10대는 왜 학교를 자퇴하고 창업했을까? | 고등학생 CTO 신주원

URL: https://www.youtube.com/watch?v=MMRPNFbrf8I
날짜: 2026-09-07
채널: AI Community Bloom
원문 공개일: 2026-09-06

메타데이터

• 출연자: 신주원(Shin Ju-won)
• 현재 역할: 넥스트챌린지스쿨 재학, 스크린타임 관리 앱 ‘렛츠고’와 피부 분석 서비스 ‘여치들’의 CTO·CMO
• 핵심 주제: 10대 AI 네이티브 세대의 학습·업무 방식, 학교를 자퇴하고 창업을 선택한 이유, AI 시대 교육의 경계
• 관련 도구: Gemini, ChatGPT, Claude, Claude Code, Codex, Cursor AI, Figma AI, Lovable, Base44, Genspark, Perplexity, Canva AI
• 처리 기준: 한국어 자동 자막 전체를 시간순으로 확인하고 문맥에 맞게 ASR 오인식을 보정함

📌 핵심 질문 / 이 영상이 다루는 핵심 논점

==신주원은 AI가 지식 습득과 제품 제작의 속도를 바꾼 시대에, 정해진 25년짜리 교육·취업 경로보다 3개월 안에 실제 서비스와 고객 가치를 만드는 경로를 선택했다.==

• 중학교를 무난하게 다니며 시험을 잘 보던 학생도 AI가 코딩과 음악 제작을 수행하는 뉴스를 계기로 전통적인 학교 교육의 투자 대비 이득을 다시 계산하게 됐다.
• 10대는 AI 사용법을 따로 배우기보다 문제를 풀고 아이디어를 구현하며 AI와 함께 성장하는 방식에 익숙하다.
• AI는 서비스 개발과 학습을 가속하지만, 도메인 지식이 부족한 팀은 AI가 낸 오류를 검증하기 어렵고 AI가 만든 문제를 다시 AI로 해결하는 역설을 겪는다.
• 학교와 조직은 AI 사용을 막기보다 인간의 사고와 AI의 표현·실행을 구분하는 기준을 세워야 한다.

신주원의 선택은 학교 대 창업이라는 단순한 이분법보다, AI가 지식 접근·개발·협업의 비용을 낮춘 환경에서 무엇을 직접 사고하고 어떤 가치를 실제로 검증할 것인지에 관한 선택이다. 정규 교육의 자격과 기초를 완전히 버리는 대신 넥스트챌린지스쿨에서 검정고시와 스타트업 실무를 병행하고, 팀 제품을 만들며 배우는 경로를 택했다.

1. 평범한 학생이 정해진 경로를 다시 계산한 과정

신주원은 성적과 학교생활에 특별한 문제가 없었지만, AI의 발전 속도와 기존 교육 경로에 걸리는 시간을 비교한 뒤 자퇴와 창업을 선택했다.

1.1. ‘좋은 대학과 좋은 직장’ 경로에 던진 질문

1. 평범한 중학생의 출발점

   1. 안정적인 학교생활: 신주원은 중학교를 잘 다니고 시험도 잘 보면서 친구들과 중간고사를 준비하던 학생이었다.
   2. 예정된 미래: 그대로라면 초등학교 6년, 중학교 3년, 고등학교 3년을 거쳐 대학에 진학하는 흐름을 따를 가능성이 컸다.

2. AI 뉴스가 만든 전환점

   1. AI의 창작 능력: AI가 코드를 작성하고 음악까지 만들어 준다는 뉴스를 접하면서 AI가 사람의 학습·제작 활동을 빠르게 흡수하고 있다는 사실을 체감했다.
   2. 교육 투자에 대한 재질문: 학교 12년과 대학·취업까지 이어지는 경로에 자신의 시간을 투입할 때 실제로 얻는 것이 무엇인지 의문을 품었다.

1.2. 25년짜리 루트 대신 3개월 안에 만드는 루트

1. 한국에서 통상적인 성공 경로

   1. 정해진 순서: 좋은 대학에 가고 좋은 직장을 구한 다음 은퇴해서 안정적으로 사는 경로가 사회적으로 익숙한 기본 루트로 제시됐다.
   2. 긴 소요 시간: 이 경로는 말로는 단순하지만 실제로는 약 25년이 걸리는 장기 계획이다.

2. 창업가 정체성의 선택

   1. 자기소개를 바꾼 기준: 졸업장을 가진 사람이 되는 것보다 100만 명의 사용자를 가진 ‘렛츠고’의 CEO라고 소개할 수 있는 미래가 자신에게 더 어울린다고 판단했다.
   2. 즉시 실행: 신주원은 자퇴한 뒤 넥스트챌린지스쿨에 다니며 자신의 길을 시작했고, 3개월 만에 실제 제품과 역할을 만들어 가고 있다고 설명했다.

2. 신주원이 만드는 두 서비스와 문제 정의

두 서비스는 청소년이 실제로 겪는 스크린타임과 피부 관리 문제를 낮은 비용과 참여 구조로 해결하려는 시도다.

2.1. ‘렛츠고’: 의지만으로 끊기 어려운 스크린타임을 게임화하기

1. 서비스 목적과 진행 단계

   1. 스크린타임 감소: 렛츠고는 스마트폰 사용 시간을 줄이도록 돕는 애플리케이션이다.
   2. 투자와 출시 상태: JA Korea의 투자를 받아 개발 중이며, 처리 시점에는 아직 정식 출시 전이라 출시 후 관심을 요청하는 단계다.

2. 핵심 사용자 흐름

   1. 목표 등록: 사용자는 특정 앱을 얼마나 사용할지 스스로 정한다.
   2. 스크린타임 인증: 실제 사용 기록을 캡처해 약속을 지켰는지 인증한다.
   3. 친구와 기부 챌린지: 친구들과 함께 목표에 참여하고, 챌린지 결과를 기부로 연결한다.

3. 행동 설계의 전제

   1. 의지의 한계: 스크린타임 중독이 마약 중독보다 강하다는 문제의식처럼, 개인의 의지만으로 스마트폰 사용을 끊기 어렵다고 봤다.
   2. 인정 욕구 활용: 청소년이 친구들과 함께 목표를 인증하고 기부까지 이어 가도록 만들어 사회적 인정 욕구와 공동체 압력을 행동 변화의 동력으로 활용한다.

2.2. ‘여치들’: 5,000~6,000원으로 피부 상태와 제품 선택을 연결하기

1. 혼란스러운 스킨케어 선택

   1. 시장 문제: 대한민국 사람의 89%가 자신이 사용하는 스킨케어 제품이 피부에 맞는지 잘 모른다는 문제 인식에서 출발했다.
   2. 신주원의 경험: 신주원은 자신의 피부가 지성이라고 들었다가 다른 검사에서는 건성으로 판정받는 등 정보가 충돌하는 경험을 했다.

2. 청소년을 위한 가격 구조

   1. 기존 비용 장벽: 피부과나 전문 피부 관리에 드는 50만~60만 원대 비용은 청소년이 감당하기 어렵다.
   2. 저가 분석과 추천: 여치들은 약 5,000~6,000원으로 피부를 분석하고 개인에게 맞는 스킨케어 제품을 추천하는 서비스를 개발한다.

3. 사업 우선순위

   1. 유력한 후보: 두 아이템 중 여치들이 가장 유력한 후보로 거론됐다.
   2. 실행 방식: 신주원은 CTO이면서 CMO 역할도 맡아 제품 개발과 시장·고객 측면을 함께 책임지고 있다.

3. 10대는 AI를 배우기보다 AI와 함께 성장한다

10대에게 AI는 별도의 신기술 과목이 아니라 검색·학습·상담·제작에 자연스럽게 포함된 일상적 동료다.

3.1. AI 사용의 세 가지 패턴

1. 정답지 대신 설명을 요구하며 함께 문제 풀기

   1. 과거의 답지 복사: 수학 문제를 풀기 귀찮을 때 답지를 보고 답만 옮겨 적던 방식이 과거의 익숙한 학습 행동으로 제시됐다.
   2. 현재의 질문 방식: 1+1이 왜 2인지 설명하라고 AI에게 요청하고, 설명이 이해되지 않으면 계속 질문하며 풀이 과정을 함께 만든다.
   3. 학습의 본질: AI가 제공한 답을 그대로 베끼는 것이 아니라 질문과 재질문을 통해 문제를 풀어 가므로, AI 사용법을 암기하기보다 AI와 함께 배우는 방식이 된다.

2. 친구보다 AI에게 속마음 털어놓기

   1. 말하기 어려운 상황: 엄마와 싸웠지만 화해하고 싶지 않은 상황처럼 친구에게 묻기 애매한 감정 문제를 AI에게 더 편하게 말할 수 있다.
   2. 공감형 AI의 확산: 공감형 AI와 생성형 AI가 일상에 들어오면서 감정과 관계에 대한 질문도 AI에게 향한다.
   3. 남은 우려: 신주원은 이 현상이 조금 걱정되지만, AI에게 속마음을 묻는 흐름 자체는 이미 10대 사이에서 널리 퍼졌다고 봤다.

3. 머릿속 아이디어를 실행 가능한 결과물로 완성하기

   1. 아이디어 구체화: 학생은 머릿속의 사업 아이디어를 AI와 함께 구체화하고 실제 서비스로 만들 수 있다.
   2. 완성도 보완: 만든 아이템을 판매할 수 있는 형태로 다듬는 과정에서 AI를 사용해 표현과 구현의 완성도를 높인다.
   3. AI 교육의 한계: 학교가 ChatGPT나 Claude의 사용법을 따로 가르쳐도 학생들은 도구 기능을 외우는 것보다 AI와 함께 결과물을 만들며 성장하는 방식을 선호한다.

3.2. ‘필요한 순간에 도구를 붙이는’ AI 네이티브 사고

1. 급식 알림 에이전트 사례

   1. 불편의 발견: 학교 급식 메뉴를 확인하려면 웹사이트에 들어가야 하는 일이 매일 반복됐다.
   2. 해결책의 전환: 한 학생은 복잡한 서비스를 설계하기보다 급식 정보를 에이전트에 연결해 매일 카카오톡으로 받는 방법을 택했다.
   3. 사고방식의 차이: 특정 상황에서만 AI를 호출하는 것이 아니라, 일상의 번거로운 일을 발견하면 ‘에이전트에게 맡기면 되겠다’고 바로 생각한다.

2. 10대의 실제 사용 범위

   1. 지식 질문이 중심: AI를 사용하는 가장 큰 이유는 모르는 내용을 묻고 궁금증을 해소하는 것이다.
   2. 이미지와 진학 준비: 이미지를 다시 그리게 하거나, 희망 계열에 맞는 대회와 포트폴리오를 추천받는 데도 활용한다.
   3. 일상 속 침투: AI는 특별한 목적을 가진 프로젝트 도구인 동시에 공부·콘텐츠·진로 탐색의 보조자다.

4. 실제 제품 제작에서 드러난 AI의 강점과 한계

AI는 짧은 시간에 제품을 만들게 해 주지만, 인간의 도메인 지식과 디버깅 능력을 대신하지는 못한다.

4.1. 바이브 코딩과 개발 도구 조합

1. 신주원의 도구 스택

   1. 디자인: UI/UX 디자인에는 Figma AI를 사용한다.
   2. 웹 구현: Lovable과 Base44 같은 바이브 코딩(Vibe Coding) 웹사이트를 활용한다.
   3. 코드 개발: CTO로서 Claude Code, Codex, Cursor AI를 이용해 대부분의 개발을 진행한다.
   4. 조사와 탐색: 대회나 자료를 찾을 때 Genspark와 Perplexity를 사용한다.

2. 발표 자료 제작

   1. 사용 도구: 발표 자료는 Gemini의 Canvas 기능으로 만들었다.
   2. 결과의 의미: 다양한 AI 도구를 업무뿐 아니라 발표 준비 같은 커뮤니케이션 작업에도 바로 연결한다.

4.2. AI가 틀린 지식과 문제를 검증하기 어려운 이유

1. pH 색상 패치 실험의 실패

   1. AI의 제안: Claude는 특정 성분을 넣으면 pH 농도에 따라 색이 변할 것처럼 재료와 방식을 제안했다.
   2. 현장 검증: 팀은 그 조언을 바탕으로 한양대학교 연구실과 실험을 진행했지만 처참하게 실패했다.
   3. 핵심 교훈: 사전 도메인 지식이 없으면 AI가 제시한 과학적 설명이 맞는지 틀리는지 판단하기 어렵다.

2. 바이브 코딩의 디버깅 역설

   1. 개발 과정: 렛츠고는 바이브 코딩 방식으로 만들고 있으며, AI 도구가 데이터베이스(DB) 문제를 알려 주거나 수정안을 제시한다.
   2. 원인 추적의 장벽: 팀원들은 10년 이상 개발해 온 엔지니어가 아니므로 실제로 어떤 경로에서 문제가 생겼는지 찾기 어렵다.
   3. 역설적인 순환: AI가 만든 문제를 AI로 해결하는 과정이 가능하지만, 원인과 해결책을 인간이 검증하지 못하면 서비스 신뢰성이 흔들린다.

3. 도구의 새로운 지위

   1. 교과서: 신주원이 만들고 싶은 도구는 자신에게 지식을 제공하는 교과서가 된다.
   2. 친구와 공동체: AI는 함께 살아가는 공동체이자 친구처럼 질문을 주고받는 상대가 된다.
   3. 스승: 적절한 질문과 피드백을 통해 결과를 개선한다는 점에서 AI는 스승 역할도 수행한다.

5. 자퇴 후 다니는 넥스트챌린지스쿨과 AI 일상

넥스트챌린지스쿨은 정규 학교의 대체재라기보다 검정고시와 창업 실무를 함께 제공하는 AI·스타트업 특화 환경으로 소개됐다.

5.1. 학교의 교육 구성

1. 학력 기반 유지

   1. 검정고시 준비: 학생들이 학력 요건을 갖출 수 있도록 검정고시 공부를 기본 교육에 포함한다.
   2. 정규 경로와의 연결: 자퇴 이후에도 대학 진학 등 필요한 다음 단계를 선택할 수 있도록 기초 교육을 유지한다.

2. 스타트업 실무 교육

   1. 생태계 이해: 현재 스타트업 생태계와 업계에서 실제로 일어나는 일을 배운다.
   2. 창업에 필요한 교육: 아이디어를 사업으로 전환하고 팀과 제품을 운영하는 데 필요한 내용을 전문적으로 다룬다.

5.2. 일반 고등학교와 AI 특화 학교의 사용 격차

1. 일반 학교 친구들의 사용

   1. 질문 중심 사용: 친구들은 Google, Naver, Gemini, ChatGPT 같은 AI에 모르는 내용을 질문하는 경우가 많다.
   2. 온라인 수업 병행: 온라인 강의를 들을 때 한쪽 화면에 AI를 켜 두고 수업 내용에 대한 답을 받는다.
   3. 문제 풀이 보조: 문제를 사진으로 찍어 AI에 보내면 교사나 학원 강사에게 묻는 것보다 무료로 간단하고 정확한 설명을 받을 수 있다.

2. 넥스트챌린지스쿨의 사용 환경

   1. 높은 도구 인지도: 일반 학교에서는 ChatGPT와 Claude 정도만 아는 학생이 많지만, 학교 안에는 AI를 개발하는 학생도 있다.
   2. 전원에 가까운 사용: 신주원은 학교 학생의 AI 사용률이 사실상 100%라고 설명했다.
   3. 환경의 영향: 개인의 AI 활용 수준은 의지만이 아니라 어떤 친구와 교사, 프로젝트 환경에 놓여 있는지에 따라 크게 달라진다.

3. AI를 못 쓰게 되었을 때의 운영 리스크

   1. 업데이트 중단: 신주원은 프로젝트가 사용자 피드백을 받아 출시까지 계속 업데이트되는 상태라서 AI가 없으면 개발 속도가 멈춘다고 했다.
   2. 사용자 불만 증가: 서비스가 개선되지 않으면 사용자 불만이 크게 늘어난다.
   3. 서비스 자체의 정지: AI가 개발과 운영에 깊이 들어와 있으므로 AI 사용이 중단되면 서비스 자체가 멈출 수 있다.

6. 학교와 직업 교육에서 정해야 할 AI 사용의 경계

AI를 금지할 수 없는 시대에는 인간이 생각해야 하는 영역과 AI에 맡길 수 있는 표현·실행 영역을 분리해야 한다.

6.1. 넥스트챌린지스쿨의 허용 범위

1. 허용되는 사용

   1. 모르는 내용 질문: 과제를 하다가 모르는 부분을 AI에 물어보는 행위를 허용한다.
   2. 표현과 제작: Canva AI로 PPT를 만들거나 필요한 표현물을 생성하는 일도 허용한다.

2. 제한되는 사용

   1. 자기 생각이 필요한 토론: 독서 토론에서 AI가 찾아 준 근거를 자신의 생각처럼 말하는 행위는 제한한다.
   2. 국제경제학 토론: 국제경제학 수업처럼 자기 주장을 직접 만들어야 하는 토론에서 AI의 생각을 그대로 말하는 것을 허용하지 않는다.

3. 경계의 원칙

   1. 사고의 주체: 문제를 정의하고 판단하며 주장하는 사고는 학생이 직접 해야 한다.
   2. 표현과 실행의 보조: 학생의 생각을 표현하고 구현하는 작업은 AI에 맡길 수 있다.

6.2. 회사의 온보딩과 업무 교육으로 확장되는 문제

1. 기존 교육 방식의 변화

   1. 선배 중심 온보딩: 과거에는 신입사원이 선배에게 업무를 배우며 조직의 맥락을 익혔다.
   2. AI 중심 학습: 이제는 AI가 문서와 업무 맥락을 바탕으로 교육하는 상황이 가능해졌다.

2. 사고 생략의 위험

   1. 보고서 자동 생성: 신입사원이 직접 판단하지 않고 AI가 만든 보고서를 그대로 제출하는 일이 발생한다.
   2. 다음 세대 교육 과제: 학교와 회사 모두 결과물의 생성보다 문제 정의·근거 판단·책임 있는 의사결정을 가르치는 체계가 필요하다.

6.3. 교과서와 유튜브 대신 AI로 핵심 개념 압축하기

1. 외부 학습 자료의 사용

   1. 학교 추천 링크: 학교는 Khan Academy나 SAT·AP 준비용 유튜브 강의 링크를 학생에게 제공한다.
   2. AI 요약: 신주원은 교사가 없는 자리에서 Gemini에 유튜브 링크를 보내 핵심 개념만 요약해 달라고 요청한 뒤 그 내용을 외운다고 말했다.

2. 효율성과 이해의 균형

   1. 학습 시간 절약: 긴 강의를 전부 시청하는 대신 핵심 개념을 빠르게 추출한다.
   2. 남는 과제: 요약을 암기하는 것과 개념을 실제로 이해하고 적용하는 것은 다르므로, 압축된 지식을 검증하고 활용하는 학습이 뒤따라야 한다.

7. AI 시대 10대의 불안과 새로운 감각

10대의 가장 큰 고민은 대학과 취업이며, AI가 자신의 오랜 준비를 무의미하게 만들 수 있다는 두려움이 강하다.

7.1. 컴퓨터공학을 준비한 친구의 불안

1. 오랫동안 쌓은 개발 역량

   1. 이른 시작: 신주원의 친구는 어릴 때부터 개발을 해 왔고 현재 백엔드 개발자로 활동한다.
   2. 전통적인 유망 분야: 컴퓨터공학과 개발은 오랫동안 이과 학생이 준비할 만한 유망한 진로로 여겨졌다.

2. AI가 만든 미래의 공포

   1. 진학과 취업의 불확실성: 친구는 AI가 모든 일을 하고 있어서 대학에도 못 가고 취업도 못 할 것 같다고 걱정한다.
   2. 투자 회수에 대한 의문: 19년 동안 공부와 개발에 시간을 쏟아 대학을 졸업해도 AI가 더 잘한다며 자신을 필요로 하지 않을 수 있다는 두려움이 있다.
   3. 직업 전반의 흔들림: 변화는 컴퓨터공학에만 한정되지 않고 교육과 직업 체계 전반을 흔든다.

7.2. AI로 만든 결과물에 대한 거부감의 세대 차이

1. 업무 결과물에 대한 성인 세대의 의심

   1. 투입량에 대한 인상: 보고서에 AI를 사용하면 사람이 충분한 리소스를 투입하지 않은 것처럼 보일 수 있다.
   2. 품질 우려: 정성이 부족해 보이고 할루시네이션(Hallucination)이 섞여 있을 것이라는 불신도 생긴다.

2. 10대의 낮은 거부감

   1. 일상화된 사용: 10대는 자신도 AI를 쓰고 AI가 자신보다 똑똑하다고 생각하기 때문에 AI를 사용한 작업 자체를 크게 거부하지 않는다.
   2. 어린 시절부터의 노출: 중학생 때부터 AI가 만든 음악과 이미지를 접했으므로 AI가 들어간 결과물이 자연스럽고 익숙하다.

3. 남아 있는 경계

   1. 음악과 이미지: AI가 만든 음악이나 이미지에는 아직 AI 특유의 흔적이 보여 약간의 거부감이 남아 있다.
   2. 세대 경험의 차이: AI 결과물을 얼마나 자연스럽게 받아들이는지는 기술에 처음 노출된 시기와 사용 경험에 따라 달라진다.

8. AI 네이티브 조직은 노션 대신 대화 맥락을 공유한다

AI가 읽고 이어 갈 수 있는 원본 대화 맥락이 정리된 보고서보다 더 효율적인 협업 자산이 될 수 있다.

8.1. 노션 중심 기록에서 AI 대화 중심 기록으로

1. 기성 조직의 문서 문화

   1. 노션 공유: 기업은 회의와 업무 내용을 보고서로 정리해 Notion 같은 문서 공간에 저장하고 팀원과 공유한다.
   2. 요약의 한계: 사람이 정리한 문서에는 AI가 업무 맥락을 이해하는 데 필요한 질문·실험·수정 과정이 빠질 수 있다.

2. 렛츠고 팀의 방식

   1. 공유 AI 계정: 팀 계정으로 AI를 하나 만들어 팀원 모두가 접근하게 한다.
   2. 대화 자체의 전달: ‘무엇을 논의했는지’를 별도 보고서로 다시 쓰기보다 AI와 나눈 대화 내용 자체를 전달한다.
   3. MD 파일 활용: 대화 컨텍스트를 Markdown(MD) 파일 형태로 주고받아 에이전트가 바로 읽고 이어서 작업하게 한다.

8.2. 개인별 Claude Project와 AI 네이티브 조직

1. 프로젝트별 맥락 분리

   1. 구성 방식: Claude의 Projects 기능 안에 렛츠고 신주원, 렛츠고 김○○, 렛츠고 이○○처럼 팀원과 업무 맥락을 나눠 저장한다.
   2. 후속 질문: 과거에 대화한 내용이 담긴 파일을 불러와 ‘이 내용을 한 번 확인해 달라’고 AI에게 요청한다.

2. 조직 운영의 변화

   1. AI가 이해할 수 있는 자료: 사람이 읽기 좋은 최종 보고서만이 아니라 에이전트가 맥락을 이어 갈 수 있는 자료가 중요해진다.
   2. 업무 인수인계의 변화: 팀원 간 인수인계가 요약 설명에서 원본 대화와 프로젝트 컨텍스트 공유로 이동한다.

9. 시니어 세대에 던진 질문과 1년의 목표

신주원은 AI가 직업을 얼마나 대체했는지 실제 현업 경험을 가진 시니어에게 묻고, 1년 안에 판매와 매출로 자신의 가설을 검증하려 한다.

9.1. 여러 경력자의 AI 도입률을 묻다

1. 10대가 가진 정보의 한계

   1. 간접적인 직업 전망: 개발자·리서처·마케터가 AI로 대체될 것이라는 이야기는 친구들 사이에서 많이 오가지만, 실제 현장의 변화율을 직접 본 경험은 부족하다.
   2. 현업 데이터의 필요: 직업별로 AI가 업무에 몇 퍼센트 침투했는지, 어떤 작업에 사용되는지는 현직자에게 물어야 한다.

2. Bloom 커뮤니티에 기대하는 연결

   1. 다양한 도메인: Bloom에는 여러 업계와 직무의 사람들이 모인다.
   2. 경력 단계의 다양성: 서로 다른 연차의 사람들과 네트워킹하면서 다음 세대가 실제 직업 변화를 파악할 수 있다.
   3. 시니어에게 요청한 답변: 참석자들이 자신의 프로젝트와 직업, AI 활용 수준을 공유해 주면 10대가 대한민국의 다음 성장을 준비하는 데 도움이 된다고 했다.

9.2. 1년 안에 B2B·B2G 매출 만들기

1. 큰 목표

   1. 판매 대상: 렛츠고 또는 여치들 같은 서비스를 기업(B2B)이나 정부(B2G)에 판매한다.
   2. 매출 목표: 1년 안에 매출 10억 원을 올리는 것을 가장 큰 목표로 삼았다.

2. 최소 목표와 실행 태도

   1. 검증의 현실성: 10억 원을 달성하지 못하더라도 자신의 통장에 최소 100만 원이라도 직접 벌어 넣고 싶다고 했다.
   2. 꿈의 크기: 꿈을 크게 잡아야 그 파편이라도 작게 나온다는 태도로, 큰 목표와 최소한의 현금 검증을 동시에 설정했다.

주요 발언 모음

“대한민국에서 가지면 안 되는 키워드 세 개를 한 번에 가진 사람이지 않을까 싶습니다.”

“저는 자퇴를 하고 넥스트챌린지스쿨이라는 스타트업 학교에 다니고 있습니다.”

“좋은 대학교 가서 좋은 직장 구하고 은퇴해서 잘 살자는 루트는 말만 단순하지 거의 25년이 걸립니다.”

“저는 렛츠고라는 100만 명의 유저를 가지고 있는 CEO라는 자기소개가 더 어울릴 것 같아서 자퇴를 하고 제 길을 가기 시작했습니다.”

“요즘 학생들은 AI를 배우려 하지 않습니다. 함께 성장하고 함께 만들어 나가는 것을 더 좋아합니다.”

“여러분이 지금 만드실 도구가 저에게는 교과서입니다. 저희와 함께 살아가는 공동체, 저희의 친구이고 어떻게 보면 저희의 스승이 될 수도 있을 것 같습니다.”

“제가 지금 하고 있는 프로젝트들의 유저 피드백을 받아가면서 출시까지 계속 업데이트하는 상황인데, AI를 못 쓰게 되면 서비스 자체가 멈춥니다.”

“사고는 내 머릿속에서 나오고, 그걸 표현하거나 실행하는 것은 AI에게 맡겨도 됩니다.”

“AI가 다 하고 있어서 지금 내가 할 수 있는 게 없다”는 말은 AI 시대를 맞은 또래 개발자가 느끼는 대표적인 진로 불안을 보여준다.

“꿈은 크게 잡아야 파편이라도 작게 나온다고 합니다.”

핵심 데이터 & 수치

• 약 25년: 초·중·고 교육과 대학·취업 중심의 전통적인 안정 경로에 걸리는 시간으로 제시됐다.
• 3개월: 신주원이 자퇴 후 자신의 길을 시작해 제품과 역할을 만들어 가고 있다고 설명한 기간이다.
• 100만 명: 신주원이 장래의 자기소개로 상상한 렛츠고의 목표 사용자 규모다.
• 89%: 자신이 사용하는 스킨케어가 피부에 맞는지 잘 모른다는 대한민국 사용자 비율로 제시됐다.
• 50만~60만 원: 청소년이 부담스럽게 느낄 수 있는 기존 피부 분석·관리 비용이다.
• 5,000~6,000원: 여치들이 목표로 삼은 저가 피부 분석 및 맞춤 스킨케어 추천 가격이다.
• 100%에 가까운 사용률: 넥스트챌린지스쿨 학생들이 AI를 사용한다는 신주원의 체감치다.
• 1년: B2B·B2G 판매와 매출을 검증하려는 목표 기간이다.
• 10억 원: 1년 안에 달성하고 싶은 매출 목표다.
• 100만 원: 10억 원에 미치지 못하더라도 통장에 직접 벌어 넣고 싶은 최소 목표다.

결론 및 시사점

1. 교육의 기준을 결과물에서 사고 과정으로 옮겨야 한다: AI가 PPT와 코드를 만드는 것을 막기보다 문제 정의, 근거 판단, 자기 주장 형성처럼 인간이 책임져야 하는 능력을 평가해야 한다.
2. AI 네이티브 세대는 도구를 별도 과목으로 배우지 않는다: 급식 알림처럼 불편을 발견하는 즉시 AI와 에이전트를 연결하고, 학습·진로·감정·제품 제작에 같은 방식으로 사용한다.
3. 빠른 제작에는 도메인 검증이 필수다: AI가 제안한 pH 실험과 DB 해결책은 전문가 검증과 인간의 원인 추적이 없으면 실패할 수 있다.
4. AI 사용 환경이 세대와 조직의 격차를 만든다: 일반 학교와 넥스트챌린지스쿨의 도구 활용률 차이는 개인 역량보다 주변의 프로젝트·교사·동료 환경이 중요하다는 점을 보여준다.
5. 원본 컨텍스트가 새로운 협업 자산이 된다: AI 네이티브 팀은 최종 보고서만 저장하지 않고 AI 대화와 Markdown 파일을 공유해 에이전트가 업무 맥락을 이어 가게 한다.
6. AI 시대의 진로 불안은 실제 현업 데이터로 다뤄야 한다: 직업이 사라진다는 추상적인 예측보다 각 업계에서 AI가 어느 업무에 몇 퍼센트 쓰이는지 조사해야 한다.
7. 창업의 현실 검증은 매출로 귀결된다: 10억 원이라는 큰 목표와 100만 원이라는 최소 목표를 함께 세우면 비전과 실행 가능성을 동시에 점검할 수 있다.

핵심 요약 (20줄)

신주원은 AI가 코딩과 음악 제작까지 수행하는 시대에 기존 교육 경로의 투자 대비 이득을 다시 계산했다. 초등학교부터 대학과 취업을 거치는 전통적인 안정 경로는 약 25년이 걸리는 장기 계획으로 제시됐다. 신주원은 100만 명의 사용자를 가진 CEO가 되는 미래가 자신에게 더 어울린다고 판단해 학교를 자퇴했다. 넥스트챌린지스쿨은 검정고시와 스타트업 생태계 및 창업 실무 교육을 함께 제공한다. 렛츠고는 사용자가 목표 스크린타임을 등록하고 캡처로 인증한 뒤 친구들과 기부 챌린지를 이어 가는 앱이다. 렛츠고는 의지만으로 끊기 어려운 스크린타임 문제를 인정 욕구와 공동체 참여로 해결하려 한다. 여치들은 약 5,000~6,000원에 피부를 분석하고 개인에게 맞는 스킨케어를 추천하는 서비스다. 여치들은 스킨케어 적합성을 모르는 사용자 비율과 청소년의 높은 피부 관리 비용 부담을 문제로 삼는다. 10대는 AI를 별도로 배우기보다 문제 풀이와 아이디어 구현 과정에서 AI와 함께 성장한다. 학생들은 정답을 복사하는 대신 AI에 풀이 이유를 묻고 이해될 때까지 재질문한다. 친구에게 말하기 어려운 감정과 관계 문제도 공감형 AI와 생성형 AI에 털어놓는 경우가 늘었다. 급식 메뉴를 카카오톡으로 받는 에이전트 사례는 일상의 불편을 AI로 바로 해결하는 사고를 보여준다. 신주원은 Figma AI, Lovable, Base44, Claude Code, Codex, Cursor AI, Genspark, Perplexity를 조합해 사용한다. Gemini Canvas는 발표 자료 제작에 사용됐고 AI 도구는 학습·개발·디자인·조사에 폭넓게 연결됐다. 한양대학교 연구실의 pH 색상 패치 실험은 AI의 도메인 지식을 검증하지 않으면 실패할 수 있음을 보여줬다. 바이브 코딩은 제작 속도를 높이지만 비개발자가 데이터베이스 문제의 원인을 추적하기 어렵다는 한계를 남긴다. 넥스트챌린지스쿨은 모르는 내용을 AI에 묻고 Canva AI를 쓰는 것은 허용하지만 토론의 생각 자체를 AI에 맡기는 것은 제한한다. AI가 만든 보고서를 그대로 제출하는 문제는 학교뿐 아니라 회사의 신입사원 교육에서도 발생한다. 10대는 대학과 취업을 걱정하며 AI가 자신의 오랜 공부와 개발 투자를 무가치하게 만들 수 있다고 느낀다. 신주원은 1년 안에 B2B·B2G 매출 10억 원을 만들고 최소한 100만 원이라도 직접 벌어 보려 한다.