2024년부터 밈 코인이 빠르게 성장했고 대표적인 사례는 Trump 코인

밈코인을 트레이딩하는 대부분 소셜(X,텔레그램, 틱톡)을 통해 컨텐츠를 보내면서 엄청난 속도로 성장. 주로 밈코인 트레이딩하는 법, 고래 지갑을 추적하는 법 등.

대부분 밈코인은 솔라나 네트워크에서 거래. 2025년 상반기에 솔라나 전체 네트워크의 60%까지도 차지했으나 하반기엔 30% 미만으로 하락.

밈코인을 생성하는 플랫폼은 Pump.fun은 밈코인 생성의 기술적/금융적(초기 유동성 x) 번거로움을 없애면서 신규 밈 토큰의 70-80%을 차지함. 2024년에는 $350m 매출(수수료 1%)

생성된 밈코인들은 여러 DEX 거래소에서 거래됨.

대부분 트레이더들이 X, 텔레그램 봇, 온체인 지갑 활동, 밈 코인 가격을 살펴보면서 트레이딩을 하고 있어서 텔레그램 봇 + 거래 터미널을 합쳐주는 제품들(BullX, GMGN, Photon)이 등장함.

Axiom은 기회를 포착해서 거래하는 모든 과정을 하나의 UX로 만들어서 밈 트레이딩을 위한 Wrapper(거래소)를 만듦.

기존 플레이어 대비 낮은 수수료 + 다단계 구조의 추천 제도 + 거래할 수록 쌓이는 보상을 만들어서 런칭 129일만에 $100M누적, 202일만에 $200M 매출을 만드는 중.

창업자는 2명(20살)이고 현재 4명의 팀으로 운영중.

AI이외에도 엄청나게 빠른 성장을 Crypto에서도 만들고 있음. Hyperliquid는 89일만에 $100m 매출.

https://axiom.trade/discover

Bitmex 창업자 Arthur Hayes의 새로운 PE

Problem

1. 대부분 Crypto Infra 창업자들이 Coinbase에게 회사를 팔고 Coinbase는 상장사로서 이런 회사들을 유리한 위치에서 인수.
2. 전통 금융회사들은 Crypto에 진입하고 싶지만 제대로 팀을 찾기 어려움.
3. LP들이 크립토에 집중된 펀드에 투자하고 싶은데 이미 커버린 펀드들이 많음.

Solution

1. Cash 로 딜을 해서 창업자도 좋고, 펀드는 비교적 싸게 구매할 수 있어서 수익율 관점에서 좋음.
2. 비즈니스를 키우고 잠재적 인수자들에게 매각
3. LP들에게는 빠르게 성장하는 Crypto 회사들에게 투자할 수 있는 기회 제공

https://x.com/akshat_hk/status/1979259734524912091

USDC/USDT가 스테이블코인 시장을 과점할 것인가?

1. 스테이블코인(USDC/USDT)은 크립토 시장에서 디지털 달러의 역할을 하며, 중앙화 거래소(CEX)와 DeFi의 성장과 함께 주요 거래 페어로 쓰이면서 빠르게 성장해 왔다.

2. 거래량 증가로 유동성·신뢰·사용 습관이 누적되며 USDT/USDC의 양강 체제가 형성됐다. BUSD·UST 등 경쟁자도 있었으나 규제 이슈(BUSD)와 설계 취약(UST 붕괴)로 현재는 양강 구도가 유지되고 있다.

3. 두 스테이블코인은 유통량에 상응하는 준비자산(현금·미국 국채 등)을 보유하며, 여기서 발생하는 이자수익이 핵심 수익원이다. USDC는 Coinbase와의 계약에 따라 준비자산 이자수익을 공유한다(온플랫폼 100%, 오프플랫폼 50:50 등 조건).

4. 사용자 분포(Distribution)를 가진 쪽이 유리하다. Hyperliquid(파생 거래소), MetaMask/Phantom(지갑)처럼 자체 스테이블코인을 발행해 플로트 이익을 내부화하고, 이를 기반으로 예치·결제 등 인접 서비스로 확장하기 수월해졌다. (예: MetaMask의 mUSD—Bridge(Open Issuance) 발행 + M^0 온체인 인프라 연동; Phantom의 CASH 등)

5. 은행·핀테크 컨소시엄 형태도 등장한다. 예컨대 Paxos의 Global Dollar Network(USDG)는 Robinhood·Kraken·Anchorage 등과 배포·유통을 묶는 모델로 확장한다. 이러한 연합은 새 수익원(플로트·수수료)을 만들고 파트너사에 리워드(Rev-share)를 제공하는 구조다.

6. 화이트라벨 발행 인프라가 늘고 있다: Open Issuance(Stripe-Bridge), M^0, Brale, Bastion 등. 이들은 발행·준수(컴플라이언스)·유동성·상장·정산을 상품화해 발행 장벽·비용을 낮춘다.

7. 신규 발행사는 유통 파트너와의 Rev-share를 통해 준수·운영을 담당하고, 사용자를 가진 서비스(DeFi·핀테크·은행·마켓플레이스 등)와 제휴해 빠르게 확장할 수 있다. (예: Bridge↔M^0 조합, BVNK↔Worldpay 지급망 결합)

8. 당연하게도 고객(플랫폼·지갑·머천트·은행)은 신뢰할 수 있는 준비자산·공개 정보(투명성), 규제 준수 아웃소싱(감사·PoR), 정책·리저브·체인 커스터마이즈, 기존 금융/결제망 연동을 한 번에 제공하는 벤더를 선호한다.

9. Stripe는 Bridge 인수 후 Open Issuance로 Crypto 네이티브 고객(Phantom, Hyperliquid, MetaMask)을 확보했다. Brale은 거래소·지갑·프로토콜을, Bastion은 엔터프라이즈를 주로 공략한다. BVNK는 스테이블코인 지급·수납·보관 인프라를 제공하면서 Worldpay와 글로벌 즉시 Payout을 추진하고, Deel 등의 지급 사례가 나온다. M^0는 연합 발행·공유 유동성 네트워크로 초기 유동성 문제를 줄여준다.

10. 스테이블코인이 다양해질수록 거래·스왑·어그리게이션·파생 등의 새 스택이 쌓이고, 핀테크/전통 금융과 결제·예치·송금을 내재화한 신규 플레이어도 등장할 것이다(예: 카드/급여 카드인데 백엔드는 스테이블 코인 기반 결제 등).

11. 규제가 크립토 친화적으로 바뀌면서 합법적 취급 범위가 넓어지며, 크립토 2.0으로의 전환이 가속화되고 있다.

12. 거래·예치 중심이던 CEX/DEX를 넘어 은행·송금·결제·카드 등 백엔드 인프라에 스테이블코인이 들어가면, 현재의 거래량·발행량을 크게 상회하는 더 큰 생태계가 만들어질 가능성이 높다. (PSP와의 정산·프리펀딩, 카드 결제 라우팅 등)

13. 요약하면, USDT/USDC는 성장을 이어가겠지만 배포·정산·리워드에서 플랫폼 소유자(거래소·지갑·PSP·은행)가 자체 코인 또는 제휴 코인으로 플로트 이코노믹스를 가져가면서 점유율의 ‘가장자리부터’ 잠식이 진행될 것이다. 완전한 전복은 쉽지 않지만, 변화는 이미 시작됐다.

https://x.com/nic__carter/status/1973399535092171216

한국인 중에서 해외에서 성공한 사람들을 열심히 찾을 때 우연히 알게된 Michell Kang 이번에 David Rubenstein Show에 나오셔서 메모.

Super Korean이 더 많아지고 거기에 기여하고 싶다!

- 한국 서울에서 태어나 미국으로 유학 (시카고대 경제학, 예일대 경영대학원).
- 컨설팅(Arthur D. Little, Ernst & Young)과 대기업(Northrop Grumman)에서 경력을 쌓음.
- 2008년 헬스케어 IT 컨설팅 회사 코그노산테(Cognosante)를 창업하여 2024년 액센츄어에 매각.
- 현재는 여성 축구팀을 중심으로 한 멀티클럽 조직 키니스카(Kyniska)를 운영하며 여성 스포츠의 프로페셔널화와 생태계 구축에 전념

왜 여성 스포츠에 입문했는가?
2019년 미국 여자 축구 대표팀의 월드컵 우승 기념 파티에 초대받은 것을 계기로 미국 여자 프로 축구 리그(NWSL)의 존재를 처음 알게 됨. 처음에는 소수 지분 투자자이자 젊은 여성 선수들의 멘토로 참여할 생각이었으나, 점차 깊이 관여하게 됨.

수익성 전망: 현재 여성 스포츠팀들은 수익을 내지 못하고 있지만, 이는 남성팀들도 미디어 중계권료를 제외하면 경기 당일 운영만으로는 수익을 내기 어려운 것과 마찬가지. 관중 동원력을 키우고 리그가 성숙해지면 몇 년 안에 손익분기점을 넘을 것으로 확신.

출생과 교육: 서울에서 교수 아버지와 교사 출신 정치인 어머니 사이에서 태어남. 미국에서 유학한 아버지의 영향으로 성 역할에 대한 고정관념에서 벗어나 자유롭게 성장.

미국 유학: 당시 미혼 여성이 혼자 유학 가는 것이 금기시되던 사회 분위기 속에서, "유학을 보내주지 않으면 민주화 시위에 참여하겠다"는 협상과 "학비는 1년치만 지원해주면 나머지는 스스로 해결하고, 결혼 비용도 쓰지 않겠다"는 약속으로 부모님을 설득. 시카고 대학교에서 경제학을 전공.

커리어 3단계 계획: 예일대 경영대학원 졸업 후, 그녀는 30년에 걸친 야심 찬 커리어 계획을 세움.

1단계 (10년): 컨설팅 회사(Arthur D. Little, Ernst & Young)에서 비즈니스의 모든 측면을 빠르게 학습.
2단계 (10년): 포춘 500대 기업(Northrop Grumman)에서 조직 관리와 리더십을 경험. P&L(손익) 책임이 있는 헬스케어 사업부를 맡아 운영.
3단계 (10년): 포춘 500대 기업의 CEO가 되는 것을 목표.

창업의 계기: 헬스케어 IT 분야에서 일하던 중, 조지 W. 부시 대통령이 2014년까지 모든 미국인의 전자의무기록(EMR) 보급을 선언하며 관련 시장이 폭발적으로 성장하는 것을 목격. 여기서 사업 기회를 발견하고 2008년 코그노산테(Cognosante)를 창업.

독립적인 자본 조달: 외부 투자 없이 완전한 자기 자본(Bootstrapped)으로 회사를 설립. 외부 투자를 받았다면 자신이 감수했던 과감한 리스크를 지지 못했을 것이라고 설명.

https://youtu.be/noLna-rOl30

1. AGI, 10년은 걸린다: '요란한 데모'와 '진짜 제품'의 차이

- "에이전트의 해"가 아닌 "에이전트의 10년": Karpathy는 현재의 AI 기술이 인상적이지만, 인간 인턴 수준의 업무를 수행하기엔 역부족이라고 단언합니다. 연속 학습, 멀티모달리티, 인지적 결함 등 근본적인 문제 해결에 최소 10년이 걸릴 것이라고 예측합니다. 이는 단기적인 기대감보다 장기적인 R&D 관점이 필요함을 시사합니다.
- '9의 행진 (March of Nines)': 그는 테슬라 자율주행 개발 경험을 바탕으로, 90% 성능의 데모를 만드는 것과 99.999% 신뢰도의 제품을 만드는 것은 차원이 다른 문제라고 강조합니다. 신뢰도의 '9'를 하나 더 늘릴 때마다 처음 90%를 달성한 만큼의 노력이 필요하며, 이는 안전성과 신뢰도가 중요한 AI 프로덕트(특히 B2B, 프로덕션 코드) 개발에 동일하게 적용됩니다. 투자자와 창업가는 '화려한 데모'와 '실제 상용화' 사이의 거대한 갭을 인지해야 합니다.
- 현실: 웨이모 같은 서비스도 운전석에 사람이 없을 뿐, 보이지 않는 곳의 원격 관제 센터(teleoperation)에서 여전히 인간이 개입하고 있습니다. 이는 100% 완전 자동화의 어려움을 보여주는 현실적 사례이며, '화려한 데모'와 '실제 상용화' 사이의 거대한 갭을 인지해야 합니다.

2. 현존 LLM의 심각한 '인지적 결함'들: 왜 아직 멀었는가?

- "Pre-training은 crappy evolution이다. 실제 진화를 할 수 없으니, 인터넷 문서 모방으로 'ghosts'를 만드는 것”
- 강화학습(RL)의 한계: "가느다란 빨대로 학습 신호를 겨우 빨아들이는 격": 현재의 RL은 끔찍(terrible)하다고 표현합니다. 수많은 시도 끝에 정답을 맞혔다는 **단 하나의 결과**만으로, 그 과정의 모든 행동(심지어 잘못된 추론)을 강화하는 방식은 매우 비효율적입니다. 인간처럼 과정을 복기하고 부분적인 성공/실패를 분석하는 'Reflect & Review' 메커니즘이 부재합니다.

문제점: 과정 기반 보상을 위해 LLM 심판(Judge)을 도입해도, 'dhdhdhdh' 같은 무의미한 입력에 최고점을 주는 등 쉽게 속아 넘어가는(gameable) 문제가 있어 아직 난관에 부딪혀 있습니다.

- '수면'과 '지식 증류'의 부재: 인간이 잠을 자면서 낮 동안의 경험을 장기기억으로 전환하는 것처럼, LLM에는 컨텍스트 창(작업 기억)의 내용을 모델의 가중치(장기 기억)로 '증류(distill)'하는 과정이 없습니다. 매번 세션을 처음부터 다시 시작해야 하는 근본적인 한계입니다.
- 합성 데이터의 '붕괴(Collapse)' 문제: LLM이 스스로 생성한 데이터로 학습하면 성능이 오히려 저하되는 현상입니다. 모델이 생성하는 결과물은 겉보기엔 다양해 보이지만, 실제로는 **통계적으로 매우 좁은 분포에 갇혀있기(collapsed) 때문**입니다. 이는 "ChatGPT에게 농담을 해달라고 하면 맨날 똑같은 3가지 농담만 하는 것"과 같습니다. 이 '엔트로피 부족' 문제는 자기 개선 능력의 핵심적인 병목입니다.
- 인간도 Collapse: 그는 이 현상이 인간에게도 나타난다고 말합니다. 어린이는 아직 과적합(overfit)되지 않아 창의적이지만, 성인은 점점 같은 생각과 말을 반복하며 '붕괴'된다는 것입니다. **꿈(Dreaming)은 이런 과적합을 막기 위한 뇌의 엔트로피 추구 메커니즘**일 수 있습니다.
- 과도한 암기력은 버그: LLM은 인간과 달리 무의미한 정보까지 완벽하게 암기합니다. Karpathy는 이것이 오히려 일반화 가능한 패턴을 학습하는 데 방해가 되는 '버그'라고 지적합니다. 그는 미래에는 불필요한 사실적 지식(memory)을 제거하고, 사고와 문제 해결 알고리즘만 남긴 순수한 '인지적 핵(Cognitive Core)' 형태의 모델이 중요해질 것이라 예측합니다.
- LLM은 외로운 천재: 문화와 경쟁의 부재: LLM에는 '문화(Culture)'가 없습니다. LLM끼리 서로의 결과물("책")을 읽고 배우거나, 공유된 지식 기반(scratchpad)을 쌓아가지 못합니다. 또한 AlphaGo가 스스로와 대결하며 강해졌듯, LLM 간의 경쟁과 협력을 통한 'Self-Play' 메커니즘도 아직 미개척 영역입니다. 현재의 AI는 똑똑하지만 고립된 '유치원생' 수준에 머물러 있습니다.

3. AI 개발의 현실: '오토컴플리트'는 훌륭하지만 '에이전트'는 아직

- Nanochat 개발 경험: 그는 최근 공개한 ChatGPT 클론 'Nanochat'을 개발하며 **코딩 에이전트가 거의 도움이 되지 않았다**고 밝혔습니다. 그 이유는 다음과 같습니다.
- 새로운 코드에 대한 이해 부족: 에이전트는 인터넷에 널리 퍼진 보일러플레이트 코드 생성에는 능하지만, 독창적이거나 새로운 구조의 코드("한 번도 작성된 적 없는 코드")는 이해하지 못합니다.
- 잘못된 패턴 강요: Karpathy가 커스텀 구현을 사용했을 때, 에이전트는 계속해서 일반적인 라이브러리(DDP) 사용을 강요하며 코드를 망가뜨렸습니다.
- 불필요한 복잡성 증가: 방어적인 코딩 스타일(try-catch 남발), 오래된 API 추천 등 코드의 복잡성만 높이는 "쓰레기(slop)"를 생성하는 경우가 많았습니다.
- '오토컴플리트'가 최적점: 현재로서는 인간 개발자가 코드의 구조를 설계하고 특정 위치에서 몇 글자만 입력하면 나머지를 완성해주는 **'오토컴플리트'가 가장 생산성이 높은 방식**이라고 결론 내립니다. 이는 인간의 의도를 지정하는 데 가장 높은 정보 대역폭을 제공합니다.
- Karpathy는 자신의 워크플로우를 1) 핵심 로직은 직접 작성, 2) 반복적인 부분은 오토컴플리트 활용, 3) 보일러플레이트나 익숙하지 않은 언어(e.g., Rust)에만 에이전트를 제한적으로 사용한다고 밝혔습니다. 이는 인간의 의도를 지정하는 데 가장 높은 정보 대역폭을 제공합니다.
- 코딩이 첫 킬러앱인 이유: AI가 유독 코딩 분야에서 강력한 이유는 코딩이 본질적으로 텍스트 기반이고, diff 등 자동화를 위한 인프라가 이미 잘 구축되어 있기 때문입니다. 슬라이드 제작처럼 시각적이고 구조화되지 않은 작업은 훨씬 어렵습니다.

4. AI의 경제적 임팩트: '폭발'이 아닌 '점진적 통합'

- GDP 성장률 2%의 연속: Karpathy는 AI가 인류의 GDP 성장률을 극적으로 끌어올릴 것이라는 '폭발' 가설에 회의적입니다. 그는 컴퓨터, 인터넷과 같은 과거의 혁신적인 기술들도 기존의 연 2% 성장률 곡선에 점진적으로 통합되었을 뿐, 성장률 자체를 급격히 바꾸지 못했다고 지적합니다.
- AI는 컴퓨팅의 연장선: AI 역시 갑작스러운 '특이점'이 아니라, 수백 년간 이어져 온 자동화와 컴퓨팅 기술 발전의 자연스러운 연장선으로 봅니다.
- 이는 AI가 단순한 생산성 도구를 넘어 '노동 자체'를 대체하기에 질적으로 다르다는 반론에 대해, 컴퓨터 역시 정보 처리라는 '노동'을 자동화한 기술이었지만 결과는 동일했다고 반박합니다. 사회에 점진적으로 확산되고 통합되면서 기존 성장 패턴을 유지하는 데 기여할 것이라는 현실적인 전망을 내놓았습니다.

5. 교육의 미래: Eureka와 '초인적 인간'의 비전
- Pre-AGI: 교육은 유용합니다 (돈을 벌기 위해).
- Post-AGI: 교육은 즐거워집니다 (헬스장에 가듯이).
- '지식으로 가는 램프(Ramps to Knowledge)':
- 그의 교육 철학은 복잡한 지식을 가장 단순한 첫 단계(구형 소(Spherical cow) 모델)부터 시작해 점진적으로 오를 수 있는 **'경사로'를 설계하는 것**입니다. (micrograd 예시: 단 100줄의 코드로 모든 신경망 학습의 핵심을 설명)
- 완벽한 튜터 경험: 그의 한국어 과외 경험처럼, 5분 만에 학생 수준을 파악하고 항상 적절한 난이도를 제공하여, **학생 자신이 유일한 병목**이 되게 만드는 것이 목표입니다. 현재 AI 튜터는 이 수준에 한참 미치지 못합니다.
- 투자 시사점:
- 완벽한 AI 튜터의 실용화는 5-10년 후에나 가능할 것입니다.
- 단기적으로는 프리미엄 콘텐츠 + 인간 TA 모델이 유효합니다.
- 직업 변화로 인한 재교육(Re-education) 시장은 거대해질 것이며, 오프라인 교육기관의 중요성도 여전할 것입니다.

https://www.youtube.com/watch?v=lXUZvyajciY

Elad는 오랫동안 쉬운 문제 풀라고 이야기해왔음. 쉬운 문제가 다 풀리고 나면 그 때 어려운 문제 풀 수 있다고.

지금 AI 시장은 기술 혁신 초창기라 '낮게 매달린 과일'이 널렸습니다. 어렵고 복잡한 거 하지 마세요. 멍청해 보일 만큼 쉬운 문제부터 잡으세요. 그걸로 시작해서 해자를 파는 겁니다.

당신 회사는 'Braintree'인가, 'Stripe'인가?

Stripe에 왜 투자해? Braintree가 있는데? -> Braintree는 8억 달러에 팔렸고, Stripe는 1,000억 달러 회사가 됐습니다.

당신 회사, 지금 잘나간다고요? 그래서 그게 Braintree인가요, Stripe인가요?

지금 잘되는 게 5년 후에도 시장 리더라는 보장이 전혀 없습니다. 단기적인 성공(좋은 엑싯)에 만족할 건지, 아니면 시장의 판도를 바꾸는 장기적인 승자가 될 건지 항상 자문해야 합니다.

https://www.youtube.com/watch?v=PdKV3hivwRs

Q: 업계 사람들로부터 경쟁사들이 Ramp에게 고객을 모두 빼앗기고 있다고 불평하는 것을 들었습니다. 고객이 왜 Ramp를 선택하는지 연구했을 때, 가장 흔한 이유는 무엇이었나요?

그것은 바로 비즈니스 제품에 소비재 수준의 사용자 경험을 구축하려는 저희의 집착이었습니다. 이전 세대에 만들어진 많은 비즈니스 제품들을 생각해 보면, 그것들은 본질적으로 의사 결정권자를 위해 만들어졌습니다. 한 사람의 문제를 해결하지만, 회사의 다른 모든 사람에게는 매일 작은 상처를 주는 것과 같았습니다. 저희는 그것을 뒤집고 싶었습니다. 비즈니스 소프트웨어에 인스타그램과 같은 사용자 경험을 적용하고 싶었습니다.

그래서 저는 디자인에 대한 집착이 저희에게 큰 도움이 되었다고 말하고 싶습니다. 모든 상호작용을 세심하게 다듬고, 절대적으로 필요한 질문만 하도록 하며, 미리 채울 수 있는 모든 양식은 미리 채워서 사용자가 할 일을 최소화했습니다. 시간이 지나면서 디자인에 대한 집착은 사람들이 저희 앱에서 보내는 시간을 최소화하려는 집착으로 바뀌었습니다.

Q: 소비재 수준의 경험을 계속해서 가능하게 하는 실제 프로세스는 무엇인가요?

A: 고객과의 모든 상호작용을 계속해서 살펴봅니다. 이메일일 수도 있고, 양식일 수도 있죠. 그리고 스스로에게 묻습니다. "고객에게 묻지 않고 내가 직접 이 질문의 답을 알아낼 방법은 없을까?" 또는 "고객에게 X를 하라고 말하는 대신, 내가 대신 해줄 수는 없을까?" 예를 들어, 사용자에게 결제를 재시도하라고 알리는 오류 메시지 대신, 저희가 직접 재시도할 수 있습니다. 정보를 요청할 때, 이메일로 웹사이트에 가라고 하는 대신, 이메일 안에 정보를 제출할 수 있는 양식을 바로 넣을 수 있습니다. 항상 단계를 건너뛰고 조금 더 빠르게 만들 방법이 있으며, 저희는 본질적으로 항상 그것에 집착합니다.

Q: 이런 방식은 "신성한 불만족(divinely discontent)"이라는 당신의 개인적인 심리에서 비롯된 것 같습니다. 130억 달러 가치 평가를 발표한 날에도 제품의 문제에만 집중했다고 들었습니다. 이런 태도는 어디서 비롯된 건가요?

A: 아마 두 가지 이유가 있을 겁니다. 첫째, 오늘날 Ramp에서 보고 계시는 많은 결과물들은 저희가 6개월에서 1년 전에 문제를 해결하기 위해 쏟은 노력의 결과입니다. 현재 분기의 실적은 몇 달 전에 이미 결정된 것입니다. 그래서 저는 후행 지표를 축하하는 것이 항상 조금 이상하게 느껴집니다. 그것은 사람들이 '모든 것이 놀랍도록 잘 되고 있고, 아무런 문제가 없다'고 느끼게 만들어, 우리가 오늘 해야 할 매우 중요한 일을 위태롭게 할 수 있습니다. 하지만 그건 사실이 아니죠.

둘째, 만약 모든 것이 좋고 정말로 아무런 문제가 없다면, 저는 제가 무엇을 해야 할지 모를 겁니다. '일이 정말로 끝났다면 우리가 여기서 뭘 하고 있는 거지?' 하고 말이죠. 다행인 것은 일은 결코 끝나지 않는다는 겁니다. 제가 미국에서 의료나 교육에 지출되는 금액이 수십 년간 계속 증가하는데도 그에 비례해 결과가 개선되지 않는 차트를 볼 때, 그것이 행정적인 쓸데없는 일에 낭비되고 있다는 것이 매우 분명해 보입니다. Ramp에서는 바로 그런 것들을 줄이기 위해 매우 열심히 노력하고 있습니다.

Q: 이러한 사고방식을 어떻게 회사 문화에 녹여내나요? 한 Ramp 직원이 특정 공급업체가 Ramp의 고객이 되기 전까지는 그들의 제품 구매를 거부했다는 이야기를 들었습니다.

A: Ramp를 시작할 때부터, 저희는 관리자에게 책임을 지는 하향식 문화와는 반대로, 사람들이 서로에게 상호 책임감(mutual accountability)을 갖는 문화를 만들려고 노력했습니다. 사람들은 동료들과 다른 팀들이 자신에게 의존하기 때문에 잘하고 싶어 합니다. 이는 영업팀이 제품에 대해 많이 신경 쓰고, 제품팀이 영업에 대해 많이 신경 쓰며, 마케팅이 재무를 신경 쓰는, 그런 상호적인 문화를 만듭니다. 아마도 그 이야기는 여기서 비롯되었을 겁니다. 우리 모두가 우리 제품을 팔아야 하고, 우리 모두가 고객 경험을 더 좋게 만들어야 합니다.

제가 인터뷰에서 가장 중요하게 생각하는 기준은 이것입니다: '만약 이 사람이 회사를 시작하고 내가 합류할 회사를 찾고 있다면, 나는 그들에게 합류할 것인가? 아니면 그 사람과 함께 회사를 시작할 것인가?' 그것이 유일한 기준입니다. 이는 도전에 직면했을 때 인내하고 어려운 문제를 지속적으로 해결하는 능력에서 나옵니다. 일은 결코 끝나지 않을 겁니다. 바라건대, 우리는 아주아주 오랫동안 함께 그 문제들을 해결하는 것을 즐기게 될 겁니다.

Q: 그 시스템은 실제로 어떻게 작동하며, 어떤 놀라운 점들을 발견했나요?

A: 그 시스템은 원칙에 기반합니다: 빠른 반복 주기, 피드백 루프가 있는 과학적 실험, 그리고 개인의 책임감. 창의적인 아이디어를 낸 사람이 그 아이디어에 대해 책임지며, 위원회에서 결정되지 않습니다. 그리고 저희는 힘을 실어주는 도구를 제공합니다.

Q: 우리의 주의를 끌기 위해 경쟁하는 세상에서, 처음부터 사람들의 관심을 끄는 원칙에 대해 무엇을 배우셨나요?

A: 저희는 다이슨과 유사한 원칙을 적용합니다: 차별화를 위한 차별화를 추구하는 것입니다. 초기에 Ramp의 브랜드 색상을 정할 때, 저희는 컬러 휠을 보았습니다. 모든 금융 앱은 파란색(신뢰)이나 녹색(돈)에 있었습니다. 스냅챗을 제외하고는 노란색에는 아무도 없었습니다. 저희가 노란색을 선택한 주된 이유는 그것이 달랐기 때문입니다. 신뢰를 주지 못할 것이라고 주장할 수도 있었지만, 저희는 다르기로 결정했습니다. 이제, 저는 매우 노란 광고를 보면 사람들이 그것을 Ramp라고 생각한다고 믿습니다. 그것이 바로 브랜드입니다.

Q: 차별화와 극단을 추구하는 그 개념을 채용에는 어떻게 적용하시나요?

A: 저는 10가지 항목을 모두 충족하는 사람보다는 "성장 기울기(slope)와 특정 분야의 뾰족함(spikiness)"을 보고 채용하는 방식을 좋아합니다. 저희는 한 분야에서 극단적인 사람을 찾습니다. 예를 들어, 패리버스에서는 특정하고 매우 어려운 수업에서 뛰어난 성적을 거둔 대학 신입생을 찾았는데, 이는 극도의 재능을 나타내는 신호였습니다. 제가 이력서를 볼 때, 체크리스트를 사용하지 않습니다. 저는 그들이 자신이 뛰어나다고 말하는 한 가지를 찾습니다. 그리고 그 주제에 대해 공부한 후 그들을 인터뷰합니다. 당신이 무언가에 뛰어나다고 말한다면, 저는 당신이 실제로 얼마나 뛰어난지 볼 것입니다. 저는 모든 면에서 평균적인 사람들을 많이 두는 것보다, 각자 명확한 초능력을 가진 "어벤져스"를 회사에 모으는 것에 훨씬 더 관심이 있습니다.

Q: 첫 회사를 시작한 이래로, 리더십과 회사 구축에 대한 당신의 견해는 어떻게 가장 많이 변했나요?

A: 예전에는 도전에 임할 때 끝에는 보상이 있을 것이고 그 보상은 멋질 것이라는 가정 하에 임했습니다. 더 많은 도전을 겪을수록, 보상은 그 여정 자체라는 것을 더 많이 깨닫게 되었습니다. 도전을 해결한 것에 대한 보상은 단지 더 복잡한 도전일 뿐입니다. 그러니 가능한 한 이 도전들을 즐길 수 있는 위치에 자신을 두는 것이 좋습니다. 저에게 있어 그것은 다른 무엇보다도 제가 함께 일하는 사람들과 관련이 있습니다.

https://youtu.be/Rt7_Uk4yVnk?si=taI_xxNAsq9A7qwb

Prediction Market

특정 이벤트의 결과에 대해서 맞았다 틀렸다를 예측해서 예측이 맞으면 상대의 돈을 가져가는 거래소.

트럼프-바이든 선거, 슈퍼볼 등 정치·스포츠 대형 이벤트가 성장 촉매 역할을 함.

Kalshi는 CFTC 라이센스를 취득했고, Polymarket은 CFTC 벌금을 맞은 뒤 미국에서 영업 중단, 프랑스/벨기에/태국/싱가폴에서 서비스 제한되었고 최근에 규제를 준수하는 거래소 인수

이전 정부에서는 CFTC(규제기관)의 소송이나 제재로 인해 활발히 영업을 하기 힘들었으나, 친 크립토적인 정책으로 큰 투자(Kalshi $300m, Polymarket $205m 조달)를 유치하고 관련 규제기관에서 일했던 인사들을 이사회에 합류

Kalshi는 Robinhood, Webull과 같은 Fintech 회사 혹은 Jupiter같은 Defi와 협업하면서 Distribution 채널을 확장하는 중.

이벤트 컨트랙트라는 것이 새로운 자산으로 등장한다면 엄청나게 커질 수도 있는 시장. 이제 막 미국에서 산업을 육성하는중.

스포츠 베팅이랑 뭐가 다르냐며 각 주의 규제기관과 싸우고도 있지만, CFTC연방 규제를 준수하면서 각 주의 겜블링 관련 법을 우회하는 중.

1. 핵심 철학과 사고방식 (Core Philosophy & Mindset)
임무가 최우선이다 (The Mission Comes First): 개인의 감정이나 편의보다 공동의 목표 달성을 최우선 가치로 삼는다.
전쟁에 임하는 태세 (Wired for War): 비즈니스를 치열한 전쟁으로 인식하며, 항상 경쟁에서 이기기 위한 전략적 사고와 공격적인 자세를 유지한다.
제1원칙 사고 (First Principles Thinking): 문제가 발생하면 기존의 관행을 따르지 않고, 문제의 본질(기본 물리 법칙)까지 파고들어 근본적인 해결책을 찾는다.
물리 법칙이 유일한 규칙이다: 물리적으로 불가능하지 않다면, 모든 것은 단지 권장 사항일 뿐이다. 기존의 법, 규제, 관행에 의문을 제기하고 바꿀 수 있다고 믿는다.
기술 발전은 필연적이지 않다: 인류의 진보는 저절로 이루어지는 것이 아니며, 수많은 사람들이 미친 듯이 노력해야만 가능하다. 때로는 후퇴할 수도 있다.
수익의 재투자 (Reinvest the Winnings): 돈 자체를 목적으로 삼지 않는다. 수익은 더 큰 문제를 해결하고 다음 회사를 만드는 데 전부 재투자하기 위한 도구일 뿐이다.

2. 실행 원칙과 속도 (Execution Principles & Speed)
광적인 긴박감이 행동 원칙이다 (A Maniacal Sense of Urgency): 불가능해 보이는 마감 기한을 설정하고, 경쟁사가 따라올 수 없는 속도로 실행하는 것을 기본 원칙으로 삼는다.
후퇴는 선택지가 아니다 (Retreat is Not an Option): 목표 달성을 위해 '배를 불태우는' 심정으로 모든 것을 걸고, 포기라는 선택지를 제거한다.
극단적인(Hardcore) 업무 윤리: '워라밸' 개념을 경시하며, 깨어 있는 모든 시간을 일에 쏟아붓는 자신처럼 팀원들도 최고의 헌신을 보여주길 기대한다. (좋은 태도 = 미친 듯이 열심히 일하려는 욕구)
24시간 주기의 문제 해결 회의: 중요하고 시급한 문제가 발생하면 해결될 때까지 매일 회의를 열어 진행 상황을 점검하고 알고리즘을 적용한다.
패배를 두려워하지 마라: 수많은 실패를 통해 감정적 동요를 줄이고, 더 대담한 리스크를 감수할 수 있는 능력을 기른다.

3. 조직, 리더십, 그리고 사람 (Organization, Leadership, & People)
리더는 최전선에 있어야 한다 (Be a Battlefield General): 리더는 사무실이 아닌 공장 라인, 발사대 등 문제의 현장에 있어야 하며, 나폴레옹처럼 직접 전장을 지휘해야 팀에 동기를 부여할 수 있다.
태도를 보고 채용하라: 기술은 가르칠 수 있지만, 태도를 바꾸는 것은 불가능하다. 광적으로 일하려는 열정과 올바른 태도를 가진 사람을 우선적으로 채용한다.
동료애는 위험하다 (Camaraderie is Dangerous): 지나친 친분은 서로의 작업에 대한 냉정한 비판을 방해하여 임무 수행에 걸림돌이 된다.
반복을 통해 설득하라: 중요한 원칙(특히 '알고리즘')은 고장 난 축음기처럼, 듣는 사람이 짜증을 느낄 정도로 반복해서 말해야 조직 문화에 각인된다.
쇼맨십은 최고의 세일즈다 (Showmanship is Salesmanship): 극적인 시연과 강력한 스토리텔링을 통해 투자자, 고객, 팀원에게 비전을 전달하고 그들을 열광시킨다.

4. 설계와 생산 (Design & Production)
엔지니어가 디자인을 주도한다: 제품 디자인은 디자이너나 기획자가 아닌, 그것을 실제로 구현해야 하는 엔지니어에 의해 주도되어야 한다.
설계, 엔지니어링, 생산을 통합하라: 세 부서를 분리하는 것은 최악의 실수다. 즉각적인 피드백 루프를 위해 모든 팀을 한곳에 모아야 한다. (피드백은 즉각적으로)
문제의 현장으로 가라 (Go to the Problem): 문제가 발생하면 즉시 비행기를 타고 공장의 특정 위치로 가서, 물리적으로 현장에 머무르며 해결될 때까지 떠나지 않는다.
수직 계열화로 통제권을 확보하라 (Vertical Integration): 아웃소싱을 피하고 부품부터 생산까지 모든 것을 내부에서 통제하여 품질, 비용, 속도에 대한 완전한 주도권을 가진다.
비용 통제에 대한 집착 ('바보 지수'): 완제품 비용과 원자재 비용의 차이인 '바보 지수(Idiot Index)'를 끊임없이 계산하여 비효율을 찾아내고 비용을 절감한다.

5. '알고리즘': 삭제와 단순화 (The Algorithm: Deletion & Simplification)
'알고리즘' 5단계를 끊임없이 적용하라:
모든 요구사항에 의문을 제기하라: 모든 요구사항은 일단 틀렸다고 가정하고, 누가 만들었는지 확인 후 집요하게 질문하라.
부품과 프로세스를 삭제하라: 없앨 수 있는 것은 무엇이든 삭제하라.
단순화하고 최적화하라: 삭제한 후에 남은 것들만 단순화하라. 존재하지 말아야 할 것을 최적화하는 실수를 피하라.
사이클 타임을 단축하라: 앞선 단계를 모두 거친 후에 속도를 높여라.
자동화하라: 모든 과정이 최적화된 마지막에 자동화를 도입하라.
최고의 부품은 '없는' 부품이다 (The Best Part is No Part): 가장 완벽한 해결책은 부품이나 프로세스 자체를 없애는 것이다.
삭제하고, 삭제하고, 또 삭제하라: 그의 철학의 정수. 복잡성은 확장의 적이다.
삭제한 것의 10%를 다시 추가하지 않았다면, 충분히 삭제하지 않은 것이다: 삭제가 얼마나 공격적으로 이루어져야 하는지에 대한 구체적인 기준.
한계를 찾아라 (Find the Limit): 얼마나 삭제하고 단순화할 수 있는지 알려면, 실패할 때까지 밀어붙여 그 한계를 직접 확인해야 한다.

https://youtu.be/aStHTTPxlis

Q: 10대에게는 샌프란시스코로 가라고 조언하셨습니다. 20-30대를 위한 조언은 무엇인가요?

A: 최근에는 오히려 "20대라면 샌프란시스코에 가지 말아야 할 수도 있다"고 생각합니다. 샌프란시스코 문화는 기존의 지혜를 타파하고 자신만의 길을 개척하는 '창업가'의 원형(스티브 잡스, 빌 게이츠 등)을 높이 평가합니다. 이는 훌륭한 현상이지만, 세상은 그 외에도 많은 것을 필요로 합니다.

샌프란시스코 문화는 엄청난 깊이의 전문 지식을 쌓는 경력을 장려하지 않는 경향이 있습니다. 예를 들어, 재조합 DNA 기술로 값싼 인슐린을 처음 생산한 제넨텍(Genentech)의 공동 창업자 허브 보이어(Herb Boyer)는 23살에 그 일을 할 수 없었습니다. 그는 수십 년의 경력을 통해 필요한 모든 지식과 기술을 축적해야 했습니다. 샌프란시스코는 사람들에게 허브 보이어가 되라고 격려하지 않습니다.

따라서 20대를 위한 제 조언은 다음과 같습니다: "제가 걸어온 길과 비슷한 창업가의 길도 있지만, 세상의 정말 중요한 많은 발명과 성과는 저와는 매우 다른 궤적을 요구합니다. 그 길을 가는 것도 고려해봐야 합니다." 샌프란시스코는 기업가에게 과도하게 높은 지위를 부여하지만, 그것이 사람들의 유일한 집착이 되어서는 안 됩니다.

Q: 깊이 있는 전문성을 쌓기 위해 실질적으로 어떻게 해야 하나요? 여전히 대학이 정석적인 경로인가요?

A: 분야마다 다릅니다. 예를 들어, 생물학 분야에서 정말 좋은 연구를 하려면, 많은 '실험실 기술(bench skills)'과 방대한 양의 구체적인 지식이 필요합니다. 생명 현상은 물리학처럼 깔끔한 기본 원리로 설계되지 않았고, 진화적이고 우연하며 복잡하기 때문입니다. 따라서 생물학 분야에서 순수한 독학으로 성공한 사례는 거의 없습니다. 최고의 연구실에서 실제로 연구가 어떻게 이루어지는지 직접 경험하는 과정이 필수적입니다.

사람들은 종종 특정 전문가나 조직과 함께 일하면서 '위대함(great)'이 무엇인지 배우고, 그 경험이 자신의 작업 기준을 영구적으로 바꿨다고 말합니다. 따라서 20대에게 추천하는 한 가지 방법은 다음과 같습니다: 관심 있는 분야를 정한 뒤, 그 분야에서 가장 높은 기준이 어디에 구현되어 있는지 알아내고, 그곳에 가서 직접 경험하는 것입니다.

Q: 이러한 도제식 교육에서 구체적으로 무엇을 배울 수 있나요?

A: 과학자들의 3대에 걸친 멘토십을 다룬 『천재의 견습생(Apprentice to Genius)』이라는 책에 따르면, 멘토로부터 배우는 핵심적인 것들은 다음과 같습니다.

문제 선택(Problem Selection): 과학에서 가장 중요하고 미묘한 질문 중 하나는 '무엇을 연구할 것인가'입니다. 성공했을 때 중요할 만큼 충분히 어렵지만, 진전이 불가능할 정도로 복잡해서는 안 되는 문제를 선택하는 방법을 배웁니다.

높은 기준(High Standards): '위대한 결과물'이 실제로 어떤 모습인지 직접 보고 경험하며 자신의 기준을 재설정하게 됩니다.

Part 2: 과학 발전 연구 (Progress Studies)와 제도

Q: 아이디어 발견이 점점 어려워지는 상황에서, NIH(미국 국립보건원) 같은 기관을 10% 개선하는 것이 정말로 큰 차이를 만들까요? 과학 발전은 단순히 연구자 수에 비례하는 것 아닌가요?

A: 저는 '자금만능주의(moneyism)'에 회의적입니다. 즉, 특정 결과(예: 반도체 공장 건설)에 대한 투입(자금)과 산출 사이에 일정한 탄력성이 있다고 가정하는 것에 반대합니다. 투입 대비 산출의 전환율은 우주의 상수가 아닙니다. 더 중요한 것은 자금 외에 허가, 노동력 부족 등 다른 제약 조건이 있을 수 있다는 점입니다.

제2차 세계대전 이전의 미국에는 이후보다 약 1%의 과학자만 있었지만, 세기의 전반부에 우리는 상당히 좋은 결과물들을 많이 얻었습니다. R&D 지출을 100배 이상 늘렸음에도 불구하고 지출과 산출 사이에 직접적인 선형 관계가 있는지는 불분명합니다.

Q: 그렇다면 과학 발전을 어떻게 분석해야 할까요?

A: 더 구체적이고 실질적인 질문을 던져야 합니다. 예를 들어, 저희가 운영했던 '패스트 그랜츠(Fast Grants)' 수혜자들에게 설문조사를 한 결과, 5명 중 4명(79%)이 자금 사용에 유연성이 주어진다면 자신의 연구 의제를 '많이' 바꿀 것이라고 답했습니다.

이는 "NIH 예산을 X 또는 1.1X로 해야 하는가?"라는 질문보다 "NIH 연구비 수혜자가 연구 의제를 선택하는 데 얼마나 많은 자율성을 가져야 하는가?"라는 질문이 훨씬 더 중요할 수 있음을 시사합니다. 이 구조적 변화 하나만으로 5배의 개선을 이끌어낼 수도 있습니다.

Q: 하지만 이런 생산성 둔화는 과학계뿐만 아니라 모든 분야에서 나타나는 현상입니다. 이것이 사회의 자연스러운 발전 과정이라면, 구조적 변화가 얼마나 효과가 있을까요?

A: 솔직히 말해 "잘 모르겠습니다". 이는 정말 어려운 문제입니다. 한 가지 가능한 설명은 우리가 '비생산적인 역량(unproductive capacity)'을 기하급수적으로 늘리고 있기 때문일 수 있습니다. 새롭게 추가되는 인력, 자원, 조직이 시스템 전체의 효율을 떨어뜨린다면, 투입이 늘어도 산출이 정체되는 현상을 설명할 수 있습니다. 예를 들어 NASA의 예산 궤적과 스페이스X의 성과를 비교해보면, 투입과 효율이 항상 정비례하지는 않는다는 것을 알 수 있습니다.

Q: 만약 근본적인 제약이 존 폰 노이만 같은 천재의 수가 한정되어 있다는 것이라면 어떨까요?

A: 그것이 사실이라면 할 수 있는 것이 많지 않겠죠. 하지만 저는 그보다는 문화적, 사회학적 요인이 더 크다고 봅니다. 거티(Gerty)와 칼 코리(Carl Cori) 부부의 연구실에서는 6명의 노벨상 수상자가 배출되었습니다. 그들이 매년 최고의 천재만 선발한 것이 아니라, 효과적으로 작동하는 조직 구조와 문화적 관행을 찾아냈기 때문입니다. 이러한 것들은 원칙적으로 복제 가능성이 더 높습니다.

Part 3: 아크 인스티튜트(Arc Institute)와 바이오테크

Q: 생명과학 연구는 이미 많은 지원을 받고 있는데, 아크 인스티튜트의 차별점은 무엇인가요?

A: 문제는 자금의 양이 아니라, 생명의학 연구가 추구되는 방식의 동질성(homogeneity)입니다. 현재 표준 모델은 대학의 연구 책임자(PI)가 NIH에 프로젝트 기반으로 연구비를 신청하는 구조입니다. 이 구조는 최적이 아닐 수 있습니다.

아크 인스티튜트는 다른 모델을 실험합니다.

호기심 기반 연구: 특정 프로젝트가 아닌, 과학자 자신에게 자금을 지원하여 그들이 원하는 연구를 자유롭게 추구하도록 합니다.

중앙 집중식 인프라: 과학자들이 각자 인프라를 구축할 필요 없이, 아크가 제공하는 플랫폼과 역량을 활용하여 더 야심 찬 연구를 할 수 있도록 셔포트합니다.

대안적 경력 경로: PI가 되고 싶지 않은 과학자들이 연구직에 계속 머물 수 있는 경력 경로를 제공합니다. 최근 발표된 '브릿지 편집(bridge editing)' 기술은 PI가 아닌 선임 과학자가 주도한 연구였습니다.

Q: 유전자 편집 기술의 발전이 10~20년 후 어떤 미래로 이어질 것으로 기대하시나요?

A: 유전자 편집 기술(CRISPR 등)은 직접적인 치료법 개발 외에도, 세포의 작동 원리를 이해하는 **새로운 종류의 '망원경'**으로 사용될 수 있다는 점이 매우 흥미롭습니다.

20,000개의 유전자를 체계적으로 하나씩 건드려보면서(perturb) 그 효과를 관찰하고, 이를 통해 질병의 근본적인 경로를 파악할 수 있습니다.

특히 알츠하이머, 대부분의 자가면역질환 및 암과 같은 '복합 질환(complex diseases)'의 유전적 요인을 밝히는 데 큰 도움이 될 것입니다. 유전적 상호작용을 이해하면 질병의 발생 원리를 파악하고, 이를 바탕으로 전통적인 방식으로 치료법을 개발할 수 있습니다.

Q: AI 에이전트가 서로 거래하게 될 때, 이를 위한 금융 인프라는 어떤 모습일까요?

A: 이미 클라우드 서비스의 사용량 기반 과금처럼 원시적인 형태의 자율 거래는 존재합니다. 앞으로 LLM이 이런 결정을 내리게 되면서 점진적으로 자율성이 커질 것입니다. 법적으로 봇의 책임 소재, 거래 속도(초당 수십억 건 vs. 하루 한 건), 결제 방식(실시간 vs. 월별 정산) 등 흥미로운 질문들이 생겨날 것입니다.

어쩌면 KYC/AML(고객확인/자금세탁방지) 규제에서 사실상 면제된 암호화폐가 여기서 어떤 역할을 할 수도 있습니다.

Q: 스트라이프는 얼마나 더 일찍 만들어질 수 있었을까요? 왜 기존 결제 회사들은 스트라이프 같은 것을 만들지 못했나요?

A: 페이팔도 일종의 스트라이프였으니 수십 년 전에도 가능했을 수 있습니다. 하지만 스트라이프는 앱스토어, 온디맨드 경제, YC 이후의 스타트업 붐 같은 특정한 시대적 순풍의 혜택을 받았습니다.
왜 기존 회사들이 못했는가에 대한 제 일반적인 견해는 **"대부분의 제품과 비즈니스는 훨씬 더 잘 만들어질 수 있다"**는 것입니다. 해자(Moat)는 일반적으로 과대평가됩니다. 결제 산업은 네트워크 효과, 사기 방지 데이터, 규제 장벽 등 방어적 요소가 많아 보였지만, 스트라이프뿐만 아니라 수많은 핀테크 기업이 등장했습니다. 이는 결국 인재를 조직하려는 동기, 아이디어, 의지 같은 사회문화적 요인에 달려있습니다.

Q: 그렇다면 스트라이프의 해자는 무엇인가요?

A: 스트라이프의 해자가 있다면, 그것은 조직적이고 문화적인 해자입니다.

도메인에 대한 깊은 이해를 가지고 있습니다.
문제를 해결하는 데 진정으로 신경 쓰는 사람들이 모여 있습니다.
우리가 중요한 것을 놓치고 있을지 모른다는 끊임없는 편집증을 가지고 있습니다.

대부분의 조직은 시간이 지나면서 창립 목표와 리더의 인센티브가 어긋나게 되지만(콘퀘스트의 제3법칙), 스트라이프의 사람들은 우리가 해결하려는 문제에 대해 진정으로 신경 씁니다.

Q: 수십, 수백 년간 원래의 사명과 역량을 유지한 기관의 예가 있나요?

A: 덴마크의 노보 노디스크, 머스크, 레고 같은 기업들은 비영리 재단이 소유하고 있습니다. 이 재단들은 법적 구속력이 있는 정관에 사명을 명시합니다(예: 노보 노디스크는 인슐린을 저렴하게 공급하고 이익을 R&D에 재투자해야 함). 이것이 그들이 GLP-1 같은 놀라운 발견을 한 것과 인과관계가 있을 수 있습니다.

Q: 장인정신(Craft)과 아름다움은 속도 및 규모와 상충되지 않나요?

A: 종종 상충되지만, 가장 성공적인 기업들(LVMH, 테슬라, 애플, TSMC)은 장인정신과 아름다움을 실현하는 능력으로 구별됩니다. 이러한 미학적 품질은 정량화하기 어렵지만 사람들에게 큰 영향을 미칩니다. 최고의 인재들은 스스로를 장인으로 여기며 최고의 동료들과 일하고 싶어 합니다. 따라서 설령 고객이 장인정신을 가치 있게 여기지 않더라도, 최고의 인재를 모으기 위해 장인정신에 집중해야 합니다. 다행히 고객들도 실제로는 이를 가치 있게 여깁니다.

Q: 인터페이스와 구현 중 어느 쪽의 아름다움이 더 중요한가요?

A: 저희는 그 둘을 구분하지 않습니다. 스트라이프의 인터페이스는 곧 아키텍처라고 생각합니다. 저는 스트라이프를 매스매티카(Mathematica)와 비슷하게 봅니다. 즉, 사용자가 자신의 관심사를 모델링할 수 있는 독립적인 세계(primitives, interfaces, tools)를 제공하는 것입니다. 이 관점에서 아키텍처와 인터페이스는 분리될 수 없습니다.

Q: 훌륭한 API 아키텍처는 수십 년간 지속됩니다. 이것이 API 설계에 어떤 의미를 갖나요?

A: 좋은 예로, iOS 개발 객체들은 오랫동안 90년대 넥스트스텝(NeXTSTEP) 시절의 'NS' 접두사를 사용했습니다. 유닉스 아키텍처는 반세기가 넘도록 작동하고 있습니다. 이처럼 잘 설계된 아키텍처는 주변의 모든 것이 미친 듯이 진화하는 와중에도 수십 년간 지속될 수 있습니다.

따라서 저희는 새로운 것을 도입할 때 "이것이 2044년에도 유효할까?"라고 자문합니다. 이는 API 설계의 판돈을 엄청나게 높입니다.

Part 6: 스트라이프의 금융 인프라, 문화, 그리고 미래

Q: 비자(Visa)나 마스터카드 같은 기존 카드 네트워크는 어떻게 평가하시나요?

A: 오늘날의 기준으로 쉽게 판단해서는 안 됩니다. 그들은 원래 상점 크레딧을 대체했고, 제트기 여행 시대에는 여행자 수표를 대체했으며, 인터넷 시대에는 온라인 거래를 가능하게 했습니다. 이 모든 것을 포용할 수 있었던 그들의 핵심 아키텍처는 정말 인상적입니다. 인터체인지(Interchange) 수수료 역시 카드 발급과 고객 유치를 위한 유통 인센티브 비용으로 기능하며 생태계를 만들었습니다. 카드 네트워크가 발달하지 않은 독일이나 중국의 사례를 보면, 그들이 만든 시스템에 감사함을 느끼게 됩니다.

Q: 지금 처음부터 결제 시스템을 설계한다면, 거래 수수료는 2~3% 수준이 될까요?

A: 브라질의 PIX, 인도의 UPI처럼 중앙은행이 주도하는 새로운 결제 시스템들이 등장하고 있습니다. 하지만 소비자 보호, 사기 방지, 신용 제공 등의 기능을 모두 포함하면, 비용은 결국 2~3% 근처로 수렴하는 경향이 있습니다. 이 비용의 상당 부분은 소비자에게 리워드로 돌아가기도 합니다. 이 수준이 엄청나게 비효율적이라는 증거는 아직 보지 못했습니다.

Q: 결제 처리 외에 미래에 중요해질 보완적인 서비스는 무엇이라고 생각하시나요?

A: 저희의 핵심 문제, 즉 '글로벌 프로그래머블 머니 오케스트레이션(global programmable money orchestration)' 자체가 여전히 거대하고 미해결된 과제입니다. 이는 소비자-기업 간 결제뿐만 아니라, 기업 간 결제, 신용/대출, 환전, 여러 법인에 걸친 자금 관리 등을 모두 포함합니다. 특히 미국이 아닌 알바니아 같은 시장에서는 우리의 역할이 더욱 중요해집니다.
저희의 전략은 고립된 금융 섬을 만드는 것이 아니라, 기존의 모든 시스템과 레일에 연결되는 **'금융 항공 네트워크'**를 구축하는 것입니다.

Q: 스트라이프의 '글쓰기 문화'는 누구를 위한 것인가요? 작성자 아니면 독자?

A: 둘 다입니다. 독자에게는 효율적이고 시대를 초월한 정보 전달 수단이 되며, 작성자에게는 자신의 생각을 정리하는 중요한 도구입니다. 텍스트 문화는 구술 문화와 근본적으로 다릅니다. 지식을 더 견고하게 만들어 이론과 현실의 불일치를 발견하기 쉽게 합니다. 이는 자전거의 앞바퀴와 뒷바퀴처럼 둘 다 필수적입니다.

Q: 연간 1조 달러(전 세계 GDP의 1%)를 처리하는 시스템의 안정성과 속도를 어떻게 동시에 유지하나요?

A: 이는 저희가 가장 많은 시간을 투자한 문제입니다. 핵심은 **'프로세스와 운영 탁월성(operational excellence)'**에 대한 문화적 가치를 두는 것입니다.

배포: 핵심 결제 흐름에 있는 서비스를 하루에 약 1,000번 배포합니다.
안정성: 99.9995%(5.5 나인) 이상의 신뢰도를 유지합니다. 이는 연간 약 2.5분의 다운타임에 해당합니다.
철학: 우리가 추구하는 목표(최고의 소프트웨어 구축)를 진지하게 받아들이고, 이를 측정하고, 시스템을 개선하고, 문제를 사전에 감지하는 통제 장치를 구축하는 과정을 끊임없이 반복합니다. 이는 1930년대 생산 엔지니어링의 원리와 다르지 않지만, 끈질기게 적용하는 것이 핵심입니다.

Q: 스트라이프의 미래 성장은 어디에서 올까요? 인터넷 경제의 확장인가요, 아니면 점유율 확대인가요?

A: 스트라이프 고객들의 총합은 인터넷 경제 전체보다 빠르게 성장하고 있습니다. 언젠가는 수렴하겠지만, 아직은 성장 여력이 많습니다. 우리는 아직도 사업 시스템의 메타 시스템을 최적화하지 못했습니다. 기업 활동의 대부분이 비효율적인 아날로그 상태에 머물러 있으며, 이를 디지털화하고 최적화할 기회는 무궁무진합니다. "왜 멕시코에는 판매하지 않나요?"와 같은 아주 기본적인 질문을 던지는 것만으로도 엄청난 성장의 기회를 발견할 수 있습니다.

Q: 스타트업 지원은 명분이 있지만, 아마존 같은 대기업을 돕는 것은 왜 중요한가요?

A: 사람들은 혁신이 스타트업에서만 나온다고 생각하는 경향이 있지만, 기존 대기업에서 나오는 혁신의 총량은 매우 큽니다. 터빈 기술, 반도체 공정, 단열재 기술 등의 발전은 대부분 기존 기업에서 나옵니다. 대기업은 종종 더 나은 임금과 더 많은 소비자 잉여를 창출합니다.

스트라이프가 대기업과 협력하는 경우는, 그들이 기존 사업을 단순히 이전하는 것이 아니라, 새로운 사업을 시작하거나 기존 제품을 새로운 시장이나 방식으로 제공하려는 혁신과 관련된 경우가 대부분입니다. 이는 결국 경제 전체에 새로운 가치를 제공하는 일입니다.

Q: 스트라이프의 기업 문화는 무엇이며, 무엇을 적극적으로 추구하시나요?

A: 스트라이프의 문화는 계속 진화하지만, 현재 저희가 중요하게 여기는 가치는 세 가지입니다.
사고의 엄격함과 명확성 (Rigor and Clarity of Thought): 저희는 조직의 화합보다 '정확성(correctness)'을 우선시합니다. 틀리는 것을 두려워하지 않고, 기존의 통념에 도전하며 진실을 추구하는 사람을 찾습니다.

결단력과 경쟁심 (Determination and Competitiveness): 스타트업의 기본값은 '실패'입니다. 따라서 실패라는 예상된 궤적에 맞서 싸우는 것을 넘어, 그 과정 자체를 즐기고 도전으로 여기는 의지 강한 사람들을 원합니다.

따뜻함과 타인에 대한 배려 (Interpersonal Warmth): 우리는 함께 시간을 보내는 것이 즐거운 사람들을 찾으려고 노력합니다. 주변 사람들을 더 나은 사람으로 만들고 싶어 하는 따뜻한 마음을 가진 사람들과 함께 일하고 싶습니다.

Q: 스트라이프 초창기 시절의 어려움과 그로부터 배운 교훈은 무엇인가요?

A: 합리적인 분석으로 보면 스트라이프는 나쁜 아이디어였습니다. 시장은 포화 상태였고, 규제 장벽이 높았으며, 저희는 경험 없는 젊은 외국인이었습니다. 많은 사람이 실패할 것이라고 조언했습니다.

하지만 저희가 확신을 가졌던 이유는, 개발자를 위한 쉽고 직관적인 결제 인프라가 존재하지 않는다는 사실 자체가 너무 이상했기 때문입니다. 몇 달간의 조사 끝에, 소비자 은행업과 달리 이 문제를 가로막는 근본적인 장벽이 없다고 판단했습니다.

초기 프로토타입을 만들어 친구 몇몇이 사용하게 했는데, 결정적인 깨달음은 저희가 느낀 문제가 소규모 개발자뿐만 아니라 수억, 수십억 달러 매출을 올리는 대기업들도 똑같이 겪고 있다는 것이었습니다. 작은 기회의 연못이 사실은 거대한 바다임을 깨달은 순간, 저희는 대학을 중퇴하고 본격적으로 사업에 뛰어들기로 결심했습니다.

Q: 2명에서 1,000명으로 회사를 성장시키면서 무엇을 배우셨나요?

A: 회사 성장은 한편으로는 간단하고 다른 한편으로는 극도로 어렵습니다.

간단한 이유: 문제점을 파악하는 것은 보통 어렵지 않으며, 해결책도 선례가 있는 경우가 많습니다.

어려운 이유:
문제 발생 속도 제어 불가: 마치 디펜스 게임처럼, 문제 해결 속도보다 문제 발생 속도가 더 빠를 때가 많습니다.

정서적 어려움: 조직의 모든 층위에서 끊임없이 문제가 발생하는 상황은 심리적으로 감당하기 어렵습니다.

불확실성 속에서의 결정: 정보를 더 수집하면 불확실성을 줄일 수 있지만, 시간적 제약 때문에 불완전한 정보로 중요한 결정을 내려야 하는 상황이 반복됩니다.

탐험과 활용의 균형: 기존 시스템을 최적화하는 것(exploitation)과 완전히 새로운 것을 탐색하는 것(exploration) 사이의 균형을 맞추는 것이 매우 어렵습니다.
개인적 성장: 회사의 성장 속도에 맞춰 리더로서 필요한 역량을 빠르게 습득해야 하는 압박감이 있습니다.

Part 4: 스트라이프의 의사결정 방식과 조직 운영 철학

Q: 전문화(한 가지에 집중)와 다각화(여러 가지 시도) 사이에서 어떻게 균형을 맞추시나요?
A: 저희는 대략 70~80%의 노력을 기존 시스템을 최적화하는 데 투자하고, 나머지 20%를 더 투기적인 프로젝트에 할당합니다. 기존 시스템을 최적화하지 않으면 회사는 생존할 수 없기 때문입니다. 진짜 질문은 '투기적인 프로젝트에 0%를 쓸 것인가, 20%를 쓸 것인가'입니다. 회사가 성장하면서, 저희는 팀별로 이 비율을 다르게 적용하여 탐험이 더 필요한 팀과 최적화가 더 중요한 팀을 구분하는 방식으로 진화하고 있습니다.

Q: 어떤 투기적인 프로젝트를 선택하는지 어떻게 결정하시나요?
A: 하나의 기준으로 결정하지 않습니다. 마치 투자처럼, 시장, 창업가, 아이디어 등 여러 차원을 종합적으로 고려하여 '좋은 베팅(good bet)'으로 보이는 것을 선택합니다. 예를 들어, 전 세계 창업가들의 법인 설립을 돕는 '아틀라스(Atlas)' 서비스는 실패하더라도 스트라이프에 큰 손실을 주지 않고, 성공 시 큰 수익을 기대할 수 있으며, 그 과정에서 배우는 것들이 다른 사업에도 도움이 될 것이라고 판단했습니다.

Q: 회사가 커지면서 위험 회피 성향이 강해질 텐데, 어떻게 계속해서 큰 베팅을 할 수 있나요?
A: 중요한 것은 '치명적인 하방 리스크(fatal downside)'가 없는 베팅을 할 수 있는 구조를 만드는 것입니다. 조직이 새로운 베팅을 꺼리는 이유는 비용 문제보다는, 기존 시스템을 최적화하는 사고방식과 새로운 것을 탐험하는 사고방식 사이의 근본적인 차이와 같은 사회학적, 제도적 요인이 더 큽니다. 따라서 도전 과제는 이 두 가지 상충하는 문화를 어떻게 조직 내에서 조화롭게 공존시킬 것인가입니다.

Q: '사려 깊은 의견 불일치(thoughtful disagreement)'라는 개념을 어떻게 받아들이게 되셨나요?
A: 여러 요인이 있겠지만, 의견 충돌을 개인적인 공격으로 받아들이지 않는 아일랜드의 문화적 배경과, 스트라이프 초기 멤버들이 공유했던 성향 덕분인 것 같습니다. 저희는 어떤 주장의 한계와 예외를 찾는 과정을 즐기는 사람들입니다. 모든 주장에는 예외가 있다는 것을 인정하고, 자신이 틀렸을 수 있다는 가능성을 열어두는 것이 더 엄밀하고 명확한 사고로 이어진다고 믿습니다.

Q: 5년 전과 비교했을 때, 의사결정 방식에서 가장 크게 달라진 점은 무엇인가요?
A: 네 가지 큰 차이가 있습니다.

결정 속도의 가치 부여: 정확도를 조금 희생하더라도 더 많은 결정을 더 빨리 내리는 것이 종종 더 낫습니다.

결정의 종류 구분: 되돌릴 수 있는 정도(reversibility)와 영향의 크기(magnitude)에 따라 결정의 무게를 다르게 둡니다. 되돌리기 어렵고 영향이 큰 결정에만 신중을 기하고, 나머지는 신속하게 처리합니다.

더 적은 결정 내리기: 제가 직접 결정을 내리기보다, 다른 사람들이 결정을 내리도록 권한을 위임합니다. 제가 결정을 내려야 하는 상황 자체가 조직의 다른 문제가 있다는 신호일 수 있습니다.

모델의 차이 파악: 다른 사람과 의견이 다를 때, 결정 자체보다 '왜 우리는 다른 결정을 원하는가', 즉 우리 생각의 바탕이 되는 모델의 차이가 무엇인지를 파고듭니다.

Q: 미래의 온라인 결제는 고객과 판매자 관점에서 어떻게 변할 것으로 예상하시나요?

A: 두 가지 차원에서 변화가 있을 것입니다.

기계적 마찰 제거: 여전히 존재하는 결제 마찰을 제거하는 것만으로도 엄청난 변화가 일어날 것입니다. 예를 들어, 소액 결제가 쉬워지면 새로운 비즈니스 모델이 등장할 것이고, 국가 간 결제 장벽이 사라지면 진정한 글로벌 상거래가 가능해질 것입니다. 브라질 신용카드의 90% 이상이 해외에서 작동하지 않는 현실은 우리가 아직 갈 길이 멀다는 것을 보여줍니다.

경제 시스템의 근본적 변화: 저희는 결제라는 기초 인프라를 통해, '세상에 몇 개의 회사가 존재하는가', '그 회사들의 성장률은 어떻게 결정되는가'와 같은 거시적인 변수 자체에 영향을 미치고 싶습니다. 아틀라스 창업자의 60%가 "아틀라스가 없었다면 창업하지 않았을 것"이라고 답한 것처럼, 우리는 인터넷 GDP의 총량을 늘리는 데 기여하고 싶습니다.

Q: 모든 마찰을 줄이는 것이 항상 좋은 것인가요? 시스템을 보호하는 긍정적인 마찰도 있지 않을까요?

A: 시스템의 버그처럼 보이는 많은 것들이, 사실 특정 집단에게는 이익이 되는 '기능(feature)'입니다. 문제는 그들의 이익이 사회 전체의 손실보다 훨씬 작을 때 발생합니다. 예를 들어, 미국에서 새로운 은행 허가가 거의 나지 않는 것은 기존 은행과 규제 당국에는 큰 이익이지만, 소비자에게는 더 나은 서비스의 등장을 막는 장벽이 됩니다.

Q: 성공이 자기 파괴의 씨앗을 뿌린다는 말이 있습니다. 현재 실리콘밸리가 그런 모습을 보이고 있나요?

A: 그렇습니다. 특히 문화와 주택 비용에서 그렇습니다. 실리콘밸리는 엄청난 부를 창출했지만, 그 이익이 토지 소유주에게 집중되면서 주택 가격이 폭등했습니다. 이로 인해 새로운 인재들이 유입되기 어려워졌고, 기술 산업에 종사하지 않는 기존 주민들은 밖으로 밀려나고 있습니다. 이는 도쿄처럼 주택 공급을 늘려 가격을 안정시킨 도시들과 대조적입니다.

이러한 문제는 실리콘밸리의 미래 잠재력을 질식시키고 있으며, 이는 실리콘밸리뿐만 아니라 사회 전체의 손실입니다.

https://youtu.be/8MuNDps3m6A?si=WxGPDZyicjjGfXTr

Q: 프로그래밍 패러다임이 지난 20년간 크게 변하지 않은 이유는 무엇이라고 생각하시나요?

A: 프로그래밍 언어는 뇌의 신경망과 기존 코드베이스라는 두 가지 측면에서 강력한 고착 효과(lock-in)를 가집니다. 사람들은 새로운 언어를 배우는 것을 꺼리고, 기존의 방대한 코드를 유지해야 합니다. 하지만 AI 프로그래밍이 발전하면서, 기존 코드베이스의 무게를 줄여주고, 마치 새 코드베이스에서 작업하는 것처럼 가볍고 수월하게 만들어 줄 수 있을 것이라는 희망이 있습니다.

Q: 프로그래밍의 아이디어가 인간 조직을 '프로그래밍'하는 데, 즉 여러 사람이 함께 소프트웨어를 만드는 데 도움이 될 수 있을까요?

A: API와 데이터 모델을 정말 진지하게 다루는 것이 중요합니다. 만약 스트라이프를 처음부터 다시 만든다면, API와 데이터 모델 설계에 훨씬 더 많은 시간을 투자할 것입니다. 콘웨이의 법칙(Conway's law)처럼, 이 둘은 조직의 구조와 소통 방식을 형성할 뿐만 아니라, 비즈니스 전략과 결과에도 지대한 영향을 미칩니다.

예를 들어, iOS 앱 생태계가 안드로이드보다 더 활기찼던 이유 중 상당 부분은 초기에 더 나은 프레임워크와 추상화(API)를 제공했기 때문입니다. 잘 설계된 API는 수십 년간 지속될 수 있으며, 이는 스트라이프가 15년 전의 설계를 여전히 사용하고 있는 이유이기도 합니다.

Q: 스트라이프의 '빅뱅' 순간에 내려진, 현재까지 영향을 미치는 중요한 초기 기술 결정은 무엇이었나요?

A: 초기에 MongoDB와 루비(Ruby)를 선택한 것이 그렇습니다. SQL의 관계형 모델보다 객체 기반 데이터 스토어가 애플리케이션의 도메인과 더 잘 맞는다고 생각했습니다. 이 결정 덕분에 우리는 이 기술들을 안정적으로 운영하기 위해 엄청난 양의 인프라를 직접 구축해야 했지만, 결과적으로 작년에 99.99986%라는 업계 최고 수준의 API 가용성을 달성할 수 있었습니다. 루비의 경우, 성능이 중요한 일부 핵심 서비스는 자바(Java)로 재작성하여 현재는 두 언어를 함께 사용하고 있습니다.

Q: 스트라이프를 다시 쓰는 '스트라이프 2' 프로젝트에서 얻은 교훈은 무엇인가요?

A: 아직 진행 중이라 "판단하기엔 너무 이르다"고 말하고 싶지만, 몇 가지 교훈이 있습니다.

통합할 수 있는 모든 것을 통합하라. (예: 고객, 하위 계정, 수취인 등 분리된 개념들을 하나의 엔티티로 통합)

N:M 관계를 지원하라. 지금은 불필요해 보여도, 미래에는 반드시 N:M 관계가 필요해지는 순간이 온다.

단일 책임자를 두어라. API 전체를 이해하고 책임지는 단 한 사람이 필요하다.

고객 피드백과 실제 통합 코드 작성을 통해 검증하라. 이론적으로 완벽해 보이는 API도 실제 사용 시에는 비효율적이거나 불편할 수 있다.

Q: 패트릭 콜리슨 개인은 AI를 어떻게 사용하시나요?

A: 주로 사실적이거나 경험적인 질문에 대한 답을 얻기 위해 LLM 채팅 도구를 많이 사용합니다. 글쓰기에는 그다지 사용하지 않는데, 모델이 생성하는 글이 너무 일반적(generic)이고 제 개인적인 스타일과 맞지 않기 때문입니다. 코드를 작성할 때는 커서(Cursor)를 통해 LLM을 활용합니다.

Q: AI 시대에 '진보 연구(Progress Studies)'는 여전히 필요한가요?

A: 오히려 그 필요성이 더 커졌다고 생각합니다. AI가 모든 문제를 마법처럼 해결해 줄 것이라는 낙관론과 달리, 우리는 이 기술을 '어떻게' 사용할지에 대한 중요한 판단을 내려야 합니다. 과거에는 미래가 어느 정도 예측 가능한 궤도 위에 있었지만, 지금은 지정학적 변화, 가치의 충돌, 그리고 AI와 같은 기술 발전으로 인해 미래의 '가능성 창(window of contemplatable futures)'이 극도로 넓어졌습니다. 따라서 우리가 어떤 진보를 추구할지에 대한 질문이 더욱 중요해졌습니다.

Q: AI가 경제 생산성 지표에 나타나고 있나요?

A: 아직 명확한 증거는 보이지 않습니다. 최근 한 논문은 LLM 사용과 생산성 향상 사이에 유의미한 관계를 발견하지 못했다고 주장했습니다. 지난 2년간 미국의 GDP 성장은 예상보다 좋았지만, 전 세계적으로 가속화된 성장세는 보이지 않습니다. 기술이 경제 전반에 확산되는 데는 상당한 시간과 복잡성이 수반되는 것 같습니다. 앤트로픽(Anthropic)의 공동 창업자 잭 클락도 AI가 GDP 성장률을 연간 0.5% 포인트 정도 높일 것으로 예측했는데, 이는 상당한 수치지만 '기하급수적 도약'과는 거리가 있습니다.

Q: 인간의 생물학을 프로그래밍하는 것은 언제쯤 가능할까요?

A: 우리는 지금까지 암, 자가면역질환, 신경퇴행성 질환 같은 복합 질환(complex disease)을 한 번도 정복하지 못했습니다. 이는 질병의 복잡성을 이해하기 위한 실험적, 인식론적 기술이 부족했기 때문일 수 있습니다.

하지만 최근 10년간 생물학 분야에서 읽기(시퀀싱 기술), 생각하기(딥러닝), 쓰기(유전자 편집 기술)라는 세 가지 혁신적인 기술이 등장했습니다. 이 세 가지를 결합하면 개별 세포 수준에서 새로운 종류의 '튜링 루프(Turing loop)'를 만들어, 복합 질환의 역학을 체계적으로 이해하고 해결할 수 있을 것이라는 희망을 품고 있습니다.

Q: AI로 인해 프로그래밍이 자동화되면, 누가 예상치 못한 수혜자가 될까요?

A: 확신 있는 답은 없지만, 다양한 이론이 있습니다. 제한된 부동산 같은 실물 자산, 유명인의 음악 카탈로그 같은 지위재(positional goods), 또는 AI 시스템의 핵심 원료(구리 등)가 가치를 얻을 수 있습니다. 하지만 지난 몇 년간의 예측이 얼마나 빗나갔는지를 보면, 미래는 기술의 구체적인 발전 경로에 따라 매우 유동적일 것입니다.

Q: 커서(Cursor)가 스트라이프를 위해 무엇을 더 만들어주길 바라나요?

A: 세 가지를 제안하고 싶습니다.

런타임 특성 통합: 코드에 대한 실시간 성능 정보를 IDE에서 바로 볼 수 있으면 좋겠습니다.

리팩토링 및 미화: AI가 코드베이스를 자동으로 정리하고 개선하여 미래의 변경 비용을 줄여주길 바랍니다.

장인정신과 아름다움: 단순히 더 많은 코드가 아니라, '최고의 소프트웨어'를 만드는 데 도움이 되는 방향으로 발전했으면 좋겠습니다.

https://youtu.be/motX94ztOzo?si=2gJ7kM7grh7R9-xb

배경: 모든 것은 토큰으로 통한다

- 편지 작성 과정 자체가 기계(AI)와의 대화로 시작되었습니다. 과거에는 동료나 창업자에게 물었을 법한 질문들을 이제는 기계에게 묻고, 더 빠르고 나은 답변을 얻습니다.
- IQ 150 이상의 지능을 가진 AI는 오직 '토큰'을 원합니다. 우리가 더 많은 컨텍스트(질문, 우선순위, 과거 작업 등)를 담은 토큰을 제공할수록, AI는 더 정교한 아이디어와 콘텐츠를 제공하며 더 많은 토큰을 요구합니다.
- 향후 10년간 거의 모든 기업은 '토큰'을 어떻게 생성, 변환, 저장, 배포하는지에 따라 정의될 것입니다. 모든 비즈니스는 돈, 지식, 권력을 변혁시킬 디지털 엔진인 '토큰 팩토리(Token Factories)'의 공급자, 구축자, 또는 운영자가 될 것입니다

금융을 넘어선 토큰 혁명

- 금융 혁신의 현주소와 과제: 지난 15년간 모바일 인터넷 덕분에 금융 접근성은 크게 향상되었지만, 진정한 개인화 서비스는 여전히 소수에게만 제공됩니다.
- 미래의 질문: "얼마나 많은 사람이 달러, 금, 비트코인에 접근할 수 있는가?"를 넘어, "얼마나 많은 사람이 24시간 자신을 위해 일하는 개인 에이전트를 가질 수 있는가?"를 물어야 합니다.
- 토큰과 에이전트의 역할:
1. 모든 개인은 수십, 수백 개의 에이전트를 소유하게 될 것입니다. 부자들만 누리던 서비스를 누구나 이용하며, 자신의 데이터를 자산으로 활용하게 됩니다.
2. 모든 기업은 직원 1인당 수십, 수백 개의 에이전트를 고용하게 될 것입니다. 기업의 생산성은 폭발적으로 증가하고, 우리는 에이전트와 함께, 또는 에이전트를 위해 일하게 될 것입니다.
3. 모든 산업은 토큰과 에이전트에 의해 재편될 것입니다. 데이터가 가장 중요한 자산이 되며, 가치 창출의 방식이 근본적으로 바뀔 것입니다.

토큰화의 이해: 세상을 컴퓨터가 읽을 수 있게 만들기

- 토큰의 역사: 토큰은 신석기 시대 메소포타미아에서 회계와 화폐로 사용된 점토 조각에서 시작되었습니다. 예나 지금이나 토큰은 '데이터'와 '돈'의 속성을 모두 가집니다.
- 현대의 토큰:
- AI 분야: 텍스트를 단어, 문자 등 작은 단위로 나누는 과정.
- 암호화폐/자본시장: 블록체인 상에 디지털 자산(NFT, 스테이블코인 등)을 생성하는 것.
- 결제/데이터 보안: 민감한 정보(카드 번호 등)를 대체하는 식별자.
- 통합적 정의: 토큰화는 "세상을 컴퓨터가 읽을 수 있도록 만드는 과정(rendering the world for computers)"입니다. 즉, 인간의 지식과 활동을 소프트웨어(특히 자율 에이전트)가 안전하게 접근할 수 있도록 변환하는 것입니다. 토큰은 AI의 DNA이자 양식(feedstock)입니다.

4. 토큰의 가치 분류와 '토큰 팩토리'

- 토큰의 가치: 토큰의 가치는 희소성(Scarcity)과 기밀성(Secrecy)에 따라 달라집니다.
- 웹 데이터: 풍부하고 공개적.
- 비트코인: 완벽하게 희소하지만 공개적.
- 메모리 데이터 (ChatGPT와의 대화): 희소하고(시간 제약) 기밀함(ChatGPT만 소유).
- Ribbit의 토큰 분류:
- 가치 토큰 (Value Tokens): 자산 토큰 등 (기계가 금융 자원을 저장/이전하는 방식)
- 전문성 토큰 (Expertise Tokens): 전문가, 지식 토큰 등 (기계가 인간의 능력을 배우는 방식)
- 개인화 토큰 (Personalization Tokens): 접근, 메모리, 컨텍스트, 신원 토큰 등 (기계가 개인/조직을 이해하고 돕는 방식)
- 토큰 팩토리 (Token Factories): 모든 종류의 토큰을 더 가치 있는 토큰, 즉 **더 높은 수준의 지능**으로 변환하는 기술 및 조직. 모든 소프트웨어 비즈니스는 토큰 팩토리 모델로 설명될 수 있습니다.

5. "지금"이 토큰 혁명의 적기인 이유

1. 토큰 팩토리 운영 비용 급락: 모델 경쟁과 하드웨어 발전으로 추론 비용이 3년간 1,000배 하락.
2. 토큰 팩토리 구축 비용 급락: LangChain 등 오픈소스 프레임워크와 AI 코딩 에이전트로 개발이 쉬워짐.
3. 원재료(데이터) 가용성 폭발: 비정형 데이터 캡처 기술 발전 및 비용 하락.
4. 핵심 인프라 접근성 증대: 블록체인(솔라나, 베이스)의 가스비가 거의 0에 가까워짐.
5. 창업가 정신의 부상: YC 배치 2/3가 AI에 집중하는 등 새로운 세대가 LLM 기반 토큰 팩토리를 구축 중.
6. 전방위적 경쟁 심화: 하이퍼스케일러, 데이터 센터, 모델 회사, 에이전트 앱 등 모든 영역에서 경쟁이 치열함.

6. Ribbit의 10가지 핵심 투자 아이디어

(A) 토큰 소싱 (기계에게 먹이 주는 법)

1. 겸손한 토큰화 도구(Tokenizer)가 AI의 첫 킬러 앱이 될 것이다: 회의록 정리(Granola, Otter), 고객 대화 분석(Jump, Zocks) 등 잠재된 데이터를 캡처하고 구조화하는 단순한 앱이 거대한 가치를 창출할 것이다.
2. 독점적 토큰 공급업체가 가장 가치 있는 기업이 될 것이다: Plaid, Stripe, Persona처럼 접근하기 어려운 독점적 사용자 데이터(신원, 컨텍스트, 접근, 메모리 토큰)를 보유한 기업은 대체 불가능한 해자를 구축할 것이다.
3. 세상은 훨씬 더 많은 신원 토큰을 필요로 할 것이다: 딥페이크와 AI 봇이 넘쳐나는 세상에서 인간과 기계를 구별하고, 신뢰 기반의 협업을 가능하게 하는 신원 토큰(KYA: Know Your Agent) 시장이 폭발적으로 성장할 것이다.

(B) 에이전트 구축 (기계가 우리를 먹여 살리는 법)

1. 관계 에이전트(Relationship Agents)가 브랜드 구축 방식을 바꿀 것이다: 개인화된 고객 지원 에이전트는 비효율적인 콜센터를 대체하고, 고객 관계를 단순 비용에서 전략적 자산으로 전환시킬 것이다.
2. 수직적 토큰 플랫폼(Vertical Token Systems)이 모든 산업의 OS가 될 것이다: 회계, 법률, 의료 등 특정 산업에 특화된 에이전트 플랫폼은 기존 SaaS나 BPO(업무처리 아웃소싱)를 대체하며 산업의 신경망이 될 것이다.
3. 비용 절감이 시작이지만, 가장 가치 있는 토큰 팩토리는 시장을 확장할 것이다: AI가 일자리를 뺏는다는 이야기보다, 과거에는 접근할 수 없었던 전문가 서비스를 소상공인, 개인에게 제공하며 새로운 시장을 창출하는 이야기가 더 강력할 것이다.
4. 모두가 세계적 수준의 개인 금융 자문가를 갖게 될 것이다: 개인화된 금융 에이전트가 세금, 투자, 보험 등을 자동으로 관리해주며, 금융 서비스의 신뢰, 인센티브, 경쟁 구도를 재편할 것이다.
5. 에이전트는 자원과 자유가 있을 때 가장 번성할 것이다: 탈중앙화된 개방형 시스템(Chaordic System)에서 에이전트가 스스로 정체성, 자원, 평판을 갖게 되면, 예상치 못한 창의성과 효율성을 발휘할 것이다.

(C) 연료 공급 (기계에 동력을 공급하는 것)

1. 스테이블코인은 단지 프로토타입이었음을 깨닫게 될 것이다: 스테이블코인은 '기계 우선(machine-first)' 자산의 가능성을 보여줬다. 앞으로 모든 종류의 자산이 토큰화되어 에이전트 간의 자동화된 거래에 사용될 것이다.
2. 토큰은 놀라운 새로운 정보 시장을 창출할 것이다: AI가 생성하는 정보의 홍수 속에서, '진실'과 '관심'은 희소한 자원이 될 것이다. 예측 시장, 콘텐츠 시장 등 인센티브 기반의 새로운 정보 시장이 신뢰할 수 있는 인프라로 부상할 것이다.

- 새로운 산업 혁명: AI(지식), 새로운 에너지 기술(권력), 새로운 글로벌 화폐 시스템(돈)이 융합되면서 '토큰 혁명'이 일어나고 있습니다.
- 현상 유지(Status Quo)와의 싸움: 기존 금융 기관 및 산업은 정보 비대칭과 규제를 통해 이익을 유지하려 하지만, 토큰과 에이전트는 이 장벽을 무너뜨릴 강력한 무기입니다.
- Ribbit의 역할: Ribbit은 이러한 변화를 주도하며 고객을 위해 싸우는 '반란군(rebels)', 즉 혁신적인 창업가들에게 베팅할 것입니다. 토큰 혁명은 전문 지식(전문가 토큰), 금융 수단(자산 토큰), 데이터 주권(신원 토큰)을 민주화할 잠재력을 가지고 있습니다.

https://t.co/O6D7JfpBcV

🎯 핵심 패턴: "Boring → Expert → Platform" 공식

성공하는 AI 스타트업들은 놀랍게도 화려하지 않은 문제에서 시작한다.

패턴 1: 지루한 일을 먼저 자동화한다
- Pulse: PDF 읽기 → $3.9M 투자 → Fortune 50 고객
- Firecrawl: 웹 스크래핑 → Series A
- David AI: 음성 데이터 정리 → $500M 밸류에이션

왜 이게 작동하나?
Ribbit이 말했듯: "Unassuming tokenizers turn out to be AI's first killer apps"

지루한 일 = 반복적 = 데이터 많음 = AI 학습 최적 = Expert Tokens 생성

패턴 2: Vertical을 좁게, 깊게 판다
- Toma: "모든 call center" ❌ → "자동차 딜러십 전용" ✅ → $17M, a16z 투자
- Vocca: "일반 의료" ❌ → "프랑스 의사 전용" ✅ → 2,000+ 의사, 400만 통화
- Tavrn: "모든 법률" ❌ → "인적상해 전문" ✅ → $15M Series A

왜?
좁은 vertical = 특수 용어 학습 가능 = 경쟁자 진입 어려움 = 높은 switching cost

패턴 3: "데이터 월렛 셰어" 경쟁
성공 기업들은 고객의 데이터를 점점 더 많이 보유:

Campfire의 진화:
Week 1: 장부 기록 →
Month 3: 은행 연동 →
Year 1: 급여, 세금, 재고 →
Year 2: CFO 전체 데이터 접근 →
결과: NetSuite에서 고객을 빼앗아옴

Ribbit: "Data wallet share will define which vertical token systems win"

빠르게 성장하는 30개 스타트업 카테고리별 정리

Category A: TOKENIZERS (데이터를 AI 먹이로 변환)

1. Pulse (Bay Area, $3.9M)
- 하는 일: 기업 문서(PDF, 계약서, 송장)를 AI가 읽을 수 있는 구조화된 데이터로 변환
- 고객: Fortune 50, 은행, 로펌, 병원
- Ribbit 연결: "초기 킬러 앱은 단순히 데이터를 캡처하는 것"
- 성장 지표: 수천만 페이지/주 처리, SOC2/HIPAA 준수

2. David AI (Bay Area/NYC, $50M)
- 하는 일: AI 모델 학습용 고품질 오디오 데이터셋 판매
- 고객: FAANG, AI Labs (OpenAI, Anthropic 등)
- Ribbit 연결: "Proprietary token suppliers will be most valuable"
- 성장 지표: $500M 밸류, 8자리 ARR (1년 내)

3. Firecrawl (Bay Area/Global, Series A)
- 하는 일: 웹사이트를 LLM이 학습 가능한 마크다운/JSON으로 변환
- 고객: AI 개발자, LangChain, n8n
- Ribbit 연결: "Mapping the world for machines"
- 성장 지표: 17K+ 가입자, 5.3K GitHub stars


Category B: VERTICAL TOKEN SYSTEMS (산업별 AI 자동화)

4. Finch (NYC, $20M)
- 하는 일: 인적상해 로펌의 소송 전 단계를 AI로 완전 자동화 (intake부터 demand까지)
- 고객: 미국 PI 로펌
- 경쟁사: Tavrn, CASEpeer
- Ribbit 연결: "Vertical token systems will replace BPOs"
- 성장 지표: 10배 성장, 7자리 합의금 달성

5. Campfire (Bay Area, $35M Series A)
- 하는 일: 스타트업/중소기업용 AI 네이티브 ERP (NetSuite 대체)
- 고객: 테크 스타트업 (Advisor360, Rhumbix 등 NetSuite에서 이탈)
- 경쟁사: NetSuite, QuickBooks, Sage
- Ribbit 연결: "Vampire squids to ERPs"
- 성장 지표: 9개월 만에 NetSuite 100+ 직원 기업 고객 확보

6. Toma (Bay Area, $17M)
- 하는 일: 자동차 딜러십 전용 AI 음성 에이전트 (서비스 예약, 리콜 알림)
- 고객: 100+ 자동차 딜러십
- 경쟁사: 기존 BDC(Business Development Center)
- Ribbit 연결: "Relationship agents will change brands"
- 성장 지표: 통화 응답률 45% → 100%, a16z 투자

7. Tavrn (Bay Area, $15M Series A)
- 하는 일: 인적상해 로펌용 자율형 demand letter & 의료 기록 분석
- 고객: 고볼륨 PI 로펌
- 경쟁사: Finch
- 차별점: 완전 자율형 (사람 개입 최소화)
- 성장 지표: Harvard 중퇴 25세 CEO, Pomona 중퇴 21세 CTO

8. Model ML (London/NYC/HK/Singapore, $12M)
- 하는 일: 금융 전문가용 AI 데이터 통합 플랫폼 (은행, PE, 헤지펀드)
- 고객: 투자은행, 자산운용사
- 경쟁사: Bloomberg Terminal, AlphaSense
- Ribbit 연결: "Expert tokens through continuous feedback"
- 차별점: 파편화된 금융 데이터를 AI가 통합

9. uiAgent (NYC, $4.6M)
- 하는 일: 회계법인용 AI 자동화 (데이터 입력, 분개, 감사)
- 고객: Top 100 회계법인
- 경쟁사: BILL.com, Sage Intacct
- Ribbit 연결: "Queue killers - BPO 대체"
- 성장 지표: 99.5% 정확도, 7자리 ARR (1년 내), 80% 수작업 감소

10. Myriad AI (Prague/Bay Area, $7.8M)
- 하는 일: 글로벌 규제 변화를 실시간 모니터링 → 기업별 맞춤 액션 추천
- 고객: 금융, 보험, 헬스케어
- 경쟁사: ComplyAdvantage, Comply Advantage
- Ribbit 연결: "Regulatory compliance as a service"
- 차별점: AI가 규제 문서 읽고 → 회사별 TODO 생성

11. Metaforms (Bangalore, $9M)
- 하는 일: 시장조사 에이전시용 AI (설문 프로그래밍, 데이터 처리 자동화)
- 고객: Top 20 글로벌 리서치 에이전시 4곳
- 경쟁사: Qualtrics, SurveyMonkey
- Ribbit 연결: "Vertical automation for $130B market research industry"
- 성장 지표: 1,000+ 설문/월, 상용화 6개월 만에

12. Knox Systems (US Remote, $6.5M)
- 하는 일: SaaS 벤더가 FedRAMP 인증을 90일 만에 받도록 지원 (기존 3년 → 90일)
- 고객: 정부에 판매하려는 SaaS 기업
- 경쟁사: Palantir FedStart
- Ribbit 연결: "AI for compliance automation"
- 성장 지표: 비용 90% 절감, Adobe 14년간 고객


Category C: RELATIONSHIP AGENTS (고객 상호작용)

13. Wonderful (EMEA, $34M)
- 하는 일: 비영어권 시장용 다국어 AI 고객 서비스 (음성, 채팅, 이메일)
- 고객: 이스라엘 Bezeq(통신), Maccabi(헬스케어)
- 경쟁사: Decagon (영어권 집중)
- Ribbit 연결: "Non-English markets = $200B opportunity"
- 성장 지표: 15개 엔터프라이즈, 수십만 상호작용, Index Ventures

14. Howie (Seattle, $6M)
- 하는 일: 이메일 기반 AI 스케줄링 어시스턴트 (회의 조정, 캘린더 관리)
- 고객: 회의 많은 전문가 (1,000+ 유료 고객)
- 경쟁사: Calendly, Motion
- Ribbit 연결: "Everyone gets a world-class assistant"
- 성장 지표: 5,000 미팅/주, 50% MoM 성장

15. Vocca (Paris, $5.5M)
- 하는 일: 의료기관용 AI 전화 응대 (예약, 리마인더, 환자 문의)
- 고객: 2,000+ 프랑스 의사/병원
- 경쟁사: 기존 의료 비서
- Ribbit 연결: "Healthcare vertical with HIPAA/GDPR compliance"
- 성장 지표: 400만 통화, 통화 응답률 30% → 100%, 노쇼 70% 감소

16. Aurelian (Seattle, $14M Series A)
- 하는 일: 911 센터의 비응급 전화 자동 처리 (주차 위반, 소음 신고 등)
- 고객: 미국 공공안전 센터 (500만 미국인 서비스)
- 경쟁사: 없음 (공공 부문 특화)
- Ribbit 연결: "Expanding the pie - public services"
- 성장 지표: 74% 자동화, 디스패처당 3시간/일 절약, NEA 투자

Category 😧 AI SEARCH OPTIMIZATION (새로운 마케팅)

17. Profound (NYC, $58.5M)
- 하는 일: 브랜드가 ChatGPT, Claude, Perplexity에서 잘 나오도록 최적화 (AEO)
- 고객: Fortune 10 포함 수백 개 기업
- 경쟁사: Scrunch, Bluefish
- Ribbit 연결: "Battle for agent attention"
- 성장 지표: Sequoia $35M Series B, o3 모델 활용

18. Scrunch (Salt Lake City/US Remote, $19M)
- 하는 일: AI 검색 결과에서 브랜드 가시성 모니터링 & 최적화
- 고객: Lenovo, BairesDev, Crunchbase, 금융기관
- 경쟁사: Profound, Bluefish
- Ribbit 연결: "Information markets for truth"
- 성장 지표: 40% 레퍼럴 트래픽 증가, 4배 가시성 개선, 500+ 브랜드

19. Bluefish (NYC/Berlin, $24M)
- 하는 일: Fortune 500용 AI 마케팅 플랫폼 (GEO - Generative Engine Optimization)
- 고객: Adidas, Tishman Speyer, 금융/자동차/CPG 브랜드
- 경쟁사: Profound, Scrunch
- Ribbit 연결: "Marketing for the agentic era"
- 성장 지표: 6개월 만에 매출 10배, 80% Fortune 500, NEA/Salesforce Ventures

Category E: COMMERCE & NEW MARKETS

20. New Generation (Bay Area, $4.5M)
- 하는 일: AI 에이전트가 쇼핑할 수 있는 대화형 스토어프론트 (ai.yourbrand.com)
- 고객: D2C 브랜드, 이커머스 기업
- 경쟁사: Shopify (아직 에이전트 최적화 안 됨)
- Ribbit 연결: "Agentic commerce infrastructure"
- 성장 지표: Visa 파트너십, AI 트래픽 1,200% 증가 (2024-2025)

21. Polar (EU Remote, €8.6M)
- 하는 일: 개발자용 오픈소스 결제 플랫폼 (디지털 제품, SaaS 수익화)
- 고객: 개발자, 오픈소스 프로젝트
- 경쟁사: Stripe, Paddle
- Ribbit 연결: "Lower fees for digital products"
- 성장 지표: 120% MoM 매출 성장, 17K 가입, Accel 투자

22. OffDeal (NYC, $4.7M)
- 하는 일: AI 투자은행 (중소기업 M&A 매칭, 실사, 접촉)
- 고객: $5M-$100M 매출 중소기업 매도/매수자
- 경쟁사: 기존 M&A 브로커
- Ribbit 연결: "Democratizing financial analysis"
- 성장 지표: 6개월 내 exit, YC W24, Radical Ventures

Category F: INFRASTRUCTURE & TOOLS

23. Emergent (Bay Area, ~$10M ARR)
- 하는 일: 자연어로 앱을 만드는 노코드 AI 플랫폼 ("vibe coding")
- 고객: 비개발자 (700K+ 사용자)
- 경쟁사: Replit, Bolt.new, v0
- Ribbit 연결: "Cost of software → 0"
- 성장 지표: 2개월 만에 70만 사용자, $10M ARR, 10K 앱 생성

24. Weavy (Tel Aviv, $4M)
- 하는 일: 멀티모델 AI 크리에이티브 플랫폼 (Runway, OpenAI, Kling 통합)
- 고객: NVIDIA, Wix, Taboola, eToro
- 경쟁사: Adobe Firefly, Canva
- Ribbit 연결: "Creative workflows with AI"
- 차별점: 노드 기반 워크플로우 + 전문 편집 툴

25. Titan (NYC/Bay Area, $74M)
- 하는 일: MSP(IT 서비스) 회사들을 AI로 증강 (마진 3배 목표)
- 고객: MSP (RFA 인수 완료)
- 경쟁사: ConnectWise, Kaseya
- Ribbit 연결: "AI-powered service rollup"
- 성장 지표: General Catalyst 투자, 테크니션 생산성 3배


Category G: SECURITY & COMPLIANCE

26. Nebulock (Boston, $8.5M)
- 하는 일: 자율형 위협 헌팅 플랫폼 (24/7 보안 스택 모니터링)
- 고객: 엔터프라이즈 보안팀
- 경쟁사: CrowdStrike, Splunk (수동 헌팅)
- Ribbit 연결: "KYA - Know Your Agent"
- 성장 지표: EPSS 개발자 창업, Bain Capital Ventures

27. Empirical Security (Remote, $12M)
- 하는 일: 취약점 예측 ML 모델 (글로벌 모델 + 고객별 커스텀 모델)
- 고객: 엔터프라이즈 보안팀
- 경쟁사: Tenable, Qualys
- Ribbit 연결: "Custom AI for cybersecurity"
- 차별점: Kenna Security 공동창업자 재창업


Category H: HARDWARE & PHYSICAL WORLD

28. Heron Power (Bay Area, $38M)
- 하는 일: AI 데이터센터용 차세대 전력 변환기 (solid-state transformer)
- 고객: 데이터센터, 전력망 사업자
- 경쟁사: 기존 transformer 제조사
- Ribbit 연결: "Real world token factories"
- 성장 지표: Tesla 전 VP Drew Baglino 창업, BEV/Capricorn 투자

29. Vinci4D.ai (Bay Area, $25M Series 😎
- 하는 일: 하드웨어 디자인용 생성형 AI (100M DoF 문제를 13초에 해결)
- 고객: 9백만 기계 엔지니어
- 경쟁사: CAD 소프트웨어 (AutoCAD, SolidWorks)
- Ribbit 연결: "Physical world needs AI too"
- 성장 지표: Khosla Ventures, Index Ventures