형식: 컨퍼런스 클로징 키노트(무슬라이드), 자동 생성 영어 자막 기반 정리 (일부 고유명사·수치는 자막 인식 오류 가능성 있어 원문 뉘앙스 유지하며 표기)
1. 핵심 주장 (What)
"한 사람이 예전에 1000명이 하던 일을 한다" — 이건 비유가 아니라 기계적(mechanically) 사실이라고 못 박음. 오늘 이 컨퍼런스에 있는 사람들은 이걸 한 시간 안에 해낼 것이고, 일부는 이 발표 직후 스타트업 배틀필드에 나가 바로 증명하게 될 것.
레버리지는 모델이 아니라 "일을 어떻게 배선(wire)하느냐"에 있다. 2배 생산성을 내는 사람과 100배 생산성을 내는 사람이 정확히 같은 Claude(같은 weight, 같은 context window, 같은 API)를 쓴다. 차이는 모델 성능이 아니라 조직화 방식.
에이전트로 소프트웨어를 만드는 모든 개념은 그대로 "조직(organization)"에 매핑된다. Skill file = 직원, Resolver table = 조직도, Filing rules = 사내 프로세스, Trigger evals = 인사평가. "Cloud Code나 Codex 앞에 앉는 순간, 당신은 소프트웨어를 작성하는 게 아니라 마크다운으로 이루어진 인력을 채용·훈련·관리하는 것."
AI 네이티브 회사는 "AI를 쓰는 회사"가 아니라, 처음부터 이 구조로 설계된 회사다. 얇은 팀, 모든 업무에 대한 skill file, 코드를 여전히 직접 들여다보는 창업자, 그리고 회사 브레인(company brain)/개인 AI.
일을 두 개의 공간으로 나눠서 생각해야 한다: latent space(모델이 하는 판단·취향·모호한 의도 해석 — 비결정적 영역)와 deterministic space(코드 에이전트가 처리하는 실제 연산·저장 — 결정적 영역). AI 엔지니어링에서 발생하는 버그 대부분은 한쪽에 있어야 할 계산이 다른 쪽에서 일어나기 때문.
"컴퍼니 브레인"이 다음 세대의 핵심 인프라다. 인간의 작업 기억은 7±2개(밀러의 법칙)인 반면, AI 에이전트는 100만 토큰(~해리포터 3권 분량)을 한 번에 들고 그 안에서 즉시 종합할 수 있다. 그런데 회사는 3권이 아니라 도서관이다. 그 도서관에서 "지금 책상 위에 어떤 3권을 펼쳐놓을지" 결정하는 것이 컨텍스트 엔지니어링이며, 이것이 "라이브러리 + 사서(librarian)"로서의 컴퍼니 브레인이다.
"한 번 쓰고 버리는 작업(one-off work)을 절대 하지 마라." 결과물이 마음에 안 들면 고치라고 하고, 마음에 들면 반드시 "skillify"해서 재사용 가능한 스킬로 만들어라. 같은 걸 두 번 요청해야 한다면 이미 실패한 것.
모델 품질은 임대(rent)한 것이지만, 당신이 쌓은 브레인은 당신 소유다. 회사가 배운 것을 축적하는 조직은 매일 더 똑똑해지고, 그렇지 않은 조직은 모델이 아무리 좋아져도 매일 아침 기억상실 상태로 깨어난다.
2. 근거와 데이터 (Why/Evidence)
개러리 탠 개인 생산성 실험: 2013년 YC 파트너 겸 거의 풀타임 엔지니어로 일할 때, 주석/불필요한 코드를 뺀 "쓸모 있는 논리 라인" 기준 하루 약 14줄을 작성. 당시 문헌 기준으로도 중앙값 수준(15~50줄대)의 평범한 생산성이었음.
올해(2026년 기준 발표 시점) 같은 사람, 같은(사실은 더 적은) 근무시간 — 심지어 오후 5시 자녀 픽업까지 있는 상황 — 으로 계산한 결과 약 400배 산출량 증가.
스스로 회의론자 역할을 자처해 수치를 깎아내려봄: 원본 코드를 못 믿겠다면 최악의 "장황함 패널티"를 가정하고, 절반은 스캐폴딩(보일러플레이트)이라고 쳐도 최소(바닥) 8배는 남는다고 주장. (자막 인식상 "중간값" 관련 구체 배수는 부정확하게 잡혀 있어 정확한 숫자는 확인 필요 — "8x at the floor"만 명확히 확인됨)
YC 배치 데이터:
Winter 25 배치: 참가 기업의 1/4이 코드베이스의 95%를 AI가 생성. 이 배치가 YC 역사상 가장 빠르게 성장하고 가장 수익성 높은 배치가 됨.
YC 역사를 통틀어 시드 투자에서 시작해 연매출 1억 달러를 넘긴 기업이 총 94개.
인과관계를 단정하진 않지만("AI 생성 코드가 성장을 유발했다고 증명할 수는 없다"), 가장 빠르게 성장하는 창업자들은 AI를 자동완성이 아니라 "워크포스(인력)"로 다룬다는 공통 패턴을 관찰.
회사 사례:
Emergence(AI 앱 빌더, Summer 24 배치): 퍼블릭 런칭에서 9자리(수억 달러대) ARR까지 8개월. ARR 1500만 달러 돌파 시점 직원 수 15명.
자막상 "Retail"로 표기된 Winter 24 배치 기업(정확한 사명은 자막 인식 오류 가능성 있어 확인 필요): 매출 6000만 달러를 약 40명으로 달성. "이 정도 인당 매출은 소프트웨어 업계는 물론, 석유·철도 산업 역사에도 없었다"고 강조.
YC 내부 비엔지니어 사례: 재무팀 직원 한 명이 터미널을 한 번도 열어본 적 없는 사람인데도, 자체 openclaw + company brain 도구로 엑셀 워크북 약 100개를 앱 하나로 통합. "그녀는 프로그래머가 아니다. 이제 에이전트를 관리하는 매니저다."
스타트업 스쿨 좌석 배치 문제(deterministic space 사례): 6000명 참가자 중 800명씩 자리를 배치하면서, 옆에 앉을 사람이 서로에게 "완벽한 만남"이 되도록 최적화해야 하는 실제 과제. 800석의 다차원 배열 연산은 컨텍스트 윈도우가 아니라 결정적 연산 공간에 있어야 하며, LLM은 "사람을 매칭하는" 인간적 판단 부분만 담당. 예전엔 800페이지를 출력해 사람이 직접 큰 방에서 배치하는 데 한 달이 걸렸을 일이 이제 몇백 달러 토큰 비용으로 약 10분 만에 가능.
밀러의 법칙(작업기억 7±2) 인용: 인지심리학에서 가장 유명한 논문 중 하나. 전화번호가 7자리인 이유, 장보기 목록 8번째 항목을 까먹는 이유. 인류가 만든 모든 체크리스트·조직도·문서보관함은 이 한계를 보완하기 위한 "보철물(prosthetic)"이었다는 비유.
GBrain(자신의 개인 프로젝트) 규모: 약 22만 페이지 분량. 대부분 본인 에이전트가 이메일·회의·20년치 메모·경험을 기반으로 작성. 창업자가 위기 상황을 이메일로 보내오면, 탠이 그 메일을 다 읽기도 전에 에이전트가 이미 해당 창업자와의 과거 대화 전체, 같은 벽에 부딪혔던 포트폴리오 3개 회사 사례와 실제 효과가 있었던 해법을 끌어와 있다고 설명.
3. 사례와 스토리 (Examples)
개러리 탠 본인의 2013 vs 2026 비교: 동일 인물, 동일(혹은 더 적은) 근무시간, 자녀 픽업까지 있는 삶의 제약 조건 속에서도 산출량 400배. 자기 자신을 실험 대상으로 삼아 회의론까지 스스로 반박.
"Skill file = 직원" 은유 전개: Resolver table을 설명하며, 청중이 실제로 겪었을 법한 경험(claude.md에서 "context too big"이 뜨면 resolver table을 만들게 되는 상황)을 예로 들어, 이것이 실은 "조직도(org chart)"와 동일한 구조임을 보여줌. Filing rules(리졸버가 실제로 작동하는지, 컴플라이언스를 지키는지)와 trigger evals(테스트 파일을 수정해야 할 때 test.md가 실제로 로드되는지 확인하는 테스트)를 각각 "내부 프로세스"와 "인사평가"에 대응시킴.
YC 배치룸 이미지: 400개 회사 창업자가 긴 테이블에 각자 노트북을 펴고 앉아, 각자 매일 "예전 한 사람의 1년치 업무"를 하루 만에 해내는 광경 — "이건 미래가 아니라 지금의 기준선(bar)이다. 안 하면 경쟁자가 하고, 당신 점심을 정중하게 먹어치우고 고맙다고 인사할 것."
아들을 위해 8만 개 마크다운 파일을 만든 아버지: 희귀 뇌전증(epilepsy)을 앓는 아들을 둔 지인이, 아들의 정확한 상태에 대해 인류가 아는 지식의 한계까지 자신을 밀어붙이며 8만 개 마크다운 파일로 구성된 "한 소년을 위한 컴퍼니 브레인"을 만듦. 랩(lab)도, 그랜트도, 허가도 없이 오직 "아버지, 노트북, 라이브러리"만으로. 탠은 이것이 발표 20분 내내 설명한 아키텍처(라이브러리 + 사서 + 적절한 순간에 펼쳐지는 적절한 3권의 책)의 실제 사례라고 강조.
10살 딸에게 GBrain을 설명한 방식: "AI 에이전트는 해리포터 책 3권을 동시에 펼쳐놓고, 그 안 어디든 바늘 하나를 순식간에 찾아내고, 세 권을 종합할 수 있어." (7자리 숫자짜리 인간 작업기억과의 대비)
"Open Claw는 페라리, Codex는 좋은 혼다": 자신은 항상 Open Claw를 추천하지만, Codex도 이 작업의 90%는 해낼 수 있다며 "얼굴이 날아갈 정도는 아니지만 목적지엔 도착시켜준다"는 비유로 특정 툴에 대한 종속 없이 개념 자체가 핵심임을 강조.
4. 실행 포인트 (So What / Action)
"일을 두 번 요청하게 되면 이미 실패한 것" — 결과물이 마음에 들면 즉시 skillify(재사용 가능한 스킬 파일로 전환)할 것. 탠이 언급한 "skillify it" 관련 자신의 블로그 포스트/X 글을 검색해 해당 skill 파일을 자신의 하네스에 로드하면, 방금 한 작업을 자동으로 재사용 스킬로 변환해줌.
조직을 설계할 때 "직원-조직도-프로세스-평가"의 4요소를 명시적으로 마크다운화: skill file(한 가지 역량, 명확히 실행 가능한 한 가지 업무), resolver table(작업 라우팅), filing rules(내부 규정 준수 여부), trigger evals(스킬이 실제로 잘 작동하는지 검증하는 테스트). 이 네 가지를 갖추면 "천 명짜리 조직"을 마크다운(+일부 TypeScript)으로 재현 가능.
연산이 일어나야 할 공간을 항상 구분해서 설계할 것: 모호한 의도 해석·취향 판단 같은 비결정적 작업은 LLM(latent space)에 맡기고, 대량의 상태·조합 최적화 같은 결정적 연산은 반드시 코드/에이전트(deterministic space)로 분리. 버그의 상당수는 이 경계가 무너질 때 발생한다는 점을 디버깅 원칙으로 삼을 것.
컴퍼니 브레인을 만들 때 반드시 "위생(hygiene)"을 함께 설계: 모든 사실에 출처(provenance) 부여, 새 정보와 기존 정보가 충돌할 때 모순 검사(contradiction check), 그리고 (사람+에이전트로 구성된) 사서가 실제로 오래된/틀린 정보를 정리(pruning)하는 역할을 맡을 것. 그냥 쌓아두기만 하면 "검색은 잘 되는 쓰레기장"이 되어, 자신 있게 틀린 답을 내는 에이전트가 된다.
엔지니어만이 아니라 전사적으로 스킬 파일/크론잡 문화를 확산: 비개발 직군(재무, 미디어, 이벤트 운영 등)도 스킬 파일과 크론잡을 직접 만들 수 있도록 독려. "이제 모두가 에이전트의 매니저"라는 관점을 조직 문화로 채택.
어떤 하네스를 쓰든(Open Claw든 Codex든) 핵심 개념 자체를 이식할 것: 연산 공간 구분, skill file = 직원, 라이브러리+사서 구조, one-off 작업 금지 원칙은 특정 도구에 종속되지 않는 원칙이므로 어떤 스택으로 옮기더라도 그대로 적용 가능.
지금 팀/개인 워크플로우를 점검: "한 번 쓰고 버리는 프롬프트/작업"이 반복되고 있다면, 이번 주 안에 최소 1개는 skill 파일로 전환해보는 것부터 시작. 회사 브레인이 없다면, 이메일·회의록·의사결정 로그부터 데이터 소스로 삼아 작게라도 구축을 시작하는 것이 장기적으로 "모델보다 더 오래 남는 자산"이 된다.
핵심 요약 (20줄)
개러리 탠(YC CEO)의 클로징 키노트 — 주제는 "테오가 물은 질문, 지금 우리는 무엇을 만들어야 하는가"에 대한 투자자·창업자 관점의 답.
핵심 메시지: "한 사람이 예전에 1000명이 하던 일을 한다"는 건 비유가 아니라 기계적 사실이다.
개러리 탠 본인 실험: 2013년 하루 14줄 코드 → 2026년 같은 조건에서 약 400배 산출량 증가(회의적으로 깎아도 최소 8배).
레버리지는 모델이 아니라 "일을 어떻게 조직화(wire)하느냐"에 있다 — 2배와 100배 생산성을 내는 사람 모두 같은 Claude를 쓴다.
YC Winter 25 배치: 1/4 기업이 코드베이스 95% AI 생성, 역사상 가장 빠르게 성장하고 수익성 높은 배치가 됨.
YC 역사상 시드 투자에서 연매출 1억 달러를 넘긴 기업 총 94개.
Emergence(AI 앱 빌더)는 런칭 8개월 만에 9자리 ARR, 1500만 달러 ARR 시점 직원 15명.
다른 사례 기업은 매출 6000만 달러를 직원 약 40명으로 달성 — 인당 매출이 산업 역사상 전례 없는 수준.
