회사를 운영체제처럼 만들어라 AI is not a tool. It's the OS.

안녕하세요, 저는 Diana이고 YC의 파트너입니다.

지난 몇 달간 점점 명확해진 게 있습니다. AI는 단순히 소프트웨어가 만들어지는 속도나 자동화될 수 있는 워크플로우의 종류만 바꾸는 게 아닙니다. 스타트업이 운영되는 방식 그 자체를, 어떤 역할이 존재할지부터 어떤 제품을 만들 수 있는지까지 근본적으로 바꿉니다.

이번 에피소드에서는 창업자가 AI 네이티브 기업을 어떻게 구축해야 하는지, 팀에 어떤 역할을 두어야 하는지, 그리고 더 빠르게 움직이기 위해 지금 당장 도입할 수 있는 구체적인 내부 프랙티스가 무엇인지 이야기하겠습니다.

생산성 향상이 아니라, 새로운 가능성

지금 대부분의 사람들은 AI를 생산성 관점에서 이야기합니다. 엔지니어를 얼마나 더 생산적으로 만들 수 있는지, 기존 워크플로우에 코파일럿을 어떻게 더할지, 기능을 얼마나 더 많이 출시할 수 있을지를 길게 논합니다.

이 프레이밍은 지금 일어나고 있는 진짜 변화를 놓치고 있습니다. 지금 일어나는 일은 생산성 향상보다는 완전히 새로운 능력에 가깝습니다. AI 도구를 가진 한 사람이, 예전이라면 팀 전체가 필요했거나 아예 불가능했던 기능을 이제는 만들어 낼 수 있습니다.

AI를 "새로운 능력"의 관점에서 생각하면, 창업자가 회사를 운영하는 방식에 여러 함의가 생깁니다. 큰 그림으로 말하자면, AI는 회사가 사용하는 도구가 아니라 회사가 그 위에서 돌아가는 운영체제가 되어야 합니다. 모든 워크플로우, 모든 의사결정, 모든 프로세스가 끊임없이 학습하고 개선되는 지능 레이어를 통과해야 합니다.

클로즈드 루프로서의 회사

구체적으로 이게 무슨 뜻이냐면, 회사의 모든 중요한 프로세스가 지능적인 클로즈드 루프(closed loop)로 캡처되어야 한다는 의미입니다. 클로즈드 루프는 정보를 수집하고, 그것을 지능 시스템에 다시 피드백하고, 시간이 갈수록 프로세스를 개선합니다.

제어 시스템을 공부해 본 적이 있다면 open loop과 closed loop의 차이를 알 겁니다. 오픈 루프는 피드백이 없는 제어 시스템입니다. 옛 세계에서 회사들은 기본적으로 오픈 루프로 돌아갔습니다. 결정을 내리고, 실행하고, 결과를 항상 체계적으로 측정해서 프로세스를 조정하지는 않았죠. 오픈 루프는 본질적으로 손실이 큰(lossy) 구조입니다.

반대로 클로즈드 루프는 자기 조정형입니다. 출력을 계속 모니터링하고, 목표에 더 잘 부합하도록 프로세스를 조정합니다. 정확성과 안정성 측면에서 강력합니다. 자기 개선하는 에이전트와 함께, 회사는 클로즈드 루프로 돌아가야 합니다.

회사를 질의 가능하게(queryable) 만들기

이런 클로즈드 루프를 구축하려면, 회사 전체를 질의 가능하게 만들어야 합니다. 다시 말해, 조직 전체가 AI에게 읽혀야(legible) 합니다. 모든 중요한 행동은 회사 중심의 지능이 학습하고 자기 개선에 사용할 수 있는 아티팩트(artifact)를 만들어 내야 합니다.

이건 회의를 AI 노트테이커로 기록하고, DM과 이메일을 최소화하고, 모든 채널의 커뮤니케이션에 에이전트를 박아 넣는다는 뜻입니다. 또한 회사의 모든 것 — 매출, 영업, 엔지니어링, 채용, 운영 — 을 담은 커스텀 대시보드를 구축한다는 뜻이기도 합니다.

구체적인 예를 들어보겠습니다. 엔지니어링 매니지먼트와 sprint planning(스프린트 계획)을 봅시다. Linear 티켓, 모든 슬랙 엔지니어링 채널, Pylon이나 GitHub 같은 도구나 이메일로 들어오는 모든 고객 피드백, Notion·구글 독스에 있는 상위 계획, 영업 콜과 데일리 스탠드업 녹화에 접근하는 에이전트가 있다고 합시다. 이 에이전트는 이전 스프린트에 실제로 무엇이 출시됐고, 그것이 고객 니즈를 진짜로 얼마나 잘 충족시켰는지 분석할 수 있습니다.

여기서 한 걸음 더 나아갈 수 있습니다. 무엇이 출시됐고, 무엇이 통했고, 무엇이 안 됐는지를 완전히 가시화한 상태에서, 에이전트는 앞을 내다보기 시작합니다. 엔지니어를 위한 훨씬 더 예측 가능하고 정확한 스프린트 계획을 제안할 수 있습니다. 매니저가 모은 손실 큰 상태 보고의 시대는 끝났습니다.

제 자신이 엔지니어링 팀을 운영해 봤고 지금은 여러 YC 회사에서 이걸 보고 있는데, 이건 게임 체인저입니다. 끊임없는 코디네이션이 필요했던 일이 기본값으로 가독적이고 질의 가능해집니다. 이걸 도입한 팀은 엔지니어링 스프린트 시간을 절반으로 줄이고, 같은 시간에 거의 10배 가까운 일을 해내는 것을 봤습니다.

핵심 원칙은 이겁니다 — 모델의 모든 잠재력을 끌어내려면, 직원에게 제공할 만큼의 컨텍스트를 모델에게 제공해야 합니다. 그러면 회사는 더 이상 정보가 파편화되고 수동으로 해석되는 오픈 루프로 작동하지 않습니다. 대신 클로즈드 루프 시스템이 됩니다. 상태, 결정, 결과가 지속적으로 캡처되고 이 지능 레이어로 다시 피드백됩니다.

소프트웨어 팩토리 — 1,000배 엔지니어의 시대

가장 빠른 속도를 내는 회사들이 제품을 만드는 새로운 패러다임이 등장했습니다 — AI Software Factories(AI 소프트웨어 팩토리). TDD(테스트 주도 개발)에 익숙하다면, 그것의 다음 진화라고 보시면 됩니다.

소프트웨어 팩토리에서는 인간이 스펙과 성공을 정의하는 테스트 세트를 작성합니다. 그러면 AI 에이전트가 구현과 코드를 생성하고, 테스트가 통과할 때까지 반복합니다. 인간은 "무엇을 만들지" 정의하고 출력을 판정합니다. 실제 코드는 에이전트의 일입니다.

일부 회사들은 이미 이걸 극단까지 밀어붙여, 레포지토리에 수기로 작성된 코드가 하나도 없고 스펙과 테스트 하니스(harness)만 들어 있는 상태에 이르렀습니다.

StrongDM의 AI 팀이 그 예입니다. 그들의 최종 목표는 사람이 코드를 쓰거나 리뷰할 필요를 본질적으로 제거한 시스템이었습니다. 그래서 그들은 자체 소프트웨어 팩토리를 구축했고, 거기서는 스펙과 시나리오 기반 검증이 에이전트를 움직여, 코드를 쓰고 테스트하고 확률적 만족도 임계치를 충족할 때까지 반복하게 만듭니다. 그리고 그게 실제로 작동합니다.

이게 바로 Steve Yegge가 말한 "1,000배 엔지니어"를 달성하는 방법입니다 — 한 명의 엔지니어를, 그들이 절대로 만들지 못했을 것들을 만들게 해 주는 에이전트 시스템으로 둘러싸는 것. 1,000배, 아니 10,000배 엔지니어의 시대가 도래했습니다.

중간 관리자의 종말 — 인간 미들웨어 제거

회사를 이런 식으로 — 어디에나 AI 루프, 질의 가능한 조직, 소프트웨어 팩토리로 — 구축하면 한 가지 함의가 생깁니다. 고전적인 매니지먼트 위계가 더 이상 말이 안 됩니다.

옛 세계에서는 정보를 조직 위아래로 비효율적으로 라우팅하기 위해 중간 관리자와 코디네이터가 필요했습니다. 새 세계에서는 지능 레이어가 그 역할을 수행합니다. 당신 회사가 질의 가능하고, 아티팩트 풍부하고, AI에게 가독적이라면, 인간 미들웨어는 거의 없어야 합니다.

이게 중요한 이유는 회사의 속도는 정보 흐름의 속도만큼만 빠르기 때문입니다. 제거할 수 있는 인간 라우팅 계층 하나하나가 곧 직접적인 속도 향상입니다.

좋은 예가 Jack Dorsey가 Block에서 하고 있는 일입니다. 도구들을 깊이 파고든 뒤, 그는 많은 사람들이 도달한 같은 결론에 도달했습니다 — 이건 단순한 점진적 생산성 향상 그 이상이라고. 그의 관점은 같은 조직도와 매니지먼트 구조를 유지한다면, 이 변화 자체를 완전히 놓친 것이라는 겁니다. 회사 자체가 지능 레이어로 재구축되어야 하고, 인간은 그것을 통해 정보를 라우팅하는 것이 아니라 가장자리에서 가이드해야 합니다.

새로운 세 가지 인간 원형

앞으로 모든 회사는 세 가지 직원 원형(archetype)을 가질 거라고 Jack은 제안합니다.

토큰 맥싱 — 헤드카운트가 아니라 토큰

이 구조에서, 회사들은 훨씬 작은 팀으로 거대한 결과를 낼 수 있게 됩니다. 헤드카운트가 아니라 토큰 사용량을 극대화하는 것이 핵심적인 전환이 될 겁니다. 최고의 회사는 "token maxing(토큰 맥싱)"하는 회사입니다.

이렇게 트레이드오프를 생각해 보세요. AI 도구를 가진 한 사람이 AI 이전 시대의 큰 엔지니어링 팀에 해당하는 일을 해낼 수 있습니다. 그건 엔지니어링, 디자인, HR, 관리 팀이 극단적으로 가벼워진다는 뜻입니다. 그래서 당신은 불편할 정도로 높은 API 요금을 기꺼이 감수해야 합니다 — 그게 훨씬 더 비싸고 부풀려진 헤드카운트를 대체하기 때문입니다.

하지만 제 말만 듣지는 마세요. 이 도구들의 힘에 대한 확신은 외주 줄 수 없습니다. 직접 코딩 에이전트와 시간을 보내면서, 무엇이 이제 가능한지에 대한 당신 자신의 사전 인식을 부수기 시작할 때까지, 직접 사용해 봐야 합니다.

초기 스타트업의 압도적 우위

당신이 초기 단계 창업자라면, 이 흐름에서 앞서 나갈 큰 우위가 있습니다. 레거시 시스템이 없고, 엉킨 조직도가 없고, 재교육해야 할 수천 명이 없습니다. 1일 차부터 회사를 올바르게 구축할 수 있을 만큼 작습니다.

기존 회사들은 정반대입니다. 살아 있는 제품을 유지하고 성장시키면서, 동시에 수년간의 표준 운영 절차와 소프트웨어가 만들어지는 방식에 대한 핵심 가정을 풀어내야 합니다. 일부 회사들은 핵심 비즈니스와 분리해서 AI 네이티브 시스템을 처음부터 만드는 작은 내부 스컹크 워크(skunk works) 팀을 띄움으로써 이를 달성할 수 있습니다 — Mutiny가 좋은 예입니다.

하지만 대부분의 경우, 핵심 프로세스에 대한 모든 변경이 이미 작동 중인 무언가를 깨뜨릴 위험을 안고 있습니다. 그 본성상, 이 큰 회사들은 AI 네이티브로 가기가 훨씬 더 어려울 겁니다. 스타트업은 그런 제약이 없고, 그게 활용해야 할 주요 우위입니다.

당신은 처음부터 시스템, 워크플로우, 문화를 AI를 중심으로 설계할 수 있고, 그 결과 기존 강자보다 1,000배 더 빠르게 운영할 수 있습니다.