탄이 실리콘밸리에 왔을 때 벤처 캐피탈 시장은 혼란 그 자체였다고 해요.

"2011년 실리콘밸리에 왔을 때, 벤처 캐피탈은 자본 표준화 이전 시대였어요. 완전 난장판이었죠."

이때 폴 그레이엄과 제시카 리빙스턴이 SAFE (Simple Agreement for Future Equity)라는 새로운 표준을 제시했습니다. 당시에는 단순한 법률 문서처럼 보였지만, 결과적으로 SAFE는 초기 단계 스타트업 자금 조달의 표준이 되었고, YC는 이를 통해 시드 단계 펀딩을 표준화하는 기관으로 자리매김했습니다. SAFE가 없었다면 실리콘밸리의 발전은 지금과는 많이 달랐을 것이라고 평가받을 정도입니다.

3. AI 시대의 새로운 표준: 에이전틱 코딩 🤖

강의의 핵심은 AI가 새로운 표준을 만들어가고 있다는 메시지입니다. 과거의 표준이 법률 문서였다면, 이제는 코드가 그 역할을 대신하고 있습니다.

"세이프는 법률적인 도구였습니다. 오늘 우리가 이야기할 것은 코드입니다. 그리고 단순한 코드가 아닙니다. 마크다운도 코드입니다."

게리 탄은 AI의 등장으로 생산 단위(unit of production)가 변화하고 있음을 강조합니다. 기존에는 자금 조달과 많은 인력 채용이 필요했지만, 이제는 소수의 인원으로도 엄청난 성과를 낼 수 있다는 것이죠.

"AI는 생산 단위를 변화시킬 것입니다. 제가 여러분의 자리에 앉아있을 때는 돈을 모으고 많은 사람을 고용해야 한다고 생각했죠. 하지만 이제는 아닙니다."

그는 자신의 경험을 예로 들며, 과거 2년 동안 10명의 인력과 400만 달러를 투자해 만들었던 블로그 플랫폼 포스터러스(Posterous)를 최근 클로드 맥스(Claude Max) 요금제 200달러로 5일 만에 재구축할 수 있었다고 말합니다. 이러한 생산성 향상은 AI 코딩 에이전트가 10배에서 100배, 심지어 1000배의 생산성 향상을 가져온다는 스티브 예지(Steve Yegge)의 주장을 뒷받침합니다.

"저는 200달러짜리 클라우드 코드 맥스 플랜으로 5일 만에 모든 소프트웨어를 만들 수 있었습니다. 여러분 중 누구라도 할 수 있는 일이고, 2년이 걸리지 않고 5일이면 됩니다."

게리 탄은 AI가 단순히 'AI 슬롭(slop)' 즉, 대충 만든 결과물을 내놓는다는 비판에 대해 반박하며, 테스트 커버리지를 80~90%까지 확보하는 등 엄격한 검증 과정을 거치면 실제 프로덕션에 사용할 수 있는 고품질 코드를 만들 수 있다고 설명합니다. 그의 Gstack 프로젝트는 10만 개 이상의 깃허브 스타를 받았으며, 매일 15,000명 이상이 사용하고 있다고 합니다. 🤯

4. 에이전틱 시스템의 핵심 요소: 스킬, 리졸버, 스킬리파이, 평가, 기억 🧠

게리 탄은 에이전틱 시스템(agentic system) 구축에 필요한 핵심 개념들을 소개합니다.

4.1. 스킬(Skill)

스킬은 LLM에서 특정 페르소나를 추출하여 작업하는 것을 의미합니다. YC의 사무실 미팅에서 아이디어 검증 과정을 "문제는 무엇인가, 고객은 누구인가, 어떻게 아는가, 무엇을 만들고 있는가?"라는 질문으로 요약한 것처럼, 스킬은 특정 작업을 수행하는 데 필요한 핵심적인 지식과 절차를 담고 있습니다. 이는 마치 이벤트를 여러 번 개최할 때마다 노트북에 기록하는 런북(runbook)과 같다고 비유합니다.

"스킬은 기본적으로 런북입니다. 이벤트를 계속 개최해야 한다면 어떻게 하시겠어요? 노트북에 적어두겠죠. '하나, 장소를 확보해야 해. 둘, 누가 와야 할지 파악해야 해.'"

4.2. 리졸버(Resolver)

리졸버는 에이전트가 특정 작업을 수행할 때 필요한 지침이나 정보를 동적으로 불러오는 메커니즘입니다. 마치 마스터 디렉토리처럼, 에이전트는 필요할 때만 관련 정보를 로드하여 컨텍스트 창의 부담을 줄입니다. 이는 에이전트 시스템을 효율적으로 운영하는 데 매우 중요합니다.

4.3. 스킬리파이(Skillify)와 평가(Eval) 🛠️

스킬리파이는 한 번 성공적으로 수행한 작업을 자동으로 스킬로 만들고 테스트하는 과정입니다. 이 과정은 단순한 코드 작성을 넘어 다양한 검증 단계를 포함합니다.

• 단위 테스트(Unit Tests): 실제 코드에 대한 테스트.
• LLM 평가(LLM Evals): 스킬 파일에 대한 평가.
• 통합 테스트(Integration Test): 시스템 통합 테스트.
• 리졸버 트리거(Resolver Trigger): 에이전트의 작동 여부 확인.
• LLM 판사 평가(LLM as Judge Eval): 트리거의 폭이 적절한지 확인.
• Dry(Don't Repeat Yourself): 중복 스킬 방지.
• 엔드투엔드 스모크 테스트(End-to-End Smoke Test): 전체 시스템 테스트.
• 스키마(Schema): 메모리 저장 위치 정의.

이처럼 복잡한 검증 과정은 인간 조직에서 감사와 규정 준수(audit and compliance)가 필요한 이유와 유사하다고 설명합니다.

"여러분 자리에 앉아있을 때 왜 그렇게 많은 인간 조직에서 많은 사람들이 감사와 규정 준수에 많은 시간을 할애해야 하는지 몰랐어요. 하지만 이제 45세에 많은 에이전틱 시스템을 구축하고 스킬리파이에 얼마나 많은 시간을 쏟는지 보니 이제는 이해가 됩니다."

특히 교차 모달 평가(cross-modal eval)는 여러 최신 모델(Opus, GPT-5.5, DeepSeek-V4)을 활용하여 입력과 출력을 평가하고, 그 결과를 다시 하위 에이전트에 피드백하여 자동으로 반복 개선하는 방식입니다. 이는 에이전트 시스템이 스스로 학습하고 진화하는 핵심 메커니즘이 됩니다.

4.4. G brain과 세 가지 기억 시스템 🧠

게리 탄은 자신이 개발 중인 G brain을 세 가지 계층의 기억 시스템으로 설명합니다. 이는 카르파티(Karpathy)가 언급한 지식 위키(knowledge wiki)에서 발전한 개념입니다.

1. 지식 위키(Knowledge Wiki): 기본적인 정보 저장.
2. 벡터 검색, ARR 퓨전, 백링크(Vector Search, ARR Fusion, Backlinks): 정보 검색 및 연결 강화.
3. 그래프 데이터베이스(Graph Database): 지식 그래프를 통한 관계형 정보 저장.
4. 인식론 시스템(Epistemology System): 정보의 출처와 신뢰도를 추적하여, 특정 인물의 직관이나 믿음을 추적하고 그것이 실제 구현되는 과정을 관찰할 수 있도록 합니다. 이는 창업자의 직관이 어떻게 현실이 되는지를 추적하는 데 중요한 역할을 합니다.

"제 지식 시스템이 '누군가가 X를 믿었고, 그걸 현실로 만들었구나'라는 걸 추적할 수 있기를 원합니다."

5. AI 네이티브 기업: 폐쇄 루프 시스템 🔄

다이애나 후는 AI 네이티브 기업이 기존 기업과 근본적으로 다른 점은 폐쇄 루프 시스템(closed-loop system)으로 운영된다는 점이라고 설명합니다. 기존 기업은 정보가 사람들의 머릿속이나 비공식적인 대화, 회의록 등에 흩어져 있어 개방 루프 시스템(open-loop system)처럼 비효율적입니다. 오류가 축적되면 시스템 전체가 무너질 수 있죠.

하지만 AI 네이티브 기업은 모든 의사결정 과정에 에이전트를 내장하여 엄격한 피드백 루프를 만듭니다. 에이전트는 회사가 생산하는 모든 아티팩트에 대한 읽기 권한을 가지며, 이를 통해 다음에 수행할 작업이나 버그 수정 사항을 제안합니다. 이는 회사가 스스로 치유하고 개선하는 시스템이 되는 것을 의미합니다.

"AI 네이티브 회사를 구축하는 핵심 개념 중 하나는 회사가 운영되는 방식을 근본적으로 바꿔야 한다는 것입니다. 일반적으로 오늘날 AI 이전의 회사들은 기본적으로 개방 루프로 운영됩니다."

"이제는 이 모든 것을 폐쇄 루프 시스템으로 바꾸어, 게리 탄이 설명한 에이전트와 구현 방식을 회사의 의사결정 방식에 통합할 수 있는 능력이 생겼습니다."

이러한 변화로 인해 직원 1인당 매출액이 100만~200만 달러에 달하는 놀라운 성과를 내는 기업들이 등장하고 있습니다. 이는 기존 기업의 1인당 매출액이 6자리 미만인 것과 비교하면 최소 10배 이상의 생산성 향상을 의미합니다.

5.1. 새로운 조직 구조: 빌더, DRI, AI 창업자 🏢

AI 네이티브 조직에서는 중간 관리자의 역할이 축소되고, 세 가지 핵심 역할이 중요해집니다.

1. 빌더(Builder): 모든 사람이 빌더가 되어 무언가를 만들어냅니다. 비기술직도 도구를 활용해 직접 구축할 수 있게 됩니다.
2. DRI (Direct Responsible Individual): 모든 결과에 대해 직접적인 책임(Direct Responsible Individual)을 지는 사람입니다. 목표 달성을 위해 모든 팀원과 협업하고 조정하는 역할을 합니다. 종종 창업자가 이 역할을 맡습니다.
3. AI 창업자(AI Founder): 미래의 최전선에서 모든 도구를 활용하여 회사를 빠르게 운영하는 사람입니다. 끊임없이 변화하는 기술을 습득하고 회사에 도입하는 역할을 합니다.

"모두가 무언가를 만드는 개별 기여자(Individual Contributor)가 됩니다. 비기술직 사람들도 이제 이 모든 도구로 만들 수 있는 힘을 갖게 됩니다."

"DRI는 IC와 협력하여 목표가 달성되도록 조율합니다. 예를 들어, 회사의 목표가 '이번 주 말까지 매출을 3배 늘리는 것'이라면, DRI는 이를 달성하기 위해 필요한 모든 일을 조율할 책임이 있습니다."

"AI 네이티브 조직에 새롭게 등장하는 역할은 우리가 'AI 창업자'라고 부르는 것입니다. 게리 탄이 바로 이런 사람입니다. 미래의 최전선에서 모든 도구를 활용하여 회사를 빠르게 운영해야 합니다."

5.2. AI 슬롭을 피하는 핵심: '감각(Taste)'과 평가 (Evals) ✨

AI 시스템 구축에서 'AI 슬롭(slop)'을 피하는 방법은 '감각(Taste)'과 엄격한 평가(Evals)에 달려 있습니다. 코드를 작성하는 비용은 0에 가까워지겠지만, 무엇이 좋고 나쁜지 판단하는 감각은 자동화될 수 없습니다.

"AI 슬롭(slop)을 피하기 위해 이러한 에이전틱 시스템을 구축하는 데 필요한 것은 '감각(Taste)'이라는 개념입니다. '감각'이 지속될 것이라는 말을 많이 들어보셨죠?"

"코드를 배송하는 비용은 0으로 수렴하겠지만, 좋은 것을 만들고 좋고 나쁜 것을 구별하는 감각은 0으로 수렴하지 않을 것입니다."

평가는 단순히 일반적인 벤치마크를 넘어서야 합니다. 제품이 실제로 작동하는지, 사용자가 만족하는지, 비즈니스 목표를 달성하는지, 도메인 규칙을 준수하는지 등을 정확하게 평가해야 합니다. 이를 위해 사람의 개입(human in the loop)이 필수적이며, 오류가 발생했을 때 이를 감지하고 올바른 방향으로 시스템을 이끌어야 합니다.

6. 창업의 황금기: 숨겨진 기회 🚀

다이애나 후는 지금이 회사를 시작하기에 역사상 가장 좋은 시기라고 강조합니다. YC 포트폴리오 기업 중 Salient (대출 서비스 음성 에이전트), Happy Robot (화물 운송 에이전트), Reducto (문서 처리)와 같은 회사들이 1년 만에 0에서 수천만 달러의 매출을 달성하는 놀라운 성장을 보여주고 있습니다. 이들은 단순히 AI 데모를 만드는 것이 아니라, 완벽한 솔루션을 배포하며 시장의 고통스러운 문제들을 해결하고 있습니다.

특히 백오피스, 금융, 데이터, 고객 서비스 등 컴퓨터 과학(CS) 분야 외의 영역에는 AI를 활용할 수 있는 거대한 미개척지(white space)가 존재합니다.

"컴퓨터 과학 외의 이 모든 다른 영역, 예를 들어 백오피스, 금융, 데이터, 학술, 사이버 보안, 고객 서비스 등에는 거대한 미개척지가 있습니다. 여기에는 수백 개의 AI 유니콘이 탄생할 여지가 있습니다."

YC의 통계에 따르면, 과거에는 상위 1%의 회사만이 주간 10% 성장을 기록했지만, 지금은 평균적으로 3개월 만에 3배 성장을 달성하는 회사들이 많다고 합니다. 이는 AI 시대가 가져온 전례 없는 성장 기회를 의미합니다.

마치며

이 강의는 AI 기술이 단순한 도구를 넘어 창업과 기업 운영의 패러다임을 근본적으로 바꾸고 있음을 보여줍니다. AI 에이전트와 코드의 결합, 폐쇄 루프 시스템, 새로운 조직 구조, 그리고 인간의 '감각'과 평가의 중요성은 AI 시대의 성공적인 창업을 위한 핵심 요소입니다. 지금은 그야말로 '혁명의 첫 이닝'이며, 강의를 듣는 모든 스탠포드 학생들이 이 혁명의 선봉에 설 수 있다는 희망적인 메시지를 전달하며 마무리합니다. 🌟