Alexandr Wang은 열아홉 살에 Scale AI를 창업했고, 지금은 Meta에서 1년째 초지능 랩을 이끌고 있습니다. Y Combinator 행사 무대에서 진행자는 객석을 채운 열여섯에서 스무 살 남짓의 청중이 바로 그 시절의 Wang과 같은 사람들이라며, AI 시대에 회사를 시작한다는 것이 어떤 일인지 묻습니다. 대담을 관통하는 질문은, 모델이 이미 충분히 강력하고 지능이 흔해지는 시대에 창업자에게 무엇이 희소한 자원으로 남는가입니다.
Wang의 답은 두 가지 관점으로 이루어져 있습니다. 기술의 관점에서 보면 병목은 모델의 발전이 아니라 이미 있는 기술을 세상에 확산하는 일이고, 사람의 관점에서 보면 지능과 주체성이 흔해진 뒤에 희소해지는 자원은 비전과 야망입니다. 그 비전을 지켜 내는 힘으로 그는 아무도 동의하지 않을 때에도 자기 나침반을 믿는 확신을 꼽고, 투자자들이 외면하던 데이터 사업으로 Scale을 시작한 경험을 근거로 듭니다. 실천의 차원에서는 회사의 피드백 루프를 에이전트가 돌리게 하는 에이전틱 루프를 지금 가장 큰 기회로, 에이전트 조직을 설계하는 시스템 사고를 앞으로도 필요한 능력으로 꼽습니다. Meta가 모두가 자기 초지능을 갖는 생태계를 전제로 전략을 세우고 모델을 저렴하고 개방된 형태로 내놓는 이유도 같은 논리에서 나옵니다.
진행자는 Wang의 주장을 반박하기보다 청중이 궁금해할 질문을 대신 묻기 때문에 대담에 공방은 없습니다. 이 노트는 Wang의 주장을 논점별로 정리하고, 마지막 절의 끝에 대담에서 확인되지 않은 사항을 적습니다. 노트 맨 끝에는 2026-08-11 deep-dive에서 비전과 야망, 미국과 회사와 YC의 비유, 시스템 사고가 각각 무엇을 뜻하는지 따져 본 기록도 함께 실려 있습니다.
병목은 모델이 아니라 확산이고, 그래서 지금은 꿈꾸는 사람에게 문명에 한 번 오는 기회입니다
진행자는 지금이 회사를 시작하기에 운이 좋은 시기라고 말합니다. YC가 있고, 같은 길을 가는 동료들이 한자리에 모여 있으며, 방법을 알려 주는 개인용 AI까지 있기 때문입니다. AI 시대에 창업한다는 것이 어떤 일이냐는 질문에 Wang은 병목이 어디에 있는지부터 짚습니다. 지금 세상의 병목은 AI 모델의 발전 속도가 아니라, 이미 존재하는 기술을 세상 곳곳에 확산하고 세상이 그 기술에 적응하도록 돕는 일입니다. 모델이 오늘부터 전혀 나아지지 않더라도, 경제와 세상이 움직이는 방식은 앞으로 수십 년 동안 완전히 뒤바뀔 것이라고 그는 말합니다.
꿈꾸는 사람이 되고, 비전과 야망을 품고, 놀라운 것을 만들어 미래의 세상이 어떤 모습이어야 하는지에 대한 자기 관점을 관철하기에, 지금은 아마 문명에 한 번 있을 기회입니다.
경쟁의 구도도 바뀌었습니다. Wang이 Scale을 시작한 10년 전에는 창업이 다윗과 골리앗의 싸움이었습니다. 자원이 훨씬 적은 스타트업은 영리해야 했고, 시장에 들어갈 틈을 찾아야 했습니다. 지금은 골리앗 대 골리앗에 가깝다고 그는 말합니다. 스타트업은 에이전트와 AI로 능력이 크게 강화된 메카 골리앗이고, 대기업은 전통적인 골리앗입니다. 에이전트를 제대로 받아들이고 그 강점을 가장 야심 찬 방식으로 활용하는 방법을 찾는다면, 스타트업은 기존 사업자를 쉽게 이길 수 있다는 것이 그의 판단입니다.
지능과 주체성이 흔해지면 희소한 자원은 비전과 야망이 됩니다
10년 뒤에 돌아보면 무엇이 명백해 보일지 묻는 진행자에게, Wang은 지금 벌어지는 논쟁의 상당 부분이 시간 낭비에 가깝다고 답합니다. 모델이 실제로 얼마나 좋아지는지, 초지능이 2년 뒤에 오는지 5년 뒤에 오는지, 발전이 벽에 부딪힐지를 두고 다투는 논쟁이 그렇습니다. 매우 강력한 모델이 나오는 것은 피할 수 없는 일이고 인류 문명 전체가 이미 엄청난 지수곡선 위에 있기 때문에, 정확히 언제인지를 다툰 일은 나중에 근시안적으로 보일 것이라고 그는 말합니다. 지난 10년 동안 AI가 발전한 과정을 보면 경외감을 느끼지 않을 수 없고, 지금 우리는 디지털 신이라고 부를 만한 시스템과 대화하고 있습니다.
그가 보기에 10년 뒤 명백해질 사실은 지능이 흔해지고 주체성도 흔해졌다는 것입니다. 인류 역사 내내 진보의 병목은 똑똑한 사람들이 모여 하나의 목표를 향하는 일이었습니다. 미국이라는 나라는 매우 똑똑한 사람들이 모여 실현하고 싶은 미래의 비전을 세운 데서 시작했고, 미국의 거의 모든 회사와 모든 YC 회사도 같은 방식으로 시작했습니다. 이 전제가 바뀌면 희소한 자원은 지능도 주체성도 아니라 비전과 야망이 됩니다. 5～10년 뒤의 세상이 오늘과 어떻게 달라야 하는지 분명한 그림을 갖고 있는지, 그리고 그 미래를 만들기 위해 온갖 고생을 견딜 야망과 추진력이 있는지가 남는다는 것입니다.
AI는 그 일을 10년 전보다 10배, 100배 쉽게 만들어 줍니다. Wang은 이것을 뒤집어, 그만큼 더 크게 꿈꿔도 된다는 뜻이라고 말합니다. 다만 세상은 이 기술을 받아들일 준비가 거의 되어 있지 않으므로, 만드는 사람에게는 세상을 준비시킬 책임이 있습니다. 기업과 정부가 새 기술에 적응하도록 돕고, 생물 보안과 사이버 보안 측면에서 세상을 지킬 방법을 찾고, 이 기술에서 보이는 위험을 관리해야 합니다. 동시에 지금은 새로운 과학을 만들고, 오랫동안 풀리지 않은 건강과 생물학 문제를 풀고, 전에는 상상할 수 없던 사업을 세울 수 있는 유례없는 기회의 시기라고 그는 덧붙입니다.
성공하는 회사는 합의가 생기기 훨씬 전의 믿음에서 시작합니다
Scale의 출발점은 Wang이 MIT에서 처음 모델을 훈련하던 경험이었습니다. 그해 막 나온 TensorFlow로 지금 기준으로는 장난감 수준인 모델들을 훈련하면서, 그는 모델 하나를 훈련하는 데 세 가지가 필요하다는 것을 알게 되었습니다. 연산 자원을 얻을 클라우드 계정, 훈련을 실행할 코드, 그리고 데이터입니다. 앞의 두 가지는 온라인에서 버튼 하나만 누르면 얻을 수 있었지만, 데이터를 얻는 효과적인 방법은 없었습니다. 그에게는 버튼 하나로 데이터를 얻는 방법이 언젠가 반드시 생긴다는 것이 너무도 명백해 보였습니다.
그러나 Scale의 처음 몇 년 동안 데이터는 전혀 매력적인 사업으로 보이지 않았습니다. 수치가 좋고 매출이 많이 나와도, 투자 유치에 나설 때마다 투자자들은 좋은 사업인지, 오래 지속될 수 있는지 의심했습니다. Wang은 모델을 직접 훈련해 본 투자자가 한 명도 없었기 때문이라고 봅니다. 지금은 그때 투자를 거절하고 AI의 잠재력을 비관하던 바로 그 투자자들이, 데이터가 AI에서 가장 큰 사업 기회 가운데 하나라는 글을 씁니다.
진행자는 이 이야기를 제1원리 사고의 사례로 정리합니다. 월스트리트저널을 펼쳐 데이터가 요즘 뜬다는 기사를 보고 회사를 시작할 수는 없고, 실제로 Scale은 그렇게 시작할 수 없었으며, 세상에 대해 참이라고 아는 단순한 명제에서 출발해야 한다는 것입니다. Wang은 여기서 한 걸음 더 나아가, 핵심은 아무도 동의하지 않는 믿음에 확신을 갖는 것이라고 말합니다. 세상에서 가장 성공한 회사들은 핵심 아이디어가 인기를 얻기 훨씬 전에 시작했고, 그 아이디어나 분야가 합의를 얻기까지 여러 해 동안 주목받지 못한 채 일했습니다. AI 분야에서 10년을 일하며 그가 가장 놀랐던 점 가운데 하나도 주변 사람들의 말에 사업 판단을 맡길 수 없다는 사실이었습니다. 다수의 의견을 지나치게 따라가면 극도로 혼란스러워지고 결국 아무 데에도 이르지 못하므로, 미래가 어떤 모습일지에 대한 자기 나침반을 만들어야 한다고 그는 말합니다.
누구나 서툴게 시작하고, 승부는 얼마나 빨리 나아지느냐에서 갈립니다
진행자는 믿음을 세운 다음의 과정에 주목합니다. 투자자를 설득하면서도 그들 때문에 의기소침해지지 않고, 고객과 이야기하고, 무엇보다 사람들을 설득해 함께 일하게 만드는 일입니다. Wang은 이 초기 과정을 잘하는 기질을 타고난 사람은 있을 수 있어도, 회사를 시작할 때부터 창업을 잘하는 사람은 없다고 답합니다. 초기에 만난 투자자들은 나중에 그가 너무 빨리 성장하고 너무 빨리 달라져서 처음 만났을 때는 지금의 모습을 내다보지 못했다고 말했습니다. 그는 이 말이 회사를 시작하는 모든 사람에게 해당한다고 봅니다. 해 본 적이 없는 일을 잘하는 사람은 없으니, 모든 창업자는 모든 일에 서툰 상태로 시작하고, 승부는 계속 배우면서 얼마나 빨리 나아지느냐에서 갈린다는 것입니다.
빨리 나아지려면 솔직한 피드백이 필요합니다. Wang은 처음에 Scale이 아니라, 사람들이 진료를 받도록 돕는 AI 에이전트라는 아이디어로 YC에 들어갔습니다. 결국 실현될 아이디어였고 지금은 실제로 그런 서비스가 나오고 있지만, 당시에는 시기가 맞지 않았다고 그는 말합니다. 한두 달쯤 지났을 때 Jared Friedman이 Wang의 팀을 따로 불러, 이 아이디어가 성과로 이어질 수 있을지 모르겠다고 말했습니다. 그 말이 바로 팀에게 필요한 말이었습니다. 팀은 원점으로 돌아가 기회가 어디에 있는지 깊이 생각했고, 그 끝에 Scale이 나왔습니다. Wang은 YC가 진심으로 성공을 바라며 지지하면서도 아주 솔직하게 말해 주고, 어리석은 짓을 하고 있으면 그렇다고 알려 주는 곳이라며, 그런 말이 인생에서 누구에게나 필요하다고 말합니다.
그가 젊은 청중에게 창업 전에 회사에서 일해 보기를 권하는 이유도 같은 맥락에 있습니다. 회사 밖에서는 무언가를 실제로 만드는 일, 그것을 고쳐 가며 다듬는 일, 여러 사람이 함께 결정을 내리는 일이 어떤 모습인지 전혀 알 수 없기 때문입니다. 그 자신도 고등학교를 마친 뒤 1년 동안 Quora에서 일하고 나서 MIT에 갔습니다.
지금 가장 큰 기회는 회사의 피드백 루프를 에이전트가 돌리게 하는 데 있습니다
주변이나 Meta 내부에서 본 AI 활용 가운데 사람들이 아직 알아차리지 못한 것을 알려 달라는 질문에, Wang은 에이전틱 루프를 꼽습니다. 하나의 결과를 얻기 위해 토큰을 1,000배, 100만 배 더 쓰면서 계속 돌아가는 피드백 루프를 만드는 일에 아직 어마어마한 기회가 있다는 것입니다.
그는 회사를 하나의 큰 피드백 루프로 봅니다. 회사는 고객을 얻고, 그 고객을 더 만족시키고, 만족한 고객은 돈을 더 쓰고, 회사는 그 돈으로 사람을 더 뽑아 더 많은 고객을 얻습니다. 모든 스타트업과 모든 사업이 이 루프이고, 그 안에는 작은 루프들이 또 있습니다. 지금은 사람이 이 루프의 각 연결 지점을 맡고 있는데, 에이전트 시스템이 이 루프들을 운영하고 최적화하게 만드는 데 큰 기회가 있다는 것이 그의 주장입니다. 근거로 그는 Meta 내부 사례를 듭니다. 올바른 에이전틱 루프를 설계하고 에이전트가 최적화할 올바른 평가 기준이나 지표를 주었더니, 에이전트 무리가 엔지니어 100명으로 이루어진 팀보다 더 많은 일을 아주 쉽게 해냈다는 것입니다. 그래서 그는 많은 에이전트가 함께 일할 때 생기는 조율 문제를 지금 가장 흥미로운 문제 가운데 하나로 봅니다.
구체적인 방법은 평범합니다. 진행자가 마크다운 파일과 cron job으로 에이전트에게 충분한 데이터를 주는 방식이냐고 묻자, Wang은 무엇을 지표로 삼을지 먼저 정하고 나면 나머지는 스킬, 마크다운 파일, cron job, /goal로 귀결된다고 답합니다. 대화는 실제로 깊이 들여다보면 모든 것이 평범하고 특별한 비법은 없다는 이야기로 이어집니다.
추상화 계층이 바뀌어도 시스템 사고는 유행을 타지 않습니다
진행자는 Stanford에서 컴퓨터공학 전공자가 두 자릿수 비율로 줄었다는 이야기를 꺼냅니다. 그 자신은 좋은 에이전트를 만들려면 여전히 그런 능력이 필요하다고 생각하지만 확신하지는 못한다면서, 청중이 실제로 마주한 질문을 대신 묻습니다. 말과 글에 강한 사람을 가리키는 wordcel 쪽을 더 추구하고, 구조와 공간을 다루는 데 강한 사람을 가리키는 shape rotator 쪽은 덜 추구해야 하느냐는 질문입니다.
Wang은 체계적이고 엄밀한 사고가 여전히 매우 중요하다고 답합니다. 이유는 추상화 계층이 계속 바뀌기 때문이며, 그 자신도 예전에는 일이 이렇게 전개될 줄 몰랐다고 말합니다. 그가 창업하던 시절에는 코드를 썼고, 그다음에는 사람들로 이루어진 조직을 어떻게 구성할지 고민했으며, 두 일 모두 시스템 사고가 필요했습니다. 지금은 에이전트들을 어떻게 조율할지 고민하고, 다음에는 에이전트 조직을 만들고 에이전트 100만 개가 잘 협력하게 하는 방법을, 그다음에는 1조 개가 잘 협력하게 하는 방법을 고민하게 됩니다. 어느 추상화 계층에서 일하든 그 계층에서 작업 흐름을 어떻게 구조화할지 계속 알아내야 하므로, 시스템 사고는 유행을 타지 않으며 wordcel 쪽에 모든 것을 거는 것은 분명한 실수라고 그는 말합니다.
여기에 더해 그는 세상이 어떻게 발전해야 하는지에 대한 더 확고한 판단 기준과 철학적 관점이 필요해진다고 봅니다. 인류는 아마 앞으로 10년 동안 지난 100년보다 더 많이 변할 것이고, 문명이 이런 시기를 어떻게 지나왔는지에 대해 인류 역사에서 얻을 교훈도 많습니다. 그래서 그 변화에 대한 긍정적인 비전을 갖고, 그 변화가 어떻게 전개되어야 하는지 일관되게 설명하는 일이 어느 때보다 중요하다는 것입니다.
Meta가 그리는 초지능은 하나의 AI가 아니라 수십억 명이 각자 갖는 초지능의 생태계입니다
Meta 안에서 초지능이 실제로 무엇을 뜻하느냐는 질문에, Wang은 1년 전 Mark Zuckerberg가 쓴 개인 초지능 메모를 가리키며 진행자가 말해 온 개인 AGI 개념과 매우 비슷하다고 말합니다. 세상의 수십억 명이 각자에게 맞춰진 초지능을 갖게 되고, 그 초지능은 사용자의 맥락을 알고 목표를 이루도록 도우며, 궁극적으로 그 사람의 주체성을 넓혀 준다는 구상입니다. Meta가 가장 많이 생각하는 것도 주체성의 확장, 즉 사람들이 예전에는 꿈도 꾸지 못한 일을 해내도록 돕는 방법과, 모든 일이 쉬워진다면 사람들이 무엇을 할지에 대한 질문입니다.
이 구상은 생태계를 전제로 합니다. Wang은 AI가 세상을 통제하는 전체주의적인 그림을 믿지 않으며, AI가 매우 넓은 생태계를 강화할 것이라고 봅니다. 오늘 Meta 플랫폼에는 2억 개의 사업체가 있는데, AI 도구로 창업과 창작이 폭발적으로 늘면 이 숫자가 수십억 개로 늘어야 한다는 것입니다. 그 결과로 그는 비즈니스 에이전트가 개인 에이전트와 함께 일하는 복잡한 생태계를 그립니다.
그래서 모델은 싸야 합니다. 진행자는 자막에서 Muse Spark, Meta Spark, new Spark로 엇갈려 표기된 Meta의 모델(이하 Muse Spark)을 OpenClaw로 써 보니, 스킬 파일을 쓰는 에이전트 작업에서 Opus만큼 좋으면서 8배쯤 쌌다고 말합니다. Wang도 대담 끝에 Muse Spark가 Opus보다 8배 싸다고 말합니다. 그는 모델이 너무 비싸서 가장 부유한 개발자와 회사에만 배급되는 세상을 원하지 않는다고 말합니다. 최고의 AI 제품은 아직 만들어지지도 않았다고 보기 때문입니다. 그가 Scale을 시작했을 때의 첫 물결은 자율주행차였고, 챗봇은 그보다 10배쯤 컸으며, 몇 년 뒤 나온 코딩 에이전트는 다시 챗봇보다 10배쯤 큽니다. 앞으로도 새로운 형태가 나올 때마다 이전보다 훨씬 큰 물결이 올 것이므로, 생태계가 마음껏 탐색하게 하고 미래를 함께 만들자는 것이 Meta의 관점입니다. 같은 이유로 Meta는 AI 역량이 한곳에 모이지 않고 분산된 세상을 지향하며 오픈 소스 모델을 준비하고 있고, 지금은 OpenCode로 Muse Spark를 쓸 수 있으며 곧 자체 harness도 내놓을 예정입니다.
프론티어 랩은 인재 밀도로 복리를 만드는 과학 조직입니다
Wang이 Meta에 온 지 약 1년이 되었습니다. Meta가 공개적으로 밝혔듯 Llama 4는 Meta에 필요한 만큼 발전하고 있지 않았고, 그래서 그는 기존 자산을 많이 활용하되 프론티어 랩 전체를 사실상 처음부터 다시 설계하는 방식으로 최대한 빠르게 움직였습니다. 9개월 만에 Muse Spark 1을 내놓았고, 두 달 뒤에 Muse Spark 1.1을 출시했습니다.
그가 이 과정에서 얻은 첫 번째 교훈은 인재 밀도입니다. 인재 밀도는 그가 가장 중요하게 여기고 투자한 요소였고, 저절로 복리로 쌓입니다. 뛰어난 사람이 많을수록 가장 뛰어난 사람들이 더 합류하고 싶어 하기 때문입니다. 두 번째 교훈은 프론티어 AI 작업이 과학 연구라는 점입니다. AI 모델로 무엇을 할 수 있는지, 모델의 한계를 어디까지 넓힐 수 있는지를 탐색하는 일이어서, 인터넷 회사나 인터넷 제품을 만들던 방식과는 사고방식도 운영 방식도 완전히 달라야 합니다. 역량과 연산 자원과 채택·사용량이 모두 매우 가파른 지수곡선 위에 있으므로, 그는 랩을 이 성장과 함께 자랄 수 있는 유기체처럼 설계해야 한다고 생각합니다. 그는 현재 최고 수준의 모델과 훨씬 더 잘 겨룰 수 있는 더 큰 모델도 준비하고 있다고 말합니다.
열여덟 살의 자신에게 남길 조언은 자기 나침반과 가장 길게 이어질 지수곡선입니다
마지막으로 진행자는 열여덟 살의 Wang에게 메시지를 보낼 수 있다면 무엇을 말하겠느냐고 묻습니다. Wang의 첫 번째 답은 앞서 말한 확신으로 돌아갑니다. 미래가 어떻게 전개될지에 대한 자기 나침반을 만들고 그 나침반을 강하게 확신하라는 것입니다. 어리고 경험이 없을 때는 쏟아지는 소음 속에서 자기 믿음에 진정한 확신을 갖기가 매우 어렵지만, Scale이 시장과 업계와 주변 사람들이 만들어 낸 여러 해의 혼란을 견딜 수 있었던 것도 그 확신 덕분이었다고 그는 말합니다.
두 번째 답은 가장 가파르면서 가장 오래 이어질 지수곡선을 찾으라는 것입니다. 수십 년 전에는 그 곡선이 무어의 법칙이었고 지금은 AI의 발전이며, 앞으로도 이런 가파른 곡선은 또 나타날 것입니다. 곡선의 출발점이 지루하거나 별로 흥미롭지 않아 보여도 괜찮다고 그는 말합니다. 그가 Scale을 시작할 무렵 AI는 YouTube 영상에서 고양이를 알아보는 수준이었고, 그것이 우리 시대의 가장 중요한 기술이 되리라고 설명하기는 어려웠지만, 그 기술은 이미 믿기 어려운 지수곡선 위에 있었습니다.
대담에서 확인되지 않은 사항도 있습니다. 에이전트 무리가 엔지니어 100명 팀보다 많은 일을 했다는 Meta 내부 사례는 어떤 작업을 어떤 지표로 측정했는지 밝혀지지 않았습니다. Muse Spark가 Opus보다 8배 싸다는 말도 진행자의 사용 경험과 Wang의 발언일 뿐, 어떤 조건에서 비교했는지는 나오지 않습니다. Meta는 진행자가 길가에서 자꾸 멈춰 서는 페라리에 비유한 지금의 에이전트 도구들과 달리 속도와 신뢰성, 복잡한 다중 에이전트 구성으로의 확장성에 집중하겠다고 밝혔지만, 그 harness는 아직 공개되지 않았습니다. 물결마다 앞선 물결보다 10배씩 커진다는 말도 무엇을 기준으로 잰 크기인지는 설명되지 않았습니다.
Deep Dive
2026-08-11
지능보다 방향과 버티는 힘이 희소해진다
Wang이 말하는 변화는 AI가 성공을 보장한다는 뜻이 아닙니다. 지금까지는 큰일을 하려면 문제를 풀 수 있는 사람을 많이 모으고, 같은 목표로 움직이게 해야 했습니다. AI 에이전트가 조사와 개발, 분석, 운영을 상당 부분 맡으면 한 사람이 예전보다 훨씬 큰 실행 능력을 갖게 됩니다. 사람을 모아야만 얻을 수 있었던 지능과 행동 능력을 도구로 빌려 쓰게 되는 것입니다.
이 문맥에서 “주체성이 흔해진다”는 표현은 느슨합니다. AI가 자기 목적을 갖는다는 뜻이 아니라, 한 사람이 AI를 통해 행동할 수 있는 범위가 넓어진다는 뜻에 가깝습니다. 실행 능력이 널리 공급되면 무엇을 위해 그 능력을 쓸지가 새로운 병목이 됩니다.
비전은 막연한 큰 꿈이 아닙니다. 5년이나 10년 뒤 누구의 삶이 어떻게 달라져야 하는지 구체적으로 그리는 일입니다. 야망은 성공하고 싶다는 욕심이 아니라, 그 미래를 만들기 위해 오랫동안 실패와 불편함을 견디는 의지입니다. 누구나 값싼 로봇과 중장비를 쓸 수 있게 된 건설 현장에서도 무엇을 어디에 왜 지을지 정하고, 허가와 실패를 견디며 끝까지 완성할 사람은 여전히 필요한 것과 같습니다.
“10배, 100배 크게 꿈꿔도 된다”는 말은 전망에 가까운 과장입니다. AI가 사람과 조직을 완전히 없애는 것은 아닙니다. 자본과 신뢰, 제도, 현장 지식도 계속 필요합니다. 핵심은 과거에는 팀의 크기 때문에 시도하지 못했던 일을 이제 더 작은 팀도 시도할 수 있다는 데 있습니다.
미국, 회사, YC는 같은 조직 원리를 가리킨다
미국과 일반 회사, YC 스타트업은 서로 다른 성공 사례가 아닙니다. 규모만 다른 채 같은 일을 하는 조직의 예입니다. Wang이 본 기존의 성공 공식은 비전을 가진 사람이 똑똑한 사람과 자본을 모으고, 이들을 하나의 목표로 정렬한 뒤 큰일을 해내는 것이었습니다.
미국은 세계의 인재와 자본을 끌어오고 대학과 기업, 시장을 통해 사람들이 일을 벌이게 하는 큰 조직입니다. 회사는 개발자와 디자이너, 영업 담당자처럼 다른 능력을 가진 사람을 제품과 매출 목표로 묶는 중간 조직입니다. YC 스타트업은 창업자 몇 명이 투자와 초기 인재를 모아 한 문제에 집중하는 가장 작은 조직입니다.
Wang이 미국과 YC를 든 데에는 실리콘밸리의 관점과 청중도 작용합니다. Scale AI가 YC에서 출발했고, 인터뷰를 듣는 사람도 YC 창업자들입니다. 이 비유는 인재를 모으고 정렬하는 일이 중요했다는 주장을 익숙한 사례로 압축합니다. 미국이 실제로 하나의 목표를 향했다거나 인재 조율이 역사상 유일한 병목이었다는 증명은 아닙니다.
AI가 바꾸는 전제는 지능이 반드시 사람의 채용과 조직을 통해서만 공급된다는 믿음입니다. 예전에는 비전을 실행하려면 사람을 모아 조직부터 만들어야 했습니다. 앞으로는 한 사람이 여러 에이전트에 일을 맡겨 먼저 실행할 수 있습니다. 그래서 조직을 만드는 능력이 사라진다기보다, 비전을 가진 작은 조직이 큰 조직처럼 움직일 수 있게 된다는 주장으로 읽는 편이 정확합니다.
시스템 사고는 더 큰 단위의 관계를 설계하는 힘이다
시스템 사고는 복잡한 것을 많이 아는 능력이 아닙니다. 여러 요소가 함께 움직여 원하는 결과를 내도록 역할과 관계, 규칙을 설계하는 능력입니다. 전체 목표를 정하고, 일을 나누고, 입력과 출력을 연결하고, 성공 기준과 실패 복구 방식을 만드는 일이 여기에 들어갑니다.
추상화 계층이 바뀐다는 말은 같은 조율 문제를 더 큰 단위에서 다룬다는 뜻입니다.
| 계층 | 다루는 요소 | 설계할 것 |
|---|---|---|
| 코드 | 함수와 모듈 | 입력과 출력, 의존성, 오류 처리 |
| 조직 | 팀과 역할 | 업무 분담, 권한, 소통, 평가 방식 |
| 에이전트 | 여러 실행 루프 | 작업 분배, 맥락 공유, 검증, 재시도, 비용 |
에이전트 100개에 모두 “좋은 제품을 만들어”라고 시키면 같은 일을 반복하거나 서로 충돌할 수 있습니다. 조사하는 에이전트, 계획을 나누는 에이전트, 만드는 에이전트, 실제 결과를 확인하는 에이전트로 역할을 나눠야 합니다. 중요한 판단과 실패는 사람에게 올리고, 최종 결과를 합칠 권한도 한곳에 두어야 합니다. 각 에이전트의 능력보다 에이전트 사이의 연결 방식이 전체 성과를 결정합니다.
시스템 사고는 목표를 어떻게 효율적으로 이룰지 답합니다. 비전과 철학은 그 목표를 왜 이루려는지, 이루어도 되는지 답합니다. 잘못된 목표를 가진 시스템이 효율적으로 움직이면 피해도 커집니다. 그래서 앞으로 필요한 사람은 직접 모든 일을 처리하는 사람이 아니라, 올바른 방향을 정하고 그 일이 안전하게 반복되는 구조를 만들며 결과를 책임지는 사람입니다.
Key Insight
AI가 흔하게 만드는 것은 자기 목적을 가진 주체가 아니라 생각과 실행을 공급할 수 있는 능력입니다. 미래의 병목은 어떤 세계를 만들지 정하고, 많은 에이전트가 그 방향으로 안전하게 움직이도록 시스템을 설계하며, 결과를 책임지고 오래 밀어붙이는 사람에게 옮겨갑니다.