🌊

AI Engineering World's Fair · Gary Tan (Y Combinator)

가서 바닷물을 끓이세요

너무 크고 막막해서 절대 하지 말아야 할 비효율적인 일. 그런데 이제는 바로 그것을 해야 할 때. 뒤집힌 명령어에서 뒤집힌 세상의 아젠다가 밀려온다.

🎙️ Gary Tan · YC 대표⏱️ 20분 톡 압축🏆 시드→$100M ARR 94개사📝 정유진 정리

"Go and boil the sea." — 가서 바닷물을 끓이세요.

지난주 AI Engineering 월드 페어에서 YC 대표 게리 탄이 또 FOMO를 불지르는 톡을 했다. 지난번 소개한 YC의 AI Native playbook을 압축했는데, 매운맛 훅으로 시작해 현실 메소드, 가슴 웅장해지는 비전으로 마무리한 대단한 톡. 20분 동안 어떻게 인사이트만 이렇게 압축해 전달하는지 — 게리 탄의 리얼 보이스로 꼭 들어보시길 진심 강추.

FOMO

왜 지금 안 하면 안 되는가 / 숫자

니가 안 하면, 경쟁사가 매우 기뻐하며 너의 점심을 먹어치울 것. "…they will happily eat your lunch." — Gary Tan

자신의 이야기부터. 게리 탄 본인이 지금 20년 된 YC를 AI Native로 바꾸는 중. 과거 1,000명이 하던 일을 1명이 하게 만드는 게 목표 — 비유가 아니라 실제로.

94시드 투자→연매출 $100M(1,500억) 돌파 회사

400배게리 탄 본인 코드 생산성 증가

8~80배verbosity 페널티 최대·절반이 스캐폴딩이라 쳐도 최소치

¼25년 YC 겨울팀 중 95%+ AI 생성 코드베이스

레버리지는 weight가 아니라 wire에 있다

x2 하는 사람과 x100 하는 사람은 완전히 똑같은 클로드, 똑같은 weight, 똑같은 API를 쓴다.
차이는 가중치(weight)가 아니라 wire — 자신의 일을 어떻게 AI에 연결하는가.
게리 탄은 YC 풀타임 운영을 그대로 하고, 심지어 오후 5시엔 애를 데리러 간다.

가중치(Weight)가 아니라 연결(Wire)이다 — Emergence·Retail 사례

돌연변이가 아니라, 새 물리학 위에 지어진 첫 회사들

25년 겨울팀의 1/4이 95% 이상 AI 생성 코드베이스 → YC 역사상 가장 빠르게 성장하고 가장 수익성 높은 그룹이 됐다.
이들은 AI를 도우미가 아니라 노동력(workforce)으로 쓴다.
Emergence — 출시 8개월 만에 9자리 ARR. $1,500만 돌파 시점 직원 15명.
Retail — 직원 40명으로 $6,000만. 이 수준의 1인당 매출은 소프트웨어에도, 석유에도, 철도에도 없었다.

Methodology

조직을 마크다운으로 다시 짓기

에이전트로 구축하며 배운 모든 것은 기존 조직과 1:1로 매핑된다.

조직도를 마크다운(.md)으로 다시 짓다 — sales.md·cs.md·finance.md

Skill명확히 기록된 하나의 능력·직무

→

직원누군가 실행할 수 있을 만큼 적힌 것

Resolver table작업 라우팅 규칙 모음

→

조직도"테스트 파일 바꿀 땐 tests.md 로드"

Filing rules리졸버가 규정대로 도는지

→

내부 프로세스운영 준수 확인

Trigger evaltests.md가 실제 로드되는지 검증

→

성과 평가evaluation

에이전트를 고용하는 4가지 규칙 — Skill·Resolver·Filing·Trigger Eval

md를 만드는 것 = 곧 조직을 구축하는 것. 클로드 코드 앞에 앉는 순간, 당신은 SW를 짜는 게 아니라 마크다운으로 된 노동력을 고용하고, 훈련하고, 관리하는 것이다.

엔지니어만의 얘기가 아니다

AI 네이티브 회사는 영업·CS·운영·재무를 수백 명 채용으로 풀지 않는다. 모든 업무를 에이전트가 실행하는 스킬로 인코딩하고, 엔지니어의 직무는 그 스킬이 아직 못 하는 일을 하도록 유지보수하는 것.
YC에선 미디어팀·행사 스태프·재무팀 등 평생 터미널 열어본 적 없는 사람들이 스킬과 크론 잡을 만든다.
어떤 재무 담당자는 수백 개 엑셀 워크북을 회사 두뇌(Company Brain) + 에이전트로 단일 앱에 통합. 이제 그녀는 프로그래머가 아니라 에이전트의 관리자.

우리가 더 열심히 일해서가 아니라, 다른 형태의 조직을 갖고 있기 때문. 그게 이 게임의 전부.

Computation

연산이 어디서 일어나는지부터 구분하라

모든 AI 엔지니어링 버그는 대개 한쪽에 있어야 할 것이 다른 쪽에 있어서 생긴다.

비결정론적

잠재 공간 · Latent

취향, 판단, 애매한 말의 진짜 의도 파악. 모델 안의 연산. md로 조종한다.

결정론적

결정론 공간 · Deterministic

코드가 하는 일. 상태 저장, 배열, 로직.

예 — 스타트업 스쿨 800명 좌석 배치

좌석 배열의 상태 저장은 컨텍스트 윈도우 밖(결정론)에.
LLM은 '이 사람 어디 앉히지?'라는 인간적 판단만(잠재).
예전엔 한 달 걸릴 일이 → 토큰 몇백 달러 + 10분.

에러는 공간을 헷갈릴 때 발생한다 — 잠재 공간 vs 결정론적 공간, 800명 좌석 배치 예

Working memory

도서관과 사서

인간의 작업 기억은 7±2개

전화번호가 7자리인 이유. 인류가 만든 모든 체크리스트·조직도·서류함은 이 한계를 보완하려는 것.
AI 에이전트는 100만 토큰 = 해리포터 3권을 동시에 펼쳐놓고, 그 안에서 바늘을 찾고, 순식간에 3권을 종합한다.

해리포터 3권 분량의 천재성 — 회사 데이터는 3권이 아니라 거대한 도서관

근데 책 3권은 많으면서 동시에 아주 적은 양. 회사는 3권이 아니라 도서관이다 — 모든 이메일, 모든 회의, 모든 결정과 그 근거, 고객과의 모든 대화, 모든 포스트모템까지.

에이전트가 천재가 될지 금붕어가 될지는 '책상 위에 올릴 이 세 권을 누가 고르는가'에 달렸다. 그게 컨텍스트 엔지니어링. 회사 두뇌는 도서관이자 사서(Librarian).

"이거 그냥 RAG 아냐?" 라는 반박에

검색은 프리미티브(기본 요소)가 맞다. 어려운 건 그 주변이다.
애초에 무엇을 기록할지, 어떻게 연결할지, 뭘 working memory로 승격하고 뭘 cold reference로 내릴지, 두 사실이 충돌하면 누가 중재할지.
큐레이션 없는 두뇌는 '검색 잘 되는 쓰레기장'이 된다.

프리미티브는 기억이 아니라 기억 + 위생(memory plus hygiene). 실패하지 않는 두뇌를 위한 메모리 환경 셋업이 중요하다.

AI가 천재가 되려면 사서가 필요하다 — 큐레이션 없는 두뇌 = 검색 잘 되는 쓰레기장

개인의 시그니처 행동

"일회성 작업을 절대 하지 마라"

마음에 들었다? 거기서 멈추지 말고 skillify

에이전트 결과물이 좋았다면 스킬화한다. 같은 걸 두 번 물어봐야 한다면 당신은 실패한 것.
학습을 보존하는 조직은 매일 더 똑똑해진다. 그렇지 않으면 모델이 아무리 좋아도 매일 아침 기억상실증에 걸린 채 깨어난다.
모델의 품질은 빌려오는 것. 하지만 두뇌를 구축하면 그 두뇌는 당신 소유.

이런 글 쓰는 일회성 작업을 하고 있는 나… 하지만 좋아서 하는 짓은 계속해도 되겠지 ;

그래서

AI Native 회사란?

단순히 AI를 '쓰는' 회사가 아니다. 첫날부터 이 형태를 갖춘 회사 — 적은 수의 얇은 팀, 모든 것에 대한 스킬 파일, 여전히 코드 짜는 창업자, 복리로 성장하는 회사 두뇌.

첫날부터 AI 네이티브로 시작한다는 것 — 얇고 가벼운 팀·모든 것의 스킬화·여전히 코드 짜는 창업자·복리로 성장하는 두뇌

OpenClaw가 페라리라면 Codex는 정말 좋은 혼다. 하지만 혼다로도 목적지에 도착한다. 이 일의 90%는 해낸다. 중요한 건 리포지토리가 아니라 개념 — 도구는 뭐든 상관없다.

①

연산의 위치

연산이 어디서 일어나는지 생각하라.

②

스킬 = 직원

스킬 파일을 직원으로 쓰라.

③

도서관 & 사서

도서관과 사서를 만들어라.

④

일회성 금지

절대, 절대 일회성 작업을 하지 마라.

당신이 25살이라면

Memory Layer — YC가 투자하고 싶은 영역

넥스트 빅 띵: 기억 계층(Memory Layer) — GBrain 오픈소스, 사서를 구축하면 YC가 투자

지구상 모든 회사가 곧 두뇌를 필요로 한다

기억 계층(memory layer) — 내가 아는 걸 다시 물어볼 필요 없는, 나를 진짜로 아는 개인 AI.
게리 탄은 GBrain을 MIT 라이선스 오픈소스로 공개 중. 리눅스처럼 이 계층은 열려 있어야 한다고 믿어 이걸로 돈 벌 생각은 없다고.
하지만 이 계층 자체 — 회사 두뇌, 개인 컨텍스트, 세 권의 책을 고르는 사서 — 는 광활하게 열린 영토.

여기서 당신이 결정적인 회사를 만들면 YC가 투자하고 싶습니다.

🌊

Vision · 바다를 끓여라

도서관, 사서, 그리고 세 권의 책

게리 탄의 친구는 희귀 뇌전증을 앓는 아들을 위해 8만 개의 마크다운 파일로 된 회사 두뇌를 구축했고, 아들의 병에 대해 인류가 아는 지식의 절대적 한계까지 스스로를 밀어붙였다. 연구소도, 보조금도, 누구의 허락도 없이 — 아버지 한 명 + 랩톱 + 도서관.

곁다리 미담이 아니다. 20분 내내 설명한 바로 그 아키텍처다. 도서관, 사서, 적절한 순간에 펼쳐진 올바른 세 권의 책이, 한 사람이 세상에서 가장 사랑하는 대상을 향해 있었던 것일 뿐.

이제 우리는 — '그 사람이 있었으면 좋겠지만 구할 수가 없네' 했던 모든 문제를 풀 수 있고, 버그가 너무 많다던 코드베이스를 고칠 수 있고, 너무 방대해서 못 읽던 아카이브를 읽을 수 있고, 불가능하다던(끓일 수 없다던) 바다를 끓일 수 있다.

여러분 모두 날 수 있습니다. 은유가 아니라 기계적으로요. 살아남고, 번창하고, 승리하기 위해 여러분은 그래야만 합니다.

여러분 모두 날 수 있습니다 — 불가능하다던 바다를 끓이세요, 가서 그 테스트를 쓰고 그 스킬을 출시하세요

가서 바다를 끓이세요.
가서 그 테스트를 쓰고, 그 스킬을 출시하세요.