AI가 린 스타트업 플레이북을 무너뜨리고 있는가? [유튜브]

AI로 소프트웨어를 더 빠르고 저렴하게 만들 수 있게 되면서, 좁은 틈새에서 출발하는 린 스타트업 방식뿐 아니라 처음부터 차별화된 영역에서 크고 야심 찬 제품을 만드는 선택지도 넓어짐 AI에 지식을 맡길 수 있어도 머릿속 인지적 L1 캐시에서 꺼내는 편이 훨씬 빠르며, 기업들도 여전히 높은 인지 능력을 중시하므로 기초 학습을 포기하기에는 이름 Stripe는 공개 출시까지 약 2년을 기다렸지만 코드 작성 약 2개월 만에 첫 프로덕션 사용자를 확보했고, 매주 실제 피드백을 받아 결제 조회·환불·정산 기능을 적시 개발함 Stripe에서 새로 시작된 사업체 수는 전년 대비 2배에 조금 못 미치는 수준으로 늘었고, 중간값 사업체의 성과와 매출 기준 달성 확률도 개선돼 창업 환경이 이전보다 좋아진 것으로 나타남 대형 AI 연구소가 모든 시장을 차지한다는 우려와 달리 조직은 수많은 우선순위를 동시에 수행하기 어렵고, 기업과 소비자의 신제품 도입 의지가 커져 수천 개 기업이 AI의 수혜자가 될 가능성이 있음 AI 시대에도 배워야 하는 이유 과거에는 어셈블리와 기계어를 직접 작성하며 명령어와 메모리 배치를 최적화했지만, 이제 컴파일러가 이를 대신해도 크게 아쉬워하지 않음 같은 방식으로 소스 코드 작성을 AI에 넘기고 더 높은 추상화 단계로 이동할 수 있지만, Patrick Collison은 감정적으로 직접 코딩하던 경험을 그리워함 지식은 컴퓨터의 캐시 계층처럼 이해할 수 있음 Jeff Dean이 프로그래머가 알아야 할 대역폭·지연 시간 수치를 정리했듯 시스템 구성 요소마다 조회 비용이 다름 L1 캐시, RAM, 네트워크에서 정보를 가져오는 속도가 다르듯 머릿속 지식과 AI 에이전트에 요청해 얻는 지식도 속도 차이가 있음 말하거나 타이핑해 에이전트와 왕복하는 것보다 머릿속 인지적 L1 캐시에서 지식을 조회하는 편이 훨씬 빠름 Stripe와 AI 연구소를 포함한 기업들은 여전히 높은 인지 능력에 큰 가치를 부여함 인지 능력의 이점이 포화됐다는 증거가 나오기 전에 기초 학습을 포기하기에는 이름 AI에 맡기지 않는 글쓰기 Collison은 철학적·실질적 이유로 자신의 글을 직접 씀 LLM이 Jacobian conjecture 같은 어려운 문제를 다룰 능력이 있어도, 아직 매우 설득력 있다고 느낀 LLM 에세이는 읽지 못함 글쓰기 품질을 위한 효용 함수를 정의하기 어려워 강화학습으로 최적화하기 힘든 영역일 수 있다고 봄 글쓰기와 대인 ...