후상의 인사이트 저장소

직업..보다는 이젠 역할? 아무리 AI시대가 왔어도 전부를 혼자 감당할 순 없다. https://blog.naver.com/juliuschun/224340690993

* 앤스로픽 오피셜, Fable 5 통제 해제 상무부가 Claude Fable 5와 Mythos 5에 대한 수출 통제를 해제했다는 통지를 받았습니다. 내일부터 액세스 복원을 시작하며, 곧 업데이트를 공유하겠습니다. 사용자들의 인내에 감사드리며, 모델 재배포를 위해 저희와 함께 노력해 주신 모든 분께도 감사의 말씀을 드립니다 https://x.com/i/status/2072106151890809341

• 카트린 라즈니악(27)은 소프트웨어 기업 리플링(Rippling) 관리 팀을 이끌면서 연봉은 18만 달러(약 2억 7천만 원)를 받고 있다. • 그녀의 파트너인 아담 우드버리(39)는 2021년 SF로 이주해 소프트웨어 엔지니어로 일하며 18만 5천 달러를 벌고 있다. (약 2억 8천만원) • 요즘 샌프란시스코에서는 이 정도의 억대 연봉으로도 더 이상 버티기 힘들다. • 올봄 라즈니악과 우드버리는 월세 5,000달러(약 670만 원) 이하의 방 1개짜리 아파트를 구하려다 결국 포기했다. 이들은 3개월 동안 약 30곳의 매물을 둘러보았지만, 모두 너무 비싸거나 경쟁이 치열했다. 월세 5,200달러짜리의 한 매물에는 오픈 하우스(집을 공개하는 시간)가 시작된 지 단 한 시간 만에 30명이 대기 명단에 이름을 올리기도 했다. • 우드버리의 소득은 미국 전체 가구 중 상위 20%에 해당함에도 불구하고, 그는 이렇게 털어놓았다. "내가 AI 기업에서 일하지 않는다는 이유만으로, 이제 더 이상 이곳에 살 자격이 없는 사람처럼 느껴집니다." https://www.nytimes.com/2026/06/29/technology/san-francisco-tech-salaries.html?unlocked_article_code=1.t1A.hZip.Vm7L5isc1PkL&smid=nytcore-ios-share

[단독] 앤스로픽의 강력한 AI 모델 '페이블 5(Fable 5)', 곧 서비스 재개 예정 서비스 재개 임박: 소식통에 따르면, 미국 트럼프 행정부가 앤스로픽(Anthropic)의 강력한 AI 모델인 '페이블 5'에 대한 접근 제한을 곧 해제할 것으로 보입니다. 이 모델은 정부의 보안 우려로 인해 지난 15일 동안 오프라인 상태로 차단되어 있었습니다. 예상 시점: 내부 관계자들은 이르면 다가오는 주에 페이블 5에 대한 제한이 풀릴 것으로 예상하고 있습니다. 주말 동안 관련 논의가 계속 진행될 예정이며, 앤스로픽 측도 곧 서비스가 복구될 것으로 기대하고 있습니다. https://www.axios.com/2026/06/27/anthropic-fable-5-return-soon?utm_campaign=mrf-utm_campaign=editorial&utm_source=x&utm_medium=owned_social&utm_source=twitter&utm_medium=social&mrfcid=202606276a34bec2c92c3e13d9820ba0

현 시점 창업자이면서 동시에 경영 빡세게 하고 있는 사람 중 에어비앤비 창업자 브라이언 체스키를 가장 좋아한다. 왜인지 생각해 봤는데 이 사람이 하는 말에서 아직 야생적인 에너지가 느껴지기 때문인 것 같다. Founder Mode (창업자 모드)라는 말도 사실 실리콘밸리에서 다시 뱉은 사람이기도 하고. 에어비앤비 무지막지한 속도로 성장하다가 코비드 때 진짜 파산한다는 이야기도 많았는데 그거 다 버티고 (가장 직격타 산업이었음에도 불구) 다시 살아남아서 바퀴벌레처럼 상장하고, 지금 또 계속 피벗하면서 이렇게 오는 거 보면 정말 대단하다. 에어비앤비가 사실 더 대단한 건 그들이 경쟁하는 호텔 레저업이 완전하게 레거시 부동산 올드머니 그 자체이기 때문이다. 없던 시장에서 없던 것을 만드는 것도 대단하지만 이미 공고한 카르텔 있는 시장에서 테크 하나로 없던 시장 부수면서 달려 나오는 힘 (심지어 코비드까지 버팀)은 그를 존경할 수밖에 없게 만든다. 그래서 좋아하나 보다. 쓰다 보니 알았다. 이 영상도 정말 좋다. 꼭 보시길. (영상 : https://www.youtube.com/watch?v=ICoPlVFCiZQ&t=1s)

SK 하이닉스 시가총액 1위!

바보 또는 악마가 만든 정책 시리즈 1. - 무주택자를 단기적으로 조지는 법: 2+2 - 피고용자를 단기적으로 조지는 법: 정규직 고용 안정 https://n.news.naver.com/mnews/article/009/0005696403

https://naver.me/5IfQylDY 내용 요약 : 공시지가로 이미 신고 다 끝내고 세금 냈더니 국세청이 뒤늦게 감정평가 해서 세금을 더 뜯음 문제는 세금을 낼 당시 별 태클 없다가 나중에 조사해서 감정평가 후 소급적용

재밌네요 ㅋㅋ 썸네일은 어그로니까 무시하시고..

아시는 분들은 아시겠지만.. 1년 정도 전에 <호라이즌 프레스>라는 출판사에 투자를 했습니다. 돈 벌 생각보다는, 더 좋은 (한국어로 된) 책이 많아지면 좋겠다는 생각 하나였고요. 그리고 변영진 대표님이라는 사람이 너무 훌륭해서, 제가 이 분하고 평생 같이 친구하려면 피를 조금 섞어야 겠다는 생각을 한 게 전부였습니다. 그 때는 이게 되겠어? 굳이 돈 이상한 데다 쓰네 하는 사람들도 많았는데요. 책도 벌써 2권이나 출간했고... 그래도 호라이즌 프레스가 출간한 책이다 하면 업계에서는 꽤나 좋은 책이겠거니 신뢰를 벌써 보내주시는 것 같습니다. 저희가 지향하는 바는 하나인데요. 그냥 좋은 책을 많이 가져와서 사람들에게 제공하는 것이 전부입니다. 유통, 물류, 마진 그런 것은 다음에 따라오는 것이고요. 하나하나 책 홍보도 그래서 안 합니다. 추천서라든지, 띠지라든지.. 서점 마케팅도 하나도 안 하고요. 그런 돈 아껴서 좋은 책에만 쓰고 오래 하고 싶습니다. 저희 같은 출판사 있다는 것도 알리고 싶어서 시리즈물로 만들어봤습니다. 이 이야기 말고도 2~3개 정도 더 올릴 예정입니다. 호라이즌 프레스. 쇼츠 범람 시대지만 저희는 아직 책의 힘을 믿습니다. 성적은 알아서 따라온다! 호라이즌 프레스 : https://www.instagram.com/hrznpress/

«한 대표가 조합장으로서 거둔 성과는 수치로 증명된다. 아크로리버파크는 그가 2011년 9월 세 번째 조합장으로 취임한 뒤 4년 8개월 만에 이주부터 입주까지 마무리했다. 취임 당시 신반포 1차 재건축 사업은 18년째 표류 중이었다.» https://n.news.naver.com/article/022/0004135450

✔️"월급쟁이도 우주로 갔다" SpaceX 상장으로 4,400명 백만장자 탄생 스페이스X 상장으로 직원 4,400명이 백만장자(자산 100만 달러 이상)가 되었다고하네요🔥 1️⃣ 백만장자 4,400명 탄생 • 직원 4,400명 백만장자 반열 진입 • 이 중 약 400명은 1,000만 달러 이상 보유 2️⃣ 주인공은 일반 직원 • 엔지니어·용접공·생산직 등 포함 • 회사 성장의 과실을 전 직원이 공유 3️⃣ 20년 이어진 주식 보상 전략 • 현금보다 스톡옵션·주식 보상 활용 • 급여 공제로 추가 지분 매입 가능 4️⃣ 용접공도 인생 역전 • 시급 28달러 계약직 출신 • 스페이스X 지분 가치 수십만 달러로 급증 ✍️결국 스페이스X를 믿고 버틴 직원들이 가장 큰 보상을 받았네요. 직장이 미래다...

[속보] 삼성, 전체 관계사 모든 업무에 외부 생성형 AI 도입 삼성이 전체 관계사 모든 업무에 인공지능(AI)을 전면 도입하는 등 'AI 대전환'에 나섭니다. 전체 사장단을 대상으로 첫 AI 집중 교육을 실시하고 사별로 AI 전담 조직도 신설합니다. 삼성은 AI 시대를 주도하고 도약의 기회를 선점하기 위해 사장단과 임원, 직원들의 일하는 방식과 조직문화 등 기업 DNA 자체를 AI 중심으로 탈바꿈하는 대혁신을 추진한다고 9일 밝혔습니다. 각사 최고경영자(CEO)가 8대 업무(개발·구매·제조·물류·마케팅·판매·서비스·경영지원) 프로세스에 AI를 적용해 경영 혁신을 직접 주도하면서 AX(인공지능 전환)를 통한 혁신 기업으로의 대전환을 추진할 예정입니다. 이재용 삼성전자 회장은 올해 신년사에서 "일하는 방식과 조직 DNA를 송두리째 바꿔야 한다"며 "연구개발(R&D)부터 생산·마케팅·지원 등 모든 업무 밸류체인에 AI를 접목해야 한다"고 말한 바 있습니다. https://n.news.naver.com/mnews/article/374/0000514958?rc=N&ntype=RANKING&sid=101

매출 - COGS (제품 만드는 데 든 직접 비용) = 매출총이익(Gross Profit) - OpEx (운영비, R&D, 영업비) = 영업이익(Operating Income) 이 모델의 핵심 베팅: AI Operating Leverage 처음엔 마진이 낮아요. 사람 비중이 크니까. 그런데 제품을 깊게 만들수록 COGS가 떨어짐 — AI가 더 많은 일을 하게 되니까. 그러면 마진이 점점 올라감. COGS(원가)는 3가지: 모델 비용 (Claude/GPT 호출비) 호스팅 비용 (서버) humans-in-loop (검수·결정하는 사람) ← 이게 줄여야 할 핵심 이 3개 다 숫자와 추세선과 담당자가 명시되어야 함. "그냥 막연히 줄어들겠지"는 안 됨. 벤치마크: 전통 서비스 회사 (로펌, 회계법인): 마진 ~30% 순수 SW 회사: 더 높지만 시장이 작음 AI-native 서비스의 목표: SW에 가까운 50%+ 마진을 SW의 2~3배 큰 시장에서 달성 당장은 못 가도 됨. 단 trajectory(궤적)가 믿을 만해야 함 — 매 분기마다 마진이 올라가는 게 보여야 함. 안 그러면 투자자가 빨리 평가 내려요. 경고: 0~음수 마진 파일럿은 학습용으로만 OK. 거기 중독되면 진짜 위험. 9. "그냥 회사 사는 건?" 마지막. 흔한 충동: "기존 로펌 하나 사서 우리 AI 얹으면 매출 단번에 점프!" → 거의 항상 함정. 왜? PMF(Product-Market Fit)는 살 수 없거든요. 기존 회사 사면 그 회사의 레거시 문화, 기존 메트릭 기대치, 기존 직원 채용·평가 방식, 기존 고객 기대치가 다 같이 옴. AI를 위에 얹는다고 그 현실이 안 바뀜. 유일한 예외: 규제 라이선스를 빨리 얻어야 할 때(예: 보험은 라이선스 따는 데 몇 년 걸림). 그땐 사는 게 빠를 수도. 그 외엔 빌딩 > 인수. 처음부터 AI-native로 작게 시작해서 키우는 게 훨씬 빠름. 한 줄 요약 "AI로 도구를 팔지 말고, AI로 일 자체를 해줘라. 단 시장은 외주가 이미 도는 규제 산업이고, 팀은 도메인·모델·운영 셋 다 알아야 하고, 제품은 결과의 일관성과 운영 효율이며, 가격은 노동비용 대비 가치로 받고, 마진은 AI가 깊어질수록 50%+로 올라가야 한다." 이게 다음 10년 수조 달러 시장을 노리는 새 비즈니스 모델의 청사진이에요.

1. "이게 무슨 이야기인가?" — 새로운 종류의 회사 지금까지 AI 스타트업은 대부분 이런 모델이었어요: "우리가 도구를 만들어 줄 테니, 너희 회사에서 직접 써." (예: 변호사용 AI 어시스턴트, 회계사용 AI 보조도구) 이걸 영어로 "co-pilot(부조종사)"이라고 불러요. 고객은 도구를 사서 자기가 일을 함. 근데 이 영상이 말하는 AI-native 서비스 회사는 완전히 다른 모델이에요: "우리가 일을 직접 해줄게. 결과만 받아." 예를 들어, 변호사용 AI 도구를 파는 게 아니라 AI를 등에 업은 법무법인 자체를 만드는 거예요. 고객(스타트업)은 변호사 인터페이스가 아니라 법률 문서·자문 결과를 받습니다. 안에서 AI가 일의 80~90%를 하고 사람이 검수만 합니다. 왜 지금 가능해진 거냐면 — 2~3년 전 모델 수준으로는 진짜 일을 못 맡겼는데, 지금은 가능해서. 그래서 새로 열린 시장임. 시장 크기도 SW 시장보다 훨씬 큽니다 (변호사 시장이 변호사용 SW 시장보다 수십 배 크니까요). 2. "어떤 산업을 고를까?" — 4가지 체크리스트 아무 산업이나 되는 건 아님. 이 4가지를 다 만족해야 좋은 시장: ① Low trust — 이미 외주 주는 영역 고객이 이미 외부 업체에 맡기고 있는 일이어야 함. 그래야 "사장님, 이거 ChatGPT한테 시키시면 돼요" 같은 행동 변화를 요구할 필요 없이 그냥 그 외주를 우리가 받으면 됨. 이미 예산이 흐르고 있던 자리. → 예: 세무 회계, 보험 클레임 처리 ② Low judgment at task level — 작업을 쪼개면 자동화 가능 한 단계마다 인간 판단이 필요하면 스케일이 안 나옴. 대부분의 단계가 자동화 가능하고 사람은 몇 군데에서만 결정하는 일이어야 함. → 반례: 정신과 상담은 매 분 인간 판단 필요 → 스케일 어려움 ③ High intelligence threshold — 그러면서도 어려운 일 너무 쉬우면? 모델이 곧 commoditize시킴(누구나 ChatGPT로 할 수 있게 됨). 모델 + 사람 조합이 필요할 만큼 진짜로 어려운 일이어야 진입장벽이 생김. → 예: 의료기기 FDA 인허가 — 모델 혼자 못 함, 사람 혼자도 비효율 → 조합이 강력 ④ 규제는 오히려 좋다 보통은 규제를 싫어하지만, 이 모델에서는 규제가 두꺼울수록 좋음. 왜냐하면 ① 고객이 더 무서워서 신뢰할 업체에 큰 돈 씀, ② 법적 책임이 높아서 아무나 못 들어옴 = 경쟁사 진입장벽. 구체적으로 어떤 산업? 세무, 감사, 보험, 모기지, 헬스케어 일부, 물류 일부. + 아직 아무도 안 건드린 더 많은 영역. 3. "내 사업이 진짜인가" — Sam Altman Test 모델이 1년 후에 더 좋아질 거잖아요. 그때 두 가지 시나리오 중 어디에 있어야 할까? A: 모델이 좋아질수록 우리 서비스가 더 강해짐 ← 여기 있어야 함 B: 모델이 좋아지면 누구나 우리 일을 할 수 있게 됨 (= 우리가 commoditize됨) 이게 "Sam Altman Test". 단순한 텍스트 생성·요약 같은 거 하면 B로 갈 확률 큼. 정직 체크 하나 더: 우리가 사람을 쓰는 이유가 진짜 "AI가 못해서"인지, 아니면 "제품이 부실해서 사람으로 가린 건지"를 솔직하게 물어볼 것. 후자면 그냥 외주업체임. 4. "누구랑 팀을 짤까" — 3가지 자질 세 명이 다 다른 사람이어도 되고, 한 명이 여러 개 갖춰도 됨: ① Domain Fluency (도메인 유창성) 그 산업을 진짜로 알아야 함. 변호사 SaaS 만들려면 변호사거나 변호사랑 친해야 함. 회의적인 고객을 설득하려면 "이 사람 우리 세계 안다" 느낌이 필요. ② Model Fluency (모델 유창성) 프론티어 AI 모델이 오늘 뭘 할 수 있는지를 손가락 끝으로 알아야 함. 그리고 앞으로 모델이 좋아질 곡선을 타게 제품을 설계할 수 있어야 함. "지금 안 되는데 6개월 후면 될 거니까 미리 설계해두자" 같은 감각. ③ Operational Rigor (운영 엄격성) — 가장 안 섹시한데 가장 중요 변동성(variance), 처리량(throughput), cycle time(작업 한 건 완료까지 걸리는 시간), SOP(표준 작업 절차)… 이런 단어들이 흥분되지 않으면 곤란함. 왜냐하면 **이 회사의 제품은 "코드"가 아니라 "운영(operation) 그 자체"**거든요. 사례: General Legal Team — 변호사 출신 + Casetext 같은 리걸 테크 출신이 만든 AI-native 법무법인. 이들은 shift work(교대 근무) 를 도입해서 다른 로펌보다 cycle time을 줄이고 최고 변호사를 끌어들임. "어떻게 일을 분배해야 throughput이 최대가 될까"를 회사의 핵심 제품 결정으로 다룸. 5. "제품을 어떻게 만드나" — 사고가 거꾸로 뒤집힘 일반 SW 회사: 고객 ↔ 제품(우리 SW) ↔ 우리 엔지니어 AI 서비스 회사: 고객 ↔ 사람(우리 컨설턴트) ↔ 제품(내부 AI 도구) 차이가 중요해요. 사람이 고객 인터페이스고, 제품은 그 사람의 작업량을 비선형으로 늘려주는 내부 도구임. 즉 우리 SW는 고객이 쓰는 게 아니라 우리 내부 직원이 씀. 그래서 따라오는 4가지 원칙: (1) 운영 지표를 제품 지표처럼 추적 일반 SaaS는 DAU·MAU 봅니다. 우리는 throughput(시간당 처리 건수), cycle time(건당 소요 시간), 병목 위치가 핵심 메트릭. 매일 봐야 함. (2) Variance(편차)가 최대 위협 — 진짜 중요 고객은 우리가 느리거나 비싼 것보다 결과의 일관성이 깨지는 것을 훨씬 빨리 싫어함. "지난번엔 잘 됐는데 이번엔 이상해" → 신뢰 깨짐 → 해지 그래서 결과의 표준편차를 줄이는 게 속도·가격보다 우선임. (3) 사람 늘리면 매출 늘면 망한 거 사람 10명에 매출 10억이고 사람 100명에 매출 100억이면? 이건 그냥 일반 외주업체임. AI 레버리지가 작동하면 사람 10명→100명일 때 매출이 100억→2,000억으로 가야 함. 비선형 확장. (4) 우리 컨설턴트도 우리 SW의 사용자 내부 직원이 쓰기 좋은 SW여야 한다. 좋은 변호사들이 우리 회사에서 일하고 싶게 만들어야 하기 때문. 6. "영업의 함정" — Early Demand Trap 가장 흔한 함정이에요. 초기에 사인업 받기는 너무 쉬워요. "AI 법무 서비스? 한 번 써볼게요" 하는 회사가 우르르 옵니다. 그런데 너무 많이 받으면 서빙에 매몰돼서 제품을 못 만들게 됨. 사람으로 다 메우다 보면 그 사람들이 더 못 빠지고, 결국 영원히 인력 외주업체로 굳음. 이게 "literal trap(말 그대로 함정)". 처방: 초기 파일럿은 한 줌(small handful) 으로 제한. 거절할 줄 알아야 함. 그리고 영업할 때: 결과(outcome)를 팔지, "AI 모델 사용권"이나 "이용자 수"를 팔지 말 것 첫 몇 고객은 표준화하지 말고 다양하게 받아서 "AI가 진짜로 차별화되는 지점"과 "그냥 자동화 되는 지점"을 구분 7. "얼마에 팔까" — 가격 책정 핵심: 우리는 다른 SW와 경쟁하는 게 아니라 노동 비용(내부 직원 or 외주)과 경쟁함. 비교 대상이 완전히 다름. 좋은 옵션 2가지: Per-unit (건당 가격): 세무 신고 1건당 $500, 보험 클레임 1건당 $200 같이. 가장 깨끗하고 설명 쉬움. Outcome-based (결과 기준): 일이 성공해야 받음. Panacea는 FDA 컨설팅을 시간당이 아니라 완료된 스터디 기준으로 받음. 인센티브가 완벽히 정렬되지만 매출 예측이 어려움. 절대 피할 두 가지: Cost-plus (원가 + 마진): "토큰 비용 + 30%" 식. 모델 가격 떨어지면 우리 매출도 떨어짐. 상방이 영구히 막힘. Straight-line undercut (단순 할인): 경쟁사 변호사 비용의 30%! 같은. 싸구려처럼 보이고 신뢰 깎임. 원칙: 항상 가치 기준 가격. "이걸 사람한테 시키면 $5,000인데 우리는 $1,500" 식의 가치 비교. 8. "돈이 어떻게 도나" — AI Operating Leverage P&L(손익계산서)이라는 게 있는데 구조는 단순합니다:

https://youtu.be/gSNFJbgoaHI?si=bfxursbZ2k8EvWFB <AI기반 서비스 회사를 구축하는 방법> • 다음 10년 최대 회사들은 SW가 아니라 "AI-native 서비스 회사". 보험·법무·세무·감사·헬스케어 일부·물류 일부를 AI가 일을 다 하는 구조로 처음부터 재설계한 형태. 시장 규모 합산 수조 달러. 결정적 차이: 기존 AI 회사는 고객에게 co-pilot(도구) 을 팔지만, AI-native 서비스 회사는 결과 자체(outcome) 를 팜. 이 기회는 2~3년 전엔 존재하지 않았음 — 모델 발전이 unlock. • 시장 선택 4가지 조건 (모두 충족해야 좋음): ① Low trust — 이미 외주로 돌고 있는 영역(고객은 결과만 보고 과정은 안 따짐). 행동 변화 요구 없이 이미 있는 예산 자리에 들어감. ② Low judgment at task level — 작업을 쪼개도 단계마다 인간 판단이 필요하면 스케일 불가, 대부분 자동화 가능 + 인간 판단은 몇 군데만. ③ High intelligence threshold — 전체 작업은 어려워야 함(모델 + 인간 조합이 필요할 만큼). 너무 쉬우면 모델이 그냥 commoditize. ④ 규제는 오히려 좋음 — 규제 산업은 기대치·법적 책임이 높아 moat가 두꺼움. 사례: YC의 Panacea — 바이오/메드텍 FDA 인허가 서비스, 경험 있는 FDA 컨설턴트 + AI 플랫폼. • 알려진 좋은 시장: 세무, 감사, 보험, 모기지, 헬스케어 일부, 물류 일부. 그러나 X(트위터)에서 언급되는 명백한 것들에 갇히지 말 것 — 아무도 안 건드린 영역이 더 많음. • "Sam Altman Test" — 모델이 좋아질수록 우리가 강해지는가 vs commoditize되는가. 첫 번째 진영에 있어야 함. 조심할 영역: 장비 + 현장 인력이 필요한 사업 — 물리 자산 운영하면 SW 마진 수학이 안 통함, 로보틱스 창업자에게 패스. 정직 체크: 인간을 쓰는 이유가 진짜 판단이 필요해서인가, 아니면 제품 결함을 인간으로 메우고 있는가? • 창업팀의 3가지 핵심 자질: ① Domain Fluency(도메인 유창성) — 직접 경험이 최고, 학습으로 얻은 것도 OK. 회의적 구매자 + 규제 분야에서 신뢰성을 흘려야 함. ② Model Fluency(모델 유창성) — 프론티어 모델이 오늘 뭘 할 수 있는지 알고 모델 발전 곡선을 타게 설계. 여기서 기술 양보 절대 금지. ③ Operational Rigor(운영 엄격성) — variance, throughput, cycle time, SOP. **제품 자체가 운영(operation)**임. 사례: General Legal Team — 변호사 실전(Cooley/Fenwick) + 기술 리더십(Casetext) 조합, shift work를 도입해 cycle time을 줄이고 최고 변호사들을 끌어들임. • 제품 빌드의 패러다임 역전 — 인간이 인터페이스, 제품은 인간을 nonlinear 확장하는 도구. 일반 SW에서는 제품이 고객 인터페이스이지만 AI 서비스 회사에서는 인간이 고객 인터페이스고 제품은 그 인간의 작업을 비선형 확장. 따라야 할 원칙: ① 운영 마인드셋 — 병목 찾고 병목을 위한 제품 만듦. Throughput·cycle time을 DAU처럼 제품 메트릭으로 추적. ② Variance(편차)가 존재론적 위협 — 고객은 느린 것·비싼 것보다 결과 일관성 무너지는 것을 먼저 해지함. 일관성 무너지면 신뢰 무너지고 곧 churn. ③ 인간 수 늘려서 매출이 비례 증가하면 망함 — humans-in-loop는 반드시 비선형 확장돼야 함. ④ 인간도 SW 사용자라 SW가 쾌적해야 함. • "Early Demand Trap" — 초기 파일럿 폭주를 의도적으로 막아야 함. 시작 단계에서 파일럿 고객 사인업은 쉬움 → 너무 많이 받으면 서빙에 매몰돼 제품을 스케일 가능하게 못 만듦 → 영영 인간 노동으로 돌리게 됨 ("literal trap"). 처방: 초기 파일럿을 한 줌(small handful) 으로 제한. 영업: ① Outcome을 팜, seat/token이 아님. ② 첫 몇 고객에서 표준화를 너무 일찍 하지 말고 pilot으로 배움 — AI가 진짜 unique leverage를 주는 지점과 단순 자동화 지점을 구분. • 가격 책정 — 노동 비용과 직접 경쟁. SW vendor와 경쟁하는 게 아니라 내부/외주 노동 비용과 비교됨. 선택지: ① Per-unit (per return, per claim, per loan) = 가장 깨끗·설명 쉬움. ② Outcome-based = 인센티브 정렬 완벽하나 예측 어려움 (Panacea는 업계 표준인 시간당 과금 대신 완료 컨설턴트 스터디 기준 으로 받음). 절대 피할 것: cost-plus(영구히 상방 막힘), straight-line undercut(자기 일을 싸구려로 만듦). 반드시 가치 기준 가격. • P&L의 핵심 = "AI Operating Leverage". 제품 build가 깊어질수록 COGS 떨어지고 gross margin이 좋아지는 구조가 핵심 베팅. COGS의 3대 구성: 모델 비용 + 호스팅 비용 + humans-in-loop. 셋 다 숫자·추세선·담당자 명시 필요. 0~음수 마진 파일럿은 학습용으로만, 중독되면 위험. 벤치마크: 전통 서비스 회사 마진 ~30%, 순수 SW/에이전트 회사는 더 높지만 TAM 작음. AI-native 서비스의 베팅 = SW에 가까운 50%+ 마진을 SW의 2~3배 큰 시장에서 달성. 즉시 못해도 OK지만 trajectory가 믿을 수 있어야 함 — 이게 무너지면 평가 빨리 들어옴. • 기존 서비스 회사를 사서 AI 얹는 전략은 거의 항상 함정. 매출 단축 경로로 보이지만 PMF는 살 수 없음. 레거시 비즈니스는 메트릭·채용·성과 기대치가 레거시 그대로고, AI를 위에 얹는다고 그 현실은 바뀌지 않음. 유일한 예외: 규제 moat를 빠르게 얻어야 할 때(예: 보험 라이선스). 그 외엔 빌딩 > 인수.

???