서론: AI 시대, 속도가 곧 경쟁력
Andrew Ng는 이 강연에서 AI 기술의 변화와 그로 인해 스타트업이 얼마나 더 빠르게 움직일 수 있게 되었는지, 그리고 속도가 성공의 핵심임을 강조합니다. 그는 자신이 스타트업을 만들면서 배운 교훈들을 공유하며, 특히 실행 속도가 스타트업의 성공 확률을 높이는 가장 강력한 예측 변수라고 말합니다.
"스타트업의 성공 확률을 예측하는 가장 강력한 요소는 실행 속도라고 생각합니다."
AI 기술의 발전, 특히 에이전틱 AI(agentic AI)의 부상은 스타트업이 훨씬 더 빠르게 움직일 수 있도록 돕고 있습니다. Andrew는 이 강연을 통해 최근 2~3개월마다 바뀌는 최신 베스트 프랙티스를 공유하며, 여러분이 더 빠르게 움직여 성공 확률을 높일 수 있기를 바란다고 말합니다.
AI 생태계의 기회: 애플리케이션 레이어에 주목하라
Andrew는 AI 생태계를 스택 구조로 설명합니다.
- 반도체(semiconductor)
- 클라우드(hyperscaler)
- AI 파운데이션 모델
- 애플리케이션 레이어
많은 미디어와 소셜 미디어가 기술적 하위 레이어에 집중하지만, 실제로 가장 큰 기회는 애플리케이션 레이어에 있다고 강조합니다.
"스타트업을 만들고 싶다면, 거의 정의상 가장 큰 기회는 애플리케이션 레이어에 있습니다."
물론 모든 레이어에 기회가 있지만, 실제 수익을 창출하고 상위 레이어에 비용을 지불할 수 있는 것은 애플리케이션이기 때문입니다.
최신 AI 트렌드: 에이전틱 AI의 부상
Andrew는 최근 AI 분야에서 가장 중요한 트렌드로 에이전틱 AI(agentic AI)를 꼽습니다. 1년 반 전만 해도 이 개념을 설명하기 위해 강연을 다녔지만, 이제는 마케팅 용어로 남용되어 의미가 희석되었다고 아쉬움을 표합니다.
"에이전틱 AI가 왜 중요한지, 그리고 왜 더 많은 스타트업 기회를 여는지 기술적으로 설명하고 싶습니다."
기존 LLM 사용 방식과 에이전틱 워크플로우의 차이
- 기존에는 LLM에게 한 번에 에세이를 써달라고 요청하는 식(처음부터 끝까지 한 번에 작성)으로 사용했습니다.
- 하지만 인간도, AI도 이런 선형적 작업에서는 최고의 결과를 내지 못합니다.
- 에이전틱 워크플로우에서는 다음과 같이 반복적이고 단계적인 작업이 이루어집니다.
- 에세이 아웃라인 작성
- 필요시 웹 리서치 및 자료 수집
- 초안 작성
- 초안 검토 및 비판, 수정
- 반복
"이렇게 여러 번 루프를 돌면 느리긴 하지만 훨씬 더 나은 결과물을 얻을 수 있습니다."
속도를 높이는 베스트 프랙티스: 구체적인 아이디어의 힘
Andrew는 AI Fund에서 오직 구체적인 아이디어만을 다룬다고 강조합니다.
- 구체적인 아이디어란, 엔지니어가 바로 구현할 수 있을 정도로 명확하게 정의된 아이디어입니다.
- 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 있습니다."
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 있습니다. 둘 다 괜찮습니다. 중요한 건 빨리 알 수 있다는 점입니다."
전문가의 직감과 빠른 의사결정
Andrew는 오랜 시간 문제를 고민한 전문가의 직감이 빠른 의사결정에 매우 유용하다고 말합니다.
- 데이터 기반 의사결정도 중요하지만, 데이터를 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 있습니다."
한 번에 한 가지 가설에 집중
- 스타트업은 자원이 한정되어 있으므로 한 번에 한 가지 명확한 가설에 집중해야 함
- 만약 데이터가 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 추구합니다."
빌드-피드백 루프의 혁신과 AI 코딩 어시스턴트
AI 코딩 어시스턴트의 발전으로 엔지니어링 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 아키텍처 선택이 예전처럼 '한 번 들어가면 못 나오는 일방문'이 아니라, '마음 바꾸면 다시 나올 수 있는 양방문'에 가까워졌습니다."
최신 도구를 쓰는 것의 중요성
- AI 코딩 어시스턴트(예: GitHub Copilot, Cursor 등)는 세대가 반만 달라도 큰 차이를 만듦
- 최신 도구를 쓰는 팀이 훨씬 빠르게 움직일 수 있음
모든 사람이 코딩을 배워야 하는가?
Andrew는 모든 직군이 코딩을 배워야 한다는 다소 논란의 여지가 있는 의견을 내놓습니다.
"제 팀의 CFO, 인사 책임자, 리크루터, 프론트 데스크 직원까지 모두 코딩을 할 줄 압니다. 그 덕분에 모두가 자신의 업무를 더 잘 해냅니다."
- AI 코딩 어시스턴트 덕분에 코딩이 점점 쉬워지고 있으므로, 더 많은 사람이 배워야 한다고 주장
- 미래에는 컴퓨터에게 원하는 것을 정확히 지시할 수 있는 능력이 가장 중요한 역량이 될 것
제품 피드백: 빠르고 다양한 방법의 활용
제품 개발에서 사용자 피드백을 받는 것이 점점 더 병목이 되고 있습니다. Andrew는 피드백을 받는 다양한 방법을 빠른 것부터 느린 것까지 소개합니다.
- 본인이 직접 써보고 직감에 따라 결정 (가장 빠름)
- 동료나 친구 3명에게 피드백 받기
- 낯선 사람 3~10명에게 피드백 받기
- 카페나 호텔 로비 등에서 불특정 다수에게 직접 시연 및 피드백 받기
- 프로토타입을 100명 이상에게 배포해 피드백 받기
- A/B 테스트 (가장 느림)
"카페에서 일하는 사람들은 사실 일하기 싫어하는 경우가 많아서, 우리가 제품을 보여주면 기꺼이 도와줍니다. 저도 호텔 로비나 카페에서 수많은 제품 결정을 내렸습니다."
피드백을 통한 직감의 업그레이드
- 단순히 데이터로 A/B 테스트 결과만 보고 결정하는 것이 아니라, 그 데이터를 통해 자신의 직감을 계속 업그레이드해야 함
"내가 이 제품명이 더 잘 될 거라고 생각했는데, 결과가 다르다면 내 사용자에 대한 멘탈 모델이 틀렸다는 뜻입니다. 데이터를 통해 내 직감을 계속 개선해야 합니다."
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 있습니다.
- 예를 들어, 챗봇의 정확도, 워크플로우 프롬프트/파인튜닝 여부, 음성 인식의 지연시간 등은 정확한 기술적 판단이 며칠 만에 문제를 해결할 수도, 잘못된 판단으로 몇 달을 허비할 수도 있습니다.
"AI를 잘 이해하는 팀은 그렇지 않은 팀보다 확실한 우위를 가질 수 있습니다."
결론: 속도와 구체성이 성공의 열쇠
Andrew는 강연을 마치며, 속도와 구체적인 아이디어, 그리고 빠른 피드백 루프가 AI 시대 스타트업 성공의 핵심임을 다시 한 번 강조합니다.
- 구체적인 아이디어에 집중하라
- 빠른 의사결정과 실행이 중요하다
- AI 코딩 어시스턴트로 엔지니어링 속도를 높이고, 사용자 피드백을 받는 다양한 방법을 활용하라
- AI 기술을 깊이 이해하는 것이 차별화된 경쟁력이 된다
"저는 경영자로서 의사결정의 속도와 품질 모두로 평가받지만, 속도는 정말 중요합니다."
마지막으로, AI 기술의 최신 동향을 항상 파악하고, 사람들에게 존중을 잃지 않는 태도가 중요하다고 조언하며 강연을 마무리합니다. 🚀