2nd/00_Raw/_youtube/AI를 팀원 각자 쓰는 팀 vs 뼛속까지 내재화한 팀__Qu4X0auqnqA.txt

제목: AI를 팀원 각자 쓰는 팀 vs 뼛속까지 내재화한 팀
영상: https://www.youtube.com/watch?v=Qu4X0auqnqA
비디오 ID: Qu4X0auqnqA
언어 우선순위: ko, en
세그먼트: 737개
------------------------------------------------------------

회사 팀 차원에서 AI를 활용하는
가장 좋은 방법은 뭘까요? 왜 기존
회사들은 AI 시대에 뒤쳐질 수밖에
없을까요? 그리고 왜 지금이 작은
스타트업이 거대 기업을 이길 수 있는
역사적 기회일까요? 다이에나 후는
세계 최고의 스타트업 엑셀러레이터,
와이 콤비네이터의 파트너입니다.
그녀가 지금 몇 달 사이에 목격한
아주 놀라운 현상에 대해 이야기하려고
나섰습니다. 만약 당신이 창업자거나
팀을 이끄는 사람이거나 혹은 조금 전
질문의 답이 궁금하시다면 꼭 끝까지
들어보세요. 저는 보충 설명과 내용
정리로 여러분의 이해를 도와드릴게요.
Hi, I'm Diana and
I'm a partner at YC.
Over the past few
months, it's become
clear to me that AI
is not just going to
change how quickly
software gets built
or what workflows
get automated. It's
going to
fundamentally change
the way startup
should be run from
what rules will
exist to what
products are
possible to build.
In this episode, I'm
going to discuss how
founders should
think about building
an AI native
company, what roles
their team should
have, and what
concrete internal
practices they can
adopt right now to
move much faster.
Currently, most
people talk about AI
in terms of
productivity.
They'll talk at
length about how it
can make engineers
more productive or
say we need to add
copilot to existing
workflows and ship
more features. This
framing misses the
shift we're
currently seeing
which is less about
productivity booths
than entirely a new
capabilities. The
right person with AI
tools can now build
features that used
to require an entire
team or were just
impossible. Thinking
about AI in terms of
new capabilities has
several implications
for how founders
should run their
companies. At a high
level, the way to
think about AI is
that should not be a
tool your company
just uses. It should
be the operating
company runs on.
Yor은 유수의 회사들을 초기에
키워낸 세계에서 가장 영향력 있는
벤처 캐피털이에요. 2005년 폴
그레이엄이 설립했고 오픈 AI의
샘트먼이 약 5년 정도 사장직을
여임했죠. YC 파트너라는 자리는
매년 수백개 회사가 어떻게 성공하고
실패하는지를 가장 가까이 있어
지켜보는 위치입니다. 따라서 AI는
도구가 아니라 운영 체제가 되어야
한다는이에나의 주장은 최근 실제로
빠르게 성장하는 회사들에서 공통적으로
관찰된 패턴이라는 점에서 무게가
실리죠. 참고로 다이에나 본인도
엔지니어 출신이고요. 포켓몬 고를
만든 회사 나이엔틱에서 AIAR AR
분야를 이끈 경력이 있습니다. 어떤
이야기를 하는지 더 들어보시죠.
workfow, every
decision and every
process should flow
through an
intelligent layer
that is constantly
learning and
improving. What this
means concretely is
every important
process in your
company should be
captured by an
intelligent close
loop. A close loop
captures
inflammation, feeds
it back into an
intelligence
systems, and improve
the process over
time. If you've ever
studied control
systems, you will be
familiar with the
difference between
an open loop and a
close loop system.
Open loops are
control systems
without feedback
loops. In the old
world, companies
basically ran as
open loops. You made
a decision, executed
it, and didn't
always
systematically
measure the outcome
and adjust the
process. Open loops
are inherently
lossy. A close loop,
on the other hand,
is self-regulating.
It continuously
monitors its output
and adjusts its
process to better
meet the stated
goal. Close loops
are extremely
powerful for
correctness and
stability with ag
개방 폐쇄루프에 대한 이야기가
나왔는데요. 이걸 이해하는 가장 쉬운
비유는 요리인 것 같습니다. 개방
루프는 레시피만 보고 요리하는
방식이에요. 물m, 뭐 간장 두
스푼, 10분 끓이기 적힌 대로만
요리하고 중간에 맛을 보지 않습니다.
음식이 짠지 싱거운지 미리 알 수
없죠. 반면 폐쇄 루프는 중간중간
간을 보면서 요리하는 방식이에요.
끓이다가 한번 맛보고 싱거우면 소금을
더 넣고 다시 맛보고 이렇게 결과를
측정하고 조정하는 행위를 반복합니다.
에어컨도 그렇죠. 설정 온도에
도달했는지 계속 측정하면서 에어컨
스스로 더우면 더 강하게 그리고
시원해지면 약하게 자동 조절하죠.
이런게 폐쇄 루프입니다. 다이에나가
말하는 핵심은 이겁니다. 기존
회사들은 회의, 결정, 실행으로
끝나고 그 결과가 좋았는지 나빴는지
체계적으로 확인하지 않습니다.
체계적으로라는 말이 중요한데 결과를
확인하고 반영하고자 하는 의지가
있다고 해도 기존의 운영 체제가 이걸
받쳐 주지 못합니다. 반면 AI
네이티브 회사는 실행부터 결과 분석
그다음 결정까지 체계적이고 근본적으로
가능합니다. 속도도 빠르고 정확도도
높죠. these close
loops you will need
to make your entire
company queryable in
other words the
whole organization
should be legible to
AI every important
action should
produce an artifact
that the
intelligence at the
center of the
company can learn
from and use to
self-improve this
means recording your
meetings with a AI
notaker, minimizing
DMs and emails, and
embedding agents
throughout
communication of all
channels. It also
means building
custom dash with
everything in the
company. revenue,
sales, engineering,
hiring, ops,
everything. Here's a
concrete example of
how it could work.
Take engineering,
management, and
sprint planning. If
you have an agent
that has access to
your linear tickets,
all your Slack
engineering
channels, all
customer feedback
from emails or tools
like PIN and GitHub,
highlevel plans in a
notion or Google
doc, sales calls and
recordings from
daily standups, then
the agent can
analyze what was
actually shipped in
your previous print
and how well they
met customers needs
for real. From
there, you can go a
step further with
full visibility into
what shipped, what
worked and what
didn't. Agents can
start looking ahead.
They can propose
sprint plans for
engineers that are
way more predictable
and accurate and on
track. The days of
manager status
rollups that are
super lossy are
gone. Having managed
engineering teas
myself and now
seeing this across
multiple YC
companies, this is a
game changer. What
used to require
constant
coordination becomes
legible and querable
by default. I've
seen teams that do
this cut their
engineering sprint
time in half and get
close to 10x more
than in that time.
The overarching
principle here is
that to get their
full capabilities,
you need to provide
models with as much
context as you would
provide an employee.
When you do this,
your company stops
operating as a open
loop where
information is
fragmented and
manually
interpreted. It
becomes instead a
close loop system.
Status, decisions
and outcomes are
continuously
captured and fed
back into this
intelligence layer.
The result is a
system that has an
update view of리는
데이터베이스에 질문한다라는 뜻인데요.
다이에나가 말한 AI 네이티브 운영
체제가 작동한다면 데이터베이스가
아니라 AI에게 질문함으로써 서비스에
대한 모든 답이 나오는 상태가 되는
거겠죠. 뭐 예를 들어 지난달 우리
고객들이 가장 많이 불평한 문제 세
가지가 뭔가? 이번 분기에 영업 팀이
어떤 기능을 가장 많이 요청받았는가?
지난 6개월간 우리 회사가 내린 결정
중에 실패한 것의 공통점은 무엇인가?
다음 업데이트 때 반드시 넣어야 하는
기능은 이런 질문을 누구나 할 수
있고 누구에게나 정확도가 높은 응답이
돌아옵니다. 현재 이런 시스템이 잘
거쳐지지 않는 이유는 회사의 정보가
여기저기 흩어져 있기 때문이고요.이를
사람이 이어주고 전달해 주는 방식은
정보 전달에 누수가 생길 수밖에
없어요. 주요 정보가 오가하는 회의는
반드시 전부 데이터화해야 한다고
말하고 중요한 정보가 오가지만 정보가
공유되지도 않고 쌓이지도 않는
다이렉트 메시지나 산의 이메일은
최소한으로 사용하라는 팁도 중요한 것
같습니다. 메신저 메시지나 구두로
중요 정보가 오가는 바람에 특정
관리자와 친하지 않으면 정보와
멀어지는 상황. 회사를 다녀본 분들은
한 번쯤 경험하시거나 목격하셨을
거예요. DM으로 업무 지시를 받고
구두로 회의 결론을 내고 결정 과정을
문서로 남기지 않는 문화. 저는
스타트업에서도 많이 보고 들었습니다.
이런 관행은 AI 시대에는 큰 약점이
됩니다. AI가 학습할 수 있는
데이터가 남지 않기 때문이죠.
product AI software
factories. If you're
familiar with the
test driven
development or TDD,
this is the next
evolution of that.
With software
factories, humans
right aspect and a
set of tests that
define success. And
then AI agents
generate the
implementation
and code and iterate
until the test pass.
The human defines
what to build and
judges the output.
The actual code is
the agent job. Some
companies have
already pushed this
to the point where
the repost contain
no handwritten code,
just specs and test
hardnesses. Strong
DMs AI team is an
example of how to do
this. Their end goal
was a system that
essentially
eliminated the need
for a human to write
or review code. And
so they build their
own software factory
where specs and
scenario based
validations drive
agents to write test
and iterate and code
until it meets a
probabilistic
satisfaction
thresold and it
works. This is how
you achieve thex
engineer that Steve
talked about by
surrounding a single
engineer with a
system of agents
that enable them to
build things they
would have never
been able to build
before. The era of
10,000 X engineer is
here.
>> AI 소프트웨어 팩토리와 기존 회사의
차이를 좀 더 쉽게 이야기해 보면요.
기존 방식은 건축가가 설계도를 그리고
인부들이 직접 벽돌를 쌓아서 집을
짓는 방식이라면 AI 소프트웨어
팩토리에서는
건축가가이 집은 침실 세 개, 화장실
두 개 무너지지 않아야 하고 단열이
잘 되어야 한다. 이런 요구 사항과
어 합격 기준만 작성합니다. 그러면
로봇 인부들이 알아서 집을 짓고 또
테스트도 하고 통과할 때까지
자기들끼리 고치고 짓는 걸 반복하죠.
중간 피드백, 최종 검수 이런
절차까지도 사라지겠죠. td라는 말은
간단히 말씀을 드리면 코드를 짜기
전에 합격 기준을 먼저 정하는
방식인데요. 시험 문제를 먼저 만들어
놓고 그 시험을 통과하는 답안을
나중에 작성하는 것과 비슷합니다.
단, td에서는 그 답안을 사람이
쓰는데 AI 소프트웨어 팩토리는
사람은 시어 문제, 즉 스펙과
테스트까지만 만들고 답안을 쓰는 건
AI 에이전트가 맞습니다. 요약하면
소프트웨어 팩토리는 사람은 무엇을
만들지만 결정하고 AI는 어떻게
만들지를 알아서 처리하는 분업입니다.
심지어 사람이 다음에 무엇을 만들지
결정할 때 도움이 될 만한 분석
자료와 정보들까지 제공해 주겠죠.
꿈만 같은 일처럼 들리지만 이미
도입되고 있고 가능한 일입니다.
In the new world,
the intelligence
layer serves that
purpose. If your
company is
queryable, artifact
rich and legible to
an AI, you should
have almost no human
middleware. This
matters because your
company's velocities
is only as fast as
its information
flow. Every layer of
human routing you
can remove is a
direct speed gain. A
great example is
what Jack Dory is
doing over at block.
After going deep on
the tools, he's come
to the same
conclusion many
half. This is about
more than just
incremental
productivity gains.
His view is that if
you keep the same
org chart and
management
structure, you miss
the shift entirely.
The company itself
has to be rebuilt as
an intelligence
layer with humans at
the edge guiding it
rather than routing
information through
it. Going forward,
Jack suggests every
company will have
three employee
archetypes. The
first is the
individual
contributor or IC.
Basically the
builder operator.
This is someone who
directly makes and
runs things. In an
AI native company
this is not limited
to engineers.
Everyone builts,
ops, support sales.
Everyone comes to
meetings with
working prototypes,
not pitch. Second is
the DRI, the
directly responsible
individual. Focus on
strategy and
customer outcomes.
This is not a
classic manager is
the person with a
clear responsibility
for the result. One
person, one outcome,
no hiding. The third
is the AI founder
type. This person
still builds, still
coaches and leads by
example. If you're
the founder, this
needs to be you at
the forefront.
showing your team
what massive
capability gains
look like. Not
delicating your AI
strategy to someone
else. With this
structure, companies
will be able to get
outsized results
with much smaller
teams. Maximizing
token usage not head
count will be the
critical shift. The
best companies will
be the ones that are
maxing. 잭도시가 누구냐면요
지금은 X죠. 트위터의 공동
창업자이자 결제회사 블록의
CEO인데요. 실리콘 밸리에서 가장
영향력이 있는 창업자 중에 한
명입니다. 블록은 미국의 카드 결제
서비스, 송금앱 등을 운영하고
있어요. 즉 도시는 2024년
경부터이 블록의 조직 구조를 과감하게
뜯어친 것으로 화자가 됐습니다. 중간
관리자가 너무 많다면서 매니저 직급을
대거 주렸고 직접 만들고 실행하는
사람들 중심으로 팀을 재편한 거죠.
어, 다시 보니까이 세 가지 유형
중에 하나에 속한다는 개념이라기보다
복수의 유형을 한 사람이 겸할 수
있는 속성의 개념인 것 같습니다.
내가 100% 책임을 져야 하는 담당
지표, 업무 이런게 있고요.이를 위해
AI 도구를 능통하게 쓰면서 필요할
땐 직접 제품이나 도구를 만드는
사람, 포지션을 불문하고 최고의
직원이 되겠죠. 이런 직원을 원한다면
AI 운영 체제를 세팅하는 것은
기본이고 정보를 전달하는 중간
관리자를 없애거나 최소화하는 것도
필수적으로 동반되어야 될 것 같아요.
중간 관리자의 존재는 책임이 분산되는
체계이자 작업자가 자기 미션을
달성하기 위한 정보를 100% 얻기
어려운 체계의 방증입니다. 참고로
크랙 팀에서는 팀 내에서 필요한 여러
가지 도구들을 AI로 그때그때 빠르게
만들어 주는 전단 포지션이 있다고
합니다. 예전에는 개발자한테 어떤
고객 데이터를 모아서 달라고 요청하면
뭐 하루 이틀 뒤에 엑셀 파일로 주는
방식이었죠. 대부분. 그런데 이제는
개발자가 아니어도 궁금한 고객
데이터를 마음껏 물어볼 수 있는
간단한 프로그램을 하루 이틀 기다리지
않아도 이용할 수 있다는 겁니다. 잭
도시가 말한 세 가지 유형의 팀원들만
남도록 체질 개선을 하는 것이 너무
무리인 것 같다면 중간 단계로 시도해
볼 만한 방법인 것 같습니다.
Think of the tradeof
this way. One person
with AI tools can be
the equivalent of
what used to take a
large engineering
team at a pre
company. That means
grammatically
engineering, design,
HR and admin teams.
And so you should be
willing to run an
uncomfortably high
API bill because
it's replacing what
would have taken a
far more expensive
and inflated head
count. But don't
just take my word
for any of this. You
cannot outsource
your conviction on
the power of these
tools. You need to
develop it yourself
by actually sitting
with coding agents
and using them until
you start to break
your own priors
about what is now
possible to build.
If you are an early
stage founder, you
have a huge
advantage in getting
ahead on this. You
don't have legacy
systems, interest or
charts or thousands
of people to
retrain. You are
small enough to
build your company
right from day one.
The opposite is the
case for existing
companies. They have
to maintain and grow
a live product while
unwinding years of
standard operating
procedures and core
assumptions about
how software gets
built. Some
companies can
achieve this by
spinning up small
internal scunkw
teams that can build
AI native systems
from scratch
separate from the
core business.
Mutney is a great
example of this but
for most every
change to their core
processes risk
breaking something
that already works.
So by their nature
these large
companies will have
a much harder time
going AI native.
Startups don't have
that constraint and
that's a major edge
to take advantage
of. You can design
your system workfows
and culture around
AI from the start
and as a result
operate
다이에나는 제로베이스에서 AI
네이티브 운영 체제를 세팅할 수 있는
스타트업에게 유리한 판이라는 것을
강조하면서도 기존 회사에게도
아이디어를 주고 있어요. 먼저 스크
웍스란 말이 나왔는데요. 회사 본부의
복잡한 절차와 보고 라인에서 떨어져
나와서 소수의 정애 멤버가 자유롭게
새로운 것을 실험하는 작은 팀을
의미합니다. 별동대라는 개념과 비슷할
것 같은데요. 기존 회사가 AI
리이티브 운영 체제를 도입하고 싶다면
핵심 비즈니스와 아무런 관계가 없는
작은 AI 네이티브 팀이 스краਅ크
웍스 팀을 만들어서 그 팀이 완전히
새로운 방식으로 일하면서 실험해 보는
겁니다. 영상에 언급된 뮤티니는
Y콤비네이터 출신 스타트업으로
영업팀, 마케팅 팀이 필요한 고객
대면 자료를 AI로 만들어 주는
서비스인데요. 2018년에 설립되어서
AI 네이티브 조직은 아니었어요.이
레거시 팀이 AI 네이티 운영 체제와
조직으로 아주 잘 변모한 듯합니다.이
영상의 핵심을 간단하게 요약하면요.
가장 중요한 메시지는 이겁니다.
여러분은 AI가 일을 더 빨리 하게
해 주는 도구가 아니라 팀의 체질를
바꾸는 새로운 운영 방식으로
이해하셔야 합니다. 뭐 지금까지 업무
보조 도구로 생각하면서 직원들에게 뭐
보조금, 지원금 정도만 주고 있다면
생각을 크게 바꾸시는게 좋겠습니다.
세 가지 핵심 개념이 나왔는데요. 첫
번째는 폐쇄 루프 회사. 스스로
학습하는 회사 시스템이죠. 모든 의사
결정과 그 결과를 AI가 추적하고
분석할 수 있게 만들어야 하고요. 두
번째는 AI 소프트웨어 팩토리죠.
사람은 무엇을 만들지 스펙만 정하고
AI가 어떻게 만들지를 담당하는
구조죠. 이게 잘 작동하면 엔지니어
한 명이 과거 천명이 하던 일을 할
수 있게 됩니다. 세 번째는 새로운
조직 구조예요. 중간 관리자가 없는
평평한 조직이 필요합니다. 정보를
위아래로 전달하는 중간 관리자는 더
이상 필요가 없습니다. 모든 직원이
직접 만들고 명확한 책임을지면서
창업자는 AI 활용에 선두에서야
합니다. 우리에게 가장 힘이 되는
대목은 마지막에 나온 것 같은데요.
지금이 스타트업이 강좌를 앞지를 수
있는 저로의 기회입니다. 기존
시스템, 업조, 직원수, 소수
정애입니다. 의사 결정 속도는
기본적으로 빠르고요. AI 네이티브
전환은 처음부터 [음악] 기초부터
가능합니다. 작고 빠른 AI 네이티브
스타트업은 기존 기업을 압도할
[음악] 수 있는 역사적인 기회를
거어줄 수 습니다.
[음악]
[음악]
[음악]