YC AI 스타트업 캠프 Day 2: 나델라, 우앤다, 커서 CEO까지 모두 등장
정리: Founder Park
YC AI 스타트업 스쿨 둘째 날에는 Satya Nadella(Microsoft CEO), 오은택(Deep Learning.AI 창립자), 첼시 핀(Physical Intelligence 공동창업자), 마이클 트렐(Cursor CEO 겸 공동창업자), 드릴란 필드(Figma CEO 겸 공동창업자), 안드레이 카파티(전 테슬라 AI 총괄), 스리람 크리슈난(백악관 인공지능 고위 정책 자문역) 등 일곱 명의 거물급 연사들이 무대에 올랐다.
AI 기술과 창업을 중심으로 한 강연에서 이들은 다음과 같은 인상 깊은 통찰들을 공유했다.
-
AI를 인간처럼 생각하지 말 것. AI는 사람이 아니라 도구일 뿐이다. 다음의 프론티어는 기억, 도구, 행동 능력을 부여하는 것이지만, 이는 인간의 추론 능력과 본질적으로 다르다.
-
앞으로 에이전트(agent)가 차세대 컴퓨터가 될 것이다. 이 미래는 기술적 정확성뿐 아니라 사용자 신뢰와 매끄러운 상호작용 경험에도 달려 있다.
-
피드백 루프를 포함하는 제품, 예컨대 에이전트형 AI는 단발성 작업만 수행하는 도구보다 훨씬 뛰어난 성능을 보인다. 지속적인 상호작용은 결과를 최적화하고 반복은 성능을 복리적으로 향상시킨다.
-
현재 프로토타입 개발 속도는 10배 빨라졌으며, 양산 수준 소프트웨어 개발 효율도 30~50% 향상되었다. 이를 활용해 실시간 사용자 피드백을 통해 시장 리스크를 줄여야 한다.
-
코드는 더 이상 희소한 핵심 자산이 아니다. 빠른 프로토타이핑 도구와 AI 덕분에 코드 생산은 쉬워졌다. 중요한 것은 코드가 창출하는 가치다.
-
실세계 데이터는 대체 불가능하다. 합성 및 시뮬레이션 데이터도 도움이 되지만 특히 복잡한 시각 및 물리 작업에서는 실제 데이터가 여전히 중요하다.
-
AI의 최선의 용도는 '일단 클릭'하는 마법을 추구하는 것이 아니라 반복 속도를 높이는 것이다. 디자이너와 제품 책임자들은 이제 AI 평가에 직접 기여해야 한다.
안드레이 카파티(카파티의 발표 내용은 어제 기사 「YC AI 창업 캠프 첫날, 안드레이 카파티의 강연이 화제를 모았다」 참조)와 스리람 크리슈난을 제외하고, 나머지 다섯 연사의 핵심 주장을 정리했다.
마이크로소프트 CEO: 사티아 나델라
1. 플랫폼의 복리 효과: AI는 하루아침에 나타난 것이 아니라 수십 년간 축적된 클라우드 인프라 위에 세워진 것이다. 이러한 인프라는 이미 대규모 모델 훈련을 지원할 수 있을 만큼 성숙했으며, 각 세대의 플랫폼은 다음 세대 플랫폼의 탄생을 위한 기반이 된다.
2. 모델은 인프라이며, 제품은 생태계다: 기초 모델은 새로운 형태의 SQL 데이터베이스와 같이 인프라 역할을 한다. 진짜 제품은 모델 자체가 아니라 피드백 루프, 도구 통합, 사용자 상호작용 등을 포함한 전체 생태계다.
3. 경제적 영향력이 기준이다: 사티아는 AI의 가치를 판단하는 북극성 지표로 "경제적 잉여를 창출하는가?"를 들었다. 어떤 기술이 GDP 성장을 유도하지 못한다면 혁신이라 할 수 없다.
4. 컴퓨팅 파워와 지능의 경계: 지능 수준은 컴퓨팅 파워 투입에 따라 로그 스케일로 증가한다. 그러나 미래의 중대한 돌파구는 규모 확대만으로 오지 않으며, 다음의 '규모 법칙의 순간'과 같은 패러다임 전환이 필요하다.
5. 에너지와 사회적 동의: AI의 대규모 확장은 더 많은 에너지를 필요로 하며, 사회적 허락도 필요하다. 그러한 허락을 얻기 위해 우리는 AI가 비용에 상응하는 실질적이고 긍정적인 사회적 효과를 가져온다는 것을 입증해야 한다.
6. AI의 진정한 병목은 변화 관리다: 전통 산업의 발전 장애는 기술이 아니라 고정된 업무 프로세스에 있다. 진정한 변혁은 단순히 AI를 도입하는 것이 아니라 업무 수행 방식을 재고하는 것이다.
7. 직무의 융합: LinkedIn 등의 플랫폼에서 디자인, 프론트엔드, 제품 관리 등의 전통적 역할이 점차 융합되어 '풀스택(full-stack)' 인재가 등장하고 있다. AI는 더 많은 사람에게 다학제적 능력을 제공하며 이러한 추세를 가속화한다.
8. 반복적 업무의 가치를 과소평가하지 말 것: 지식 작업에는 상당한 양의 반복적이고 육체적인 노동이 존재한다. AI의 최선의 적용처는 바로 이 '보이지 않는 마찰 비용'을 제거하고 인간의 창의성을 해방시키는 것이다.
9. 미래에 대해 열린 마음을 가지라: 심지어 사티아 자신도 '추론 시 계산(test-time compute)'이나 '강화 학습'의 발전 속도를 예측하지 못했다. AI의 궁극적 형태를 우리가 이미 목격했다고 가정하지 말라. 앞으로 더 많은 돌파구가 있을 수 있다.
10. AI를 인간처럼 생각하지 말 것: AI는 사람이 아니다. 그것은 도구일 뿐이다. 다음의 프론티어는 기억, 도구, 행동 능력을 부여하는 것이지만, 이는 인간의 추론 능력과 본질적으로 다르다.
11. 개발의 미래: AI는 개발자를 대체하지 않고 오히려 그들의 강력한 조력자가 될 것이다. VSCode는 AI와 협업하는 캔버스다. 소프트웨어 엔지니어링의 핵심은 코드 작성에서 시스템 설계와 품질 보증으로 이동할 것이다.
12. 책임과 신뢰는 필수불가결하다: AI의 등장은 인간의 책임을 면제하지 않는다. 기업은 여전히 자사 제품의 행동에 대해 법적 책임을 져야 한다. 이것이 개인정보 보호, 보안, 주권이 핵심에 있어야 하는 이유다.
13. 신뢰는 실용성에서 비롯된다: 신뢰는 아름다운 말솜씨가 아니라 실용성에서 온다. 인도 농부들을 위한 챗봇 배포 사례에서 보듯, 눈에 보이는 실질적 도움이 신뢰 구축의 기반이 된다.
14. 음성에서 에이전트로: Microsoft의 AI 여정은 1995년 음성 기술에서 시작됐다. 오늘날 그 전략적 초점은 음성, 시각, 어디서나 작동하는 환경 컴퓨팅 장치를 통합한 기능 완전한 '에이전트'로 옮겨갔다.
15. 에이전트가 바로 미래의 컴퓨터다: 사티아의 장기 비전은 "에이전트가 차세대 컴퓨터가 될 것"이라는 것이다. 이 미래는 기술적 정확성뿐 아니라 사용자 신뢰와 매끄러운 상호작용 경험에도 달려 있다.
16. 리더십에 대한 통찰: 가장 기초적인 자리에서 시작하되, 가장 큰 포부를 가져야 한다. 제품 하나를 만드는 것을 넘어서 팀을 구성하는 법을 배워야 한다.
17. 사티아가 찾는 인재: 복잡한 것을 단순하게 만들고 명확한 사고를 제공하며, 팀의 활력을 불러일으키고 결집시키며, 엄격한 제약 조건 아래에서도 복잡한 문제 해결을 즐기는 사람.
18. 가장 좋아하는 면접 질문: "어떻게 해결할지 몰랐던 문제와 그것을 어떻게 해결했는지를 말해보세요." 그는 이 질문을 통해 후보자의 호기심, 적응력, 인내력을 보고자 한다.
19. 양자 컴퓨팅의 가능성: 다음의 혁신 기술은 양자 분야에서 나올 수 있다. 마이크로소프트는 '오류 수정 큐비트(error-corrected qubit)' 연구에 집중하고 있으며, 이를 통해 자연 세계를 전례 없이 정밀하게 시뮬레이션할 수 있게 될 것이다.
20. 젊은이들에게 조언: 다른 사람의 허락을 기다리지 말라. 사람들이 진정한 힘을 얻도록 돕는 도구를 만들어라. 그는 항상 이렇게 자문한다. "우리는 무엇을 만들어 다른 사람들이 창조하도록 도울 수 있을까?"
21. 가장 좋아하는 제품: VSCode와 Excel —— 그들이 사람들에게 초능력을 부여하기 때문이다.
딥러닝.AI 창립자: 오은택
1. 실행 속도가 성패를 결정한다: 스타트업의 성공 가능성을 가늠하는 최고 지표는 구축, 테스트, 반복의 속도다. 속도는 학습의 복리 효과를 낳으며, AI는 이를 지수급으로 증폭시킨다.
2. 대부분의 기회는 애플리케이션 계층에 있다: 현재 가장 큰 수익은 새로운 모델을 만드는 데서 나오는 것이 아니라 기존 모델을 유의미하고 사용자 중심의 시나리오에 적용하는 데서 나온다. 창업자들이 주목해야 할 곳은 바로 여기다.
3. 에이전트형 AI가 '단발성' 도구보다 우월하다: 피드백 루프를 포함하는 제품, 예컨대 에이전트형 AI는 단발성 작업만 수행하는 도구보다 훨씬 뛰어난 성능을 보인다. 지속적인 상호작용은 결과를 최적화하고 반복은 성능을 복리적으로 향상시킨다.
4. '오케스트레이션 계층'이 부상하고 있다: 기초 모델과 애플리케이션 사이에 새로운 중간 계층인 '에이전트 오케스트레이션(agent orchestration)'이 형성되고 있다. 이 계층은 여러 도구와 데이터 소스를 넘나드는 복잡한 다단계 작업을 지원한다.
5. 아이디어가 구체적일수록 실행은 빨라진다: 빠르게 움직이는 최선의 방법은 구체적인 아이디어에서 시작하는 것이다. 기술자가 즉시 개발에 착수할 수 있을 정도로 디테일이 풍부한 아이디어가 좋다. 좋은 구체적 아이디어는 대개 직관적으로 명확한 분야 전문가에게서 나온다.
6. '거대한 서사'의 함정을 경계하라: 'AI로 의료를 혁신한다'는 추상적 목표는 야심차게 들리지만 실행을 느리게 만든다. 진정한 효율은 'MRI 예약 자동화'처럼 구체적이고 작은 도구에서 나온다.
7. 방향 전환을 두려워하지 말되, 첫걸음은 옳게 내딛어야 한다: 초기 데이터가 아이디어가 먹히지 않는다는 것을 보여주면, 구체적인 초기 계획은 전환을 쉽게 해준다. 무엇을 테스트하고 있는지 명확히 이해하고 있어야 실패 후에도 빠르게 다른 방향으로 전환할 수 있다.
8. 피드백 루프로 리스크 회피: 프로토타입 구축 속도는 10배 빨라졌으며, 양산 수준 소프트웨어 개발 효율도 30~50% 향상되었다. 이를 활용해 실시간 사용자 피드백을 통해 시장 리스크를 줄여야 한다.
9. 완벽을 추구하기보다 많이 시도하라: 첫 번째 버전을 완벽하게 만들려 하지 말라. 20개의 투박한 프로토타입을 만들어보고 어느 것이 살아남는지 보라. 다듬는 것보다 배우는 속도가 더 중요하다.
10. 빠르게 움직이고 책임지라: 오은택은 실리콘밸리의 고전적 신조를 새롭게 해석한다. '빠르게 움직이고 기존 질서를 깨라(Break things)'가 아니라 '빠르게 움직이고 책임을 져라(Fix things)'는 것이다. 책임감은 신뢰를 구축하는 기반이다.
11. 코드는 더 이상 희소 가치를 지니지 않는다: 코드는 더 이상 희소한 핵심 자산이 아니다. 빠른 프로토타이핑 도구와 AI 덕분에 코드 생산은 쉬워졌다. 중요한 것은 코드가 창출하는 가치다.
12. 기술 아키텍처는 가역적이다: 과거에는 아키텍처 선택이 일방향 결정이었지만, 지금은 양방향 문이다. 아키텍처 변경 비용이 크게 줄어들었으며, 이러한 유연성은 더 대담한 시도와 빠른 실험을 장려한다.
13. 모두가 프로그래밍을 배워야 한다: '프로그래밍을 배우지 마라'는 주장은 오해다. 과거 어셈블리 언어에서 고급 언어로 전환될 때도 비슷한 우려가 있었다. AI는 프로그래밍 진입 장벽을 낮추고 있으며, 앞으로 더 많은 직종의 사람들이 프로그래밍 능력을 갖춰야 한다.
14. 전문 지식이 AI를 더 좋게 만든다: 특정 분야에 대한 깊은 이해는 AI를 더 잘 활용하게 해준다. 미술사학자는 더 나은 이미지 생성 프롬프트를 작성할 수 있고, 의사들은 더 나은 건강 AI를 만들 수 있다. 창업자들은 전문 지식과 AI 역량을 결합해야 한다.
15. 제품 책임자가 이제 병목이다: 지금의 제약 요소는 엔지니어링이 아니라 제품 관리다. 오은택의 팀 중 일부는 피드백과 의사결정 속도를 높이기 위해 제품 책임자와 엔지니어의 비율을 2:1로 조정하기까지 했다.
16. 엔지니어도 제품 사고를 가져야 한다: 제품 감각을 갖춘 엔지니어는 더 빠르게 움직이며 더 나은 제품을 만든다. 기술 능력만으로는 충분하지 않으며, 사용자 니즈를 깊이 이해해야 한다.
17. 피드백을 가장 빠르게 얻는 방법: 오은택이 추천하는 피드백 속도 계층(빠른 순): 내부 도그푸딩(Dogfood) → 친구 의견 요청 → 낯선 사람에게 묻기 → 천 명의 사용자에게 소규모 배포 → 글로벌 A/B 테스트. 창업자들은 가능한 빨리 이 경로를 따라 올라가야 한다.
18. 깊은 AI 지식은 여전히 경쟁 우위다: AI 역량은 아직 보편화되지 않았다. AI 기술 원리를 진정으로 이해하는 사람들은 여전히 큰 이점을 가진다 —— 더 똑똑하고, 더 효율적이며, 더 자율적인 방식으로 혁신할 수 있기 때문이다.
19. 과장 ≠ 진실: 인상 깊게 들리지만 펀딩이나 지위 상승을 위한 서사에는 주의하라. AGI, 멸종, 무한 지능 등의 용어는 과장의 신호지 영향력의 신호가 아니다.
20. 안전은 기술 자체가 아니라 사용 방식에 달렸다: 'AI 안전' 개념은 종종 오해된다. AI는 전기나 불과 같으며, 본질적으로 선악이 없다. 어떻게 사용되는가에 따라 달라진다. 안전은 사용 방식에 달려 있지, 도구 자체에 있지 않다.
21. 유일하게 중요한 것은 사용자가 좋아하는가 하는 것이다: 모델 비용이나 성능 벤치마크에 지나치게 집착하지 말라. 오직 하나 중요한 질문은 "사용자가 진심으로 좋아하고 계속 사용하고 싶어 하는 제품을 만들고 있는가?"다.
22. 교육용 AI는 여전히 탐색 단계다: Kira Learning 등 많은 기업이 다양한 실험을 하고 있지만, AI가 교육 분야에서 어떤 최종 형태를 갖출지는 여전히 불투명하다. 우리는 여전히 전환의 초기 단계에 있다.
23. '종말론'과 '규제 포획(regulatory capture)'을 경계하라: AI에 대한 과도한 두려움은 기존 기업을 보호하기 위한 규제 정당화에 이용되고 있다. 기득권자에게 유리한 'AI 안전' 서사에는 회의적인 시각이 필요하다.
피지컬 인텔리전스 공동창업자: 첼시 핀
1. 로봇 기술에는 풀스택 사고가 필요하다: 기존 기업에 로봇 기술을 덧붙이는 것으로는 안 된다. 데이터, 모델, 배포까지 완전히 처음부터 기술 스택을 구축해야 한다.
2. 데이터 양보다 질이 우선이다: 산업 현장, 유튜브, 시뮬레이션 환경에서 수집한 방대한 데이터셋은 종종 다양성과 현실성이 부족하다. 올바르고 고품질의 데이터가 규모보다 중요하다.
3. 최선의 접근법: 사전 훈련 + 파인튜닝: 광범위한 데이터셋에서 사전 훈련한 후, 약 1,000개의 고품질이며 시나리오가 일관된 샘플로 파인튜닝하면 로봇 성능을 크게 향상시킬 수 있다.
4. 범용 로봇이 특수 목적 로봇을 능가할 것이다: 특정 목적을 위해 만든 시스템보다 다양한 작업과 하드웨어 플랫폼(타사 로봇 등)에서 활용 가능한 범용 모델이 더 성공하고 있음을 입증하고 있다.
5. 실세계 데이터는 대체 불가능하다: 합성 및 시뮬레이션 데이터도 도움이 되지만 특히 복잡한 시각 및 물리 작업에서는 실제 데이터가 여전히 중요하다.
6. 자원 과잉은 역효과를 낼 수 있다: 과도한 자금 지원이나 문제를 지나치게 복잡하게 만들면 진행 속도가 느려진다. 문제의 명확성과 집중된 실행이 가장 중요하다.
커서(Cursor) CEO 겸 공동창업자: 마이클 트렐
1. 일찍 시작하고 계속해서 구축하라: 공동창업자가 중도에 떠났지만 마이클은 여전히 코딩을 계속했다. 초기에 바이럴 효과를 낸(플래피 버드 흉내 게임) 경험은 자신감과 기술을 쌓는 데 도움이 됐다.
2. 낯선 분야에서도 빠르게 검증하라: 팀은 이전 경험 없이도 기계공학 분야 프로그래밍 보조 도구를 개발했다. 그들의 신조는 '실천 속에서 배우는 것'이다.
3. 차별화된 포지셔닝, 거대 기업을 두려워하지 말 것: GitHub Copilot과 경쟁할지 망설였지만, 결국 '전체 개발 프로세스 자동화'를 목표로 하는 회사는 거의 없다는 점을 깨달았다. 이 포지셔닝이 시장을 열어줬다.
4. 코드에서 출시까지 빠르게 움직여라: 첫 줄의 코드 작성에서 공개 출시까지 단 3개월이 걸렸다. 빠른 반복은 제품 방향을 신속히 조정하는 데 도움이 됐다.
5. 복잡함보다 집중이 우선이다: IDE(통합개발환경)와 AI 도구를 동시에 개발하려는 계획을 과감히 포기했다. AI 기능 자체에 집중하면서 더 빠르게 성장할 수 있었다.
6. 배포는 한 트윗에서 시작될 수 있다: 커서의 초기 사용자 증가는 공동창업자가 소셜미디어에 올린 한 트윗에서 비롯됐다. 공식 마케팅 이전에 입소문이 주요 성장 동력이 됐다.
7. 실행력의 복리 효과: 2024년 커서의 연간 예약 수입은 1년 만에 100만 달러에서 1억 달러로 성장했으며, 제품 개선과 사용자 수요에 힘입어 주간 10%의 복합 성장률을 달성했다.
8. 최고의 조언: 호기심을 따르라: 이력서를 화려하게 만들기 위한 일을 하지 말라. 마이클의 주요 조언은 "흥미로운 일을 똑똑한 사람들과 함께 하라"는 것이다.
피그마(Figma) CEO 겸 공동창업자: 드릴란 필드
1. 자신을 자극할 수 있는 공동창업자를 찾아라: 드릴란의 동력은 공동창업자 에반 월러스와의 협업에서 나왔다. "매주 미래를 만들어가는 기분이었다."
2. 일찍 시작하고 실천 속에서 배워라: 드릴란은 19세에 대학 시절 창업 프로젝트를 시작했다. 초기 '밈 생성기' 등의 프로젝트 실패가 결국 위대한 아이디어인 피그마로 이어졌다.
3. 빠르게 출시하고, 더욱 빠르게 피드백을 얻어라: 이메일로 초기 사용자에게 직접 연락하며 빠르게 반복했고, 초기부터 유료화를 고수했다. 피드백은 제품 진화의 지속적인 동력이다.
4. 장기 로드맵을 단기 스프린트로 분해하라: 거대한 비전을 더 작은 부분으로 나누는 것이 속도와 실행력을 확보하는 핵심이다.
5. 제품-시장 적합(PMF)은 수년이 걸릴 수 있다: 피그마는 결정적인 신호를 얻기까지 5년이 걸렸다. 마이크로소프트가 "피그마가 유료화하지 않으면 협업을 취소하겠다"고 통보한 것이 그 전환점이었다.
6. 디자인이 새로운 차별화 요소다: AI의 부상으로 인해 디자인의 중요성이 점점 커지고 있다고 믿는다. 피그마는 Draw, Buzz, Sites, Make 등 일련의 신제품을 출시하며 이 흐름에 대응하고 있다.
7. AI로 프로토타입 속도를 높여라: AI의 최선의 용도는 '일단 클릭'하는 마법을 추구하는 것이 아니라 반복 속도를 높이는 것이다. 디자이너와 제품 책임자들은 이제 AI 평가에 직접 기여해야 한다.
8. 거절을 피하지 말고 받아들여라: 어린 시절 공연 경험 덕분에 드릴란은 비판과 피드백을 당당히 받아들이는 법을 배웠다. 거절은 성공으로 가는 길의 일부라고 생각한다.
9. 인간관계는 언제나 핵심이다: AI로 인간 관계를 대체하려는 시도를 경계하라. 인생의 의미를 묻는 질문에 그는 답했다. "의식을 탐구하고, 학습을 계속하며, 사랑을 나누는 것."
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
