EP 55. AI는 회사를 어떻게 바꿀까?

🗺️ 이 영상의 위치

시간순: 전체 115편 중 67번째 · 2025-06-08
시기 배경: 2025상 (AGI 전이기 / AI 슈퍼위크 직후, 에이전트 시대 본격 개막)
난이도: ⭐⭐⭐ (어려운 개념 9개)
⬅️ 앞 영상: EP 54. AI 수퍼위크 이후: 흔들리는 지식노동의 미래?
➡️ 다음 영상: Minecraft에서 서로 다른 AI 에이전트를 같은 서버에 넣어봄
- 연결 이유: 회사 구조 변화 이론 편 → 실제 AI 에이전트 실험 편으로 이동, 개념을 직접 실습으로 연결

⚡ 5분 요약

한 줄

AI가 회사를 바꾸는 건 시간문제야 — 근데 "어떻게" 바꾸는지 알아야 살아남아.

핵심 3개

1) 지금은 "AI-assisted 회사" 시대, 곧 "AI-driven 회사" 시대가 온다 회사가 진화하는 단계가 있어. AI가 그냥 도와주는 단계 → AI가 핵심 로직을 돌리는 단계 → 사람 없이도 돌아가는 단계 → 스스로 진화하는 단계. 노정석은 이미 4단계를 보고 움직이고 있어. 지금 어느 단계에 있는지 모르는 회사가 제일 위험해.

2) "Cursor for X" — 내 도메인에 Cursor 공식을 이식하는 게 답이야 Cursor(AI 코딩 툴)가 성공한 공식은 단순해. 좋은 AI 모델 + 내 도메인 데이터 + 쓰면 쓸수록 똑똑해지는 피드백 루프. 이걸 법률(Harvey AI)이나 의료 같은 다른 분야에 그대로 복사하면 돼. 한나 도메인인 콘텐츠/뷰티도 마찬가지야.

3) AI 네이티브 회사의 핵심 3요소 — 리더 + AI 엔지니어 + 내부 고객 AI 잘 쓰는 조직이 되려면 이 세 역할이 맞물려야 해. 리더는 AI와 도메인을 연결하는 사람, 엔지니어는 실제로 만드는 사람, 내부 고객(도메인 전문가)은 결과를 검증하는 사람. 이 세 팀이 서로 말이 통하게 되는 데 2~3년 걸린대.

가장 인상적인 한 마디

"회사라는 개념도 결국은 이 non-verifiable을 verifiable로 바꿔주는 closed-loop feedback system이구나."

한나야, 이게 무슨 말이냐면 — 좋은 회사란 결국 "이게 잘 됐나 안 됐나"를 빠르게 확인하고 계속 고쳐나가는 구조를 만드는 거야. AI 시대에 그 구조를 가장 잘 만드는 회사가 이기는 거고.

한나가 지금 당장 시도해볼 것

내 콘텐츠/사업에서 "반복적으로 판단하는 일" 하나를 골라봐. 예를 들어 협업 제안 수락 여부, 콘텐츠 아이디어 검토 같은 거. 거기에 AI 초안 → 내가 OK/NO → 패턴 기록, 이 루프를 만들기 시작해. 이게 바로 노정석이 말하는 피드백 루프의 시작이야.

📖 시간대별 영상 흐름 (15분 정도 걸려, 시간 있을 때만)

0~10분: AGI는 시점이 아니라 지금 진행 중인 전환이야

노정석이 차분하게 운을 떼는데, 오늘은 평소보다 좀 더 정리된 느낌이야. "제가 이걸 만들면서 Claude Opus랑 계속 대화했어요"라고 하는데, 발표 준비 자체를 AI랑 같이 했다는 거지. 그러면서 청중 이야기를 해. "여기 보시는 분들 스펙트럼이 너무 넓어요. 논문 쓰는 분도 있고 이제 막 AI 접하신 분도 있고." 그래서 오늘은 '동호인 레벨' 정도를 기준으로 얘기하겠다고 못 박아.

본론은 AGI 얘기야. 노정석은 AGI를 "어느 날 갑자기 GPT-6가 나오면 짠! 하고 되는 것"으로 보지 말래. 그건 2025년 초부터 이미 시작된 전환 기간이고 지금도 진행 중이라는 거야. 모델이 강해질수록 서비스가 좋아지고, 좋은 서비스에서 더 좋은 데이터가 나오고, 그 데이터로 모델이 또 강해지는 선순환이 돌기 시작했다고. 지금 수학, 코딩, 생물학 분야에서는 이미 인간을 훌쩍 뛰어넘는 수준이라고 해.

중간에 최승준이 "AlphaEvolve가 환각을 기능으로 쓴다는 얘기 있던데요?" 하고 끼어들어. 노정석이 고개를 끄덕이면서 "환각이라기보다 혁신이라고 보는 게 맞아요. 이것저것 마구 시도해보고(diversification), 좋은 결과를 고르고(selection), 그걸 집중 강화하는(amplification) 진화 알고리즘이에요"라고 정리해줘. 최승준이 "아 그렇구나" 하는 표정.

10~25분: Cursor 해부 — 왜 100개 중에 Cursor가 1등이야?

노정석이 본격적으로 Cursor 얘기를 꺼내. Cursor는 처음엔 그냥 Claude나 GPT 앞에 예쁜 껍데기 씌운 거 아니냐는 말("wrapper"라고 표현)이 많았대. 근데 지금 와서 보니 그게 아니야.

Cursor가 잘 된 이유를 노정석이 단계별로 뜯어봐. 처음엔 코드 추천만 해줬는데, 쓰는 사람이 늘면서 "이 추천 코드 쓸게요(accept)" "이건 별로네요(drop)" 하는 데이터가 어마어마하게 쌓인 거야. 그걸로 Cursor 자체 모델(Cursor-small)도 만들었어. 이제 어려운 문제는 비싸고 똑똑한 모델(Claude Opus)이 풀고, 간단한 코드 추천은 자기네 가벼운 모델이 하는 식으로 효율적으로 돌아가. 성능은 올라가고 비용은 내려가는 구조.

"100개 넘는 코딩 AI 서비스 중에 왜 Cursor가 1등이냐"는 질문에 노정석의 답은 명쾌해. "실행 속도밖에 없어요. 그게 선순환의 출발점이 되거든요." 먼저 시장을 점유하면 데이터가 쌓이고, 데이터가 쌓이면 서비스가 더 좋아지고, 서비스가 좋아지면 또 사람이 몰리는 마태 효과. 최승준이 "마태 효과네요"라고 정확하게 짚어.

25~35분: 주니어 엔지니어는 어떻게 해야 해? → 창업이 답이야

노정석이 좀 무거운 표정으로 얘기해. 10년 전만 해도 웹 프로그래밍만 할 줄 알아도 취직이 됐는데, 지금은 빅테크도 신입 안 뽑는대. 이유가 뭐냐면, AI가 주니어가 하던 일을 다 하거든. 그러니까 시니어들이 주니어를 힘들게 교육시킬 이유가 없어진 거야. "AI한테 시키면 되는데 쟤들 뭐 하러 교육시켜" 이런 분위기.

근데 노정석은 이게 영원히 그럴 거라곤 생각 안 해. 10명이 하던 일을 1명이 하게 되면, 9명 자를 거냐 아니면 일을 10배로 늘릴 거냐? 노정석의 베팅은 "일을 10배로 늘린다"야. 생산성이 폭발하면 회사들은 더 많은 걸 하려 들거라는 거지.

그래서 주니어한테 지금 당장 필요한 건? 노정석이 단호하게 말해. "창업이요. 선택지가 몇 개 없을 때는 빨리 나가는 게 좋아요." Claude Code, Cursor 같은 도구로 개발 생산성이 폭발했으니, 이제 주니어한테 없는 게 기술이 아니라 사업가 정신이야. 시장을 보는 눈 + 이 도구로 뭘 풀 수 있는지만 알면 된다는 거야. 최승준이 살짝 제동을 걸어. "창업을 너무 권장하는 것도 조심해야 하지 않을까요?" 노정석은 웃으면서 "선택지가 없을 때는 그 얘기가 맞아요"라고 받아.

35~45분: Agent 서비스의 현실 — 생각보다 훨씬 손이 많이 가

노정석이 직접 만들어보니 어떠냐는 얘기를 해. AI 에이전트를 실제로 개발하면 "잘 안 돼요. 정말 손이 많이 가요." 라고 한숨 쉬듯 털어놔.

이유가 뭐냐면, AI가 자기가 확실히 아는 것 아니면 주어진 맥락에서 벗어나면 마음껏 환각한다는 거야. 그래서 에이전트 서비스를 만드는 핵심은 이 똑똑한 아이를 좁은 틀 안에 가두는 거래. 각 에이전트한테 목적을 아주 명확하게 한정시키고, 어렵고 복잡한 판단은 비싼 모델(Claude Opus)이 하게 하고, 단순한 건 싸고 빠른 모델이 하게 하는 구조. 근데 이 균형 맞추는 게 진짜 어렵대. 비싸면 느리고, 싸면 멍청해지는 트레이드오프.

그 와중에 노정석이 중요한 말을 해. "AI 회사는 옛날 소프트웨어 회사랑 달라요. 옛날엔 아래 레이어는 몰라도 됐는데, AI는 연구자부터 UX 디자이너까지 전부 유기적으로 연결돼야 해요." 최승준이 "Cursor도 그렇고, Anthropic도 똑같은 구조네요"라고 받아치고, 노정석이 고개를 크게 끄덕여.

45~54분: 자율주행 브랜드 — 노정석이 4년 걸려 도달한 결론

마지막 구간에서 노정석이 자기 회사(뷰티) 얘기를 살짝 꺼내. 영업 비밀이라면서도 꽤 많이 풀어줘. 자기 회사의 비전이 "Autonomous Brand(자율주행 브랜드)"래. 핵심 프로세스는 AI가 돌리고, 사람은 방향 설정과 결과 검증만 하는 구조.

그러면서 AI 네이티브 회사의 핵심 3요소를 정리해.

리더: AI와 도메인을 연결하는 사람 (노정석 본인)
AI 엔지니어: 최신 트렌드로 빠르게 MVP 만드는 팀 (Forward Research) + 그걸 안정적인 서비스로 바꾸는 팀 (Product Engineering)
내부 고객: 도메인 전문가들 (마케터, 제품팀 등)

이 세 그룹이 서로 말이 통하게 되는 데 2~3년 걸린대. 처음에 AI 엔지니어들이 뭔가 만들어오면 내부 고객들은 "저게 뭐야, SNOW 카메라도 안 돼?" 하고 거부한다고. 근데 시간이 지나면서 내부 고객들이 "우리는 화장품 회사가 아니라 AI 회사야"라고 스스로 말하기 시작하더래. 노정석이 이 순간을 이야기할 때 약간 감동받은 티가 났어.

마지막에 최승준이 "Alignment(정렬) 얘기네요"라고 한 줄로 정리해주고, 노정석이 "맞아요, 결국 그게 제일 인간적인 부분이에요"라며 마무리해.

💡 한나 버전 사전

"AGI"가 뭐야?

전문가 설명: Artificial General Intelligence. 특정 분야가 아니라 모든 분야에서 인간처럼 생각하고 행동하는 AI.
한나 버전: 지금 AI는 특정 분야 장인이야 (코딩 천재, 수학 천재). AGI는 유튜브도 잘하고 요리도 잘하고 계약서도 읽고 다 잘하는 만능 크리에이터 같은 거. 노정석은 "그게 갑자기 되는 게 아니라 지금 서서히 되어가는 중"이라고 봐.

"환각(Hallucination)"이 뭐야?

전문가 설명: AI가 사실이 아닌 내용을 자신 있게 말하는 현상. 학습 데이터에 없거나 맥락이 부족할 때 발생.
한나 버전: 유튜브 알고리즘 잘 아는 친구한테 틱톡 알고리즘 물어봤을 때 "아 그거 다 알아~" 하면서 틀린 정보 자신 있게 말하는 것. AI가 모르는 분야에서 꾸며대는 거야.

"Verifiable Reward / Non-verifiable"이 뭐야?

전문가 설명: AI가 학습할 때 정답이 맞는지 틀린지 기계적으로 확인할 수 있냐(verifiable) 없냐(non-verifiable)의 차이. 확인 가능한 영역은 AI가 전기세만 쏟아부으면 인간을 뛰어넘을 수 있어.
한나 버전: 구독자 수나 조회수는 숫자로 딱 나오잖아 (verifiable). 근데 "이 영상이 감동적이냐"는 딱 측정이 안 되잖아 (non-verifiable). AI는 조회수 같은 숫자 게임에서 인간을 이미 뛰어넘었고, 감동적이냐 같은 판단은 아직 어려워.

"에이전트(Agent) / 에이전틱(Agentic)"이 뭐야?

전문가 설명: 사람이 지시를 하나씩 안 해도 AI가 목표를 주면 스스로 계획 세우고 단계별로 실행하는 방식.
한나 버전: 유튜브 영상 만들어달라고 했을 때 주제 찾고 → 대본 쓰고 → 썸네일 아이디어 내고 → 업로드 시간까지 정해주는 AI. 단순히 질문에 답하는 게 아니라 일을 "처리"해주는 거야.

"Cursor"가 뭐야?

전문가 설명: AI를 활용한 코딩 도구. 코드를 자동으로 완성해주고, 프로젝트 전체를 분석해서 개선안도 제시해줌.
한나 버전: 콘텐츠 크리에이터용으로 치면 "영상 편집 + 자막 + 썸네일 + 업로드 타이밍까지 다 잡아주는 올인원 AI 어시스턴트". 쓰는 사람 많을수록 더 똑똑해지는 구조야.

"DPO (Direct Preference Optimization)"가 뭐야?

전문가 설명: AI한테 "이게 더 좋다 / 이건 별로다" 라는 인간의 선호를 학습시키는 방법. RLHF를 단순화한 버전.
한나 버전: 인스타 알고리즘이 "좋아요 눌린 게 좋은 콘텐츠구나"를 학습하는 것처럼, Cursor도 사용자가 "이 코드 쓸게요 / 이건 버릴게요" 하는 반응을 학습해. 그게 쌓이면 AI가 취향을 알게 되는 거야.

"Proprietary Data(프로프라이어터리 데이터)"가 뭐야?

전문가 설명: 나만이 가진 독점 데이터. 공개된 AI 학습 데이터에 없는 나만의 정보.
한나 버전: 내 팔로워들이 어떤 댓글 달고, 어떤 콘텐츠에서 이탈하고, 어떤 톤에 반응하는지 — 이게 바로 나만 가진 데이터야. 챗GPT는 이걸 몰라. 이게 해자(경쟁 우위)가 돼.

"Vertical AI"가 뭐야?

전문가 설명: 특정 산업/도메인에 특화된 AI 서비스. 법률, 의료, 코딩처럼 분야를 좁혀서 깊이 파는 것.
한나 버전: 모든 크리에이터를 다 도와주는 AI가 아니라, "뷰티 인플루언서 전용 AI"처럼 한 분야만 파고드는 거. 좁을수록 더 잘 맞아.

"Forward Deployment Engineer"가 뭐야?

전문가 설명: 팔란티어(데이터 분석 기업)에서 유래한 개념. 기술 전문가가 현장(고객 도메인)에 직접 들어가 빠르게 실험하고 프로토타입을 만드는 역할.
한나 버전: 콘텐츠 회사로 치면 "실험 영상 빠르게 만들어서 반응 보는 팀". 완벽하게 만들지 않고 일단 빠르게 테스트해서 "이거 되네 / 이건 아니네" 찾아내는 사람들이야.

🔥 노정석 어록 모음

"이 frontier model들이 적어도 어떤 분야에 있어서는 이미 인간의 수준을 한참 뛰어넘는 super intelligence라고 할 수 있잖아요."

분위기: 도발적이거나 흥분한 게 아니라, 담담하게 사실 확인하는 말투. 오히려 그래서 더 무서워.

한나 풀이: 수학, 코딩, 생물학은 이미 AI가 인간 위야. 조심해야 할 건 "아직 내 분야는 아니겠지"라는 안일함이야. 그게 빨리 오더라고.

"10명이 하던 일을 1명이 하게 되면 9명을 자르고 이 효율을 증가시킬 것인가, 아니면 일을 10배로 늘릴 것인가. 저는 아마도 일을 10배로 늘릴 것이다에 베팅을 하고 있고."

분위기: 거침없이 자기 의견을 꺼내는 특유의 톤. 틀릴 수도 있다는 걸 알면서도 베팅하는 사람의 자신감.

한나 풀이: 이게 한나한테 엄청 중요한 포인트야. AI가 나를 대체할까 봐 무서운 게 아니라, 오히려 내가 할 수 있는 일이 10배로 늘어날 수 있다는 거야. 유튜브 영상 한 달에 4개 만들던 걸 40개로 늘리는 식.

"내부 고객들 다수가 '우리는 화장품 회사가 아니라 AI 회사야'라고 얘기하는 게 이제 제가 듣거든요."

분위기: 4년 걸린 여정이 드디어 결실을 맺는 순간을 회상하는 것 같았어. 살짝 감동받은 티가 났어.

한나 풀이: 이게 진짜 AI 전환이 성공한 신호야. 기술을 쓰는 게 아니라, 조직의 정체성이 바뀐 거거든. 한나 팀이 "우리는 콘텐츠 크리에이터가 아니라 AI 미디어 컴퍼니야"라고 말하게 되면 그때야.

🎬 한나 적용 포인트

① "Cursor for 뷰티/라이프스타일" — 내 분야에서 먼저 치고 나가기 노정석이 말하는 "Cursor for X" 공식을 한나 도메인에 대입해봐. 인플루언서 콘텐츠 기획, 협업 계약 분석, 팔로워 반응 분석 같은 걸 특화해서 도와주는 툴이나 서비스가 아직 없거든. "뷰티/라이프스타일 크리에이터 전용 AI 매니저" 같은 개념으로 제일 먼저 만들면 데이터도 제일 먼저 쌓여. 지금 시작이 경쟁 우위야.

② 내 팔로워 데이터가 진짜 해자야 — 지금부터 체계적으로 쌓아 댓글, DM, 영상별 시청 이탈 구간, 어떤 CTA에 반응하는지. 이게 한나만의 proprietary data야. 챗GPT한테는 없는 데이터. 지금부터 이걸 체계적으로 기록하고 분류하면, 나중에 "내 팔로워한테 맞춤화된 AI"를 만들 수 있는 기반이 돼. 구글 시트라도 지금 시작해.

③ 팀 안에 "AI 엔지니어 역할"을 만들어봐 — 사람이 없으면 외주라도 노정석이 강조한 3요소(리더 + AI 엔지니어 + 내부 고객) 중 한나는 이미 리더이자 내부 고객이야. 없는 게 AI 엔지니어 포지션이거든. 풀타임 고용이 아니어도 돼. 프리랜서 AI 개발자 한 명이라도 연결해서 "이 반복 작업 자동화해줘" 실험을 같이 해봐. 노정석이 이메일로 연결해주겠다고 했잖아, 그 채널(chester@bfactory.ai) 활용하는 것도 방법이야.

🏷️ 태그

시기: #2025상
주제: #AI기업변화 #에이전트서비스 #조직설계 #창업기회
인물: #노정석 #최승준
자유: #자율주행브랜드 #Cursor모델 #도메인해자