Alexandr Wang — "문명에 한 번 오는 기회" (YC Startup School 2026)

출처 https://youtu.be/sJ4VJWycX9M · 채널 Y Combinator · 길이 32:10 · 공개 2026-07-30 04:37 (KST) 포맷 YC Startup School 2026 무대(Chase Center)에서 개리 탄(Garry Tan, YC CEO)이 알렉산더 왕(Alexandr Wang, Chief AI Officer, Meta / Scale AI 창업자, YC S16)을 인터뷰하는 2인 대담. 슬라이드·데모 화면 없이 전부 발화다. 원본 자막(자동 생성): raw/transcripts/2026-07-30-alexandr-wang-once-in-a-civilization.en.srt 공식 텍스트 트랜스크립트: https://www.ycrootaccess.com/p/alexandr-wang-building-a-frontier

표기 주의 자동 자막이 고유명사를 심하게 깨뜨려 문맥 기준으로 정정했다 — 메타의 모델 라인 Museark/Musepark/Morg/metas-park/muspark → Muse Spark, Muse image → Muse Image, Los New Mexico → 로스앨러모스(Los Alamos), Oenheimimer → 오펜하이머, Palunteer → Palantir, Jared Freriedman → Jared Friedman, law → Llama, open claw → OpenClaw, open code → OpenCode, wrong jobs → cron jobs, slashgoal → /goal, mecca Goliath → mega Goliath, aruck → awestruck.

한눈에 보는 요약

• “병목은 모델의 진보가 아니라 확산이다.” 오늘부터 모델이 하나도 안 좋아져도, 이미 존재하는 기술이 경제와 사회에 스며드는 데만 수십 년의 격변이 남아 있다. 그래서 지금은 꿈꾸는 사람에게 문명에 한 번 오는(once-in-a-civilization) 기회라는 것이 대담의 제목이자 핵심 명제다.
• David vs Goliath가 아니라 Goliath vs Goliath. 10년 전 창업은 자원이 훨씬 적은 상태에서 각도를 찾아 영리하게 싸우는 일이었다. 지금 스타트업은 에이전트로 증폭된 메가 골리앗이고, 제대로 활용하면 기존 강자를 어렵지 않게 이길 수 있다.
• Scale AI의 출발점은 첫 원리 하나. MIT에서 모델을 훈련하려면 컴퓨트·코드·데이터 세 가지가 필요한데 셋 중 데이터만 버튼 하나로 구할 수가 없었다. 이 단순한 관찰이 회사가 됐다. 이후 여러 해 동안 데이터는 “unsexy”했고 투자자들은 회의적이었지만, 그때 패스한 바로 그 사람들이 지금은 데이터가 AI 최대의 사업 기회라는 글을 쓴다.
• 합의 이전의 확신이 전부다. 가장 성공한 회사들은 아이디어가 대중화되기 훨씬 전에 시작해 수년을 무명으로 견딘다. 무리를 따라가면 혼란에 빠져 아무 데도 못 간다 — 자기만의 나침반을 가져야 한다. 이것이 18세의 자신에게 보낼 메시지이기도 하다.
• 메타에서의 1년은 “zero-based build”였다. Llama가 필요한 궤도에 있지 않았기에 프런티어 랩을 사실상 새로 세웠고, 9개월 만에 Muse Spark 1, 두 달 뒤 Muse Image와 Muse Spark 1.1을 냈다. 걸었던 단 하나의 베팅이 탤런트 밀도였고, 이건 자연히 복리로 쌓인다.
• 프런티어 AI는 제품이 아니라 과학이다. 인터넷 회사의 운영 모델이 아니라 실험·과학·스케일링의 세계이며, 랩은 시스템이 아니라 지수 성장과 함께 자라는 유기체로 설계해야 한다.
• 모델은 싸야 한다. “가장 부유한 개발자에게만 배급되는 세계”를 믿지 않는다. Muse Spark는 대담 시점에 Opus보다 약 8배 저렴하고, 에이전틱 흐름에서는 Opus급이라는 게 진행자의 사용 후기다. 로드맵에는 더 큰 모델·자체 하니스·오픈소스 모델이 올라 있다.
• 파도는 매번 10배씩 커진다. 자율주행 → 챗봇 → 코딩 에이전트로 각 파도가 이전의 10배였고, 이 곡선은 계속된다. 최고의 AI 제품은 아직 만들어지지 않았다.
• 오늘 가장 큰 알파는 “에이전틱 루프”다. 회사는 결국 사람이 각 변을 담당하는 거대한 피드백 루프인데, 여기에 올바른 eval/지표를 붙이면 에이전트 스웜이 엔지니어 100명 팀보다 손쉽게 더 해낸다. 메타 내부에서 실제로 관찰된 것이다.
• 기법 자체는 지루할 만큼 평범하다. 스킬, 마크다운 파일, 크론잡, /goal. 마법은 없다. 어려운 건 무엇을 지표로 삼을지 정하는 일이다.
• 희소 자원이 바뀐다. 지능과 agency가 풍요로워지면 남는 병목은 비전과 야망이다. 지금까지 인류의 병목은 “똑똑한 사람들이 공동의 목표로 모이는 것”이었고 — 미국이라는 나라도, 모든 YC 회사도 그 이야기였다 — 그게 곧 끝난다.
• 추상화 계층은 계속 올라가지만 시스템 사고는 유행을 안 탄다. 코드 작성 → 에이전트 오케스트레이션 → 백만 개, 조 단위 에이전트의 조직화로 옮겨갈 뿐이다. word cell에 올인하는 건 실수 — shape rotating은 계속 필요하다.

---

장면별 상세 설명

[00:09] 1. YC Startup School 2026, Chase Center

개리 탄이 “풀 록스타 대접”으로 알렉산더 왕을 소개하며 대담이 시작된다. 그가 백스테이지에서 나눈 이야기로 판을 깐다 — 이 객석은 **“우리가 18살, 20살이었을 때의 우리 자신으로 가득 찬 방”**이고, 실제로 16살짜리도 앉아 있다. 그래서 첫 질문은 회사가 아니라 사람이다. 수학 올림피아드를 하던 그 시절의 알렉스는 무엇을 느끼고 무엇에 이끌렸는가.

[00:47] 2. 로스앨러모스에서 실리콘밸리까지 — 17세부터 19세까지의 2년

뉴멕시코주 로스앨러모스에서 자랐다. 지금이야 영화 《오펜하이머》로 유명해졌지만 당시엔 정말 아무것도 없는 곳이었다. 수학·컴퓨터과학 대회를 휩쓸었지만 “크게 무언가를 하고 싶다”는 마음만 있고 경로는 전혀 보이지 않았다.

길을 열어준 건 프로그래밍에 빠져 있던 친구 하나였다. 고등학교를 마치자마자 실리콘밸리에서 인턴을 했고 첫 인턴이 Palantir였던 그 친구가 본보기가 됐다. 알렉스도 고등학교를 마치고 갭이어를 내 Quora에서 1년을 일한 뒤 MIT에 진학, 그리고 19세에 Scale을 창업했다. (발화에서는 “Quora 때 19세, MIT 갈 때 18세”라고 말하는데 순서상 앞뒤가 맞지 않는다 — 무대에서의 말실수로 보여 나이는 옮기지 않았다.)

이 17→19세 구간을 그는 “소방호스로 물을 마시는” 시기라고 부른다. 하고 싶은 것이 계속 바뀌었고, 주변 사람들에게서 매일 배웠다. 돌아보며 그가 꼽는, 정말 중요했던 두 가지는 이렇다.

• 회사에서 일해본 것. 밖에서 보면 회사가 어떻게 굴러가는지 전혀 알 수 없다. 무언가를 실제로 만드는 게 어떤 모습인지, 반복 개선이 어떤 모습인지, 여러 사람이 모여 의사결정을 내리는 게 어떤 모습인지 — 이걸 안 겪고는 알 수 없다.
• MIT에 간 것. 무엇이 흥미로운지 탐색할 시간을 줬다. 첫 모델을 훈련해본 것도, 그해 막 나온 TensorFlow를 만져본 것도, 결국 Scale의 아이디어에 도달한 것도 거기서였다.

MIT 1년 뒤 YC에 지원해 붙었다. 당시엔 기적처럼 느껴졌다고 한다. 그가 말하는 YC의 가치는 지지와 직설의 배합이다 — “당신이 성공하길 진심으로 바라면서, 동시에 당신이 멍청한 짓을 하고 있을 때 그렇다고 말해준다.”

[03:25] 3. 첫 아이디어는 틀렸다 — “맞는 아이디어, 틀린 타이밍”

Scale은 원래의 아이디어가 아니었다. YC에 들고 간 것은 사람들이 의료 서비스를 받도록 돕는 AI 에이전트였다. 지금 보면 흥미롭다 — 그 아이디어는 결국 실존하게 됐고 지금 실제로 돌아간다. 다만 당시엔 타이밍이 틀렸다.

한두 달쯤 붙들고 있을 때 제러드 프리드먼(Jared Friedman)이 팀을 따로 불러 “이거 어디로도 안 갈 것 같은데”라고 말했다. 왕은 그게 정확히 그들이 들어야 했던 말이었다고 한다. 거기서 백지로 돌아가 기회가 어디에 있는지 깊이 생각했고, 그 결과가 Scale이었다.

[04:36] 4. 세 가지 중 데이터만 버튼이 없었다

MIT에서 이런저런 모델을 훈련하면서 — 지금 기준으로는 장난감 같은 모델들이었지만 — 그는 매번 딱 세 가지가 필요하다는 걸 발견했다.

1. 컴퓨트 — GCP 같은 클라우드 계정
2. 코드 — 훈련을 돌릴 코드
3. 데이터 — 데이터셋

셋 중 둘은 온라인에서 버튼 하나만 누르면 얻을 수 있었다. 마지막 하나, 데이터에는 그런 방법이 아예 없었다. 그래서 “버튼 하나로 데이터를 얻는” 미래가 오는 것은 너무나 자명해 보였다.

개리 탄은 여기서 이것이 첫 원리 사고(first principles thinking)의 좋은 사례라고 짚는다. 월스트리트저널을 펼쳐 “데이터가 뜨겁다니 그걸 하자”는 식으로는 Scale을 절대 시작할 수 없었다. 세상에 대해 참임을 아는 단순한 명제에서 출발해 그 위에 짓는 수밖에 없었다.

[05:33] 5. “데이터는 오랫동안 unsexy했다”

그 뒤 여러 해 동안 데이터는 여전히 매력 없는 주제였다. 매출도 좋고 숫자도 좋았는데 펀드레이징을 나가면 VC들은 늘 회의적이었다. “이게 좋은 사업인가? 오래 갈까? 지속 가능한가?”

왕에게는 이상하게 느껴졌지만, 그의 결론은 간단했다 — 투자자 중 누구도 모델을 훈련해본 적이 없었으니 이해할 리가 없었다. 그리고 오늘, 그때 패스했고 AI의 잠재력을 비웃던 바로 그 투자자들이 데이터가 AI에서 가장 큰 사업 기회 중 하나라는 글을 쓰고 있다. 한 바퀴 돌아온 셈이다.

[06:23] 6. 합의 이전의 확신 — 무리를 따라가면 길을 잃는다

여기서 그가 정리하는 원칙이 대담 전체를 관통한다.

“아무도 동의하지 않는 일련의 믿음에 확신을 길러야 한다.”

세계에서 가장 성공한 회사들을 보면 예외 없이 핵심 아이디어가 인기를 얻기 훨씬 전에 시작됐고, 그 아이디어가 합의(consensus)가 되기까지 몇 년씩 무명 속에서 갈렸다. 성공하는 유일한 길은 세상에 대한 이 진실들을 다른 모두보다 훨씬 일찍 알아보는 것이다.

그래서 사업 결정을 주변 사람들이 하는 말에 기대면 안 된다. 무리를 너무 따라가면 극도로 혼란스러워지고 결국 아무 데도 못 간다. 다른 사람들은 당신을 헷갈리게 할 뿐이니, 미래가 어떤 모습일지에 대한 자기만의 나침반을 만들어야 한다.

[08:17] 7. “처음부터 회사를 잘 세우는 사람은 없다”

개리 탄이 다음 층위를 짚는다. 확신의 씨앗을 갖는 것과, 그걸 가지고 실제로 회사를 굴리는 것은 다른 일이다 — 투자자를 설득하고 사기가 꺾이지 않고, 고객을 만나고, 특히 사람들을 설득해 함께 일하게 만드는 것.

왕의 답은 단호하다. 어느 정도 소질이 있을 수는 있지만 회사를 시작할 때 회사 시작을 잘하는 사람은 아무도 없다. 초기에 만났던 투자자들이 나중에 “너희가 너무 빨리 성장하고 너무 빨리 변해서 당시엔 못 알아봤다”고 말하곤 하는데, 그건 회사를 시작하는 문자 그대로 모든 사람에게 해당되는 이야기다.

“해본 적 없는 일을 잘하는 사람은 없다. 모든 창업자는 모든 것에 꽤 형편없이 시작한다.”

그러니 게임의 전부는 어떻게 스스로를 계속 개선시키고 빨리 배우는가다.

[09:06] 8. 병목은 모델이 아니라 확산이다 — “문명에 한 번 오는 기회”

지금 창업하는 게 어떤 의미냐는 질문에, 왕은 이 대담에서 가장 강한 주장을 꺼낸다.

“병목은 AI 모델의 진보가 아니다. 병목은 그것을 세상 전체로 확산시키고, 세상이 이 놀라운 기술에 적응하도록 돕는 일이다.”

모델이 오늘부터 전혀 좋아지지 않는다 해도 경제와 세상이 돌아가는 방식에는 수십 년의 격변이 남아 있다는 것이다. 이미 존재하는 기술만으로도 그렇다.

그 결과가 제목이 된 문장이다.

“꿈꾸는 사람이 되고, 비전과 야망을 갖고, 무언가 놀라운 것을 지어서 미래 세계가 어떠해야 하는지에 대한 관점을 관철시킬 — 아마도 문명에 한 번 오는 기회다.”

[10:33] 9. David vs Goliath에서 Goliath vs Goliath로

같은 이야기의 실전 버전. 10년 전 Scale을 시작할 때 창업은 다윗과 골리앗이었다. 자원이 훨씬 적은 채로 영리해야 했고, 시장을 뚫을 각도를 찾아야 했고, 경쟁할 방법을 짜내야 했다.

지금은 골리앗 대 골리앗에 훨씬 가깝다는 게 그의 관찰이다. 다만 스타트업 쪽은 **에이전트와 AI로 대폭 증폭된 “메가 골리앗”**이고, 반대편 대기업은 전통적인 골리앗이다. 그래서 결론은 이렇게 뒤집힌다 — AI 에이전트를 제대로 받아들이고 그 강점을 가장 야심 차게 활용하는 법을 알아내면, 기존 강자를 어렵지 않게 이길 수 있다.

[11:27] 10. 개인 초지능이란 무엇인가 — agency의 확장

메타가 말하는 “초지능”이 사내에서 실무적으로 무엇을 뜻하는지 묻자, 왕은 1년 전 마크 저커버그가 쓴 개인 초지능(personal superintelligence) 메모를 든다. 개리 탄이 말하는 personal AGI 개념과 아주 비슷하다는 것이다.

핵심은 세계의 수십억 명 모두가 자신에게 맞춰진 초지능을 갖게 된다는 그림이다. 그 초지능은 사용자의 목표 달성을 돕고, 사용자의 맥락을 알며, 궁극적으로는 본인 agency의 확장이다. 메타가 많이 고민하는 지점이 바로 이 agency 확장이라고 한다.

“우리는 어떻게 사람들이 이전에는 꿈도 못 꿨던 일을 해내게 도울 수 있을까? 모든 것이 그냥 쉬워진다면 세상 사람들은 무엇을 할까?”

그리고 이걸 생태계 관점으로 본다는 점을 강조한다. 세상을 통제하는 AI라는 전체주의적 그림을 믿지 않는다는 것이다. 대신 그리는 것은 이런 세계다.

• 전 세계 수십억 명이 각자의 개인 초지능을 갖는다.
• 창업의 폭발이 일어난다. 메타 플랫폼 위의 사업체가 현재 2억 개인데, 이 숫자가 수십억 개로 가야 한다고 본다.
• 결국 비즈니스 에이전트와 개인 에이전트가 상호작용하는 역동적 생태계 — AI로 완전히 과급된 복합 생태계가 된다.

[13:10] 11. 메타에서의 1년 — “zero-based build”

메타에 온 지 약 1년, 그가 “꽤나 대단한 한 해”라고 부르는 시간이다. 메타가 공개적으로 인정했듯 Llama는 메타에 필요한 궤도에 있지 않았다. 그래서 들어가서 한 일은 zero-based build — 기존 자산을 최대한 쓰되 프런티어 랩을 사실상 처음부터 다시 세우고, 가능한 한 빨리 움직이는 것이었다.

결과는 시간표로 나온다. 그 시점으로부터 9개월 만에 Muse Spark 1, 그리고 두 달 뒤 Muse Image와 Muse Spark 1.1.

[14:18] 12. 탤런트 밀도는 복리로 쌓인다 / 프런티어 AI는 과학이다

이 경험에서 그가 특히 인상 깊었다고 꼽는 것이 둘이다.

첫째, 탤런트 밀도(talent density)가 결정적이었다. 그것이 걸어야 할 핵심 베팅이었고, 무엇보다 자연스럽게 복리로 쌓인다. 뛰어난 사람이 많을수록, 가장 뛰어난 사람들이 더 오고 싶어 한다.

둘째, 안에서 보면 프런티어 AI 작업은 연구다. 이건 과학적 작업이다. 이 모델들로 무엇을 할 수 있는지, 어디까지 밀어붙일 수 있는지, 무엇이 달성 가능한 것의 한계인지를 탐색한다. 그래서 인터넷 회사나 인터넷 제품에 통하던 것과는 완전히 다른 사고방식과 운영 모델이 필요하다. 실험과 과학과 스케일링의 비중이 훨씬 크다.

그리고 궁극적으로 모든 것은 이 질문으로 수렴한다 — 생태계에서 일어날 지수 성장 전부와 함께 복리로 자랄 수 있는 랩·운영 모델·시스템을 어떻게 만들 것인가. 능력의 지수 성장, 컴퓨트의 지수 성장, 채택과 사용의 지수 성장. 모든 차원에서 매우 가파른 지수 위에 있다. 그래서 랩을 시스템이 아니라 함께 자라는 유기체(organism)로 생각해야 한다는 것이다.

[15:56] 13. 로드맵 — 더 큰 모델, 자체 하니스, 오픈소스

앞으로 나올 것들을 그가 직접 나열한다.

항목	내용
Muse Spark 라인	방금 낸 1.1에 이어 계속 업데이트
더 큰 모델	오늘 나와 있는 최고 모델들과도 훨씬 경쟁력 있을 대형 모델 준비 중
하니스	곧 출시. 개발자와 에이전틱 개발자를 위한 자체 하니스를 작업 중
오픈소스 모델	AI 능력·진보·개발의 탈중앙 세계를 믿기에 오픈소스로 생태계를 무장시킨다

[16:36] 14. 모델은 싸야 한다 / 파도는 매번 10배

개리 탄이 사용 후기를 던진다 — 자신의 OpenClaw에 Muse Spark를 붙여 써보니 특히 스킬 파일을 쓰는 에이전틱 흐름에서 Opus급인데 8배 저렴했다는 것이다.

왕의 답은 가격 철학으로 이어진다. 모델이 너무 비싸서 가장 부유한 개발자와 회사에만 배급되는 세계를 믿지 않는다. 모두가 이 기술을 쓰고 원하는 걸 지을 수 있어야 한다. 그리고 덧붙인다 — 최고의 AI 제품은 아직 만들어지지도 않았다.

근거는 지금까지의 파도가 매번 이전의 10배였다는 관찰이다.

파도	상대 규모
자율주행차 (Scale 창업 무렵)	기준
LLM·챗봇	자율주행의 10배
코딩 에이전트 (몇 년 뒤)	챗봇의 10배

그리고 이 곡선은 계속된다. 새로운 모달리티와 폼팩터, AI 패러다임의 전개가 계속 나올 것이고 각각이 직전의 것보다 극적으로 클 것이다. 그래서 그의 결론은 **“생태계를 풀어놓자”**다.

[18:09] 15. 오늘 쓰는 법은 OpenCode / 하니스 티저

지금 Muse Spark 코딩 모델을 쓰는 가장 쉬운 길은 OpenCode다. 웹사이트에 온보딩이 있고, 곧 자체 하니스가 나온다. 다만 지향은 독점이 아니다 — 훌륭한 모델이 가능한 모든 하니스에 꽂혀서 생태계의 조합적 혁신을 최대한 키우는 것이 목표다.

개리 탄이 티저를 요구하며 던진 비유가 재밌다. 그는 여전히 OpenClaw와 Hermes Agent를 쓰는데, 이런 것들을 **“툭하면 길가에 서버리는 페라리”**라고 부른다. 이건 안 서는 페라리냐고 묻자 왕이 꼽은 설계 목표는 셋이다.

• 속도 — 이 도구를 쓰는 사람에게 가장 결정적인 것 중 하나.
• 신뢰성 — 극도로 안정적이어야 한다.
• 확장성 — 사용자가 원하는 만큼 복잡하고 흥미로운 멀티 에이전트 셋업까지 감당해야 한다.

특히 마지막에 대해 그는 하니스 위층(above the harness)에서 일어날 혁신이 훨씬 많을 거라고 본다. 어떻게 오케스트레이션하고 루프를 짜고, 에이전트들이 협업하는 복잡한 생태계를 만들 것인가 — 그 자리를 열어두는 게 설계 의도다.

“이 모델들은 이미 믿기 어려울 만큼 강력하다. GDP 성장의 여러 확장 지점에 연료를 댈 만큼 강력하다. 그걸 실제로 일으키는 건 비전과 야망을 가진 똑똑한 사람들의 몫이다.”

[20:01] 16. 10년 뒤 자명해질 것 — 지능과 agency의 풍요

10년 뒤 돌아봤을 때 “지금 사람들이 실시간으로 놓치고 있었지만 사후적으로는 자명했던 것”이 무엇이겠냐는 질문. 왕은 먼저 오늘의 논쟁 대부분이 시간 낭비라고 말한다. 모델이 실제로 얼마나 좋아지고 있는가, 초지능은 2년인가 5년인가, 벽에 부딪히는가 — 강력한 모델이 나오는 것은 어차피 불가피하기 때문에 시점을 두고 다투는 건 근시안적이었다고 회고하게 되리라는 것이다.

현실은 인류 문명 전체가 믿기 어려운 지수 위에 있다는 사실이다.

“10년 전 최고의 AI 모델은 유튜브 영상에서 고양이를 알아볼 수 있었다. 지금 우리는 디지털 신(digital god)과 대화하고 있다.”

그래서 10년 뒤 자명해질 것은 이것이다 — 지능이 풍요로워졌고, agency가 풍요로워졌다.

[21:46] 17. 희소해질 자원은 비전과 야망

여기서 그는 인류사 규모의 관점을 꺼낸다. 역사 내내 진보의 병목은 “똑똑한 사람들이 공동의 목표를 향해 모이는 것”이었다. 미국이라는 나라 자체가 그 사례다 — 매우 똑똑한 사람들이 모여 원하는 미래상을 가지고 그것을 실현한 것. 미국의 거의 모든 회사가, 모든 YC 회사가 같은 이야기다.

그게 바뀐다. 갑자기 희소 자원이 지능도 agency도 아니게 된다.

“정말로 희소해질 것은 비전과 야망이라고 생각한다.”

질문은 이렇게 바뀐다. 미래 세계가 어떤 모습이길 원하는지 명확한 관점이 있는가? 5~10년 뒤 세상이 오늘과 다르게 보이도록, 저울에 손가락 하나를 얹는다면 어느 쪽인가? 그리고 그걸 실현하려고 온갖 고생을 뚫고 갈 야망과 추진력이 있는가?

AI가 그 일을 10배, 100배 쉽게 만들어주고, 그 뒷면은 더 크게 꿈꿀 수 있게 된다는 것이다.

[23:07] 18. 빌더의 책임 — 세상은 아직 이 기술을 받을 준비가 안 됐다

낙관 일변도로 끝내지는 않는다. 그가 보기에 세상은 오늘 이 기술을 받아들일 준비가 거의 안 돼 있다. 그래서 빌더에게는 세상을 준비시킬 책임이 있다고 말한다.

• 기업과 정부가 이 새 기술에 적응하도록 도울 것
• 생물보안·사이버보안 관점에서 세상을 지킬 방법을 알아낼 것
• 이 기술과 함께 오는 리스크들을 관리할 방법을 만들 것

그리고 그 뒷면이 유례없는 기회다 — 새로운 과학, 영원히 못 풀던 건강·생물학의 문제, 상상도 못 했던 사업, 존재할 수 없었던 창작. 기회와 리스크가 함께 담긴 요람이라는 것이 그의 표현이고, 그래서 강한 세계관을 가진 빌더에게 이보다 좋은 때는 없다는 결론이다.

[24:06] 19. 추상화 계층은 계속 올라간다 — word cell vs shape rotator

개리 탄이 아주 구체적인 불안을 가져온다. 스탠퍼드의 컴퓨터과학 전공자가 두 자릿수 퍼센트로 줄었다는 것이다. 그는 이게 말이 안 된다고 본다 — 그렇게 좋은 에이전트를 만들려면 여전히 그 기술이 필요하기 때문이다. 그래서 객석의 현실적 질문이 나온다. 더 word cell(언어형)이 되고 shape rotator(공간·구조형)를 버려야 하는가?

왕의 답은 체계적이고 엄밀한 사고는 여전히 극히 중요하다는 것이다. 그 자신도 이렇게 흘러갈 줄 몰랐다고 인정하면서, 다만 추상화 계층이 계속 바뀔 뿐이라고 말한다.

시대	다루는 층위
”내가 창업하던 시절”	코드를 쓴다
지금	에이전트들을 어떻게 오케스트레이션할 것인가
다음	에이전트 100만 개를 어떻게 협업시킬 것인가
그다음	에이전트 1조 개를 어떻게 협업시킬 것인가

과거에도 구조는 같았다. 코드를 쓰는 데서 시작해 사람의 조직을 어떻게 짤지로 넘어갔고, 거기엔 시스템 사고가 필요했다. 지금은 그것이 에이전트 오케스트레이션 → 에이전트 군단의 조직화로 바뀌었을 뿐이다. 그래서 결론은 명확하다.

“시스템 사고는 절대 유행이 지나지 않는다. word cell에 올인하는 건 분명히 실수다. shape rotating을 해야 한다.”

다만 앞으로 더 필요해질 것으로 그가 꼽는 건 조금 다른 결이다 — 세상이 어떻게 발전해야 하는지에 대한 더 깊은 나침반과 철학적 관점. 인류사에는 문명이 이런 시기를 통과할 때의 교훈이 아주 많고, 인류는 앞으로 10년 동안 지난 100년보다 더 많이 변할 것이기 때문이다. 그래서 긍정적 비전을 갖고 그것을 정합적으로 표현하는 일이 그 어느 때보다 중요해진다.

[26:51] 20. 오늘 가장 큰 알파 — 에이전틱 루프

“사람들이 아직 못 알아챈 근시일 응용”을 알려달라는 요청에, 왕이 꼽는 것은 에이전틱 루핑(agentic looping)이다. 하나의 결과를 위해 토큰을 1,000배, 100만 배 더 쓰는 연속 피드백 루프를 만드는 일이다.

그가 이걸 설명하는 방식이 좋다. 회사란 결국 사람이 각 변을 담당하는 대규모 피드백 루프다.

고객을 얻는다 → 고객을 더 만족시킬 방법을 찾는다 → 만족한 고객이 더 쓴다 → 더 많이 쓰니 사람을 더 뽑는다 → 그 사람들이 다시 고객을 늘리고 더 만족시킨다 → …

이것이 모든 스타트업, 모든 사업의 피드백 루프이고, 그 안에 수많은 마이크로 피드백 루프가 들어 있다. 이 루프들을 운영하고 최적화하는 에이전틱 시스템을 만드는 데 엄청난 알파가 있다는 것이다.

메타 내부에서 실제로 본 사례가 뒷받침한다. 올바른 에이전틱 루프를 만들고 에이전트가 최적화할 올바른 eval 또는 지표를 붙이면, 에이전트 스웜이 엔지니어 100명 팀보다 더 많은 것을 아주 손쉽게 해낸다. 그래서 그는 에이전틱 조정(coordination) 문제가 오늘 가장 흥미로운 문제 중 하나라고 말한다.

[28:42] 21. 기계적으로는 마크다운 파일과 크론잡 — 마법은 없다

개리 탄이 실무 층위로 내린다. 기계적으로 보면 결국 마크다운 파일과 크론잡, 그리고 분포 밖의 무언가를 알아낼 만큼 충분한 데이터에 에이전트를 겨누는 것 아니냐고 묻는다.

왕이 그대로 인정한다. 기계적으로는 무엇을 지표로 삼을지 정하는 것이고, 그다음은 스킬, 마크다운 파일, 크론잡이다. 개리 탄이 /goal을 덧붙이자 그도 동의한다.

“정말 파고들면 모든 게 얼마나 평범한지가 늘 재밌다.”

마법이 아니라는 것이다. LinkedIn에 떠도는 마법 같은 이야기들에 대한 그의 조언은 한 줄이다 — “최고의 조언: LinkedIn을 무시하라.” (개리 탄의 응수: “LinkedIn은 고객을 얻는 곳이지.”)

[29:25] 22. 18세의 나에게 보내는 전보

마지막 질문은 18세의 자신에게 보낼 메시지다. 왕의 답은 두 가지로 압축된다.

첫째, 미래가 어떻게 전개될지에 대한 자기만의 내적 나침반을 만들고 강하게 확신하라. 이유는 현실적이다. 당신은 소음에 파묻힐 것이고, 사람들이 이래라저래라 할 것이고, 매우 혼란스럽고 힘들 것이다. 특히 어리고 경험이 없을 때는 자기가 믿는 것에 진짜 확신을 갖기가 무척 어렵다. 그래도 그게 가장 중요하다 — Scale도 시장과 업계와 주변 사람들의 여러 해에 걸친 혼돈을 견디는 데 아주 깊은 확신이 필요했다.

둘째, 세상에서 가장 가파르면서 가장 오래 갈 지수 곡선이 무엇인지 찾아내라. 수십 년 전 그 곡선은 무어의 법칙이었고, 당시 명백히 옳은 베팅이었다. 지금은 AI의 진보라고 그는 본다. 하지만 앞으로도 이런 가파른 곡선은 또 나올 것이다.

그리고 여기에 중요한 단서를 붙인다. 곡선의 출발점이 지루하거나 심지어 하찮아 보여도 괜찮다. Scale을 시작할 때 그들이 가진 건 유튜브 영상 속 고양이 탐지기였다. 그게 우리 시대 가장 중요한 기술이라고 설명하기는 어려웠지만, 믿기 어려운 지수 위에 있었다.

[31:30] 23. 그리고 마지막 한 마디 — Muse Spark API 크레딧 $1,000

대담을 닫으려는 순간 왕이 “하나만 더 말해야겠다”며 발표한다. 메타가 이 객석의 모두에게 새 Muse Spark API 크레딧 $1,000를 제공한다는 것. 그리고 덧붙인다 — **“Muse Spark는 지금 Opus보다 8배 저렴하니, Opus 달러로 환산하면 훨씬 더 많은 셈”**이라고. 모델은 계속 좋아질 것이고, 무엇이 만들어질지 기대된다는 인사로 끝난다.

부록 — 실전 체크리스트

전략을 세울 때

• 지금 하려는 일이 아직 합의가 아닌 믿음에서 출발했는지 확인한다. WSJ에 이미 실린 주제라면 출발점이 아니다.
• 세상에 대해 참임을 아는 단순한 명제를 한 문장으로 쓸 수 있는가? (Scale: “셋 중 데이터만 버튼이 없다”)
• 지금 올라탄 곡선이 가장 가파르고 가장 오래 갈 지수인지 자문한다. 출발점이 하찮아 보이는 건 반증이 아니다.
• 주변 의견에 흔들릴 때 돌아갈 자기 나침반을 문서로 적어둔다. 확신은 무명의 몇 년을 견디는 연료다.
• 대기업과 경쟁할 때 “에이전트로 증폭된 메가 골리앗” 쪽에 서 있는지 점검한다. 각도만 찾는 다윗 전략은 이제 최선이 아니다.

에이전틱 루프를 세울 때 (가장 실무적인 부분)

• 우리 사업의 거대 피드백 루프를 먼저 그린다(고객 확보 → 만족 → 지출 → 재투자).
• 그 안의 마이크로 피드백 루프를 찾아 하나를 고른다.
• 그 루프에 대한 eval 또는 지표를 정의한다. 이게 가장 어려운 단계이고, 나머지는 평범하다.
• 나머지는 실제로 평범하다 — 스킬 + 마크다운 파일 + 크론잡 + /goal.
• 토큰을 아끼지 말고 1,000배~100만 배 더 쓰는 연속 루프를 감당할 설계인지 확인한다.
• 에이전트 1개가 아니라 스웜을 상정하고, 오케스트레이션을 하니스 위층에서 설계한다.

커리어를 판단할 때

• word cell 올인은 하지 않는다. 체계적·엄밀한 사고(shape rotating)는 층위만 바뀔 뿐 사라지지 않는다.
• 지금 다루는 추상화 계층을 확인한다 — 코드? 에이전트 오케스트레이션? 에이전트 조직의 설계?
• 회사에서 일해본 경험이 없다면 만든다. 밖에서는 회사가 어떻게 굴러가는지 알 수 없다.
• 기술 판단만이 아니라 세상이 어떻게 발전해야 하는지에 대한 관점을 기른다.

원문 인용 모음

• [02:05] “I felt like I was drinking from the fire hose pretty constantly during that time.”
• [02:21] “From the outside in you have no idea how companies work. You have no idea what it looks like to actually build something.”
• [03:12] “YC is this amazing blend of — they’re very supportive and they obviously want you to succeed, but they also give it to you very real and they tell you when you’re being a dumbass.”
• [03:44] “It was a great example of an idea that I think will ultimately exist. … But it was the wrong timing.”
• [05:04] “For two out of these three things, you could just press a button online and get them. And then for the last one, for data, there was like no effective way to get data for training these models.”
• [05:53] “None of the investors had ever trained a model, so I guess they didn’t really get it.”
• [06:51] “You need to develop conviction in a set of beliefs that nobody else agrees with.”
• [07:10] “They toil in obscurity for years and years before the idea or the space or the concept or the business becomes consensus.”
• [07:38] “If you go too much with the herd, you will get immensely confused and you will end up nowhere.”
• [08:50] “Nobody is good at something they’ve never done before. … You start out pretty shitty at everything.”
• [09:44] “The bottleneck is not the progress of the AI models. The bottleneck is diffusing that through the rest of the world.”
• [09:56] “If the models didn’t improve at all from today, there would still be like decades and decades of total upheaval and change in the economy.”
• [10:12] “It’s probably a once in a civilization opportunity to be a dreamer and to have a vision and to have ambition.”
• [10:52] “Now I actually think with the power of agents and AI broadly speaking it’s much closer to Goliath versus Goliath.”
• [11:24] “If you properly embrace AI agents and figure out the way to leverage their strengths in the most ambitious ways, you can easily out compete incumbents.”
• [12:07] “The thing that we think a lot about is agency expansion. How do we help people accomplish things that they couldn’t have ever dreamed of before? And what would everyone in the world do if everything was just easy?”
• [12:44] “There’s 200 million businesses that are on Meta platforms today. We think that number should go to billions.”
• [13:52] “We kind of did a zero-based build of how do you build an entire frontier lab in some ways kind of from scratch.”
• [14:23] “Talent density is something that compounds naturally — the more talented people you have, the more of the most talented people want to join you.”
• [14:40] “Frontier AI work is research. It is scientific work.”
• [15:29] “It’s important to develop like an organism — that’s how you think about the lab.”
• [16:57] “We don’t believe in a world where these models are so expensive that they get rationed only for the most wealthy of developers and companies.”
• [17:14] “I think the best AI products haven’t even been developed yet. … Every wave is 10 times bigger than the past wave.”
• [19:12] “There’s so much innovation that will occur even above the harness, in terms of how to orchestrate and set up loops.”
• [19:42] “These models are already just incredibly powerful. … It’s up to smart people with vision and ambition to make all that happen.”
• [20:14] “So much of that debate is a little bit of a waste of time because it’s inevitable that we’re going to have very powerful models.”
• [21:08] “A decade ago the best AI models could recognize cats in YouTube videos. And now we’re talking to a digital god.”
• [21:36] “It’ll be obvious that intelligence became abundant and that agency became abundant.”
• [21:50] “For the history of humanity, groups of smart people getting together towards a shared goal was the bottleneck of progress.”
• [22:19] “All of a sudden the scarce resource isn’t going to be intelligence or agency. I really think it’s going to be vision and ambition.”
• [23:09] “The world is really just barely even ready for this technology today. … As a builder we have a responsibility to prepare the world.”
• [24:57] “The abstraction layer just keeps changing. … Now it’s about how do you orchestrate the agents together? And then how do you get like a million agents to work together?”
• [25:57] “Systems thinking is never going to go out of style. So it’s definitely a mistake to go all in on word cell.”
• [26:31] “Humanity will change more in the next decade than it has in the last 100 years, probably.”
• [27:12] “There’s still just astronomical opportunity in agentic looping — figuring out how you develop systems that enable you to spend 1,000x more or 1 millionx more on tokens to drive an outcome in a continuous feedback loop.”
• [27:31] “Companies are just these large scale feedback loops where humans are operating each of the edges.”
• [28:12] “If you can develop the right agentic loop and you have the right eval or the right metric for the agents to optimize, you can have a swarm of agents accomplish more than a team of 100 engineers — very, very easily.”
• [28:57] “It just comes down to skills, markdown files, cron jobs. … It’s always funny how mundane everything is once you really dig into it.”
• [29:18] “Top advice: ignore LinkedIn.”
• [29:50] “Develop your own internal compass for how you think the future will develop and have strong conviction in it, because you will get inundated with noise.”
• [30:40] “Try to identify what is the exponential in the world that has both the steepest curve and will go the longest.”
• [31:07] “It’s fine if these curves start where the starting point is very boring. … We had cat detectors in YouTube videos.”
• [31:52] “Right now Muse Spark is I think 8x cheaper than Opus. So if you convert that to Opus dollars, it’s a lot more.”

관련 노트

• 2026-07-28-boris-cherny-cut-80-percent-prompt — 같은 YC 무대의 하니스 쪽 시각. “모델이 좋아지면 하니스는 얇아진다”와 여기의 “하니스 위층에서 혁신이 일어난다”가 맞물린다
• 2026-07-21-tina-huang-hermes-agent-fundamentals — 개리 탄이 언급한 Hermes Agent의 실제 셋업
• 2026-07-28-sam-altman-agi-compute-human-agency — 같은 주 다른 프론티어 랩 리더의 대담. “병목은 모델이 아니라 확산”(왕)과 “병목은 계속 옮겨 다니고 지금도 컴퓨트”(올트먼)를 나란히 두면 대비가 선명하다
• moc-ai-agents-orchestration · moc-ai-agents-harness · moc-ai-models