매일경제 인터뷰 회의록

회의 개요

자동 전사본이라 오타가 많아 문맥에 맞게 교정해 정리했어요. 고유명사·수치 중 원문이 심하게 깨져 확신이 어려운 부분은 본문에 ⚠️로 표시하고, 문서 끝 "전사 불확실 항목"에 모았습니다. 기사 인용 전에는 해당 부분만 원음성과 대조하는 것을 권합니다.

---

1. 도입 — 개인·가정에서의 AI 활용 (약 09:30 ~ 17:20)

인사와 함께 가벼운 근황 문답으로 시작했고, 기자가 준비한 주제(1인 AI 기업)에 들어가기 전에 개인적인 AI 활용부터 물었어요.

아들 교육에 쓰는 "가족 리포지토리"

• 아들이 학교에서 받아온 프린트물을 귀가 즉시 전부 스캔하는 것부터 시작한다. 예전에는 사람이 자료를 정리해야 했지만, 이제는 일상에 흩어져 있는 데이터를 어떤 형태로든 AI에게 주기만 하면 나머지는 다 가능해졌다.
• 회사별 리포지토리, 본인 개인 리포지토리가 있듯 아들 전용 리포지토리도 운영한다. 학교·교육 자료뿐 아니라, 미국에서 살다 와 한국 적응을 어려워해 받는 상담 내용까지 넣어 둔다.
• 내신·교과 수업 프린트물 위주로 시험이 나오기 때문에, 그 프린트물에 집중해 AI에게 예상 문제까지 만들게 한다.
• 핵심은 AI가 아빠와 사춘기 아들 사이의 중재자 역할을 한다는 점. "제가 아무리 맞는 말을 해도 너무 직접적으로 가면 듣고 싶지 않아 하는데, 'AI한테 물어봤는데도 그렇다네' 하면 자연스럽게 설득이 됩니다."
• 같은 원리를 스타트업 대표 컨설팅에도 적용한다. 예전에는 자료를 잔뜩 만들어 직접 생각을 바꾸려 했고 성공률이 반반이었다면, 이제는 "좋은 질문을 어떻게 AI 에이전트가 스스로 던지게 만들까" 만 고민한다. 본인이 직접 설득할 때보다 성공 확률이 훨씬 높다.

모델 사용 현황과 평가 방법

• 개인적으로 주로 쓰는 영역은 건강과 자산 관리. 업무로는 Claude Code, Codex 등에 월 약 200만원을 쓴다.
• 모델별 강점 평가 (인터뷰 시점 기준):
  • 데이터 사이언스·과학적 발견: GPT-5.5가 앞선다. OpenAI가 과학 쪽 돌파를 의도적으로 밀고 있다고 본다.
  • 엊그제 나온 Claude Fable 5: UI/UX 쪽에 확실히 강점이 있다. "좀 더 봐야" 하는 단계.
• 자체 벤치마크를 여럿 만들어 두고, 새 모델이 나올 때마다 정량 벤치마크를 돌리고 직접 쓰면서 정성 평가도 한다. "이 모델은 어느 벤치마크에서 어디까지 되더라" 하는 임계값을 알아 두면 새 모델의 특성을 빨리 파악할 수 있다.
• "AI가 객관적으로 얘기하는 것 같다"는 기자의 말에는 "객관적인 척하는 걸 수도 있어요. 점점 더 똑똑해지니까 잘 봐야 합니다"라고 답했다.

---

2. 커리어 — 삼성SDS에서 탭제로 창업까지 (약 17:20 ~ 24:30)

• 졸업 후 가장 큰 SI 업체인 삼성SDS 입사. 답답함을 느끼고 창업을 결심했으나, 당시 한국은 창업 시 대표 연대보증이 사실상 필수였다. "첫 창업은 망할 확률이 더 높은데 가족까지 위기에 빠뜨릴 수는 없다"는 판단으로 연대보증 제도가 없는 미국에서 창업.
• 1차 창업 (뉴욕): 영어 원어민과 한국의 영어 수요층을 연결하는 플랫폼. 약 1년 만에 실패.
• 2차 창업 (캘리포니아): 1차 투자자들이 "재투자할 테니 캘리포니아로 와서 같이 하자"고 제안. 추천 엔진을 약 3년 개발한 끝에 쿠팡에 매각. 링크드인, 라인, 쿠팡이 인수 후보였고 쿠팡이 가장 나은 조건을 제시했다. 매각 후 쿠팡에서 근무.
• 이후 "실리콘밸리에 있는 김에 한국 사람이 한 명도 없는, 완전히 실리콘밸리식으로 일하는 회사"를 골라 샌프란시스코에서 근무.
• 한국 귀국 후: 뱅크샐러드 CTO로 합류 (처음에는 고사했으나 기존 CTO의 공석이 생기며 맡게 됨) → 당근마켓 데이터 가치화팀에서 데이터 수익화 작업 → 카카오벤처스 EIR로 스타트업 지원.
• "세상이 많이 바뀌었고, 내가 알던 것으로는 더 이상 장사가 안 되겠다. 새로 빡세게 배우려면 창업만 한 게 없다"는 생각으로 올해 1월 탭제로 설립.

---

3. 창업 동기 — "아이템보다 인생 궤적" (약 21:07 ~ 24:30)

• 예전에는 반짝이는 아이템으로 창업하고 엑싯하는 게 가능했다면, 이제는 개발이 너무 쉬워지고 AI 에이전트가 좋아져서 "내 인생 궤적에 맞아 최소 5~10년 해볼 수 있는 것" 이 훨씬 중요해졌다.
• 본인 경험: 너무 열심히 일하다 번아웃이 오고 몸무게가 30kg 늘었던 시기가 있었고, 거기서 회복하면서 "업무 강도를 유지하며 성공을 향해 가면서도 건강을 해치지 않고 주변의 사랑을 받으며 원하는 방향으로 갈 수 있다"는 깨달음을 미국과 한국에서 얻었다.
• 스타트업으로 경제적 여유를 얻은 주변 사람들은 결국 "건강하게 라이프스팬과 헬스스팬을 늘리고 싶다"는 쪽으로 간다. "돈 번 사람들의 이너서클에서는 딱 두 가지만 얘기해요. 영생과 우주. 우주는 제가 모르니까, 영생까지는 아니어도 살아 있는 동안 원하는 강도로 후회 없이 살 수 있게 하는 건 가능할 것 같았습니다."
• 이런 생각이 쌓여 본인·주변 인터뷰, 세금·건강 관리 자동화 실험을 거쳐 "이거 워킹하네" 확인 후 바로 창업.
• 의도적으로 1인 운영: "혼자 하겠다고 하면 힘들지만, 에이전트들과 회사를 운영하다가 필요할 때 손들고 도와달라고 할 수 있는 투자자들과 함께라면 좋은 그림이 나온다고 생각해서 투자를 받은 거기도 해요."

---

4. AI 에이전트 경영론 (약 24:30 ~ 37:55)

사람 관리 경험을 에이전트에 적용

• 1인 팀부터 100명 넘는 조직까지, IC·5명 팀장·10명 팀장·30명 디렉터를 모두 거쳤다. "사람 관리가 제일 어려워요. 거의 마법의 영역이에요. 사람은 내 맘 같지 않아요."
• AI 에이전트 10개, 100개, 1,000개를 예전에 사람을 매니지먼트하던 원칙과 구조로 바라보면 훨씬 빠르게 원하는 일을 시킬 수 있다.

비용 아비트리지 — "지금이 의도적으로 누릴 시기"

• 결국 비용 문제다. 개발자 한 명 연봉이 최소 1억원인데, 사람은 하루 8시간·주 52시간 이상 일을 시키면 온갖 부작용이 생긴다. AI는 부작용 없이 한계까지 일을 시킬 수 있고 지금은 사람보다 훨씬 싸다.
• 이 가격 차이는 미국 테크 회사들의 막대한 투자금이 떠받치고 있다고 본다. AI 비용이 인건비 수준으로 올라오면 기업은 다시 사람을 고용하고, 인건비와 에이전트 비용이 내시 균형처럼 왔다 갔다 할 것이다.
• 이미 신호가 왔다: 엊그제 발표된 Claude Fable 5는 6월 22일까지만 Claude Code 정액제에서 쓸 수 있고 이후 API 종량제로 전환된다. "그전에는 200달러로 한 달 내내 썼다면, 이건 1시간 시켜 보면 200달러 정도 나옵니다. 이미 온 거예요."
• 해석: Anthropic이 IPO를 앞두고 "돈 벌려면 언제든 벌 수 있다"는 것을 시장에 보여 주고 밸류에이션을 올리는 플레이를 이미 시작했다. 프론티어 모델 회사들은 기업들이 사람을 해고하는 비가역적 선택을 해서 자신들에게 락인되기를 바란다. "저 같은 사람은 그렇게 훅 가버리면 안 되니까, 계속 관찰하면서 균형을 타는 게 1인·소수 정예 팀의 플레이라고 생각합니다."

에이전트 운영 방식 — "몇 개를 돌리는지는 더 이상 중요하지 않다"

• 인프라: 맥미니 1대에서 Claude·OpenAI API를 호출하는 구조. 보안이 중요한 서비스라면 로컬 LLM용 장비를 다수 확보할 수도 있겠지만, 본인은 그럴 필요가 없다. "에이전트를 100개 돌리든 1,000개 돌리든 걔네 데이터센터 GPU가 바쁠 뿐이지 제 맥미니는 멀쩡하거든요." 오피스든 회의든 이동 중이든 그 맥미니 한 대에 명령을 내리고 결과를 받는다.
• "에이전트 몇 개를 쓴다, 부서별로 역할을 나눈다" 같은 접근은 2025년 방식이다. 지금은 원페이저 한 장으로 "이런 앱인데 베스트 프랙티스로 만들어 줘"라고 하면, 에이전트들이 필요한 만큼 스스로를 생성해 서로 토론하고 결과물을 가져온다. 내부 과정에 일일이 개입하지 않는 편이 결과가 더 좋다.
• 기자가 "부서장 아래 차장 하나와만 소통하면 그 아래 직원들은 알아서 돌아가는 구조"라고 정리하자 "맞습니다. 그런 메타적이고 재귀적인 시스템"이라고 확인.
• 매니저 시절 가장 아꼈던 직원상과 같다: "일의 의미를 알고, 나를 찾아와야 할 때와 알아서 해야 할 때를 잘 판단하는 직원. 작년의 AI 에이전트는 그걸 못 해서 마이크로매니징이 필요했는데, 이제는 '너무 이쁘고 일 잘한다'고 할 수 있는 단계까지 왔어요. 마이크로매니징하려 들면 오히려 성능을 다 못 끌어냅니다."
• 축구 비유: "월드컵에서 좋은 슛 자리가 났는데 중거리 슛을 안 쏘고 '이쪽으로 패스하고 저쪽으로 25번 패스한 다음 넣어'라고 하는 격이죠. 옛날 방식에 갇히는 순간 그렇게 됩니다."

위임과 신뢰 구축

• 처음부터 "알아서 해"라고 하지는 않는다. 사람을 고용할 때처럼 신뢰를 쌓는다: "잘 모르겠으면 나한테 물어보고, 내가 답해 온 패턴이 명확하면 네가 알아서 해." 이렇게 몇 주를 쌓으면 웬만한 의사결정은 에이전트가 알아서 한다. 요즘 말하는 "메모리"가 바로 이 접근이다.
• 의도와 어긋난 사고는 아직 없었고, 설령 있어도 괜찮다고 본다. "초기 스타트업은 일정량 이하의 부작용은 견디면 되니까, '빨리 해, 다 해'가 미덕이에요. 지금은 의도적으로 그걸 가져가는 중입니다."

---

5. 실무 자동화 사례 (약 38:00 ~ 51:40)

경영 지원 (회계·세무)

• 투자 유치에 필요한 재무제표류는 "카카오벤처스가 요구한 양식으로 만들어 줘" 한 줄로 끝낸다.
• 평소에 하는 일은 영수증 사진을 찍어 올리는 것뿐. 점심으로 여의도에서 2만원짜리 버거를 먹으면 영수증만 찍는다. 이 처리 시스템 자체도 AI에게 만들게 했다.
• 월 1회 루틴: 카드 이용 명세서가 오면 12줄 정도의 자연어로 쓰인 워크플로우를 실행한다. 명세서와 대조해 누락 영수증을 찾고, 은행 계좌·쿠팡·AWS 등에서 전표와 인보이스를 직접 수집하고, 월세까지 반영해 회계법인 카카오톡 방의 담당자에게 마감 자료를 전달하고, 이틀 뒤 "세금 이렇게 내시면 됩니다" 회신이 오는 것까지 확인해 보고한다.
• "예전에는 한 달에 하루를 통째로 써야 해서 '경리를 뽑아야 하나' 하는 니즈가 생기는 일이었어요. 이제는 한 달에 한 번 켜는 걸로 하루의 자유를 얻는 거죠. 이게 모든 영역에 걸쳐 이렇게 되어 있습니다. 그래서 혼자서도 집중하고 싶은 데 집중하면서 1인 스타트업 유니콘을 노려볼 수 있게 된 거예요."

제품 개발·운영 사이클

1. 혼자 두 시간 정도 산책하며 만들고 싶은 것을 계속 말하면, AI가 스펙으로 정리한다.
2. "이거 만들어 줘" → 하루 뒤 프로토타입 완성.
3. "프로덕션 레디로 만들어 줘. 100점 만점에 네가 100점으로 만족할 때까지 채점하며 돌려" → 하루 더. 이틀이면 사용자에게 내보내도 문제없는 수준이 된다. "작년에는 이 단계에서 사람이 들어가 보안 같은 걸 챙겨야 했는데, 이제는 저보다 잘해요. 저 되게 좋은 개발자인데, AI가 훨씬 잘합니다."
4. 지인 → 베타 테스트 → 앱스토어 출시.
5. 출시 후에는 문의·버그 리포트·기능 요청을 에이전트가 판단해 처리해 둔 것을 아침에 확인하는 것으로 하루를 시작한다. 큰 기능만 본인 확인을 거치게 해 뒀다. 이 방식으로 현재 5개 서비스를 운영 중.

모델 티어링 — 비용 효율화

• 전에는 비용을 신경 쓰지 않았지만 이제 너무 비싸져서 효율화를 한다.
• 원칙: 상방을 뚫어야 하는 일은 가장 비싼 프론티어 모델, 패턴이 잡혀 루틴이 된 일은 싼 모델이나 구형 모델로 내린다. "이것도 루틴이 되면 내리고, 내리고, 내리는 사이클이에요."
• 같은 일을 여러 모델·에이전트 세팅에 시켜 보고 "얘는 싼데 잘하네" 싶으면 그 일은 걔 담당이 된다. 중국 모델도 충분히 쓸 만하다. "6개월 정도 차이라고 하는데, 루틴한 일을 내리는 데는 중국 모델만 한 게 없어요."
• 예시: CS 분류. "지금 바로 사람이 봐야 하는 악성 민원 / 오늘 안 해도 되는 것 / 백로그" 분류는 싼 모델로 충분하다. 다만 악성 민원으로 분류된 건을 "내가 컴퓨터 앞에 앉았을 때 그대로 따라 하면 되는 스텝 바이 스텝 보고서"로 만들어 주는 워크북은 비싼 모델을 쓴다.

인력으로 환산하면

• 현재 워크플로우를 사람으로 바꾸면: 경리 1명 + 개발 인력 최소 50명 (인턴~주니어급, "일을 줄 만한" 엔지니어 기준). 50명 이상 두면 관리 비용이 커져서 일부러 안 늘린다고 가정한 최소치.
• 1인당 연봉 1억원 기준 연 고정비 50억원, 실제로는 70~80억원. "근데 저는 한 달에 200만원으로 쓰고 있는 거잖아요. 그 정도의 차이라고 체감하고 있습니다."
• "지금 이걸 처음 시작하겠다고 하면 몇 달 안 남았을 거예요. 이제 비싸질 거니까."

---

6. 세일즈도 된다 — AI 에이전트 FDE (약 51:00 ~ 01:01:10)

• "개발은 해결됐다는 건 알았는데, 세일즈는 제가 직접 가서 만나고 설득해야 하는 병목이라고 잘못 생각하고 있었어요. 요즘 효과를 보는 건 '세일즈도 이제는 되네'라는 겁니다."
• 방식: 직접 가는 대신 에이전트를 보낸다. 실체는 "이 에이전트는 어떤 일을 어떻게 하는 애"라는 설명서와 실제로 작동하는 코드 묶음. 예컨대 하나은행에서 환율 정보를, 삼일회계법인(⚠️ 추정)에서 회계 분류 코드를 가져오는 코드들을 묶어 "AI 에이전트 FDE(Forward Deployed Engineer)" 혹은 "AI 에이전트 세일즈맨"으로 패키징하고, "이 명령 한 줄을 치면 클로드 코드 안에서 당신과 인터뷰를 시작할 거예요"라며 보낸다.
• 듀얼 링크 구조: 카톡으로 링크 하나를 보내는데, 사람이 열면 일반 페이지로 보이고 AI 에이전트에게 주면 에이전트용 지시가 보인다. "사람용으로 보이는 것과 에이전트용으로 보이는 게 같이 있는 링크인 거죠."
• 첫 사례는 미국 세금 보고 에이전트: 사업체가 싱가포르·한국·미국 캘리포니아·델라웨어에 흩어져 있고 비트코인까지 있는, 매년 IRS 신고가 고통스러운 지인들이 타깃. 데이터 수집을 자동화하고, 올해 IRS 정책 변화와 대조해 "절세와 탈세의 경계라 리스키한 항목 / 거의 문제없는 항목 / 손익분기 지점"을 정리해 본인이 알고서 리스크 테이킹할 수 있게 해 준다. 회계사에게 맡겨도 결국 책임은 본인이 지는 구조라서, 고객들이 "이건 돈의 문제가 아니라 그냥 써야 한다"는 반응을 보였다.
• 초기 약 20명은 직접 찾아가 클로드 코드 설치부터 함께했고, 그 과정에서 고객의 멘탈 모델을 배워 에이전트를 똑똑하게 만들었다. 지금은 링크만 보낸다. 이 세일즈를 시작한 지 약 3주.
• 배경 트렌드: 실리콘밸리 1인 팀은 거의 다 이렇게 한다. 2025년의 AI 활용이 콘텐츠 마케팅(SEO, 블로그, 영상 편집)이었다면, 팔란티어가 "FDE도 사람일 필요 없다"고 말해 온 것이 힌트가 되어 FDE의 에이전트화가 퍼졌고, 1인 기업 커뮤니티에 런북이 공유되고 있다.
• "세일즈와 엔지니어가 따로 있으면 서로 반쪽짜리예요. 이게 합쳐진 AI 에이전트가 세일즈 가서 해결하고 설치하고 돈까지 받아온다면 너무 강력한 거죠. 오늘 기준으로 저는 이 '해결까지 하고 오는 AI 에이전트 FDE'가 수익 모델이라고 봅니다." 외주를 사람이 아니라 외주 AI 에이전트 플랫폼에 주는 플레이도 많아질 것.

---

7. AGI론과 사람의 역할 (약 01:01:15 ~ 01:13:30)

• 현재 한계: "똑똑해졌지만 걔 세상의 한계는 훈련 데이터의 한계예요." 최신 정보를 검색하게 만들고, 내가 어떤 사람인지 알려 주고, 한국 시장의 특수성을 계속 주입하는 일은 아직 사람이 해야 한다.
• "벌써 AGI는 왔다고 생각합니다. 지능은 완성됐는데 이걸 넣어 주는 게 부족한 거죠. 그러니까 월드 모델이죠." 사용자들이 모델에 눈·코·입을 달아 워킹하게 만든 것들을 모델 회사가 가져가 월드 모델을 완성하면 그게 진짜 변곡점이라고 본다.
• 사람의 역할 = 탐험가 + 교육자: "사람의 역할은 익스플로러예요. 바운더리를 넓히는 사람. 내가 알고 있는 월드만큼만 AI를 활용해 먹을 수 있거든요." 여행이든, 실리콘밸리 경험이든, 개발자가 회계·법률로 영역을 넓히든, 자기 세계가 넓어지는 만큼 AI에 피딩할 수 있다. 탐험은 물리적 탐험만이 아니라 지적 탐험, 시간축 탐험 등 다차원이다.
• 위임의 심리학: 매니저들의 매니저로 일하며 늘 했던 조언이 "당신이 할 수 있는 일을 팀원에게 다 시켜라"였다. 처음 팀장이 된 사람은 "내 일을 다 주면 내 경쟁력이 없어진다"는 두려움에 못 주는데, 다 줘야 다음 레이어가 보인다. 지금 AI 에이전트를 바라보는 실무자들에게서 똑같은 감정이 보인다. "할 수 있는 일을 어떻게든 다 시켜야 자신의 다음 일이 보이는데, 쓸모없어질 것 같은 두려움에 주저하면서 '대체될까' 고민하는 건 우스운 일이에요."
• 직무 정체성의 함정: 회사의 미션이라는 목적이 아니라 수단(직무)에 갇히는 사람이 많다. "나는 개발자인데, 데이터 사이언티스트인데" 하며 정체성만 규정하면 "우리 회사 AI 도입을 늦춰 볼까, 보안이 문제라고 해 볼까" 같은 방어로 가고 결국 현타가 온다. "데이터 사이언티스트 역할은 개발보다도 AI가 더 잘해요." 반대로 고객 가치 기준으로 생각을 바꿔 알을 깨고 나오면 선택지가 훨씬 많아지고 "AI가 너무 고맙고 사랑스럽게 느껴질 거예요."

---

8. 한국 조직문화 진단 (약 01:13:55 ~ 01:26:02)

• 한국에서 일하며 느낀 것: 실리콘밸리 임원은 "내가 큰 그림을 그렸어, 따라와"인데, 한국 임원은 "몰라, 알아서 해 봐" 해 놓고 가져가면 "이건 아니고"를 반복한다. 오너부터 임원, 실무자, 인턴(또는 AI 에이전트)까지 목적이 정렬되어 있어야 AI를 쓸 수 있다. "AI 이전부터 우리 조직문화가 AI를 쓸 수 없는 한계를 갖고 있는 거예요."
• 잘 쓰는 회사의 모습: 대표가 명확한 것을 시키고, 직원 하나하나가 에이전트 100개, 1,000개를 굴리고, 그것이 합쳐져 대표가 원하는 큰 그림이 한 달 만에 나타나는 회사. "대표가 '요즘 AI 너희는 왜 못 쓰니' 하고 있으면 절대 안 됩니다." 그래서 "한국에서는 1인 기업이 좀 더 많아지면 좋다고 생각합니다."
• 기존 조직을 위한 처방 — 평가가 전부다: AI 에이전트는 LLM, LLM은 강화학습 위에 서 있다. 따라서 "일을 해 왔을 때 '잘했어/못했어'만 제대로 알려 줘도 일이 끝나는" 구조다. 기사 쓰는 에이전트라면 결과물을 체크리스트든 정량 지표든 레퍼런스 샘플이든 강화 가능한 형태로 계속 평가해 주면 "따봉을 날릴 수 있는 기사"가 나오기 시작한다. 평가 이터레이션을 빠르게 돌리는 데만 집중하면 된다.
• 한국 조직의 문제: 사람에게도 "잘했다/못했다"를 제대로 말해 주지 않는 문화라서 AI 에이전트도 못 쓴다. 평가가 대표부터 개인까지 정렬되어 있으면 에이전트는 토큰을 적게 쓰고도 결과를 가져오지만, 정렬이 안 되어 있으면 24시간을 돌려도 답이 안 나온다. 프랙탈처럼 가장 작은 단위에서 평가가 작동해야 전체가 작동한다.
• 쿠팡 김범석 의장 일화 (재직 시절 들은 이야기로 소개): "한국 사람한테 일을 못 시키겠다. 경영은 결국 잘한 것은 잘했다, 못한 것은 못했다고 말해 주는 게 전부인데, 외국인 임원은 잘못한 걸 그대로 말해 줘서 판단할 수 있다. 한국 임원들은 잘못한 걸 메이크업하고 잘하지도 않은 걸 잘했다고 해서 너무 어렵다."
• 가장 설득이 어려운 사람: "대기업 차장급이요. '우리는 보안 때문에 맥북 못 쓴대', '보안 때문에 API 호출이 안 된대' 하면 도와줄 방법이 없어요. 그건 회사 인프라부터 해야죠." 대기업 출신을 고용하는 것도 어렵다 — 본인도 모르게 그 문화에 젖어 있어서, 백지에서 "우리가 원하는 게 뭐야"를 얘기하며 "나도 에이전트 100개 돌려" 하는 사람들과 일하는 편이 낫다. 앞으로는 1인 기업가 10명이 모여 그룹사처럼 프로젝트를 하는 형태가 될 것 같다고 전망.

---

9. 탭제로 사업 소개 (약 01:26:04 ~ 01:46:35)

시대정신 — 술 대신 건강을 고르는 세대

• "돈을 벌겠다는 생각보다, 지금 만들어지고 있는 새로운 시대정신에 필요한 엘리먼트를 만들고 있다고 봐요."
• 인터뷰 당일 월드컵 중계의 카스 무알콜 광고를 보고 "한국이 많이 바뀌었구나" 느꼈다는 일화. 미국 Gen Z·알파 세대는 술 마시는 부모 세대를 사실상 알코올 중독자 취급한다. "술 마셔 봤자 HRV만 떨어지는데 차라리 운동하겠다"는 사고방식. 본인도 금주 3년 이상.
• 세대별 건강 접근의 진화: 보약 세대 → 비타민 메가도스 세대 → "영양제 하나 먹을 때도 논문 검색해서 보는" 세대. ChatGPT Pro에 물으면 부작용·가족력까지 묻고 개인화된 답을 준다. "새로운 세대의 니즈는 명확한데 서비스가 준비 안 된 것들이 있다. 그걸 탭제로가 만들고 있습니다."

라이브 데모

• 본인은 Apple Watch를 24시간 착용하고 하루 8시간 수면 (전날 8시간 30분).
• 자체 앱: HRV 기준값 43 대비 오늘 아침 42 → "오늘은 운동 살살, 가벼운 활동 위주로" 식의 안내. 수면에 따라 '바디 배터리'가 달라지는 것도 시연.
• 캘린더 연동: 누구와 만나 어떤 얘기를 했을 때 컨디션이 나빠졌는지 패턴을 찾아 준다. "빌런 찾기, 내 에너지 뱀파이어 찾기"라고 표현. "감정은 몸의 신호에 대한 뇌의 해석이라는 이론이 있어요. 나도 모르게 저 사람과 얘기할 때 몸이 부담으로 받아들이고 있었다는 걸 인지하게 해 주는 게 굉장히 중요합니다." 인사이트는 전부 논문 기반이고, HRV를 기본으로 여러 검증된 방법을 섞어 계산한다.
• 웨어러블로 자동 트래킹이 안 되는 단 하나가 "먹는 것" — 그래서 만든 앱이 FastingWorks. 그 자리에서 기자의 음료를 찍어 "그린티 아이스티 약 250ml, 카페인 약 30mg"까지 분석되는 것을 시연. 사진 한 장으로 당·나트륨·콜레스테롤·식이섬유·포화지방·미네랄·비타민까지 분석된다. "하루 세 끼 세 번만 찍으면 많은 것들이 가능해집니다."

대사 추정 — 규제를 고려한 포지셔닝

• 또래의 이슈인 전당뇨를 겨냥. HRV는 고혈당에서도 저혈당에서도 떨어지는 자율신경 신호라서, 식사 데이터와 수면을 더하면 혈당 스파이크를 추정할 수 있다. 논문 4,500개를 검증하고 인용 순으로 캘리브레이션해 본인 혈당 추정 모델을 만들었다.
• 당뇨 환자 대상 예측은 의료기기가 되어야 맞다(혈당이 패턴 없이 움직여 알고리즘 의존이 더 위험). 전당뇨까지는 웰니스 영역에서 가능하므로 '혈당 예측'이 아니라 '대사 추정' 앱으로 포지셔닝.
• 업계도 같은 논리로 움직인다: 애플의 워치 고혈압 알림, 구글이 논문으로 군불을 때며 낸 "웨어러블과 일상 혈액 바이오마커를 통한 인슐린 저항성 예측" — '혈당 예측'이라고 하면 규제에 걸리니 일부러 그렇게 네이밍한 것.

제품 라인업과 "드래곤볼" 전략

• 탭제로 앱의 두 축: ① 웨어러블로 자동 수집되지 않는 데이터를 입력받는 앱들, ② 모인 데이터를 AI 에이전트가 분석해 개인화 리포트를 만드는 것.
• 인터뷰 당일 아침까지 만들던 앱이 InflammationWorks (염증 반응 기록). 스트레스성 피부 트러블의 인과를 식사·수면·HRV·영양제 데이터와 함께 보면 "너 뭐 때문에 그러네"를 잘 짚어 준다.
• 배변 데이터도 준비 중: 카메라 달린 스마트 변기를 만드는 Withings 사례 소개. 브리스톨 척도 1~7단계, 변 색으로 위장 출혈 의심 등이 가능한데, "어제 선지해장국을 먹었다면 아무 문제가 없는 것" — 식사 기록과 연결되어야 해석이 완성된다는 게 핵심. 대장 건강염려증이 있는 친구와 테스트 준비 중.
• "드래곤볼 모으기예요. 이게 모이는 순간 — 자, AI 에이전트들아 다 모여라. 오늘 논문 뭐 나왔어? 인과관계 증명된 건 뭐야? 우리 회원 몇백 명에 개인화해서 이 사람한테 해당하는 건 뭐야? 리포트 작성해서 보내. — 이 두 개가 저희 사업의 시작입니다."
• 확장 방향: 직장인용 HRV 기반 서비스. 회사 캘린더(참석자·제목·장소)와 건강 데이터만 결합해도 많은 것이 나온다.

B2B가 아니라 B2C로 가는 이유

• 탭제로 이전에 개발자 생산성 분석 도구를 만들어 스타트업 대표들에게 보여 준 적이 있다. "개발자 출신으로 정말 순수한 마음으로, 개발자가 자기 생산성을 올리는 데 쓰였으면 해서 만든 툴인데, 경영자들이 너무 좋아해서 팔았더니 사람 자르는 도구로 쓰는 거예요. 현타가 왔죠. 제가 너무 순수했던 거예요." 프라이싱 테스트로 높은 가격을 불렀는데도 바로 사 갔고, 마음에 안 드는 개발자를 털어 내며 좋아하더라는 것.
• 이 경험 때문에 지금 제품들은 개인이 스스로를 위해 쓰는 방향(B2C) 으로 PMF를 찾는다. Claude Code 엔터프라이즈 등을 쓰면 회사가 전 직원의 프롬프트와 결과물을 다 볼 수 있고 개인의 암묵지를 조직 지식으로 옮기는 것도 가능하지만, 개인의 건강·번아웃 상태를 고려하지 않는 성과 관리는 해결책이 아니라고 본다.
• 관련 관찰: 미국은 at-will 고용이라 해고가 자유롭지만, 한국은 증거를 모아야 하니 이런 측정 도구가 (해고용으로) 크리티컬해진다는 말도 들었다. "미국 HR팀은 직원 기 살리는 캠페인을 하는 조직이었는데, 한국 인사팀은 경영진이 문제없이 해고하는 데 에너지를 다 쓰고 있더라고요."

---

10. AI와 고용·비용 전망 (약 01:55:40 ~ 02:02:15)

"AI발 대량 해고"에 대한 시각

• "AI 때문에 대규모 해고가 일어난다고 하기엔, 그 전부터 대규모 해고와 고용의 사이클은 늘 있었어요. 코로나 때 많이 뽑아 부담스러워진 인력을 털어내는 좋은 핑계로 지금 AI를 얘기하고 있다고 봅니다. 한번 털고 나면 또 대규모 고용을 할 거예요."
• 근거 ①: AI가 점점 비싸지고 있다. 실리콘밸리에서 "AI가 너무 비싸서 사람을 다시 뽑기 시작했다"는 얘기가 나온다. 우버는 직원 1인당 월 1,600달러까지만 AI 토큰을 쓸 수 있게 상한을 걸었다. 뭘 할지 모르는 상태로 에이전트 1,000개를 돌리며 몇만 달러를 태우는 건 안 되기 때문.
• 근거 ②: 미국은 의료보험이 직장에 묶여 있어 어떤 형태로든 고용이 유지된다.
• 경고: "미국은 사이클이에요. 한국이 그걸 보고 다 잘랐다가 AI 비용이 올라가면 진짜 답이 없습니다."

AI 비용 전망 — "최대 50배"

• Anthropic 크레딧을 일부러 안 쓰고 모아 뒀다. "이럴 때(좋은 모델이 나올 때)가 올 거라 생각했고, 드디어 쓸 때가 됐습니다."
• "엄청난 투자금이 들어간 상태에서 우리가 월 200달러로 사실상 공짜로 쓰고 있던 거예요. 아까 50명이라고 했잖아요 — 저는 AI 에이전트 비용이 최대 50배까지 올라갈 수 있다고 봅니다."
• 역체감 일화: Fable 5를 이틀 쓰다가 아침에 Codex 5.5로 데일리 리포트를 만들어 봤는데 "거의 못 쓰겠는데"라는 느낌을 받았다. "좋은 걸 쓰면 좋은데, 역체감 때문에 못 돌아가요."

실리콘밸리와 영주권

• 요즘은 실리콘밸리에 안 간다. "트럼프 집권 동안은 굳이 갈 필요가 있을까 싶어요."
• 원래 영주권자였지만 이중 과세가 싫어 영주권을 포기했다. 미국은 해외 소득까지 신고·과세하는 나라인데 본인은 사업 소득이라 복잡했고, 아이들이 시민권자라 필요하면 가족 초청이 가능하다고 판단.
• 다만: "한 번도 실리콘밸리를 안 가 본 사람이면 무조건 가 보는 게 좋아요. 세상의 바운더리가 넓어지니까. 보고 알아야 상상이 가능한 영역으로 가니까."

---

11. 주요 발언 (기사 인용 후보)

1. "회사 운영을 에이전트들과 하다가 원할 때 손들고 도와달라고 할 수 있는 투자자들과 함께라면 좋은 그림이 나온다고 생각했어요." (24:09)
2. "부작용 없이 한계까지 일을 시킬 수 있는 건 AI뿐이고, 지금은 사람보다 훨씬 싸요. 이 아비트리지를 의도적으로 누리는 겁니다." (26:38)
3. "에이전트를 100개 돌리든 1,000개 돌리든 걔네 데이터센터 GPU가 바쁠 뿐이지 제 맥미니는 멀쩡하거든요." (30:35)
4. "마이크로매니징하려 들면 직원의 성능을 다 못 끌어내잖아요. AI도 똑같이 쓰게 됩니다." (37:10)
5. "한 달에 한 번 켜는 걸로 하루의 자유를 얻는 거예요. 이게 모든 영역에 이렇게 되어 있어서, 혼자서도 1인 스타트업 유니콘을 노려볼 수 있게 됐습니다." (40:23)
6. "최소 50명, 연간 70~80억원어치 일을 한 달 200만원으로 쓰고 있는 거잖아요." (50:52)
7. "사람용으로 보이는 것과 에이전트용으로 보이는 게 같이 있는 링크인 거죠." (56:26)
8. "벌써 AGI는 왔다고 생각합니다. 지능은 완성됐는데 이걸 넣어 주는 게 부족한 거죠. 그러니까 월드 모델이죠." (01:03:03)
9. "사람의 역할은 익스플로러예요. 내가 알고 있는 월드만큼만 AI를 활용해 먹을 수 있거든요." (01:04:06)
10. "AI 이전부터 우리 조직문화가 AI를 쓸 수 없는 한계를 갖고 있는 거예요." (01:15:14)
11. "AI 에이전트한테 일을 잘 시킨다는 건, 일을 해 왔을 때 '잘했어, 못했어'만 제대로 알려 줘도 끝나는 일이에요." (01:18:43)
12. "제일 어려운 사람들이 대기업 차장급이에요. '보안 때문에 맥북 못 쓴대' 하면 도와줄 방법이 없어요." (01:25:09)
13. "경영자들이 너무 좋아해서 팔았더니 사람 자르는 도구로 쓰는 거예요. 제가 너무 순수했던 거죠." (01:49:53)
14. "코로나 때 많이 고용해서 부담스러우니 털어내야 하는데, 그 좋은 핑계로 지금 AI를 얘기하고 있다고 생각해요." (01:56:07)
15. "한국이 그걸 보고 다 잘랐다가 AI 비용이 올라가면 진짜 답이 없어요." (01:58:26)
16. "저는 AI 에이전트 비용이 최대 50배까지 올라갈 수 있다고 봐요." (02:00:29)

---

12. 전사 불확실 항목 (원음성 대조 권장)

확정된 항목 (대표 확인 완료): "앵컬셀러드" → 뱅크샐러드, 탭제로 설립 시점 → 올해 1월, Fable 5 종량제 체감 비용 → 1시간에 약 200달러, 변기 회사 "weddings" → Withings.