AI를 비즈니스에 적용하는 방식은 본질적으로 두 가지로 나뉘며, 이 둘은 완전히 다른 성격의 게임이다. 화자는 이를 1/10x(효율)와 10x(혁신)라는 프레임으로 정리한다. 전자는 목표(Objective)와 평가 지표(Evaluation Metric)가 명확하게 정의 가능한 영역(비용 절감, 속도 향상 등)이고, 후자는 그 자체로 정의조차 불가능한 새로운 가치를 창출하는 영역이다.
충격적인 인사이트는, 화자가 4년간의 실전 경험을 통해 “돌고 돌아 순정 바닐라”라는 결론에 도달했다는 점이다. 가장 복잡한 하네스와 프레임워크를 버리고, 프론티어 모델 + 깔끔한 데이터 커넥터 + 도메인 이해를 바탕으로 한 프롬프트가 가장 강력한 효율 솔루션이었다. 이는 AI 패러다임의 확장 가능성(Scaling)이 인간의 복잡한 설계를 압도한다는 증거다. 10x 혁신은 여전히 사업가(Entrepreneur)의 취향과 의지에 달려 있으며, 효율 경쟁만으로는 절대 도달할 수 없는 영역이다.
근거
화자의 경험은 고통스러운 깨달음을 동반한다:
“참 말하고도 슬퍼요. 그동안 썼던 어마어마한 노력들과 시간들이 돌고 돌아서 결국 모델의 capability overhang에 기대는 게 답이었다는 걸 알게 되니 참 그렇죠.”
효율과 혁신의 차이는 측정 가능성에서 비롯된다:
“결국 objective의 성격이 다르거든요. 앞에 있는 건 metric을 잡기가 쉬워요. objective와 evaluation metric이 명확하게 보이는 거고, 뒤에 있는 문제는 objective와 evaluation metric이 존재하지 않는 영역이에요.”
화자가 도달한 “바닐라” 방법론의 핵심:
“데이터 커넥터를 깔끔하게 만들고, 프롬프트 잘 쓰고, 프론티어 모델과 Claude Code라든가 Codex라든가를 붙이는 게 성능은 제일 좋아요.”
AI 시대에 필요한 인간의 덕목:
“남는 사람들의 특성은 그냥 사업가라고밖에 생각이 안 들거든요. entrepreneur라는 기질이 없으면 도대체 할 일이 없어요, 좀 심하게 요약하면.”
연결된 생각
- 20260607-openclaw-disintermediates-existing-gatekeepers — 기존 사업자는 1/10x 효율 경쟁에서 살아남기 위해 에이전트를 수용해야 하지만, 진정한 10x 혁신은 새로운 사업가에게서 나온다.
- 20260607-ai-problem-to-search-paradigm — 이 프레임워크는 두 유형의 문제 모두를 Search Problem으로 수렴시키는 메커니즘 위에서 작동한다.
- 20260607-capability-overhang — 모델의 잠재 능력(capability overhang)이 1/10x를 넘어 10x로의 도약을 가능하게 하는 숨은 동력이다.
출처
- 📎 클리핑: 20260613-ep98-ko-transcript