Continuous Learning_Startup & Investment

일상에서의 감정에서 부터 중요한 의사결정까지 관통하는 글. 여러 감정을 느끼는 것보다 이걸 잘 관리(대응, 선택)하는 것이 중요하다. 누군가에겐 소음이 누군가에겐 일생 일대의 기회가 될 수 있다. 지나쳐 흘러갈 수 있는 것에서 감사함을 느낄 수도 혹은 엄청난 깨달음을 얻을 수도. Being present.

다시 창업을 해서 팀을 만들고 있습니다. 공유/추천해주시면 큰 도움이 됩니다 💪 저는 해치랩스라는 블록체인 B2B Startup을 공동창업해서 5년 6개월동안 회사를 운영하면서 다양한 PMF, 팀 빌딩, 채용, 세일즈, 운영, 시행착오를 경험했습니다. 지난 1년간 쉬면서 10개국에서 살아보고, 여러 책도 읽어보면서, 제가 여전히 새로운 것을 배우고, 좋은 제품/팀을 만드는 것을 재밌어한다는 것을 알게됐습니다. 새로운 스타트업을 만드는 여정에 있고, 엔지니어링 경험이 많고 AI에 관심이 많거나 경험/지식이 있는 분을 찾고 있습니다. Co-founder/Founding team 다양한 조건으로 이야기할 수 있습니다. 풀려고 하는 문제: 제조업에서는 설계-해석-실험-생산의 과정을 거쳐 제품을 만듭니다. 해석(시뮬레이션)은 설계한 도면이 실제 실험/생산하기 이전에 다양한 조건을 충족하는지 테스트하기 위해서 사용됩니다. 주로, 최적의 설계를 찾거나, 안정성 등의 규제를 준수하거나, 생산 단에서 발견한 문제의 원인을 파악하기 위해서 사용되고 있습니다. 전세계에 주요 10개 정도의 회사가 연 30-40조 매출을 만들어내고 있습니다. AI는 앞으로 몇년간 CAE(Computer Aided Engineering) 소프트웨어 시장을 바꿀겁니다. Computer Aided Engineering -> AI aided Engineering CAE는 수치해석 기반으로 작동합니다. 수치해석은 현실에서 일어날 일들을 수학적으로 모델링해서 현실을 근사합니다. 복잡하고 어려운 문제일수록 복잡한 수식이 필요하고 오랜 연산 시간과 많은 컴퓨팅 자원이 필요합니다. 그리고 CAE로는 아직도 해결하지 못한 문제들도 많습니다. AI로 빠르고 정확한 시뮬레이션을 만들 수 있다면 과거 컴퓨터와 여러 애플리케이션이 그러했듯이 제조업 전반의 생산성을 바꿀 수 있습니다. 예전부터 CAE의 연산을 AI로 대신해보려고 하는 다양한 시도(Physics Informed Neural Network, Fourier Neural Operator)들이 있었고 이제는 고객의 업무 방식을 바꿀 수 있는 제품을 만들만한 기술 수준이 되는 것 같습니다. AI 시대에는 과거 업무의 효율성을 10~30%를 개선하는 것이 아니라 해당 업무를 진행하는 방식 자체를 바꿔 10-100배의 생산성을 높이는 것이 가능합니다. 우리는 CAE 전문가들이 일하는 방식 자체를 재정의하는 것을 목표로 하고 있습니다. 우리 제품을 사용하는 고객들의 생산성을 10-100배 바꿀 수 있는 제품을 만들어서 이 시장의 게임 체인저가 되는 방법을 찾고 있습니다. Founding Team 저와 같이 창업하는 분은 수치해석 쪽으로 박사를 받았고 국가수리과학연구소에서 연구를 했고 삼성에서 AI관련 업무를 리드 했습니다. 수치해석과 AI 연구 쪽으로 날카로운 칼이 있는 동료입니다. 우리가 이 시장을 바꾸기 위해서 연구한 기술을 제품과 비즈니스로 만들어나갈 동료를 찾고 있습니다. Ideal Partner 다양한 경험과 지식에 대해서 열린 마음을 가지고 있지만, 생각하는 이상형?은 이렇습니다. 1. 여러 서비스들을 개발해오면서 복잡하고 어려운 Engineering 문제를 해결해오신 분 2. 혼자 보다는 엔지니어링 팀으로 좋은 결과를 내는 것이 익숙하고 좋은 분 3. AI에 대해서 관심을 가지고 빠르게 배울 수 있는 분 4. 스타트업 창업자/초기 멤버가 어떤 마음가짐으로 일해야하는지 아는 분 5. 영어를 잘하신다면 더 좋습니다. 미국, 한국이 첫 주요 시장이 될 예정입니다. 해당 글을 보고 관심이 있으시다면 연락주세요! https://forms.gle/vEKWNuFEWEHy39c77

같이 일하기 전에는 대단해 보였는데 일하고 났더니 학을 떼는 사람이 있고 같이 일하기 전에는 별 볼일 없어 보였는데 일하고 났더니 대단해 보이는 사람이 있다. 근데 이것은 그 사람의 문제라기보다 보는 눈의 문제라고 생각한다. '오 이 사람은 사람들이 별 볼 일 없이 보겠지만 실은 대단한 사람이겠는 걸!' 이런 걸 잘 가리는 사람은 평생 사회적 자본 구축에 있어 굉장히 유리한 차선에 있다고 볼 수 있다. 자기를 알아주는 사람을 위해 죽기까지 한다고 한다(爲知己者死). 엄청난 인적 자원을 갖게 된다. 반대로 이걸 잘 못가리는 사람은 평생을 계속 사람들에게 실망하면서 살게 된다. 그러면 냉소주의와 비관주의에 푹 절여지게 된다. 일 제대로 하는 사람 같은 건 없어. 그런 건 이상주의야. 이런 사람들은 본인이 눈이 나쁘다는 생각은 못한다. 다들 무시하는 사람인데 누군가 그를 알아주고 결국 그 사람이 성과를 내는 경우를 보면 그 혜안을 가진 사람과 꼭 인연을 맺기를 추천하고 싶다. 그리고 그 사람으로부터 사람 보는 눈도 배우기를. 이런 눈 없이 평생을 살다 가는 사람도 많다.

https://www.facebook.com/share/p/EB6X1TNk7QZs4sXh/? 에서 공유했던 내용 앞뒷부분이 궁금한 분들이 있어서 요약해 보면, AI 분야의 발전 속도를 고려할 때, 국가 과제 지원의 시간 스케일이 현실과 동떨어져 있다. 타당성 검토 시점에 이미 해당 주제의 기술 발전이 상당 부분 이루어진 상태일 수 있기 때문이다. 국가 과제는 단기, 중기, 장기로 나뉘어 진행되며, 시급한 문제 해결형 과제부터 미래 대비 연구 과제까지 다양하다. 그러나 공고 1~2년 전 검토 및 자문, 예비 타당성 검토와 과제 공고, 그리고 최소 1년에서 최대 5년 후 결과 판단 및 검토라는 일정은 하루가 멀다하고 달려가는 AI 분야의 속도와 전혀 맞지 않다. AI 분야의 단기는 3개월, 장기는 1년 정도로 보는 것이 현실적이다. 국가가 바라보는 중장기 시간 스케일로는 AI 분야에서 3~5년 후를 명확히 예측하기 어려워, 지원 범위가 매우 좁아지거나 전부 뒷북치는 과제만 나올 수밖에 없다. 굳이 5년 후를 내다본다면 현재로서는 AI 에너지 소비의 급격한 증가 정도만 확실시되는 상황이라,상상하기 어려운 에너지 집중 상황에 대응할 기술을 검토 및 지원하는 것 정도가 뒷북 아닌 과제로 가능할 것이다. AI분야와 국가 정책 간의 이러한 속도차에 의한 괴리를 해소하기 위해서는 국가 과제 지원 일정을 AI 분야의 속도에 맞추는 접근이 필요하다. 과제 기획은 3개월 이내, 지원 및 평가는 6개월에서 최대 1년 이내에 완료하고, 불필요한 행정 절차를 최소화하며 성공과 실패에 연연하지 않는 문화를 조성해야 한다. 그러나 한정된 국가 예산이 소중한 만큼 이러한 변화가 쉽지만은 않을 것이다. 쓰임을 상세히 고려해야 하는 정부의 입장에선 당연한 고려사항이지만 아쉬운 부분이기도 하다. AI 강국으로의 도약을 위해서는 국가 차원의 지원 방식 패러다임 전환이 필요하지만, 그게 쉽지 않은 이유도 너무나 많이 봐 왔기에 뭐라 말하기가 어렵다…

상대방이 진심으로 경청하면, 우리는 즐거움을 느낀다. 하지만 사람들은 대부분 다른 사람 말을 듣는 데 익숙하지 않다. 학교에서는 남의 말을 잘 들어야 한다고 배운다. 그러나 그런 훈련을 받지는 않는다. 사람들은 보통 상대방이 말을 하면, 내가 말할 차례를 기다린다. 내가 말할 차례가 되면, 상대방이 말한 내용에서 몇개의 키워드만 가져온다. 나의 경험, 생각, 의견, 조언을 나누고 싶어한다. 경청은 집중과 연습이 필요하다. 우리는 다른 사람에게 관심 갖는 법을 배워야 한다. 호기심도 배워야 한다. , John Whitmore

"Amazon, Netflix, eBay, Uber, Airbnb - when each launched, they seemingly targeted small markets, and yet had insatiable demand for their offerings. The secret, obvious in retrospect, was that they provided a 10x better experience than the incumbent substitute, and provided that service cheaper by using technology to have a structural cost advantage over the incumbents." "In each case, almost everyone underestimated the potential opportunity of these companies." "What’s critical in each of these cases is that these are not explicitly productivity improvements to existing employees for existing workflows. Instead, they take markets that were constrained by all the effort, friction, and cost of hiring and working with people, and unlock them. Exactly the type of market that gets overlooked by an incumbent." https://www.sarahtavel.com/p/what-midjourney-deepl-elevenlabs

과거의 방식으로 10~30% 개선하는 방향이 아니라 그 업무를 진행하는 방식/운영되는 방식 자체를 바꿔 10배-100배 생산성을 증가시킬 수 있다.