AI 네이티브 회사란 무엇인가 - YC 파트너가 설명하는 자기개선 루프와 조직 구조

핵심 메시지

• 지금 대부분의 회사는 챗봇이나 보조 도구 형태로 AI를 조직 옆에 덧붙였을 뿐, 사람이 여전히 모든 작업의 관문 역할을 한다.
• AI 네이티브 회사의 기본 단위는 사람이 아니라 '데이터 수집 → 정책 → 도구 호출 → 품질 게이트 → 학습'으로 순환하는 루프다.
• YC 내부에서는 사내 질의 에이전트가 낮 동안 실패한 질문을 밤에 다른 에이전트가 분석해 수정 PR을 올리는 자기개선 구조가 이미 돌아가고 있다.
• 발표자는 조직에서 중간 관리 계층이 사라지고, 실제로 결과를 만드는 실무자와 책임자만 남을 것으로 본다.
• AI가 읽을 수 있도록 회의와 상담을 전부 기록·전사해 '읽을 수 있는(legible)' 상태로 만드는 것이 출발점이다.

쉽게 이해하기

Y컴비네이터 파트너 톰 블롬필드는 스타트업 스쿨 파리 강연에서 'AI 네이티브 회사'를 어떻게 만드는지 이야기하면서, 먼저 아무도 정답을 모른다는 단서를 달았다. 지금 YC가 함께 일하는 수백 개 회사가 각자 실험 중이고, 다 파악했다고 말하는 사람이 있다면 거짓말일 가능성이 크다는 것이다. 다만 YC 내부에서도 상당 부분이 이미 작동하고 있어, 지원서 검토부터 인터뷰와 조언까지 상당 부분을 자동화할 수 있는 시점이 머지않았다고 봤다.

그는 AI 네이티브가 아닌 회사의 예로 로마 군단의 편제를 들었다. 여덟 명이 천막과 노새를 함께 쓰는 최소 단위가 있고 그것이 모여 백인대가 되는 위계 구조인데, 2천 년이 지난 지금의 회사도 결국 사람이 정보를 위아래로 나르는 같은 원리로 돌아간다는 지적이다. 반면 오늘날 많은 조직이 경험한 AI는 질문을 넣으면 답을 주는 봇이거나, 막히면 사람에게 되돌아오는 에이전트다. 그 구조에서는 사람이 잠든 새벽 세 시에 작업이 멈춰 서고, 사람이 곧 병목이 된다.

대안으로 제시된 것이 '루프'다. 제품 텔레메트리와 문의 메시지, 결제 신호처럼 현실에서 들어오는 데이터가 맨 위에 있고, 그 아래로 무엇을 승인받아야 하고 무엇을 기록해야 하는지 정하는 정책 계층, 내부 API나 MCP로 도구를 호출하는 계층, 그리고 품질 게이트가 이어진다. 품질 게이트는 사람이 아니라 두 번째 모델이 맡을 수 있는데, 프롬프트 인젝션 여부를 보거나 은행이라면 금융 자문에 해당하는 답인지 판별하는 식이고, 엔지니어에게는 두 번째 모델이 코드 리뷰를 하는 형태가 가장 쉬운 예다. 마지막 학습 단계에서 결과가 다시 돌아오면, 사람 없이도 제품이 밤사이 스스로 나아진다.

실제 사례로 그는 YC의 데이터 질의 에이전트를 들었다. 7천 개 회사와 2만 명 창업자의 데이터를 자연어 질문으로 조회하는 도구였는데, 처음에는 분석가 한 명의 생산성을 조금 높여 주는 수준이었다. 두어 달 전 그 위에 두 번째 에이전트를 얹으면서 성격이 달라졌다. 이 에이전트는 밤에 돌면서 낮에 사람들이 던진 질문의 성공과 실패를 훑고, 권한 문제든 인덱스 문제든 실패 원인을 찾아 수정 PR을 올린다. 다음 날 같은 질문을 하면 이번에는 작동한다. 15년치 500쪽짜리 사내 매뉴얼도 마찬가지로, 녹화해 둔 수천 시간의 오피스아워를 전사해 조언을 추출하고 매뉴얼을 다시 쓰게 하는 실험이 진행 중이다.

그가 창업자들에게 권하는 실천은 단순하다. 사람을 늘리는 대신 토큰을 쓰라는 것, 중간 관리 계층 없이 실무자와 책임자 중심으로 조직을 짜라는 것, 그리고 회사 안의 모든 것을 AI가 읽을 수 있게 만들라는 것이다. 모든 회의를 녹화하고 전사하며, 슬랙 개인 메시지는 금지하고 공개 채널로 옮기라는 조언까지 나온다. 기록이 남지 않은 행동은 AI에게는 일어나지 않은 일이기 때문이다. 대신 사람은 조직의 가장자리, 즉 고객을 설득하고 분위기를 읽고 되돌릴 수 없는 판단을 내리는 자리에 남는다.

주요 인사이트

• 생산성 20~30% 향상이라는 프레임과 자기개선 루프는 질적으로 다른 이야기다. 전자는 사람의 속도를 올리는 것이고, 후자는 사람이 자는 동안에도 시스템이 스스로 결함을 고치게 만드는 것이다.
• 품질 게이트를 사람이 아니라 두 번째 모델에 맡기라는 제안은 검증 자체를 자동화해야 루프가 끊기지 않는다는 뜻이다. 사람이 승인 단계에 남아 있는 한, 조직은 결국 사람의 근무 시간만큼만 움직인다.
• 'legible(읽을 수 있게)' 만들라는 조언의 핵심은 도구 도입이 아니라 기록 문화다. 사람들 머릿속에만 있는 예외 처리와 판단 기준이 문서로 나오지 않으면 AI가 접근할 데이터 자체가 없다.
• 발표자는 투자자 미팅 녹화를 모아 피드백과 시뮬레이션에 쓰는 사례를 소개하면서, 상대편 투자자들도 같은 일을 하고 있을 것이라고 말했다. 기록의 비대칭이 곧 협상력의 비대칭이 되는 구조다.
• 발표자 스스로 '아무도 방법을 모른다'고 전제한 만큼 이 그림은 완성된 방법론이 아니라 진행 중인 가설에 가깝다. 다만 초기 단계 회사일수록 처음부터 이렇게 설계하기 쉽다는 점은 분명한 조언이다.

자주 묻는 질문

관련 AI 소식