Continuous Learning_Startup & Investment

https://youtu.be/z-5F-b1t1C0 인공지능 제어 방식: 모델 예측 제어(MPC) vs 강화학습(RL) MPC (Model Predictive Control)의 강점 실시간 최적화(QP 등)를 통해 매 순간마다(수 ms~수십 ms 간격) 거동을 계산하고 제어. 동작 해석·개입이 상대적으로 명확하며, 원하는 동작을 부분적으로 수정·튜닝하기 쉬움. 단, 모델이 부정확하거나 예측 범위를 벗어난 상황(마찰계수 달라짐 등)에서는 큰 문제가 생길 수 있음. RL (Reinforcement Learning)의 강점 많은 데이터를 바탕으로 모델 외적(데이터 기반)으로 학습 → 불확실성이 큰 환경에서 강인한 해법을 찾기도 함. 하지만 end-to-end 방식은 내부 파라미터·동작을 명시적으로 수정하기 어려우며, 재학습 시 전역 파라미터를 재튜닝해야 하는 비효율 발생. 결합형 접근 MPC로 초기 정책(Policy) 제공 후, RL로 미세 조정 (or 반대로 RL로 대략 학습 후, MPC로 세부 제어) → 두 방식의 장점을 살리는 하이브리드 제어. 현재 발표자 연구진은 GPU 병렬화(‘Cuda-cadi’) 등을 사용해 MPC를 수천 개 병렬 시뮬레이션 후 RL 적용을 가속화하는 방법을 시도. “인지적 편향(cognitive bias)”과 로봇/AI 오해 발표의 핵심 주제 중 하나로, 우리가 AI·로봇의 “겉모습”을 보고 지나치게 인간과 동일시하거나, 한두 번의 데모로 성능을 과대평가·오판하는 경향에 대해 논의한다. 인간은 지각(Perception)을 인간 기준으로만 수행 2족 로봇이 살짝 킥을 당해도 “잔인하다, 로봇이 학대당한다” 등 인간적 감성을 투영. 언어 모델(ChatGPT 등)이 그럴듯한 문장을 내놓으면 “상당히 인간처럼 지적이다”라고 느끼나, 실제로 내부 작동원리는 전혀 다름. 정작 “정확한 토크 제어, 복잡한 제어 파라미터” 같은 부분은 눈에 보이지 않아 과소평가하기 쉽다. 모라벡의 역설(Moravec's Paradox): 우리가 “지적으로 어려워 보이는” 언어·체스 등은 이미 정복된 반면, “걷고 잡는 것” 등은 여전히 어려운 이유 → 인간이 당연히 하는 능력을 과소평가하고, 언어·논리만을 ‘진짜 지능’으로 여기기 때문. 우리는 스스로의 신체 제어를 “의식적으로 모름” 일상적인 동작(예: 포켓 속 물건을 꺼내기, 식사 시 턱·혀·이 움직이기 등)은 통제나 최적화 과정을 의식적으로 인지하지 않음. 뇌의 다층적 제어(전두엽 vs 소뇌, 등)에 의해, “상위 레벨(추상 명령)”과 “하위 레벨(세부 근육 제어)”가 분리되어 있음을 보여주는 사례. 이런 인간 내부 과정을 언어(“peanut butter 바르기” 등)로 간단히 표현하지만, 실제 물리적 행동은 훨씬 복잡하고 적응적(adaptive). 언어는 추상적이고, 물리 행동은 구체적 “언어”는 대체로 사회적 합의(모방)로 이루어져 있고, 추상 수준이 높음. → 같은 단어라도 상황·맥락에 따라 해석이 달라짐. 물리적 행동(조립, 집기, 옮기기 등)은 상황별로 실제 물체와 물리법칙이 개입 → 단순히 “말 그대로” 흉내낼 수 없음. 예) “spread the jam”은 인간에겐 충분한 지시지만, 로봇에겐 수많은 세부 파라미터·접촉·힘 제어가 필요. 우리는 일상에서 ‘최적화’가 아닌 ‘충분 조건’을 사용 인간은 상당수 작업을 “어느 정도 만족하면 그만(Good enough)” 원칙으로 처리(목표값을 미세하게 최적화하지 않음). 반면 현재 AI 알고리즘은 수치적 “코스트 함수”에 기반해 최적화(혹은 RL 보상)가 필요 → 인간의 ‘충분·합격선’ 방식을 그대로 코딩하기가 매우 어려움. 특정 상황(예: 식료품 구매, 방 청소 등)에서 사람은 중간에 판단을 ‘그 정도면 됐다’로 결정 → 이런 동작을 AI로 구체화하기 위해선 무엇을 최소화/최대화하는지를 정해야 하는데, 대개 명확한 코스트 함수를 설정하기가 곤란함. 물리 vs 가상의 차이 (Virtual vs Physical) 인터넷/언어 모델의 성공은 디지털 정보 텍스트·이미지·음성 등은 크게 “실행 불확실성”이 없음. → 모델의 결과(문장, 그림)가 나와도, 그것이 실제 물리행동으로 이어지는 것이 아님. 물리 로봇에선 “행동”을 실행하면, 마찰·접촉·미세오차 등 예측 불가능한 변수가 발생해 “실시간 보정”이 필수. 자율주행이 비교적 잘 되는 이유: 도로 주행은 (속도·조향각 등) “실행 불확실성”이 비교적 작고, 시나리오가 반복적이며 수많은 차량 데이터가 축적 가능하기 때문. Behavior Cloning(행동 모방) 문제 예: 사람의 시演 데이터를 100번 모아서 학습하면, 로봇이 그것만 그대로 재현할 수 있지만, 새로운 상황(“오류/실패” 등)은 데이터에 없음. “오류 복구” 등은 실패 사례가 없으니 학습 못 함 → 실제 환경에선 수많은 예외 상황이 존재하므로 취약. “인디애나 존스 영화를 100번 보면, 특정 장면 순서를 정확히 예측할 수 있지만, 영화 흐름이 바뀌면 예측 불가”라는 비유로 설명. 로봇에 필요한 “저층(hierarchical) 제어 구조”와 향후 과제 로봇 제어는 계층형 구조(하이레벨 계획 + 로우레벨 반사/반응) - 고급 계획(Planning)은 전체 임무나 언어 명령 “Grab the cup!” 정도의 추상 지시를 제공. - 저층(하위)에서는 빠른 피드백과 안정화(Reflex, Local Feedback)로 실제 물리적 오차와 충돌을 즉시 처리. - 발표자는 이를 “Sticky Reflex”, “Gliding Reflex” 등으로 언급하며, 이처럼 미세조정이 가능한 반사 레벨이 있어야 언어/이미지 모델이 현실 행동과 안정적으로 접목될 수 있다고 강조. 중간 표현(Intermediate Representation)의 필요성 - 언어는 추상적, 물리 행동은 세부적이므로, 둘 사이를 잇는 표준화·토큰화된 표현이 아직 부족. - Manipulation(조작) 동작을 예컨대 사람처럼 “부분적으로 무작위—즉, 손만 벌려도 물체가 자연스럽게 손안에 굴러 들어오는” 식의 구조를 로봇이 익히려면, 하위 반사(Reflex)와 상위 계획이 어우러져야 함. 노동력 부족과 현실 적용 미국·중국·한국 등 전 세계에서 노동인구 감소와 임금 상승으로 실제 공장 자동화 및 서비스 로봇 수요가 폭발적 증가 전망. 하지만 아직 “디딤돌(bridging the gap)” 기술들이 완성되지 않아, 업체들은 수많은 시도와 투자를 반복하게 될 것. 텔레오퍼레이션(원격조작)으로 부분 대체하는 사례도 있으나, 궁극적으로 자율적 로봇이 되려면 “상황별 회복력”을 갖춘 AI가 필요. 로봇 학습(특히 모방학습)에서 복구 데이터(실패 사례) 확보 단순 성공 사례만 쌓으면 예외 처리 불가. → 어떤 실패 시나리오를 얼마나 폭넓게 추가해야 할지 막대함. 구체적 언어 토큰과 동작 토큰을 어떻게 매칭할지도 해결되지 않은 연구 과제. 공장 자동화 vs 범용 로봇 공장은 “세팅 비용” 및 “작업 맞춤 프로그래밍”이 매우 비싸므로, 쉽게 재배치·재프로그래밍이 가능한 “적응형 로봇”이 요구됨. 그러나 아직 시연(데모) 수준에서 멈추는 경우가 많고, 99.9% 이상의 안정적 동작이 필요하다는 현실적 문턱이 높음. 본격적 상용화 시점 자율주행은 특정 조건에서 수 년 내(10~15년 내) 상당한 수준에 도달할 것으로 보이지만, 완전 범용 휴머노이드나 일상작업 로봇은 여전히 미지수. 다만 “노동력 부족”이 심화되어, 제조·물류·서비스 등 각 분야에서 대규모 투자가 지속될 것. 하드웨어와 소프트웨어의 결합 “로봇 하드웨어(물리 골격)를 어떻게 설계하느냐”가 근본적으로 중요. → 중간에 구조가 바뀌면 모든 소프트웨어를 다시 작성해야 함. 공장처럼 1일 수십만 회 동작하는 환경에선 내구성, 먼지·마모 문제도 고려 대상.

이유: (1) 아주 어려운 목표일수록 성공 확률이 낮은데, 결과만 중시하면 우수 인재들이 위험 회피하게 된다. (2) 긴 호흡의 혁신은 단기 결과로 측정하기 어렵다. 결과보다 “생각의 깊이, 접근 방식, 문제 해결 로직” 등을 고평가해야 회사가 장기적으로 대담한 도전에 나설 수 있다. 대표 사례: 아마존(Jeff Bezos), 투자업계(Khosla Ventures) 등은 팀원이나 파트너의 ‘사고 과정’에 높은 가중치를 둔다. Payback Time Payback Time(광고·영업비 회수 기간) “고객 한 명을 유치하기 위해 쓴 비용을 회수하는 데 걸리는 시간”이 짧을수록, 제품 가치가 명확하고 (혹은 마케팅 효율이 높아) 성장 효율이 좋다는 뜻. Rabois는 12개월 이상의 Payback Time을 “매우 위험”하게 봄. 6개월 미만이면 매우 좋은 지표. ‘에너지(자본) 낭비 성장’을 구분하는 기준 Payback Time이 짧다는 것은 자기 자본으로도 비교적 빠른 재투자가 가능함을 의미. 외부 투자 의존도가 크게 줄어 조직이 견고해진다. 수면(Sleep) 성과, 건강, 행복, 창의력 등 거의 모든 측면에 지대한 영향. 장기적으로 대규모 성취를 내려면 ‘이윤 극대화’만큼이나 ‘수면과 컨디션 관리’가 중요하다고 강조. 스트레스(Stress)는 나침반 스스로가 어려운 문제에 도전하고 있음을 알려주는 지표. 너무 기피하기보다는 ‘적절히 활용’하는 태도가 필요. 도전할 만한 가치 스타트업을 하든, 무언가를 쓰든, 어쨌든 “사람들이 읽을 만한 것을 쓰거나(Write), 쓸 만한 것을 할(Do)” 가치가 있다(벤자민 프랭클린 인용). https://youtu.be/1Z9LQ0oMkNY

스타트업의 병목(Bottleneck)은 ‘최고의 창업자’ 희소 자원은 자본이 아니라 세계적 수준의 창업자 오늘날 시장에는 자금(VC, 엔젤 투자, 시드 투자 등)은 넘쳐나지만, 이를 성공적으로 사용할 “창업자”가 부족함. 파운더(창업자)가 보유한 슈퍼파워(특출난 역량)가 없으면 ‘메이저 리그’에 진입하기 어렵다는 비유를 듦. 슈퍼파워(Superpower)의 필요성 창업자가 특정 분야에서 최소 상위 0.010.15%(115 베이시스 포인트) 수준의 역량이 있어야, 대기업을 넘어서는 혁신적 기업을 만들 확률이 “0이 아님”. ‘얼마나 잘 훈련하느냐’ 이상의 선천적∙후천적 재능·집요함·의지 등을 모두 포괄. 수직 통합(vertical integration)의 가치 비즈니스 모델로서의 수직 통합 예시: 애플(Apple)의 스마트폰 사업 칩, 하드웨어, OS, UX까지 완전히 수직으로 통합하였기에 수십 년 동안 독보적 지위 확보. 수직 통합은 구축하기 어렵고 비용도 많이 들지만, 성공 시 진입장벽이 매우 높아 장기적으로 유리. 수직 통합을 통한 차별화 “하드웨어 + 소프트웨어 + 인프라” 등 여러 층위를 직접 통제할 수 있을 때, 경쟁사가 유사 제품을 쉽게 만들어낼 수 없음. 스타트업 초기부터 이 방향을 염두에 두면 “독보적인” 제품∙서비스를 만들기 쉽다. 스타트업 초기 전략: “할리우드 모델”과 “Why Now?” 스타트업 = 할리우드 영화 제작 Rabois는 “스타트업은 사용자를 만나면서 아이디어를 발견하는 과정”보다는 “영화를 기획하듯, 처음부터 분명한 큰 그림(비전)을 잡고 그에 맞춰 팀을 ‘캐스팅’하는 작업”이라고 설명. 즉, 초반 전략 구상이 매우 중요하며, 핵심 인재를 적재적소에 배치해 리스크를 선제적으로 제거. Why Now? (지금 이 타이밍?) ‘시장의 큰 변화’, ‘파괴적 기술’, ‘행동 양식의 급격한 전환’ 등 커다란 파도(wave)가 있으면 그 흐름을 타는 것이 훨씬 유리. 예: 모바일 시대(아이폰 등장), AI 시대(OpenAI·엔비디아 등)의 흐름이 ‘기회 창출’의 계기가 됨. 멀티프로덕트 vs 단일 제품 초기에 곧장 멀티프로덕트를 시도하기보다, 시장에서 단일 제품이 확실히 통하는지(프로덕트-마켓 핏)를 먼저 확보하는 것이 일반적. 단, 고객이 직접 “더 큰 통합 솔루션”을 요구할 경우 그 시그널을 따라가며 확장하는 편이 이상적. 초기 아이디어와 향후 피벗(Iteration/Pivot) 최상위 10개 성공 스타트업 중 약 70~80%는 초기 아이디어를 크게 바꾸지 않음 “피벗”은 완전히 다른 비즈니스를 하는 것이 아니라, 주어진 핵심 역량(슈퍼파워)을 살리면서 방향을 수정하는 ‘Pivot(축은 고정하고 회전)’에 가깝다. 예: PayPal이 초기 PDA(팜파일럿) 간 송금에서 이메일 결제 시스템으로 전환. 회사의 핵심 역량(Foundation)을 고수하며 부분적 변형 100% 새로운 아이템으로 갈아엎는 일은 드물고, “이미 있는 핵심 기술, 인재 풀”을 최대한 살리는 방향이 가장 성공적. 팀 빌딩: 공동창업자·조직문화 공동창업자(Co-founder) 선정 시 중요한 두 가지 (1) 보완성(Complementary): 내가 잘 못하는 영역을 채워줄 수 있는 능력을 갖춘 사람. (2) 핵심 원칙에서의 합의(Alignment): 장기 비전, 회사 운영 철학(오피스 vs 재택, 문화적 가치 등)에서 불필요한 충돌이 없어야 한다. 초기 팀 구성 = 콘크리트가 아직 굳기 전에 형틀 잡는 것 시작하고 6개월, 1년이 지나면 조직문화와 방향성을 바꾸기 매우 힘듦. 초반에 팀 DNA를 잘 설정해야 한다. Mispriced Talent(저평가된 인재) 찾기 대기업이 “표준화된 평가 시스템”으로는 알아보지 못하는 “비정형 인재”를 스타트업이 선점할 수 있음. 예: 나이 어린 천재, 독특한 성격 또는 오타쿠 기질, ‘대학 중퇴’ 등 기존 틀에서 벗어난 사람 중에 슈퍼스타가 숨어 있을 수 있다. 채용(Attracting, Assessing, Closing) 1/ 인재를 유치하기(Attract) 미션이 분명하면(예: Palantir의 ‘민주주의 수호’), 그 가치를 공유하는 뛰어난 인재가 몰림. 그 외에는 차별화된 문화, 폭발적 성장 등으로 어필해야 하며, “우리 회사에서 얻어갈 배움”을 강조(도전·성장). 2/ 평가(Assess) 후보자와 실제로 일해본 적이 있거나, 과거 성과를 자세히 아는 레퍼런스 등을 통해 ‘맨땅에서 문제를 해결할 능력’을 직접 확인. 참고: 성공적인 창업 투자의 경우, Rabois는 기존에 함께 일한 사람(예: Tony Xu, Max Levchin)에게 투자해 성공한 사례가 많음. 3/ 클로징(Closing) 기법 후보자의 “최대 관심사(What are you optimizing for?)”를 먼저 물어본 뒤, “우리 팀이 그것을 어떻게 충족해줄 수 있는가”를 설명. 잭 도시(Jack Dorsey)의 질문 활용: “우리 오퍼를 수락하지 않을 만한 이유가 있나요?”라며 ‘블로커(Blocker)’를 미리 파악 후 해결. 4/ 오래도록 직접 면접보기 스타트업이 인원이 300~500명 넘어가기 전까지 창업자가 직접 중요한 포지션은 면접을 보는 편이 좋다. 단, 팀장(임원) 중 인재 선발 능력이 이미 증명된 경우, 그 영역은 조금 위임 가능. “조직을 건설하는 방법”: 이사회(Board) 구성 1/ 이사회는 ‘창업자를 교정해줄’ 전문가 그룹 창업자가 잘못된 결정을 내리면 회사에 치명적이므로, 다양한 시야와 경험을 가진 이사회가 필요. Jack Dorsey 사례(Square): Larry Summers, Mary Meeker 등 각 분야 최고 인재를 초기에 적극 영입. 2/ 이사 선정 기준 “우리 회사에 ‘직접 고용’을 원했지만 현실적으로 어려운 수준의 인재”를 이사나 고문으로 데려오면 좋다. 단순히 명망 있는 사람보다는, 회사를 제대로 파악하고 조언할 ‘시간∙의지’가 있는지 확인해야 한다(레퍼런스 필수). Keith Rabois의 운영론(How to Operate) CEO는 ‘저자(writer)’가 아니라 ‘편집자(editor)’ 조직 전체가 내놓은 다양한 시도와 아이디어를 “간소화(simplify)”하고 “우선순위를 잡아주는(edit)” 역할을 CEO가 담당. 기업이 성장할수록 메시지가 분산되는데, 이를 일관된 톤으로 묶어내는 사람은 궁극적으로 CEO. 문제 우선순위(Triage) = 응급실(ER) 비유 스타트업은 늘 혼란스럽고 문제가 많음. CEO의 역할은 “당장 개입해 해결해야 할 심각한 문제”와 “조금 기다리면 저절로 해결될 문제”를 구분하는 것. 리소스와 시간은 한정적이므로, ‘조금만 놔둬도 10배로 악화될 문제’부터 골라서 강력 개입. 투명성 극대화 구성원이 “CEO와 똑같은 정보를” 가급적 공유받아야 일관된 판단과 의사결정을 내릴 수 있음. 구체적으로는 회사의 보드 미팅 자료를 전 사원 공유, 핵심 지표 대시보드 공개, 회의 노트 오픈 등을 권장. Barrels(‘배럴’) & Ammunition(‘탄약’) Barrel = 강력한 실행력을 갖춘 인재 아이디어를 직접 시작해 완성까지 밀어붙일 수 있는 사람. 예) PayPal 당시 254명 중 10~17명 정도가 이런 배럴이었고, 그것이 회사 성과의 핵심 동력. 배럴을 식별하기 처음에는 특정 과제(프로젝트)를 맡겨 성과와 협업 과정을 관찰. 성공 시 더 큰 과제 부여. 다른 직원이 ‘도움받으려고 자주 찾아가는’ 인재가 누구인지 관찰하면, 의외로 누가 실세인지 보인다. Task-Relevant Maturity(과제 관련 성숙도)에 따라 관리 수준 조절 새롭게 맡는 일이라면 세부적으로 계속 확인(마이크로매니지먼트)해야 하지만, 이미 3~4번 경험해 온 일이면 분기별 보고만으로도 충분. 안심하고 위임할 수 있는지 여부는 과거 성취 기록/검증된 능력에 달려 있음. “Input vs Output” 지향 Rabois가 최근에 바꾼 믿음: 결과(output)보다 입력(input) 측정을 중시

https://x.com/jianxliao/status/1898861051183349870 어쩌다보니 공개되버린 레시피

여러가지 요인들로 인해 한국 방산 업체들이 주목을 받는 시기이지만, 사실 방산 산업 자체도 아주 큰 변화의 시기를 맞이하고 있다. 괜히 Anduril이 비상장에서 그렇게 높은 밸류를 인정받는게 아니다. https://www.coatue.com/blog/perspective/americas-industrial-reboot-a-massive-tech-opportunity

냉전 이후 기존 방산 회사들의 합종연횡으로 큰 변화가 없었음. 중국이 엄청나게 국방 지출을 늘리고, 연구 성과도 빠르게 성장함. 미래 전장의 모습이 바뀜 우크라이나-러시아,이스라엘-하마스 전쟁때 100억 탱크를 50만원짜리 드론으로 격추시키는 것을 봄. 이스라엘이 방어체계를 위해 1.5조를 쓰면 30억 미사일을 물량으로 쏟아부으면 뚫을 수 있음. 전투기 1대당 1000억, 10년 개발, 파일럿 필요 vs 드론 10억 미만, 5년 미만, 무인 함선 2조, 5년, 사람 vs 무인 잠수정 10억 미만, 5년 개발, 무인 우주선 1000억, 제한된 탑재 vs 10배 저렴해짐, 로켓 재활용가능, 3일에 1대씩 발사 앤두릴 RTX에서 7년동안 개발한 제품을 2년만에 개발

기존 경쟁사들은 왜 이런 차별화에 실패했을까를 봐야합니다. 이들은 보리차 음료 시장이 왜 부상했고, 왜 더욱 부상할 잠재력이 있는지를 제대로 고찰해내지 못한 거예요. 고작 디자인이나 맛 등 협소한 관점으로만 봤기 때문에 그저 그런 경쟁작들을 내놓은 겁니다. 프로란 일생을 바쳐 몰입할 사명을 찾고 언제나 거기서 자부심을 느끼는, 즉 아너십을 발휘할 줄 아는 사람 https://app.rmbr.in/r8G3DMsVBRb

중국판 Sora: 1. https://klingai.com/ 2. https://www.vidu.com/ 중국판 Cusor 경쟁사: https://www.trae.ai/ Janus-Pro: Image Model from DeepSeek 팀 https://janusai.pro/ Music AI (Open Source): https://map-yue.github.io/

Anthropic이 준비중인 서비스: https://youtu.be/ODaHJzOyVCQ AI가 외부 데이터와 통신하는 표준: https://github.com/modelcontextprotocol

https://manus.im/ 보험 정책 비교: https://manus.im/share/1ICnnOiC9L3HMK07vG0iDn?replay=1 운동량 보존 법칙 설명: https://manus.im/share/pAdLIvlktJmV945593mFio?replay=1 일본 여행 계획: https://manus.im/share/brWKUSp51ItvVMBpcXNCZ1?replay=1 매트릭스 가격 조사: https://zvgzsafz.manus.space/ 역사적 사건을 설명하는 시각 데이터 생성: https://manus.im/share/ctZLPRkXiAxP6DGsJNdUdL?replay=1 잠재 고객 찾기: https://bcpgqobc.manus.space/#map-section 방송용 프롬프터 만들기: https://zbdgljvh.manus.space/ 이전달 세일즈 데이터 기반 다음달 세일즈 전략 분석: https://manus.im/share/c3onakN6Iajcm1Vt1xAVG7?replay=1 Deep Research랑 뭐가 다른가 보고 있는데 검색/ To-do lists 만들고 To-do lists에서 업무의 순서를 구분해서 진행하는 것, 이미지/영상/ 도표가 포함된 하나의 페이지를 결과물로 뽑아주는 게 좋음. https://youtu.be/K27diMbCsuw Xiao Hong, founder of Beijing Red Butterfly Technology Co 2015 graduate of Huazhong University of Science and Technology 이전서비스: https://monica.im/

직장의 나열이 커리어가 아니다-- 1. 대학 졸업후 미국에 유학갔다 거기서 글로벌 회사들에서 오랜기간 근무하다 몇십년 만에 한국회사의 고위임원으로 오신 분이 찾아오셨다. 2. 내 책 "커넥팅"을 읽으면서 이거다 한 용어가 있었다고 한다. "커리어포트폴리오" 자신은 이미 이렇게 커리어를 쌓아왔는데 와보니 한국 직원들은 이러한 개념이 없이 해당 업무에서 승진이 유일한 옵션인 "커리어패스"에 머물러있다는 것이다. 이에 내 책을 많이 선물해주었다고 한다. 3. 커리어포트폴리오의 핵심은 1) dot를 만들고 2) 필요에 따라 connecting 하여 3) 이로서 자신의 역량을 더 확대시키고 선택의 폭을 넓히는 것이다. 4. 스티브잡스를 예를 들면 1) 서체몰두를 통해 디자인을 깨닫고 2) 인도명상을 통해 단순함을 체득하며 3) 애플을 통해 컴퓨터를 이해하고 4) 픽사를 통해 스토리의힘을 알았다 이를 연결하여 "스마트폰"을 창조했다. 5. 그러므로 젊은 시절에 쓸모없어 보이든 듯한 다양한 경험 또한 후회할 필요가 없다. 이것들 또한 다 유용해질수 있다. 중요한것은 1) 그러한 경험을 통해 내가 어떤 역량을 쌓았는지 고찰해보는 것이고 2)그것을 현재업무와 연결하여 어떻게 더 차별화할수 있을지 보는 것이다. 6. 때로 현재 직무와 상관 없어보이는 업무도 도움이 된다. 네모난 레고블록이 아닌 둥근 레고블록 하나쯤 가지고 있다면 만들수 있는 모양이 더 다채로울수 있기 때문이다. 이에 너무 자신을 R&R의 틀안에 갇혀놓을 필요는 없다(물론, 대개 이러는 것은 시간과 에너지가 부족해서라는 것을 알고있다) 7. 나 또한 Unix라는 OS sw엔진이어로 부터 시작했고, 이 경험이 이후 security 컨설턴트를 하는 기반이 되었다. security는 관심의 폭을 넓히면 os, dB, middleware, applications 등 IT 영역 모두를 잘 알게된다. 이에 CIO로 커리어를 확대하는데 어려움이 없었다. 창업을 하면서 끝도없이 쏟아지는 엄청나게 많은 일을 다루는 법과 영업, 사업이 어떻게 돌아가는지 이해하게 되었다. CEO를 하면서 변화를 만드는 법과 경영에 눈뜨게되었다. 이에 다양한 IT기술에 대한 이해를 기반으로 IT와 연관된 사업책임을 맡아 변화를 이끄는 일을 잘할수 있었다. 끝도없이 쏟아지는 엄청나게 많은 일을 다루는 법을 숙달한 후에는 경영자 생활을 하면서도 누구보다 여유롭게 경영을 할수 있었다. 동시에 지금까지 경험에서 발견한 통찰을 sns에 꾸준히 나눔으로써 저자요 강연자요 기업의 자문과 코치로 나의 "업" 또한 만들수 있었다. 8. 물론 우리가 경험할수 있는 dot는 한계가 있다. 이 경우 꼭 현재 업무가 아니라도 책이나 교육, 사람들과의 교류를 통해 작은 dots를 만들수 있다. 영어, AI공부, 자기계발, 리더십공부, 학위, 해외경험 심지어 장사경험 등도 작은 dot들의 예라 할수 있다. connecting은 큰 dots들 만으로만 할 필요는 없기 때문이다. 9.한번 과거 경험의 여정을 생각해보시라. 그 여정가운데 내가 쌓은 역량, dots들은 무엇인가? 앞으로 내가 추가로 구축할 dots들은 무엇인가? 그것들을 어떤 방식으로 연결하여 나만의 차별화를 만들것인가? 어떤 방식으로 연결하여 나의 선택지를 넓힐 것인가? 10. 이 말은 전문가가 아닌 제너럴리스트가 되라는 말이 아니다. 지금 직을 대충하고 이것 저것 손을 대라는 것은 아니다. 현재의 업무에서 차별화 경쟁력을 낼수 있는 사람들은 대개 다른 업무를 맡아도 잘한다. 이에 현재 업무에서 가능한 높은 수준을 이룰 필요가 있다. 회사가 망한것도 아닌데 1~2년의 짧은 기간에 왔다갔다하는 것은 "축적"을 방해할 위험이 높다. 실력이란 대개 축적후 발산의 커브이기 때문이다. 물론, 기간이 길다고 한 회사 오래 다닌다고 발산이 자동으로 되지 않는다. 내가 "전문가와 숙련가의 차이"라는 다른 글에서도 말했듯이 30년을 요리한다고 쉐프가 되는게 아닌 것과 같다. 11. 또한 전문가 트랙에서도 포트폴리오들을 만들수 있다. 그러나 분명한 것은 커리어패스라는 단일경로에서는 자신의 선택지가 제한될수 밖에 없음을 기억해야한다. 한가지만 잘해도 되지만 그것이 자동차가 오는 시대 마부의 직이라면 어떨까? 컴퓨터가 오는 시대 타자를 치는 직이라면 어떨까? 이는 자신의 미래를 제한할수 밖에 없는 경로일수 밖에 없다. 12. 요약하면 1) 불필요한 경험은 없다. 과거의 모든 경험은 소중하다. 단, 무엇을 배웠는지 정리해보라 2) 지금 업무에서는 숙련가가 아닌 전문가가 되라. 3) 새로운 도전을 두려워하지말라. 새로운 dot를 만들고 당신의 포트폴리오를 넓혀줄 훌륭한 기회가 된다. 4) dots들을 자꾸 연결해보라. 5) 빠진 작은 dots들도 만들어라. 신수정님

처음에는 특정 앱/서비스로 사용자 몰이 → 이후 플랫폼으로 확장 시작부터 “우린 플랫폼” 하면 실패 가능성 높음 → 단일 기능에서 압도적 성과가 중요 11. 커리어 조언: “무엇을 배우고 싶은가?” 직업 선택의 기준 “어디가 돈을 많이 주나?”보다 “어떤 팀/리더에게 무엇을 배울 수 있는가?”가 핵심 대학원 랩실 고르듯, 회사도 ‘학습 효용 극대화’ 관점에서 판단 학습(러닝) 최적 방법 직접 만들어보고 시행착오 → 가장 빠르고 확실한 학습 “내가 정말 싫어하는 것”도 해보며 폭넓은 경험 축적 12. 스타트업 창업 & 멘토십 창업: “스스로 믿어라” V1 아이디어는 늘 미친 듯 보여도, 스스로 믿음 없으면 팀원·투자자도 설득 불가 훌륭한 아이디어는 “도망가려 해도 계속 스토킹” → 안 떠나면 실행할 때 좋은 멘토 찾기 인터넷에서 “누가 유명한가”로 찾는 게 아니라, 네트워킹 통해 자연스레 끌리는 사람과 연결 나이·직무 무관, 상호 보완적 통찰 주고받는 관계가 중요 토니는 기술보다 ‘인문·심리’ 부분에 조언 준 멘토들에게서 큰 도움 12. VC와 법률 자문 VC(벤처캐피털)의 양면성 “좋은 VC”: 진심으로 창업가 비전 지지 + 네트워킹·전문성 제공 “나쁜 VC”: 단순 회수 극대화 위해 조기 엑싯 요구, 창업가 성장 방해 결국 “브랜드 네임보다 함께 일하는 파트너 개인의 역량과 철학”이 중요 법률 자문의 가치 뛰어난 변호사는 ‘규제를 유연하게 해석해’ 새 길을 열어줌 “너무 겁먹어 스스로 발 묶이지 않도록” 안정장치 역할 무턱대고 “이건 불법/불가능”만 말하는 것이 아니라, 대안을 제시해줄 수 있음 13. 일과 삶의 균형 General Magic 시절 극단적 몰입 건강·사회생활 전부 희생 → 실패 시 극심한 상실감·고립감 이후 “어느 정도 셀프 관리(메모·시간·건강 관리 등)가 반드시 필요” 깨달음 “머릿속 루프” 줄이기 할 일이나 아이디어를 모두 머릿속에 보관하지 말고, 노트·툴에 기록 “안 잊어버리려 매달리는” 정신적 부담이 줄어들면 창의성·심리적 안정도 상승 14. 가장 힘들었던 순간들 & 죽음 어린 시절 왕따·고립감 12개 학교 전학 → “늘 새로 온 컴퓨터 너드” 취급, 사회적 소외 가족 중에도 유독 컴퓨터에 빠진 건 토니뿐 → 외톨이 느낌 심화 General Magic 실패 트라우마 “아이폰을 15년 일찍 만들려고 했으나 너무 이른 시장” 정신·신체 건강 붕괴, 사회적 연결망도 부실 → 재기 위해 많은 노력 소요 죽음 & ‘유산(legacy)’ 토니: 무신론자지만, “죽음 후 남는 건 주변 사람들에게 준 영향력(= 영혼 비슷한 것)” 아이팟 등 제품은 언젠가 사라져도, 함께 만든 사람들이 서로에게 남긴 것들이 영속 “우리는 본능적으로 호기심 많고, 무언가를 만들고 전달하면서 의미를 찾는다”

1. 너무 빨리 에어팟을 시장에 내놓음. Fuse 록 음악에 열광 (Zeppelin, Rolling Stones 등), 부모 몰래 라디오 해킹해 헤드폰 잭 추가 필립스에서 Windows CE 기반 PDA(Nino) 개발 시 Audible(오디오북) 협업 경험 → “MP3도 가능하겠는데?” MP3 압축기술(97~98년) + DJ로서 수백·수천 장 CD 휴대 불편 → “하드디스크 + MP3” “수천 곡을 주머니에”라는 아이디어로 직결 하지만 너무 빨라서 망함. 2. iPod 탄생 구체 과정 & Apple 합류 시중 기술(배터리·HDD·압축기술)과 애플의 절박한 상황(맥 부진) 토니, MP3플레이어 스타트업(Fuse) 경험 바탕 → 스티브 잡스로부터 협업 제안 3가지 옵션(디자인·부품 구성)을 제시하되, 가장 실현성 높은 안을 “세 번째”에 배치하는 등 전략 6주 동안 부품 블록(배터리, LCD 등)을 조립해 프로토타입 형태·무게·감성까지 직접 모형 제작 스티브 잡스의 전사적 지원 & iTunes 결합 애플 재정·평판 상태가 열악했으나, 스티브가 “만들기만 하면 마케팅 예산은 전부 배정” 약속 “소니가 시장 장악하면 어쩌나?” → 잡스: “2분기 동안 맥 광고 끊고 iPod만 밀겠다” iPod + iTunes 통합 전략 → 아이튠즈 팀(제프 로빈)과 긴밀 협업 “외부 MP3 플레이어와 호환성” 시도 모두 경험 안 좋았음 → “우리 하드웨어 직접 만들자” 결론 3. iPod 성공 요인 & 아이디어 판별 “아이디어가 옳은지 어떻게 알까?” 토니의 공식: (1) 사람들의 ‘고통(pain)’을 진짜 해결하는가? + (2) 그 과정에서 ‘즐거움(joy)’을 주는가? 흔히 사용자가 불편을 ‘당연시’할 때, 마케팅으로 “그 불편 기억나요?” 환기(“virus of doubt”)시키기 제품 개발과 마케팅은 초기에 통합 많은 기업은 “제품 먼저 만들고, 나중에 마케팅” → 실패 확률 높음 초창기부터 “왜(Why) 이 제품이 필요한지” 정의 후, 영화 각본처럼 가상의 프레스 릴리스를 써보는 전략 엔지니어링과 마케팅이 함께 ‘고객 통증’과 해결책을 설계해야 함 마케팅 부서 역할 구분 브랜딩·PR·광고·소셜 등 하위 전문 영역 존재 그중 ‘제품 마케팅/제품관리’는 고객 목소리를 대변, R&D~영업 전 과정을 연결 잘못하면 마케팅이 “허황된 스토리”만 내놓고, 제품과 불일치 → 반드시 초기에 협업해야 성공 커뮤니케이션 팀(PR/Comms)의 보수성 대기업일수록 실수 리스크를 최소화하려고 함 → “혁신성” 드러내기 어려워짐 중요한 건 리더십: 리더가 대담하고 직접 스토리텔링하며 문화를 조성하면 PR팀도 열린 태도 가능 잡스·머스크 등은 과감한 리더십으로 조직 전체 톤앤매너를 ‘솔직하고 파격적으로’ 만듦 4. iPod 기획 심화 & 디자인 “좋은 디자인”의 정의 “Cool Tech”만으론 부족, “왜 필요한가(Why)”가 핵심 아이팟 사례: “언제 어디서나 수천 곡을 간편하게” → ‘모든 음악을 휴대’라는 명확한 목표 하드웨어 설계 갈등 부품을 실제 ‘블록’처럼 취급, 무게·부피 직접 조립 내구성·밀도·감성 등을 복합 고려 → 자동차 문 닫힐 때 ‘쿵’ 느낌처럼, 인지적 만족도가 중요 엔지니어링 한계와 디자인 욕구 사이에서 끝없는 줄다리기 회의감 & 우선순위 개발 과정 내내 “이거 정말 될까?” 하는 의심은 계속 존재 토니: “가장 중요한 문제부터 해결” → 순차적으로 리스크 해소 회의감은 절대 사라지지 않으나, 필수적인 난관으로 보고 전진 아이팟과 스토리텔링 스티브 잡스: 무대 위에서 “주머니 속 음악 라이브러리”라는 단순·강력 메시지 전달 제품 개발 초기부터 ‘가상의 프레스 릴리스’를 공유해, 팀 전체가 동일 비전 공유 인간적·감성적 스토리 + 기술적 강점 → 폭발적 호응 리더 특유의 개성(잡스·머스크 등)도 제품 스토리에 큰 영향 5. 디자인(Design)과 팀 문화 “좋은 디자인”은 팀 전원의 감정·노력이 집약된 결과 단순히 ‘겉모습 예쁘게’가 아닌, “고통 해결 + 기쁨”이라는 Why를 구현 리더가 그 Why를 계속 반복·공유 → 팀원들 각자 디테일(픽셀, 곡률 등)에 애정을 담아 기여 만들어진 결과물에는 “사랑이 담겨 있구나”가 전해짐 막바지 해킹(Hack)도 불가피 늘 완벽한 아키텍처를 처음부터 구현하기 어렵다 우선 돌아가게 만든 뒤, 점진적 개선 → “빨리 제품화 후, 뒤에서 최적화” 방식이 현실적 디자인 vs. 엔지니어링 구분? 본질적으로 모두 디자인: 회로 설계, AI 모델링도 ‘크리에이티브’ 작업 뛰어난 엔지니어는 예술적·음악적 감각을 종종 갖추고 있음 “전문가”라는 태도로 기존 방식을 고집하는 이들은 혁신에 장애 요인이 됨 6. 스티브 잡스와 갈등·리더십 “전문가”의 부정적 태도 사례 아이팟 IDE 해킹 시, 사내 대용량 스토리지 ‘전문가’가 “안 된다”며 대화 거부 이미 프로토타입이 작동했는데도, 선입견 때문에 혁신을 막으려 함 토니: 새로운 제품(V1)은 “모두가 초심자”라는 자세가 필수 스티브 잡스가 주는 “강한 압박” 개인 비난보다 “왜 이 디테일이 중요한지” 집요하게 파고드는 스타일 팀이 부담을 느끼더라도, 결국 “최상의 결과물”을 향한 진정성 있다는 점에서 존중 7. iPhone 탄생: 의견 vs. 데이터 V1은 대부분 “의견 기반 결정” 전례·데이터가 없어, 직관과 토론이 필수 팀에게 “왜 이 결론에 이르렀는지” 납득시키는 리더십 중요 가상 키보드 vs. 물리 키보드 블랙베리가 대세였지만, “풀 스크린 활용”을 목표로 가상 키보드 선택 시장 데이터만 보면 위험한 결정 → 미래 가치(터치 디스플레이)만 보고 강행 SIM 슬롯: 처음엔 제거? 잡스는 “SIM 없이 심플하게” 희망 → 하지만 세계 통신 규격·데이터로 뒤집힘 결국 “때론 의견이, 때론 데이터가” 의사결정 주도 헤드폰 잭 논쟁 iPod 시절부터 매년 “헤드폰 잭 없앨까?” 무선 기술(블루투스 등)이 충분히 ‘애플 퀄리티’가 되는 시점까지 기다렸다가 결정 iPhone 전면 ‘플라스틱 vs. 유리’ 초기 플라스틱 선택 → 흠집 문제 부각 2007 맥월드 발표용 프로토타입은 실제 플라스틱 전면 “주머니 속 동전·열쇠 등에 의해 흠집”은 사용자에게 ‘제품 결함’으로 인식될 가능성 유리 깨짐은 “사용자 실수”로 여겨질 가능성 잡스의 심리적 프레임: 흠집 = 제조사 탓, 깨짐 = 내 탓(떨어뜨렸으니) 소비자 불만을 최소화하기 위해 “유리로 가자” 궁극적으론 소비자 심리·심미성·클레임 가능성 등을 모두 고려한 결정 8. 잡스와의 차이점 & 아이디어 크레딧 아이디어 공로 인정 토니: “팀원이 낸 아이디어에 즉시 칭찬·피드백 주면 사기↑” 잡스는 간혹 팀원 아이디어를 다음날 본인 아이디어처럼 발표 → 약간 박탈감 그래도 잡스가 결국 완성도를 끝까지 밀어붙이는 힘이 커서, 결과는 성공적 좋은 아이디어 vs. 나쁜 아이디어 나쁜 아이디어엔 “왜 안 되는지” 정확히 설명, 좋은 아이디어는 극찬 개인(인격) 비난이 아니라 아이디어 자체 비판이 원칙 아이폰 기획 iPod + 전화 + 인터넷 기기 3합 → “세 가지 제품을 소개합니다…” 실제 개발은 iPod, 휴대폰, 멀티터치 태블릿용 맥OS의 ‘프랑켄슈타인’ 혼합 잡스의 기조연설은 단순 스토리텔링이었지만, 파괴력 컸음 9. 조니 아이브(Jony Ive) & 물성 디자인 조니 아이브 디자인 팀의 특징 재료, 색상, 곡률, 빛 반사 등 물리적 요소에 대한 집요한 프로세스 무수한 시안·프로토타입 → 데이터·의견 반영 → 지속 수정 토니: “직관 아닌 철저한 반복·검증 프로세스”라는 점이 인상적 곡률(Curves) vs. 제조 비용 갈등 미세 곡률 변화가 공정 난이도·단가 상승으로 이어짐 그러나 리더십이 “왜 이 곡률이 필요한지”를 설득 → 실제 개선 사례(Nest) 팀 내 갈등·긴장 또한 혁신의 에너지가 됨 (“롤러코스터에 오르내림이 없다면 재미도 없다”) 10. 대기업 vs. 스타트업 & 플랫폼 전략 거대 플랫폼과 맞서기 애플·구글·메타 등과 정면 대결은 쉽지 않음 그러나 새로운 영역에서 예: Spotify(음악), WeChat(슈퍼 앱) 등은 전혀 다른 방식으로 대형화 성공 플랫폼 회사 공통점

중국의 자동차 수출규모 추이 (자료: EEAGLI) - 2021년부터 본격적으로 수출 크게 증가. 결과적으로 메기(애플, 테슬라)를 들여와 쌍순환 전략의 코어로 삼는다는 전략이 통했다고 볼 수 있을 듯

유럽의 기술 업계는 더욱 견고한 생태계를 위한 모멘텀이 구축되고 있습니다. EU INC(https://www.eu-inc.org/)의 선구자인 안드레아스 클링거는 다음과 같이 말했습니다: “유럽은 범유럽 차원에서만 해결할 수 있는 모멘텀 과제에 직면해 있습니다.” 그러나 성장 자본의 부족이라는 큰 장벽이 남아 있습니다. 유럽은 시드 펀딩에서 진전을 이루었지만 성장과 확장은 여전히 뒤처져 있으며, 미국이 상대적으로 2~3배의 우위를 유지하고 있습니다. 유럽의 후기 단계 성공 사례는 종종 미국 투자자에게 의존하고 있으며, 24개 언어, 8개 통화 및 다양한 규제 🤯로 인해 유럽 전역으로 확장하는 것이 복잡합니다. 눈에 띄는 점 - 성장 단계에서 유럽 주도의 투자자와 미국 주도의 투자자 간에는 상당한 격차가 존재합니다 📈. - 하지만 유럽은 미국보다 훨씬 적은 자본으로 많은 것을 성취했습니다 🇺🇲. - 우리의 생태계는 여전히 20~30년 뒤처져 있으며, 이는 종종 간과되는 문제입니다 ⏱️. 이 격차를 좁히면 유럽은 앞으로 10년 동안 성장의 길을 걷게 될 것입니다. 이를 달성하려면 무엇이 필요할까요? 간단히 말해서, 더 많은 돈이 필요합니다 🇪🇺. --> 현재 유럽 연기금의 0.2%만이 벤처캐피털에 투자하고 있으며, 연기금이 벤처캐피털에 더 쉽게 투자할 수 있도록 더 명확한 규칙이 필요합니다. --> 자본시장연합은 규모를 확장하는 기업의 자본 접근을 용이하게 하기 위한 중요한 단계이며, 프랑스 정부가 이 방향으로 나아가는 것은 긍정적인 움직임입니다. 프랑스 정부가 자본시장연합을 추진하는 것은 그 방향으로 나아가는 좋은 발걸음입니다 / https://lnkd.in/dZQr-9gp --> 더 많은 이니셔티브도 필요합니다 https://www.linkedin.com/posts/andreas-schwarzenbrunner_europes-tech-scene-is-gaining-speed-and-activity-7302605381254443008-8y9P

조만간 나올걸 예상했던 것이긴하지만... Microsoft가 임상용 co-pilot도 선보였네요. "Microsoft Corp.는 DMO의 신뢰할 수 있는 자연어 음성 받아쓰기 기능과 DAX의 주변 청취 기능, 미세 조정된 생성 AI 및 의료에 적응된 보호 기능을 결합한 최초의 임상 워크 플로우 용 AI 어시스턴트인 Microsoft Dragon Copilot을 공개합니다. Dragon Copilot은 임상의가 수십억 건의 환자 기록을 문서화하는 데 도움이 된 DMO의 음성 기능과, 지난 한 달 동안만 600개 의료 기관에서 300만 건 이상의 주변 환자 대화를 지원한 DAX의 주변 AI 기술을 결합합니다. 이러한 주변 AI 기능을 통해 조직은 이미 상당한 성과를 실현했으며, 임상의는 진료당 5분을 절약했다고 ​​보고하고, [1] 임상의의 70%는 번아웃과 피로감이 감소했다고 보고하고, [2] 임상의의 62%는 조직을 떠날 가능성이 적다고 보고하고, [3] 환자의 93%는 전반적인 경험이 더 좋아졌다고 보고합니다. [4] Dragon Copilot의 주요 기능을 사용하면 전문 분야의 임상의와 기타 의료 제공자가 다음을 수행할 수 있습니다. - 문서화 작업 간소화: 임상의는 단일 사용자 인터페이스에서 다국어 주변 메모 생성, 자동화된 작업 및 다국어 지원, 개인화된 스타일 및 서식, 자연어 받아쓰기 기능, 음성 메모, 편집, 사용자 정의 텍스트, 템플릿, AI 프롬프트 등을 활용할 수 있습니다. - 표면 정보: 내장된 AI 보조 기능을 통해 임상의는 신뢰할 수 있는 콘텐츠 소스에서 일반적인 의료 정보 검색을 수행할 수 있습니다. - 업무 자동화: 새로운 기능을 사용하면 임상의가 대화 명령, 메모 및 임상 증거 요약, 추천서, 방문 후 요약 등의 주요 업무를 하나의 중앙 작업 공간에서 자동화할 수 있습니다. 외래, 입원, 응급실 및 기타 치료 환경에서 일하는 임상의는 Dragon Copilot의 빠르고 정확하며 안전하고 직관적인 음성 및 주변 기능을 통해 치료를 문서화하고, 전자 건강 기록(EHR) 워크플로를 탐색하고, 기타 관리 작업을 수행하는 데 도움이 됩니다. Dragon Copilot은 5월에 미국과 캐나다에서 일반적으로 출시되고, 그 다음에는 영국, 독일, 프랑스, ​​네덜란드에서 출시됩니다. Microsoft는 또한 오늘 Dragon Medical을 사용하여 다른 주요 시장에 새로운 Dragon 경험을 제공하기 위해 노력하고 있습니다." https://www.microsoft.com/en-us/industry/blog/healthcare/2025/03/03/meet-microsoft-dragon-copilot-your-new-ai-assistant-for-clinical-workflow/?fbclid=IwZXh0bgNhZW0CMTAAAR3gDxaQYN49zze-2LX0gD_RNc-NYxdFMBY-iOuoEuJR2e46PvHXINt6tW0_aem_nMHpz39JFpVV_Y_gTKIZ-w

AI 시대 새로운 형식의 플랫폼의 등장 기존 채용 플랫폼 - 채용 공고를 올리고 지원자가 이를 보고 지원함. 대부분 검색·필터 수준으로만 매칭(예: “Python 경력 5년 이상” 등). - LinkedIn처럼 소셜 기능(네트워킹, 인맥추천)도 있으나, 소프트 스킬 평가나 자동화된 면접은 제한적. AI가 바꿀 수 있는 기능들 - 원래는 사람이 해왔던 업무들을 상당 부분 지원해줌. - 지원자 입장에서는 본인에게 딱 맞는 회사/포지션을 추천해주고 성공적인 Job을 얻는데 필요한 지원서/인터뷰 피드백을 제공 - 회사에게는 맞춤형 후보자 추천하기 위해 이력서를 분석하고, 비디오 인터뷰를 자동으로 평가(소프트 스킬)하고 인터뷰 결과를 함께 리뷰 원래 플랫폼 내에서 사람이 해야할 일들을 대신해주면서 Agency와 협업하는 경험을 주지만 뒷단에 Network Effect를 만드는 회사들이 채용/부동산/의료 등 다양한 영역으로 생겨날 것. -> New Marketplace powered by AI

1. 기존 채용 플랫폼 vs. Mercor(사례) 1) 기존 채용 플랫폼/방식 채용공고 등록 + 지원자 자발적 지원 형태가 주를 이룸. 대부분 검색·필터 수준으로만 매칭(예: “Python 경력 5년 이상” 등). LinkedIn처럼 소셜 기능(네트워킹, 인맥추천)도 있으나, 소프트 스킬 평가나 자동화된 면접은 제한적. 2) Mercor의 차별화 포인트 AI 매칭: 지원자의 스킬·경험을 기반으로 직무 적합도, 성공 가능성을 예측. 이력서를 분석하는 데서 그치지 않고, AI 면접 등으로 소프트 스킬까지 평가. 비디오 인터뷰 평가(AI): 표정, 음성 톤, 답변 내용 등을 자동으로 분석해 면접관이 놓칠 수 있는 부분까지 객관적 데이터로 제공. 면접에서 나오는 “느낌”을 어느 정도 정량화해, 원격 채용이나 ‘소프트 스킬’이 중요한 직무에서 유용. 고객 후기: Trustpilot 등에서 4.5/5점(12개 리뷰 기준)으로, **“매우 빠른 후보자 매칭”**과 사용자 친화적 인터페이스를 긍정적으로 평가. 일부 비용이 높다는 의견도 있지만, 전반적 만족도는 높은 편. 2. AI가 플랫폼/마켓플레이스 비즈니스를 변화시키는 방식 자동화 & 정밀도 향상 단순히 ‘등록→검색’ 형태에서, AI가 이력·스킬·평판·과거 매칭 이력을 종합 학습해 정교한 매칭 가능. 사용자(회사·후보자) 모두에게 개인화된 추천(예: “당신에게 꼭 맞는 회사/직무” or “귀사의 요구에 맞는 Top 후보자”). 비용·시간 절감 AI 면접 등으로 기업이 일일이 면접·평가하던 시간을 크게 줄임. 구직자 입장에서도 AI가 필터링해 주므로, 무의미한 면접이나 공고를 반복 지원할 필요 줄어듦. 소프트 스킬 평가 & 원격 채용 강화 비디오 분석(표정, 음성 등) + 답변 내용 NLP 분석 → 원격 채용이 더 “현장감” 있게 느껴짐. 글로벌 인재 매칭 가속화(국가 상관없이 즉시 화상 인터뷰 + AI평가 가능). 장기적 데이터 누적 & 피드백 루프 (a) 지원자의 실제 업무 성과(입사 후)를 추적하여 AI 매칭 알고리즘을 계속 개선. (b) 플랫폼에 축적된 대규모 데이터(예: 다양한 직무별 합격·퇴사율, 실제 성과 등)가 곧 경쟁력. 새로운 수익 모델 & 서비스 확장 AI 도구(예: 면접 시뮬레이터, 추천 알고리즘 등) 자체를 SaaS로 제공하거나, 고급 인사이트를 유료화 가능. 전세계 인재 시장을 통합하는 글로벌 마켓플레이스로 확장. 3. Mercor 사례에서 얻을 시사점 **단순 ‘AI를 붙였다’**가 아니라, 채용 전 과정(이력서 분석→면접→소프트 스킬 평가→최종매칭)을 유기적으로 자동화해야 진정한 차별화. 비디오 인터뷰 평가 같은 기능은 기존 플랫폼에선 흔치 않으므로, 소프트 스킬 중요 직무나 원격 채용에서 큰 장점. 고객 입장에서는 시간·비용 절감 + 매칭 정확도 상승이라는 확실한 가치를 체감하면 “비싸도 쓸 만하다”고 느낄 수 있음. AI 플랫폼들은 초기에 “정교한 모델 + 자동화”가 핵심이지만, 결국 데이터(성과 추적, Feedback) 누적이 더 큰 경쟁 우위를 만든다. 장기적으로 **“소프트웨어 비용=거의 0”**에 가까워지는 추세에서, 네트워크 효과와 데이터 품질이 플랫폼 승패를 좌우함. https://youtu.be/UsTWgkNDwm4?si=c1bsTc_CQstrCFLP