Loading summary...
노정석 님이 2026년 3월 21일 토요일 아침에 녹화를 시작하며, AI에 대한 이야기에서 비즈니스 이야기로 전환할 것을 예고. 그간 쌓인 변화와 인사이트를 공유할 예정.
진원님과 녹화 후 Scionic 사무실에서 열린 OpenClaw Seoul 밋업에 참석. 오랜만에 반가운 얼굴들을 많이 만났고, 젊고 뛰어난 분들을 만날 수 있는 좋은 자리였다고 평가. 해시드의 김서준 대표님도 발표.
Scionic의 새 사무실이 예쁘게 잘 만들어졌으며, 지하 공간은 세미나 및 발표 공간으로 활용. 앞으로 종종 이용할 의향을 밝힘.
Oh-My-Claude-Code, Oh-My-Codex를 만드신 허예찬 님의 발표가 재미있었다고 언급. OpenClaw로 가재 가족을 만들고 매니징하며, OMX, OMC 등의 코딩 하네스를 다루는 프로젝트 진행 방식에 대한 이야기.
허예찬 님의 발표는 OpenClaw를 활용한 프로젝트 관리 방식에 대한 인사이트를 제공.
발표자들을 "젊은 신선들"이라고 칭하며, 방법론이 매우 다르다고 언급. 토큰을 효율적으로 사용하여 AI가 모든 문제를 풀게 하는 워크플로우에 대한 논의. 가재 가족을 작은 AI 회사로 비유하며, 메타 레이어부터 레이어를 중첩시켜 task를 해결하고 리포팅하는 방식. 워크플로우가 안정된 부분은 완전 자동으로 돌아가게 만드는 시스템.
OpenClaw 밋업에 자극받아 주말 동안 OpenClaw를 셋업하고 워크플로우를 복사하여 업무에 메타 레이어를 까는 작업을 진행. Ralph loop, 오토파일럿, 오토 리서치, 우로보로스 등의 프레임워크를 분석하며 필요한 부분을 취합하여 자신만의 하네스인 Chedex를 개발.
방향 결정 및 목표 설정 시 human-in-the-loop를 통해 티키타카를 하고, 목표가 일정 수준에 도달하면 Ralph loop를 반복하여 혼돈을 제거하고 정제된 형태로 업무를 마무리하는 새로운 방법론을 체득.
OpenClaw 밋업 참석 후 자극을 받아 자신만의 하네스를 개발하고 업무 방식을 혁신하는 계기가 됨.
YC의 Garry Tan도 gstack이라는 것을 만들어 이슈가 되고 있으며, CEO들이 하네스를 깎는 것이 유행처럼 번지고 있다고 언급. 하네스는 일종의 워크플로우이며, 각자 자신만의 관점을 가지고 하네스를 깎아서 사용하는 경우가 많음.
건강검진 중 혈관 조영제에 대한 알레르기 반응으로 심각한 경험을 하면서 인간적인 고찰을 하게 됨. GPT 5.4와 자신의 약에 대한 경험과 반응에 대해 대화를 나누면서 문제점을 파악하고 처방까지 받게 됨. 의사가 말해주지 않는 prior들을 AI가 설명해주는 경험을 통해 새로운 세상으로 나아갈 것이라는 생각을 함.
회사를 창업할 때 화장품 판매를 시작했지만, 궁극적으로 인간이 더 건강하고 예쁘게 오래 살 수 있도록 돕는 것을 목표로 KYYB (Keep You Young and Beautiful) 브랜드를 만들었음을 상기하며, 이 사업에 다시 강력하게 복귀해야겠다는 다짐을 함.
아픈 와중에 Jensen Huang의 GTC 발표를 2시간 동안 시청. 주변 사람들도 아플 때 코딩을 하거나, 에이전트에게 일을 주는 등 변화된 풍경을 목격. OpenClaw 미팅에서도 아이패드로 CLI를 돌리며 감독하는 모습을 보며 일의 미래를 느낌.
건강 문제와 AI 기술 발전을 경험하면서 인간의 건강과 아름다움을 추구하는 사업에 대한 열정을 되살리고, AI 시대의 변화된 업무 방식에 대한 인사이트를 얻음.
AI 비즈니스 세상을 어떻게 바라봐야 하는지에 대한 논리를 설명. 근원적인 관점 획득의 필요성을 강조하고, 산업에서 일어나고 있는 일들과 회사들의 AX에 대한 이야기를 나눌 예정.
METR 시간 지평에 대한 이야기는 생략하고, GPT-5.4를 실무에서 사용하면서 크게 실망한 적이 없을 정도로 만족하고 있다고 언급.
Pre-train은 되는 게임으로 굳어졌고, Xiaomi에서 MiMo V2 Pro 모델을 발표. computation 비용이 계속 싸지고 있어 예전처럼 몇 천억 대의 자원이 필요하지 않음. NVIDIA도 Nemotron 트레이닝 코드와 레시피를 공개.
미래에는 모든 단위 서비스가 하나의 단위 모델이 되는 세상으로 갈 것이므로 모델 world의 발전도 계속 봐야 할 필요가 있다고 언급.
Frontier Lab들의 경쟁 축은 RL 환경 스케일링이며, RLVR (Reinforcement Learning by Verifiable Rewards)이 중요. 검증 가능한 보상 신호를 낼 수만 있으면 모델이 학습 가능.
GPT-5.4의 CUA는 컴퓨터 활용 환경에서 보상을 주면서 모델이 앱, macOS, Windows 등을 잘 다루도록 능력을 향상시킴.
디지털 환경에서는 발생시킬 수 없는 보상 환경이 새로운 사업의 축으로 가고 있으며, Periodic Labs와 같이 디지털 world와 atom world를 결합하여 해자를 쌓는 것이 기업이 가져야 하는 해자의 best example.
AI 모델 발전과 RL 환경 스케일링의 중요성을 강조하며, 디지털 환경과 atom world를 결합한 새로운 사업 모델이 기업의 경쟁력을 강화하는 핵심 요소가 될 것이라고 전망.
Compute를 이용하여 모든 문제를 search problem으로 치환. 어떤 도메인의 문제든 computing 자원을 투입하여 solution 영역을 탐색하고, 정답 여부에 따라 solution space에 마킹하여 manifold를 만듦. 핵심은 보상 신호를 발생할 수 있는 환경 유무.
작년 중반부터 non-verifiable을 verifiable로 전환할 수 있는 환경을 갖는 것이 중요하다고 강조. computation power는 모두가 갖고 있다는 전제.
모델이 우리 생각보다 훨씬 똑똑하며, 모델이 갖고 있는 capability overhang을 꺼내는 것에 불과하다는 느낌을 받음. Boris Cherny는 "the most general one is the most specific one"이라고 언급하며, 문제 해결 능력이 증가하면 특정 도메인의 문제는 풀려버린다고 주장.
피드백 루프가 형성되게 하면 많은 것들이 해결되며, 보상 신호가 verifiable로 변환되면 Ralph loop가 돌아가 성능 향상이나 문제 해결이 일어날 수 있음.
많은 회사들이 데이터 보호에 신경 쓰지만, 데이터를 capability overhang이 있는 모델에 제공하여 추가적인 search space를 가져오는 것이 더 이익이라는 생각. 보안보다는 데이터 제공을 통해 이익을 얻는 것이 더 중요.
Andrej Karpathy의 auto research 개념과 동형. 딥러닝도 명확한 목표와 evaluation metric을 가지고 computation을 투입하여 optimize하는 것.
AI 모델의 강력함과 capability overhang을 활용하여 문제 해결 방식을 혁신하고, 데이터 보호보다는 모델에 데이터를 제공하여 이익을 얻는 것이 더 중요하다고 강조.
딥러닝에서 얻은 방법론이 인간 이상의 능력을 갖춘 모델을 통해 세상으로 진입하고 있으며, 문제 해결은 똑똑한 모델을 들이대고 목표와 evaluation metric을 명확하게 만들면 최적화 문제로 수렴됨. 최적화 대상은 .md 파일, 코드 repository, 회사, 프로젝트 등 무엇이든 될 수 있음.
모델이 자기 스스로를 evolution 시키며, 컴퓨터와 스스로 evaluation하는 기능만 있으면 자기 증강이 가능.
허예찬 님의 가재 무덤은 fitness function을 통과하지 못한 .md들을 다음 세대한테 파생시키지 않는다는 점에서 유전 알고리즘과 유사.
Blaise Agüera 세션에서도 같은 이야기를 하고 있으며, 생명공학과도 맞닿아 있음. mutation은 필요 없고, 있는 풀을 뒤집는 것만으로도 order는 찾아짐. Ralph loop의 변종 알고리즘은 목표 명확화에 시간을 많이 쓰고, 목표가 정해지면 evaluation metric은 모델이 알아서 정해줌.
Evaluation metric에 만족될 때까지 무한 루프를 돌리며, 모델이 "아무런 문제가 없습니다"라는 답을 할 때까지 계속 반복. 평가 항목을 잘못하면 모델이 reward hacking을 할 수도 있음.
회사의 계층 구조는 대표, 임원, 팀장, 팀원으로 구성되며, 대표이사는 정제된 형태의 마지막 리포트를 보고 Ralph loop를 돌림. 현재 회사는 이 방법론으로 완전히 대체 가능.
에이전트 인재는 모델에게 initiation 시켜 주는 첫 번째 system prompt를 제공하는 역할을 수행. 아직은 취향과 의지를 input하는 것이 인간의 역할.
모델이 모든 걸 다 끝내지만, 세상이 변화하는 데는 시간이 걸리므로 균형 감각을 잘 발휘하는 것이 중요. 사업가의 제일 덕목은 균형 감각.
딥러닝 방법론이 문제 해결에 적용되는 방식과 모델의 자기 진화 능력, 그리고 인간의 역할 변화에 대한 인사이트를 제공.
모델이 좋아지면 하네스도 좋아지고, 하네스에 맞춰 RL이 이루어지기 때문에 모델 성능이 더 좋아짐. generality가 증가하면 기존 하네스 기능들을 모델이 먹어가지만, 모델이 강력해지면 그걸 이용한 또 다른 하네스가 나옴. 이는 우로보로스의 뱀처럼 영원히 반복되는 루프.
뉴럴넷 형태로 존재하는 것과 뉴럴넷이 외재화된 도구를 사용하는 것은 인류가 그래왔던 것처럼 계속 가는 패턴.
모든 문제를 compute을 이용한 search problem으로 전환하고, compute이 문제를 순식간에 풀어버리는 새로운 시대로 진입. 이 루프를 잘 이해하고 비즈니스를 올리는 자는 benefit을 얻고, 이해하지 못하는 사람은 대체될 것.
하네스가 좋아지면 데이터가 더 좋은 게 쏟아지고, 모델이 좋아지고, 더 많은 RL을 걸게 되고, 더 좋은 모델이 생기고, 더 좋은 RL 환경을 만들게 됨.
모델과 하네스의 관계는 우로보로스 루프처럼 영원히 반복되며, compute을 이용한 search problem 전환이 새로운 시대의 핵심 경쟁력이 될 것이라고 강조.
AI 게임에 대한 본질적인 관점을 제시하고, 그 위에서 쌓이는 비즈니스 세상은 더 복잡하게 쌓여갈 것.
OpenClaw가 나오기 전에는 ChatGPT, Claude, Gemini가 새로운 게이트 키퍼가 될 것이라고 생각했지만, OpenClaw 등장 후 각자만의 개인 에이전트로 분화될 수도 있다는 생각으로 바뀜.
Sam Altman의 뉘앙스가 겸손해졌으며, OpenAI는 토큰을 미터에 달아서 파는 사업자가 될 것 같다는 이야기를 함. NVIDIA가 OpenAI와 Claude조차도 commoditize 시켜버리려고 노력하고 있음.
Jensen Huang은 AI를 5 레이어 케이크로 비유하며, 에너지, 반도체 칩, 인프라스트럭처, 모델, 애플리케이션으로 구성된다고 설명. 에이전트 애플리케이션은 기존 웹, 앱 세상과 전혀 다름.
기존 모바일 앱들과 서비스들은 AI 시대에 어떤 운명을 겪을지 고민해야 함. 앱스토어에서 새 앱을 다운로드 받은 지 오래됨.
Simon이 만든 OMO.BOT은 에이전트 앱으로, 여러 앱에 접근하는 귀찮음을 해결해 줌. API가 있는 회사는 API를 연결하고, 아닌 회사는 CUA를 연결하여 에뮬레이션.
OMO.BOT은 앱의 미래이자 에이전트 애플리케이션의 목적물. 기존 앱들은 에이전트가 대신 조작해 주는 레이어 아래로 묻힘.
기존 게이트키퍼 포지션들은 중간 개입을 통해 매체력을 발휘하고 마진을 만듦. 네이버는 검색, 카카오는 커뮤니케이션, 배민은 배달, 쿠팡은 로켓 배송을 점령.
OMO.BOT은 기존 사업자들과 고객 사이에 끼어드는 새로운 사업자. 기존 사업자들은 에이전트가 분해하는 것을 막을 수 없을 것.
OpenClaw 등장으로 개인 에이전트 시대가 도래할 수 있으며, 기존 앱들은 에이전트 레이어 아래로 묻히고, 기존 게이트키퍼 포지션들은 disintermediation 될 가능성이 있다고 전망.
산업 구조의 bundle, unbundle이라는 표현을 사용하며, a16z의 Benedict Evans가 이를 잘 설명. 새로운 distribution layer가 등장할 때마다 판이 뒤집힘.
매체가 바뀔 때마다 (종이 -> TV -> 인터넷 -> 모바일 -> AI) distribution 채널이 바뀌고 판이 뒤집힘. 예전에는 방송사들이 드라마, 뉴스, 광고 등을 bundling하여 고객에게 강요했지만, 인터넷이 오면서 unbundle됨.
Bundle, unbundle은 진화 알고리즘과 똑같이 diversification, selection, amplification 과정을 거침.
Benedict Evans는 대부분의 B2B SaaS 애플리케이션은 Oracle unbundling이고, AI 시대는 ChatGPT unbundling일 것이라고 예측.
기존 사업자들은 고객이 더 편해지기 위해 떠나는 것을 막기 어려움. AI 때문에 기존 UX가 unbundle 될 것이고, 기존 사업자들이 쌓아 올린 매체력과 수익 구간은 고객 입장에서 마찰이 됨.
기존 사업자들은 다른 에이전트들의 function call이 될 가능성이 높음. OMO.BOT처럼 유저 눈 앞에 최상단 접점이 될 가능성이 높은 것은 OpenClaw 류.
AI 덕분에 모두가 회장님이 되고 있으며, 새로운 업의 본질은 비서 공급업. 수단을 제공하는 게 아니라 해결 완료를 팔아야 함. 빠른 적응이 중요한 장세.
사업 계획을 평가할 때 자동차 경주 (돈 싸움), 자전거 경기 (노력 + 눈치), 요트 경기 (외부 바람 중요) 중 어떤 것인지 물어봄. AI 바람이 지배하는 장세는 요트 경기와 같으며, 후발 주자가 방향을 바꾸면 모든 영역을 counter 해야 함.
제작 단가가 떨어진 만큼 철학과 타이밍 싸움에 다시 들어갔다는 생각. 기존 사업자들도 세상에 맞춰 바뀌어야 함.
Non-verifiable을 verifiable로 바꾸는 것이 moat가 될 수 있음.
AI를 효율 극대화 (100 -> 10) 또는 새로운 가치 창출 (0 -> 900)에 투입할 수 있음. 대부분의 AX는 효율 추구에 집중되어 있으며, 새로운 가치 창출은 아직 시작되지 않음.
산업 구조는 bundle, unbundle 과정을 반복하며, AI 시대에는 ChatGPT unbundling이 일어날 것. 기존 사업자들은 AI에 적응하고 새로운 가치를 창출해야 하며, non-verifiable을 verifiable로 바꾸는 것이 moat가 될 수 있다고 강조.
AI는 어떤 사람을 강화하는가라는 아티클에서 10x lawyer에 대한 이야기가 나옴. 뛰어난 변호사 하나가 에이전트와 결합하여 더 싸고 빠르게 클라이언트를 만족시키면 기존 조직은 unbundle됨.
10x talent가 빨리 되는 것이 중요하며, 이는 거스를 수 없는 사업 구조 변화를 만들 수밖에 없음. 10x lawyer, 10x engineer, 10x doctor 등 다양한 분야에서 나타날 수 있음.
AI transformation은 조직에 혼돈을 가져옴. 사람은 모아놓으면 언제나 정상 분포가 되며, 잘하는 사람끼리 모아놔도 그 안에서 제일 잘하는 사람과 못하는 사람이 생김.
AX는 팀을 도와주는 것이 목표가 아니라, 팀을 통째로 없애는 것이 성공하는 AX의 출발점. 단위 업무를 없애주고 새로운 직무로 전환시켜야 함.
사장이 AX에 대해 정확하게 이해하고 견인해야 함. AI native talent들이 지나가고 나면 가혹한 하네스가 탄생하고, 변화하기 싫어하는 사람들은 그 하네스에 넣어지게 될 것.
일론 머스크가 트위터를 인수하고 정리하는 것에 대해 잭 도시가 반감을 가졌었지만, 정작 잭 도시도 최근에 많은 인원을 해고함. 이는 시대 상황을 반영하는 단면.
20대 라이징 인재들과 좋은 관계를 가져야 하며, 사내 효율화는 당연한 일이고, 혁신으로 가는 것은 독립적인 이슈.
효율 추구는 metric을 잡기 쉽지만, 혁신 추구는 objective와 evaluation metric이 존재하지 않는 영역.
신사업 개발은 해당 도메인을 잘 아는 똑똑한 entrepreneur의 의지가 중요.
OpenClaw 모임에서 만났던 젊은 신선들이 방법론을 깨우치고 사업에 적용할지에 대해 생각하고 있으며, 그들이 어떤 혁신을 만들어 올지 궁금하게 보고 있음.
AX 팀을 만들어 요건을 받아 만들어줘 봐야 안 씀. AI가 업무 중 하나를 없애도 사람들은 더 생산적인 업무로 이동하지 않음.
효율화를 위해서는 사장이 직접 원형을 만들어 보여주는 것이 시작점. 데이터 커넥터를 깔끔하게 만들고, 프롬프트 잘 쓰고, 프론티어 모델과 Claude Code를 붙이는 것이 성능이 제일 좋음.
시행착오를 통해 쌓였던 수많은 예외 상황들에 대한 distribution이 가치.
신사업 개발은 신사업 만드는 것과 본질적으로 똑같으며, 사업가 기질이 없으면 할 일이 없음.
AI 시대에는 10x talent가 중요하며, 조직은 AX를 통해 효율을 높이고 새로운 가치를 창출해야 함. 사장은 AX에 대해 정확하게 이해하고 견인해야 하며, 사업가 기질이 있는 인재를 발굴하고 육성하는 것이 중요.
AI 네이티브 탤런트들이 지나가고 나면 가혹한 하네스가 탄생하고, 변화하기 싫어하는 사람들은 그 하네스에 넣어지게 될 것. AI가 만든 하네스로 인간들이 들어가는 디스토피안적인 세상이 올 수도 있음.
에이전트들이 injection을 먹고 들어오면 2FA 같은 것도 뚫릴 위험이 있음.
OpenClaw를 VM에 깔아 테스트하고, DGX 박스에 세팅하여 최소한의 데이터만 넣고 있음.
모델에게 개인 정보가 나가는 것은 괜찮지만, OpenClaw의 자율성 때문에 소셜, 금융 정보는 아직 못 주고 있음.
에이전트들이 injection을 먹고 세뇌될 수도 있으며, 이는 근본적으로 해결이 안 되는 문제.
대형 사업자들이 에이전트 보안 문제를 고민하고 있을 것이라고 추측.
오늘 이야기는 2026년 3월 스냅샷이며, 생각은 하루에도 20번씩 바뀔 수 있음.
작년 3월에는 ADK가 끝내준다고 했었지만, 지금은 상황이 많이 바뀜.
AI 시대는 요트 경기와 같으며, 젊은 친구들이 하는 것을 따라가야 함.
구봉 님, 연규 님, 예찬 님 등 젊은 신선들과 교류하고 있으며, 그들의 활동이 흥미롭게 보임.
민석 님도 OpenClaw와 비슷한 어시스턴트 방식으로 방향을 잡은 것 같아서, 민석 님을 모셔서 비즈니스 thesis를 들어보는 것도 좋을 것 같음.
AI 네이티브 탤런트들이 가혹한 하네스를 만들고, 에이전트 보안 문제가 심각해질 수 있다는 우려를 표명. OpenClaw 사용 시 보안을 고려해야 하며, 젊은 신선들과 교류하며 변화에 빠르게 적응해야 한다고 강조.