어떻게 AI 네이티브 회사를 처음부터 설계하고 운영할까?

TL;DR

AI를 보조 도구가 아니라 회사의 운영체제로 두고, 모든 핵심 활동의 데이터와 결과를 지능형 시스템에 되돌리는 클로즈드 루프를 구축해야 합니다. 사람은 목표, 명세, 테스트, 고객 성과를 책임지고 AI 에이전트는 정보 분석과 구현 반복을 맡으며, 조직은 중간 전달층보다 직접 실행하는 개인 기여자와 결과 책임자를 중심으로 작게 설계하는 것이 핵심입니다.

Transcript

안녕하세요. 저는 YC 파트너 다이에나입니다. 지난 몇 달을 보면서 AI는 소프트웨어를 얼마나 빨리 만들 수 있는지나 어떤 워크플로를 자동화할지만 바꾸는게 아니라는 걸 분명히 느꼈습니다. 스타트업을 운영하는 방식 자체가 근본적으로 바뀝니다. 어떤 역할이 필요하고 어떤 제품을 만들 수 있는지까지 바뀝니다. 이번 에피소드에서는 AI 네이티브 회사를 어떻게 만들어야 하는지 이야기하겠습니다. 팀에 어떤 역할이 필요하고 지금 당장 어떤 내부 반응을 구입해야 더 빨리 움직일 수 있는지도 살펴보겠습니다. 지금은 대부분 AI를 생산성의 관점에서 이야기합니다. 엔지니어 생산성을 얼마나 높여 주는지 길게 얘기하거나 기존 워크플로에 코파일... Read More

Key Insights

• AI 네이티브 회사는 AI를 개별 업무의 보조 도구가 아니라 모든 워크플로와 의사 결정을 연결하는 운영체제로 사용한다.
• 클로즈드 루프는 실행 결과를 수집해 지능형 시스템에 다시 입력하고, 설정한 목표에 맞도록 다음 프로세스를 계속 조정한다.
• 회의와 업무 활동은 기록 가능한 산출물을 남겨야 하며, AI가 영업, 개발, 채용, 운영의 현재 상태를 읽을 수 있어야 한다.
• 스프린트 에이전트는 티켓, 업무 대화, 고객 피드백, 계획 문서와 회의 기록을 함께 분석해 배포 결과와 요구 충족도를 파악한다.
• AI 소프트웨어 팩토리에서는 사람이 명세와 테스트로 성공 조건을 정의하고, 에이전트가 조건을 만족할 때까지 구현을 반복한다.
• AI가 직원 수준의 판단을 수행하려면 코드만이 아니라 고객 요구, 결정 배경, 계획과 실행 결과를 포함한 충분한 맥락이 필요하다.
• 조직의 정보 전달을 인텔리전스 레이어가 맡으면 중간 조정 계층의 필요가 줄고 개인 기여자와 결과 책임자의 역할이 커진다.
• 초기 스타트업은 낡은 시스템과 복잡한 조직 구조가 적어 워크플로와 문화를 처음부터 AI 중심으로 설계하기에 유리하다.

Questions & Answers

Q: AI 네이티브 회사를 처음부터 어떻게 설계해야 하나요?

AI가 회사의 핵심 정보를 읽고 학습할 수 있는 클로즈드 루프부터 설계해야 합니다. 회의, 업무 대화, 고객 피드백, 코드 변경, 영업 통화와 운영 지표를 기록 가능한 산출물로 남기고, 이를 하나의 인텔리전스 레이어에 연결합니다. 사람은 목표와 판단 기준을 정하고 에이전트는 분석, 구현, 반복 개선을 맡도록 역할을 구분합니다.

Q: AI를 회사의 운영체제로 사용한다는 것은 무엇인가요?

모든 중요한 워크플로와 의사 결정이 AI가 이해할 수 있는 정보 계층을 거치게 한다는 뜻입니다. AI를 일부 직원이 사용하는 코파일럿에 머물게 하지 않고, 조직의 상태와 결정, 실행 결과를 계속 수집하고 분석하게 합니다. 이를 통해 회사는 흩어진 정보를 사람이 매번 해석하는 구조에서 지속적으로 학습하고 조정하는 구조로 바뀝니다.

Q: 회사에 클로즈드 루프를 어떻게 구축할 수 있나요?

행동의 결과를 측정하고 그 정보를 다음 결정에 다시 반영하도록 프로세스를 연결하면 됩니다. 회의는 AI 노트테이커로 기록하고, 주요 채널의 커뮤니케이션과 고객 피드백, 개발 및 영업 데이터를 에이전트가 접근할 수 있게 합니다. 이후 목표와 실제 결과의 차이를 분석해 계획과 실행을 조정하면 피드백 없는 오픈 루프를 줄일 수 있습니다.

Q: AI가 조직을 이해하려면 어떤 정보를 제공해야 하나요?

직원에게 업무를 맡길 때 제공하는 수준의 풍부한 맥락을 제공해야 합니다. 엔지니어링에서는 티켓, 업무 대화, 고객 피드백, 상위 계획, 문서, 영업 통화와 스탠드업 기록이 포함될 수 있습니다. 이러한 자료를 함께 연결해야 AI가 무엇이 배포됐는지, 고객 요구를 얼마나 충족했는지, 무엇이 잘되거나 실패했는지를 종합적으로 판단할 수 있습니다.

Q: AI 소프트웨어 팩토리는 어떻게 작동하나요?

사람이 성공 조건을 표현한 명세와 테스트 세트를 작성하고, AI 에이전트가 테스트를 통과할 때까지 구현을 생성하고 수정하는 방식으로 작동합니다. 사람은 무엇을 만들지 결정하고 최종 결과가 기준을 충족하는지 판단합니다. 코드 생성과 반복 실행은 에이전트가 맡으므로, 정확한 요구사항과 시나리오 기반 검증 체계를 만드는 일이 핵심이 됩니다.

Q: AI 네이티브 회사에는 어떤 직원 역할이 필요한가요?

직접 만들고 운영하는 개인 기여자와 특정 결과를 책임지는 DRI가 핵심 역할로 제시됩니다. 개인 기여자는 엔지니어링에 한정되지 않고 지원과 영업까지 살피며 실제로 작동하는 결과물을 만듭니다. DRI는 전통적인 정보 전달형 관리자가 아니라 전략과 고객 성과를 책임지고, 직접 실행하고 코칭하며 결과에 대한 명확한 책임을 집니다.

Q: AI 네이티브 조직에서 중간 관리 계층이 줄어드는 이유는 무엇인가요?

인텔리전스 레이어가 조직 정보를 수집하고 전달하는 역할을 맡을 수 있기 때문입니다. 회사의 활동이 기록되고 AI가 이를 이해할 수 있다면, 여러 관리자를 거쳐 상태를 요약하고 위아래로 전달할 필요가 감소합니다. 발표자의 관점에서는 회사의 속도가 정보 흐름에 좌우되므로, 사람을 거치는 전달 단계를 줄일수록 의사 결정과 실행이 빨라질 수 있습니다.

Q: AI 도입 비용과 인력 규모는 어떻게 판단해야 하나요?

API 비용을 기존 인력을 보조하는 소액 비용으로만 보지 말고, 더 큰 팀이 수행하던 업무를 대체하거나 확장하는 운영 비용으로 비교해야 합니다. 발표자는 AI 도구를 활용한 한 사람이 과거의 큰 팀이 맡던 일을 수행할 수 있다고 주장합니다. 다만 구체적인 효과는 회사별 검증 자료가 제시되지 않았으므로, 실제 업무에서 직접 시험하고 결과를 측정해 판단해야 합니다.

Q: 기존 기업은 AI 네이티브 방식으로 어떻게 전환할 수 있나요?

핵심 사업과 분리된 소규모 내부 팀에서 AI 네이티브 시스템을 처음부터 구축하는 방식이 제안됩니다. 기존 기업은 운영 중인 제품과 오랜 표준 절차를 유지해야 하므로 핵심 프로세스를 한꺼번에 바꾸기 어렵습니다. 별도 팀은 기존 구조의 영향을 줄인 채 새로운 개발 방식과 업무 루프를 시험할 수 있지만, 검증된 결과를 본 조직에 적용하는 과정은 별도로 설계해야 합니다.

Summary & Key Takeaways

• 첫 단계는 회의, 메시지, 이메일, 고객 피드백, 코드 저장소, 영업 통화와 운영 지표를 AI가 읽을 수 있는 산출물로 남기는 것입니다. 이렇게 수집한 상태, 결정, 결과를 인텔리전스 레이어에 지속적으로 되돌리면 조직의 실제 상황을 파악하고 다음 행동을 조정하는 클로즈드 루프가 만들어집니다.

• 제품 개발에는 AI 소프트웨어 팩토리 방식을 적용할 수 있습니다. 사람이 성공 조건을 담은 명세와 테스트 세트를 만들고 결과를 판단하면, AI 에이전트가 구현을 생성하고 테스트를 통과할 때까지 반복합니다. 이 구조에서는 코드를 직접 작성하는 능력뿐 아니라 목표와 검증 기준을 정확하게 정의하는 능력이 중요해집니다.

• 조직은 직접 만들고 운영하는 개인 기여자와 특정 고객 성과를 책임지는 DRI를 중심으로 구성합니다. 정보 전달만 담당하는 관리 계층은 줄이고 AI가 충분한 맥락을 읽도록 설계합니다. 초기 스타트업은 기존 절차와 조직의 제약이 적어 유리하지만, 기존 기업은 핵심 사업과 분리된 소규모 팀에서 새 방식을 시험할 수 있습니다.