그럼 이런 질문이 가능합니다. ‘정보 흐름을 바꾸면 사람의 궤적(trajectory)을 바꿀 수 있을까?’
만약 특정 분야에서 최고가 되고 싶다면, 그 분야의 클러스터로 이동해야 합니다. 영화라면 헐리우드, 테크라면 실리콘밸리 같은 식입니다.
‘어디서든 성공할 수 있다’는 말도 약간은 사실이지만, 굉장히 드뭅니다. 왜 스스로를 더 어렵게 만들겠습니까? 굳이 하드 모드로 플레이할 필요는 없죠.”
여기서 반직관적인 교훈도 있습니다. 예를 들어 ‘창업자는 반드시 동등한(co-equal) 공동창업자가 있어야 한다’는 믿음이 있죠. 하지만 역사적으로 가장 큰 성공 기업들은 대부분 단독 창업자거나, 창업자 간 불균형한 관계였습니다.
아마존은 제프 베조스가 유일한 창업자였고, 마이크로소프트도 빌 게이츠 중심의 불균형 관계였죠. 진짜 50:50인 경우는 드뭅니다. 그런데도 지금은 그게 신화처럼 굳어졌습니다. 사실은 부정적 효과도 있습니다.
또 다른 교훈은 창업자에 대한 ‘레퍼런스 체크’입니다. 창업자에 대한 부정적 레퍼런스를 들어도, 실제로는 대개 중립적입니다. 제품-시장 적합성(product-market fit)이 창업자의 성격보다 훨씬 중요하기 때문이죠.
또한, 어떤 사람이 특정 환경에서는 게으르고 무능해 보여도, 다른 맥락에서는 훨씬 더 잘할 수 있습니다. 제가 트위터에서 함께 일했던 한 사람은 늘 별로 생산적이지 않아 보였는데, 몇 년 뒤엔 굉장히 성공한 스타트업 CEO가 되어 있었습니다. 그에게 물었더니 ‘이번엔 내 목숨이 걸린 것 같아서 죽어라 일했다’고 하더군요.
물론, 진짜로 압도적인 성과를 내는 사람들은 환경과 상관없이 항상 ‘온(On)’ 상태이긴 합니다. 하지만 이런 맥락 의존성도 존재한다는 겁니다.
https://podcasts.apple.com/kr/podcast/the-knowledge-project-with-shane-parrish/id990149481?l=en-GB&i=1000708306340&r=1226
만약 특정 분야에서 최고가 되고 싶다면, 그 분야의 클러스터로 이동해야 합니다. 영화라면 헐리우드, 테크라면 실리콘밸리 같은 식입니다.
‘어디서든 성공할 수 있다’는 말도 약간은 사실이지만, 굉장히 드뭅니다. 왜 스스로를 더 어렵게 만들겠습니까? 굳이 하드 모드로 플레이할 필요는 없죠.”
여기서 반직관적인 교훈도 있습니다. 예를 들어 ‘창업자는 반드시 동등한(co-equal) 공동창업자가 있어야 한다’는 믿음이 있죠. 하지만 역사적으로 가장 큰 성공 기업들은 대부분 단독 창업자거나, 창업자 간 불균형한 관계였습니다.
아마존은 제프 베조스가 유일한 창업자였고, 마이크로소프트도 빌 게이츠 중심의 불균형 관계였죠. 진짜 50:50인 경우는 드뭅니다. 그런데도 지금은 그게 신화처럼 굳어졌습니다. 사실은 부정적 효과도 있습니다.
또 다른 교훈은 창업자에 대한 ‘레퍼런스 체크’입니다. 창업자에 대한 부정적 레퍼런스를 들어도, 실제로는 대개 중립적입니다. 제품-시장 적합성(product-market fit)이 창업자의 성격보다 훨씬 중요하기 때문이죠.
또한, 어떤 사람이 특정 환경에서는 게으르고 무능해 보여도, 다른 맥락에서는 훨씬 더 잘할 수 있습니다. 제가 트위터에서 함께 일했던 한 사람은 늘 별로 생산적이지 않아 보였는데, 몇 년 뒤엔 굉장히 성공한 스타트업 CEO가 되어 있었습니다. 그에게 물었더니 ‘이번엔 내 목숨이 걸린 것 같아서 죽어라 일했다’고 하더군요.
물론, 진짜로 압도적인 성과를 내는 사람들은 환경과 상관없이 항상 ‘온(On)’ 상태이긴 합니다. 하지만 이런 맥락 의존성도 존재한다는 겁니다.
https://podcasts.apple.com/kr/podcast/the-knowledge-project-with-shane-parrish/id990149481?l=en-GB&i=1000708306340&r=1226
Apple Podcasts
Elad Gil: How to Spot a Billion-Dollar Startup Before the Rest of the World
Podcast Episode · The Knowledge Project with Shane Parrish · 13/05/2025 · 1h 37m
❤9
Continuous Learning_Startup & Investment
그럼 이런 질문이 가능합니다. ‘정보 흐름을 바꾸면 사람의 궤적(trajectory)을 바꿀 수 있을까?’ 만약 특정 분야에서 최고가 되고 싶다면, 그 분야의 클러스터로 이동해야 합니다. 영화라면 헐리우드, 테크라면 실리콘밸리 같은 식입니다. ‘어디서든 성공할 수 있다’는 말도 약간은 사실이지만, 굉장히 드뭅니다. 왜 스스로를 더 어렵게 만들겠습니까? 굳이 하드 모드로 플레이할 필요는 없죠.” 여기서 반직관적인 교훈도 있습니다. 예를 들어 ‘창업자는…
TLDR;
1. 환경과 궤적: 정보 흐름과 만나는 사람을 바꾸면 개인의 궤적이 달라지고, 최고가 되려면 해당 분야의 클러스터에 직접 들어가야 한다. 어디서든 성공할 수 있다는 말은 가능하지만 극히 드물다.
2. 클러스터 효과: 혁신과 성과는 특정 지역·집단에 몰려 있다. 영화는 할리우드, 금융은 뉴욕, 테크는 실리콘밸리. 본인이 최고가 되고 싶은 영역의 클러스터는 어디인가?
3. 평판보다 제품 시장 적합성: 창업자의 평판보다 제품-시장 적합성이 더 중요하다. 맥락이 바뀌면 같은 사람도 전혀 다르게 성과를 낼 수 있다.
1. 환경과 궤적: 정보 흐름과 만나는 사람을 바꾸면 개인의 궤적이 달라지고, 최고가 되려면 해당 분야의 클러스터에 직접 들어가야 한다. 어디서든 성공할 수 있다는 말은 가능하지만 극히 드물다.
2. 클러스터 효과: 혁신과 성과는 특정 지역·집단에 몰려 있다. 영화는 할리우드, 금융은 뉴욕, 테크는 실리콘밸리. 본인이 최고가 되고 싶은 영역의 클러스터는 어디인가?
3. 평판보다 제품 시장 적합성: 창업자의 평판보다 제품-시장 적합성이 더 중요하다. 맥락이 바뀌면 같은 사람도 전혀 다르게 성과를 낼 수 있다.
❤2
안드레가 말하는 요즘 코딩
최적의 LLM 보조 코딩 경험을 찾아가는 여정을 이어가고 있다. 특히, 한 가지 완벽한 방식에 집중하기보다는 여러 워크플로우를 섞어서 각 장단점을 “봉합(stitch up)”하며 점점 더 다양화해서 활용하는 것 같다.
개인적으로 LLM 보조의 핵심(약 75% 정도)은 여전히 (Cursor의) 탭 자동완성이다. 내가 직접 코드/주석을 구체적으로 작성하고 코드의 올바른 위치에 배치하는 것이 LLM에 “작업 명세(task specification)”를 전달하는 가장 효율적인 방법이라고 생각한다. 즉, 본질은 작업 명세 비트(bits)를 전달하는 것인데, 내가 원하는 바를 텍스트로만 설명하기에는 너무 많은 비트와 지연(latency)이 필요하다. 차라리 코드 안에서 직접 보여주는 것이 훨씬 빠르다. 가끔 탭 완성 모델이 짜증날 때가 있어서 켜고 끄기를 자주 반복한다.
그다음 단계는 구체적인 코드 블록을 하이라이트하고 어떤 수정 작업을 요청하는 것이다.
그 위 단계는 Cursor 옆에서 돌리는 Claude Code, Codex 같은 모델이다. 큰 기능 단위이고 프롬프트로 명세하기 쉬운 경우에 사용한다. 매우 유용하지만 여전히 결과가 섞여 있고, 가끔은 답답하다. 나는 YOLO 모드(그냥 무작정 실행)로 쓰지 않는데, 모델이 산으로 가서 쓸데없는 일을 하기 때문이다. 그래서 ESC를 자주 누른다.
여러 인스턴스를 병렬로 활용하는 생산적인 방법도 아직 못 찾았다—하나만 해도 벅차다. CLAUDE[.]md 같은 걸 제대로 유지·업데이트하는 방법도 아직 못 찾았다.
스타일이나 취향 문제 때문에 정리(cleanup) 작업을 자주 해줘야 한다. 예를 들어, 지나치게 방어적으로 try/catch를 남발하거나, 추상화를 과도하게 복잡하게 만들거나, 리스트 컴프리헨션이나 한 줄 if-then-else로 충분한 경우에도 중첩된 if-else 블록을 쓰거나, 헬퍼 함수로 뺄 수 있는 코드를 중복시키는 등… 기본적으로 “코드 취향”이 없다.
그래도 내가 익숙하지 않은 영역(예: 최근 Rust 작성, SQL 명령, 예전에 거의 안 써본 언어들)에 발을 담글 때는 필수적이다. CC로부터 코드와 동시에 학습하려고 시도했지만 완전히 실패했다—이 모델은 코드를 설명하는 것보다 그냥 코드를 쓰는 데 더 집중한다. 예전에 CC로 하이퍼파라미터 튜닝을 시켜본 적도 있는데 꽤 웃겼다.
또 CC는 단발성 저위험 시각화, 유틸리티, 디버깅 코드에 굉장히 유용하다. 내가 직접 짜기엔 너무 오래 걸릴 것 같은 것들이다. 예를 들어, 특정 버그를 잡기 위해 1,000줄짜리 맞춤형 시각화 코드를 CC가 뚝딱 만들어주고, 버그를 찾자마자 다 삭제하는 식이다. 이건 코드 포스트-스카시티(post-scarcity, 희소성 해소) 시대다—수천 줄의 맞춤형, 일회성 코드를 만들었다가 바로 버려도 괜찮다. 이제 코드는 더 이상 귀하고 비싼 자원이 아니다.
마지막 방어선은 GPT-5 Pro다. 가장 어려운 문제를 맡긴다. 예를 들어, 나/커서/CC가 10분 동안 같은 버그에 갇혀 헤매는데, 전체 코드를 5 Pro에 붙여넣으면 10분 정도 돌리다가 실제로 아주 미묘한 버그를 찾아내는 경우가 있었다. 정말 강력하다. 희귀한 문서나 논문 같은 것도 잘 찾아낸다. 좀 더 무거운 작업에도 활용했다. 예컨대 추상화를 정리하는 방법을 제안하게 했는데 결과는 반반이었다—괜찮은 아이디어도 있었지만 그렇지 않은 것도 있었다. 또는 사람들이 어떤 방법을 쓰는지 전체 문헌 리뷰를 요청하면 관련 자원이나 참고 자료를 잘 모아준다.
어쨌든, 지금은 코딩이 여러 “종류”의 코딩 방식과 각기 다른 장단점을 가진 도구들로 완전히 열린 상태다. 집단적으로 가능한 최전선(frontier)에 내가 못 따라가고 있다는 불안감을 피하기 어렵다. 그래서 이런 일요일 샤워 중 잡생각들이 나오고, 다른 사람들은 어떤 경험을 하고 있는지에 대한 호기심도 크다.
https://x.com/karpathy/status/1959703967694545296?s=46&t=h5Byg6Wosg8MJb4pbPSDow
최적의 LLM 보조 코딩 경험을 찾아가는 여정을 이어가고 있다. 특히, 한 가지 완벽한 방식에 집중하기보다는 여러 워크플로우를 섞어서 각 장단점을 “봉합(stitch up)”하며 점점 더 다양화해서 활용하는 것 같다.
개인적으로 LLM 보조의 핵심(약 75% 정도)은 여전히 (Cursor의) 탭 자동완성이다. 내가 직접 코드/주석을 구체적으로 작성하고 코드의 올바른 위치에 배치하는 것이 LLM에 “작업 명세(task specification)”를 전달하는 가장 효율적인 방법이라고 생각한다. 즉, 본질은 작업 명세 비트(bits)를 전달하는 것인데, 내가 원하는 바를 텍스트로만 설명하기에는 너무 많은 비트와 지연(latency)이 필요하다. 차라리 코드 안에서 직접 보여주는 것이 훨씬 빠르다. 가끔 탭 완성 모델이 짜증날 때가 있어서 켜고 끄기를 자주 반복한다.
그다음 단계는 구체적인 코드 블록을 하이라이트하고 어떤 수정 작업을 요청하는 것이다.
그 위 단계는 Cursor 옆에서 돌리는 Claude Code, Codex 같은 모델이다. 큰 기능 단위이고 프롬프트로 명세하기 쉬운 경우에 사용한다. 매우 유용하지만 여전히 결과가 섞여 있고, 가끔은 답답하다. 나는 YOLO 모드(그냥 무작정 실행)로 쓰지 않는데, 모델이 산으로 가서 쓸데없는 일을 하기 때문이다. 그래서 ESC를 자주 누른다.
여러 인스턴스를 병렬로 활용하는 생산적인 방법도 아직 못 찾았다—하나만 해도 벅차다. CLAUDE[.]md 같은 걸 제대로 유지·업데이트하는 방법도 아직 못 찾았다.
스타일이나 취향 문제 때문에 정리(cleanup) 작업을 자주 해줘야 한다. 예를 들어, 지나치게 방어적으로 try/catch를 남발하거나, 추상화를 과도하게 복잡하게 만들거나, 리스트 컴프리헨션이나 한 줄 if-then-else로 충분한 경우에도 중첩된 if-else 블록을 쓰거나, 헬퍼 함수로 뺄 수 있는 코드를 중복시키는 등… 기본적으로 “코드 취향”이 없다.
그래도 내가 익숙하지 않은 영역(예: 최근 Rust 작성, SQL 명령, 예전에 거의 안 써본 언어들)에 발을 담글 때는 필수적이다. CC로부터 코드와 동시에 학습하려고 시도했지만 완전히 실패했다—이 모델은 코드를 설명하는 것보다 그냥 코드를 쓰는 데 더 집중한다. 예전에 CC로 하이퍼파라미터 튜닝을 시켜본 적도 있는데 꽤 웃겼다.
또 CC는 단발성 저위험 시각화, 유틸리티, 디버깅 코드에 굉장히 유용하다. 내가 직접 짜기엔 너무 오래 걸릴 것 같은 것들이다. 예를 들어, 특정 버그를 잡기 위해 1,000줄짜리 맞춤형 시각화 코드를 CC가 뚝딱 만들어주고, 버그를 찾자마자 다 삭제하는 식이다. 이건 코드 포스트-스카시티(post-scarcity, 희소성 해소) 시대다—수천 줄의 맞춤형, 일회성 코드를 만들었다가 바로 버려도 괜찮다. 이제 코드는 더 이상 귀하고 비싼 자원이 아니다.
마지막 방어선은 GPT-5 Pro다. 가장 어려운 문제를 맡긴다. 예를 들어, 나/커서/CC가 10분 동안 같은 버그에 갇혀 헤매는데, 전체 코드를 5 Pro에 붙여넣으면 10분 정도 돌리다가 실제로 아주 미묘한 버그를 찾아내는 경우가 있었다. 정말 강력하다. 희귀한 문서나 논문 같은 것도 잘 찾아낸다. 좀 더 무거운 작업에도 활용했다. 예컨대 추상화를 정리하는 방법을 제안하게 했는데 결과는 반반이었다—괜찮은 아이디어도 있었지만 그렇지 않은 것도 있었다. 또는 사람들이 어떤 방법을 쓰는지 전체 문헌 리뷰를 요청하면 관련 자원이나 참고 자료를 잘 모아준다.
어쨌든, 지금은 코딩이 여러 “종류”의 코딩 방식과 각기 다른 장단점을 가진 도구들로 완전히 열린 상태다. 집단적으로 가능한 최전선(frontier)에 내가 못 따라가고 있다는 불안감을 피하기 어렵다. 그래서 이런 일요일 샤워 중 잡생각들이 나오고, 다른 사람들은 어떤 경험을 하고 있는지에 대한 호기심도 크다.
https://x.com/karpathy/status/1959703967694545296?s=46&t=h5Byg6Wosg8MJb4pbPSDow
X (formerly Twitter)
Andrej Karpathy (@karpathy) on X
Continuing the journey of optimal LLM-assisted coding experience. In particular, I find that instead of narrowing in on a perfect one thing my usage is increasingly diversifying across a few workflows that I "stitch up" the pros/cons of:
Personally the bread…
Personally the bread…
❤2
AI-Native의 정의
- 흔히 오해되는 “AI-native”:
- 직원들이 ChatGPT에 사내 데이터를 물어보는 것
- Cursor 같은 툴로 코딩 생산성 향상
- AI SaaS 툴을 도입하는 것
- Borislav(CTO)의 정의:
- 회사 전체가 AI를 기반으로 **조직·업무 프로세스를 재구성**하는 것
- 개발자/비개발자의 경계가 무너지고, 모든 사람이 스스로 문제를 해결하는 조직으로 탈바꿈
“Ah-ha Moment”
- GPT-3.5 출시 직후, 운영팀의 백로그가 폭발적으로 쌓임
- “모든 직원이 SQL을 쓸 수 있다면, 왜 직접 문제를 해결하지 못할까?”라는 질문
- No-code/low-code 툴은 표현력이 부족했지만 LLM은 충분히 표현 가능
- 직원이 스스로 fraud detection rule을 만들고, API+Zapier/Make.com과 연결해 자동화 가능
CTO 역할의 변화
- 과거: 엔지니어링 팀이 요청을 받아 직접 해결
- 이후: CTO는 내부 PaaS(Platform as a Service) 제공자
- 회사 전체가 “신뢰할 수 없는 개발자”들로 구성되어 있고, 안전하게 쓸 수 있도록 primitive(기초 기능) 제공
- 예: SQL→API 변환, 트리거→웹훅, 모니터링, 알림, 보안/PII 관리
- 직원이 뭔가를 못 한다면 CTO 책임 → 제대로 된 primitive를 주지 않은 것
조직 문화 전환
- “비개발자는 코드를 못 짠다”는 심리적 장벽 깨기
- 전사적으로 LLM 이해 교육:
- Karpathy “Zero to Hero” 시리즈, Fei-Fei Li, 3Blue1Brown 등
- Learning Fridays: 강의 시청 & 토론
- 요청을 대신 해주는 대신, 직원이 직접 해결하도록 유도
- 초기에는 어렵지만, 신뢰 + 인프라 + 교육 3단계로 문화 전환 성공
- 현재: 개발자 + 반(半)개발자 + 소수의 진짜 비개발자 (~10%)
AI-Free 코딩의 필요성
- Borislav은 주 2일 AI 없이 순수 코딩:
- 이유: “LLM이 만들어내는 코드에 대한 감각을 잃지 않기 위해”
- AI 코드를 무비판적으로 받아들이면 **복잡성(accidental complexity)**이 쌓임
- Vanity Metric(“AI가 몇 % 코드 작성”)은 위험 지표
Theory of Mind와 LLM 코드 리뷰
- 인간 코드: 의도/맥락을 추론 가능 (“왜 이렇게 짰을까?”)
- LLM 코드: 단순 벡터 정렬 → 의도 없음 → 리뷰/리팩터링 시 disconnect 발생
- 해법: LLM 코드를 내 코드처럼 보고 책임과 소유감을 가져야 함
미래 전망
- 코드량이 기하급수적으로 증가 → 인간이 이해할 수 없는 블랙박스 위험
- AI가 아키텍처·컴파일러까지 설계할 경우 인간은 “호환성 레이어”조차 이해 불가
- 따라서 복잡성을 통제(conserve complexity) 하는 능력이 중요
- 프롬프트 설계 시에도 “토큰 압력” 이해 필요: binary 출력 대신 score, 단계별 reasoning 유도
https://www.sarahtavel.com/p/the-benefits-of-writing-code-two
- 흔히 오해되는 “AI-native”:
- 직원들이 ChatGPT에 사내 데이터를 물어보는 것
- Cursor 같은 툴로 코딩 생산성 향상
- AI SaaS 툴을 도입하는 것
- Borislav(CTO)의 정의:
- 회사 전체가 AI를 기반으로 **조직·업무 프로세스를 재구성**하는 것
- 개발자/비개발자의 경계가 무너지고, 모든 사람이 스스로 문제를 해결하는 조직으로 탈바꿈
“Ah-ha Moment”
- GPT-3.5 출시 직후, 운영팀의 백로그가 폭발적으로 쌓임
- “모든 직원이 SQL을 쓸 수 있다면, 왜 직접 문제를 해결하지 못할까?”라는 질문
- No-code/low-code 툴은 표현력이 부족했지만 LLM은 충분히 표현 가능
- 직원이 스스로 fraud detection rule을 만들고, API+Zapier/Make.com과 연결해 자동화 가능
CTO 역할의 변화
- 과거: 엔지니어링 팀이 요청을 받아 직접 해결
- 이후: CTO는 내부 PaaS(Platform as a Service) 제공자
- 회사 전체가 “신뢰할 수 없는 개발자”들로 구성되어 있고, 안전하게 쓸 수 있도록 primitive(기초 기능) 제공
- 예: SQL→API 변환, 트리거→웹훅, 모니터링, 알림, 보안/PII 관리
- 직원이 뭔가를 못 한다면 CTO 책임 → 제대로 된 primitive를 주지 않은 것
조직 문화 전환
- “비개발자는 코드를 못 짠다”는 심리적 장벽 깨기
- 전사적으로 LLM 이해 교육:
- Karpathy “Zero to Hero” 시리즈, Fei-Fei Li, 3Blue1Brown 등
- Learning Fridays: 강의 시청 & 토론
- 요청을 대신 해주는 대신, 직원이 직접 해결하도록 유도
- 초기에는 어렵지만, 신뢰 + 인프라 + 교육 3단계로 문화 전환 성공
- 현재: 개발자 + 반(半)개발자 + 소수의 진짜 비개발자 (~10%)
AI-Free 코딩의 필요성
- Borislav은 주 2일 AI 없이 순수 코딩:
- 이유: “LLM이 만들어내는 코드에 대한 감각을 잃지 않기 위해”
- AI 코드를 무비판적으로 받아들이면 **복잡성(accidental complexity)**이 쌓임
- Vanity Metric(“AI가 몇 % 코드 작성”)은 위험 지표
Theory of Mind와 LLM 코드 리뷰
- 인간 코드: 의도/맥락을 추론 가능 (“왜 이렇게 짰을까?”)
- LLM 코드: 단순 벡터 정렬 → 의도 없음 → 리뷰/리팩터링 시 disconnect 발생
- 해법: LLM 코드를 내 코드처럼 보고 책임과 소유감을 가져야 함
미래 전망
- 코드량이 기하급수적으로 증가 → 인간이 이해할 수 없는 블랙박스 위험
- AI가 아키텍처·컴파일러까지 설계할 경우 인간은 “호환성 레이어”조차 이해 불가
- 따라서 복잡성을 통제(conserve complexity) 하는 능력이 중요
- 프롬프트 설계 시에도 “토큰 압력” 이해 필요: binary 출력 대신 score, 단계별 reasoning 유도
https://www.sarahtavel.com/p/the-benefits-of-writing-code-two
Sarahtavel
The benefits of writing code two days every week without AI, and why the percentage of code written by AI is a vanity metric.
Second post on my interview with Borislav Nikolov, CTO of Rekki.
Agency
사람들이 종종 냉소적으로 “모든 부는 은행가, 정경유착 자본가, 도둑, 올리가르히 같은 자들이 훔친 것이다”라고 말합니다. 또 “너는 가난한 집에서 태어났으니 성공 못 해”, “너는 특정 인종이나 민족이니 불가능하다”, “너는 그런 나라에서 태어났으니 안 된다”, “장애가 있으니 안 된다” 같은 말도 하죠.
물론 세상에는 실제 장벽이 존재합니다. 공정한 경쟁장은 없어요. 공정함이라는 건 아이들의 상상 속에서나 있는 개념이지 현실에서 명확히 규정할 수는 없습니다. 하지만 세상이 전적으로 운만으로 굴러가는 건 아니에요. 왜냐하면 스스로 뭔가 해서 좋은 결과를 낸 경험이 누구에게나 있거든요. 만약 그 일을 하지 않았다면 좋은 결과도 없었을 거예요.
그러니까 우리는 분명 변화를 만들 수 있습니다. 모든 게 운은 아니에요. 특히 더 긴 시간 동안, 더 치열하게 활동하고, 더 많이 시도하고, 더 많이 고민하고 선택을 할수록 운의 영향력은 점점 사라집니다.
예를 들어, 실리콘밸리에서 20년 전 제가 만났던 뛰어난 젊은이들—모두 성공했습니다. 단 한 명도 예외가 없어요. YC가 하는 일이 바로 그걸 체계화한 것이죠. 20년간 꾸준히 몰입하면 결국 성공합니다.
물론 사람들이 이렇게 말할 수 있죠. “쉽게 말하네. 그건 실리콘밸리 사람들의 얘기잖아.” 하지만 여기 태어난 사람은 아무도 없습니다. 다들 스스로 이곳으로 온 거예요. 똑똑한 사람들과 함께 있고 싶었고, 높은 주도권을 발휘하고 싶었기 때문에. 즉, agency(주도권)는 실제로 효과가 있습니다. 다만 문제는, 사람들이 너무 짧은 시간 안에 결과를 기대한다는 겁니다. 그러면 실망하고 포기하죠.
그래서 더 큰 동기가 필요합니다. 그게 바로 엘론이 화성으로 가려는 이유고, 샘이 AGI를 만들려는 이유이며, 잡스가 1980년대에 이미 책 속에 들어갈 컴퓨터(iPad)를 만들고 싶다고 말한 이유죠. 아주 긴 비전이 있어야 수십 년간 버티며 결국 원하는 걸 만들 수 있습니다.
냉소적인 믿음은 자기 충족적 예언(self-fulfilling prophecy)입니다. 비관적 믿음은 마치 오토바이를 타고 벽을 피해야 하는데, 오히려 그 벽만 계속 바라보다가 그대로 돌진하는 것과 같아요.
그래서 주도권을 지켜야 합니다. 우리는 태어날 때부터 agency를 갖고 있어요. 아이들은 원하는 게 있으면 그냥 가서 가져옵니다. 그 본능을 잃지 말아야 해요. “나는 바꿀 수 있다”는 믿음을 반드시 유지해야 합니다.
https://nav.al/agency
사람들이 종종 냉소적으로 “모든 부는 은행가, 정경유착 자본가, 도둑, 올리가르히 같은 자들이 훔친 것이다”라고 말합니다. 또 “너는 가난한 집에서 태어났으니 성공 못 해”, “너는 특정 인종이나 민족이니 불가능하다”, “너는 그런 나라에서 태어났으니 안 된다”, “장애가 있으니 안 된다” 같은 말도 하죠.
물론 세상에는 실제 장벽이 존재합니다. 공정한 경쟁장은 없어요. 공정함이라는 건 아이들의 상상 속에서나 있는 개념이지 현실에서 명확히 규정할 수는 없습니다. 하지만 세상이 전적으로 운만으로 굴러가는 건 아니에요. 왜냐하면 스스로 뭔가 해서 좋은 결과를 낸 경험이 누구에게나 있거든요. 만약 그 일을 하지 않았다면 좋은 결과도 없었을 거예요.
그러니까 우리는 분명 변화를 만들 수 있습니다. 모든 게 운은 아니에요. 특히 더 긴 시간 동안, 더 치열하게 활동하고, 더 많이 시도하고, 더 많이 고민하고 선택을 할수록 운의 영향력은 점점 사라집니다.
예를 들어, 실리콘밸리에서 20년 전 제가 만났던 뛰어난 젊은이들—모두 성공했습니다. 단 한 명도 예외가 없어요. YC가 하는 일이 바로 그걸 체계화한 것이죠. 20년간 꾸준히 몰입하면 결국 성공합니다.
물론 사람들이 이렇게 말할 수 있죠. “쉽게 말하네. 그건 실리콘밸리 사람들의 얘기잖아.” 하지만 여기 태어난 사람은 아무도 없습니다. 다들 스스로 이곳으로 온 거예요. 똑똑한 사람들과 함께 있고 싶었고, 높은 주도권을 발휘하고 싶었기 때문에. 즉, agency(주도권)는 실제로 효과가 있습니다. 다만 문제는, 사람들이 너무 짧은 시간 안에 결과를 기대한다는 겁니다. 그러면 실망하고 포기하죠.
그래서 더 큰 동기가 필요합니다. 그게 바로 엘론이 화성으로 가려는 이유고, 샘이 AGI를 만들려는 이유이며, 잡스가 1980년대에 이미 책 속에 들어갈 컴퓨터(iPad)를 만들고 싶다고 말한 이유죠. 아주 긴 비전이 있어야 수십 년간 버티며 결국 원하는 걸 만들 수 있습니다.
냉소적인 믿음은 자기 충족적 예언(self-fulfilling prophecy)입니다. 비관적 믿음은 마치 오토바이를 타고 벽을 피해야 하는데, 오히려 그 벽만 계속 바라보다가 그대로 돌진하는 것과 같아요.
그래서 주도권을 지켜야 합니다. 우리는 태어날 때부터 agency를 갖고 있어요. 아이들은 원하는 게 있으면 그냥 가서 가져옵니다. 그 본능을 잃지 말아야 해요. “나는 바꿀 수 있다”는 믿음을 반드시 유지해야 합니다.
https://nav.al/agency
Naval
Blame Yourself for Everything, and Preserve Your Agency
Let’s talk about one more tweet which I liked when I first saw it, or I might have retweeted it. I think people retweet things when they see something that they haven’t figured out how to say yet, but they knew in their head, but it’s just implicit—it hadn’t…
👍1
미국 VS 중국인데 우리나라에 해당하는 이야기들도 많네.
중국의 창업가와 투자자들은 서구 세계를 강박적으로 연구하지만, 서구는 중국에 대해 그렇지 않다.
중국을 배워야 하는 이유: 댄 왕(Dan Wang)의 저서 "Breakneck"
엔지니어 vs. 변호사: 빌은 중국 방문 전 읽은 댄 왕의 책을 인용하며, 중국의 지도층(정치국)은 대부분 엔지니어 출신인 반면, 워싱턴 DC는 변호사 출신이 다수라고 지적합니다. 이는 중국이 인프라와 제조업 등 '건설'에 강하고, 미국은 인권과 자유 등 '사회적 가치' 보호에 강한 이유를 설명하는 하나의 렌즈가 됩니다.
지방정부 간의 치열한 경쟁: 중국의 혁신 가속은 중앙정부가 5개년 계획으로 방향을 제시하면, 각 성(Province)의 지도자들이 연방 정부로 승진하기 위해 치열하게 경쟁하며 목표를 달성하기 때문입니다. 이는 마치 한 회사의 사업부들이 CEO 자리를 놓고 경쟁하는 것과 같으며, 엄청난 건설과 산업 발전을 이끌었습니다. (단, 유령 도시 같은 과잉 건설의 부작용도 존재)
사례 연구 1: 자동차 산업의 충격적인 혁신
BYD & 샤오미(Xiaomi): 빌은 세계 최대 EV 생산업체인 BYD와, 휴대폰 회사에서 단 3년 만에 경쟁력 있는 자동차를 출시한 샤오미 공장을 방문한 경험을 공유합니다.
샤오미 공장: 하루에 1,000대의 자동차를 단 2,000명의 직원으로 생산합니다. (직원 1명당 하루 0.5대) 이는 미국의 6배에 달하는 생산성으로, 극도의 자동화가 이루어져 있음을 보여줍니다.
레이쥔(Lejun)의 기업가 정신: 샤오미 CEO 레이쥔은 자동차를 만들기 위해 직접 운전을 다시 시작하고, 170종이 넘는 차를 빌려 타며 장단점을 연구하는 등 엄청난 집념을 보였습니다.
서구 CEO들의 반응: 포드(Ford) CEO 짐 팔리는 샤오미 차를 경험한 후 "내가 본 것 중 가장 겸허해지는 경험"이라며 "품질과 비용 경쟁력에서 서구는 한참 뒤처져 있다"고 극찬했습니다. 메르세데스, 스텔란티스 CEO들도 중국 EV의 위협을 최고 수준으로 평가합니다.
사례 연구 2: AI 생태계와 오픈소스 문화
오픈소스 중심: 중국 정부는 5개년 계획에서 '오픈소스'를 명시적으로 장려했습니다. 이로 인해 딥시크(DeepSeek), 알리바바의 Qwen 등 다수의 강력한 오픈소스 모델이 등장하며 특정 기업의 독점을 막고 있습니다.
경쟁 심화: 수많은 오픈소스 모델이 서로의 성능을 학습하며 발전할 수 있기 때문에, EV 산업보다 더 치열한 '초경쟁(hyper competition)' 환경이 조성되어 있습니다.
주요 플레이어:
딥시크: 기술적 브랜드 가치가 높음.
Qwen: 중국 클라우드 시장 70%를 점유한 알리바바를 등에 업고 있어 중요.
바이트댄스: 소비자 AI 앱 분야에서 가장 주목받는 기업.
미국의 대응: 분리(Decouple) 정책의 한계와 자기 개혁의 필요성
분리 정책의 비현실성: 미국은 중국과의 분리를 주장하지만, 이미 중국의 수출에서 미국이 차지하는 비중은 14%에 불과하며, GDP에서는 3%에 그칩니다. 중국은 유럽, 아프리카, 남미 등 새로운 시장을 개척했습니다. 즉, 미국이 문을 닫아도 중국 경제에 미치는 영향은 제한적입니다.
'보조금'과 '기술 탈취' 프레임의 문제점:
빌은 BYD 임원에게 보조금에 대해 묻자 "정부 보조금을 받는다면 제발 찾아서 보여달라"는 답변을 들었다고 전합니다.
미국 역시 EV 크레딧, 칩스법(CHIPS Act) 등 막대한 산업 보조금을 지급하고 있으며, 테슬라의 특허는 모두 공개되어 있습니다. 즉, 중국의 성공을 단순히 보조금과 탈취 탓으로 돌리는 것은 자기기만일 수 있습니다.
진정한 해법: '더 빠른 경주를 하라' (Run a Faster Race):
미국이 직면한 진짜 문제는 중국이 아니라, 자국의 과도한 규제, 소송 남발, 비효율적인 시스템입니다.
중국과의 경쟁에서 이기려면 관세 장벽을 높이는 것만으로는 부족합니다. 미국 내에서 원자력 발전소 건설 비용이 4~5배 더 비싼 이유를 분석하고, 규제 개혁을 통해 혁신을 가로막는 '진흙(mud)'을 제거해야 합니다.
벤처 캐피털(VC) 시장의 변화와 기타 관찰
미국 VC의 후퇴: 과거 세콰이어, GGV 등 많은 미국 VC들이 중국에 투자했으나, 미중 갈등과 중국 정부의 규제 강화(잭 마 사태 등)로 대부분 철수하거나 분리되었습니다.
현지 자금 부족: 중국 내에는 미국처럼 대학 기금이나 재단 같은 대규모 기관 투자자(LP)가 부족하여 벤처 자금 조달이 예전 같지 않습니다.
생활 속 혁신: 신용카드는 거의 쓰이지 않고, 알리페이(Alipay)와 위챗페이(WeChat Pay)가 보편화되었습니다. 식당에서는 테이블의 QR코드로 주문과 결제를 한 번에 해결하는 등 결제 자동화가 미국보다 훨씬 앞서 있습니다.
인재 유치 경쟁: 미국이 중국 유학생 및 연구자에 대한 비자 장벽을 높이는 사이, 중국은 'K 비자'를 신설하여 전 세계 기술 인재들에게 직업 없이도 비자를 발급해주며 적극적으로 인재를 유치하고 있습니다.
"적을 미워하지 마라. 판단력을 흐리게 한다"
https://www.youtube.com/watch?v=hUJz55AsUz4
중국의 창업가와 투자자들은 서구 세계를 강박적으로 연구하지만, 서구는 중국에 대해 그렇지 않다.
중국을 배워야 하는 이유: 댄 왕(Dan Wang)의 저서 "Breakneck"
엔지니어 vs. 변호사: 빌은 중국 방문 전 읽은 댄 왕의 책을 인용하며, 중국의 지도층(정치국)은 대부분 엔지니어 출신인 반면, 워싱턴 DC는 변호사 출신이 다수라고 지적합니다. 이는 중국이 인프라와 제조업 등 '건설'에 강하고, 미국은 인권과 자유 등 '사회적 가치' 보호에 강한 이유를 설명하는 하나의 렌즈가 됩니다.
지방정부 간의 치열한 경쟁: 중국의 혁신 가속은 중앙정부가 5개년 계획으로 방향을 제시하면, 각 성(Province)의 지도자들이 연방 정부로 승진하기 위해 치열하게 경쟁하며 목표를 달성하기 때문입니다. 이는 마치 한 회사의 사업부들이 CEO 자리를 놓고 경쟁하는 것과 같으며, 엄청난 건설과 산업 발전을 이끌었습니다. (단, 유령 도시 같은 과잉 건설의 부작용도 존재)
사례 연구 1: 자동차 산업의 충격적인 혁신
BYD & 샤오미(Xiaomi): 빌은 세계 최대 EV 생산업체인 BYD와, 휴대폰 회사에서 단 3년 만에 경쟁력 있는 자동차를 출시한 샤오미 공장을 방문한 경험을 공유합니다.
샤오미 공장: 하루에 1,000대의 자동차를 단 2,000명의 직원으로 생산합니다. (직원 1명당 하루 0.5대) 이는 미국의 6배에 달하는 생산성으로, 극도의 자동화가 이루어져 있음을 보여줍니다.
레이쥔(Lejun)의 기업가 정신: 샤오미 CEO 레이쥔은 자동차를 만들기 위해 직접 운전을 다시 시작하고, 170종이 넘는 차를 빌려 타며 장단점을 연구하는 등 엄청난 집념을 보였습니다.
서구 CEO들의 반응: 포드(Ford) CEO 짐 팔리는 샤오미 차를 경험한 후 "내가 본 것 중 가장 겸허해지는 경험"이라며 "품질과 비용 경쟁력에서 서구는 한참 뒤처져 있다"고 극찬했습니다. 메르세데스, 스텔란티스 CEO들도 중국 EV의 위협을 최고 수준으로 평가합니다.
사례 연구 2: AI 생태계와 오픈소스 문화
오픈소스 중심: 중국 정부는 5개년 계획에서 '오픈소스'를 명시적으로 장려했습니다. 이로 인해 딥시크(DeepSeek), 알리바바의 Qwen 등 다수의 강력한 오픈소스 모델이 등장하며 특정 기업의 독점을 막고 있습니다.
경쟁 심화: 수많은 오픈소스 모델이 서로의 성능을 학습하며 발전할 수 있기 때문에, EV 산업보다 더 치열한 '초경쟁(hyper competition)' 환경이 조성되어 있습니다.
주요 플레이어:
딥시크: 기술적 브랜드 가치가 높음.
Qwen: 중국 클라우드 시장 70%를 점유한 알리바바를 등에 업고 있어 중요.
바이트댄스: 소비자 AI 앱 분야에서 가장 주목받는 기업.
미국의 대응: 분리(Decouple) 정책의 한계와 자기 개혁의 필요성
분리 정책의 비현실성: 미국은 중국과의 분리를 주장하지만, 이미 중국의 수출에서 미국이 차지하는 비중은 14%에 불과하며, GDP에서는 3%에 그칩니다. 중국은 유럽, 아프리카, 남미 등 새로운 시장을 개척했습니다. 즉, 미국이 문을 닫아도 중국 경제에 미치는 영향은 제한적입니다.
'보조금'과 '기술 탈취' 프레임의 문제점:
빌은 BYD 임원에게 보조금에 대해 묻자 "정부 보조금을 받는다면 제발 찾아서 보여달라"는 답변을 들었다고 전합니다.
미국 역시 EV 크레딧, 칩스법(CHIPS Act) 등 막대한 산업 보조금을 지급하고 있으며, 테슬라의 특허는 모두 공개되어 있습니다. 즉, 중국의 성공을 단순히 보조금과 탈취 탓으로 돌리는 것은 자기기만일 수 있습니다.
진정한 해법: '더 빠른 경주를 하라' (Run a Faster Race):
미국이 직면한 진짜 문제는 중국이 아니라, 자국의 과도한 규제, 소송 남발, 비효율적인 시스템입니다.
중국과의 경쟁에서 이기려면 관세 장벽을 높이는 것만으로는 부족합니다. 미국 내에서 원자력 발전소 건설 비용이 4~5배 더 비싼 이유를 분석하고, 규제 개혁을 통해 혁신을 가로막는 '진흙(mud)'을 제거해야 합니다.
벤처 캐피털(VC) 시장의 변화와 기타 관찰
미국 VC의 후퇴: 과거 세콰이어, GGV 등 많은 미국 VC들이 중국에 투자했으나, 미중 갈등과 중국 정부의 규제 강화(잭 마 사태 등)로 대부분 철수하거나 분리되었습니다.
현지 자금 부족: 중국 내에는 미국처럼 대학 기금이나 재단 같은 대규모 기관 투자자(LP)가 부족하여 벤처 자금 조달이 예전 같지 않습니다.
생활 속 혁신: 신용카드는 거의 쓰이지 않고, 알리페이(Alipay)와 위챗페이(WeChat Pay)가 보편화되었습니다. 식당에서는 테이블의 QR코드로 주문과 결제를 한 번에 해결하는 등 결제 자동화가 미국보다 훨씬 앞서 있습니다.
인재 유치 경쟁: 미국이 중국 유학생 및 연구자에 대한 비자 장벽을 높이는 사이, 중국은 'K 비자'를 신설하여 전 세계 기술 인재들에게 직업 없이도 비자를 발급해주며 적극적으로 인재를 유치하고 있습니다.
"적을 미워하지 마라. 판단력을 흐리게 한다"
https://www.youtube.com/watch?v=hUJz55AsUz4
YouTube
China, China, China. Breaking Down China’s Tech Surge | BG2 w/ Bill Gurley and Brad Gerstner
Open Source bi-weekly convo w/ Bill Gurley and Brad Gerstner on all things tech, markets, investing & capitalism. This week, they dive deep into China’s explosive innovation across AI and EVs, the rise of open-source models, lessons for U.S. competitiveness…
👍3
성공 신화의 이면
한동안 AI 붐이 일면서 다음과 같은 뉴스가 넘쳐났다:
"ChatGPT는 두 달 만에 1억 명의 사용자를 모았다. Cursor는 1억 달러의 연 매출에 다가섰다. 모든 AI 래퍼들이 돈을 찍어내는 것 같다. 하룻밤 사이의 성공이 여기저기서 보인다."
하지만 진실은 다르다. 이 글의 저자는 "사실은 그렇지 않다"며 운을 뗀다. 아무도 힘들고 오래 걸린 '진짜 이야기를' 듣기 싫어해서 그렇지, 알려진 스타트업의 성공 이면에는 긴 과정을 거친 '그라인드(grind: 갈고 닦는 고생의 시간)'가 있다.
Notion: 두 번이나 무너질 뻔한 창업기
Notion을 만든 Ivan Zhao와 Simon Last도 마법처럼 성공한 것처럼 보이지만, 실상은 "회사를 두 번이나 거의 망하게 했다." 처음에는 $5만 달러만 남은 채 두 사람만 교토로 이주해 매일 18시간씩 Figma를 붙들고 같은 인터페이스를 처음부터 다시 그렸다. 두 번째 위기는 코로나로 단일 Postgres 데이터베이스가 무너지기 시작했을 때 찾아왔다. 경쟁사들이 기능을 쏟아내는 사이, 그들은 몇 달씩 인프라만 붙들고 고쳤다.
"우리는 Figma에서 하루 18시간을 보내며 똑같은 인터페이스를 다시 그리고 있었어요."
직접 시장을 만들다: Vanta와 Canva 사례
Vanta의 창업자 Christina Cacioppo는 코딩도 따로 배워야 했다. 처음 6개월은 사람이 일일이 해주는 보안 감사를 했다. 매일 아침 5시 45분에 일어나 "자동화 메일"을 사실 손수 보냈다. 시장이 SOC 2 인증을 원하지 않는다는 걸 알면서도 코드를 써 내려갔다.
"누구라도 SOC 2에 신경 쓰는지 테스트하고 싶었어요. 시장이 원하지 않았어요. 그럼에도 불구하고 만들었죠."
Canva의 Melanie Perkins도 100명 넘는 투자자에게 거절당했다. "호주 회사가 Adobe를 이긴다고?"라며 모두가 고개를 저었다. 실리콘밸리 투자자와 단 15분 만나기 위해 카이트서핑까지 배워야 했고, 3년 동안 'NO'라는 답만 들었다. 단 한 번의 'YES'를 듣기까지 거절이 반복된 것.
"투자자 100명이 모두 '안 돼'라고 했어요. 그 후 딱 한 번 '예스'가 나왔죠."
지금 Canva의 가치는 400억 달러가 되었다.
아무도 알아주지 않는 시간: WorkOS와 Meter
Michael Grinich는 WorkOS를 만들며 1년 동안 단 한 명의 고객도 없었다. 자신이 이전 회사에서 겪었던 문제를 해결하려 만든 것이었지만, 시장은 그 필요를 모른 채였다.
Meter의 Varanasi 형제는 고객을 만나기도 전에 6년을 투자했다. 펌웨어, OS 등 하드웨어를 세상에 내놓으려면 물리적 현장, 공급망, 설치까지 모두 챙겨야 했기에 COVID 시기 소프트웨어 회사들이 돈을 벌 때도 그들은 '존버'해야 했다.
"우리가 2020년에 살아남을 수 있을지 정말 궁금했어요."
실패는 또 다른 성공의 씨앗: 비노드 코슬라
Vinod Khosla는 콩 우유 회사 창업에 실패했고, 스탠퍼드에 두 번 떨어졌으며, 400곳에 이력서를 보내도 답변을 받지 못했다. Daisy Systems라는 첫 회사도 대실패로 끝났다. 하지만 그 자리가 Sun Microsystems의 공동 창업자로 이어진다.
"이력서를 400곳에 보냈지만, 답장은 한 곳도 없었죠."
진짜 성공의 조건
세상에 알려진 성공 스토리 뒤에는 꼭 지옥 같은 실패, 시장을 계몽하는 오랜 시간, 팀을 지키는 끈기, 그리고 10년 가까운 인고의 시간이 숨어 있다. 가장 잘나가는 회사도 결국 '10년 뒤에야 빛났다'고 저자는 강조한다.
"진짜 문제는 어렵고, 시장은 설명이 필요하고, 팀원들은 시간이 필요합니다. 최고의 회사도 회사를 세우는 데 10년이 걸립니다."
https://harvest.pub/shared/eb923128-cdbd-4062-beac-0f4b2acb58de
한동안 AI 붐이 일면서 다음과 같은 뉴스가 넘쳐났다:
"ChatGPT는 두 달 만에 1억 명의 사용자를 모았다. Cursor는 1억 달러의 연 매출에 다가섰다. 모든 AI 래퍼들이 돈을 찍어내는 것 같다. 하룻밤 사이의 성공이 여기저기서 보인다."
하지만 진실은 다르다. 이 글의 저자는 "사실은 그렇지 않다"며 운을 뗀다. 아무도 힘들고 오래 걸린 '진짜 이야기를' 듣기 싫어해서 그렇지, 알려진 스타트업의 성공 이면에는 긴 과정을 거친 '그라인드(grind: 갈고 닦는 고생의 시간)'가 있다.
Notion: 두 번이나 무너질 뻔한 창업기
Notion을 만든 Ivan Zhao와 Simon Last도 마법처럼 성공한 것처럼 보이지만, 실상은 "회사를 두 번이나 거의 망하게 했다." 처음에는 $5만 달러만 남은 채 두 사람만 교토로 이주해 매일 18시간씩 Figma를 붙들고 같은 인터페이스를 처음부터 다시 그렸다. 두 번째 위기는 코로나로 단일 Postgres 데이터베이스가 무너지기 시작했을 때 찾아왔다. 경쟁사들이 기능을 쏟아내는 사이, 그들은 몇 달씩 인프라만 붙들고 고쳤다.
"우리는 Figma에서 하루 18시간을 보내며 똑같은 인터페이스를 다시 그리고 있었어요."
직접 시장을 만들다: Vanta와 Canva 사례
Vanta의 창업자 Christina Cacioppo는 코딩도 따로 배워야 했다. 처음 6개월은 사람이 일일이 해주는 보안 감사를 했다. 매일 아침 5시 45분에 일어나 "자동화 메일"을 사실 손수 보냈다. 시장이 SOC 2 인증을 원하지 않는다는 걸 알면서도 코드를 써 내려갔다.
"누구라도 SOC 2에 신경 쓰는지 테스트하고 싶었어요. 시장이 원하지 않았어요. 그럼에도 불구하고 만들었죠."
Canva의 Melanie Perkins도 100명 넘는 투자자에게 거절당했다. "호주 회사가 Adobe를 이긴다고?"라며 모두가 고개를 저었다. 실리콘밸리 투자자와 단 15분 만나기 위해 카이트서핑까지 배워야 했고, 3년 동안 'NO'라는 답만 들었다. 단 한 번의 'YES'를 듣기까지 거절이 반복된 것.
"투자자 100명이 모두 '안 돼'라고 했어요. 그 후 딱 한 번 '예스'가 나왔죠."
지금 Canva의 가치는 400억 달러가 되었다.
아무도 알아주지 않는 시간: WorkOS와 Meter
Michael Grinich는 WorkOS를 만들며 1년 동안 단 한 명의 고객도 없었다. 자신이 이전 회사에서 겪었던 문제를 해결하려 만든 것이었지만, 시장은 그 필요를 모른 채였다.
Meter의 Varanasi 형제는 고객을 만나기도 전에 6년을 투자했다. 펌웨어, OS 등 하드웨어를 세상에 내놓으려면 물리적 현장, 공급망, 설치까지 모두 챙겨야 했기에 COVID 시기 소프트웨어 회사들이 돈을 벌 때도 그들은 '존버'해야 했다.
"우리가 2020년에 살아남을 수 있을지 정말 궁금했어요."
실패는 또 다른 성공의 씨앗: 비노드 코슬라
Vinod Khosla는 콩 우유 회사 창업에 실패했고, 스탠퍼드에 두 번 떨어졌으며, 400곳에 이력서를 보내도 답변을 받지 못했다. Daisy Systems라는 첫 회사도 대실패로 끝났다. 하지만 그 자리가 Sun Microsystems의 공동 창업자로 이어진다.
"이력서를 400곳에 보냈지만, 답장은 한 곳도 없었죠."
진짜 성공의 조건
세상에 알려진 성공 스토리 뒤에는 꼭 지옥 같은 실패, 시장을 계몽하는 오랜 시간, 팀을 지키는 끈기, 그리고 10년 가까운 인고의 시간이 숨어 있다. 가장 잘나가는 회사도 결국 '10년 뒤에야 빛났다'고 저자는 강조한다.
"진짜 문제는 어렵고, 시장은 설명이 필요하고, 팀원들은 시간이 필요합니다. 최고의 회사도 회사를 세우는 데 10년이 걸립니다."
https://harvest.pub/shared/eb923128-cdbd-4062-beac-0f4b2acb58de
harvest.pub
하룻밤의 성공은 없다: 진짜 성공의 이면 | 하베스트
Harvest is a tool that helps you summarize content with one click.
❤6
Continuous Learning_Startup & Investment
실시간으로 법률 관련된 문의를 하면 답변해주는 AI Agent https://crosby.ai/
지식의 컨베이어 벨트, AI 로펌 Crosby 이야기
전문 서비스업에 AI가 도입된다면 어떤 모습일까요? 로펌 안에 '지식의 컨베이어 벨트'가 놓인다면 어떨까요?
Crosby는 계약 업무에 특화된 AI 로펌으로, 복잡한 계약서 협상 과정을 자동화하여 계약이 더 빠르게 체결되도록 돕습니다.
주요 고객은 Cursor와 같이 빠르게 성장하는 B2B SaaS 및 AI 스타트업입니다. 이들은 사업 확장 과정에서 NDA(비밀유지계약), MSA(기본 서비스 계약), DPA(데이터 처리 계약) 등 수많은 계약을 처리해야 합니다.
성장의 병목을 해결하는 AI 변호사
스타트업이 폭발적으로 성장할 때, 법률 검토는 종종 성장의 발목을 잡는 병목 현상을 일으킵니다. Crosby는 이 문제를 해결하기 위해 계약 협상에 소요되는 시간을 획기적으로 단축시킵니다. 핵심은 AI를 통해 대부분의 반복적인 업무를 자동화하고, 변호사에게는 가장 중요한 최종 확인이 필요한 순간에만 정확하게 개입을 요청하는 것입니다.
Crosby의 시스템에서 AI는 계약서 내용을 요약하고, 수정 사항을 추적하며, 관련 코멘트를 생성합니다. 또한, 고객사의 비즈니스 맥락에 맞는 정보를 적시에 제공하여 변호사의 생산성을 극대화합니다. 그리고 최종 결과물에 대한 법적 책임은 숙련된 변호사가 집니다. 현재는 업무를 분류하고 배분하는 '사무직원' 레벨의 AI 에이전트를 구축했으며, 앞으로는 주니어, 시니어, 파트너급 에이전트를 각각 개발하여 자동화의 깊이를 더할 계획입니다.
혁신적인 비즈니스 모델과 문화
Crosby는 기존 로펌에 AI 솔루션을 판매하는 방식이 아닌, 스스로 'AI 네이티브(AI-Native) 로펌'이 되는 길을 선택했습니다. 이를 통해 고객에게 훨씬 빠른 법률 서비스를 제공하고, 전통적인 '시간당 청구' 방식에서 벗어나 '문서당 과금'이라는 혁신적인 모델을 도입했습니다.
Q: 변호사들이 AI를 거부감 없이 받아들이고, 심지어 직접 프롬프트를 작성하게 만들 수 있었던 비결은 무엇인가요?
A: 인센티브 구조에 있습니다. Crosby는 '시간당 보상'이 아닌 '총 검토 시간(Total Review Time) 단축'을 공동의 목표로 설정했습니다. 이를 통해 변호사들은 스스로 AI를 활용하여 업무 효율을 높이는 데 적극적으로 기여하게 됩니다.
Q: 왜 AI 기술의 중심지인 샌프란시스코가 아닌 뉴욕을 선택했나요?
A: 뉴욕이 금융, 법률, 헬스케어 등 깊이 있는 도메인 전문성이 밀집된 곳이기 때문입니다. 기술만 외치는 'AI 메아리(echo chamber)'에서 벗어나, 현실 세계의 복잡한 문제에 집중하며 제품을 만들기에 최적의 환경이라고 판단한 것입니다.
AI가 열어갈 새로운 법률 시장의 미래
Crosby가 그리는 미래는 단순히 기존 법률 시장을 효율화하는 데 그치지 않습니다.
"대형 로펌이 담당하는 복잡한 기업 법무보다는, 현재 법률 서비스의 사각지대에 놓인 개인들을 위한 법률 업무(예: 양육비 청구, 임대차 계약 분쟁 등)가 완전히 자동화될 가능성이 높습니다. 이는 기존 변호사의 일자리를 빼앗는 것이 아니라, 비싼 비용 때문에 법률 자문을 받지 못했던 사람들을 위한 새로운 시장을 창출하는 것입니다."
https://youtu.be/tBPnlHS2HUA
전문 서비스업에 AI가 도입된다면 어떤 모습일까요? 로펌 안에 '지식의 컨베이어 벨트'가 놓인다면 어떨까요?
Crosby는 계약 업무에 특화된 AI 로펌으로, 복잡한 계약서 협상 과정을 자동화하여 계약이 더 빠르게 체결되도록 돕습니다.
주요 고객은 Cursor와 같이 빠르게 성장하는 B2B SaaS 및 AI 스타트업입니다. 이들은 사업 확장 과정에서 NDA(비밀유지계약), MSA(기본 서비스 계약), DPA(데이터 처리 계약) 등 수많은 계약을 처리해야 합니다.
성장의 병목을 해결하는 AI 변호사
스타트업이 폭발적으로 성장할 때, 법률 검토는 종종 성장의 발목을 잡는 병목 현상을 일으킵니다. Crosby는 이 문제를 해결하기 위해 계약 협상에 소요되는 시간을 획기적으로 단축시킵니다. 핵심은 AI를 통해 대부분의 반복적인 업무를 자동화하고, 변호사에게는 가장 중요한 최종 확인이 필요한 순간에만 정확하게 개입을 요청하는 것입니다.
Crosby의 시스템에서 AI는 계약서 내용을 요약하고, 수정 사항을 추적하며, 관련 코멘트를 생성합니다. 또한, 고객사의 비즈니스 맥락에 맞는 정보를 적시에 제공하여 변호사의 생산성을 극대화합니다. 그리고 최종 결과물에 대한 법적 책임은 숙련된 변호사가 집니다. 현재는 업무를 분류하고 배분하는 '사무직원' 레벨의 AI 에이전트를 구축했으며, 앞으로는 주니어, 시니어, 파트너급 에이전트를 각각 개발하여 자동화의 깊이를 더할 계획입니다.
혁신적인 비즈니스 모델과 문화
Crosby는 기존 로펌에 AI 솔루션을 판매하는 방식이 아닌, 스스로 'AI 네이티브(AI-Native) 로펌'이 되는 길을 선택했습니다. 이를 통해 고객에게 훨씬 빠른 법률 서비스를 제공하고, 전통적인 '시간당 청구' 방식에서 벗어나 '문서당 과금'이라는 혁신적인 모델을 도입했습니다.
Q: 변호사들이 AI를 거부감 없이 받아들이고, 심지어 직접 프롬프트를 작성하게 만들 수 있었던 비결은 무엇인가요?
A: 인센티브 구조에 있습니다. Crosby는 '시간당 보상'이 아닌 '총 검토 시간(Total Review Time) 단축'을 공동의 목표로 설정했습니다. 이를 통해 변호사들은 스스로 AI를 활용하여 업무 효율을 높이는 데 적극적으로 기여하게 됩니다.
Q: 왜 AI 기술의 중심지인 샌프란시스코가 아닌 뉴욕을 선택했나요?
A: 뉴욕이 금융, 법률, 헬스케어 등 깊이 있는 도메인 전문성이 밀집된 곳이기 때문입니다. 기술만 외치는 'AI 메아리(echo chamber)'에서 벗어나, 현실 세계의 복잡한 문제에 집중하며 제품을 만들기에 최적의 환경이라고 판단한 것입니다.
AI가 열어갈 새로운 법률 시장의 미래
Crosby가 그리는 미래는 단순히 기존 법률 시장을 효율화하는 데 그치지 않습니다.
"대형 로펌이 담당하는 복잡한 기업 법무보다는, 현재 법률 서비스의 사각지대에 놓인 개인들을 위한 법률 업무(예: 양육비 청구, 임대차 계약 분쟁 등)가 완전히 자동화될 가능성이 높습니다. 이는 기존 변호사의 일자리를 빼앗는 것이 아니라, 비싼 비용 때문에 법률 자문을 받지 못했던 사람들을 위한 새로운 시장을 창출하는 것입니다."
https://youtu.be/tBPnlHS2HUA
👍1
여러 AI 서비스(Notion, Cursor, Cognition)에서 검색 기능이 Default로 탑재되면서 실시간 검색 기능이나 신뢰할 수 있는 정보를 제공하는 것, 그리고 고객의 데이터를 저장하지 않는 것이 중요해지면서 새로운 API 레이어가 크고 있음.
기존에 많은 데이터를 들고 있는 Brave, B2C로 확장하던 Perplexity 그 외 새로운 스타트업들이 이 시장에서 싸우고 있고 시장의 수요가 빠르게 늘어나는 만큼 당분간 모두 잘 성장의 수혜를 누릴 것 같다.
Exa AI — 자체 인덱스 기반 “AI용 검색 인프라” “구글/빙 래핑이 아닌 독립 인덱스+ZDR로 엔터프라이즈 니즈 공략” 최근 Series B $85M(Val. ~$700M) https://exa.ai/
Perplexity — “Answer/Deep Research” 엔진의 엔터프라이즈화+API
B2C 성장 축 이외에 엔터프라이즈로 열심히 확장중. Deep Research 기능과 API, 가격 정책도 잘 설계되었다는 평
Brave Search API — 독립 인덱스·저가 CPM의 범용 검색 API
독립 인덱스+저가 CPM이 Bing API 대체재로 확고. “Bing API 인상” 이후 가격/독립성으로 개발자 유입. AI grounding 수요에 정합.
Tavily — 에이전트 친화 “웹 액세스 레이어”
개발자 친화 가격·문서·무료티어 성장 전략. 생태계 확장(체험 → 유료).
You.com API — 검색·뉴스·이미지 등 “수트형 API”
Smart/Research API로 심화 응답·커스터마이즈. 검색엔진 트래픽·인덱스 자산을 API화해 코파일럿/리서치 에이전트 수요 흡수
기존에 많은 데이터를 들고 있는 Brave, B2C로 확장하던 Perplexity 그 외 새로운 스타트업들이 이 시장에서 싸우고 있고 시장의 수요가 빠르게 늘어나는 만큼 당분간 모두 잘 성장의 수혜를 누릴 것 같다.
Exa AI — 자체 인덱스 기반 “AI용 검색 인프라” “구글/빙 래핑이 아닌 독립 인덱스+ZDR로 엔터프라이즈 니즈 공략” 최근 Series B $85M(Val. ~$700M) https://exa.ai/
Perplexity — “Answer/Deep Research” 엔진의 엔터프라이즈화+API
B2C 성장 축 이외에 엔터프라이즈로 열심히 확장중. Deep Research 기능과 API, 가격 정책도 잘 설계되었다는 평
Brave Search API — 독립 인덱스·저가 CPM의 범용 검색 API
독립 인덱스+저가 CPM이 Bing API 대체재로 확고. “Bing API 인상” 이후 가격/독립성으로 개발자 유입. AI grounding 수요에 정합.
Tavily — 에이전트 친화 “웹 액세스 레이어”
개발자 친화 가격·문서·무료티어 성장 전략. 생태계 확장(체험 → 유료).
You.com API — 검색·뉴스·이미지 등 “수트형 API”
Smart/Research API로 심화 응답·커스터마이즈. 검색엔진 트래픽·인덱스 자산을 API화해 코파일럿/리서치 에이전트 수요 흡수
Exa
The Exa API retrieves the best, realtime data from the web for your AI
❤1
Continuous Learning_Startup & Investment
Vertical AI 사례- OpenEvidence - 오픈 에비던스는 의사들이 진료시점에서 더 나은 결정을 내릴 수 있게 의학 문헌들을 근거로 도움을 주는 의사 Copilot임. - 미국에는 약 100만 명의 의사가 3억 4천만 명 이상의 인구를 담당하고 있음. 오픈에비던스 사용자는 1년 전에는 1천 명 미만이었고 지금은 미국내 10만명, 전세계 MAU는 30-40만명 수준. 1. 의사들이 겪는 가장 큰 어려움 중 하나는 (근무 시간, 의대 과정,…
미국 의사들을 위한 Bloomberg Terminal, Open Evidence 창업자 인터뷰 내용인데 흥미로운 부분 메모.
복잡한 자료를 다루는 Professional들에게 Bloomberg형 제품으로 시작해서 결국엔 Agents들까지 더 생겨날 것 같다.
사용자들이 출처 자료를 보나요?
항상 봅니다. 복잡한 질문으로 시작하는 것이 거의 사용자의 기본 행동이라고 할 수 있습니다. 제가 언급한 이유들 때문에 구글에는 입력할 수 없는, 한 문단 길이의 질문이죠. 그리고 3,500만 개의 생물의학 간행물이라는 검색 공간에서, 질문에 부합하는 정확한 3~5개의 표준적인 랜드마크 3상 RCT나 가이드라인 또는 다른 정보 출처를 찾아냅니다. '정답'이 아니라 질문에 '부합하는' 정보 말이죠.
이런 제품을 만들때 겪는 기술적 어려움의 핵심은 **의미론적인 검색을 얼마나 잘 해줄 수 있느냐**다.
역사적으로 두 가지가 매우 어려웠습니다. 복잡한 환자 시나리오나 사례를 **검색 엔진에 입력해서 유용한 결과를 얻는 것**이 어려웠고, 엔지니어의 관점에서 수백억 개의 토큰으로 구성된 동료 심사를 거친 의학 문헌의 세계에서, 몇 개의 키워드가 아닌 **질문의 의미론적 의미에 직접적으로 부합하는 7개의 구절을 찾는 것**이 매우 어려웠습니다.
저희는 바로 그 두 가지를 했습니다. 그 두 가지를 극도로 잘 해냈습니다. 저희는 올바른 사회적 계약을 구성했고, 청중을 매우 잘 선택했습니다. 이 모든 것들이 쌓여 의사를 위한 블룸버그 터미널과 같은, 즉 전문가용 도구처럼 보이게 된 것입니다. 그들은 AI가 '좋은 데이터가 들어가면 좋은 결과가 나오고, 쓰레기 데이터가 들어가면 쓰레기 결과가 나온다'는 것을 알기 때문에 이것을 사용합니다. 이것이 트윗으로 훈련된 것이 아님을 압니다. 이것이 뉴잉글랜드 저널 오브 메디슨, JAMA 등으로 훈련되었다는 것을 압니다. 저희가 의학 지식의 '골드 스탠더드'들과 전략적 파트너십을 맺고 있다는 것을 압니다. 그들은 오픈에비던스에서 '정답'을 얻는 것이 아니라, 질문에 답하는 '출처'로 안내받을 것이라는 것을 압니다. 이 모든 것들이 쌓여 전문가용 도구처럼 느껴지게 되었다고 생각합니다.
지식 노동자를 소비자로 대하다. 과거에 회사에 특정 의사결정권자에게 판매하던 B2B Software들이 PLG(Product Led Growth)를 하게되는 것을 여러 도메인에 걸쳐서 관찰할 수 있게될 것 같다.
지식 노동자를 위한 소비자 인터넷 회사를 만들고 싶었음. 의사들은 그저 의료 시스템의 부속물처럼 취급되었고, 이 의료 시스템이 의사결정권자이자 문지기였습니다. '최고 의료 정보 책임자(CMIO)' 같은 직함을 가진 사람들이 의사들이 무엇을 사용할지 결정했습니다. 그 CMIO들 중 상당수가 의학 학위조차 없다는 사실에도 불구하고 말이죠.
제게는, 전투기 조종사이자 지식 노동자이며, 자신의 의사 면허(MD)를 걸고 고위험 결정을 내려야 하는 의사들이 자신들이 사용하는 기술에 대한 문지기 역할조차 하지 못한다는 사실이 꽤 심오한 깨달음이었습니다. 바로 그들을 소비자로, 그리고 앱스토어에 가서 무료 앱을 다운로드하고 사용을 시작할 수 있는 사람으로 대한 것입니다. 정말 바보처럼 간단하게 들리지만, 그것은 정말 심오했고 정말 효과적이었습니다.
의학 교육은 어떻게 바뀔까?
1950년에 인용 횟수로 측정한 의학 지식의 두 배가 되는 속도는 50년마다였습니다. 50년마다 동료 심사를 거친 의학 문헌의 총 인용 횟수가 두 배가 되었죠. 오늘날에는 영국 의학 저널(BMJ)과 네이처(Nature)의 추정에 따르면 73일마다입니다. 정말 뛰어난, 세계적인 의사들과 이야기해보면, 그들은 자신이 진료하는 것의 90~95%를 의대 졸업 후에, 그리고 대부분의 경우 펠로우십 이후에 배웠다고 매우 솔직하게 말할 것입니다.
레지던트 과정의 본질을 바꾸거나 의사들이 훈련받는 방식을 바꿀 수 있을까요?
바뀌고 있습니다. 메이요, 클리블랜드, UCSF 같은 최고 수준의 기관들에서는 50년 된 모델을 해체하려는 매우 선구적인 접근 방식들이 있습니다.
단지 가이드라인 기반 의학뿐만 아니라 증거 기반 의학을 장려합니다. 그들은 비공식 자문(curbside consult)을 장려합니다. 기본적으로 정보 과부하 문제를 분산된 집단 지성을 통해 해결하려고 합니다.
'비공식 자문'은 거창하게 들리지만, 단지 '이 문제에 대해 알 만한 다른 의사들에게 가서 물어보라'는 뜻입니다. 이 모든 것들은 당연하게 들립니다. 누가 증거 기반 의학을 원하지 않겠어요? 누가 의사들이 다른 의사 패널에게 물어보는 것을 원하지 않겠어요? 복잡한 사실 패턴을 가진 환자가 있다면, 학제 간으로 의사 그룹을 데려와서 학제적인 방식으로 이것을 보자고 합니다. 심장 전문의, 신경 전문의, 종양 전문의를 데려와서 보는 거죠.
문제는 그것이 매우 비싸다는 것입니다. 제가 이것을 설명하면서 실시간으로 '이거 정말 비싸네'라고 생각하고 있습니다. 그래서 형평성 문제가 생깁니다. 2025년에 생명공학의 황금기와 치료법의 폭발 속에서 올바른 의료 행위 방식이 무엇인지는 꽤 명확합니다. 하지만 그것을 어떻게 지불할지는 명확하지 않습니다. 이제는 극도로 비싼 전문가 한 명이 아니라 서너 명이니까요. 그리고 우리는 그렇게 많은 전문가를 가지고 있지 않습니다. 우리가 종양 전문의를 더 빠른 속도로 배출하고 있는 것도 아닙니다.
복잡한 자료를 다루는 Professional들에게 Bloomberg형 제품으로 시작해서 결국엔 Agents들까지 더 생겨날 것 같다.
사용자들이 출처 자료를 보나요?
항상 봅니다. 복잡한 질문으로 시작하는 것이 거의 사용자의 기본 행동이라고 할 수 있습니다. 제가 언급한 이유들 때문에 구글에는 입력할 수 없는, 한 문단 길이의 질문이죠. 그리고 3,500만 개의 생물의학 간행물이라는 검색 공간에서, 질문에 부합하는 정확한 3~5개의 표준적인 랜드마크 3상 RCT나 가이드라인 또는 다른 정보 출처를 찾아냅니다. '정답'이 아니라 질문에 '부합하는' 정보 말이죠.
이런 제품을 만들때 겪는 기술적 어려움의 핵심은 **의미론적인 검색을 얼마나 잘 해줄 수 있느냐**다.
역사적으로 두 가지가 매우 어려웠습니다. 복잡한 환자 시나리오나 사례를 **검색 엔진에 입력해서 유용한 결과를 얻는 것**이 어려웠고, 엔지니어의 관점에서 수백억 개의 토큰으로 구성된 동료 심사를 거친 의학 문헌의 세계에서, 몇 개의 키워드가 아닌 **질문의 의미론적 의미에 직접적으로 부합하는 7개의 구절을 찾는 것**이 매우 어려웠습니다.
저희는 바로 그 두 가지를 했습니다. 그 두 가지를 극도로 잘 해냈습니다. 저희는 올바른 사회적 계약을 구성했고, 청중을 매우 잘 선택했습니다. 이 모든 것들이 쌓여 의사를 위한 블룸버그 터미널과 같은, 즉 전문가용 도구처럼 보이게 된 것입니다. 그들은 AI가 '좋은 데이터가 들어가면 좋은 결과가 나오고, 쓰레기 데이터가 들어가면 쓰레기 결과가 나온다'는 것을 알기 때문에 이것을 사용합니다. 이것이 트윗으로 훈련된 것이 아님을 압니다. 이것이 뉴잉글랜드 저널 오브 메디슨, JAMA 등으로 훈련되었다는 것을 압니다. 저희가 의학 지식의 '골드 스탠더드'들과 전략적 파트너십을 맺고 있다는 것을 압니다. 그들은 오픈에비던스에서 '정답'을 얻는 것이 아니라, 질문에 답하는 '출처'로 안내받을 것이라는 것을 압니다. 이 모든 것들이 쌓여 전문가용 도구처럼 느껴지게 되었다고 생각합니다.
지식 노동자를 소비자로 대하다. 과거에 회사에 특정 의사결정권자에게 판매하던 B2B Software들이 PLG(Product Led Growth)를 하게되는 것을 여러 도메인에 걸쳐서 관찰할 수 있게될 것 같다.
지식 노동자를 위한 소비자 인터넷 회사를 만들고 싶었음. 의사들은 그저 의료 시스템의 부속물처럼 취급되었고, 이 의료 시스템이 의사결정권자이자 문지기였습니다. '최고 의료 정보 책임자(CMIO)' 같은 직함을 가진 사람들이 의사들이 무엇을 사용할지 결정했습니다. 그 CMIO들 중 상당수가 의학 학위조차 없다는 사실에도 불구하고 말이죠.
제게는, 전투기 조종사이자 지식 노동자이며, 자신의 의사 면허(MD)를 걸고 고위험 결정을 내려야 하는 의사들이 자신들이 사용하는 기술에 대한 문지기 역할조차 하지 못한다는 사실이 꽤 심오한 깨달음이었습니다. 바로 그들을 소비자로, 그리고 앱스토어에 가서 무료 앱을 다운로드하고 사용을 시작할 수 있는 사람으로 대한 것입니다. 정말 바보처럼 간단하게 들리지만, 그것은 정말 심오했고 정말 효과적이었습니다.
의학 교육은 어떻게 바뀔까?
1950년에 인용 횟수로 측정한 의학 지식의 두 배가 되는 속도는 50년마다였습니다. 50년마다 동료 심사를 거친 의학 문헌의 총 인용 횟수가 두 배가 되었죠. 오늘날에는 영국 의학 저널(BMJ)과 네이처(Nature)의 추정에 따르면 73일마다입니다. 정말 뛰어난, 세계적인 의사들과 이야기해보면, 그들은 자신이 진료하는 것의 90~95%를 의대 졸업 후에, 그리고 대부분의 경우 펠로우십 이후에 배웠다고 매우 솔직하게 말할 것입니다.
레지던트 과정의 본질을 바꾸거나 의사들이 훈련받는 방식을 바꿀 수 있을까요?
바뀌고 있습니다. 메이요, 클리블랜드, UCSF 같은 최고 수준의 기관들에서는 50년 된 모델을 해체하려는 매우 선구적인 접근 방식들이 있습니다.
단지 가이드라인 기반 의학뿐만 아니라 증거 기반 의학을 장려합니다. 그들은 비공식 자문(curbside consult)을 장려합니다. 기본적으로 정보 과부하 문제를 분산된 집단 지성을 통해 해결하려고 합니다.
'비공식 자문'은 거창하게 들리지만, 단지 '이 문제에 대해 알 만한 다른 의사들에게 가서 물어보라'는 뜻입니다. 이 모든 것들은 당연하게 들립니다. 누가 증거 기반 의학을 원하지 않겠어요? 누가 의사들이 다른 의사 패널에게 물어보는 것을 원하지 않겠어요? 복잡한 사실 패턴을 가진 환자가 있다면, 학제 간으로 의사 그룹을 데려와서 학제적인 방식으로 이것을 보자고 합니다. 심장 전문의, 신경 전문의, 종양 전문의를 데려와서 보는 거죠.
문제는 그것이 매우 비싸다는 것입니다. 제가 이것을 설명하면서 실시간으로 '이거 정말 비싸네'라고 생각하고 있습니다. 그래서 형평성 문제가 생깁니다. 2025년에 생명공학의 황금기와 치료법의 폭발 속에서 올바른 의료 행위 방식이 무엇인지는 꽤 명확합니다. 하지만 그것을 어떻게 지불할지는 명확하지 않습니다. 이제는 극도로 비싼 전문가 한 명이 아니라 서너 명이니까요. 그리고 우리는 그렇게 많은 전문가를 가지고 있지 않습니다. 우리가 종양 전문의를 더 빠른 속도로 배출하고 있는 것도 아닙니다.
❤2
Q: 당신은 투자를 '물리학 스타일(정해진 법칙을 찾는 것)'과 '생물학 스타일(끊임없이 진화하는 생태계로 보는 것)'로 구분합니다. 이 비유를 좀 더 자세히 설명해주시겠습니까?
세상을 바라보는 두 가지 다른 방식을 설명하는 재미있는 렌즈입니다. 물리학자의 사고방식은 불변의 법칙을 찾아내려는 것이고, 생물학자의 렌즈는 진화와 변화, 그리고 현재 환경에 무엇이 잘 적응했는지를 생각하는 것입니다. 저는 변화에 대한 호기심과 미래에 잘 적응하는 것에 초점을 맞추는 후자의 렌즈로 세상을 봅니다. 마치 다윈이 비글호를 타고 새로운 종을 처음 발견했을 때의 경이로움과 같습니다. 왜 저 종이 저렇게 생겼을까, 정말 잘 적응한 종일까, 영원히 살아남을 수 있을까 궁금해하는 것이죠.
AI가 바로 그런 환경의 변화입니다. 지능형 컴퓨팅이라는 새로운 환경에 무엇이 가장 잘 적응할지, 고객과 기업이 무엇을 요구할지 궁금해하는 것입니다. 규칙을 찾는 것이 아니라 무엇이 잘 적응할지를 보는 것이죠. Character.AI를 보면, 사람들이 캐릭터와 그렇게 많은 시간을 보내는 것이 매혹적입니다. Cursor가 마케팅 없이도 사용자들이 몰려드는 것을 보면, 그것이 오늘날에 정말 잘 적응한 새로운 진화, 즉 '유전자(genetics)'라는 것을 알 수 있습니다. 저는 이러한 호기심과 경이로움으로 변화하는 세상에 접근하는 것이 지배적인 사고방식이라고 생각합니다.
Q ’비즈니스 유전자(business genetics)'라는 개념에 대해, 특히 초기 단계 기업을 평가할 때 어떻게 접근하는지 궁금합니다. "고객 내부에서 복리 성장(compound)할 수 있는가?", "시장 외부에서 복리 성장할 수 있는가?", "제품 잠재력의 층위를 복리 성장시킬 수 있는가?"라는 질문들을 어떻게 활용하십니까?
A: 초기 단계 회사를 만날 때, 우리는 그들의 꿈과 야망의 아주 작은 조각만을 봅니다. 새끼 고양이 시절에는 호랑이와 집고양이가 똑같이 보이는 것처럼요. 우리는 그 작은 조각에서 미래의 위대함을 투영해야 합니다. 저희가 Thrive에서 중요하게 생각하는 유전적 요소는 진정성(Authenticity), 높은 천장(High Ceiling), 그리고 강력한 비즈니스 유전자(Strong Business Genetics), 이 세 가지입니다.
진정성: 창업자가 해당 분야에 대해 깊은 애정과 야망을 가지고 오랫동안 고민해왔는지를 봅니다. 이것이 바로 '인생의 과업(life's work)'이라는 개념입니다. 이런 진정성이 있어야만 수많은 난관을 거치고 7, 8, 9, 10년 차에도 계속해서 혁신을 이어나갈 수 있습니다.
높은 천장: 5년 뒤에도 제품 로드맵에 대한 아이디어가 넘쳐나서 '소화불량(indigestion)'에 걸릴 정도인지를 상상합니다. 아마존은 책으로 시작했지만 야망은 결코 책에만 머물지 않았습니다.
강력한 비즈니스 유전자: 리텐션이 높은 제품 경험, 적은 영업/마케팅 비용, 자연스러운 고착성(stickiness), 데이터 해자(data moat), 생태계 구축 가능성 등을 의미합니다. Cursor를 예로 들면, IDE는 개발자들이 매일 사용하는 매우 고착적인 도구이며, AI를 통해 완전히 새로운 경험을 제공함으로써 기존 도구에서 전환할 가치를 만듭니다.
이 세 가지 요소를 통해 우리는 초기 단계의 작은 팀이 미래에 얼마나 거대하게 복리 성장할 수 있을지, 그들의 '발현되지 않은 유전적 잠재력'을 가늠하려고 노력합니다.
Q: AI 시장 초기에는 가치의 대부분이 베이스 모델 제공사(OpenAI, Anthropic 등)에 귀속될 것이라는 시각이 지배적이었습니다. 하지만 당신은 다르게 본 것 같습니다. 소프트웨어가 '일을 돕는(co-pilot)' 것에서 '일을 대신하는(command center)' 것으로 변하면서, AI 기반 비즈니스는 어떻게 해자(moat)를 구축하고 그 전환을 이뤄낼 수 있을까요?
A: 저희는 애플리케이션 레이어에서 몇 가지 중요한 점을 찾습니다. 첫째는 앞서 말한 풀스택 팀입니다. 단순히 베이스 모델에 API를 호출하는 것만으로는 충분하지 않습니다. 그 지능을 획기적이고 차별화된 제품 경험으로 빚어내는 것이 중요합니다.
둘째는 그들이 시장에 내놓는 경험이 '한번 보면 잊을 수 없는(can't unsee it)' 마법 같은 경험이어야 한다는 것입니다. Cursor가 처음으로 당신을 위해 코딩을 해주거나, Waymo를 처음 타본 경험처럼, 일단 경험하고 나면 이전의 비효율적인 방식으로 돌아갈 수 없게 만드는 것입니다.
셋째는 애플리케이션 레이어 회사들이 경쟁의 속도를 주도(pace the race)할 수 있다는 것입니다. 이들은 매우 빠르게 움직일 수 있습니다. 이 풀스택 팀들은 최초의 '경이로운(holy)' 경험을 제공하고, 지능을 제품 경험으로 빚어내며 고객 수요를 충족시키는 속도를 계속해서 설정합니다. 이것이 바로 우리가 Cursor, Voggo 등에서 보기 시작한 돌파구를 만드는 애플리케이션 레이어 회사들의 특징입니다.
Q Thrive는 '사람과 아이디어에 집중한다'는 우아한 만트라를 가지고 있습니다. 당신의 일과 삶에서 가장 진지하게 여기는 몇 가지 아이디어를 요약한다면 무엇이겠습니까?
한 가지는 제 형제들과 이야기하는 것인데, 정말 열심히 일하기 위해 당신이 하는 일에 열정을 가지라는 것입니다. 저는 제품 개발부터 팀 빌딩까지, 놀라운 회사를 만드는 다각적인 도전을 사랑해왔습니다. 그런 의미에서 저는 평생 하루도 일한 적이 없다고 할 수 있습니다. 제 모든 시간을 그것에 쏟을 수 있으니까요.
또 하나는 팀의 정신(ethos)에 관한 것입니다. 조니 아이브가 최근 한 말에 깊이 공감했는데, 함께 일하는 사람들을 진심으로 아끼라는 것입니다. 그래야만 그들의 말을 진정으로 경청하기 위해 스스로를 취약하게 만들 수 있기 때문입니다. 다양한 관점을 경청하며 함께 최상의 결정에 도달하는 것은 마법 같은 일입니다.
Q: 한때 유명했던 투자 레터에서 아마존의 성공 요인을 '하나의 큰 것'이 아닌 '서로 맞물려 강화되는 수많은 작은 행동들의 네트워크'라고 분석했습니다. 벤처 투자 환경에서는 어떻습니까? 지속적으로 경쟁 우위를 점하는 것은 몇 가지 큰일을 해내는 것입니까, 아니면 수백만 가지 작은 일들을 해내는 것입니까?
그 노마드 레터의 발췌문은 훌륭합니다. 아마존의 핵심은 고객을 위한 다양한 선택, 가격, 그리고 배송 속도였습니다. 그들은 유통 센터의 자판기에서 전구를 빼서 전기료를 절약하는 것과 같은 수천, 수만 가지의 작은 일들을 했고, 이 모든 것이 결국 고객 가치로 이어진 것입니다.
벤처 투자에서 우리에게 그것은 소수의 카테고리 정의 기업에 집중하는 하나의 큰 목표를 위해 수많은 작은 일들을 하는 것입니다. 임팩트 팀이 채용, 마케팅, 재무 등에서 회사를 지원하는 것, 투자팀이 2~5명 규모의 초기 팀과 즉시 만날 수 있도록 일정을 비워두는 것, 일요일 오후에도 함께 모여 투자나 포트폴리오에 대해 논의하는 것 등이 모두 그 작은 일들입니다. 이런 작은 문화적 요소들이 쌓여서 우리가 빠르고 훌륭한 파트너가 될 수 있게 합니다. 이 모든 작은 일들은 우리의 유일한 목표, 즉 카테고리를 정의하는 회사들과 파트너가 되는 것을 가능하게 하기 위한 것입니다.
https://youtu.be/OWjg27u5rpA
세상을 바라보는 두 가지 다른 방식을 설명하는 재미있는 렌즈입니다. 물리학자의 사고방식은 불변의 법칙을 찾아내려는 것이고, 생물학자의 렌즈는 진화와 변화, 그리고 현재 환경에 무엇이 잘 적응했는지를 생각하는 것입니다. 저는 변화에 대한 호기심과 미래에 잘 적응하는 것에 초점을 맞추는 후자의 렌즈로 세상을 봅니다. 마치 다윈이 비글호를 타고 새로운 종을 처음 발견했을 때의 경이로움과 같습니다. 왜 저 종이 저렇게 생겼을까, 정말 잘 적응한 종일까, 영원히 살아남을 수 있을까 궁금해하는 것이죠.
AI가 바로 그런 환경의 변화입니다. 지능형 컴퓨팅이라는 새로운 환경에 무엇이 가장 잘 적응할지, 고객과 기업이 무엇을 요구할지 궁금해하는 것입니다. 규칙을 찾는 것이 아니라 무엇이 잘 적응할지를 보는 것이죠. Character.AI를 보면, 사람들이 캐릭터와 그렇게 많은 시간을 보내는 것이 매혹적입니다. Cursor가 마케팅 없이도 사용자들이 몰려드는 것을 보면, 그것이 오늘날에 정말 잘 적응한 새로운 진화, 즉 '유전자(genetics)'라는 것을 알 수 있습니다. 저는 이러한 호기심과 경이로움으로 변화하는 세상에 접근하는 것이 지배적인 사고방식이라고 생각합니다.
Q ’비즈니스 유전자(business genetics)'라는 개념에 대해, 특히 초기 단계 기업을 평가할 때 어떻게 접근하는지 궁금합니다. "고객 내부에서 복리 성장(compound)할 수 있는가?", "시장 외부에서 복리 성장할 수 있는가?", "제품 잠재력의 층위를 복리 성장시킬 수 있는가?"라는 질문들을 어떻게 활용하십니까?
A: 초기 단계 회사를 만날 때, 우리는 그들의 꿈과 야망의 아주 작은 조각만을 봅니다. 새끼 고양이 시절에는 호랑이와 집고양이가 똑같이 보이는 것처럼요. 우리는 그 작은 조각에서 미래의 위대함을 투영해야 합니다. 저희가 Thrive에서 중요하게 생각하는 유전적 요소는 진정성(Authenticity), 높은 천장(High Ceiling), 그리고 강력한 비즈니스 유전자(Strong Business Genetics), 이 세 가지입니다.
진정성: 창업자가 해당 분야에 대해 깊은 애정과 야망을 가지고 오랫동안 고민해왔는지를 봅니다. 이것이 바로 '인생의 과업(life's work)'이라는 개념입니다. 이런 진정성이 있어야만 수많은 난관을 거치고 7, 8, 9, 10년 차에도 계속해서 혁신을 이어나갈 수 있습니다.
높은 천장: 5년 뒤에도 제품 로드맵에 대한 아이디어가 넘쳐나서 '소화불량(indigestion)'에 걸릴 정도인지를 상상합니다. 아마존은 책으로 시작했지만 야망은 결코 책에만 머물지 않았습니다.
강력한 비즈니스 유전자: 리텐션이 높은 제품 경험, 적은 영업/마케팅 비용, 자연스러운 고착성(stickiness), 데이터 해자(data moat), 생태계 구축 가능성 등을 의미합니다. Cursor를 예로 들면, IDE는 개발자들이 매일 사용하는 매우 고착적인 도구이며, AI를 통해 완전히 새로운 경험을 제공함으로써 기존 도구에서 전환할 가치를 만듭니다.
이 세 가지 요소를 통해 우리는 초기 단계의 작은 팀이 미래에 얼마나 거대하게 복리 성장할 수 있을지, 그들의 '발현되지 않은 유전적 잠재력'을 가늠하려고 노력합니다.
Q: AI 시장 초기에는 가치의 대부분이 베이스 모델 제공사(OpenAI, Anthropic 등)에 귀속될 것이라는 시각이 지배적이었습니다. 하지만 당신은 다르게 본 것 같습니다. 소프트웨어가 '일을 돕는(co-pilot)' 것에서 '일을 대신하는(command center)' 것으로 변하면서, AI 기반 비즈니스는 어떻게 해자(moat)를 구축하고 그 전환을 이뤄낼 수 있을까요?
A: 저희는 애플리케이션 레이어에서 몇 가지 중요한 점을 찾습니다. 첫째는 앞서 말한 풀스택 팀입니다. 단순히 베이스 모델에 API를 호출하는 것만으로는 충분하지 않습니다. 그 지능을 획기적이고 차별화된 제품 경험으로 빚어내는 것이 중요합니다.
둘째는 그들이 시장에 내놓는 경험이 '한번 보면 잊을 수 없는(can't unsee it)' 마법 같은 경험이어야 한다는 것입니다. Cursor가 처음으로 당신을 위해 코딩을 해주거나, Waymo를 처음 타본 경험처럼, 일단 경험하고 나면 이전의 비효율적인 방식으로 돌아갈 수 없게 만드는 것입니다.
셋째는 애플리케이션 레이어 회사들이 경쟁의 속도를 주도(pace the race)할 수 있다는 것입니다. 이들은 매우 빠르게 움직일 수 있습니다. 이 풀스택 팀들은 최초의 '경이로운(holy)' 경험을 제공하고, 지능을 제품 경험으로 빚어내며 고객 수요를 충족시키는 속도를 계속해서 설정합니다. 이것이 바로 우리가 Cursor, Voggo 등에서 보기 시작한 돌파구를 만드는 애플리케이션 레이어 회사들의 특징입니다.
Q Thrive는 '사람과 아이디어에 집중한다'는 우아한 만트라를 가지고 있습니다. 당신의 일과 삶에서 가장 진지하게 여기는 몇 가지 아이디어를 요약한다면 무엇이겠습니까?
한 가지는 제 형제들과 이야기하는 것인데, 정말 열심히 일하기 위해 당신이 하는 일에 열정을 가지라는 것입니다. 저는 제품 개발부터 팀 빌딩까지, 놀라운 회사를 만드는 다각적인 도전을 사랑해왔습니다. 그런 의미에서 저는 평생 하루도 일한 적이 없다고 할 수 있습니다. 제 모든 시간을 그것에 쏟을 수 있으니까요.
또 하나는 팀의 정신(ethos)에 관한 것입니다. 조니 아이브가 최근 한 말에 깊이 공감했는데, 함께 일하는 사람들을 진심으로 아끼라는 것입니다. 그래야만 그들의 말을 진정으로 경청하기 위해 스스로를 취약하게 만들 수 있기 때문입니다. 다양한 관점을 경청하며 함께 최상의 결정에 도달하는 것은 마법 같은 일입니다.
Q: 한때 유명했던 투자 레터에서 아마존의 성공 요인을 '하나의 큰 것'이 아닌 '서로 맞물려 강화되는 수많은 작은 행동들의 네트워크'라고 분석했습니다. 벤처 투자 환경에서는 어떻습니까? 지속적으로 경쟁 우위를 점하는 것은 몇 가지 큰일을 해내는 것입니까, 아니면 수백만 가지 작은 일들을 해내는 것입니까?
그 노마드 레터의 발췌문은 훌륭합니다. 아마존의 핵심은 고객을 위한 다양한 선택, 가격, 그리고 배송 속도였습니다. 그들은 유통 센터의 자판기에서 전구를 빼서 전기료를 절약하는 것과 같은 수천, 수만 가지의 작은 일들을 했고, 이 모든 것이 결국 고객 가치로 이어진 것입니다.
벤처 투자에서 우리에게 그것은 소수의 카테고리 정의 기업에 집중하는 하나의 큰 목표를 위해 수많은 작은 일들을 하는 것입니다. 임팩트 팀이 채용, 마케팅, 재무 등에서 회사를 지원하는 것, 투자팀이 2~5명 규모의 초기 팀과 즉시 만날 수 있도록 일정을 비워두는 것, 일요일 오후에도 함께 모여 투자나 포트폴리오에 대해 논의하는 것 등이 모두 그 작은 일들입니다. 이런 작은 문화적 요소들이 쌓여서 우리가 빠르고 훌륭한 파트너가 될 수 있게 합니다. 이 모든 작은 일들은 우리의 유일한 목표, 즉 카테고리를 정의하는 회사들과 파트너가 되는 것을 가능하게 하기 위한 것입니다.
https://youtu.be/OWjg27u5rpA
YouTube
#58 - Miles Grimshaw: Investing in the Age of AI
Miles Grimshaw is a Partner at Thrive Capital, an investment firm that builds and invests in internet, software, and technology-enabled companies. Thrive recently closed on $5BN in new funds and also announced Thrive Holdings, a permanent capital vehicle…
❤1
한 분야에서 다양한 시행착오를 겪고 가치있는 것을 만들면서 결국 자신만의 길을 개척한 사람은 예술가라고 생각한다.
“농업은 스스로 실천하는 행위 예술이다”,
“보이는 것에 만족하지 말고 보이지 않는 세계를 탐구하라.”,
“농업은 더하기다. 곱하기는 도박이다.”,
“작물을 내 생각대로 대하지 말고 작물이 원하는 방식으로 대하라.”,
“하고자 하는 사람은 방법을 찾고 하기 싫은 사람은 구실을 찾는다.”,
“결과를 능가하는 이론은 존재하지 않는다.”
“사람이 물을 뿌리 가까이에 주고, 영양제도 주고 모든 것을 갖춰 주면 식물 자체가 사람 손에 길들여져서 자기가 갖고 있는 능력을 발휘하지 않아요. 그러면 뿌리 발달이나 모든 기능들이 저하되기 때문에 물도 멀리서 주고 먹을 것도 멀리 주어서(묘목은 50cm, 큰 나무는 1~2m 먼 거리에 물 주기) 네가 먹고 싶으면 나와서 먹어라, 이런 식으로 키워야 강하고 큰 나무가 될 수 있어요.”,
“포도알에 칼로 흠집 내고 이쑤시개로 찌르는 실험을 10년 이상 하여 왔는데, 사람도 건강한 사람은 병이 나도 약 안 먹고도 잘 낫잖아요. 건강한 나무는 상처를 스스로 치유합니다. 즉 스스로 치유력을 갖고 있는지 실험하는 겁니다. 그랬더니 10년 동안 하나도 썩지 않고 그대로 낫는 것을 보면 우리 포도들은 스스로 자기를 치료하는 항산화 물질이 많이 들어 있지 않나 생각합니다.”,
“토양이 발효형 토양(유산균, 효모 등 발효 미생물이 많은 토양)일 경우에는 병이나 벌레도 잘 오지 않지만 오더라도 자기가 스스로 이겨내는 면역력이 생겨요.”
https://www.youtube.com/watch?v=0BuKzqPEO9o
https://m.blog.naver.com/PostView.naver?blogId=saynoletter&logNo=223727485209&navType=by
“농업은 스스로 실천하는 행위 예술이다”,
“보이는 것에 만족하지 말고 보이지 않는 세계를 탐구하라.”,
“농업은 더하기다. 곱하기는 도박이다.”,
“작물을 내 생각대로 대하지 말고 작물이 원하는 방식으로 대하라.”,
“하고자 하는 사람은 방법을 찾고 하기 싫은 사람은 구실을 찾는다.”,
“결과를 능가하는 이론은 존재하지 않는다.”
“사람이 물을 뿌리 가까이에 주고, 영양제도 주고 모든 것을 갖춰 주면 식물 자체가 사람 손에 길들여져서 자기가 갖고 있는 능력을 발휘하지 않아요. 그러면 뿌리 발달이나 모든 기능들이 저하되기 때문에 물도 멀리서 주고 먹을 것도 멀리 주어서(묘목은 50cm, 큰 나무는 1~2m 먼 거리에 물 주기) 네가 먹고 싶으면 나와서 먹어라, 이런 식으로 키워야 강하고 큰 나무가 될 수 있어요.”,
“포도알에 칼로 흠집 내고 이쑤시개로 찌르는 실험을 10년 이상 하여 왔는데, 사람도 건강한 사람은 병이 나도 약 안 먹고도 잘 낫잖아요. 건강한 나무는 상처를 스스로 치유합니다. 즉 스스로 치유력을 갖고 있는지 실험하는 겁니다. 그랬더니 10년 동안 하나도 썩지 않고 그대로 낫는 것을 보면 우리 포도들은 스스로 자기를 치료하는 항산화 물질이 많이 들어 있지 않나 생각합니다.”,
“토양이 발효형 토양(유산균, 효모 등 발효 미생물이 많은 토양)일 경우에는 병이나 벌레도 잘 오지 않지만 오더라도 자기가 스스로 이겨내는 면역력이 생겨요.”
https://www.youtube.com/watch?v=0BuKzqPEO9o
https://m.blog.naver.com/PostView.naver?blogId=saynoletter&logNo=223727485209&navType=by
YouTube
한 그루에 4,500송이가 달린 포도나무의 비결 [핫클립] / YTN 사이언스
포도나무 한 그루에 포도 4,500송이가 달렸다?
여기에는 기술자의 특별한 비결이 숨어있다고 하는데!
그것은 바로 숯?
친환경으로 포도나무를 키운 기술자의 비결을 알아본다.
========================================
[Full영상] ▶ https://youtu.be/7eVhAOvlLnI
========================================
[YTN사이언스] 구독하기 ▶ https://bit.ly/3raTL0t…
여기에는 기술자의 특별한 비결이 숨어있다고 하는데!
그것은 바로 숯?
친환경으로 포도나무를 키운 기술자의 비결을 알아본다.
========================================
[Full영상] ▶ https://youtu.be/7eVhAOvlLnI
========================================
[YTN사이언스] 구독하기 ▶ https://bit.ly/3raTL0t…
❤3👍2
Cognition이 $10.2B에 $400M를 투자 받았다. 작년 9월 ARR이 $1M에서 올해 $73M ARR in June 2025까지 성장했다. 창업후 $20m을 썼다고 하니 이미 수익성은 검증한 것 같다. 기업대상으로 상대적으로 비싸게 받은 것이 좋은 마진을 만들어준 것 같다.
Cursor/Windsurf같은 IDE보다 유저가 가치를 가치를 덜 느끼다보니 Cursor에 비해서는 더디게 성장하는 것처럼 느껴지지만 1년이 안되는 시점에 73배 성장했다.
초기 투자한 투자자와 Latent Space Podcast를 진행하는 swyx도 팀에 조인.
Scott이 수학/컴퓨터/AI 말고도 포커에도 훌륭한 능력이 있다는데 Windsurf팀을 인수해서 그동안 약했던 IDE 부분 강화하고 개발자/AI Researcher 중심의 팀에 Revenue Engine을 붙이는 결정을 보면 AI 시대 훌륭한 창업자로 성장할 것 같다.
swyx가 Cognition에 합류하면서 그 이유를 적은 글이 있는데 생각해볼만한 부분들이 있다.
1. 에이전트 랩 vs. 모델 랩: 거대 모델 개발(모델 랩)의 시대가 지나고, 특정 도메인에 모델을 적용하고 제품을 만드는 '에이전트 랩'의 시대가 올 것이라는 믿음
미래는 Cognition(인지/지능)을 단위별로 판다. 과거에 증기기관이 말의 힘을 대체했다면 GPU+AI가 사고 연산의 결과물을 단위로 재서 판매한다. 그 때 Foundation Model을 만드는 팀은 전반적인 지능(석유)를 판다면 석유를 가져와서 실제 End User에게 쓸만하게 정제해주는 건 Agent Labs일 수 있다.
Kimi 대표는 모델부터 에이전트까지 통일해서 만들었을 때 Agent의 기능이 더 극대화된다는 이야기를 한 적이 있어서 누구의 말이 맞는지는 2-3년 정도 시간이 흘러야 할 것 같다.
코딩이라는 영역에서 전개된 Agent Labs들이 각 분야들로 앞으로 2-3년 내에 뻗어나갈 것이다.
2. 우리는 동기/비동기 Agents들과 협업한다. Cursor는 IDE로 완전 동기형 제품이라면(Agent도 최근 지원하지만), Devin은 Agent(비동기) 솔루션이다. 아예 일정 태스크는 비동기 Agent들에게 위임하는게 일반화 될 것. 코드 리뷰해줘, 이런 주제로 조사해서 이런 결과물을 만들어서 누구에게 전달해줘 등. 그런 측면에서 Cognition은 동기/비동기 스택을 둘 다 마련하게 되었다.
Swyx도 코드 에이전트 제품을 2년전에 내놨었다. 초반에 모델의 성능에 따라 기능이 불안정해서 스스로 믿음이 약해져서 접었다. 사실 데빈도 그렇다. 초반에 큰 투자에 반해서 사용자들의 악평이 많았다. 별거 없는데 대단한척 한다던지 여러 이야기들.
믿음의 중요성을 느낀다. 그 길이 맞다고 확신이 들었을 때 고객의 피드백, 주변의 혹평이 있더라도 우직하게 그 길을 가는 건 그 미래를 만드는 게 정말 맞다는 믿음에서 온다.
https://www.swyx.io/cognition
Cursor/Windsurf같은 IDE보다 유저가 가치를 가치를 덜 느끼다보니 Cursor에 비해서는 더디게 성장하는 것처럼 느껴지지만 1년이 안되는 시점에 73배 성장했다.
초기 투자한 투자자와 Latent Space Podcast를 진행하는 swyx도 팀에 조인.
Scott이 수학/컴퓨터/AI 말고도 포커에도 훌륭한 능력이 있다는데 Windsurf팀을 인수해서 그동안 약했던 IDE 부분 강화하고 개발자/AI Researcher 중심의 팀에 Revenue Engine을 붙이는 결정을 보면 AI 시대 훌륭한 창업자로 성장할 것 같다.
swyx가 Cognition에 합류하면서 그 이유를 적은 글이 있는데 생각해볼만한 부분들이 있다.
1. 에이전트 랩 vs. 모델 랩: 거대 모델 개발(모델 랩)의 시대가 지나고, 특정 도메인에 모델을 적용하고 제품을 만드는 '에이전트 랩'의 시대가 올 것이라는 믿음
미래는 Cognition(인지/지능)을 단위별로 판다. 과거에 증기기관이 말의 힘을 대체했다면 GPU+AI가 사고 연산의 결과물을 단위로 재서 판매한다. 그 때 Foundation Model을 만드는 팀은 전반적인 지능(석유)를 판다면 석유를 가져와서 실제 End User에게 쓸만하게 정제해주는 건 Agent Labs일 수 있다.
Kimi 대표는 모델부터 에이전트까지 통일해서 만들었을 때 Agent의 기능이 더 극대화된다는 이야기를 한 적이 있어서 누구의 말이 맞는지는 2-3년 정도 시간이 흘러야 할 것 같다.
코딩이라는 영역에서 전개된 Agent Labs들이 각 분야들로 앞으로 2-3년 내에 뻗어나갈 것이다.
2. 우리는 동기/비동기 Agents들과 협업한다. Cursor는 IDE로 완전 동기형 제품이라면(Agent도 최근 지원하지만), Devin은 Agent(비동기) 솔루션이다. 아예 일정 태스크는 비동기 Agent들에게 위임하는게 일반화 될 것. 코드 리뷰해줘, 이런 주제로 조사해서 이런 결과물을 만들어서 누구에게 전달해줘 등. 그런 측면에서 Cognition은 동기/비동기 스택을 둘 다 마련하게 되었다.
Swyx도 코드 에이전트 제품을 2년전에 내놨었다. 초반에 모델의 성능에 따라 기능이 불안정해서 스스로 믿음이 약해져서 접었다. 사실 데빈도 그렇다. 초반에 큰 투자에 반해서 사용자들의 악평이 많았다. 별거 없는데 대단한척 한다던지 여러 이야기들.
믿음의 중요성을 느낀다. 그 길이 맞다고 확신이 들었을 때 고객의 피드백, 주변의 혹평이 있더라도 우직하게 그 길을 가는 건 그 미래를 만드는 게 정말 맞다는 믿음에서 온다.
https://www.swyx.io/cognition
www.swyx.io
Cognition: The Devin is in the Details
My thesis for the future of software dev agents. This is a hastily written blogpost done on not a lot of sleep, so pardon poor pacing and structure and typos and mistakes but just getting it out there.
❤1
Continuous Learning_Startup & Investment
The Bitter Lesson AI 연구의 장기적인 승자는 언제나 '범용적인 방법(General Methods)'과 '컴퓨팅 규모의 힘(Power of Scale)'을 최대한 활용하는 쪽이었다. 1. 인간의 지식을 활용한 복잡한 접근법은 단기적으로는 성공하지만, 장기적으로는 패배한다. - 연구자들은 초기에 인간의 지식(예: 체스의 오프닝 전략, 언어의 문법 규칙)을 시스템에 직접 넣으려는 시도를 합니다. 이런 접근은 단기적으로 성능을 빠르게…
🤯 딜레마: 왜 내 코드는 자꾸 '쓸려나갈까'?
컴퓨팅과 데이터의 힘이 알고리즘을 이긴다는 "The Bitter Lesson"은 현실입니다.
특정 모델(예: GPT-4)의 단점을 보완하려 만든 복잡한 '하니스(harness)'는, 더
똑똑한 다음 모델에겐 불필요해지죠. 이것이 우리 코드가 '쓸려나가는' 이유입니다.
👉 핵심: 모델의 약점을 임시로 때우는 게 아니라, 모델을 언제든 갈아 끼울 수
있는 시스템을 만들어야 합니다.
핵심 전략은 '분리(Decouple)'와 '계약(Contract)'입니다.
여기에 투자하세요 (Your Core Asset)
* 📜 명세/계약 (Spec/Contract): 자연어 설명과 함께, OpenAPI나 JSON Schema로
기계가 검증 가능한 '계약'을 만드세요. 모델은 이 계약을 따라야 합니다.
* ⚖️ 평가 (Evals): 모델이 바뀌어도 "좋은 결과"의 기준은 그대로입니다. 자동화된
테스트, 특히 에이전트 간 통신은 계약 테스트(Pact)로 깨지지 않게 관리하세요.
* 🏛️ 아키텍처 (Architecture): 헥사고날 아키텍처로 핵심 로직과 외부 도구(LLM,
DB)를 분리하세요. LLM은 그저 하나의 '어댑터'일 뿐입니다.
🔄 이건 계속 갈아끼우세요 (Swappable Parts)
* 🧠 LLM 모델: GPT, Claude, Gemini 등 특정 모델에 종속되지 않게 추상화합니다.
* 🤔 추론 전략: CoT, 에이전트 루프 등은 언제든 더 나은 방법론으로 교체 가능한
'플러그인'입니다.
* 🎓 학습 알고리즘: 강화학습, 파인튜닝 기법 등도 마찬가지입니다.
https://youtu.be/qdmxApz3EJI
컴퓨팅과 데이터의 힘이 알고리즘을 이긴다는 "The Bitter Lesson"은 현실입니다.
특정 모델(예: GPT-4)의 단점을 보완하려 만든 복잡한 '하니스(harness)'는, 더
똑똑한 다음 모델에겐 불필요해지죠. 이것이 우리 코드가 '쓸려나가는' 이유입니다.
👉 핵심: 모델의 약점을 임시로 때우는 게 아니라, 모델을 언제든 갈아 끼울 수
있는 시스템을 만들어야 합니다.
핵심 전략은 '분리(Decouple)'와 '계약(Contract)'입니다.
여기에 투자하세요 (Your Core Asset)
* 📜 명세/계약 (Spec/Contract): 자연어 설명과 함께, OpenAPI나 JSON Schema로
기계가 검증 가능한 '계약'을 만드세요. 모델은 이 계약을 따라야 합니다.
* ⚖️ 평가 (Evals): 모델이 바뀌어도 "좋은 결과"의 기준은 그대로입니다. 자동화된
테스트, 특히 에이전트 간 통신은 계약 테스트(Pact)로 깨지지 않게 관리하세요.
* 🏛️ 아키텍처 (Architecture): 헥사고날 아키텍처로 핵심 로직과 외부 도구(LLM,
DB)를 분리하세요. LLM은 그저 하나의 '어댑터'일 뿐입니다.
🔄 이건 계속 갈아끼우세요 (Swappable Parts)
* 🧠 LLM 모델: GPT, Claude, Gemini 등 특정 모델에 종속되지 않게 추상화합니다.
* 🤔 추론 전략: CoT, 에이전트 루프 등은 언제든 더 나은 방법론으로 교체 가능한
'플러그인'입니다.
* 🎓 학습 알고리즘: 강화학습, 파인튜닝 기법 등도 마찬가지입니다.
https://youtu.be/qdmxApz3EJI
YouTube
On Engineering AI Systems that Endure The Bitter Lesson - Omar Khattab, DSPy & Databricks
Will discuss the principles for building AI software that underpin DSPy, highlighting the differences between conventional prompting (or finetuning/RL) versus the design and programming of truly modular AI systems.
About Omar Khattab
Omar Khattab is a…
About Omar Khattab
Omar Khattab is a…
❤1
파인튜닝·디스틸·포스트트레이닝의 난도가 급락하면서, 랩 API 래퍼로 출발한 앱도 결국 자체 모델로 이동할 수밖에 없다.
이유는 두 가지다. 첫째, 품질 재현성: 모델 성능은 데이터·컴퓨트·아키텍처의 함수이고, 최근 DeepSeek이 약 $6M 규모로 o1급 추론 성능을 보여준 사례가 장벽 붕괴를 입증한다. 둘째, 분배(Distribution): 단기 코딩이 대거 자동화되면, 소프트웨어는 사실상 D2C 브랜드처럼 경쟁하며, 모델을 ‘내 것’으로 컨트롤하는 쪽이 유지·차별화·원가구조를 장악한다.
패턴(Wrapper → 전용 모델)
Cursor처럼 랩퍼로 PMF와 트레이스(경로) 데이터를 모은 뒤, 작은 특화 모델을 파인튜닝(예: Tab/Fast Apply 류 기능)하고, 나중엔 자체 데이터 모트로 사내 모델을 학습·멀티 모델 오케스트레이션을 한다. 이때 모델과 엔지니어링을 하나의 제품경험으로 묶어, 고객이 지불한 토큰 대비 **‘지능의 가치’**를 더 크게 제공하면 잔존가치가 누적된다.
데이터가 병목, 앱이 곧 RL 환경
핵심 제약은 데이터다. 앱이 만들어내는 세션 리플레이/행동 궤적이 곧 RL 경험이며, 여기가 진짜 레버리지 포인트다. OpenAI의 Statsig 인수는 대규모 실험/피처플래깅/세션 데이터 스택을 제품 내부 RL 인프라로 편입하려는 움직임으로 해석할 수 있다. Sutton & Silver가 말한 **‘경험의 시대’**가 바로 이것: 컴퓨터 유즈 자체가 AGI로 가는 자료 생성 엔진이다.
경제학: Token Factor Productivity(TFP)
모델은 ‘지능’이 아니라 **‘생산성 요소’**다. 성패는 토큰 1단위가 창출한 경제가치로 측정해야 한다.
TFP = (산출의 경제가치) / (소비된 토큰)
실무에서는 **수율(유효 산출/전체 산출)**과 추론단가를 함께 관리해야 하고, 이를 끌어올리려면 **오너십(자체 모델) + 데이터 효율 + RL-후훈련(예: LMPO/TRL/VERL)**의 삼각편대를 구축해야 한다.
https://sdan.io/blog/training-imperative
이유는 두 가지다. 첫째, 품질 재현성: 모델 성능은 데이터·컴퓨트·아키텍처의 함수이고, 최근 DeepSeek이 약 $6M 규모로 o1급 추론 성능을 보여준 사례가 장벽 붕괴를 입증한다. 둘째, 분배(Distribution): 단기 코딩이 대거 자동화되면, 소프트웨어는 사실상 D2C 브랜드처럼 경쟁하며, 모델을 ‘내 것’으로 컨트롤하는 쪽이 유지·차별화·원가구조를 장악한다.
패턴(Wrapper → 전용 모델)
Cursor처럼 랩퍼로 PMF와 트레이스(경로) 데이터를 모은 뒤, 작은 특화 모델을 파인튜닝(예: Tab/Fast Apply 류 기능)하고, 나중엔 자체 데이터 모트로 사내 모델을 학습·멀티 모델 오케스트레이션을 한다. 이때 모델과 엔지니어링을 하나의 제품경험으로 묶어, 고객이 지불한 토큰 대비 **‘지능의 가치’**를 더 크게 제공하면 잔존가치가 누적된다.
데이터가 병목, 앱이 곧 RL 환경
핵심 제약은 데이터다. 앱이 만들어내는 세션 리플레이/행동 궤적이 곧 RL 경험이며, 여기가 진짜 레버리지 포인트다. OpenAI의 Statsig 인수는 대규모 실험/피처플래깅/세션 데이터 스택을 제품 내부 RL 인프라로 편입하려는 움직임으로 해석할 수 있다. Sutton & Silver가 말한 **‘경험의 시대’**가 바로 이것: 컴퓨터 유즈 자체가 AGI로 가는 자료 생성 엔진이다.
경제학: Token Factor Productivity(TFP)
모델은 ‘지능’이 아니라 **‘생산성 요소’**다. 성패는 토큰 1단위가 창출한 경제가치로 측정해야 한다.
TFP = (산출의 경제가치) / (소비된 토큰)
실무에서는 **수율(유효 산출/전체 산출)**과 추론단가를 함께 관리해야 하고, 이를 끌어올리려면 **오너십(자체 모델) + 데이터 효율 + RL-후훈련(예: LMPO/TRL/VERL)**의 삼각편대를 구축해야 한다.
https://sdan.io/blog/training-imperative
Surya's Blog
The Training Imperative
Apps are RL Environments
로봇, 우주, 통신, 자율주행, 지능. 일론, Tesla, SpaceX, Neural Link, Boring Company 그외에 여러 회사들이 문명에 변화를 주고 있다.
Q: 옵티머스에 대한 진행 상황은 어떤가요?
기본적으로 인간 수준의 수작업 정교함(manual dexterity)을 갖게 될 것입니다. 즉, 매우 복잡한 손을 가졌다는 뜻이죠. 현실을 탐색하고 이해할 수 있는 AI 두뇌를 가질 것이며, 매우 대량으로 생산될 것입니다. 다른 로봇 공학 회사들을 보면 이 세 가지가 빠져 있습니다. 이 세 가지가 정말 어려운 것들이죠.
현실 세계의 AI 문제, 옵티머스의 모든 전기기계적 문제, 그리고 공급망 및 생산 문제를 해결하는 데 말이죠. 왜냐하면 휴머노이드 로봇을 위한 공급망이 존재하지 않기 때문입니다. 그래서 우리는 그것을 처음부터 다시 만들어야 합니다. 이는 많은 수직적 통합을 필요로 합니다. 옵티머스에 들어가는 액추에이터 중 어느 것도 기존 공급망에서 구할 수 없습니다.
Q: 왜 손을 제대로 만드는 것이 그렇게 중요한지, 왜 액추에이터 디자인이 그렇게 독특하고 어려운지, 왜 아무도 만들지 않아서 로봇의 나머지 부분을 제대로 만들기 위해 거의 거기서부터 시작해야 하는지 설명해 주실 수 있나요?
A: 인간의 손은 믿을 수 없을 정도로 정교한 기계로 진화했습니다. 손은 믿을 수 없을 정도로 다재다능한 도구입니다. 손의 근육 대부분은 사실 팔뚝에 있습니다. 그래서 손은 꼭두각시 인형과 같습니다. 근육이 팔뚝에서 나와 힘줄을 당기는 거죠. 인간의 힘줄 디자인도 놀랍도록 좋습니다. 힘줄의 망이 있고, 세는 방식에 따라 다르지만 인간의 손은 약 27~28개의 자유도를 가집니다. 정말 놀랍죠. 그래서 범용적인 휴머노이드 로봇을 만들려면, 반드시 '손 문제'를 해결해야 합니다.
Q: 이것이 마치 공급망이 존재하지 않았던 초창기 테슬라를 만들 때와 같은 상황인가요?
네, 우리는 어떤 금액을 지불하더라도 액추에이터를 살 수 없었습니다. 그냥 존재하지 않았어요. 세상에는 다양한 크기와 모양의 전기 모터가 1만, 2만 개는 있겠지만 말이죠. 우리는 모든 전기 모터, 기어박스, 그리고 제어 전자 장치를 기본적으로 물리 제1원칙(physics first principles)부터 처음부터 설계해야 했습니다.
Q: 하드웨어 문제를 해결했다고 가정했을 때, LLM의 발전 덕분에 소프트웨어적으로 얼마나 거저먹는 부분이 있나요?
(소비자와의 상호작용은) 문제없습니다. 인간이 할 수 있는 모든 일을 하길 원한다면, 휴머노이드 로봇이 필요하다는 결론에 이르게 됩니다. 부분적인 일만 하길 원한다면 그건 훨씬 쉽죠. 하지만 인간은 타당한 이유들로 현재의 모양과 능력을 갖도록 진화했습니다. 네 개의 손가락과 엄지손가락이 있는 것에는 가치가 있습니다. 심지어 새끼손가락도 꽤 유용합니다. 게다가 인간은 세상을 우리에게 맞춰 설계했습니다. 그래서 휴머노이드 로봇을 만들면 우리가 만든 세상과 즉시 하위 호환이 될 것입니다.
Q: 이 주파수들은 실내나 건물 안에서도 현재 휴대폰처럼 작동할까요? 그리고 당신의 비전은 우리가 AT&T 계정을 갖거나 영국이나 인도에서 로밍하는 대신, 스타링크와 직접 계약하여 전 세계에서 작동하게 하는 것인가요? 지역 통신사 없이 글로벌 통신사 하나만 두는 것이 최종 목표인가요?
A: 일반적인 집에서는 네, 작동할 겁니다. 하지만 두꺼운 금속 지붕이 있는 건물 안에서는 안 될 겁니다. 그리고 네, 그것이 하나의 옵션이 될 수 있습니다. 명확히 하자면, 우리는 다른 통신사들을 망하게 하려는 것이 아닙니다. 그들은 여전히 존재할 겁니다. 하지만 네, 당신은 스타링크 계정을 가질 수 있고, 그것이 집의 스타링크 안테나, 무료 와이파이, 그리고 휴대폰과 모두 연동될 것입니다. 집과 휴대폰에서 고대역폭을 위한 포괄적인 솔루션이 될 것입니다.
Q: 스타십 발사가 경이로워 보였습니다. 상업적으로 예측 가능하고 준비된 상태에 얼마나 가까워졌나요?
A: 내년에는 우주선(ship)을 회수할 수 있을 것이라고 생각합니다. 스타십 버전 2 스택의 발사가 한 번 더 남았고, 그 이후에는 버전 3로 넘어갑니다. 버전 3는 랩터 3 엔진을 탑재하여 엄청난 업그레이드가 이루어집니다. 버전 3는 완전히 재설계되었기 때문에 초기에 약간의 성장통이 있을 수 있지만, 궤도에 100톤 이상을 실어 나를 수 있고 완전히 재사용 가능합니다. 큰 차질이 없다면, 스페이스X는 내년에 부스터와 우주선 모두를 회수하여 완전한 재사용성을 입증하고, 유용한 궤도에 100톤 이상을 운반할 수 있을 것입니다. 이는 현재 세계 최고의 상업용 로켓인 팰컨 헤비(Falcon Heavy)보다 2.5배 더 많은 화물을 운반하면서 완전 재사용이 가능한 것입니다.
Q: 이전 발사 실패 후 환경 및 FAA 문제로 지연될 것이라는 예측이 많았는데, 어떻게 그렇게 빨리 다시 발사할 수 있었나요?
A: 많은 질문과 검토가 있었습니다. 우리는 그 모든 것을 통과했습니다. 스페이스X 팀에게 공을 돌립니다. 그들은 믿을 수 없을 정도로 열심히 일했고, 다음 우주선과 부스터를 테스트하고 발사대에 올려 비행시켰습니다. 완전히 재사용 가능한 궤도 로켓을 만드는 것은 역사상 가장 어려운 엔지니어링 문제 중 하나이며, 적어도 포디움에 오를 만한 후보입니다. 2002년부터 스페이스X의 목표였고, 23년이 지난 지금, 마침내 내년에는 완전한 재사용성을 달성할 수 있을 것이라고 생각합니다.
Q: 완전한 재사용성을 달성하기까지 남은 가장 큰 기술적 장애물은 무엇인가요?
A: 우주선의 완전한 재사용을 위해서는 방열판(heat shield)에 아직 해야 할 일이 많이 남아 있습니다. 아무도 완전히 재사용 가능한 궤도용 방열판을 만든 적이 없습니다. 우주 왕복선의 방열판은 매 비행 후 9개월간의 수리가 필요했습니다. 이것은 재료 과학과 엔지니어링의 문제입니다. 우리는 근본적인 물리학, 제1원칙에 입각하여 열을 견디면서도 매우 가볍고, 주 구조물에 열을 전달하지 않으며, 비를 맞아도 녹지 않는 무언가를 어떻게 만들지 알아내려 노력하고 있습니다. 또한 수만 개의 타일이 모두 작동하고 하나씩 점검하거나 수리할 필요가 없다는 것을 확신할 수 있어야 합니다.
Q: 그록(Grok)과 xAI의 진화에 대해 업데이트해주실 수 있나요? 특히 합성 데이터를 대량으로 사용하여 훈련을 시작할 것이라는 혁신적인 아이디어에 대해 설명해주세요.
A: 네, 우리는 추론 컴퓨팅과 추론 능력을 많이 사용하여 모든 소스 데이터, 즉 인류 지식의 총체를 살펴보고 있습니다. 그리고 각 정보 조각에 대해 생각하고, 빠진 것을 추가하며, 실수를 수정하고, 그 훈련 데이터에서 거짓을 제거하고 있습니다. 예를 들어 위키피디아 페이지를 보고 '이 페이지에서 무엇이 사실이고, 부분적으로 사실이며, 거짓이거나, 빠져있는가?'라고 묻는 것과 같습니다. 그리고는 거짓을 제거하고, 절반의 진실을 바로잡고, 빠진 맥락을 추가하여 페이지를 다시 작성하는 것입니다.
Q: 멤피스에 있는 슈퍼클러스터 콜로서스(Colossus)를 확장하고 계신데, 스케일링 법칙(scaling laws)은 현재 어느 단계에 있나요? 클러스터를 키우면 더 강력한 AI 모델을 얻게 되나요, 아니면 수확 체감의 지점이 있나요? 컴퓨팅을 두 배로 투입하면 모델이 10% 좋아지나요, 100% 좋아지나요?
A: 컴퓨팅 양과 관련하여 자연 로그 함수 관계가 있다고 생각합니다. 대략적으로 말해, 컴퓨팅 양이 10배 증가하면 지능은 두 배가 될 수 있습니다. 이는 IQ 100에서 200으로 가는 것과 같으니 여전히 매우 큰 변화입니다. 저는 지능이 태양 에너지의 대부분이, 그리고 궁극적으로는 은하계 에너지의 대부분이 컴퓨팅에 활용될 때까지 계속해서 확장될 것이라고 봅니다. 제 생각에는 빠르면 내년에 어떤 한 가지 일에 있어서는 어떤 단일 인간보다도 더 똑똑한 AI를 보게 될 수도 있습니다. 그리고 아마 5년 안에, 예를 들어 2030년경에는 모든 인간의 지능을 합친 것보다 더 똑똑한 AI가 나올 것입니다.
Q: 옵티머스에 대한 진행 상황은 어떤가요?
기본적으로 인간 수준의 수작업 정교함(manual dexterity)을 갖게 될 것입니다. 즉, 매우 복잡한 손을 가졌다는 뜻이죠. 현실을 탐색하고 이해할 수 있는 AI 두뇌를 가질 것이며, 매우 대량으로 생산될 것입니다. 다른 로봇 공학 회사들을 보면 이 세 가지가 빠져 있습니다. 이 세 가지가 정말 어려운 것들이죠.
현실 세계의 AI 문제, 옵티머스의 모든 전기기계적 문제, 그리고 공급망 및 생산 문제를 해결하는 데 말이죠. 왜냐하면 휴머노이드 로봇을 위한 공급망이 존재하지 않기 때문입니다. 그래서 우리는 그것을 처음부터 다시 만들어야 합니다. 이는 많은 수직적 통합을 필요로 합니다. 옵티머스에 들어가는 액추에이터 중 어느 것도 기존 공급망에서 구할 수 없습니다.
Q: 왜 손을 제대로 만드는 것이 그렇게 중요한지, 왜 액추에이터 디자인이 그렇게 독특하고 어려운지, 왜 아무도 만들지 않아서 로봇의 나머지 부분을 제대로 만들기 위해 거의 거기서부터 시작해야 하는지 설명해 주실 수 있나요?
A: 인간의 손은 믿을 수 없을 정도로 정교한 기계로 진화했습니다. 손은 믿을 수 없을 정도로 다재다능한 도구입니다. 손의 근육 대부분은 사실 팔뚝에 있습니다. 그래서 손은 꼭두각시 인형과 같습니다. 근육이 팔뚝에서 나와 힘줄을 당기는 거죠. 인간의 힘줄 디자인도 놀랍도록 좋습니다. 힘줄의 망이 있고, 세는 방식에 따라 다르지만 인간의 손은 약 27~28개의 자유도를 가집니다. 정말 놀랍죠. 그래서 범용적인 휴머노이드 로봇을 만들려면, 반드시 '손 문제'를 해결해야 합니다.
Q: 이것이 마치 공급망이 존재하지 않았던 초창기 테슬라를 만들 때와 같은 상황인가요?
네, 우리는 어떤 금액을 지불하더라도 액추에이터를 살 수 없었습니다. 그냥 존재하지 않았어요. 세상에는 다양한 크기와 모양의 전기 모터가 1만, 2만 개는 있겠지만 말이죠. 우리는 모든 전기 모터, 기어박스, 그리고 제어 전자 장치를 기본적으로 물리 제1원칙(physics first principles)부터 처음부터 설계해야 했습니다.
Q: 하드웨어 문제를 해결했다고 가정했을 때, LLM의 발전 덕분에 소프트웨어적으로 얼마나 거저먹는 부분이 있나요?
(소비자와의 상호작용은) 문제없습니다. 인간이 할 수 있는 모든 일을 하길 원한다면, 휴머노이드 로봇이 필요하다는 결론에 이르게 됩니다. 부분적인 일만 하길 원한다면 그건 훨씬 쉽죠. 하지만 인간은 타당한 이유들로 현재의 모양과 능력을 갖도록 진화했습니다. 네 개의 손가락과 엄지손가락이 있는 것에는 가치가 있습니다. 심지어 새끼손가락도 꽤 유용합니다. 게다가 인간은 세상을 우리에게 맞춰 설계했습니다. 그래서 휴머노이드 로봇을 만들면 우리가 만든 세상과 즉시 하위 호환이 될 것입니다.
Q: 이 주파수들은 실내나 건물 안에서도 현재 휴대폰처럼 작동할까요? 그리고 당신의 비전은 우리가 AT&T 계정을 갖거나 영국이나 인도에서 로밍하는 대신, 스타링크와 직접 계약하여 전 세계에서 작동하게 하는 것인가요? 지역 통신사 없이 글로벌 통신사 하나만 두는 것이 최종 목표인가요?
A: 일반적인 집에서는 네, 작동할 겁니다. 하지만 두꺼운 금속 지붕이 있는 건물 안에서는 안 될 겁니다. 그리고 네, 그것이 하나의 옵션이 될 수 있습니다. 명확히 하자면, 우리는 다른 통신사들을 망하게 하려는 것이 아닙니다. 그들은 여전히 존재할 겁니다. 하지만 네, 당신은 스타링크 계정을 가질 수 있고, 그것이 집의 스타링크 안테나, 무료 와이파이, 그리고 휴대폰과 모두 연동될 것입니다. 집과 휴대폰에서 고대역폭을 위한 포괄적인 솔루션이 될 것입니다.
Q: 스타십 발사가 경이로워 보였습니다. 상업적으로 예측 가능하고 준비된 상태에 얼마나 가까워졌나요?
A: 내년에는 우주선(ship)을 회수할 수 있을 것이라고 생각합니다. 스타십 버전 2 스택의 발사가 한 번 더 남았고, 그 이후에는 버전 3로 넘어갑니다. 버전 3는 랩터 3 엔진을 탑재하여 엄청난 업그레이드가 이루어집니다. 버전 3는 완전히 재설계되었기 때문에 초기에 약간의 성장통이 있을 수 있지만, 궤도에 100톤 이상을 실어 나를 수 있고 완전히 재사용 가능합니다. 큰 차질이 없다면, 스페이스X는 내년에 부스터와 우주선 모두를 회수하여 완전한 재사용성을 입증하고, 유용한 궤도에 100톤 이상을 운반할 수 있을 것입니다. 이는 현재 세계 최고의 상업용 로켓인 팰컨 헤비(Falcon Heavy)보다 2.5배 더 많은 화물을 운반하면서 완전 재사용이 가능한 것입니다.
Q: 이전 발사 실패 후 환경 및 FAA 문제로 지연될 것이라는 예측이 많았는데, 어떻게 그렇게 빨리 다시 발사할 수 있었나요?
A: 많은 질문과 검토가 있었습니다. 우리는 그 모든 것을 통과했습니다. 스페이스X 팀에게 공을 돌립니다. 그들은 믿을 수 없을 정도로 열심히 일했고, 다음 우주선과 부스터를 테스트하고 발사대에 올려 비행시켰습니다. 완전히 재사용 가능한 궤도 로켓을 만드는 것은 역사상 가장 어려운 엔지니어링 문제 중 하나이며, 적어도 포디움에 오를 만한 후보입니다. 2002년부터 스페이스X의 목표였고, 23년이 지난 지금, 마침내 내년에는 완전한 재사용성을 달성할 수 있을 것이라고 생각합니다.
Q: 완전한 재사용성을 달성하기까지 남은 가장 큰 기술적 장애물은 무엇인가요?
A: 우주선의 완전한 재사용을 위해서는 방열판(heat shield)에 아직 해야 할 일이 많이 남아 있습니다. 아무도 완전히 재사용 가능한 궤도용 방열판을 만든 적이 없습니다. 우주 왕복선의 방열판은 매 비행 후 9개월간의 수리가 필요했습니다. 이것은 재료 과학과 엔지니어링의 문제입니다. 우리는 근본적인 물리학, 제1원칙에 입각하여 열을 견디면서도 매우 가볍고, 주 구조물에 열을 전달하지 않으며, 비를 맞아도 녹지 않는 무언가를 어떻게 만들지 알아내려 노력하고 있습니다. 또한 수만 개의 타일이 모두 작동하고 하나씩 점검하거나 수리할 필요가 없다는 것을 확신할 수 있어야 합니다.
Q: 그록(Grok)과 xAI의 진화에 대해 업데이트해주실 수 있나요? 특히 합성 데이터를 대량으로 사용하여 훈련을 시작할 것이라는 혁신적인 아이디어에 대해 설명해주세요.
A: 네, 우리는 추론 컴퓨팅과 추론 능력을 많이 사용하여 모든 소스 데이터, 즉 인류 지식의 총체를 살펴보고 있습니다. 그리고 각 정보 조각에 대해 생각하고, 빠진 것을 추가하며, 실수를 수정하고, 그 훈련 데이터에서 거짓을 제거하고 있습니다. 예를 들어 위키피디아 페이지를 보고 '이 페이지에서 무엇이 사실이고, 부분적으로 사실이며, 거짓이거나, 빠져있는가?'라고 묻는 것과 같습니다. 그리고는 거짓을 제거하고, 절반의 진실을 바로잡고, 빠진 맥락을 추가하여 페이지를 다시 작성하는 것입니다.
Q: 멤피스에 있는 슈퍼클러스터 콜로서스(Colossus)를 확장하고 계신데, 스케일링 법칙(scaling laws)은 현재 어느 단계에 있나요? 클러스터를 키우면 더 강력한 AI 모델을 얻게 되나요, 아니면 수확 체감의 지점이 있나요? 컴퓨팅을 두 배로 투입하면 모델이 10% 좋아지나요, 100% 좋아지나요?
A: 컴퓨팅 양과 관련하여 자연 로그 함수 관계가 있다고 생각합니다. 대략적으로 말해, 컴퓨팅 양이 10배 증가하면 지능은 두 배가 될 수 있습니다. 이는 IQ 100에서 200으로 가는 것과 같으니 여전히 매우 큰 변화입니다. 저는 지능이 태양 에너지의 대부분이, 그리고 궁극적으로는 은하계 에너지의 대부분이 컴퓨팅에 활용될 때까지 계속해서 확장될 것이라고 봅니다. 제 생각에는 빠르면 내년에 어떤 한 가지 일에 있어서는 어떤 단일 인간보다도 더 똑똑한 AI를 보게 될 수도 있습니다. 그리고 아마 5년 안에, 예를 들어 2030년경에는 모든 인간의 지능을 합친 것보다 더 똑똑한 AI가 나올 것입니다.
❤2
Q: 이 컨퍼런스에서 '자살적 공감(suicidal empathy)', 서구의 쇠퇴, 낮은 출산율, 국경 개방 등에 대한 이야기가 많았습니다. 서구의 자살에 대한 당신의 견해는 무엇인가요?
A: 저는 그것에 대해 매우 걱정하고 있습니다. 서구의 행동들은 자살과 구별할 수 없습니다. 가장 명백한 증상은 출산율이 인구 대체 수준에 미치지 못한다는 것입니다. 국경이 완전히 개방되어 서구 문화와 사회 구조가 무너지기 시작하는 것도 문제입니다. 유럽에서 특히 두드러지죠. 범죄 문제도 해결되거나 심지어 인정되지도 않고 있습니다. 서구가 자살 충동을 느끼거나, 자신을 방어하거나 번성시키고 싶어하지 않는 것 같습니다.
Q: 과거에 종교가 사람들에게 낙관론을 심어주는 역할을 했다고 생각하시나요?
A: 그렇게 생각합니다. 자연은 진공을 싫어하죠. 종교를 없애면, 그 자리에 이전에 있던 것보다 실제로는 더 나쁜 것이 들어선다고 생각합니다. 종교가 차지했던 구멍을 '워크 마인드 바이러스(woke mind virus)' 같은 파괴적인 것들이 채우는 겁니다. 디스토피아적인 사실상의 종교들이 생겨나고, 그것들은 매우 자기 파괴적입니다. 그래서 아마도 종교의 부활이나, 적어도 사람들이 흥분할 수 있는 일관된 철학이 필요하다고 생각합니다. 저에게는 그것이 '호기심의 철학'입니다. 저는 우주의 본질에 대해 궁금하고, 인류가 저 별들을 탐험하길 바랍니다.
Q: 우리가 시뮬레이션 속에 살고 있다는 질문에 대해, 그 답을 AI에서 먼저 찾을까요, 아니면 별에서 먼저 찾을까요?
A: 더 많은 사람들이 '호기심의 철학'을 지지할 수 있기를 바랍니다. 그것은 매우 흥미롭고 본질적으로 낙관적이니까요.
https://youtu.be/qeZqZBRA-6Q
A: 저는 그것에 대해 매우 걱정하고 있습니다. 서구의 행동들은 자살과 구별할 수 없습니다. 가장 명백한 증상은 출산율이 인구 대체 수준에 미치지 못한다는 것입니다. 국경이 완전히 개방되어 서구 문화와 사회 구조가 무너지기 시작하는 것도 문제입니다. 유럽에서 특히 두드러지죠. 범죄 문제도 해결되거나 심지어 인정되지도 않고 있습니다. 서구가 자살 충동을 느끼거나, 자신을 방어하거나 번성시키고 싶어하지 않는 것 같습니다.
Q: 과거에 종교가 사람들에게 낙관론을 심어주는 역할을 했다고 생각하시나요?
A: 그렇게 생각합니다. 자연은 진공을 싫어하죠. 종교를 없애면, 그 자리에 이전에 있던 것보다 실제로는 더 나쁜 것이 들어선다고 생각합니다. 종교가 차지했던 구멍을 '워크 마인드 바이러스(woke mind virus)' 같은 파괴적인 것들이 채우는 겁니다. 디스토피아적인 사실상의 종교들이 생겨나고, 그것들은 매우 자기 파괴적입니다. 그래서 아마도 종교의 부활이나, 적어도 사람들이 흥분할 수 있는 일관된 철학이 필요하다고 생각합니다. 저에게는 그것이 '호기심의 철학'입니다. 저는 우주의 본질에 대해 궁금하고, 인류가 저 별들을 탐험하길 바랍니다.
Q: 우리가 시뮬레이션 속에 살고 있다는 질문에 대해, 그 답을 AI에서 먼저 찾을까요, 아니면 별에서 먼저 찾을까요?
A: 더 많은 사람들이 '호기심의 철학'을 지지할 수 있기를 바랍니다. 그것은 매우 흥미롭고 본질적으로 낙관적이니까요.
https://youtu.be/qeZqZBRA-6Q
YouTube
Elon Musk on DOGE, Optimus, Starlink Smartphones, Evolving with AI, Why the West is Imploding
(0:00) Introducing Elon Musk, and reflecting on his DOGE experience
(2:47) Optimus: Progress and potential, the “hands problem”
(12:20) Tesla: AI5 chips, impact on FSD
(16:50) SpaceX: Vision for Starlink-enabled smartphones, $17B spectrum deal, Starship update…
(2:47) Optimus: Progress and potential, the “hands problem”
(12:20) Tesla: AI5 chips, impact on FSD
(16:50) SpaceX: Vision for Starlink-enabled smartphones, $17B spectrum deal, Starship update…
❤2
머스크는 어렸을 적부터 해왔던 사업을 게임의 퀘스트를 깨듯이 하고 있을수도 있겠다.
머스크의 첫 회사인 Zip2 시절부터 나타난 초기 원칙들은 무엇인가요?
전략 게임에 대한 사랑: 그는 보드게임이든 비디오게임이든 전략 게임을 사랑했습니다. 대학 시절에는 '디플로머시(Diplomacy)'라는 고전 전략 보드게임에 집착했습니다. 이런 게임에 몇 시간씩 몰두하는 것이 그가 긴장을 풀고, 스트레스를 해소하며, 비즈니스를 위한 전술적 기술과 전략적 사고를 연마하는 방법이었습니다. 왜 이런 게임에 끌리냐는 질문에 그는 친구에게 "나는 전쟁에 최적화된 사람이야(I am wired for war)." 라고 말했습니다. 이 문장은 수십 년에 걸쳐 반복됩니다.
남 밑에서 일하지 못하는 성향: 20대 초반 인턴 시절, 그는 남을 위해 일하는 것을 좋아하지도 잘하지도 못했습니다. 남에게 순종적이거나 다른 사람이 자기보다 더 많이 알 것이라고 가정하는 것은 그의 본성이 아니었습니다. 그는 지금도 여전합니다.
하드코어 정신: Zip2를 시작했을 때, 그들은 사무실에서 잠을 자고 YMCA에서 샤워를 했습니다. 깨어있는 모든 시간을 일하는 '하드코어'의 중요성은 계속해서 반복됩니다.
쇼맨십은 곧 세일즈맨십이다 (Showmanship is salesmanship): 그들은 Zip2 사무실로 사람들을 데려왔습니다. 컴퓨터 랙을 위한 큰 프레임을 사서 그 안에 작은 컴퓨터 하나를 넣어 방문객들이 거대한 서버가 있다고 생각하게 만들었습니다. "투자자들이 올 때마다 그 타워를 보여줬죠. 우리가 하드코어한 일을 하고 있다고 생각하게 만들었어요." 그는 이 전략을 계속해서 사용합니다. 일론은 극적인 시연의 힘을 이해합니다.
워라밸(Work-life balance)에 대한 경멸: 경력 초기부터 일론은 까다로운 관리자였고, 워라밸이라는 개념을 경멸했습니다. 그는 휴가도 없이 밤낮으로 자신을 몰아붙였고, 다른 사람들도 그렇게 하기를 기대했습니다. 유일한 예외는 격렬한 비디오게임 폭식을 위한 휴식이었습니다.
동료애의 위험성: 그는 동료들과 지나치게 친하게 지내는 것을 비생산적이고 위험하다고 반복해서 말했습니다. 그것이 임무를 최우선으로 두는 데 방해가 된다고 생각했습니다. 그는 자신이 함께 일하는 사람들을 불쾌하게 하거나 위협하는지에 대해 전혀 신경 쓰지 않았습니다. 그들이 불가능하다고 생각했던 위업을 달성하도록 이끄는 한 말이죠. "팀원들이 당신을 사랑하게 만드는 것이 당신의 일이 아닙니다. 사실 그건 비생산적입니다." 라고 그는 수년 후 스페이스X 임원 회의에서 말했습니다.
중간상인에 대한 혐오: 일론은 항상 모든 것에 대한 완전한 통제를 원합니다. 진정한 제품 개발자들은 중간상인 없이 소비자에게 직접 판매하려는 강박을 가지고 있습니다. 일론이 바로 그런 사람이었습니다.
Zip2 매각 후, 그를 움직인 동기는 무엇이었고 페이팔(X.com) 시절에는 어떤 원칙들이 나타났나요?
돈은 다음 게임을 위한 것: 그는 "섬을 살 수도 있지만, 새로운 회사를 만들고 창조하는 데 훨씬 더 관심이 많습니다. 제 상금 전부를 쓰지 않았어요. 거의 전부를 새로운 게임에 다시 쏟아부을 겁니다." 라고 말했습니다. 돈을 벌어서 다른 회사에 투자하는 것, 이것이 수십 년간 반복되는 그의 특징입니다. 그는 돈이 그냥 놀고 있는 것을 싫어합니다.
높은 위험 감수성: 그는 "부자가 되거나 파산하거나 둘 중 하나일 것이며, 그 중간은 없을 것"이라고 말하며 엄청나게 높은 위험 감수성을 보였습니다.
믿음의 힘: "그의 말이 미친 소리처럼 들릴 때조차도, 그가 그것을 믿기 때문에 당신도 그를 믿게 될 겁니다." 일론은 자신의 믿음을 다른 사람에게 전이시키는 능력이 있습니다.
변함없는 경영 스타일: 그는 다음 회사에서도 첫 회사와 똑같은 경영 스타일을 고수했고, 앞으로도 그럴 것입니다. "저는 본성적으로 강박적입니다. 제게 중요한 것은 이기는 것이고, 그것도 작게 이기는 것이 아닙니다." 그는 터무니없는 마감 시간을 정하고 동료들을 몰아붙였습니다.
단순화와 삭제에 대한 집착: 이 책의 절반은 그가 사람들에게 삭제하고, 편집하고, 단순화하라고 소리치는 내용입니다. 그는 사용자 인터페이스를 디자인할 때 단순함에 대한 열정이 있었습니다. "계좌를 개설하는 데 필요한 키 입력 횟수를 최소화하기 위해 사용자 인터페이스를 다듬었습니다."
틈새 시장이 아닌 산업 전체를 재창조하려는 야망: 그는 틈새 제품을 만드는 데 관심이 없었습니다. 그는 산업 전체를 재창조하기를 원했습니다.
엔지니어링과 디자인의 결합: 그는 회사를 재구성하여 별도의 엔지니어링 부서가 없도록 했습니다. 대신 엔지니어들이 프로젝트 관리자와 팀을 이루었습니다. 제품 디자인을 엔지니어링과 분리하는 것은 기능 장애의 지름길이었습니다. 디자이너는 자신이 고안한 것이 엔지니어링하기 어렵다면 즉각적인 고통을 느껴야 했습니다. 엔지니어가 제품 관리자 대신 팀을 이끌어야 했습니다.
세부 사항에 대한 해박한 지식: 페이팔 시절부터 현재까지 사람들은 일론이 회사의 각 분야에 대해 얼마나 많은 세부 사항을 알고 있는지에 충격을 받습니다. 공동 창업자 맥스 레브친은 "일론은 가끔 미친 소리를 하지만, 때로는 당신의 전문 분야에 대해 당신보다 훨씬 더 많이 알아서 놀라게 할 겁니다." 라고 말했습니다.
페이팔 이후 스페이스X를 시작하며 그의 야망은 어떻게 커졌고, 어떤 핵심 아이디어를 개발했나요?
페이팔에서 CEO로 쫓겨난 후, 그의 야망은 하늘을 찔렀습니다. 그는 로켓 회사를 시작하기로 결심했습니다.
독학으로 배우기 (도서관 전체를 삼키다): 그는 로켓 공학에 대해 읽기 위해 팔로 알토 공립 도서관에 갔고, 전문가들에게 전화해 낡은 엔진 매뉴얼을 빌려달라고 요청했습니다. "일론은 모든 것을 읽었다"는 증언이 많습니다. 에디슨, 처칠, 마이클 델, 에드윈 랜드 같은 위대한 인물들처럼, 그는 관심 있는 주제에 대한 도서관의 모든 책을 읽었습니다.
임무 우선, 사업은 나중에 (Mission First): 그는 "내 인생의 임무는 인류를 다행성 문명으로 만드는 것"이라고 말했습니다. 그는 임무에서 시작하고, 나중에 재정적으로 작동하게 할 방법을 찾아냅니다. 이것은 매우 중요하며 계속 반복됩니다.
기술 발전은 필연적이지 않다: 그는 "사람들은 기술이 저절로 발전한다고 생각하지만, 그것은 착각"이라고 말합니다. 많은 사람이 더 나은 것을 만들기 위해 매우 열심히 일해야만 기술이 발전합니다. 저절로 나아가지 않으며, 심지어 퇴보할 수도 있습니다.
천명(Mandate from Heaven) 같은 비전 제시: 일론의 가장 위대한 기술 중 하나는 자신의 비전을 마치 천명처럼 전달하는 능력입니다. 그는 사람들에게 영감을 주는 것의 중요성을 이해합니다. "인생은 단지 문제를 해결하는 것만이 될 수 없습니다. 위대한 꿈을 추구하는 것이기도 해야 합니다. 그것이 아침에 우리를 일어나게 하는 것입니다."
문제의 근원으로 가라: 그는 로켓 회사를 시작하려면 항공우주 공학 인재가 밀집된 로스앤젤레스로 이사하는 것이 최선이라고 결정했습니다. 그는 끊임없이 제국 전체의 병목 현상을 찾고, 일단 발견하면 즉시 비행기를 타고 문제의 현장으로 가서 문제가 해결될 때까지 머뭅니다.
이디엇 인덱스(Idiot Index): 그는 상황의 기본 물리학까지 파고들어 거기서부터 다시 쌓아 올리는 '제1원칙 사고'를 사용했습니다. 이것이 그가 '이디엇 인덱스'라고 부르는 것을 개발하게 된 계기입니다. 이것은 완성된 제품의 비용이 기본 재료 비용보다 얼마나 더 비싼지를 계산하는 것입니다. 만약 제품의 이디엇 인덱스가 높다면, 더 효율적인 제조 기술을 고안함으로써 비용을 크게 줄일 수 있다는 의미였습니다. 로켓은 이디엇 인덱스가 극도로 높았습니다.
머스크의 첫 회사인 Zip2 시절부터 나타난 초기 원칙들은 무엇인가요?
전략 게임에 대한 사랑: 그는 보드게임이든 비디오게임이든 전략 게임을 사랑했습니다. 대학 시절에는 '디플로머시(Diplomacy)'라는 고전 전략 보드게임에 집착했습니다. 이런 게임에 몇 시간씩 몰두하는 것이 그가 긴장을 풀고, 스트레스를 해소하며, 비즈니스를 위한 전술적 기술과 전략적 사고를 연마하는 방법이었습니다. 왜 이런 게임에 끌리냐는 질문에 그는 친구에게 "나는 전쟁에 최적화된 사람이야(I am wired for war)." 라고 말했습니다. 이 문장은 수십 년에 걸쳐 반복됩니다.
남 밑에서 일하지 못하는 성향: 20대 초반 인턴 시절, 그는 남을 위해 일하는 것을 좋아하지도 잘하지도 못했습니다. 남에게 순종적이거나 다른 사람이 자기보다 더 많이 알 것이라고 가정하는 것은 그의 본성이 아니었습니다. 그는 지금도 여전합니다.
하드코어 정신: Zip2를 시작했을 때, 그들은 사무실에서 잠을 자고 YMCA에서 샤워를 했습니다. 깨어있는 모든 시간을 일하는 '하드코어'의 중요성은 계속해서 반복됩니다.
쇼맨십은 곧 세일즈맨십이다 (Showmanship is salesmanship): 그들은 Zip2 사무실로 사람들을 데려왔습니다. 컴퓨터 랙을 위한 큰 프레임을 사서 그 안에 작은 컴퓨터 하나를 넣어 방문객들이 거대한 서버가 있다고 생각하게 만들었습니다. "투자자들이 올 때마다 그 타워를 보여줬죠. 우리가 하드코어한 일을 하고 있다고 생각하게 만들었어요." 그는 이 전략을 계속해서 사용합니다. 일론은 극적인 시연의 힘을 이해합니다.
워라밸(Work-life balance)에 대한 경멸: 경력 초기부터 일론은 까다로운 관리자였고, 워라밸이라는 개념을 경멸했습니다. 그는 휴가도 없이 밤낮으로 자신을 몰아붙였고, 다른 사람들도 그렇게 하기를 기대했습니다. 유일한 예외는 격렬한 비디오게임 폭식을 위한 휴식이었습니다.
동료애의 위험성: 그는 동료들과 지나치게 친하게 지내는 것을 비생산적이고 위험하다고 반복해서 말했습니다. 그것이 임무를 최우선으로 두는 데 방해가 된다고 생각했습니다. 그는 자신이 함께 일하는 사람들을 불쾌하게 하거나 위협하는지에 대해 전혀 신경 쓰지 않았습니다. 그들이 불가능하다고 생각했던 위업을 달성하도록 이끄는 한 말이죠. "팀원들이 당신을 사랑하게 만드는 것이 당신의 일이 아닙니다. 사실 그건 비생산적입니다." 라고 그는 수년 후 스페이스X 임원 회의에서 말했습니다.
중간상인에 대한 혐오: 일론은 항상 모든 것에 대한 완전한 통제를 원합니다. 진정한 제품 개발자들은 중간상인 없이 소비자에게 직접 판매하려는 강박을 가지고 있습니다. 일론이 바로 그런 사람이었습니다.
Zip2 매각 후, 그를 움직인 동기는 무엇이었고 페이팔(X.com) 시절에는 어떤 원칙들이 나타났나요?
돈은 다음 게임을 위한 것: 그는 "섬을 살 수도 있지만, 새로운 회사를 만들고 창조하는 데 훨씬 더 관심이 많습니다. 제 상금 전부를 쓰지 않았어요. 거의 전부를 새로운 게임에 다시 쏟아부을 겁니다." 라고 말했습니다. 돈을 벌어서 다른 회사에 투자하는 것, 이것이 수십 년간 반복되는 그의 특징입니다. 그는 돈이 그냥 놀고 있는 것을 싫어합니다.
높은 위험 감수성: 그는 "부자가 되거나 파산하거나 둘 중 하나일 것이며, 그 중간은 없을 것"이라고 말하며 엄청나게 높은 위험 감수성을 보였습니다.
믿음의 힘: "그의 말이 미친 소리처럼 들릴 때조차도, 그가 그것을 믿기 때문에 당신도 그를 믿게 될 겁니다." 일론은 자신의 믿음을 다른 사람에게 전이시키는 능력이 있습니다.
변함없는 경영 스타일: 그는 다음 회사에서도 첫 회사와 똑같은 경영 스타일을 고수했고, 앞으로도 그럴 것입니다. "저는 본성적으로 강박적입니다. 제게 중요한 것은 이기는 것이고, 그것도 작게 이기는 것이 아닙니다." 그는 터무니없는 마감 시간을 정하고 동료들을 몰아붙였습니다.
단순화와 삭제에 대한 집착: 이 책의 절반은 그가 사람들에게 삭제하고, 편집하고, 단순화하라고 소리치는 내용입니다. 그는 사용자 인터페이스를 디자인할 때 단순함에 대한 열정이 있었습니다. "계좌를 개설하는 데 필요한 키 입력 횟수를 최소화하기 위해 사용자 인터페이스를 다듬었습니다."
틈새 시장이 아닌 산업 전체를 재창조하려는 야망: 그는 틈새 제품을 만드는 데 관심이 없었습니다. 그는 산업 전체를 재창조하기를 원했습니다.
엔지니어링과 디자인의 결합: 그는 회사를 재구성하여 별도의 엔지니어링 부서가 없도록 했습니다. 대신 엔지니어들이 프로젝트 관리자와 팀을 이루었습니다. 제품 디자인을 엔지니어링과 분리하는 것은 기능 장애의 지름길이었습니다. 디자이너는 자신이 고안한 것이 엔지니어링하기 어렵다면 즉각적인 고통을 느껴야 했습니다. 엔지니어가 제품 관리자 대신 팀을 이끌어야 했습니다.
세부 사항에 대한 해박한 지식: 페이팔 시절부터 현재까지 사람들은 일론이 회사의 각 분야에 대해 얼마나 많은 세부 사항을 알고 있는지에 충격을 받습니다. 공동 창업자 맥스 레브친은 "일론은 가끔 미친 소리를 하지만, 때로는 당신의 전문 분야에 대해 당신보다 훨씬 더 많이 알아서 놀라게 할 겁니다." 라고 말했습니다.
페이팔 이후 스페이스X를 시작하며 그의 야망은 어떻게 커졌고, 어떤 핵심 아이디어를 개발했나요?
페이팔에서 CEO로 쫓겨난 후, 그의 야망은 하늘을 찔렀습니다. 그는 로켓 회사를 시작하기로 결심했습니다.
독학으로 배우기 (도서관 전체를 삼키다): 그는 로켓 공학에 대해 읽기 위해 팔로 알토 공립 도서관에 갔고, 전문가들에게 전화해 낡은 엔진 매뉴얼을 빌려달라고 요청했습니다. "일론은 모든 것을 읽었다"는 증언이 많습니다. 에디슨, 처칠, 마이클 델, 에드윈 랜드 같은 위대한 인물들처럼, 그는 관심 있는 주제에 대한 도서관의 모든 책을 읽었습니다.
임무 우선, 사업은 나중에 (Mission First): 그는 "내 인생의 임무는 인류를 다행성 문명으로 만드는 것"이라고 말했습니다. 그는 임무에서 시작하고, 나중에 재정적으로 작동하게 할 방법을 찾아냅니다. 이것은 매우 중요하며 계속 반복됩니다.
기술 발전은 필연적이지 않다: 그는 "사람들은 기술이 저절로 발전한다고 생각하지만, 그것은 착각"이라고 말합니다. 많은 사람이 더 나은 것을 만들기 위해 매우 열심히 일해야만 기술이 발전합니다. 저절로 나아가지 않으며, 심지어 퇴보할 수도 있습니다.
천명(Mandate from Heaven) 같은 비전 제시: 일론의 가장 위대한 기술 중 하나는 자신의 비전을 마치 천명처럼 전달하는 능력입니다. 그는 사람들에게 영감을 주는 것의 중요성을 이해합니다. "인생은 단지 문제를 해결하는 것만이 될 수 없습니다. 위대한 꿈을 추구하는 것이기도 해야 합니다. 그것이 아침에 우리를 일어나게 하는 것입니다."
문제의 근원으로 가라: 그는 로켓 회사를 시작하려면 항공우주 공학 인재가 밀집된 로스앤젤레스로 이사하는 것이 최선이라고 결정했습니다. 그는 끊임없이 제국 전체의 병목 현상을 찾고, 일단 발견하면 즉시 비행기를 타고 문제의 현장으로 가서 문제가 해결될 때까지 머뭅니다.
이디엇 인덱스(Idiot Index): 그는 상황의 기본 물리학까지 파고들어 거기서부터 다시 쌓아 올리는 '제1원칙 사고'를 사용했습니다. 이것이 그가 '이디엇 인덱스'라고 부르는 것을 개발하게 된 계기입니다. 이것은 완성된 제품의 비용이 기본 재료 비용보다 얼마나 더 비싼지를 계산하는 것입니다. 만약 제품의 이디엇 인덱스가 높다면, 더 효율적인 제조 기술을 고안함으로써 비용을 크게 줄일 수 있다는 의미였습니다. 로켓은 이디엇 인덱스가 극도로 높았습니다.
❤2
스페이스X와 테슬라에서 '비용 통제'와 '모든 요구사항에 대한 의문'이라는 원칙을 어떻게 적용했나요?
이 책에서 '비용(cost)'이라는 단어는 158번이나 나옵니다. 일론은 비용 통제에 집착합니다.
수직적 통합과 인하우스(In-house) 제조: 그는 비용 통제와 타고난 통제 본능 때문에 가능한 한 많은 부품을 사내에서 제조하기를 원했습니다. 이는 당시 로켓 및 자동차 산업의 표준 관행과는 반대였습니다.
이디엇 인덱스의 실제 적용: 한 공급업체가 부품 가격으로 12만 달러를 제시했습니다. 일론은 그 부품이 차고 문 개폐기보다 복잡하지 않다며 엔지니어에게 직접 만들라고 지시했습니다. 엔지니어는 5천 달러에 그 부품을 만들어냈습니다.
모든 요구사항에 의문을 제기하라: 이것이 나중에 '알고리즘'이라고 불리는 5단계 체크리스트의 1단계가 됩니다. 엔지니어가 무언가를 하는 이유로 어떤 요구사항을 언급할 때마다, 일론은 "그 요구사항을 누가 만들었나?"라고 따져 물었습니다. 그는 요구사항을 만든 실제 사람의 이름을 알기를 고집했습니다. 모든 요구사항은 권장사항으로 취급되어야 합니다. 불변의 요구사항은 오직 물리 법칙에 의해 정해진 것뿐입니다.
광적인 긴박감(A Maniacal Sense of Urgency): "광적인 긴박감이 우리의 운영 원칙이다." 그는 "어떻게 이렇게 오래 걸릴 수 있어? 멍청하잖아. 절반으로 줄여."라고 말합니다. 엔지니어가 반박하자, 그는 회의 후에 남으라고 한 뒤 엔진 책임자로 계속 남고 싶은지 물었습니다. 엔지니어가 그렇다고 하자, 일론은 "그럼 내가 뭔가를 요구하면, [__] 그냥 해."라고 답했습니다. 이 책의 절반은 일론이 사람들에게 더 빨리 가라고 말하는 내용입니다.
최전선 장군(Frontline General): 그는 스스로를 최전선 장군으로 여겼습니다. 그는 공장 바닥에 있고, 지붕 위로 올라가고, 로켓 아래에 있습니다. 그는 일하는 사람들과 직접 대화합니다.
강한 리더십 존중 (그윈 숏웰 사례): 그윈 숏웰은 일론과 20년 이상 함께 일했습니다. 그녀는 처음 만났을 때 "고객과 논의하는 당신네 직원은 패배자(loser)예요."라고 직설적으로 말했습니다. 다음 날 그녀는 사업 개발 부사장으로 채용 제안을 받았습니다. 일론과 스티브 잡스 같은 사람들을 대할 때 최악은 굴복하는 것입니다. 그들은 오직 힘(strength)만을 존중합니다.
테슬라의 '생산 지옥(Production Hell)' 시기는 그에게 어떤 교훈을 주었고, 이것이 어떻게 '알고리즘'으로 정립되었나요?
테슬라가 주당 5,000대의 모델 3를 생산해야 생존할 수 있었던 '생산 지옥'은 그의 원칙을 정립하는 결정적인 계기였습니다.
실패로부터의 교훈: 그는 초기에 과도한 자동화에 집착했지만, 그것이 작동하지 않자 자신의 실수를 인정했습니다. "테슬라의 과도한 자동화는 실수였습니다. 정확히 말해, 제 실수였죠. 인간은 과소평가되었습니다." 그는 생산 라인에서 로봇을 잘라내 주차장에 던져버리기 시작했습니다.
병목 현상을 찾아라 (Walk to the Red): 공장에는 각 스테이션의 상태를 녹색 또는 빨간색으로 표시하는 모니터가 있었습니다. 일론은 바닥을 걸으며 문제 지점(빨간불)으로 곧장 향했습니다. 그는 이것을 '빨간불로 걷기'라고 불렀습니다.
신속한 의사결정: 그는 바닥을 걸으며 하루에 100개의 명령 결정을 내렸다고 계산했습니다. "적어도 20%는 틀릴 것이고, 나중에 수정할 겁니다. 하지만 내가 결정을 내리지 않으면, 우리는 죽습니다."
기존의 틀을 깨는 사고: 주차장에 거대한 텐트를 짓고 새로운 조립 라인을 만드는 등 제2차 세계대전 당시 폭격기 생산 방식을 차용했습니다. 그는 "전통적인 사고방식이 당신의 임무를 불가능하게 만든다면, 비전통적인 사고가 필요하다"고 말했습니다.
일론의 알고리즘 (5가지 계명):
모든 요구사항에 의문을 제기하라: 모든 요구사항은 그것을 만든 사람의 이름과 함께 와야 한다. 똑똑한 사람에게서 나온 요구사항이 가장 위험하다.
프로세스의 모든 부분을 삭제하라: 나중에 다시 추가해야 할 수도 있다. 만약 10% 이상을 다시 추가하지 않는다면, 충분히 삭제하지 않은 것이다.
단순화하고 정리하라: 이는 2단계 이후에 와야 한다. 애초에 존재해서는 안 될 부분을 단순화하고 최적화하는 것은 흔한 실수다.
사이클 타임을 가속화하라: 모든 프로세스는 속도를 높일 수 있지만, 앞선 세 단계를 따른 후에만 해야 한다.
자동화하라: 이것은 마지막에 온다.
알고리즘의 부록:
모든 기술 관리자는 실무 경험이 있어야 한다.
동료애는 위험하다.
틀리는 것은 괜찮지만, 확신에 차서 틀리지는 마라.
부하 직원에게 당신이 기꺼이 하지 않을 일을 시키지 마라.
문제 해결 시, 관리자뿐만 아니라 그 바로 아래 직급과도 회의하라.
채용 시, 태도가 올바른 사람을 찾아라. 기술은 가르칠 수 있지만 태도는 그렇지 않다.
광적인 긴박감이 우리의 운영 원칙이다.
유일한 규칙은 물리 법칙에 의해 정해진 것뿐이다. 나머지는 모두 권장사항이다.
최신 벤처(보링 컴퍼니, 뉴럴링크, 트위터)와 그의 게임 철학에서 이러한 원칙들은 어떻게 나타나나요?
장난감 산업에서의 교훈: 그는 장난감 모델 S 자동차의 차체 하부가 하나의 금속 조각으로 주조된 것을 보고 실제 자동차에도 이를 적용하려 했습니다. 그는 세계에서 가장 큰 주조 기계를 만들도록 했고, "정밀함은 비싼 것이 아니라, 주로 신경 쓰는 것의 문제"라고 말했습니다.
폴리토피아(Polytopia) 인생 교훈: 그는 '폴리토피아'라는 전략 게임에 집착하며, 이 게임이 CEO가 되는 법을 가르쳐준다고 믿었습니다.
공감은 자산이 아니다.
인생을 게임처럼 플레이하라.
패배를 두려워하지 마라. 패배에 익숙해지면 더 용감해지고 더 많은 위험을 감수할 것이다.
주도적으로 행동하라.
모든 턴을 최적화하라.
두 배로 베팅하라. 모든 것을 게임에 다시 투자하여 성장하고 또 성장하라.
트위터(X) 문화 개조: 그는 트위터의 '심리적 안전' 문화를 경멸했습니다. 그는 그것이 긴급함과 진보의 적이라고 생각했습니다. 그는 자신이 선호하는 단어 '하드코어'를 강조하며, 불편함이 안주에 대한 무기라고 믿었습니다. 그는 즉시 엔지니어 중심의 제품 디자인, 빠른 의사결정 등 자신의 원칙들을 도입했습니다.
우리는 다른 방해 요소들을 물리치고 그에게서 배울 수 있는 회사 설립 원칙에 집중해야 합니다. 명심해야 할 문장은 이것입니다. "그의 성취와 실패는 모두 서사시적이다(epic)."
https://youtu.be/aStHTTPxlis
이 책에서 '비용(cost)'이라는 단어는 158번이나 나옵니다. 일론은 비용 통제에 집착합니다.
수직적 통합과 인하우스(In-house) 제조: 그는 비용 통제와 타고난 통제 본능 때문에 가능한 한 많은 부품을 사내에서 제조하기를 원했습니다. 이는 당시 로켓 및 자동차 산업의 표준 관행과는 반대였습니다.
이디엇 인덱스의 실제 적용: 한 공급업체가 부품 가격으로 12만 달러를 제시했습니다. 일론은 그 부품이 차고 문 개폐기보다 복잡하지 않다며 엔지니어에게 직접 만들라고 지시했습니다. 엔지니어는 5천 달러에 그 부품을 만들어냈습니다.
모든 요구사항에 의문을 제기하라: 이것이 나중에 '알고리즘'이라고 불리는 5단계 체크리스트의 1단계가 됩니다. 엔지니어가 무언가를 하는 이유로 어떤 요구사항을 언급할 때마다, 일론은 "그 요구사항을 누가 만들었나?"라고 따져 물었습니다. 그는 요구사항을 만든 실제 사람의 이름을 알기를 고집했습니다. 모든 요구사항은 권장사항으로 취급되어야 합니다. 불변의 요구사항은 오직 물리 법칙에 의해 정해진 것뿐입니다.
광적인 긴박감(A Maniacal Sense of Urgency): "광적인 긴박감이 우리의 운영 원칙이다." 그는 "어떻게 이렇게 오래 걸릴 수 있어? 멍청하잖아. 절반으로 줄여."라고 말합니다. 엔지니어가 반박하자, 그는 회의 후에 남으라고 한 뒤 엔진 책임자로 계속 남고 싶은지 물었습니다. 엔지니어가 그렇다고 하자, 일론은 "그럼 내가 뭔가를 요구하면, [__] 그냥 해."라고 답했습니다. 이 책의 절반은 일론이 사람들에게 더 빨리 가라고 말하는 내용입니다.
최전선 장군(Frontline General): 그는 스스로를 최전선 장군으로 여겼습니다. 그는 공장 바닥에 있고, 지붕 위로 올라가고, 로켓 아래에 있습니다. 그는 일하는 사람들과 직접 대화합니다.
강한 리더십 존중 (그윈 숏웰 사례): 그윈 숏웰은 일론과 20년 이상 함께 일했습니다. 그녀는 처음 만났을 때 "고객과 논의하는 당신네 직원은 패배자(loser)예요."라고 직설적으로 말했습니다. 다음 날 그녀는 사업 개발 부사장으로 채용 제안을 받았습니다. 일론과 스티브 잡스 같은 사람들을 대할 때 최악은 굴복하는 것입니다. 그들은 오직 힘(strength)만을 존중합니다.
테슬라의 '생산 지옥(Production Hell)' 시기는 그에게 어떤 교훈을 주었고, 이것이 어떻게 '알고리즘'으로 정립되었나요?
테슬라가 주당 5,000대의 모델 3를 생산해야 생존할 수 있었던 '생산 지옥'은 그의 원칙을 정립하는 결정적인 계기였습니다.
실패로부터의 교훈: 그는 초기에 과도한 자동화에 집착했지만, 그것이 작동하지 않자 자신의 실수를 인정했습니다. "테슬라의 과도한 자동화는 실수였습니다. 정확히 말해, 제 실수였죠. 인간은 과소평가되었습니다." 그는 생산 라인에서 로봇을 잘라내 주차장에 던져버리기 시작했습니다.
병목 현상을 찾아라 (Walk to the Red): 공장에는 각 스테이션의 상태를 녹색 또는 빨간색으로 표시하는 모니터가 있었습니다. 일론은 바닥을 걸으며 문제 지점(빨간불)으로 곧장 향했습니다. 그는 이것을 '빨간불로 걷기'라고 불렀습니다.
신속한 의사결정: 그는 바닥을 걸으며 하루에 100개의 명령 결정을 내렸다고 계산했습니다. "적어도 20%는 틀릴 것이고, 나중에 수정할 겁니다. 하지만 내가 결정을 내리지 않으면, 우리는 죽습니다."
기존의 틀을 깨는 사고: 주차장에 거대한 텐트를 짓고 새로운 조립 라인을 만드는 등 제2차 세계대전 당시 폭격기 생산 방식을 차용했습니다. 그는 "전통적인 사고방식이 당신의 임무를 불가능하게 만든다면, 비전통적인 사고가 필요하다"고 말했습니다.
일론의 알고리즘 (5가지 계명):
모든 요구사항에 의문을 제기하라: 모든 요구사항은 그것을 만든 사람의 이름과 함께 와야 한다. 똑똑한 사람에게서 나온 요구사항이 가장 위험하다.
프로세스의 모든 부분을 삭제하라: 나중에 다시 추가해야 할 수도 있다. 만약 10% 이상을 다시 추가하지 않는다면, 충분히 삭제하지 않은 것이다.
단순화하고 정리하라: 이는 2단계 이후에 와야 한다. 애초에 존재해서는 안 될 부분을 단순화하고 최적화하는 것은 흔한 실수다.
사이클 타임을 가속화하라: 모든 프로세스는 속도를 높일 수 있지만, 앞선 세 단계를 따른 후에만 해야 한다.
자동화하라: 이것은 마지막에 온다.
알고리즘의 부록:
모든 기술 관리자는 실무 경험이 있어야 한다.
동료애는 위험하다.
틀리는 것은 괜찮지만, 확신에 차서 틀리지는 마라.
부하 직원에게 당신이 기꺼이 하지 않을 일을 시키지 마라.
문제 해결 시, 관리자뿐만 아니라 그 바로 아래 직급과도 회의하라.
채용 시, 태도가 올바른 사람을 찾아라. 기술은 가르칠 수 있지만 태도는 그렇지 않다.
광적인 긴박감이 우리의 운영 원칙이다.
유일한 규칙은 물리 법칙에 의해 정해진 것뿐이다. 나머지는 모두 권장사항이다.
최신 벤처(보링 컴퍼니, 뉴럴링크, 트위터)와 그의 게임 철학에서 이러한 원칙들은 어떻게 나타나나요?
장난감 산업에서의 교훈: 그는 장난감 모델 S 자동차의 차체 하부가 하나의 금속 조각으로 주조된 것을 보고 실제 자동차에도 이를 적용하려 했습니다. 그는 세계에서 가장 큰 주조 기계를 만들도록 했고, "정밀함은 비싼 것이 아니라, 주로 신경 쓰는 것의 문제"라고 말했습니다.
폴리토피아(Polytopia) 인생 교훈: 그는 '폴리토피아'라는 전략 게임에 집착하며, 이 게임이 CEO가 되는 법을 가르쳐준다고 믿었습니다.
공감은 자산이 아니다.
인생을 게임처럼 플레이하라.
패배를 두려워하지 마라. 패배에 익숙해지면 더 용감해지고 더 많은 위험을 감수할 것이다.
주도적으로 행동하라.
모든 턴을 최적화하라.
두 배로 베팅하라. 모든 것을 게임에 다시 투자하여 성장하고 또 성장하라.
트위터(X) 문화 개조: 그는 트위터의 '심리적 안전' 문화를 경멸했습니다. 그는 그것이 긴급함과 진보의 적이라고 생각했습니다. 그는 자신이 선호하는 단어 '하드코어'를 강조하며, 불편함이 안주에 대한 무기라고 믿었습니다. 그는 즉시 엔지니어 중심의 제품 디자인, 빠른 의사결정 등 자신의 원칙들을 도입했습니다.
우리는 다른 방해 요소들을 물리치고 그에게서 배울 수 있는 회사 설립 원칙에 집중해야 합니다. 명심해야 할 문장은 이것입니다. "그의 성취와 실패는 모두 서사시적이다(epic)."
https://youtu.be/aStHTTPxlis
YouTube
How Elon Works
This episode covers the insanely valuable company-building principles of Elon Musk—and nothing else.
I spent well over 60 hours reading (and rereading) the biography of Elon Musk written by Walter Isaacson. I then spent several days editing down 40 pages…
I spent well over 60 hours reading (and rereading) the biography of Elon Musk written by Walter Isaacson. I then spent several days editing down 40 pages…
❤1
다이슨. 정주영 창업자의 책임자 해봤어가 떠오르는 부분들.
"이봐요, 아이디어가 있어요"라고 말하면, 그는 "작업실이 어딘지 알잖아. 가서 해봐”
제러미 프라이는 그의 멘토가 됩니다. "누군가와, 예를 들어 유체역학에 대해 이야기해봐야 하지 않을까요?"라고 물으면, 그는 "호수는 저 아래에 있고, 랜드로버는 저기 있잖아. 나무판자를 호수로 가져가서 보트 뒤에 매달고 무슨 일이 일어나는지 봐”
"이제 이것은 내가 이전에 접해보지 못했던 작업 방식이었다. 대학은 내게 전문가와 전문 지식을 숭배하라고 가르쳤지만, 그는 열정과 지능만 있다면 무엇이든 가능하다고 생각하며 그것을 비웃었다. 이것은 다이슨의 인생에서 이 시점에 일어난 일 중 정말 정신이 번쩍 들게 하는 것이었다.”
"그것은 충격적이었다. 연구도, 예비 스케치도 없었다. 한 가지 방법으로 되지 않으면, 될 때까지 다른 방법으로 시도했다. 그리고 우리가 진행하면서, 나는 우리가 매우 빠르게 나아가고 있음을 볼 수 있었다.”
다이슨의 사업 구축 철학의 기초가 되는 핵심 원칙은 '**당신만의 방식으로 일을 하는 것**'이었습니다. 다른 사람들이 어떻게 하는지는 중요하지 않았습니다. 더 잘할 수 있는지 여부도 중요하지 않았습니다. 그것이 작동하고 흥미진진하기만 하다면, 사람들은 당신을 따를 것입니다.
"그러니 나가서 사물을 보아라. 그리고 아이디어가 떠오르면, 그것을 잡고, 적어두고, 그것이 작동할 때까지 가지고 놀아라. 앉아서 아이디어가 오기를 기대하지 마라."
"이봐요, 아이디어가 있어요"라고 말하면, 그는 "작업실이 어딘지 알잖아. 가서 해봐”
제러미 프라이는 그의 멘토가 됩니다. "누군가와, 예를 들어 유체역학에 대해 이야기해봐야 하지 않을까요?"라고 물으면, 그는 "호수는 저 아래에 있고, 랜드로버는 저기 있잖아. 나무판자를 호수로 가져가서 보트 뒤에 매달고 무슨 일이 일어나는지 봐”
"이제 이것은 내가 이전에 접해보지 못했던 작업 방식이었다. 대학은 내게 전문가와 전문 지식을 숭배하라고 가르쳤지만, 그는 열정과 지능만 있다면 무엇이든 가능하다고 생각하며 그것을 비웃었다. 이것은 다이슨의 인생에서 이 시점에 일어난 일 중 정말 정신이 번쩍 들게 하는 것이었다.”
"그것은 충격적이었다. 연구도, 예비 스케치도 없었다. 한 가지 방법으로 되지 않으면, 될 때까지 다른 방법으로 시도했다. 그리고 우리가 진행하면서, 나는 우리가 매우 빠르게 나아가고 있음을 볼 수 있었다.”
다이슨의 사업 구축 철학의 기초가 되는 핵심 원칙은 '**당신만의 방식으로 일을 하는 것**'이었습니다. 다른 사람들이 어떻게 하는지는 중요하지 않았습니다. 더 잘할 수 있는지 여부도 중요하지 않았습니다. 그것이 작동하고 흥미진진하기만 하다면, 사람들은 당신을 따를 것입니다.
"그러니 나가서 사물을 보아라. 그리고 아이디어가 떠오르면, 그것을 잡고, 적어두고, 그것이 작동할 때까지 가지고 놀아라. 앉아서 아이디어가 오기를 기대하지 마라."
❤3