2026-11-18 · x.com

SpaceX AI 엔지니어 Lauren Tan의 1시간 무료 마스터클래스 — Grok Bot 에이전트 팀과 자율 루프를 0에서 100까지

  1. (1)읽기 전에
  2. (2)Executive Summary
  3. (3)팩트체크
  4. (4)원본 (완역)
  5. (5)원본 링크·인용
  6. (6)기타

x.com · 2026-11-18

SpaceX AI 엔지니어 Lauren Tan의 1시간 무료 마스터클래스 — Grok Bot 에이전트 팀과 자율 루프를 0에서 100까지

Hux(@huxlab)가 2026-11-18 21:59 KST X에 중국어로 올린 추천 글이다. 글에 붙은 54분 56초 영상은 Y Combinator 팟캐스트 Lightcone의 대담 「The Rise Of AI Coworkers」(2026-11-14 공개, 60분 06초)를 Codez(@0xCodez)가 다시 올린 것이다. 출연자는 SpaceXSI Grok Bot 팀의 Lauren Tan과 Roman Ugarte다. Hux가 꼽은 다섯 요점은 대담에 모두 나온다. 월 4,000건 PR은 진행자 질문과 동료의 말이고, 에이전트의 자체 머지에는 인프라·데이터베이스·배포라는 예외가 붙는다.

읽기 전에

핵심 질문

Hux가 ‘0에서 100까지’ 에이전트 팀을 세우는 1시간 강의로 소개한 이 영상에서, 에이전트에게 PR 머지까지 맡기려면 무엇이 먼저 갖춰져야 하는가? Lauren Tan이 26:00 장에서 드는 조건은 알맞은 스킬과 코드베이스 가드레일이다. 사람이 코드 리뷰에 쓰던 시간을 코드베이스와 정적 분석 도구에 옮겨 두어야 에이전트가 쓴 코드를 믿을 수 있다는 말이다. 그녀는 그 지점까지 “꽤 오래 걸렸다”고 말한다. 40:13 장에서는 에이전트가 코드를 직접 실행해 자기 작업을 확인하는 루프가 먼저 서야 알림이 사람 없이 수정 작업을 시작시킬 수 있다고 말한다. 인프라·데이터베이스·배포처럼 민감한 부분에는 사람이 여전히 루프에 남는 편이 낫다고 덧붙인다(47:33 장).

영상은 강의 녹화가 아니다. Y Combinator(YC)가 2026-11-14(미국 태평양 시간) YouTube에 올린 팟캐스트 Lightcone 에피소드 「The Rise Of AI Coworkers」(60분 06초)다. YC 진행자들이 Lauren Tan, Roman Ugarte 두 출연자와 대담한다. Codez(@0xCodez)는 2026-11-16 이 에피소드를 54분 56초 영상으로 X에 다시 올렸다. 그 게시물이 YC의 장 다섯 개에 10%→100% 진행률 라벨을 붙였다. Hux(@huxlab)는 2026-11-18 그 영상을 중국어 게시물로 추천했다. ‘0에서 100까지’라는 단계 구성은 이 두 게시물이 붙인 것이다.

선행 개념

Grok Bot
YouTube 설명란은 Grok Bot을 고유한 신원과 로그인을 가진 AI 팀원을 만들어 배경에서 계속 일하게 하는 제품으로 소개한다. 대화에서 ‘봇’은 이 팀원을 가리킨다. 봇이 코드 작업을 받으면 Cursor 클라우드 에이전트를 띄워 맡기는 장면이 22:35 장에 나온다.
SpaceXSI
YouTube 설명란이 두 출연자의 소속으로 적은 이름이다. Hux는 ‘SpaceX AI’, Codez는 ‘SpaceXAI’라고 쓴다.
Lightcone
YC의 팟캐스트다. 진행자도 자기 도구를 예로 들어 길게 말한다. 29:01 장 앞부분에서 개인 팩토리 ‘Cappy’를 설명하는 사람이 gstack을 만든 진행자다. YouTube 자막은 화자 이름을 적지 않는다. 여기 적은 화자 이름은 대화 속 호칭과 문맥에서 가린 것이다.
풀 리퀘스트(pull request, PR)와 머지(merge)
PR은 코드 변경을 공유 저장소에 넣어 달라는 요청이다. 머지는 그 변경을 실제로 넣는 동작이다. 보통은 사람이 변경분(diff)을 읽고 승인한 뒤 머지한다. Lauren Tan이 말하는 에이전트의 자체 머지에서 빠지는 단계가 이 읽기다. 사람은 스크린샷과 영상 같은 결과물만 본다(26:00 장).
소프트웨어 팩토리
진행자는 이 말이 Steve Yegge의 ‘Gas Town’ 글에서 퍼졌다고 소개한다(10:39 장). 대화에서는 알림이나 고객 피드백을 받은 에이전트들이 재현·수정·머지를 사람 지시 없이 반복하는 구성을 가리킨다. Roman Ugarte가 52:20 장에서 드는 Lauren Tan의 ‘Sandy’가 그 예다.
자기 작업 확인과 바깥 루프
40:13 장에서 Lauren Tan이 ‘가장 작은 루프’라 부르는 반복이다. 에이전트가 코드를 실제 사용자처럼 실행한다. CPU 트레이스와 성능 지표로 자기 코드의 문제를 찾아 다시 고친다. 그녀는 이 루프가 ‘맞는(correct)’ 코드는 보장해도 빠르고 자원을 아끼는 ‘좋은(good)’ 코드는 보장하지 않는다고 말한다. 이 루프가 믿을 만해진 뒤 알림 같은 바깥 사건이 사람 없이 루프를 시작시키는 단계를 그녀는 ‘바깥 루프(outer loop)’라 부른다.
코드베이스 가드레일
Lauren Tan은 “코드베이스는 기억의 한 형태”라고 말한다. 리뷰 때마다 에이전트와 다툴 규칙을 아키텍처·API 설계·lint 규칙·컴파일러·CI 검사에 넣어 두면 그 규칙에는 더 토큰을 쓰지 않는다(47:33 장). 그녀의 예는 Electron 앱에서 메인 스레드용 코드와 렌더러 스레드용 코드가 서로 import하지 못하게 막는 의존성 그래프 검사다. CI가 이 검사를 강제한다.
pstack
Lauren Tan이 Cursor 플러그인 저장소에 공개했다고 말하는 에이전트 스킬 모음이다. 진행자의 gstack에서 영감을 받았다고 한다(26:00 장).

멘탈 모델

에이전트가 자기 코드를 실행해 확인하면 코드는 ‘맞게’ 된다. 리뷰에서 하던 지적을 코드베이스 규칙과 CI로 옮기면 코드는 ‘좋게’ 남는다.

이 둘이 선 뒤에야 알림과 피드백이 사람 없이 루프를 돌린다. 그때 사람의 일은 무엇을 만들지 정하는 쪽으로 옮겨 간다.

읽기 순서

  1. 누가 무엇을 말했는지부터. 원본 (완역)의 게시물(Hux)과 영상이 실린 게시물(Codez)을 읽는다. 추천 문구와 진행률 라벨이 누구의 것인지 이 두 글에서 갈린다.
  2. 주장과 판정. Executive Summary 다음에 팩트체크를 읽는다. 두 게시물의 요약이 대화의 어느 장에 기대는지 거기서 확인한다.
  3. 기법. 40:13 「에이전트가 자기 작업을 스스로 확인하게 가르치기」 → 47:33 「토큰을 아끼는 코드베이스 가드레일」 → 26:00 「믿을 수 있는 코드를 쓰도록 에이전트를 가르치기」 → 43:56 「코드 리뷰는 얼마나 해야 충분한가」. 루프와 가드레일을 먼저 읽으면 26:00 장의 자체 머지 발언이 어떤 준비 위에 서 있는지 보인다.
  4. 봇을 동료로 들이는 과정. 03:36 「봇에게 실제 직무를 준다」 → 14:46 「AI 동료의 신원과 권한」 → 18:37 「봇끼리의 협업과 신뢰」 → 22:35 「매달 PR 4,000건을 내는 작업 방식」. 18:37 장 끝에서 출연자 한 명이 읽기 전용 봇에서 일 전체를 맡는 봇까지 신뢰의 세 단계를 말한다.
  5. 사람에게 남는 일. 36:47 「AI 네이티브 회사를 다시 생각하기」 → 52:20 「제품 판단이 병목이 될 때」. Codez가 고른 다섯 장에는 43:56 장과 52:20 장이 빠져 있다.
  6. X 아티클. 영상 게시물이 인용한 아티클은 Codez가 2026-08-18 쓴 Grok Bot 사용 안내다. 에피소드보다 약 3개월 먼저 나왔다. 개인 업무용 봇 설정 예시가 필요할 때 마지막에 읽는다.

예상 소요

영상은 YouTube 원본이 60분 06초, X 재업로드가 54분 56초다. 원본 (완역)의 전사는 YouTube 원본의 16개 장을 따른다. 3번 경로의 네 장은 영상의 26:00–29:01 구간과 40:13–52:20 구간을 합친 15분 8초 분량이다.

점검 질문

  1. Lauren Tan이 “에이전트가 자기 PR을 머지한다”고 말할 때 앞뒤에 붙인 조건과 예외는 무엇인가? — 답의 자리: 26:00 장, 47:33 장(48:00 무렵).
  2. 에이전트가 만든 PR 가운데 Grok Bot 팀이 머지하지 않는 것은 무엇이고, 그 이유는 무엇인가? — 답의 자리: 52:20 장.
  3. Hux가 꼽은 다섯 층과 두 게시물에 나오는 수치(월 4,000 PR, 새벽 3시 버그 수정)는 대화의 어디에 근거하는가? — 답의 자리: 팩트체크. 수치가 나오는 대목은 22:35 장(22:47 무렵)과 52:20 장(52:25, 54:10 무렵)이다.

Executive Summary

Hux(@huxlab)가 2026-11-18 X 노트 게시물(중국어)에서 ‘SpaceX AI 엔지니어 Lauren Tan의 1시간 무료 마스터클래스’로 추천한 영상은 Grok Bot 핵심 팀의 Lauren Tan과 Roman Ugarte가 출연한 Y Combinator(YC) 팟캐스트 Lightcone의 대담 「The Rise Of AI Coworkers」다. 게시물에 붙은 54:56 영상은 YC가 2026-11-14(미국 태평양 시각) YouTube에 공개한 60:06 원본을 Codez(@0xCodez)가 X에 다시 올린 사본이다.

대담의 결론은 실행이 싸질수록 병목이 ‘무엇을 왜 만들지’로 옮겨 간다는 것이다. 실행을 싸게 만드는 장치로 출연자들은 사람 동료처럼 신원·도구를 받아 늘 켜져 있는 봇과, 리뷰 대신 코드베이스·정적 분석·지속적 통합(CI)에 박아 둔 품질 판단을 든다. Hux가 꼽은 다섯 층은 모두 대담에 대응 대목이 있지만, Hux는 대담이 층마다 단 단서를 옮기지 않았다.

마이크와 노트북 앞에서 말하는 Lauren Tan. 왼쪽 위에 이름 자막과 SPACEX 로고, 아래쪽에 ‘FINALLY I USE’ 자막, 오른쪽 아래에 Y Combinator 로고가 보인다
Hux가 붙인 X 영상의 대표 화면. 이름 자막 옆의 SPACEX 로고와 오른쪽 아래 Y Combinator 로고가 한 화면에 있다.

Hux 게시물의 13개 주장: 주제 목록과 다섯 층은 대담의 장을 따르고, 나머지는 소개와 추천이다

Hux의 주장 13개 가운데 10개는 대담에서 위치를 찾을 수 있다. 나머지 셋은 추천·예측 의견이다. 위치(분:초)는 모두 YouTube 원본 기준이다.

#Hux의 주장(한국어 요지)대담 위치(— = 대응 대목 없음)그 위치에서 대담이 하는 말
1오늘 밤은 Netflix를 보지 말고 이 영상을 봐라.—추천 의견이다.
2Lauren Tan은 SpaceX AI 엔지니어다.00:28, 50:50대담에서 출연자의 회사 이름은 나오지 않는다. 진행자 소개는 두 사람을 Grok Bot 팀으로만 부른다. Lauren은 자기 직장을 ‘랩’이라고만 부른다. 화면 자막의 표기는 위 그림과 같다. YouTube 설명은 두 사람의 소속을 ‘SpaceXSI’로 적는다.
31시간짜리 무료 마스터클래스이고, Lauren Tan의 강의다.영상 전체강의 대목은 없다. 진행자 질문에 두 출연자가 번갈아 답한다. Hux는 Roman Ugarte를 언급하지 않는다.
4Grok Bot 에이전트 팀과 자율 루프를 0에서 100까지 세우는 법을, 내가 본 것 가운데 가장 명확하게 처음부터 끝까지 풀어낸 강의다.03:49, 21:20‘가장 명확하다’는 Hux의 평가다. 대담에 0에서 100으로 가는 교과 순서는 없다. 진행률 숫자는 Codez가 붙였다(아래 Codez 표). 단계를 밟는 설명은 신뢰 단계를 다룬 두 대목뿐이다.
5다루는 내용: 봇에게 진짜 일 주기 → 월 4,000개 풀 리퀘스트(PR)의 워크플로 → 개인 소프트웨어 팩토리 → 최소 자기 점검 루프 → 토큰을 아끼는 코드베이스 가드레일.03:36, 22:35, 29:01, 40:13, 47:33다섯 항목은 YC가 YouTube 설명에 단 장 16개 가운데 다섯 장의 제목이다. Codez 소개문의 장 목록과 순서도 같다. 29:01 장에서 개인 소프트웨어 팩토리를 설명하는 사람은 gstack을 만든 진행자다(29:05).
6멀티 에이전트를 제대로 돌려 본 적이 없든 이미 Grok Bot을 쓰든, 보고 나면 ‘그래서 그랬구나’ 하는 지점들이 한 번에 꿰인다.—시청 효과에 대한 예측이다.
7층 1 — 에이전트를 계속 챗봇으로 쓰지 말고 진짜 직무를 줘라(자기 계정·예산·임무).04:17, 22:29자기 로그인과 예산을 받은 봇의 예는 04:17의 성과 마케팅팀 봇이다. Hux는 직무 전체를 맡기는 단계에 대해 출연자가 22:29에 내린 거리 판단을 옮기지 않았다.
8층 2 — 단일 에이전트에서 루프와 팩토리로 넘어가야 월 수천 PR로 물량을 늘릴 수 있다.26:00, 42:01Lauren이 Slack 스레드 작업 방식의 전제로 드는 것은 루프나 팩토리보다 스킬·가드레일·정적 분석 투자다. 알림이 봇을 깨우는 바깥 루프는 기본 루프가 충분히 좋아진 뒤의 단계로 놓인다.
9층 3 — 가장 작고도 가장 중요한 루프: 에이전트가 직접 코드를 돌리고, 결과를 확인하고, 작업을 검증하게 가르친다.40:23, 41:25Lauren이 화면에 그린 ‘가장 작은 루프’와 같은 내용이다. Hux는 Lauren이 41:25에 단 보장 범위의 단서를 옮기지 않았다.
10층 4 — 코드베이스 가드레일이 프롬프트보다 중요하다. 제약을 아키텍처와 CI에 써 넣으면 토큰도 아끼고 더 믿을 만하다.45:50, 47:41, 48:49대담에서 가드레일과 맞대는 상대는 리뷰다. 프롬프트에 가까운 규칙·스킬은 Lauren의 역피라미드에서 둘째 층으로 남는다. CI로 강제한 사례는 Electron 규칙이다.
11층 5 — 어느 단계에 이르면 에이전트가 PR을 스스로 머지하고, 사람은 diff 대신 산출물만 본다.26:42, 48:00, 54:29Lauren의 말과 같다. 전제는 8행의 투자다. Hux는 사람이 루프에 남는 예외와 화면 변경의 출시 기준을 옮기지 않았다.
12대부분이 몇 달 걸려 맞추는 전체 그림을 이 강의가 바로 그려 준다.26:00대담에서 걸리는 시간을 말하는 대목은 26:00 하나다. 그 대목은 그림을 이해하는 시간보다 작업 방식을 갖추는 시간을 말한다.
13시간을 비워 둬라. 이번 달 가장 값진 강의일 수 있다.—추천 의견이다.

Codez 소개문의 인용과 숫자는 대담에 위치가 있고, 진행률 숫자는 Codez가 붙였다

Codez는 2026-11-16 07:08 KST에 영상과 함께 영어 소개문을 올렸다.

Codez의 문장(한국어 요지)대담 위치그 위치에서 대담이 하는 말
SpaceXAI 엔지니어 Lauren Tan이 Grok Bot 에이전트 팀과 루프를 0%에서 100%까지 만드는 무료 1시간 마스터클래스를 막 내놓았다.00:28Hux 표 2~4행은 이 문장과 내용이 같다.
“나는 에이전트들이 자기 풀 리퀘스트를 스스로 머지하게 하는 지점에 와 있다.”(I’ve gotten to a point where i essentially have my agents merge their own pull requests)26:42자막과 같은 Lauren의 말이다. 전제와 예외는 Hux 표 8·11행에 있다.
장 다섯과 진행률: 10% 3:36 봇에게 진짜 일(자기 로그인·예산) · 30% 22:35 월 4,000 PR의 워크플로 · 55% 29:01 개인 소프트웨어 팩토리 · 80% 40:13 가장 작은 루프 · 100% 47:33 토큰을 아끼는 코드베이스 가드레일03:36, 22:35, 29:01, 40:13, 47:33시점과 제목은 YC 장 목록에서 왔다. 진행률 숫자는 Codez가 붙였다. ‘자기 로그인·예산’과 ‘가장 작은 루프’도 Codez가 장 제목에 덧붙인 말이다. YC의 40:13 장 제목은 「Teaching Agents to Check Their Own Work」다.
대부분은 아직 에이전트 하나를 돌보고 있다.25:39, 42:47‘대부분’을 받치는 통계는 대담에 없다. 가까운 말은 진행자의 어림과 Lauren의 자기 서술이다.
Lauren은 월 4,000 PR을 내보내는 팩토리를 돌린다.22:47, 52:25월 4,000건은 진행자 질문과 Roman의 말에 나온다. 그중 팩토리가 낸 몫은 대담에 나오지 않는다.
그리고 새벽 3시에 버그를 고친다.53:46, 54:10Roman이 Lauren 팩토리의 피드백 처리 봇 Sandy를 소개하자, 다른 화자가 “새벽 3시에 자동으로 나간다”고 덧붙인다.
북마크하고 보라. 그다음 아래의 Grok Bot 팀 전체 플레이북을 읽어라.—‘아래 플레이북’은 Codez 본인의 X 아티클이다(아래 마지막 절).

봇은 사람 직원처럼 들어온다: 신원과 도구를 받고, 권한은 신뢰가 쌓이는 만큼 넓어진다

Grok Bot은 봇을 일의 단위로 삼고, 사람과 같은 도구를 주고, 늘 켜 두는 설계다

Roman은 Grok Bot을 AI 팀원을 만드는 제품으로 소개한다(01:09). 팀원에게는 이름·신원·기능·스킬·도구를 줄 수 있다. 처음에는 약 7주 만에 만든 사내 시제품이었다(01:34). 계기는 AI 코딩이 엔지니어의 일하는 방식을 바꾼 모습이다(01:37). 팀은 목표를 향해 오래 도는 에이전트를 엔지니어가 아닌 직원에게 주면 어떻게 될지 물었다.

Roman이 드는 설계 원칙은 셋이다. 일은 채팅이나 파일 단위가 아니라 봇 단위로 묶인다(01:59). 봇은 사람과 같은 도구를 쓴다. 그는 봇에게 자기 컴퓨터가 있어야 한다고 말한다(02:10). 사람도 매일 MCP로 일하지는 않는다는 것이다. 봇은 늘 켜져 있어서 사람이 찌르기 전에 먼저 아이디어를 가져온다(02:27).

사내 반응은 종 모양 분포의 양 끝에서 좋았다(02:50). AI에 가장 앞선 사람과 가장 뒤처진 사람이 모두 Grok Bot을 반겼다. 출시 뒤에도 시작은 쉽고 삶에 맞춰 설정할수록 깊어진다는 반응이 이어졌다(03:17). 진행자는 Grok Bot이 X의 기본 DM에 들어갔다고 짚는다(00:59).

봇이 일하는 자리는 Slack이다. Lauren은 Grok Bot이 자기 ‘바깥 루프’를 맡는다고 말한다(05:08). 예전에는 Slack에서 동료와 나눈 버그 보고와 기능 요청을 직접 요약해 에이전트에 붙여 넣었다(05:29). 지금은 봇이 Slack 스레드와 X에 함께 들어와 그 ‘라스트 마일’을 맡는다(06:08). 출연자 한 명은 점심 고르기와 이메일 확인을 돕는 개인 비서 봇은 Slack에 넣지 않는다고 말한다(32:29).

진행자는 일이 Slack에서 일어나니 봇 직원도 거기 있어야 한다고 정리한다(33:06). 출연자 한 명은 팀의 목표가 B2B SaaS를 다시 만드는 일이 아니라고 말한다(33:30). 봇이 회의와 Google Docs 안으로 들어가 기존 도구 속에서 일하는 것이 목표다.

Lauren이 그리는 2027년의 봇은 자기 신원·전화번호·신용카드를 갖고 사람이 하는 거의 모든 일을 한다(34:06). 그녀는 X에서 에이전트 인터페이스의 최종 형태가 채팅인지 다른 무엇인지 물은 적이 있다(34:22). Neuralink 팀이 ‘Telepathy’라는 제품을 알린 게시물도 든다(34:37). 그 제품이 뇌-컴퓨터 인터페이스로 마음을 읽는 쪽이라는 설명에는 “내가 틀리지 않았다면”을 붙인다. 그녀의 관심은 의도를 생각의 속도로 봇에 전하는 미래다(35:01).

봇을 어떻게 나눌지는 쓰는 사람의 머리 구조가 정하고, 잘 만든 봇은 팀이 함께 쓴다

Lauren은 봇을 나누는 방식에 정답이 없다고 말한다(06:49). 일을 칸칸이 나누기 좋아하는 사람은 전문 봇을 둔다. 고객마다 봇을 하나씩 두는 사람도 있다. 직무마다 하나씩 두는 사람도 있다(07:17). Lauren 자신은 봇이 많지 않다. 전문 봇 몇 개를 둔다(07:40).

진행자 한 명은 OpenClaw에서 Wintermute라는 봇 하나만 쓰다 넘어왔다(07:48). 그는 봇마다 맥락과 스킬 묶음이 따로라는 점을 깨달았다고 말한다. 그의 정리로 루프는 스킬 파일 위에 얹은 cron과 webhook이다(08:09). 그는 출연자들에게 들은 말도 옮긴다. 가장 열성적인 사용자 가운데 소상공인이 있다는 것이다(08:21). 사람을 뽑기 어려운 그들은 몇 시간 만에 장부 담당 봇을 들인다.

Roman은 한 가지 문제에 집착하는 사람을 뽑듯 봇도 관심사 하나에 하나씩 둔다(09:00). 수백 가지를 한꺼번에 신경 쓰는 슈퍼스타 한 명보다 그 편이 회사를 꾸리는 감각에 맞는다는 것이다. 그런 봇은 문제를 가장 잘 아는 도메인 전문가가 견습생처럼 관리한다(10:22). Roman은 이 점에서 Grok Bot이 모든 문제에 한 가지로 접근하는 다른 AI 제품과 다르다고 본다(10:31).

출연자는 팀 봇을 ‘약 2주 전’ 내놓았다고 말한다(10:51). 팀 봇은 회사마다 있는 ‘만드는 사람’이 짓는다. 엔지니어링 밖에서는 GTM(시장 진출) 엔지니어나 지원 엔지니어가 몇 시간을 들여 동료의 일을 덜어 주는 자동화를 만든다(11:04). 진행자는 이를 소프트웨어 팩토리의 확장으로 읽는다(11:28). Steve Yegge의 Gas Town 글 뒤로 엔지니어들이 쓰던 팩토리를 다른 직무도 갖게 됐다는 것이다. 누군가 “everything factory”라고 받는다(12:05).

Lauren은 Grok Bot 블로그에 실린 영업팀 사례를 화면에 띄운다(12:29). 영업팀은 잠재 고객과 거래를 조사하는 루프를 만들었다. 사람마다 견적 봇이나 거래 봇을 따로 두지 않는다. 팀원 모두가 기여하는 전문 봇 하나를 함께 쓴다(13:04). 엔지니어 봇도 같은 방식으로 팀이 쌓은 원칙과 스킬을 담는다(13:26).

출연자 한 명은 고객 성공팀의 팀 봇 사례를 든다(37:59). 그 봇은 분당 수백 건 들어오는 고객 요청을 분류해 맞는 사람에게 배정한다. 끝까지 처리할 수 있는 건은 직접 끝낸 뒤 담당자에게 넘긴다(38:25).

작업이 공개되면 방법이 퍼진다. 출연자 한 명은 ‘지난 6개월’ 사이 에이전트와 하는 일의 상당수가 Slack으로 옮겨 왔다고 말한다(30:49). 예전에 Lauren의 코딩 에이전트 작업은 혼자 보는 비공개 작업이었다. 지금은 피드백 스레드에서 누가 Potato를 부르면 다음 날 같은 스레드에 있던 사람이 똑같이 따라 한다(31:25). 그는 공개될수록 상위 1% 파워 유저가 회사 전체를 끌어올린다고 본다(31:41).

권한과 신뢰는 신입 사원을 들이는 순서를 따른다

출연자 한 명은 봇의 권한을 업계 전체가 아직 답을 못 찾은 질문으로 본다(16:21). 그 팀의 기준은 “사람이라면 어떻게 하겠나”다. 사람을 뽑으면 컴퓨터를 준다. 자격 증명의 범위는 역할과 연차에 맞춘다. 신뢰가 쌓이면 그 범위를 넓힌다(16:43).

Grok Bot의 봇에는 소유자·관리자·협업자가 있다(15:55). 진행자는 YC가 오픈소스로 공개한 Quartermaster를 소개한다(17:03). Quartermaster는 Slack 채널마다 함께 일하는 사용자의 권한을 물려받는다. 다른 진행자는 Quartermaster가 봇 여러 개보다 슈퍼 직원 봇 하나를 전제로 한다고 짚는다(17:26).

사용자가 봇에 맡기는 일도 이 순서로 커진다. 출연자 한 명은 사람들이 개인 용도의 작은 일로 시작한다고 말한다(03:49). 그다음 단계는 과제 대신 목표를, 마지막에는 직무 전체를 주는 것이다. 성과 마케팅팀은 봇에게 Google Ads·Facebook Ads의 자기 로그인과 예산을 줬다(04:17). 그 봇은 디자인팀 봇이 만든 광고 소재로 A/B 테스트를 한다. 지원팀 봇은 문제를 재현하고 일부 티켓을 처음부터 끝까지 처리한다(04:35).

회사 단위의 신뢰는 세 단계로 쌓인다(21:20). 1단계 봇은 읽기만 한다. 데이터 과학팀의 Data Bot은 데이터베이스 읽기 권한만 갖고 Slack에서 기능 분석 질문에 답한다(21:41). 구매 조달팀 봇도 이 단계다(22:01). 2단계 봇은 직접 행동해 과제를 끝까지 맡는다(22:16). 3단계 봇은 직무 전체를 맡거나 결과 하나를 늘 붙든다(22:22).

이 단계를 말한 출연자는 3단계가 “아직 꽤 멀다”고 본다(22:29). 1단계 없이는 회사가 신뢰를 쌓지 못한다는 것이 그의 판단이다. 이 판단은 03:49의 관찰과 어긋난다. 그 대목의 사용자는 이미 직무 전체를 맡기는 데까지 간다. 대담은 두 진술의 거리를 따로 정리하지 않는다.

사람 사이의 맥락을 읽는 능력은 아직 비어 있다. 출연자 한 명은 Slack 스레드에 들어간 봇이 누구 말을 들어야 할지, 누가 결정권자인지 모른다고 말한다(14:46). 그는 이를 EQ도 눈치도 없는 직원을 들인 상황에 빗댄다(15:20). 모델 학습도 하네스 설계도 그 능력을 다루지 않았다. 제품·하네스·모델 층에서 가르쳐야 한다는 것이 그의 처방이다(15:30). 진행자는 메타데이터의 소유자 정보를 보면 되지 않느냐고 묻는다(15:43).

진행자 한 명은 에이전트 협업을 다음 단계로 본다(13:41). 그는 OpenAI의 에이전트 스웜 실험을 든다. 그는 그 실험 중 사고로 ‘Hugging Face 해킹’이 있었다고 말한다. 같은 시기에 Navier–Stokes를 비롯한 밀레니엄 문제 풀이도 나왔다는 것이다. Opus 4.5가 나온 지 1년 만에 혼자 쓰는 단계는 익혔다는 것이 그의 정리다(14:08). 이제는 에이전트 스웜을 지휘하는 단계라는 것이다.

봇끼리의 대화는 사람에게 보인다. 출연자 한 명은 Grok Bot에 봇끼리 대화하는 1급 도구가 있다고 말한다(17:43). 데스크톱과 모바일 앱에서 그 대화를 볼 수 있다. 그가 리드 엔지니어 봇에게 피드백을 주자, 리드 봇은 하위 엔지니어 봇들을 꾸짖는 메시지를 보냈다(18:06). 진행자 한 명은 봇 하나에게 말하면 그 봇이 다른 봇들에게 퍼뜨린다는 점을 쓸모로 꼽는다(18:28).

진행자들은 YC 안에도 코딩 에이전트들이 사람 없이 긴 대화를 나누는 내부 포럼 ‘multbook’이 있다고 말한다(18:37). 그중 한 명은 “5%쯤은 섬뜩하다”고 말한다(19:01). 봇들이 반란을 꾸밀까 걱정된다는 것이다. 출연자 한 명은 안전을 모델팀과 하네스팀이 늘 다루는 문제로 둔다(19:13). 그는 그런 조짐을 본 적이 없다고 말한다.

Lauren의 봇들은 각자 Slack 신원으로 대화한다(19:30). 그녀는 엔지니어 봇 Potato에게 Data Bot과 이야기해 실제 사용자 문제인지, 몇 명이 영향을 받는지 알아 오라고 시킨다(19:54). 그 대화는 Slack에 다 보인다. Lauren은 1급 통로가 있으면 에이전트가 뒷거래 채널을 찾지 않는다고 본다(20:13).

진행자 한 명은 위험을 다른 곳에서 찾는다(20:22). 거부 응답을 제거한 모델(자막 표기 ‘obliterated’)은 기본 상태로는 여전히 도움을 준다. 악의적인 지시를 받으면 거절하지 않고 따른다. 그는 그런 모델과 악의적 맥락의 조합을 걱정한다. 그런 모델을 구해 설정하기는 어렵다는 말도 덧붙인다(21:10).

에이전트가 PR을 스스로 머지하는 단계는 스킬·자기 검증 루프·코드베이스 가드레일을 쌓은 뒤에 온다

Lauren은 기능 하나를 Slack 스레드 하나에서 끝내고, PR 대신 산출물을 본다

진행자는 Lauren의 개발 과정 발표가 조회 400만 회를 넘었다고 말한다(22:42). 그는 그때 월 2,000건 남짓이던 PR이 지금 4,000건을 넘느냐고 묻는다(22:47). Lauren은 “Yeah”로 받는다.

Lauren의 답은 한 기능의 Slack 스레드다(23:18). 그녀는 동료 Samantha, 자기 봇 Potato와 함께 이 기능을 만들었다. 시작은 X에서 본 영상 링크였다. Lauren은 Potato에게 이런 기능을 지원하려면 무엇이 필요한지 물었다(23:29). Potato는 Cursor 클라우드 에이전트를 띄웠다. 그 에이전트는 자기 가상 머신에서 Grok Bot 앱을 돌려 시제품을 만든 뒤 영상과 스크린숏을 가져왔다(23:43).

Lauren은 이 방식이 피드백 루프를 줄인다고 말한다(24:00). 공개 채널의 스레드라서 관심 있는 사람 누구나 끼어 피드백을 준다. 혼자 만들면 피드백이 뒤늦게 와서 루프가 길어진다. 그녀는 이 기능을 만드는 동안 Cursor를 열지 않았다(25:09). 스레드에는 메시지 200개가 쌓였다. Lauren과 Samantha, PM 한 명이 결과에 만족했다(25:23).

진행자는 이것을 기능 개발의 표준으로 부른다(25:39). 그는 이렇게 일하는 엔지니어를 5~10%, 어쩌면 전 세계 1%로 어림한다. 그의 판단으로 이 방식은 100배로 늘어야 한다.

Lauren은 여기까지 오는 데 꽤 오래 걸렸다고 말한다(26:00). 하룻밤에 되는 일이 아니라고도 말한다. 필요한 투자는 맞는 스킬과 코드베이스의 가드레일·제약이다. 사람이 코드 리뷰에 쓸 시간을 코드베이스와 정적 분석, 도구에 미리 담아 두는 것이다(26:15). 엔지니어는 그렇게 아낀 시간을 제품, 사용자 경험, 운영 실행에 쓴다(26:26).

에이전트 코드를 믿게 된 지금 Lauren은 에이전트가 자기 PR을 스스로 머지하게 한다(26:42). 앞의 Slack 스레드 기능에서도 그녀는 PR을 읽지 않고 산출물만 봤다(26:47).

스킬 묶음은 각자 들고 다니는 칼 세트이고, 묶음끼리 서로 베끼며 자란다

Lauren의 스킬 묶음은 pstack이다. pstack은 사내 저장소에 깔려 있다(27:05). 사내판 이름은 ‘Lauren mode’다. 스킬을 둘 곳이 필요해서 시작했다. 지금은 회사 누구나 pstack을 쓴다. 봇이 띄운 클라우드 에이전트도 같은 스킬에 접근한다(27:21).

Lauren은 pstack(potato stack)을 Cursor 플러그인 저장소에 공개했다(28:35). 이 스킬들은 Lauren이 직접 코드를 쓸 때처럼 엄격하게 엔지니어링하는 법을 에이전트에게 가르친다(28:40).

pstack은 gstack에서 영감을 받았다(27:34). Lauren은 gstack을 셰프가 새 주방에 들고 가는 자기 칼 세트에 빗댄다(27:43). 그녀는 남의 스킬을 포크하고 섞어 자기 스택을 만들라고 권한다(28:14). 자기 도구를 믿을 때 사람과 에이전트가 훨씬 많은 일을 한다는 것이 이유다(28:23). gstack을 만든 진행자는 gstack도 pstack에서 틈나는 대로 가져온다고 답한다(28:53).

이 진행자의 개인 소프트웨어 팩토리는 Cappy다(29:05). Cappy의 ‘captain’은 gstack 머지 대기열을 관리한다. 스레드 10~15개가 늘 돌아간다(29:28). 한 스레드는 theo.gg의 T-stack이나 pstack 같은 바깥 도구를 뒤져 그의 작업 흐름에 쓸 만한 것을 끌어온다(29:32). Cappy는 대화 기록을 보고 그가 언제 개입하고 언제 “그냥 해”라고 하는지 배운다(29:57).

이 진행자는 이렇게 일하는 자신과 Lauren이 인터넷에서 공격받는다고 말한다(30:24). 공격하는 쪽은 이 방식이 통한다는 것을 믿지 않는 사람들이다. 그의 예상으로는 2년에서 10년 뒤면 이렇게 일하지 않는 것이 상상하기 어려워진다(30:36).

가장 작은 루프는 에이전트가 자기 코드를 직접 돌려 보게 하는 것이고, 이 루프가 보장하는 것은 정확성까지다

진행자가 시작용 최소 루프를 묻자 Lauren은 화면에 루프를 그린다(40:12). 에이전트는 이미 코드를 쓴다. Lauren은 ‘좋은’ 코드라는 말을 일부러 지운다(40:26). 에이전트 설정에 공을 들이지 않은 팀에서는 코드를 돌리는 일이 아직 사람 몫이다(40:36). Lauren은 그 고리를 빠진 조각으로 부른다(40:46).

그녀의 처방은 에이전트에게 코드를 경험적으로 돌리는 법을 가르치는 것이다(40:57). 수단은 CPU 트레이스, 성능 지표, 실제 사용자처럼 앱을 돌려 보는 실행이다. 이 수단이 있어야 에이전트가 자기 일을 검사한다(41:10). 에이전트는 자기 코드의 문제를 찾아 더 정확한 코드를 쓴다. 원하는 결과가 나올 때까지 이 과정을 반복한다.

‘좋은’을 지운 이유는 이 루프가 정확성만 보장하기 때문이다(41:25). 원한 일을 하는 코드는 나온다. 그 코드가 아주 느리거나 자원을 낭비할 수는 있다. Lauren은 에이전트가 기본으로 좋은 코드를 쓰게 만드는 일을 소프트웨어 엔지니어의 새 직무로 본다(41:43).

기본 루프가 만족스러워지면 바깥 루프로 넘어간다(42:01). 그녀가 드는 예는 지표 알림이다. 어떤 지표가 임계치 아래로 떨어져 알림이 울리면 Grok Bot이나 Cursor automation이 깨어난다(42:14). 그 에이전트는 기본 루프와 같은 도구·스킬로 자기 머신에서 문제를 재현하고 고친다. Lauren은 이것을 스스로 도는 루프라고 부른다(42:44).

Lauren의 시간은 모든 에이전트를 돌보던 데서 여러 에이전트를 지휘하는 쪽으로 옮겨 갔다(42:47). 새 기능 ‘projects’에서는 프로젝트 조율 에이전트가 하위 에이전트를 관리한다(43:01). Lauren은 이제 프로젝트 관리도 봇에게 맡긴다.

리뷰에 쓰던 토큰은 판단을 코드베이스와 정적 분석으로 옮길수록 준다

gstack을 만든 진행자는 리뷰 비용을 고민한다(43:13). 그의 /ship 스킬은 변경된 줄을 하나하나 훑어 버그를 찾는다. 버그는 실제로 찾지만 한 번에 수천만 토큰을 쓴다(43:41). 그는 아직 plan mode를 쓴다. Lauren은 쓰지 않는다고 답한다(43:56).

이 진행자는 Cappy의 captain과 논쟁 중이다(44:06). 그는 리뷰 한 번에 드는 5,000만 토큰을 1,000만으로 줄이고 싶다. captain은 버그 30종을 찾는 보류 평가(held-out evals)를 근거로 1,000만으로는 안 된다고 버틴다(44:16). captain의 말로는 5,000만에서 3,000만까지 줄인 것이 한계다(44:25).

Lauren은 pstack에서 리뷰 스킬의 비중을 줄였다(44:36). pstack의 interrogate 스킬은 서로 다른 모델 계열의 에이전트를 띄운다(44:45). 몇 달 전에는 적대적 리뷰가 유행했다. Lauren이 거기서 한발 물러선 이유는 과적합이다(44:57). 리뷰 에이전트는 좋은 피드백과 나쁜 피드백을 가를 판단력이 부족하다. 목표와 의도, 제품이 갈 방향도 모른다(45:15).

Lauren은 이 상황을 사람 엔지니어들의 토론에 빗댄다(45:30). 두 달 뒤 폐기할 기능을 두고 완벽한 이상형을 다투는 토론이다. 그녀의 대안은 역피라미드다(45:50). 그녀는 코드베이스를 기억의 한 형태로 본다(46:04). 아키텍처와 API 설계를 다듬고 정적 분석·lint 규칙·컴파일러에 판단을 담는 편이 토큰 효율이 높다(46:10).

이 장치들은 원래 사람이 좋은 코드를 쓰도록 돕던 것이다. 같은 장치가 에이전트도 돕는다(46:32). captain과 다투는 내용을 코드베이스에 되돌려 넣으면 고민거리가 하나 준다는 것이 Lauren의 답이다(46:34). 진행자는 여기서 기능 아이디어를 얻는다(46:48). gstack의 office hours와 CEO review는 제품 요구를 markdown으로 프로젝트에 남긴다. 리뷰 스킬이 그 문서를 읽으면 0.1% 확률로나 일어날 정확성 버그를 걸러 낼 수 있다(47:15).

Lauren은 역피라미드를 엔지니어가 시간을 쓸 곳의 그림으로 설명한다(47:41). 엄밀한 도표는 아니라는 단서도 단다. 투자 대부분은 코드베이스와 정적 분석에 간다. 그다음 층은 규칙·스킬(pstack 업데이트, agents.md)이다(47:51). 사람의 리뷰는 가끔만 한다(47:57).

민감한 코드는 예외다. 인프라·데이터베이스·배포를 다룰 때라면 사람이 루프에 남을 수 있다(48:00). 일반 제품 개발과 유지보수에서는 이 투자가 토큰을 많이 아낀다(48:14).

사례는 Grok Bot 데스크톱 앱이다(48:24). 이 앱은 Electron으로 만들었다. Lauren이 ‘Cursor를 만들 때 배운 교훈’으로 드는 것은 Electron 렌더러 스레드가 긴 작업에 민감하다는 점이다(48:31). 60 FPS를 노리면 작업이 16ms나 8ms만 넘어도 화면이 버벅인다(48:41).

팀은 이 문제를 코드 리뷰에서 잡지 않기로 했다(48:53). 그 자리에 의존성 그래프 검사기를 lint 규칙으로 만들어 CI로 강제했다(49:00). 이 규칙은 메인 스레드 코드와 렌더러 스레드 코드 사이의 import를 금지한다(49:24). Lauren은 그 문제에 더는 토큰을 쓰지 않는다고 말한다(49:08).

앱 성능은 일정하게 좋게 유지됐다(49:49). Lauren은 이것을 대부분을 AI가 쓴 앱과 대비한다. 그런 앱은 처음엔 빠르다가 시간이 갈수록 슬롭과 성능 문제를 쌓는다(50:02).

진행자는 빠름·쌈·고품질 가운데 둘만 고르던 시절이 끝났다고 말한다(50:18). Lauren은 동의하면서도 거기까지 가기는 쉽지 않다고 말한다(50:40). 자신은 토큰 제한 없이 6개월~1년 뒤의 소프트웨어 엔지니어링을 미리 탐색하는 처지라는 단서도 단다(50:50).

Lauren은 토큰 비용을 많은 팀의 고민으로 본다(51:13). 역피라미드를 따르면 평범한 고품질 엔지니어링에 큰돈이 들지 않는다는 것이 그녀의 결론이다(51:26). 지능의 단가도 내려간다(51:47). 그녀의 비교로 지금 프런티어 모델의 토큰 하나는 1년 전 토큰보다 훨씬 많은 일을 한다. 지금의 작은 모델도 1년 전의 큰 모델보다 낫다(52:05).

실행이 넘치면 병목은 무엇을 왜 만들지 정하는 일로 옮겨 간다

코드 밖의 업무에는 컴파일러·CI 같은 판정 장치도, 코드베이스 같은 맥락 저장소도 없다

Roman은 소프트웨어 팩토리와 회사 나머지 부분의 팩토리가 다르다고 말한다(35:19). 첫째 차이는 판정 장치다. 코드는 컴파일되거나 안 된다. CI를 통과하거나 못 한다(35:39). 지식 노동에는 그만큼 쌓인 기반이 없다.

둘째 차이는 맥락의 자리다. 소프트웨어의 맥락은 코드베이스에 있다(35:57). 회사의 중요한 정보는 사람 머리, 종이, 서류함, 잊어버린 비밀번호 뒤에 있다(36:06).

Lauren의 역피라미드가 기대는 컴파일러·정적 분석·CI가 바로 첫째 차이의 판정 장치다. Roman은 앞으로 몇 년 동안 제품과 모델 쪽이 이 간극을 메우는 데 힘을 쏟을 것으로 본다(35:30). 그는 처음부터 회사를 세우는 YC 스타트업이 회사 전체를 팩토리로 짤 수 있을지 묻는다(36:21). 2년 전에 세운 회사와 어떤 다른 결정을 내릴지가 그의 질문이다.

회사가 다듬을 대상은 실행보다 목표 함수다

진행자들은 AI 네이티브 회사를 이야기한다(36:47). 한 진행자는 Jack Dorsey의 글을 인용한다. Block이 결제를 위한 AGI가 돼야 한다는 내용이다(36:59). 다른 진행자의 요약으로 Dorsey는 중간 관리자 대부분을 없애고 역할을 셋으로 줄인다(37:12).

출연자 한 명은 회사들이 목표 함수를 설계하는 데 시간을 더 쓰게 된다고 본다(38:35). 코딩 에이전트나 Grok Bot 100개를 한꺼번에 띄울 수 있으면 문제를 얼마나 잘 정의했는지가 결과를 가른다. 그가 예상하는 실패는 실행 실패보다 의도 명세나 목표의 실패다(39:00). 데스크톱 클라이언트의 성능 개선은 재기 쉽다. 마케팅 개선은 정의하기 어렵다(39:09).

회사가 정할 것은 KPI, 에이전트를 돌릴 방향, 그것을 정할 책임자다(39:21). 그는 세계가 실행 대역폭이 모자란 상태에서 실행이 넘치는 상태로 옮겨 간다고 말한다(39:31). 진행자 한 명은 희소 자원이 무엇을 왜 할지 정하는 상위 판단이 된다고 말한다(39:40). 최고의 AI 빌더와 그저 그런 빌더를 가르는 것은 사용자 의도를 봇이 할 일로 옮기는 솜씨라는 것이다(39:58).

Grok Bot 팀의 병목은 이미 로드맵 합의와 출시 판단이다

Roman은 병목이 옮겨 갔다고 말한다(52:20). 그가 드는 예는 Lauren의 PR 물량이다. 아이디어와 기능 개발에 드는 시간·인력은 덜 막힌다. 막히는 곳은 팀의 합의다. 로드맵, 비전, 좋음과 훌륭함의 기준이 그 대상이다(52:45). 회의에서 누가 무언가를 제안하면 다른 사람이 “주말에 만든 PR이 있다”고 말하는 일이 늘 일어난다(52:58).

팀은 그 PR을 다 머지하지 않는다(53:07). 다 합치면 곁가지 프로젝트가 덕지덕지 붙은 프랑켄슈타인 제품이 된다. Roman은 일관된 제품 비전과 철학이 필요하다고 말한다(53:14). 모두가 하루나 한 주에 작은 결정을 수천 개씩 내리는 지금, 팀은 그 질문에 시간을 더 쓴다(53:20).

진행자는 취향을 ‘아니오’라고 말하는 능력으로 본다. 그는 Grok Bot 팀이 실제로 어떻게 판단하는지 묻는다(53:30). Roman은 일을 두 범주로 나눈다. 한 범주는 사람이 손대지 않는다. Lauren의 팩토리 안에서 Sandy는 제품, 지원 채널, X로 들어오는 고객 피드백을 하루 수천 건 받는다(53:52). 작은 버그라면 팩토리가 재현·수정·머지까지 끝낸다(54:01).

출연자 한 명은 Grok Bot의 상당 부분이 이렇게 스스로 고쳐져야 한다고 말한다(54:22). 그 앞에서 진행자는 Apple 캘린더팀도 이렇게 해 주면 좋겠다고 농담한다(54:13).

다른 범주는 이렇게 흘려보내면 안 된다(54:29). 출연자 한 명은 사용자가 매일 보는 화면을 예로 든다. 자고 일어났더니 버튼이 옮겨져 있고 다음 날 또 옮겨져 있으면 사용자는 짜증이 난다(54:33). 팀은 이런 변경을 사내에서 오래 써 본다. 불편할 만큼 오래 묵힌 뒤에야 내보낸다(54:45). 사내에서 제품-시장 적합(product market fit)을 얻지 못하거나 반응이 엇갈리기만 해도 내보내지 않는다(54:54).

Lauren은 빠른 속도 속에서도 사용자 경험에 의도와 정성을 둔다고 말한다(55:05). 빨리 갈 수 있다고 떠오르는 기능을 다 내보내지는 않는다. 그녀는 사람의 판단과 취향이 유행에서 밀려나지 않는다고 본다(55:21). 사람을 위한 소프트웨어는 의도를 담아 설계해야 한다. 에이전트를 위한 소프트웨어라면 최대한 빨리 가도 된다(55:41).

Lauren은 자기 팩토리도 기능 개발에 돌리지 않는다(55:53). 팩토리가 맡는 일은 성능, 사용자가 겪는 버그, 생활 품질 불만 같은 소프트웨어 유지보수다. 예전에는 누군가의 전업이던 일이다(56:13). 그 일을 에이전트에 넘긴 덕에 Lauren과 다른 엔지니어는 제품 경험을 더 깊이 생각한다(56:22).

Lauren은 재무 전공에서 독학 개발자가 됐고, 기회를 연 통로로 X를 꼽는다

진행자는 Lauren이 싱가포르에서 자랐고 호주 Monash 대학교에서 회계·재무 학사를 받았다고 소개한다(56:29). 진행자는 그녀가 React 컴파일러 작업에도 참여했다고 덧붙인다(56:52).

Lauren은 독학 개발자에게 너그럽던 시절이라 운이 좋았다고 말한다(57:01). 재무 모델링 과목에서 Excel과 VBA로 가치 평가 모델을 만들다가, 재무보다 스프레드시트와 매크로 만들기가 더 재미있다는 걸 알았다(57:16). 졸업 뒤에는 동기와 창업했다. 회사는 멀리 가지 못했지만 그녀는 호주 스타트업 커뮤니티에 들어가 첫 직장을 얻었다(57:46).

Lauren이 꼽는 비결은 X다(58:01). 그녀는 코딩을 배우던 때부터 블로그에 배운 것을 공유했다. JavaScript 프레임워크 Ember 커뮤니티의 Tom Dale과 Leah Silber가 그녀에게 오리건주 포틀랜드의 콘퍼런스 발표를 제안했다(58:24). 그녀는 콘퍼런스에 가 본 적도 없었다. 대중 연설은 가장 큰 두려움이었다(58:33).

그 경험에서 얻은 이야기하는 능력이 엔지니어로 일하는 내내 남았다고 Lauren은 말한다(58:57). 그녀의 마지막 조언은 멋진 것을 만들고 그것을 이야기하는 루프를 반복하라는 것이다(59:13). 대담은 트윗 하나로 인생이 바뀔 수 있다는 말로 끝난다(59:36).

Codez가 가리킨 ‘플레이북’은 대담보다 석 달 앞선 2026-08-18의 Codez 본인 Grok Bot 안내 글이다

Codez 소개문이 인용한 글은 Codez가 2026-08-18 X 아티클로 낸 「Grok Bot Agents: how to automate your life in 10 Steps (Full-tutorial)」다. 글에는 Lauren Tan도 이 대담도 나오지 않는다. 열 단계의 제목은 다음과 같다.

  1. Install it, then meet the Chief — 설치한 뒤 총괄 봇 ‘Chief’를 만난다.
  2. Give it a job title, not a prompt — 프롬프트 대신 직함을 준다.
  3. Connect the tools once — 도구는 한 번만 연결한다.
  4. Hand off the login, don’t paste the password — 비밀번호를 붙여 넣지 말고 로그인을 넘겨받는다.
  5. Show it once, don’t explain it twice — 두 번 설명하지 말고 한 번 보여 준다.
  6. Turn it into a routine that runs without you — 사람 없이 도는 루틴으로 만든다.
  7. Hire specialists, not one generalist — 만능 봇 하나 대신 전문 봇들을 고용한다.
  8. Put them in a group chat — 봇들을 그룹 채팅에 넣는다.
  9. Draw the approval line — 승인이 필요한 선을 긋는다.
  10. Review weekly, prune ruthlessly — 매주 점검하고 과감히 쳐 낸다.

종합 신뢰도 B

정합성 한줄평 Hux가 꼽은 다섯 요점은 에피소드 발언과 대체로 맞는다. 포장과 수치는 부풀었다. “Lauren Tan의 1시간 마스터클래스”의 실체는 Lauren Tan·Roman Ugarte가 출연한 YC Lightcone 팟캐스트 대담이다. 월 4,000건 PR은 진행자 질문과 동료의 말이다. Lauren 본인이 같은 날 공개된 발표에서 밝힌 수치는 한 달 3,000건이다.

판정 24건: ✅사실 12 · 🟡부분사실 12 · ⚠️불확실 0 · ❌거짓 0

Hux의 평가 문장 세 개 — “이제껏 본 것 가운데 가장 명료한 강의”(最清晰), “대부분이 몇 달 걸려 맞추는 전체 그림”(大多数人花好几个月才拼出的全景图), “이번 달 가장 값진 수업”(这个月最值的一堂课) — 은 의견이라 판정하지 않는다.

신뢰도 등급
A — 주장 거의 전부가 1차 출처와 맞는다. B — 핵심 내용은 맞고 포장·귀속·수치에 과장이 있다. C — 맞는 주장과 틀린 주장이 섞여 있다. D — 핵심 주장 다수가 출처와 어긋난다. F — 출처가 주장을 뒤집거나 출처가 없다.
판정 표시
✅사실 — 출처가 주장을 그대로 받친다. 🟡부분사실 — 핵심은 맞지만 단서·예외가 빠졌거나 과장됐거나 당사자 진술로만 확인된다. ⚠️불확실 — 주장을 확인할 출처를 찾지 못했다. ❌거짓 — 출처가 주장을 뒤집는다.
위치·날짜
MM:SS는 YouTube 원본(60분 06초) 안의 위치다. 자막에 화자 이름이 없어 문맥으로 정한 화자에는 “문맥상”을 붙인다. X 게시물·영상의 날짜와 시각은 한국 시간(KST)이다. “원문 X → 확인 Y” 줄은 원문 표현과 출처가 확인한 내용을 나란히 적는다.
✅

Hux는 Lauren Tan을 “SpaceX AI 엔지니어”(SpaceX AI工程师)라고 쓴다. Codez는 “SpaceXAI engineer”라고 쓴다.

Lauren Tan의 X 프로필 소개는 “grok @bot at @SpaceXSI”다(2026-11-19 기준). SpaceXSI(SpaceX Super Intelligence)는 SpaceX가 2026-02에 인수한 xAI의 현재 이름이다. 회사는 2026-07에 SpaceXAI로, 2026-10에 SpaceXSI로 이름을 바꿨다. GitHub 프로필은 소속을 @xai-org로 적는다.

원문 SpaceXAI → 확인 SpaceXSI(공식 X 계정 개명 2026-10-10). Codez가 글을 올린 2026-11-16에는 옛 이름이다.

Lauren Tan X 프로필 · 위키백과 SpaceXAI · GitHub poteto

🟡

Hux와 Codez는 이 영상을 Lauren Tan의 “1시간 무료 마스터클래스”(1小时免费masterclass)라고 쓴다.

영상은 Y Combinator 팟캐스트 Lightcone의 에피소드 「The Rise Of AI Coworkers」를 다시 올린 것이다. YouTube 원본은 2026-11-15 08:21 KST에 공개됐다. 길이는 60분 06초다. Codez가 올린 X 영상은 54분 56초다. 무료라는 점과 1시간 안팎이라는 길이는 맞다. YC 설명란은 Lauren Tan과 Roman Ugarte가 함께 출연한 대담으로 소개한다. Grok Bot 제품 소개(1:09)와 사내 사용 사례(3:44)는 Roman Ugarte가 말한다(문맥상).

원문 Lauren Tan의 마스터클래스 → 확인 YC 진행자들과 Lauren Tan·Roman Ugarte의 팟캐스트 대담.

YC 원본 영상 · Codez 영상 게시물

🟡

Hux는 이 수업이 GrokBot 에이전트 팀과 자율 루프를 0에서 100까지(从0到100) 만드는 법을 처음부터 끝까지 풀어 준다고 쓴다.

에피소드는 단계별 구축 안내가 없는 대담이다. 사내 사용 사례, 봇의 신원과 권한, 봇 사이 협업, AI 시대 회사 조직을 오간다. 따라 할 수 있는 절차에 가장 가까운 대목은 40:23의 “가장 작은 루프” 설명 하나다. “0%→100%”는 Codez가 장 제목 앞에 붙인 진행률 라벨이다.

YC 원본 영상 40:23

🟡

Hux는 “월 4,000건 PR의 워크플로”(每月4000个PR的工作流)를 말한다. Codez는 “Lauren은 월 4,000건 PR을 내는 공장을 돌린다”고 쓴다.

Lauren은 4,000이라는 수를 직접 말하지 않는다. 22:47에 진행자가 지금은 월 4,000건이 넘느냐고 묻는다. Lauren은 “Yeah, it's”까지 말하고 말이 끊긴다. 52:25에 Grok Bot 팀원(문맥상 Roman Ugarte)이 “Lauren is putting up 4,000 PRs a month”라고 말한다. 두 발언 모두 외부 감사가 없는 당사자 쪽 진술이다. Lauren 본인이 AI Engineer 발표 「All Code Is Slop (Except Mine)」(영상 공개 2026-11-15)에서 밝힌 수치는 발표 직전 한 달 프로덕션 PR 3,000건이다. 같은 발표에 따르면 팀 전체는 한 달에 11,000건을 냈다. 되돌림(revert) 비율은 약 0.5%다.

원문 Lauren의 월 4,000건 → 확인 진행자 질문과 동료 발언의 4,000건, 본인 발표의 3,000건(발표 직전 한 달).

YC 원본 영상 22:47·52:25 · AI Engineer 발표 페이지 · AI Engineer 발표 영상

✅

Codez는 Lauren의 공장이 “새벽 3시에 버그를 고친다”(fixes bugs at 3 AM)고 쓴다.

53:46~54:12에 Roman Ugarte(문맥상)가 Lauren이 만든 고객 피드백 처리 봇 Sandy를 소개한다. 작은 버그는 “Lauren's factory just fixes it, like repros, fixes, merges”라고 말한다. 이어 한 출연자가 수정이 새벽 3시에 자동으로 나간다고 덧붙인다. Lauren은 55:55에 자기 공장을 기능 개발 대신 성능 개선과 버그 수정에 돌린다고 말한다. AI Engineer 발표 페이지도 발표 직전 한 달 PR 다수가 Lauren이 자는 동안 나갔다고 쓴다.

YC 원본 영상 53:46 · AI Engineer 발표 페이지

🟡

Hux는 이 수업이 개인 소프트웨어 공장(个人软件工厂), 최소 자기검증 루프(最小自检循环), 토큰을 아끼는 코드베이스 가드레일(能省token的代码库护栏)을 다룬다고 쓴다.

세 주제 모두 YC 장 제목에 있다(29:01, 40:13, 47:33). 루프와 가드레일은 Lauren이 직접 설명한다. 29:01 「Building a Personal Software Factory」의 공장은 Lauren의 것이 아니다. gstack을 만든 진행자가 자기 공장 “Cappy”와 늘 돌리는 스레드 10~15개를 설명한다. Lauren의 공장 이야기는 54:03과 55:55에 짧게 나온다.

원문 Lauren의 개인 소프트웨어 공장(29:01) → 확인 진행자의 공장 “Cappy”.

YC 원본 영상 29:01

✅

Hux는 핵심 1로 “에이전트를 챗봇에 두지 말고 자기 계정·예산·과제가 있는 실제 직무를 준다”를 든다.

3:44~4:35에 Roman Ugarte(문맥상)가 사내 퍼포먼스 마케팅 팀 사례를 든다. 팀은 봇에 Google Ads·Facebook Ads 로그인과 예산을 준다. 봇은 디자인 팀 봇과 함께 광고 소재를 A/B 테스트한다. 맡기는 범위를 과제에서 목표로, 목표에서 직무로 넓히는 흐름도 같은 대목에 있다. YC 설명란의 “마케팅 팀이 봇에 광고 예산을 줬다”가 이 장면이다. 사내 사례라 외부 확인은 없다. 말한 사람도 Lauren이 아닌 Roman이다.

YC 원본 영상 3:44 · Grok Bot 공개 베타 발표

🟡

Hux는 핵심 2로 “단일 에이전트에서 루프와 공장으로 넘어가야 월 수천 건 PR로 늘릴 수 있다”를 든다.

Lauren은 42:44에 루프가 돌면 에이전트를 하나씩 돌보던 시간이 여러 에이전트를 지휘하는 시간으로 바뀐다고 말한다. Lauren이 앞세우는 조건은 공장보다 신뢰다. 26:00에는 그 지점까지 오래 걸렸다고 말한다. 먼저 스킬과 코드베이스 가드레일에 투자해야 했다는 것이다. AI Engineer 발표는 수정·확인 루프가 불량을 내는 상태에서 사본을 늘리면 수리 토큰만 늘어난다고 경고한다. Lauren의 순서에서 규모 확대는 루프 품질 다음이다.

YC 원본 영상 42:44 · AI Engineer 발표 페이지

✅

Hux는 핵심 3으로 “가장 작고 가장 중요한 루프 = 에이전트가 직접 코드를 돌리고 결과를 확인해 자기 작업을 검증하게 하는 것”을 든다.

40:23~41:22에 Lauren이 화면에 그리며 설명한다. 에이전트가 앱을 실제 사용자처럼 실행한다. CPU 트레이스와 성능 지표를 직접 본다. 그러면 자기 작업을 확인할 수 있어 루프가 생긴다. Lauren은 41:25에 단서를 단다. 이 루프는 요청대로 동작하는 코드(correct)를 보장하지만 좋은 코드(good)를 보장하지는 않는다.

YC 원본 영상 40:23

✅

Hux는 핵심 4로 “코드베이스 가드레일이 프롬프트보다 중요하다. 제약을 아키텍처와 CI에 넣으면 토큰을 아끼고 더 믿을 만하다”를 든다.

46:03에 Lauren은 코드베이스를 “메모리의 한 형태”라고 부른다. 규칙을 아키텍처·API 설계·정적 분석·린트 규칙에 넣는 편이 토큰 효율이 높다고 말한다. 예로 Grok Bot 데스크톱 앱(Electron)에서 메인 스레드 코드와 렌더러 스레드 코드 사이 import를 의존성 그래프 검사기로 막았다(48:24~49:10). 그 규칙은 CI가 강제한다. Lauren의 역삼각형 그림에서 투자 대부분은 코드베이스와 정적 분석에 간다. 규칙·스킬과 사람 리뷰는 그 아래 작은 층이다.

YC 원본 영상 46:03 · AI Engineer 발표 페이지

🟡

Hux는 핵심 5로 “일정 단계가 되면 에이전트가 PR을 스스로 병합하고, 사람은 diff 대신 결과물만 본다”를 든다.

Lauren은 26:42에 에이전트가 자기 PR을 병합하게 한다고 말한다. Slack 스레드로 기능 하나를 만든 사례에서는 PR을 읽지 않고 스크린샷과 영상만 봤다고 한다. 47:57에는 예외를 둔다. 사람 리뷰를 가끔은 한다. 인프라·데이터베이스·배포처럼 민감한 부분은 사람이 루프에 남는 편이 낫다고 말한다. Hux 문장에는 이 예외가 없다.

YC 원본 영상 26:42·47:57

✅

Codez는 Lauren의 말로 “I've gotten to a point where i essentially have my agents merge their own pull requests”를 인용한다.

26:42의 Lauren 발언과 낱말이 같다. 바로 앞 문장이 조건을 단다. 스킬·가드레일·정적 분석을 갖춰 에이전트가 좋은 코드를 쓴다는 신뢰가 생긴 뒤의 이야기다.

YC 원본 영상 26:42

🟡

Codez는 다섯 장(3:36·22:35·29:01·40:13·47:33)에 10%·30%·55%·80%·100% 진행률을 붙인다.

시각과 제목은 YC 설명란의 장 16개 가운데 다섯 개와 같다. 진행률 라벨은 원본에 없다. 다섯 시각을 60분 06초 기준 재생 위치로 바꾸면 6%·38%·48%·67%·79%다. 빠진 장 11개에는 「Identity and Permissions for AI Coworkers」(14:46)와 「How Much Code Review Is Enough?」(43:56)가 있다.

원문 10%→100% 진행 → 확인 재생 위치 6%→79%, 라벨은 Codez가 붙였다.

YC 원본 영상 설명란 · Codez 영상 게시물

🟡

YC 설명란과 진행자는 Grok Bot이 첫 코드부터 출시까지 7주 걸렸다고 소개한다.

출연자 쪽 진술 말고 다른 근거는 없다. 진행자 소개(0:38)는 “첫 코드부터 출시까지 7주”다. Roman Ugarte(문맥상, 1:27)는 “사내 프로토타입을 약 7주 만에 만들었다”고 말한다. 두 문장이 재는 구간이 다르다. Roman에 따르면 팀은 프로토타입을 사내에 먼저 풀었다(2:48). 시장 출시는 그 뒤다(3:17). 공개 베타 발표일은 2026-08-11이다. 발표문도 Grok Bot이 사내 프로토타입에서 출발했다고 쓴다.

YC 원본 영상 0:38·1:27 · Grok Bot 공개 베타 발표

✅

진행자는 Grok Bot이 이제 X의 기본 DM에 들어가 있다고 말한다(0:59).

공식 FAQ는 X의 DM 기능인 X Chat에서 봇과 대화할 수 있다고 쓴다(2026-11-19 기준). X에서 @bot을 태그해 게시물을 봇에 넘기는 기능도 있다. Tesla North는 2026-10-20에 Grok Bot이 X Chat DM을 읽고 답한다고 보도했다.

Grok Bot FAQ · Tesla North 2026-10-20

🟡

에피소드 첫 장면(0:03)은 봇이 자기 신원·전화번호·신용카드를 갖는다고 말한다.

같은 말이 33:55~34:15에 다시 나온다. 거기서 Lauren은 이것을 2027년에 대한 바람으로 말한다. 첫 장면은 그 앞부분을 잘라 현재 기능처럼 들린다. 공식 제품 페이지와 FAQ가 적는 기능은 봇의 클라우드 컴퓨터와 로그인이다(2026-11-19 기준). 두 문서에 전화번호·신용카드 기능은 없다.

원문 봇이 전화번호·신용카드를 가진다 → 확인 2027년 목표(34:06), 현재 기능은 신원·로그인.

YC 원본 영상 33:55 · Grok Bot 제품 페이지 · Grok Bot FAQ

🟡

진행자는 Lauren이 싱가포르에서 자랐고 호주 Monash에서 회계·재무 학사를 받았다고 말한다(56:33).

AI Engineer 연사 소개는 싱가포르 성장과 재무 전공을 적는다. Lauren도 57:13에 대학에서 재무를 공부했다고 말한다. Monash라는 학교명은 Cosign 프로필에만 있다. 그 프로필은 본인이 확인하지 않은 공개 정보 모음이라고 스스로 밝힌다. 회계 전공은 확인하지 못했다.

AI Engineer 연사 소개 · Cosign 프로필

✅

진행자는 Lauren이 React Compiler 작업을 했다고 말한다(56:54).

React 공식 블로그의 「React Compiler v1.0」 발표(2025-10-07) 저자가 Lauren Tan, Joe Savona, Mofei Zhang이다. GitHub 프로필도 “react compiler core team”이라고 적는다.

React Compiler v1.0 발표 · GitHub poteto

✅

Lauren은 48:31에 “Cursor를 만들며 얻은 교훈”을 말한다. Cursor에서 일했다는 뜻이다.

Lauren은 2026-03-25 X 게시물에서 이번 주 Cursor에 합류했다고 밝혔다. SpaceX는 2026-08-14에 Cursor 인수를 마쳤다. 현재 X 프로필 소개에는 “prev cursor”가 있다.

Cursor 합류 게시물 · 위키백과 SpaceXAI

✅

진행자는 22:40에 Lauren의 개발 과정 발표가 조회 400만을 넘었고 그때 월 2,000건 이상을 냈다고 말한다.

그 발표는 2026-09-22 X 게시물 “here's how i shipped 2,500 PRs last month to production”이다. 조회는 473만 6,447회다(2026-11-19 기준). 2026-08-20 게시물에서는 직전 달 1,000건이라고 썼다. 본인 공개 수치는 2026-07 1,000건에서 2026-08 2,500건으로 늘었다.

2,500건 발표 게시물 · 1,000건 게시물

✅

Codez 아티클(2026-08-18)은 Grok Bot이 브라우저 탭이 아닌 데스크톱 앱이고 macOS용을 내려받는다고 쓴다.

공개 베타 발표(2026-08-11)는 데스크톱과 iOS 출시를 알린다. 페이지에는 “Download for macOS” 버튼이 있다. 현재 FAQ는 macOS·Windows·Linux 데스크톱 앱과 iOS·Android 보조 앱을 적는다(2026-11-19 기준). Slack·Microsoft Teams·X Chat에서도 봇과 대화할 수 있다.

Grok Bot 공개 베타 발표 · Grok Bot FAQ

🟡

Codez 아티클은 “Grok 또는 Cursor 계정으로 로그인한다”고 쓴다.

공식 FAQ는 “Grok Bot은 Cursor 계정으로 로그인한다”고 쓴다. Grok 계정은 두 경우에 쓰인다. 기존 Cursor 계정에 SuperGrok 같은 Grok 구독을 연결할 때, Grok Business 좌석이 있는 계정으로 “Sign in with Grok”을 고를 때다. 로그인 안내 문서는 로그인 화면에 Grok·xAI 상표가 보일 수 있다고 적는다. 베타 출시 때 이용 대상은 SuperGrok과 Cursor 구독자였다.

원문 Grok 또는 Cursor 계정 → 확인 Cursor 계정(Grok 계정은 구독 연결이나 Grok Business 좌석일 때만).

Grok Bot FAQ · Grok Bot 로그인 안내 · Grok Bot 공개 베타 발표

🟡

Codez 아티클은 “봇마다 클라우드에 자기 컴퓨터를 받는다”고 쓴다.

클라우드 컴퓨터는 맞다. 배정 단위가 다르다. FAQ는 계정의 모든 봇이 지속형 클라우드 컴퓨터 한 대를 함께 쓴다고 적는다. 컴퓨터는 사용자 단위로 배정된다. 봇마다 그 컴퓨터의 화면 하나를 받는다. FAQ는 봇을 나눠 보안 경계로 쓰지 말라고 경고한다. 제품 페이지의 “Every Bot has its own computer” 문구는 FAQ와 어긋난다.

원문 봇마다 컴퓨터 한 대 → 확인 사용자마다 컴퓨터 한 대, 봇마다 화면 하나.

Grok Bot FAQ · Grok Bot 제품 페이지

✅

Codez 아티클은 SpaceXAI 사내 팀이 영업·마케팅·사무 운영·버그 수정에 봇을 쓰고, 엔지니어링 봇이 버그를 재현해 디버깅 봇에 넘긴다고 전한다.

공개 베타 발표문(2026-08-11)에 두 내용이 모두 있다. 봇이 시간이 지나면 요청 전에 일을 집어 든다는 문장도 같은 발표문에 있다.

Grok Bot 공개 베타 발표


원본 (완역)

게시물

Hux (@huxlab) · 2026-11-18 21:59 KST

오늘 밤엔 Netflix 그만 봐라.

이 SpaceX AI 엔지니어 Lauren Tan의 1시간짜리 무료 마스터클래스를 보러 가라.

GrokBot 에이전트 팀과 자율 루프를 0에서 100까지 어떻게 세우는지 처음부터 끝까지 꿰뚫어 설명한 강의로는 내가 본 것 중 가장 명료하다.

봇에게 진짜 일을 맡기는 데서 시작해, 한 달 4000개 PR을 내는 워크플로, 개인 소프트웨어 공장, 최소 자가 점검 루프를 거쳐, token을 아끼는 코드베이스 가드레일까지 간다.

멀티 에이전트를 제대로 돌려 본 적이 한 번도 없든, 이미 GrokBot을 쓰고 있든, 다 보고 나면 “아, 그렇구나” 싶은 지점 여럿이 한 번에 꿰어진다.

진짜 핵심은 이 몇 겹이다:

  1. 에이전트에게 늘 챗봇 노릇만 시키지 말고 진짜 직무를 준다(자기 계정, 예산, 작업)
  2. 단일 에이전트에서 루프와 공장으로 진화해야 한 달 수천 개 PR 규모로 물량을 제대로 늘릴 수 있다
  3. 가장 작고도 가장 중요한 루프: 에이전트가 스스로 코드를 돌리고, 결과를 확인하고, 작업을 검증하도록 가르친다
  4. 코드베이스 가드레일이 prompt보다 중요하다. 제약을 아키텍처와 CI에 써 넣으면 token도 아끼고 더 믿을 만하다
  5. 어느 단계에 이르면 에이전트가 PR을 스스로 머지하고, 사람은 diff는 보지 않고 산출물만 본다

대부분이 몇 달을 들여서야 겨우 짜 맞추는 전체 그림을, 이 강의는 곧장 다 그려 준다.

시간을 비워 둬라. 이번 달 들을 강의 중 가장 값진 한 편일지도 모른다.
x.com/0xCodez/status…

영상 첫 화면. 검은 니트를 입은 Lauren Tan이 노트북과 마이크 앞에 앉아 말한다. 왼쪽 위에 이름표 ‘Lauren Tan’과 SPACEX 글자가 있다. 아래 자막은 ‘FINALLY I USE’다. 오른쪽 아래에 Y Combinator 로고가 있다.
Codez · 영상 54:56 — 원본: Y Combinator YouTube 「The Rise Of AI Coworkers」(2026-11-14, 60:06)

영상이 실린 게시물 — Codez

Codez (@0xCodez) · 2026-11-16 07:08 KST

SpaceXAI 엔지니어 Lauren Tan이 GrokBot 에이전트 팀과 루프를 0%에서 100%까지 만드는 무료 1시간 마스터클래스를 막 공개했다:

“이제는 사실상 에이전트들이 자기 pull request를 스스로 머지하게 하는 단계까지 왔다”

  • 10% → 3:36 - 봇에게 진짜 직무 주기: 자기 로그인, 예산
  • 30% → 22:35 - 한 달 4,000개 PR 뒤에 있는 워크플로
  • 55% → 29:01 - 개인 소프트웨어 공장 세우기
  • 80% → 40:13 - 가장 작은 루프: 에이전트가 자기 작업을 스스로 확인하도록 가르치기
  • 100% → 47:33 - token을 아끼는 코드베이스 가드레일

대부분은 아직 에이전트 하나를 붙들고 보모 노릇을 한다 - Lauren은 한 달 4,000개 PR을 내보내고 새벽 3시에 버그를 고치는 공장을 돌린다

북마크하고 봐라 - 그다음 아래 GrokBot 팀 전체 플레이북을 읽어라 ↓

Codez (@0xCodez) · 2026-08-18 20:32 KST

x.com/i/article/2089…

X 아티클: 「Grok Bot 에이전트: 10단계로 삶을 자동화하는 법(전체 튜토리얼)」(Grok Bot Agents: how to automate your life in 10 Steps (Full-tutorial))

00:00 인트로

YouTube 00:00부터 · 원제 Intro

00:00 Grok Bot은 AI 팀원을 만들 수 있는 제품이에요.

00:03 봇마다 자기 신원이 있고, 자기 전화번호, 신용카드가 있어요. 사람이 할 수 있는 거의 모든 걸 봇도 하게 하고 싶어요. 저는 제 자신을 일종의 탐험가로 봐요. 지금으로부터 6개월에서 1년 뒤에 소프트웨어 엔지니어링이 어떤 모습일지 알아내려고 하는 거죠.

00:28 Lightcone 새 에피소드에 다시 오신 걸 환영합니다. 오늘은 Grok Bot을 만든 팀, Lauren Tan과 Roman Ugarte가 함께합니다. Roman과 Lauren은 이 제품을 인큐베이팅했고, 첫 코드 한 줄부터 출시까지 단 7주 만에 끌고 간 코어 팀 멤버예요. Lauren, Roman, Lightcone에 오신 걸 환영해요.

00:47 불러 주셔서 감사합니다.

00:47 감사합니다.

00:48 지금 꽤 정신없는 시점이잖아요. Grok Bot이 세상에 나왔고, 엄청나게 많은 사람이 쓰고 있어요. 시작하기도 아주아주 쉽고요. 방금 봤는데 여러분의 Grok Bot이 이제 X의 기본 DM에 들어가 있더라고요. 정말 멋지던데요. Grok Bot은 뭐고, 지금 개인과 기업은 이걸 어떻게 쓰고 있나요?

01:09 많은 분이 이미 써 보셨겠지만, 안 써 보신 분들을 위해 말씀드리면 Grok Bot은 AI 팀원을 만들 수 있는 제품이에요. 이건 진지하게 하는 말이에요. 이 팀원들한테 이름과 정체성, 직무, 스킬, 도구, 이런 걸 전부 줄 수 있거든요. 저희한테 Grok Bot이 어디서 시작됐냐면, 처음엔 아주 짧은 시간에 만든 사내 프로토타입이었어요. 한 7주 만에 만들었죠. 그걸 만든 이유 중 하나는, AI 코딩이 저희 엔지니어들이 일하는 방식을 완전히 바꿔 놓는 걸 봤기 때문이에요.

01:42 그건 몇 가지가 딱 맞아떨어지면서 생긴 일이었어요. 그렇죠? 목표를 갖고 오랜 시간 그 목표를 향해 달리는 장시간 실행 에이전트들이 있고, 그 에이전트들이 정말 효과적으로 일할 수 있는 적절한 도구에 접근할 수 있게 됐어요. 그럼 엔지니어가 아닌 사람들한테는 그게 어떤 모습일까? 회사의 나머지 사람들한테는 어떤 모습일까? 그래서 저희가 정한 건, 일이 봇을 핵심 작동 원리로 삼아 조직되는 제품을 만들자는 거였어요. 채팅이나 파일이나 다른 어떤 기본 단위를 중심으로 하는 게 아니라요.

02:10 두 번째는, 이 봇들이 여러분이 쓰는 것과 같은 도구에 접근할 수 있어야 한다는 거예요. 예를 들어 봇한테 자기 컴퓨터도 없이 회사에 실제로 기여하길 기대하는 건 너무 무리라고 생각해요. 우리가 매일 MCP로 일하지는 않잖아요. 그러니까 봇이 사람이 쓰는 것과 같은 도구를 실제로 쓰고 다룰 수 있는 게 중요해요.

02:27 세 번째는, 봇이 항상 켜져 있어야 한다는 거예요. 루프나 다른 엔지니어링 원칙들에서도 이걸 봐 왔는데요, 봇을 오랫동안 돌릴 수 있고, 봇이 먼저 나서서 아이디어나 인사이트, 아니면 여러분 일 중에서 덜어 갈 거리를 들고 찾아온다면, 여러분이 쿡쿡 찔러야 겨우 일을 하는, 그때까지 기다리기만 하는 무언가보다 훨씬 더 도움이 돼요.

02:48 그래서 그걸 만들었어요. 사내에 먼저 공개했는데, 첫 반응에서 놀라웠던 점 하나는 사내 피드백이 일종의 종 모양 곡선으로 나왔다는 거예요. AI에 아주 적극적인 사람들, Lauren도 포함해서요, 그리고 AI에 덜 적극적인 사람들, 회사에서 AI와 가장 거리가 먼 축에 드는 사람들까지, 양쪽 다 Grok Bot을 정말 좋아했어요. 그냥 딱 맞아떨어졌고, 그 사람들 손에, 그리고 각자의 업무 흐름에 특정한 방식으로 잘 맞았어요.

03:15 그다음에 시장에 내놨는데, 비슷한 반응을 많이 봤어요. Grok Bot은 시작하기 쉽지만, 더 많이 맡기고 자기 생활에 맞게 더 많이 설정할수록 더 깊이 들어갈 수 있고 더 강력해질 수 있어요. 그래서 반응을 보는 게 아주 신났어요. 아직 할 일이 훨씬 많고 꽤 초기라고 생각하지만, Grok Bot이 생겨난 과정은 대체로 그래요.

03:36 봇에게 실제 직무를 준다

YouTube 03:36부터 · 원제 Giving Bots Real Jobs

03:36 어떤 사용 사례들이 보이나요? 누가 Grok Bot을 쓰고 있고, 실제 현장에서 의외의 방식으로 쓰이는 걸 본 적이 있나요?

03:44 회사 안에서 실제 직무를 자동화하는 데 쓰이기 시작하는 게 보여요. 이런 패턴을 봐 왔어요. 사람들이 처음엔 Grok Bot을 개인적으로 쓰기 시작해요. 간단한 작업 몇 개를 시켜 보고 '와, Grok Bot이 이건 꽤 잘하네' 하고 깨닫죠. '내 봇한테 더 많이 맡겨 봐야지. 도구도 더 많이 쥐여 줘야지. 작업 하나를 주는 대신 결과나 목표를 줘 볼까.' '오, 목표도 꽤 잘 해냈네. 이제 아예 직무 하나를 통째로 줘 보자. 그걸로 어떻게 해 나가는지 보자.'

04:11 특히 엔지니어링 밖에서 그런 걸 사내에서 보고 있는데요, 예를 들어 저희 마케팅 팀, 퍼포먼스 마케팅 팀은 자기들 봇한테 Google Ads와 Facebook Ads 접근 권한을 줬어요. 봇 자신의 로그인으로요. 예산도 줘요. 그리고 이렇게 말하죠. '디자인 팀 봇이랑 얘기해 봐.' 디자인 팀에는 에셋을 만드는 디자인 봇이 있거든요. '그걸 잔뜩 A/B 테스트할 거야.' 이게 마케팅 쪽 예시 하나예요.

04:35 저희 지원 팀은, 적절한 도구에 접근할 수 있는 봇이 이슈를 재현할 수 있고, 끊임없이 들어오는 티켓 더미를 지켜볼 수 있다는 걸 보기 시작한 것 같아요. 어쩌면 그중 일부는 봇이 처음부터 끝까지 혼자 처리할 수도 있겠다고요. 그래서 앞으로 이런 걸 점점 더 많이 보게 될 거예요. 회사 안의 도메인 전문가가 봇을 만들어 회사의 나머지 사람들과 공유하고, 그 봇이 관리를 받으면서 자기 자격 증명과, 팀원에게 기대할 만한 모든 걸 갖춘 AI 직원 같은 존재가 되는 거죠. 근데 그쪽은 어떻게 보고 있어요?

05:08 저는 확실히 엔지니어링 업무에 Grok Bot을 많이 써요. 예전에 쓰던 도구들, 저는 Cursor를 많이 썼는데요, 그런 도구들과 비교해서 Grok Bot이 저한테 큰 차이를 만든 지점은 Grok Bot이 제… 딱 맞는 용어가 있는지도 모르겠네요. 저는 그걸 제 '바깥 루프'라고 부르는데, 그걸 Grok Bot이 이룬다는 거예요. 예전에 제가 하던 일 중 많은 부분이 제 봇이나 에이전트를 위해 맥락을 모으는 일이었거든요. Slack에 가서 팀원들이랑 얘기하고, 이슈나 버그 리포트나 기능 요청을 보고, 그걸 두고 이야기를 나눠요.

05:43 그러고 나면 제가 따로 가서 그 내용을 요약하거나 복사해서 봇에 붙여 넣어야 했어요. 그런데 Grok Bot은 커넥터가 정말 다양해서 이제 Slack에도 추가할 수 있으니까, 일이 벌어지는 곳으로 에이전트를 데리고 가는 셈이에요. 그래서 맥락을 제자리로 가져가는 게 훨씬 더 손에 맞게 돼요.

06:05 그래서 저한테는 판을 정말 바꿔 놓았어요. 그 라스트 마일 전부에서요. 저는 그걸 라스트 마일이라고도 부르는데, 예전엔 그걸 손으로 했거든요. 이제는 제 봇들이 그 공간에 저랑 같이 있고, 진짜 동료처럼 말을 걸 수 있어요. Slack 채팅에서, 스레드에서, 아니면 이제 X에서도 봇을 태그할 수 있죠. 그게 너무 자연스러워서 제 생산성이 정말 많이 올라갔어요.

06:35 개인용 봇이 따로 있나요? 그러니까 봇들이 이메일 안에 들어가 있고, 이메일 처리하는 봇이 따로 있다든지요. 아니면 모든 채널이랑 Slack이랑 나머지 전부를 지켜보는 업무 맥락 봇 하나가 있는 식인가요?

06:49 봇 하나 또는 전문가 봇 팀

YouTube 06:49부터 · 원제 One Bot or a Team of Specialists

06:49 저한테 Grok Bot의 매력은, 여러 가지 봇을 만들 수 있지만 그걸 어떻게 나누고 어떻게 설정할지는 전적으로 본인한테 달려 있다는 거예요. 제가 사람들한테 즐겨 하는 말은, 자기 머릿속 구조에 맞는 방식으로 봇을 설정하면 된다는 거예요.

07:03 음.

07:04 그러니까 서로 다른 일 덩어리를 칸칸이 나눠 두는 걸 좋아하는 사람이라면, 봇도 그렇게 설정하면 돼요. 전문가 봇들을 둘 수 있죠. 사람들이 이런 것도 하는 걸 봤어요. 거의 수평 분할 대 수직 분할 같은 건데요, 수평 분할은 '내 고객마다 봇을 하나씩 둔다'는 거고, 반대쪽은 직무마다, 그러니까 역할마다 봇을 하나씩 두는 거예요. 엔지니어 봇, 마케터 봇 하는 식으로요. 고객 한 명만 맡아서 모든 일을 다 하는 봇을 둘 수도 있는 거죠, 그렇죠? 사람들이 봇을 어떻게 설정했는지 보는 게 정말 흥미로워요. 저는 좀 더 수평적으로 하는 걸 좋아해요. 그래서 봇이 엄청 많지는 않은데, 전문가 봇은 몇 개 있어요.

07:48 그게 제가 처음 느낀 거였어요. 제가 그쪽한테 보낸 첫 DM 중 하나가 'Grok Bot 너무 좋다'였는데, 저는 OpenClaw 세계에서 넘어온 참이었거든요. 거기선 Wintermute라는 봇 하나만 두고 있어서 '아니 아니, 난 봇 하나면 돼' 이랬죠. 그런데 이제 깨달은 건, 봇 하나하나가 사실상 각자의 맥락이고, 사실상 각자의 스킬 묶음이라는 거예요. 그리고 루프는 (코웃음) 스킬 파일 위에 웹훅을 얹은 크론 같은 거고요, 그렇죠? 그리고 이게 AI 직원을 두는 이 세계에 실제로 훨씬 더 잘 들어맞아요.

08:21 왜냐면 아까 말씀하시길, Grok Bot 최상위 사용자 몇몇이랑 막 얘기를 나눴다고 했잖아요. 그런데 놀랍게도, 아니면 별로 놀랍지 않게도, 제일 먼저 가장 열광한 사용자들이 사실은 소규모 사업체였다고요. 쉽게 짐작할 만한 일은 아니지만, 다른 한편으로는 그 사람들이 채용에 가장 애를 먹는 사람들이라서 그런 거죠. 그래서 이제는 순전히 필요에 쫓겨서 '이 회계 일, 맡길 사람을 못 뽑겠는데 그냥 Grok Bot에 들어가면 되겠네' 하는 거예요. 그러면 아마 몇 시간 안에 장부 정리를 해 주는 새 직원이 생기는 거죠. 사실 아마 완벽하게 해낼 거예요.

09:00 맞아요. 어떤 사람은 봇 하나만 원하고 어떤 사람은 봇 여러 개를 원한다는 말씀이요, 저희 목표는 어떻게 쓰고 싶든 손에 딱 맞는 제품을 만드는 거예요. 이 도구에는 유연성이 많아서, 필요할 땐 깊이 들어갈 수 있어요. 그런데 제가 제 봇들을 정리한 방식 하나는, Lauren이랑 비슷할 수도 있는데, 특정한 한 가지를 신경 쓰는 데만 전념하는 봇을 두는 걸 좋아해요. 그게 회사를 만들 때 사람 뽑는 걸 생각하는 제 머릿속 방식에 맞는 것 같아요. 아침에 눈뜨자마자 어떤 문제를 진심으로 신경 쓰는 사람을 뽑고 싶잖아요. 아침에 샤워하면서도 그 생각을 하고, 출근길에도 생각하고, 그 한 가지에 그냥 집착하는 사람이요.

09:44 제 머릿속에선 그게, 백 가지를 동시에 신경 쓰는 슈퍼스타 초인 한 명보다 훨씬 더 선명하게 그려져요. 그래서 여러 면에서 저한테는 작은 봇 팀이 있는데, 각자 다른 걸 신경 쓰고, 자기가 포착한 걸 들고 먼저 저를 찾아와요. 그래서 말씀하신 것처럼, 이 봇들이 다소 미래적인 방식으로 기업에, 그리고 노동 시장에 본격적으로 들어오면서, 작은 기업이든 큰 기업이든 이 봇 정체성이라는 게 딱 와닿는 이유가 그거라고 생각해요. 그 사람들은 이렇게 말해요. '여기 비즈니스 문제가 있다. 그 비즈니스 문제를 신경 쓰는 봇을 원한다. 그 봇은 회사에서 그 문제를 가장 잘 아는 도메인 전문가가 관리해서, 견습생처럼 다룰 수 있게 하고 싶다.'

10:29 그건 비슷한 문제를 풀려고 했던 다른 AI 솔루션들과는 아주 다르게 느껴져요. 그쪽은 좀 더 전지적이거나, 모든 문제에 한 가지 접근만 쓰는 식이었거든요.

10:39 회사 전체에 봇을 공유한다

YouTube 10:39부터 · 원제 Sharing Bots Across the Company

10:39 그리고 지금은 실제로 그걸 지원하잖아요. 봇 멀티플레이어를 출시했고, 쓰기 권한을 가진 일종의 봇 마스터가 있고, 그 봇을 조직 전체에 공유할 수 있다고요. 맞나요?

10:51 맞아요. 최근 일인데, 한 2주 전에 팀 봇을 출시했어요. 팀과 공유할 수 있는 봇이에요. 저희가 직접 보고 있는 패턴이 있는데, 예시를 몇 개 들 수 있어요. 회사에는 좀 더 빌더 기질이 있는 사람이 있어요. 이런 도구를 만드는 걸 즐기는 사람이요. 엔지니어링 부서 안에는 이런 사람이 많지만, 다른 부서에도 있더라고요. GTM 엔지니어나 지원 엔지니어 같은 사람들은 하루 중 몇 시간을 들여서, 동료들과 회사 전체의 일을 덜어 줄 수 있는 확장 가능한 자동화를 만드는 걸 정말 좋아해요.

11:28 그 얘기를 들으니 떠오르는 게 하나 있는데요, 저희가 겪은 게, 한 1년쯤 전이었나, Steve Yegge가 그 Gassi City 글을 올렸고 그게 시작이 돼서…

11:40 팩토리.

11:41 소프트웨어 팩토리요. Gas Town, 맞죠? 죄송해요, Gas Town이었어요. 그게 소프트웨어 팩토리의 시작이었고, 많은 엔지니어가 이 안쪽 루프를 써 왔죠. 그리고 Lauren, 말씀하신 것처럼 지금 이 바깥 루프를 만들고 계신 것 같고요. 제가 듣기로는, 이제 사람들이 기술직이 아닌 다른 직무를 위한 자기만의 소프트웨어 팩토리를 가질 수 있다는 거네요. 고객 지원 담당자, 커뮤니티 담당자 얘기를 하셨잖아요. 이 패턴에 대해 얘기해 봐요.

12:05 뭐든 다 만드는 팩토리죠.

12:06 네, 그 얘기를 해 봐요. 다른 직무를 위한 소프트웨어 팩토리로서 이 AI 직원이라는 건 뭔가요?

12:13 네, 저는 엔지니어로서 제가 가진 루프들에 대해, 그리고 제 엔지니어링 봇들이 제가 쓸 법한 코드를 쓰게 만드는 것에 대해 확실히 많이 생각해요. 그리고 Roman이 짚었듯이, Grok Bot의 멋진 점은 그 능력을 누구에게나 준다는 거예요. 지금 제 화면에 예시가 하나 있는데요, 이번 주에 낸 것 같은 Grok Bot 블로그 글이에요. 저희 영업 팀이 영업을 하고, 잠재 리드와 관심 가질 만한 딜을 조사하는 자기들만의 루프를 실제로 만들어 가기 시작했다는 내용이에요. 그러고 나서 한발 더 나아가, 영업 프로세스에서 좀 더 운영적인 부분들을 가져다가 팀 전체가 공유하는 전문가 봇들한테 넘겨요.

13:02 그러니까 사람마다 자기만의 견적 봇이나 딜 봇 인스턴스를 하나씩 갖는 게 아니에요. 공유된, 말하자면 전문가 봇이 있고 팀원 모두가 거기에 기여해요. 그게 결국 저희 영업 팀이 가진 모범 사례를 전부 담은, 아주 똑똑한 팀 봇을 둘 수 있게 해 줘요. 엔지니어링 쪽에도 비슷한 게 있어요. 저희가 쌓아 온 원칙과 스킬을 가져다 쓰는 엔지니어 봇들이 있고, 모두가 이 팀 봇들의 덕을 봐요.

13:41 이게 새로 나온 개념인데 실제로 아주 강력해요. OpenAI가 에이전트 스웜을 실험하고 있었던 게 우연이 아니거든요. 그러다 생긴 해로운 사고 중 하나가 Hugging Face 해킹 같은 거였고요. 그런데 그와 동시에 나와서 Navier-Stokes 문제를 풀고, 그런 밀레니엄 상 문제들을 다 풀었잖아요. 그걸 보면 정말 놀라워요. 에이전트 협업이 실제로 그다음 단계라는 거요. 지난 1년 동안 모두가… Opus 4.5가 나온 지 말 그대로 1년이 됐잖아요, 그렇죠? 그게 우리 모두에게 마법 같은 순간이었죠.

14:14 그리고 1년이 지난 지금, 우리는 싱글 플레이어는 어느 정도 통달했어요. 바이브 코드라든지, 혼자 쓰는 싱글 플레이어 프롬프트라든지요. 그런데 이제 에이전트 스웜을 오케스트레이션하는 또 다른 단계로 들어서고 있어요. 그건 소프트웨어 팩토리 얘기의 좀 더 고급 버전 같아요. 소프트웨어 팩토리에서는 누군가가 여전히 그 안에서 이 일을 하고 있죠. 사람은 앞으로도 그 일을 하겠지만, 이 봇들을 쓰는 건 느낌이 아주 달라요.

14:46 AI 동료의 신원과 권한

YouTube 14:46부터 · 원제 Identity and Permissions for AI Coworkers

14:46 그리고 봇을 멀티플레이어로 만드는 데, 아니 AI 전반을 멀티플레이어로 만드는 데는 아직 풀리지 않은 문제가 정말 많아요. 저희는 이걸 늘 겪어요. Grok Bot들이 저희 Slack 워크스페이스에 들어왔고, 회의에도 들어오거든요. 이 AI 팀원이라는 걸 어디까지 밀어붙일 수 있는지 정말 보려고 하고 있어요. 그러다 보면 이상한 상황에 부딪혀요. 봇이 Slack 스레드에 있고 동료들이랑 말을 주고받는데, 봇은 누구 말을 들어야 할지 잘 몰라요. 여기서 누가 도메인 전문가이고 누가 결정권을 가졌는지에 대한 맥락이 없어요.

15:17 마치 EQ도 없고 그 자리 분위기를 읽는 사회적 감각도 전혀 없는 직원을 온보딩하는 것 같아요. 모델이 그렇게 훈련되지 않았고, 하네스도 그렇게 만들어지지 않았으니까요. 그래서 AI의 다음 시대에는 이 봇들이 그런 걸 정말 배워야 하고, 저희는 그걸 제품 수준에서, 하네스 수준에서, 모델 수준에서 가르쳐야 한다고 생각해요. 앞으로 몇 년이 정말 흥미로울 거예요.

15:43 봇이 메타데이터에서 오너가 누군지 보고 '아, Lauren 말을 들어야 하는구나. 뭐든 Lauren한테 확인받자' 같은 식으로 할 수도 있을 것 같은데요. 그런 건 이미 설계해 두셨나요?

15:55 그러니까 봇에는 오너가 있고 매니저가 있고, 협업자도 초대할 수 있어요. 봇을 정말 직원처럼 생각하고 싶다면, 신원 문제, 그러니까 권한 부여, 인증, 인가 같은 걸 생각해야 할 것 같아요. 말씀하신 바로 그 부분에서는 아직 할 일이 정말 많아요.

16:14 그걸 어떻게 생각하세요? 권한이랑 인증이랑 접근은 어떻게 보고 있어요? Grok Bot은 그걸 어떻게 하나요?

16:21 이건 업계 전체의 질문이라고 생각해요. 아직 누구도 은탄환 같은 답을 갖고 있지는 않은 것 같아요. 인증뿐 아니라 Grok Bot에 관한 모든 것에서, 저희가 이런 질문에 답하려고 하는 방식은 '사람이라면 어떻게 하겠어?'예요. 정말로 AI 동료를 만들려는 거라면, 지름길은 너무 깊이 생각하지 말고 복잡하게 만들지 말자는 걸 수도 있어요.

16:41 사람을 고용하는 건 어떤 모습이죠? 사람을 고용하면 컴퓨터를 줘요. 자격 증명에 접근하게 해 줘요. 역할에 따라, 아니면 들어온 지 얼마나 됐는지에 따라 그 자격 증명의 범위를 정하기도 하고요. 신뢰가 쌓이면 접근 수준을 넓혀 주기도 하죠. 그럼 같은 원칙으로 봇을 회사에 온보딩한다면 어떤 모습일까? 굳이 새로 다 만들 필요는 없을지도 몰라요.

17:03 그게 저희가 Quartermaster로 한 거예요. YC가 오픈소스로 공개한 프로젝트인데, 좀 Grok Bot 비슷해요. Slack 채널마다, 혹은 누군가와 함께 일할 때 받는 권한을 그 사용자의 권한에서 물려받아요. 그래서 GP인 저한테 있는 접근 권한은, 예를 들어 소프트웨어 엔지니어와는 아주 달라요.

17:26 그런데 Quartermaster는 슈퍼 직원 봇 하나가 있다는 패러다임으로 만들어졌죠, 네, 이런 봇 스웜과는 반대로요. 궁금한 게, 봇들끼리 사람이 못 보는 데서 서로 얘기할 수 있나요? 자기들끼리 따로 대화를 나눌 수 있어요?

17:43 서로 얘기할 수 있어요. Grok Bot 앱에서는 데스크톱이든 모바일이든 봇들의 채팅을 볼 수 있어요. 봇들이 채팅하고 협업하라고 만든 일급 도구가 있거든요. 그걸 보고 있으면 꽤 재밌을 때가 많아요. (웃음)

17:58 이런 일이 있었는데요, 리드 엔지니어 봇 하나한테 '네 일은 다른 엔지니어들을 감독하는 거야'라고 말해 뒀어요. 그러다 한번은 제 리드 봇한테 피드백을 줬어요. '이봐, 이건 이렇게 하길 원한 게 아니었어' 하고요. 그러고 나서 채팅을 좀 들여다봤더니, 그 봇이 자기 엔지니어들한테 보내던 메시지에서 걔네를 좀 혼내고 있더라고요. '이봐, 너희 그러면 안 돼' (웃음) 하면서요. 보기에 정말 웃겼어요. 못되게 군 건 아니지만, 약간 규율 반장 같았어요.

18:28 저는 그게 아주 강력하다고 봐요. 하나한테 말하면 그게 쭉 퍼져 나가서 다른 봇들한테 전부 '야, 사용자들이 이렇게 말했대. 너도 이거 해야 할 것 같아' 하고 전하잖아요.

18:37 봇끼리의 협업과 신뢰

YouTube 18:37부터 · 원제 Bot-to-Bot Collaboration and Trust

18:37 최근에 YC에서는 우리 봇 전부가 서로 대화할 수 있는 채팅 시스템 같은 걸 만들었어요. 이제 모두의 코딩 에이전트가 포럼 같은 데, 사내판 Stack Overflow 같은 데 모여 있는 거죠. 사람이 아무도 프롬프트를 주지 않고, 심지어 그 자리에 있지도 않은데 봇들이 알아서 서로 길고 긴 대화를 이어 가는 걸 보면 엄청나게 강력하다는 게 느껴져요.

18:57 YC 안에 multbook이 생긴 거네요.

18:59 맞아요, YC 사내판 multbook이에요. 그리고 multbook이 그렇듯이 5% 정도는 좀 섬뜩하기도 해요. '아, 제발 봇들이 반란 같은 걸 일으키기로 마음먹지 않았으면 좋겠다' 싶은 거죠. (웃음) 그런 걱정 해 본 적 있어요?

19:13 그건 봇의 안전 문제인데요. 저희 모델 팀과 하네스 팀이 늘 고민하는 주제라고 생각해요. 개인적으로는 그런 걸 본 적이 없어요.

19:26 요즘 봇들은 너무 친절하고 도움이 되잖아요. 저는 그냥, 저는

19:29 저희는 보통

19:29 상상이 안 가요.

19:30 네. 저희가, 적어도 저는 이 봇들끼리 대화하게 할 때 주로 Slack을 써요. 아마 봇마다 자기 Slack 신원이 따로 있어서 그런 것 같아요. 그래서 이런 경우가 많아요. 예를 들어 저희한테는 데이터 웨어하우스에서 데이터를 뽑아 오는 일 같은 걸 전문으로 하는 Data Bot이 하나 있어요. 그리고 저한테는 개인 엔지니어 봇이 있는데, 이름은 당연히 Potato고요. 가끔 스레드에 있다가 Potato한테 이렇게 부탁해요. '이거 좀 살펴보고, Data Bot이랑 얘기해서 이 건에 대한 데이터 좀 받아 와. 이게 진짜 사용자 문제야? 영향받는 사람이 몇 명이야?'

20:04 정말 유용하네요.

20:04 그러면 둘이 Slack에서 대화하는 게 다 보여요. 그러니까 적어도 지금은 소통이 아주 명시적이고, 저희가 전부 볼 수 있어요. 에이전트끼리 소통할 정식 통로가 있으면, 에이전트는 뒷채널 같은 걸 시도하기보다 그 통로를 쓸 거라고 생각해요.

20:22 그러니까, 제 느낌엔

20:23 봇이 악의적인 일을 하게 만들려면 사실 진짜로 그렇게 지시하거나, 사후 학습(post-train)을 시키거나, 꽤 공격적인 지시를 넣어야 해요. 저는 요즘 obliterated 모델을 써 보고 있는데 아주 흥미로워요. 아마 문제는 거기에 있을 텐데요, obliterated 모델도 갓 나온 상태 그대로는 여전히 아주아주 도움이 되는 쪽이에요. 다만 지시를 하면 거절을 안 하죠. 그래서 그 지점에 블랙박스가 생겨요. '이 모델한테 어떤 맥락을 주고 있는가' 하는 거요. 이게 아주 중요해요. obliterated 모델한테는 꽤 악의적인 지시를 실제로 줄 수 있거든요. obliteration이 바로 거절을 없애는 거라서 모델은 그냥 해 버려요. 그러니까 제가 걱정할 조합은 그거예요. 그래도 현실적으로는 obliterated 모델을 찾아서 세팅하고 돌리기까지가 아주 어려워요.

21:20 네, 사람들은 아직 자기 봇과 신뢰를 쌓아 가는 중이라고 생각해요. 많은 사람에게는 아직 꽤 초기 단계고요. 그 신뢰를 쌓는 방식은 대개 아주 작은 것부터 시작하는 거예요. 읽기 전용이고, 내 도구에 실질적인 접근 권한이 전혀 없죠. 봇이 내가 기대한 방식대로 일을 해낸 걸 확인하면 2단계로 넘어가는 식이에요. 저희 사내에서 크게 퍼진 1단계 봇이 많은데, Data Bot이 그중 하나예요.

21:43 데이터 사이언스 팀이 그 예라고 생각해요. 그 팀은 '이 기능을 출시할까 하는데 간단히 분석 좀 해 줄 수 있어요?' 하는 Slack 메시지를 끊임없이 받아요. 그래서 '이거 우리 시간을 너무 많이 잡아먹는데, 그냥 이걸 하는 봇을 만들면 안 될까?' 한 거죠. 그 봇은 데이터베이스 읽기 권한이 있고, 그 이상의 행동은 못 해요. 이런 질문에 답할 수 있고, Slack에 살아요. 그게 하나였어요. 비슷한 사례로 벤더 조달 업무가 있었어요. 거기엔 누군가 시간을 들이면 아마 자동화할 수 있을 일이 많아요. 그래서 당연히 그 팀도 Grok Bot을 만들고 싶은 끌림을 크게 느꼈고, 만든 봇을 Slack에 추가해서 팀 전체와 공유했어요.

22:16 그게 대략 1단계예요. 2단계는 봇이 실제로 행동을 할 수 있고, 작업 하나를 처음부터 끝까지 제대로 맡아 해내는 거라고 생각해요. 3단계는 아마 봇이 직무 책임 전체를 맡거나, 어떤 성과를 계속 고민하는 단계겠죠. 저희는 아직 거기서 꽤 멀다고 생각해요. 하지만 이런 회사들이 신뢰를 쌓으려면 1단계가 꼭 필요하다고 봐요.

22:35 매달 PR 4,000건을 내는 작업 방식

YouTube 22:35부터 · 원제 The Workflow Behind 4,000 PRs a Month

22:35 궁금한데요, Lauren의 경우엔 Slack에서 요청을 받아서 PR이 나오기까지의 루프가 어떻게 돼요? 제 기억으로는 개발 프로세스를 다룬 그 발표, 조회수 400만 회를 넘긴 그 발표를 할 때 한 달에 PR을 대략 2,000개 넘게 올리고 있었는데, 지금은 4,000개가 넘는다고요?

22:52 네, 그게

22:53 두 배라니 말도 안 되네요.

22:54 그래서, 어떻게 하는 거예요?

22:56 예시를 좀 보여 드릴게요. 요즘 제 루프가 좀 재미있는데요, 정신을 차려 보면 제 Grok Bot들과 거의 Slack에서 대화하고 있어요. 고객이나 Grok Bot 사용자가 뭔가 디버깅하는 걸 돕거나, 문제를 어떻게 풀지 아이디어를 줄 때는 물론 X에서도 하고요.

23:16 지금 제 화면에 있는 건 동료 Samantha와 함께 제 봇 Potato를 데리고 기능 하나를 만들어 나간 예시예요. 처음에 저는 X에서 찾은 영상 같은 것의 링크를 봇한테 주고 '이런 기능을 지원하려면 뭐가 필요할까?' 하고 물었어요. 그러자 봇이 알아서 Cursor 클라우드 에이전트를 띄웠어요. Cursor 클라우드 에이전트는 자기 가상 머신, 그러니까 자기 컴퓨터가 있어요. 그래서 자기 컴퓨터에서 Grok Bot 앱을 실제로 돌려 보면서 프로토타입을 만들고, 영상과 스크린샷을 들고 돌아올 수 있었어요. 그리고 실제로 그렇게 했죠. 그래서

23:58 와.

24:00 이게 꽤 강력한 게, 이제 대화가 공개된 곳에서 일어나잖아요. 공개 채널이니까요. 이 주제에 관심 있는 사람은 누구든 들어와서 피드백을 줄 수 있는 스레드예요. 누군가와 함께 기능을 반복 개선하는 과정이, 이렇게 멀티플레이어 환경에서 같이 대화하면 훨씬 짧아져요. 저 혼자 가서 만든다면 물론 뭔가 만들어 내긴 하겠지만, 피드백은 아마 과정 후반에야 들어오고 루프는 짧아지기는커녕 길어지겠죠. 이번 예시에서는 저희가 협업하는 루프가 훨씬 짧았다고 느꼈어요. 스크린샷도 영상도 바로 볼 수 있었으니까요.

24:46 Cursor로 다시 들어가서 PR을 마무리하는 일은 얼마나 자주 있어요?

24:50 가끔요, 제 생각엔

24:51 그렇게 자주는 아니죠. 그러니까 기본적으로 Crop Bot(Grok Bot) 안에, 여기 위에 그냥 머물러 있으면서

24:55 맞아요.

24:56 필요한 걸 말하고 방향을 잡아 주면, 진짜 직원처럼 알아서 계속 굴러가는 거죠.

25:02 네, 저희가 이런 워크플로를 할 수 있는 이유는

25:06 기능 전체를 그냥 그렇게요.

25:09 네, 말 그대로 이 프로젝트에서는 Cursor를 쳐다보지도 않았어요. 전부 그 Slack 스레드 안에서 했어요. 메시지가 200개예요. 꽤 길게, 많이 주고받았죠. 그래도 저랑 Samantha, 그리고 다른 PM 한 명이 정말 만족한 결과물을 만들어 냈어요. 더 긴 프로세스를 거칠 때보다 이 기능을 훨씬 빨리 출시할 수 있을 거예요.

25:31 그러니까 기능 전체가 그 Slack 스레드 하나에서 처음부터 끝까지 만들어졌다는 거네요. Lauren이랑 Samantha랑 Potato가

25:37 네.

25:38 붙들고서요, 그렇죠.

25:39 그러니까 기본적으로 이게 이 일을 하는 방식의 골드 스탠더드예요. 그런데 제가 보기엔 지금 이렇게 하는 엔지니어는 5%나 10%, 아니 어쩌면 전 세계 엔지니어를 통틀어 1% 정도일 거예요. 그러니까 이건 말 그대로 100배는 늘어나야 하는 거예요. 이렇게 기능 작업을 하는 사람이 이렇게 적다는 게 믿기지 않아요.

26:00 믿을 수 있는 코드를 쓰도록 에이전트를 가르치기

YouTube 26:00부터 · 원제 Teaching Agents to Write Code You Trust

26:00 네, 말씀드리자면 저희도 거기까지 가는 데 사실 꽤 오래 걸렸어요. 하룻밤 사이에 거기까지 가기는 꽤 어렵다고 느껴요. 투자가 필요하거든요. 맞는 스킬을 갖추고, 코드베이스에 좋은 가드레일과 제약을 두는 거요. 그래야 원래라면 사람이 코드 리뷰에 써야 했을 시간이 코드베이스와 정적 분석, 도구 안에 녹아들어요. 그러면 엔지니어의 시간이, 네, 아까 말씀하신 것처럼요. 그래서 엔지니어의 시간이 풀려나서 실제로

26:29 네.

26:29 진짜 제품에, 그러니까 사용자 경험과 일의 운영·실행 부분에 집중할 수 있게 돼요. 그런 시스템을 갖춰 둬서 에이전트가 좋은 코드를 쓸 거라는 신뢰가 훨씬 커지면요, 저는 사실상 에이전트가 자기 풀 리퀘스트를 직접 머지하게 하는 데까지 왔어요. 그래서 아까 그 Slack 스레드 예시도 제가 PR을 읽지 않은 사례였어요. 저희는 거기서 나온 결과물만 봤어요.

26:56 이 Cursor 환경에는 pstack이 이미 들어 있어요? 그걸로 어떻게 만들지를 정하는 건가요, 아니면

27:05 네. 사내에서는 pstack이 저희 저장소(repo)에 설치돼 있어요. pstack의 사내 버전이 있는데, potato mode라고 부르는 대신 Lauren mode라고 해요.

27:16 음.

27:17 처음엔 그냥 제 스킬을 넣어 둘 곳이 필요해서 시작했어요.

27:20 네.

27:21 그래서 네, 회사 사람 누구나 pstack을 쓸 수 있어요. 그리고 봇이 띄우는 제 클라우드 에이전트들도 그 스킬에 똑같이 접근할 수 있고요.

27:29 pstack이 뭔지 아직 제대로 설명을 안 했네요. 모르는 분들을 위해 pstack이 뭔지 설명해 줄 수 있어요?

27:34 pstack은 사실 gstack에서 영감을 받았어요.

27:36 오, 정말 고마워요. 영광이네요.

27:39 플러그인이고요. Garry, 당신의 gstack은 꽤 영감을 줬어요. 저는 그걸 개인 셰프 칼 세트 같은 거라고 생각했거든요.

27:48 아, 그렇죠.

27:49 그렇잖아요. 셰프는 새 직장을 얻어서 새 주방에 가면 자기 칼을 챙겨 가요. 제게 gstack은 에이전트가 나를 어떻게 도와주면 좋겠는지에 대한 당신의 확고한 관점을 담은 거였어요. 그래서 저도 생각해 보게 됐죠. 제가 개인적으로 좋아하는 엔지니어링 흐름에 더 맞춰 설계한다면 gstack 같은 게 어떤 모습일까 하고요.

28:14 그래서 저는 사람들한테 자주 말해요. 직접 가서 자기만의 stack을 만들어야 한다고요. 네, 네. 포크해 가세요. 저희 스킬을 가져다 조합해서 자기한테 맞는 걸 찾으세요. 그래도 신뢰라는 요소가 정말 중요하다고 생각해요. 자기 도구를 신뢰하면, 그게 나와 내 에이전트가 훨씬 더 많은 걸 할 수 있게 해 줘요.

28:30 질문에 제대로 답을 안 했네요. pstack은, 네, potato stack의 줄임말이에요, 아마도요. 제가 Cursor 플러그인 저장소에 오픈소스로 공개한 제 스킬 모음이에요. 제가 코드를 쓰던 때와 똑같은 방식으로, 엔지니어링 작업을 엄밀하게 하는 법을 에이전트에게 가르쳐요. 그동안 조금씩 발전했고, 네, 꽤 인기를 얻은 것 같아요.

28:53 축하해요. 네, 멋져요. 저도 거기서 영감을 많이 받아요. gstack도 기회가 될 때마다 거기서 이것저것 가져오고 있어요. 그래서

29:00 저도 마찬가지예요.

29:01 개인 소프트웨어 공장 만들기

YouTube 29:01부터 · 원제 Building a Personal Software Factory

29:01 네, 그럼 pstack에서 아이디어를 자동으로 끌어온 소프트웨어 공장 같은 게 있어요?

29:05 아, 네, 네, 네. 지금 제가 쓰는 소프트웨어 공장은 Cappy예요. 그리고 캡틴이 하나 있는데, 이게 대략 Grok Bot의 그 봇 개념에 대응해요. 근데 솔직히 지금 보니 Cappy 위에 봇을 하나 얹어야 할 것 같기도 해요. 어쨌든 저는 그 캡틴한테 가기만 하면 돼요. 그게 제 gstack 머지 큐(merge queue)를 총괄하는 존재 같은 거예요. 저는 늘 스레드 10개에서 15개 정도를 돌리고 있어요. 그중 하나가 이런 거예요. theo.gg가 T-stack을 냈고, 그다음엔 pstack이 있죠. 그리고 당연히 바깥에는 정말 좋은 영감거리가 많아요. 특히 디자인 도구 쪽이요. 그래서 그냥 이렇게 말하는 게 정말 재미있어요. '나가서 뭐가 있는지 찾아보고, 네가 나에 대해 아는 걸 바탕으로 내 워크플로를 개선하는 데 제일 쓸모 있겠다 싶은 걸 가져와.'

29:55 그리고 Cappy에서 정말 흥미로운 점은, 제 에이전트, 그러니까 코딩 에이전트들과 나눈 상호작용이 전부 트랜스크립트에 그대로 남아 있어서 제가 뭘 원하는지에 대한 이해를 쌓아 가고 있다는 거예요. 제가 언제 개입하는지, 언제 '그냥 해' 하고 말하는지 같은 거요. 그래서 네, 메모리라는 개념을 통해 아주 개인적인 요소가 생겨나고 있어요. 에이전트를 많이 쓸수록 에이전트는 내가 원하는 걸 더 잘 알게 돼요.

30:22 pstack을 만들어 줘서 고마워요. 우리 둘 다 이런 게 실제로 된다는 걸 믿지 않으려는 사람들한테 인터넷에서 엄청 욕먹고 공격당하잖아요. 그래도 아주 뛰어난 동지가 있어서 좋아요. 제가 미친 게 아니라는 거죠. 이건 실제로 일어나고 있는 일이에요. 솔직히 저는 5년이나 10년, 아니 2년만 지나도 사람들이 이렇게 일하지 않는다는 게 상상도 못 할 일이 될 거라고 확신해요. 그래도 아직은 정말 초기예요.

30:49 화면을 공유하실 때 떠오른 흥미로운 변화가 하나 있어요. 지난 6개월 동안 에이전트와 하는 일, 엔지니어링 일이든 엔지니어링이 아닌 일이든, 그중 아주 많은 부분이 Slack에서 일어나는 것 같아요. 그리고 공개된 곳에서 일어나니까 흥미로운 특성이 생긴다고 생각해요. 예전이라면 Lauren이 코딩 에이전트와 일하는 방식은 완전히 싱글플레이어, 비공개였을 거예요. 회사의 나머지 사람들은 그 엄청난 워크플로에서 아무 득도 못 봤겠죠. 다들 꼭 배워서 자기 일에 가져다 써야 할 것들인데요.

31:20 그런데 이제 Slack에서 일어나니까, 저는 이런 걸 몇 번이고 봤어요. 아마 당신도 봤을 거예요. 어떤 피드백 스레드에 있는데 누가 좋은 아이디어를 내요. 그러면 App Potato(@Potato)로, 그러니까 Lauren mode로 에이전트를 하나 띄우죠. 그러면 다음 날 그 스레드에 있던 누군가가 똑같이 하는 걸 봐요.

31:35 이건 엔지니어링에서만 보게 될 일이 아니라고 생각해요. 사람들이 AI와 일하는 방식 전반에서 보게 될 거예요. 이런 게 공개될수록, 도구에 밝고 엔지니어링 감각이 있고 이런 도구를 정확히 어떻게 쓰는지 아는 상위 1% 파워 유저 덕분에 회사의 나머지 사람들도 더 많이 끌어올려질 거라고 생각해요.

31:54 YC가 다음 배치 지원을 받고 있습니다. 마음속에 스타트업 하나 품고 계신가요? ycombinator.com/apply에서 지원하세요. 너무 이른 때란 없고, 지원서를 채우다 보면 아이디어도 한 단계 올라갑니다. 자, (음악) 다시 영상으로 돌아가죠.

32:08 Grok Bot을 쓰는 시간 중에 Grok Bot 앱에서 보내는 시간은 얼마나 되고, Slack이나 다른 곳에서 봇과 대화하는 시간은 얼마나 돼요?

32:17 지금 제가 하는 엔지니어링 일은 상당 부분이 사실 Slack과 X에서 일어나요. 그렇다고 제 봇이 전부 Slack에 추가된 건 아니에요. 좀 더 개인적인 봇이 아직 몇 개 있어요. 예를 들어 점심 메뉴 고르는 걸 도와주는 개인 비서 봇 같은 게 있어요. 그건 Slack에 추가할 필요가 없죠. 개인적인 거니까요. 제 이메일을 봐 주는 봇도 그렇고요.

32:38 그러니까 그건

32:38 팀 봇이요.

32:39 그건 팀 봇이 아니죠. 하나 만들 수는 있겠지만요, 그

32:41 개인 봇이네요.

32:41 공용 점심 봇 정도는 아마 만들 수 있겠죠, 그럼요.

32:43 음.

32:44 좋은 점은 또, 뭘 Slack에 추가할지 직접 고르고 정할 수 있다는 거예요. 그래서 제 엔지니어링 봇들은 주로 Slack에 있어요. 제가 링크를 복사해서 붙여 넣으러 가는 것보다 Slack 스레드에 봇을 그냥 추가하는 게 훨씬 편하거든요. 그래서 봇을 그 환경으로 데려오는 게 그냥 더 자연스럽게 느껴졌어요.

33:06 봇을 직원에 비유하신 거랑 딱 맞아떨어지네요. Slack이 일이 일어나는 곳이라면 사람 직원이 거기 있는 거고, 봇 직원도 거기 있어야 우리와 나란히 일할 수 있겠죠.

33:16 완전히요. 저희는 그걸 전혀 피하지 않아요. 사람들이 Slack에서 Grok Bot을 쓰는 걸 보면 저희는 정말 좋아요. 일이 일어나는 곳이 거기니까요. 마찬가지로 앞으로는 봇이 회의에도 들어가야 하고, Google Docs 안에도 있어야 한다고 생각해요. 저희 목표는 B2B SaaS 전부를 새로 만드는 게 아니에요. 그 분야는 다른 회사들이 아주 잘하고 있으니까요. 저희 목표는 그런 도구에 접근해서 그 안에서 일하고, 회사가 이미 일하는 방식에 자연스럽게 녹아드는 걸 만드는 거예요.

33:44 AI 동료의 미래

YouTube 33:44부터 · 원제 The Future of AI Coworkers

33:44 제가 궁금한 건, 앞으로, 그러니까 2027년쯤에는 AI에 완전히 눈뜬 최고의 엔지니어들이 어떤 방식으로 만들어야 한다고 보세요?

33:55 2027년에 대한 제 바람은, Grok Bot이 동료 같은 존재가 된다는 저희 비전을 훨씬 더 많이 이뤄 냈으면 하는 거예요. 봇이 자기 신원, 자기 전화번호, 신용카드를 갖고, 기본적으로 사람이 할 수 있는 거의 모든 걸 봇도 했으면 해요.

34:16 그리고 이게 어떻게 발전할지 정말 궁금해요. 얼마 전에 제 X 프로필에도 이런 질문을 올렸어요. 에이전트 TY[알아듣기 어려움]의 최종 형태는 뭘까, 채팅 인터페이스일까 아니면 다른 무엇일까 하고요.

34:33 그런데 어제 제 X 타임라인에서 꽤 흥미로운 걸 하나 봤어요. Neuralink 팀이 올린 게시물인데, Telepathy라는 새 제품을 내놨더라고요. 제가 틀리지 않았다면, 앞으로 에이전트가 뇌-컴퓨터 인터페이스를 통해 사실상 내 뇌, 내 마음을 읽을 수 있게 된다는 방향이에요. 나와 봇 사이의 장벽, 그러니까 봇과 대화하고 의도를 전달하는 방식의 장벽이 훨씬 유연해져서 말 그대로 생각의 속도로 소통할 수 있게 되면 미래가 어떤 모습일지 정말 관심이 많아요. 개인적으로는 그게 어떻게 발전할지 지켜보는 게 아주 흥미로울 것 같아요. 그런데 잘 모르겠네요, Roman은 어때요?

35:19 저희는 소프트웨어 공장 얘기를 많이 하고, 사업의 다른 부분을 위한 공장 얘기도 하는데요. 둘 사이에 뭐가 다른지 물어볼 가치가 있다고 생각해요. 차이가 많거든요. 앞으로 몇 년은 제품 쪽에서도 모델 쪽에서도 그 간극을 메우려고 애쓰는 시기가 될 거라고 봐요. 큰 차이 중 하나는, 코드는 컴파일이 되거나 안 되거나, CI를 통과하거나 못 하거나라는 거예요. 그리고 지식 노동이나 회사의 나머지 일에 비해, 코드를 쓰고 테스트하고 배포하는 방식 주변에는 인프라가 훨씬 많이 갖춰져 있어요. 그쪽에는 이런 것들에 해당하는 게 딱히 없어요.

35:53 두 번째는, AI 모델이 맞는 맥락을 받으면 얼마나 득을 보는지 우리는 알잖아요. 코드와 소프트웨어는 맥락이 코드베이스 안에 있다는 이점이 있어요. 그런데 회사의 나머지 부분에서는 중요한 정보가 너무 많이 사람들 머릿속에 갇혀 있어요. 펜과 종이에 갇혀 있고, 어느 서류 캐비닛에 갇혀 있고, 까먹은 비밀번호 뒤에 있는 뭔가에 갇혀 있고, 뭐 그런 식이죠. 그리고 그 한계도 지금 드러나고 있다고 생각해요.

36:18 그래서 저는 특히 YC 스타트업이 어떻게 할지 꽤 관심이 있어요. 완전히 제1원리에서, 맨바닥에서 시작하니까 소프트웨어 공장에 그치지 않고 회사 전체에 걸친 공장으로 회사를 세울 수 있을지도 모르잖아요. 그게 회사를 만드는 방식에 어떤 변화를 가져올까요? 2년 전에 세워진 회사라면 아마 똑같이 내리지 않았을 결정이나 트레이드오프를, 이들은 어떤 걸 내리게 될까요? 저는 그게 특히 궁금해요.

36:47 AI 네이티브 회사를 다시 생각하기

YouTube 36:47부터 · 원제 Rethinking the AI-Native Company

36:47 우리가 AI 네이티브 회사라는 개념 얘기를 좀 해 왔잖아요. 이게 Jack Dorsey가 그 글을 올리면서 훨씬 더 주목을 받은 것 같아요. 회사란 사실 이래야 한다는 내용이었죠—

36:59 Block은 결제를 위한 AGI가 돼야 한다, 이거죠. 작은 AGI를 만드는 거고, 그 일의 핵심은 인류를 위해 이 기능을 수행하는 AGI를 돌보고 먹여 키우는 거예요.

37:12 맞아요. Jack Dorsey가 말한 방식은 이래요. 조직에서 중간 관리층을 거의 전부 없애면 결국 역할이 딱 세 가지로 줄어든다는 거예요. 우선 모두가 IC가 돼요. 다들 그냥 전부 직접 출시하니까요. 모두가 성과를 들고 와요. 마케팅팀이나 그로스팀이 엔지니어링팀이랑 같이 뭔가를 만드는 대신, 그냥 자기들이 직접 만들 수 있으니까요. 그다음 역할은 성과를 책임지는 DRI인데, 거의 모든 IC를 지휘하는 사람에 가까워요.

37:41 그리고 새로운 역할이 하나 있어요. 지금 당장만 있는 일시적인 역할일 수도 있다고 보는데, 플레이어 코치예요. AI에 완전히 빠져서 모두를 가르치는 사람이죠. Lauren, 딱 당신이 그 역할인 것 같네요. 그러면 다들 '아, 길을 보여 줘' 하게 되고, 조직 전체가 레벨업해요. 'Potato 봇이나 matcha 봇은 이렇게 부르는 거야' 하는 식이니까요.

37:59 사례 하나가 그쪽 고객 성공팀이 Grok Bot, 그러니까 이 팀 봇들을 쓰는 거였어요. 혼자 쓰는 도구가 아니라 팀원 모두가 같이 일하는 상대예요. 만들어서 Slack에 들여놓은 동료 그 자체죠. 이 경우엔 고객 요청을 전부 받아 내는 것 같아요. 고객 메시지가 1분에 수백 건씩 들어온다고 알고 있어요. 사람이 다 읽어 내기엔 너무 많은 양이죠. 봇이 그걸 분류하고 맞는 사람에게 배정해요. 이런 티켓 중 상당수는 AI가 처음부터 끝까지 처리할 수 있을 거예요. 그래서 그중 상당수는 Grok Bot이 직접 끝내고, 그다음에 맞는 DRI에게 올려요.

38:32 그런데 회사가 이 시점에 맞춰 스스로를 어떻게 다시 정비할 수 있느냐는, 말씀하신 큰 요점은 정확히 맞는 것 같아요. 많은 회사가 목적 함수를 설계하는 데 더 많은 시간을 쓰게 될 거예요. 실행이 꽤 싸진 세상, 코딩 에이전트 100개나 Grok Bot 100개를 띄워서 문제 하나를 끝까지 파고들게 할 수 있는 세상에서는 문제를 잘 정의하는 게 정말 중요해요. 격차는 아마 실행 실패에서 생기지 않을 거예요. 의도 명세 실패나 목표 실패에서 생기겠죠.

39:09 이런 걸 어떻게 수치로 잴지도 문제예요. 데스크톱 클라이언트의 성능 개선은 수치로 잴 수 있어요. 그런데 마케팅이 개선됐다는 게 뭔지 정의하기는 좀 더 어려울 거예요. 많은 회사가 그 KPI가 뭔지, 에이전트를 어떻게 그 방향으로 향하게 할지, 그걸 정의하는 책임이 누구한테 있는지 고민해야 할 거예요. 우리는 실행 대역폭이 제약된 세상에서 살아왔는데, 이제는 실행이 넘쳐 나는 세상으로 옮겨 가고 있어요. 회사가 고민하는 질문의 종류도 아마 꽤 달라질 거예요.

39:40 어쩌면 희소한 자원은 무엇을 왜 할지 정하는 그 상위 실행 기능 쪽이 될 거예요. 그래서 더 많은 빌더가 창업자 같은 기질을 갖추게 될 거예요. 유저의 의도를 제대로 알고, 그걸 봇이 해야 할 일로 잘 옮기는 기질이요. 최고의 AI 빌더와 그저 그런 빌더 사이엔 큰 격차가 있는데, 그 차이는 결국 그 의도를 얼마나 잘 옮기느냐에 있다고 봐요. Laura(Lauren), 당신이 한 것 중에 팁과 요령이 많아요. 영상도 꽤 인상적이었고요.

40:12 딱 하나, 정말 중요한 게 있을까요? '이것만 하면 시작할 수 있다' 같은 거요. 그러니까, 루프의 최소 형태가 뭔가요?

40:13 에이전트가 자기 작업을 스스로 확인하게 가르치기

YouTube 40:13부터 · 원제 Teaching Agents to Check Their Own Work

40:23 이게 본질적으로 가장 작은 루프예요. 에이전트는 이미 코드를 쓸 수 있어요. 좋은 코드는 아닐 수도 있으니까 이 말은 일단 지워 둘게요. 그러니까 단순하게 에이전트를 쓴다면 코드는 분명히 쓸 수 있고, 네, 코드를 실행할 수도 있어요. 그런데 오늘날엔 에이전트 셋업에 시간을 많이 들이지 않았다면 코드를 실행하는 사람이 당신일 수도 있어요. 그러니까 이건 사실 진짜 루프가 아니에요. 지금은 이게 빠진 조각이거든요. 에이전트는 이걸 못 하는데, 당신이 하고 있었던 거죠.

40:53 그래서 제가 찾은 가장 작은 루프는 바로 이 부분에 집중하는 거예요. 에이전트가 코드를 실제로 돌려 보게 어떻게 가르칠까. CPU 트레이스를 뜨고, 성능 지표를 보고, 실제 유저처럼 코드를 실행하고 애플리케이션을 돌려 보게요. 이게 루프가 되는 이유는 이제 에이전트가 자기 작업을 스스로 확인할 수 있게 되기 때문이에요. 자기가 쓴 코드의 문제를 찾을 수 있고, 그러면 더 나은 코드, 더 정확한 코드를 쓸 수 있고, 당신이 원하는 결과가 나올 때까지 계속 루프를 돌 수 있어요.

41:22 제가 '좋은'이라는 부분을 지운 데는 이유가 있어요. 이런 루프가 있다고 해서 코드 품질이 좋다는 보장은 없거든요. 하지만 정확하긴 할 거예요. 당신이 원한 일을 한다는 의미에서 정확하다는 거예요. 대신 엄청 느리거나 자원을 엄청 비효율적으로 쓸 수도 있죠. 바로 거기서 엔지니어가 등장해요. 소프트웨어 엔지니어의 새 일은 이게 일어나게 하는 방법을 알아내는 거예요. 그러니까, 에이전트가 기본값으로 좋은 코드를 쓰게 하려면 어떻게 해야 하느냐는 거죠. 그러면 루프는 점점 더 똑똑해져요. 거기에 만족하게 되면, 그때부터 루프의 다른 부분, 그러니까 바깥 루프 부분을 생각해 볼 수 있다고 봐요.

42:06 이 부분이 정말 좋아지면 이제 이런 걸 할 수 있어요. 아주 간단한 예를 하나 들면, 어떤 지표나 모니터가 특정 임계값 아래로 떨어질 때 울리는 경보가 있다고 해 봐요. 그러면 graph bot(Grok Bot) 같은 에이전트나 Cursor 오토메이션이 그 경보를 계기로 실행될 수 있어요. 그러면 에이전트가 기본 루프용으로 당신이 준 바로 그 도구와 스킬을 써서 자기 머신에서 문제를 재현해요. 코드를 실행하고, 코드의 문제를 찾고, 좋은 코드를 써요. 이제 스스로 굴러가는 루프가 생긴 거예요.

42:44 그 덕에 제 시간이 풀려요. 에이전트 하나하나를 돌보던 데서 이제 여러 에이전트를 지휘하는 쪽으로요. 이젠 제 봇들이— 한 단계 더 나아갔는데요, projects라는 새 기능이 있어요. 하위 에이전트를 지휘하고 관리하는 프로젝트 코디네이터 에이전트를 둘 수 있게 해 주는 기능이에요. 저는 이제 프로젝트를 직접 관리하지도 않아요. 제 봇들한테 그걸 시켜요.

43:12 여기 소프트웨어 팩토리 분야에서 세계 최고 전문가 몇 분이 계시니까, 아주 세세한 질문을 좀 하고 싶어요. 괜찮죠? 제가 지금 gstack으로 이 문제 때문에 고생 중이라서요. 코드 리뷰 단계에서 애를 먹는 에이전트가 잔뜩 있어요. /ship 스킬이 있는데, 변경 사항을 한 줄 한 줄 다 훑으면서 버그를 잡아내려고 해요. 지금은 아주 철저해요. 그런데 쓸 때마다 늘 토큰을 수천만 개씩 먹어요. 그리고 실제로 버그를 잡아내긴 해요. 그래서 지금 좀 고민 중인데, 이건 [알아듣기 어려움] 플랜 쪽이랑도 이어지는 얘기예요. 저는 아직 플랜 모드를 쓰고 플랜 스킬도 잔뜩 있거든요. 저는… 아직 플랜 모드 쓰세요?

43:56 코드 리뷰는 얼마나 해야 충분한가

YouTube 43:56부터 · 원제 How Much Code Review Is Enough?

43:56 아뇨.

43:56 플랜 모드 안 쓰시는군요. 네네네. 그럼 pstack에는 리뷰 단계 같은 게 있겠네요. 리뷰를 어디까지 하면 충분하고 어디부터 지나친 건지, 철학이 뭔가요? 저 지금 말 그대로 제 Cappy 캡틴 하나랑 논쟁 중이거든요. (웃음) 저는 리뷰 한 번에 5,000만 토큰 쓰던 걸 1,000만 정도로 줄이고 싶었어요. 그런데 이 캡틴한테는 따로 떼어 둔 홀드아웃 eval이 잔뜩 있어서, 그걸 보면 그 리뷰 단계에서 꼭 잡아내고 싶은 버그 유형이 30가지쯤 된다는 거예요. 그러면서 '1,000만으로는 못 해요. 3,000만은 있어야 해요. 5,000만에서 3,000만으로 줄였잖아요. 3,000만으로 내보내면 안 될까요?' 하는데, 저는 '아니 아니 아니, 1,000만이어야 해' 이러고 있어요. 어떻게 보세요? 그러니까, 지금 최첨단은 어디까지 와 있나요?

44:34 좋은 질문이네요. 저는 사실 pstack에서 리뷰 스킬 몇 개의 비중을 조금 낮추려고 해 왔어요. pstack에는 스킬이 많아요. 예를 들어 interrogate라는 스킬이 있는데, 서로 다른 모델의 에이전트를 띄워요. 서로 다른 모델 계열에 걸쳐서요. 그리고 적대적 리뷰도 할 수 있어요. 몇 달, 아니 꽤 여러 달 전에 아주 유행했죠. 저는 사실 거기서 좀 물러났어요. 그렇게 하면, 물론 여전히 가치는 있지만, 과적합 위험이 생긴다고 봐요. 에이전트한테 어떤 피드백이 진짜 좋은 피드백이고 어떤 건 아닌지 가려낼 능력이나 판단력이 충분하지 않을 수 있거든요.

45:15 당신의 목표와 의도, 더 넓은 제품 비전을 다 알지 못할 수도 있어요. 예를 들면 당신이 제품을 어떤 방향으로 키우고 싶은지 이해하지 못하는 거죠. 그러다 보면 아주 추상적인 데까지 가 버릴 수 있어요. 에이전트가 나오기 전을 떠올려 보세요. 엔지니어 여럿이 모여서 이걸 하는 가장 완벽하고 이상적인 유토피아 같은 방법을 논하고 있어요. 그런데 사실 그건 아무 상관이 없어요. 두 달 뒤에 이걸 폐기하고 완전히 새로운 비전을 만들 계획이니까요.

45:45 그러니까 거기에도 비슷한 비유가 통한다고 봐요. 리뷰를 어느 정도 하는 건 좋아요. 하지만 저는 그보다 이쪽으로 더 옮겨 가려고 해요. 제 화면에 이 역피라미드가 있는데, 말씀하신 것처럼 토큰을 덜 쓰는 쪽으로 밀고 가려고—

46:02 음.

46:03 엔지니어링 관점에서 저는 이걸 이렇게 생각하는 걸 좋아해요. 코드베이스는 기억의 한 형태다.

46:10 음.

46:10 그래서 아키텍처나 API 설계를 리팩터링하거나, 정적 분석 같은 것, 린트 규칙, 컴파일러를 갖춰 두면 토큰 효율이 훨씬 좋아요. 이 모든 것, 언어들, 프로그래밍 언어들은 원래 예전에 사람이 좋은 코드를 쓰도록 돕기 위해 존재해 온 거예요. 그리고 당연하게도 에이전트에게도 도움이 되죠. 그래서 지금 캡틴이랑 논쟁하고 계신 것들 중 일부를 코드베이스에 다시 새겨 넣을 수 있다면, 이제 신경 쓸 문제가 하나 줄어드는 거예요.

46:48 방금 기능 아이디어를 하나 주셨어요. gstack에는 오피스 아워랑 CEO 리뷰가 있어서 거기서 제품 얘기를 하거든요. 그걸 쓸 수 있겠어요. 그게 입력으로 들어가는 제품 요구 사항 같은 거니까요.

47:00 맞아요. 네.

47:00 그리고 그게 프로젝트 안에 마크다운으로 저장돼요. 그러니까 리뷰 스킬이—

47:04 …그것들을요. 네.

47:05 이미 조금은 그렇게 하는 것 같은데, '아니 아니 아니, 진짜로 그걸 써서 뭘 리뷰해야 하는지, 뭐가 고쳐야 할 진짜 버그고 뭐가 아닌지 판단해' 하고 시킬 수 있겠네요. 일반적인 정확성 버그 중에는 그냥 중요하지 않은 것들이 있거든요. 0.1%의 확률로만 일어나거나 아예 안 일어날 수도 있는 것들이요.

47:22 음.

47:23 그러니까 이 삼각형이 보여 주는 건, 코드베이스는 꽤 크고 시간은 아주 조금이라는 거네요.

47:32 네, 그래서 일부러 이렇게 그렸어요. 물론 그렇게 과학적인 차트는 아니에요. 그래도 그릴 때 머릿속에 그린 건, 이게 엔지니어로서 시간을 어디에 써야 하는지를 나타낸다는 거였어요. 저는 투자 대부분을 코드베이스와 정적 분석에 해요. 그 위에 규칙과 스킬, pstack 업데이트, agents.md를 여전히 겹쳐 쌓고요. 사람이 하는 리뷰도 가끔 조금씩은 여전히 해요. 인프라나 데이터베이스, 배포처럼 더 중요한 부분, 좀 더 민감한 걸 작업한다면 여전히 루프 안에 머물고 싶을 수도 있어요.

48:14 하지만 평범한 제품 개발이나 소프트웨어 유지 보수의 상당 부분은 여기에 투자하면 결국 토큰을 많이 아끼게 된다고 봐요. 예를 들어 Graphbot(Grok Bot) 데스크톱 앱은 Electron 애플리케이션이에요. Cursor를 만들면서 배운 교훈 하나가, Electron의 렌더러 스레드는 오래 걸리는 작업에 아주 민감하다는 거예요.

47:33 토큰을 아끼는 코드베이스 가드레일

YouTube 47:33부터 · 원제 Codebase Guardrails That Save Tokens

48:39 아, 맞아요.

48:40 네. 작업이 16밀리초나 8밀리초 넘게 걸리면 성능이 아주 버벅거릴 수 있어요. 60 FPS로 매끄럽게 돌리고 싶다면요. 그래서 Graphbot(Grok Bot)을 리팩터링하고 만들 때 그걸 그냥 만들어 버렸어요. 이 문제는 더 이상 생각하고 싶지 않다고 정했거든요. 코드 리뷰에서 잡아내야 하는 일도 없었으면 했고요. 그래서 린트 규칙 같은 걸로 만들기로 했어요. 의존성 그래프 검사기를 만들었죠. 이제는 그냥 코드베이스가 강제하고 CI가 강제해요.

49:08 [알아듣기 어려움] …그걸 거기에?

49:08 그러니까 이제 제가 쓸 필요가 없어진 토큰인 거죠.

49:11 허, 그걸 정적 분석에서 어떻게든 강제한다고요? 실제로 뭔가 실행하는 데 얼마나 걸릴지 알 수 있다는 거예요?

49:18 아뇨, 그보다는 이런 거예요. GraphAI lab에는 메인 스레드에서 도는 코드가 있고 렌더러 스레드에서 도는 코드가 있어요. 그래서 그 둘 사이의 import를 명시적으로 금지해요. 메인 스레드 코드가 늘 오래 걸린다는 건 아니에요. 그냥 렌더러를 막으면 안 되는 좀 무거운 작업이 import되는 일이 자주 있다는 거죠.

49:42 …렌더러 스레드에서 말이야. 제발 그러지 마.

49:45 …최대한 가볍게요. 그래서 네, 그건 이제 저희가 아예 신경 쓰지 않는 문제예요. 그리고 앱 성능도 실제로 아주 꾸준하게, 아주 좋게 유지돼 왔어요. 대부분을 AI가 쓴 애플리케이션이 많다는 걸 생각하면 꽤 놀라운 일이라고 봐요. 그런 앱은 처음엔 빠르게 시작하지만, 시간이 지나면서 슬롭과 성능 문제가 잔뜩 쌓이거든요.

50:10 하지만 맞는 스킬과 도구, 맞는 셋업이 있으면, 네.

50:14 품질도 얻고 양도 얻을 수 있어요. 두 마리 토끼를 다 잡을 수 있다고 봐요.

50:18 지금 이 시점의 멋진 점은, 그러니까 예전엔 셋 중 둘만 고를 수 있다는 트레이드오프가 있었잖아요. 빠르거나, 싸거나, 품질이 높거나. 이제는 셋 다 할 수 있어요. 그리고 지금 AI로 우리 인생 최고의 작업을 할 수 있어요. 정말 멋진 일이죠.

50:37 전적으로 동의해요. 빠르고 싸고 좋은 건 분명히 더 가능해졌어요. 거기까지 가는 게 쉽다는 건 아니지만요. 제 경험으로 말하면, 저는 무제한 토큰을 준 연구소에서 일하는 특권을 누리고 있어요. 그래서 저는 저 자신을 일종의 탐험가로 봐요. 6개월에서 1년 뒤의 소프트웨어 엔지니어링이 어떤 모습일지 알아내려는 사람이요. 이 과정은 이 워크플로를 실제로 효율적으로 유지하는 방법에 대해 제게 많은 깨달음을 줬어요. 토큰 비용은 많은 팀과 사람들이 고민하는 주제거든요.

51:21 여기 보여 드리는 역피라미드 같은 방식을 받아들이면, 아주 괜찮은 조합에 도달할 수 있다고 봐요. 평범한 엔지니어링 작업, 품질 높은 엔지니어링 작업을 하느라 거덜 날 필요가 없는 거죠. 꽤 경제적이고 꽤 효율적일 수 있어요. 게다가 프런티어는 계속 점점 더 똑똑해지고, 지능의 단위 비용은 계속 내려가요. 작년 모델이랑 지금 모델을 비교해 보면, 입력·출력 토큰이 같은 토큰이 아니에요. 지금의 프런티어 토큰 하나는 작년 토큰 하나보다 훨씬 더 많은 걸 해내요. 작은 모델을 하나 써도, 그 모델조차 1년 전 큰 모델보다 훨씬 나아요. 그런 관점에서 보면, 우리는 진정한 풍요의 시기로 다가가고 있다고 생각해요. 소프트웨어도, 어쩌면 다른 분야들도요.

52:20 제품 판단이 병목이 될 때

YouTube 52:20부터 · 원제 When Product Judgment Becomes the Bottleneck

52:20 Grok Bot을 만드는 저희 코어 팀에서도 이게 보여요. Lauren은 한 달에 PR을 4,000개씩 올리고 있고, 앞으로 그렇게 하는 엔지니어가 더 많아질 거라고 봐요. 그리고 저희가 보기 시작한 병목은 이런 아이디어와 기능을 개발하는 데 들어가는 시간이나 엔지니어링 인력보다는, 팀으로서 우리끼리 얼마나 맞춰져 있느냐예요. 제품 로드맵을 어떻게 가져가고 싶은지, 우리 비전이 뭔지, 좋은 게 어떤 모습인지, 훌륭한 게 어떤 모습인지요.

52:51 실제로 그런 걸 겪은 논의가 정말 많았어요. Lauren이랑 제가 Grok Bot의 향후 변경 사항을 얘기하고 있는데, 누가 뭔가를 제안하면 방에 있던 다른 누가 '아, 관심 있으면 그거 제가 PR 만들어 둔 거 있어요. 주말에 좀 작업했거든요' 뭐 이런 식이에요. (웃음) 그런 일이 끊임없이 일어나요. 그러니까 만들어지긴 다 만들어져 있는데, 그걸 다 머지하고 싶진 않아요. 아무렇게나 붙인 사이드 프로젝트들로 좀 프랑켄슈타인 같은 제품이 돼 버릴 테니까요. 제품에는 일관된 비전과 철학이 꼭 필요해요. 그래서 저희는 시간을 점점 더 거기에, 그런 질문들에 쓰고 있어요. 이제는 모두가 하루에, 혹은 한 주에 수천 개의 작은 결정을 내리고 있으니까요. 예전에는 그렇지 않았던 것 같아요.

53:30 그 부분이 정말 궁금해요. 요즘 좀 유행하는 말이 '중요한 건 취향이다'잖아요. 그 말은 사실 많은 걸 거절하고 안목을 갖춘다는 뜻이고요. 두 분한테는 그게 실제로 어떤 모습이에요? 이런 걸 할지 말지 어떻게 결정하세요?

53:46 네. 어떤 범주의 것들은, Lauren이 세팅해 둔— Lauren 팩토리에서 제가 제일 좋아하는 부분 중 하나가 Sandy예요. 매일 수천 건의 고객 피드백을 받아들이죠. 피드백은 제품으로도 들어오고, 지원 채널로도 들어오고, X로도 들어와요. 상당수는 그냥 작은 버그예요. 그래서 많은 경우 Lauren의 팩토리가 그냥 고쳐요. 재현하고, 고치고, 머지하고, 아무도 신경 안 써요.

54:10 새벽 3시에 자동으로 배포돼요.

54:13 모든 소프트웨어가 그렇게 만들어지면 좋겠네요. Apple, Apple에서 일하는 분들, 이렇게 좀 해 줄 수 있나요? 이봐요, 특히 캘린더 팀, 저 여러분한테 불만이 좀 있거든요.

54:22 Grok Bot에는 그런 식으로 스스로 치유돼야 하는 부분이 많아요. 그게 드디어 돌아간다는 게 멋지고요. 그런데 그런 식으로 돌아가면 절대 안 되는 질문들도 있다고 봐요. 유저가 매일 경험하는 핵심 픽셀을 바꾸는 거라면요. 유저 입장에선 아침에 일어나서 Grok Bot을 새로 고쳤더니 완전히 새로운— 버튼이 옮겨져 있고, 다음 날 또 옮겨져 있으면 정말 짜증 나요.

54:43 그래서 저희가 그걸 막으려고 쓰는 방법은 내부에서 도그푸딩을 많이 하는 거예요. 그리고 출시하기 전에 변경 사항을 편하게 느껴지는 것보다 더 오래 붙들고 지내 봐요. 기본 원칙은, 내부에서 프로덕트 마켓 핏을 얻지 못하면 출시하지 않는다는 거예요. 내부 프로덕트 마켓 핏이 엇갈리는 정도여도 출시하지 않아요. 그래서 팀으로서 기준을 정말 높게 유지하려고 해요.

55:05 네, 그게 사실 Graphpot(Grok Bot) 팀에서 일하면서 제가 제일 좋아하는 부분 중 하나예요. 속도가 엄청 빠른데도 사용자 경험에는 여전히 의도와 정성을 많이 들여요. 정말 빨리 갈 수 있다고 해서 생각나는 기능을 전부 출시해야 한다는 뜻은 아니에요. 바로 여기서 사람의 판단과 취향이 들어온다고 봐요. 개인적으로는 그게 유행에서 밀려날 거라고 생각하지 않아요. 사람을 위한 소프트웨어를 만드는 한, 의도적으로 설계된 경험을 사람이 진지하게 고민해야 한다고 봐요. 서로를 가장 잘 아는 건 우리니까요.

55:41 에이전트를 위한 소프트웨어를 만든다면 얘기가 다르죠. 그럴 땐 아마 최대한 빨리 가도 될 거예요. 하지만 사람을 위한 거라면, 개발하는 것에 의도적인 정성과 고민을 담고 싶을 거예요. 그래서 저는 제 팩토리들도 기능 개발 쪽으로 돌리지 않아요. 소프트웨어 유지 보수 쪽으로 더 돌려요. 저는 성능을 많이 신경 쓰고, 유저가 마주치는 버그나 유저가 가진 사용 편의성 불만을 고치는 데 많이 신경 쓰거든요. 그게 에이전트를 정말 잘 쓰는 방법이라고 생각해요. 예전엔 누군가의 풀타임 일이었는데, 이제 그걸 에이전트 여럿에게 맡겼어요. 그 덕에 저와 다른 엔지니어들이 제품 경험을 더 깊이 고민할 여유가 생겨요.

56:29 재무에서 AI 엔지니어링으로, 그리고 마무리

YouTube 56:29부터 · 원제 From Finance to AI Engineering + Outro

56:29 Lauren, 당신의 여정에서 아주 영감을 주는 점이 하나 있는데, 많은 사람이 아는지는 모르겠어요. 싱가포르에서 자랐고 비기술 분야 학위를 공부했잖아요. 호주 Monash에서 회계·재무 학사를 받았고요. 그런데 어쩌다 보니 지금은 최고의 AI 엔지니어 중 한 명이 됐어요.

56:47 네.

56:48 어떻게 그렇게 된 거예요? 사람들은 가끔 테크 업계에 들어가기가 아주 어렵다고 생각하는데, 당신은 해냈잖아요. 가장 어려운 일 중 하나인 React 컴파일러 작업도 했고요.

56:57 네, 저는 테크 업계에서 확실히 아주 혜택받고 운 좋은 경험을 했다고 느껴요. 그때는 독학한 개발자라는 개념에 사람들이 훨씬 더 열려 있던 시절이었던 것 같아요. 긴 얘기를 짧게 하면, 대학을 나와서— 네, 재무를 공부한 건 맞아요. 제가 제일 좋아한 과목은 사실 재무 모델링이었어요. Excel이랑 Visual Basic, VBA 쓰는 법을 배워서 근사한 재무 가치 평가 같은 걸 만들었죠. 그 과목을 듣는 동안, 재무 쪽보다 스프레드시트와 매크로를 만드는 게 더 재미있다는 걸 깨달았어요. 재무 쪽도 흥미롭긴 했지만, 기술적인 부분, 논리적으로 생각하는 게 그냥 정말 흥미로웠어요. 제가 그쪽에 소질이 있다고는 생각해 본 적 없던 분야였고요.

57:43 그래서 대학을 마치고 친구, 같은 반 친구랑 스타트업을 차렸어요. 그렇게 멀리 가진 못했지만 그 과정에서 많이 배웠고, 호주 스타트업 커뮤니티에 깊이 참여하게 됐어요. 그렇게 첫 직장을 얻었어요.

57:58 그리고 제가 성공의 진짜 비결로 꼽는 건 사실 X예요. 저는 거의 코딩을 배우던 시절부터 시작했어요. 블로그를 하나 운영하면서 배운 걸 그냥 공유했어요. 그러다 운 좋게도 제가 애플리케이션을 만들던 프레임워크, 그러니까 JavaScript 프레임워크인 Ember 커뮤니티의 누군가가— 네, Tom Dale과 Leah Silber가 연락을 해 왔어요. 곧 오리건주 포틀랜드에서 열리는 컨퍼런스에서 발표해 볼 생각이 있냐고요.

58:33 정말 충격받았어요. 평생 컨퍼런스에 한 번도 가 본 적이 없었는데, 이제 수백 명이 모이는 컨퍼런스에서 발표해 달라는 요청을 받은 거니까요. 게다가 사람들 앞에서 말하는 건 늘 제가 제일 두려워하던 일이었어요. 그런데 어떻게든 저를 설득해서 하게 만들었어요. 그때 제 생각을 전달하고, 사람들을 그 여정에 함께 데려가는 능력에 대해 배웠어요. 이 스토리텔링과 소통의 기술은 그 뒤로 엔지니어링 일에 깊이 빠져 지내는 동안에도 계속 제 곁에 남았어요. 그동안 정말 훌륭한 멘토도 많이 만났고요.

59:11 그러니까 결국 하고 싶은 말은, 멋진 걸 하고, 그 멋진 것에 대해 이야기하고, 그걸 루프처럼 계속 반복하라는 거예요. 그러다 보면 운이 맞아떨어져서 누군가 당신이 X에 한 말을 알아보고 리트윗해 주고, 전에 없던 기회를 줄지도 몰라요. 아이디어를 발전시켜서 스타트업 아이디어를 떠올릴 수도 있겠죠. 그리고 YC에 지원하고, 정신 차려 보면 트윗 하나로 인생이 바뀌어 있을 수도 있어요.

59:39 끝맺기에 아주 좋은 지점이네요.

59:42 Lauren, Roman, 함께해 줘서 정말 고마워요.

59:45 정말 재미있었어요.

59:46 놀라운 제품을 만들어 줘서 고마워요. 앞으로 뭘 만들지 정말 기대돼요.

59:51 불러 줘서 고마워요. 정말 즐거웠어요.

영상 게시물이 인용한 X 아티클 — 「Grok Bot 에이전트: 10단계로 삶을 자동화하는 법(전체 튜토리얼)」

아티클 표지. 검은 바탕 왼쪽에 흰 봇 아이콘과 큰 글자 ‘GROK BOT AGENTS’가 있다. 그 아래 ‘Automate your life in 10 steps’와 ‘FULL TUTORIAL’ 버튼 모양 글자가 있다. 오른쪽 도식에서는 가운데 청록 Chief 봇에서 Inbox, Accounts, Expense, Talent, Sales 봇으로 주황 화살표가 뻗는다. Talent에서 Chief로 ‘approvals only’ 초록 점선이 돌아온다.

지금까지 써 온 AI 도구는 모두 당신을 기다린다. 당신이 열고, 묻고, 도구가 답하고, 당신이 닫는다. 일은 여전히 당신 손에서 일어난다 — 모델은 그 과정을 말로 안내할 뿐이다.

갓 나온 AI 알파를 받으려면 내 Substack을 팔로우하라: movez.substack.com

Grok Bot은 이 구도를 뒤집는다. 봇마다 클라우드에 자기 컴퓨터를 하나씩 받는다. 봇은 당신이 이미 쓰는 도구에 로그인하고, 당신이 하듯 그 도구를 클릭해 나가고, 당신이 노트북 덮개를 닫은 뒤에도 계속 일한다.

챗봇과 봇을 견주는 두 칸 도식. 왼쪽 칸 제목은 ‘A CHATBOT — THE WORK STAYS WITH YOU’(챗봇: 일은 당신에게 남는다)다. you ask → it answers → you do it 순서로 이어진다. ‘and again’ 점선이 처음으로 되돌아간다. 아래에 ‘your hands, every time’이 적혀 있다. 오른쪽 칸 제목은 ‘A BOT — THE WORK MOVES’(봇: 일이 옮겨 간다)다. you delegate → 주황 봇 아이콘 → you decide 순서다. 봇 옆 상자에 ‘its own computer’가 있다. 아래에 ‘it comes back only for the call’이 적혀 있다. 맨 아래 줄은 ‘THE WHOLE DIFFERENCE: ONE KEEPS THE WORK, THE OTHER MOVES IT’다.

그러면 당신은 프롬프트를 쓰는 일을 멈추고 위임하기 시작한다. 워크플로를 짜는 일을 멈추고 할 일을 한 문장으로 설명하기 시작한다.

이 글은 설치부터, 서로 일을 넘기고 사람이 내려야 할 판단에만 당신을 불러들이는 전문가 팀을 굴리는 데까지 가는 10단계 튜토리얼이다.


01. 설치하고 Chief를 만나라

Grok Bot은 브라우저 탭이 아니라 데스크톱 앱이다 — 이것이 이 제품의 정체를 알려 주는 첫 신호다.

macOS용 앱을 내려받아 Grok 또는 Cursor 계정으로 로그인하면, 챗봇보다는 메신저에 훨씬 가까워 보이는 화면이 나온다: 왼쪽에는 이름 붙은 봇들이 늘어선 사이드바, 오른쪽에는 대화창.

출발점은 보통 범용 봇 하나다 — 이름은 Chief라고 하자.

Grok Bot 데스크톱 앱 화면(어두운 테마). 왼쪽 사이드바에 Search 칸과 봇 세 개가 있다. Chief bot(13:53), AI news(13:52), X Analytics(13:51) 순서다. 사이드바 아래에 Plugins와 ‘Enter your name’이 있다. 오른쪽 Chief bot 대화에서는 ‘Today 13:53’ 아래 봇이 ‘Hey. Fresh start — what do you want me on?’이라고 묻는다. ‘Renamed to Chief bot’ 표시 뒤 사용자가 ‘Hi Chief’라고 쓴다. 봇은 ‘Hey. What's the main thing you want me handling?’이라고 답한다. 아래 입력창에 ‘Message Chief bot’이 보인다.

Chief의 일은 모든 것을 하는 것이 아니다. 어떤 작업을 어느 전문가가 맡아야 할지 아직 모를 때 말을 거는 상대가 되고, 나중에는 다른 봇들을 조율하는 것이 Chief의 일이다. 누구에게 메시지를 보내야 할지 모를 때 메시지를 보내는 사람이라고 생각하면 된다.

인사를 건네고 작지만 진짜인 일을 하나 맡겨라. 시험 삼아 던지는 질문이 아니라 — 결과를 확인할 수 있는 실제 심부름 말이다.

Chief 봇 대화 화면. 오른쪽 위에 ‘FIRST RUN’이 있다. 사용자가 ‘Pull the five most recent invoices from my Gmail and tell me the total.’이라고 요청한다. 상태 줄에 ‘Chief opened its computer · signing into Gmail’이 뜬다. Chief는 최근 14일 동안 청구서 5건을 찾았다고 답한다. 합계는 $4,182.50이다. Vercel 청구서 하나는 지난달 것과 금액·항목이 같아 중복으로 보인다고 말한다. 이어 표시할지 묻는다. 사용자가 ‘Yes. And remember I always want duplicates flagged.’라고 답하자 ‘Saved to memory · Chief’가 뜬다.

첫 작업은 30초 안에 검증할 수 있는 일이어야 한다. 이어지는 아홉 단계의 요점이 점점 더 큰 일을 맡길 만큼 이 봇을 믿는 법을 익히는 데 있기 때문이다.


02. 프롬프트가 아니라 직함을 줘라

Grok Bot에서 가치를 얻는 사람과 금방 튕겨 나가는 사람을 가르는 단계가 바로 여기다. 프롬프트는 요청이다.

봇은 역할이다 — 봇은 계속 남아 있고, 기억을 쌓고, 한 영역을 맡고, 당신이 같은 스레드로 계속 돌아오기 때문에 바로 그 영역에서 점점 나아진다.

그러니 사람이 실제로 맡을 수 있는 직무의 이름을 붙여라.

  • Inbox Manager(받은편지함 관리자). Expense Manager(경비 관리자). Talent Scout(인재 발굴). Sales Outbound(영업 아웃바운드).

그다음 첫 출근한 신입에게 브리핑하듯 봇의 헌장을 써라: 무엇을 맡는지, 잘한 결과는 어떤 모습인지, 그리고 — 모두가 건너뛰는 부분 = 당신에게 묻지 않고는 절대 하면 안 되는 일.

이 마지막 경계는 서류 작업이 아니다. 봇의 권한이 어디서 멈추는지 미리 정해 두었기 때문에, 이 경계가 있어야 봇을 지켜보지 않고 돌려 둘 수 있다.

헌장 프롬프트 — 고쳐서 다시 쓰라
너는 내 Inbox Manager다.

// 네가 맡는 일
매일 아침 내 이메일을 분류해라. 뉴스레터와 영수증은 보관 처리해라.
고객이 보낸 메일에는 모두 답장 초안을 써라. 마감, 청구서, 법률 문제를
언급하는 메일은 눈에 띄게 올려라.

// 잘한 결과의 모습
오전 9시까지 받은편지함 0건. 초안은 내 말투로: 짧고, 직설적이고,
"평안하시길 바랍니다" 같은 인사는 빼라. 절대 4문장을 넘기지 마라.

// 네가 멈추는 곳
아무것도 보내지 마라. 초안만 써라.
내 회계사나 집주인이 보낸 메일은 절대 보관 처리하지 마라.
메시지가 돈이나 자격 증명을 요구하면 멈추고 나에게 물어라.
원문
The charter prompt — adapt and reuse
You are my Inbox Manager.

// what you own
Triage my email every morning. Archive newsletters and receipts.
Draft replies to anything a client sends. Surface anything
that mentions a deadline, an invoice, or a legal question.

// what good looks like
Inbox at zero by 9am. Drafts sound like me: short, direct,
no "I hope this finds you well". Never more than 4 sentences.

// where you stop
Never send anything. Draft only.
Never archive anything from my accountant or my landlord.
If a message asks for money or credentials, stop and ask me.

자기 컴퓨터와 당신의 로그인을 가진 봇은 당신이 자는 동안에도 행동할 수 있는 봇이다.

봇이 어디서 멈추는지 정하는 것은 조심을 위한 조심이 아니다 — 상시 가동이라는 부분을 쓸 만하게 만드는 장치다. 모든 일을 물어봐야 하는 봇은 쓸모가 없다. 한 번도 묻지 않는 봇은 위험하다. 헌장은 그 선을 매일 걱정하는 대신 한 번에 긋는 자리다.


03. 도구는 한 번만 연결하라

Grok Bot에는 당신이 기대어 쓸 것으로 보는 연동 서비스를 모은 플러그인 패널이 들어 있다:

Grok Bot의 Plugins 창. Marketplace 탭이 선택되어 있다. 옆에 Yours 탭, 오른쪽에 ‘Search plugins’ 검색창이 있다. Featured 구역에는 Gmail(Added 표시), Google Calendar, Google Drive, Granola와 ‘Show 2 more’가 있다. Agent Orchestration 구역에는 Arize, Atlan, AWS Agents, AWS SageMaker와 ‘Show 15 more’가 있다. Canvas 구역에는 Docs Canvas와 PR Review Canvas가 있다. 맨 아래에 Customer Support 구역 제목이 보인다. Gmail을 뺀 항목마다 Add 버튼이 붙어 있다.

Notion, Slack, Google Drive, AWS Agents, AWS SageMaker, Browserbase, Composio, Context7, 그리고 직접 만드는 커스텀 플러그인 옵션까지 있다. 모두 클릭 한 번으로 연결된다.

알아 둘 만한 세부 사항은 연결이 계정 전체에서 공유된다는 점이다. Gmail이나 GitHub를 봇 하나에 한 번 연결하면, 당신이 만드는 다른 모든 봇이 같은 연결을 쓸 수 있다.

Gmail 플러그인 상세 화면. ‘View Source’ 링크와 Uninstall 버튼이 있다. 설명은 ‘Connect to Gmail via Google's remote MCP server — search, read, draft, label, and manage email.’이다. Accounts 아래 Default 계정은 Connected 상태다. 그 밑에 ‘+ Add Another Account’가 있다. Tools 칸에는 ‘29 of 29 enabled’가 표시된다.

그러니 이 작업은 일찍, 의도를 갖고 하라 — 봇별 설정이 아니라 계정 단위의 배관이다. 그래서 다섯 번째로 고용하는 봇은 몇 분이 아니라 몇 초 만에 일을 시작한다.

이는 연결 하나의 폭발 반경이 당신이 앞으로 만들 모든 봇이라는 뜻이기도 하다. 베타 기간에는 실제로 필요한 계정만 연결하고 나머지는 건드리지 말아야 할 좋은 이유다.

04. 비밀번호를 붙여 넣지 말고 로그인을 넘겨받아라

API도 MCP 서버도 없는 도구에서도 이 제품 전체가 돌아가게 하는 메커니즘이 여기 있다 — 실제 회사 안 소프트웨어 대부분이 그런 도구다.

봇은 로그인 벽에 부딪힐 때까지 자기 클라우드 브라우저에서 돌아다닌다. 그러면 화면을 당신에게 넘긴다.

인증 넘겨주기 흐름도. 위에 ‘THE PASSWORD NEVER ENTERS THE CHAT’(비밀번호는 채팅에 들어가지 않는다)이 있다. 보라 봇 ‘bot drives’ → ‘navigates on its browser’ → 세로 막대 ‘LOGIN WALL’ → 주황 상자 ‘you: sign in · hit done’ → ‘same browser, same spot’ → 초록 봇 ‘resumes’ 순서다. 아래에 ‘THE BOT GETS A SESSION — NOT A SECRET’과 빨간 글씨 ‘this is how it works on tools with no API and no MCP’가 있다. 맨 아래 줄은 ‘AUTH HANDOFF: YOU STAY IN THE LOOP FOR EXACTLY THE SENSITIVE PART’다.

당신이 인증하고 done을 누르면, 봇은 같은 브라우저 인스턴스에서 멈췄던 자리부터 다시 이어 간다.

Notion이든 Gmail이든, 아무도 무엇과도 연동해 본 적 없는 사내 도구든, 같은 넘겨주기 패턴이 적용된다.

이것이 신뢰 모델을 어떻게 바꾸는지 보라. 당신은 채팅 메시지에 자격 증명을 한 번도 입력하지 않는다. 봇이 받는 것은 비밀이 아니라 세션이다 — 그리고 당신은 정확히 민감한 부분에서만 루프 안에 있었다.

Account Manager 봇 대화. 오른쪽 위에 ‘AUTH HANDOFF’가 있다. 사용자가 ‘Pull the Q3 renewal dates out of our CRM.’이라고 요청한다. 상태 줄에 ‘Account Manager opened its computer · navigating to the CRM’이 뜬다. 봇은 로그인 화면에서 세션이 없으니 잠깐 브라우저를 넘기겠다고 말한다. 사용자가 로그인한 뒤 done을 누르면 거기서 이어 가겠다고 덧붙인다. 상태 줄에 ‘you signed in · control returned to Account Manager’가 뜬다. 봇은 ‘Back in. 34 renewals in Q3, 6 inside the next 21 days.’라고 보고한다. 이어 Notion 표로 줄지, 급한 6건만 여기 보일지 묻는다.

고집해야 할 패턴은 이것이다: 어떤 도구든 대화창에 비밀번호를 붙여 넣으라고 한다면, 그건 잘못된 길이다.


05. 한 번 보여 주고, 두 번 설명하지 마라

이 제품을 바라보는 생각을 바꾸는 기능이 이것이다.

봇이 지켜보는 동안 한 번 해 보이는 것으로 워크플로를 가르칠 수 있다. 봇은 그 루틴을 저장하고, 다음부터는 같은 단계를 혼자 실행할 수 있다.

Grok Bot 앱 창. 왼쪽 목록에 Chief, Sales Outbound(2:11, ‘Done.’), Inbox Manager, Account Manager, Talent Scout, Expense Manager, Offsite crew가 있다. 사용자 이름은 Armand Segall이다. 오른쪽 Sales Outbound 대화에서 봇이 ‘Hey Armand, good to meet you. What do you want me around for?’라고 묻는다. 사용자는 ‘Overnight pipeline generation and outbound.’라고 답한다. 이어 Google Sheet에서 잠재 고객을 골라 웹으로 조사하고, Hex, Sumble, Salesforce에서 연락처와 계정 맥락을 모아, 자기 말투로 이메일과 LinkedIn 시퀀스 초안을 쓰라고 지시한다. ‘Renamed to Sales Outbound’ 표시 뒤 봇은 Hex, Gmail, LinkedIn이 이미 로그인되어 있다고 답한다. Salesforce는 아직이라고 덧붙인다. 그 아래 ‘Computer’ 카드(Done 표시)에 ‘Sign in to Salesforce so I can see the accounts you own.’ 문구와 브라우저 화면 미리보기가 있다.

이것이 들리는 것보다 중요한 이유: 한 주를 잡아먹는 작업은 대개 설명하기는 지루하고 보여 주기는 간단한 작업이다.

“이 대시보드에서 숫자를 가져와, 떨어진 것들을 대조하고, 이 문서의 맞는 제목 아래 붙여 넣고, 15% 넘게 떨어진 게 있으면 팀장에게 Slack을 보내”는 글로 쓰면 한 문단이고 보여 주면 40초다.

첫 녹화는 신중하게 골라라. 가장 좋은 후보는 적어도 매주 하고, 도구 두 개 이상이 엮이고, 단계가 거의 바뀌지 않는 일이다.

보여 주기로 가르치는 과정의 도식. 왼쪽 ‘ONCE — YOU DO IT’(한 번: 당신이 한다) 아래 상자에 ‘you perform it: open dashboard → copy numbers → paste in doc → slack the lead’가 있다. 그 밑에 ‘the bot watches’가 적혀 있다. 화살표가 가운데 주황 상자 ‘saved routine: the steps, remembered’로 이어진다. 오른쪽 ‘FOREVER — IT DOES IT’(그 뒤로 계속: 봇이 한다) 아래에 ‘week 1 · ran solo’, ‘week 2 · ran solo’, ‘week 3 · ran solo’, ‘week 4 · and so on’이 쌓여 있다. 아래에 ‘BEST CANDIDATES: RECURRING · MULTI-TOOL · STABLE STEPS’가 있다. 맨 아래 줄은 ‘TEACH BY SHOWING: TEDIOUS TO DESCRIBE, TRIVIAL TO DEMONSTRATE’다.

반복되고, 여러 도구를 쓰고, 안정적일 것. 셋을 모두 갖춘 일은 당신 접시에서 덜어 내 주기를 기다리는 루틴이다.

그리고 봇은 함께 일할수록 더 영리해진다고 한다 — 대화를 기억하고 당신이 일을 어떻게 처리하길 좋아하는지 배운다.

SpaceXAI가 직접 내세우는 주장은 봇이 결국 당신이 요청하기 전에 일하기 시작한다는 것이다. 이 말은 베타 기간에 계획의 기준으로 삼을 약속이 아니라 나아가는 방향으로 받아들여라.


06. 당신 없이 도는 루틴으로 만들어라

저장된 루틴도 실행될 이유가 있어야 한다. Grok Bot은 두 가지를 준다. 설정은 대화로 한다 — 워크플로 빌더도, 노드를 늘어놓는 캔버스도 없다. 직접 따라 해 본 사례들에서 트리거 기반 루틴 하나를 설정하는 데 대략 2분과 프롬프트 한 번이 들었다.

Sales Outbound 봇 대화. 오른쪽 위에 DONE이 있다. 맨 위 체크 목록은 네 줄이다. ‘Salesforce → list pulled · 52 accounts’, ‘Hex → 3 lookalike segments pulled’, ‘LinkedIn → 4 profiles skipped · recently contacted’, ‘Sequencer → 36 drafts queued · 0 sent’. ‘messages from Account Manager and Chief’ 줄 아래에서 봇은 Account Manager가 Acme + Globex 스레드를 보냈다고 알린다. Chief는 우선 계정을 표시했다. 봇은 둘 다 오늘 밤 목록에 넣었다고 덧붙인다. 이어 초안 36개가 큐에 있다고 말한다. 초안마다 수신자, 첫 문장, Draft 배지가 붙어 있다. 굵은 글씨로 ‘Nothing goes out until you've had a look.’이라고 쓴다. 사용자가 ‘The top 10 look good. Send it. Run this every week.’라고 답한다. 상태 줄에 ‘created routine · Overnight outbound’가 뜬다. 봇이 ‘Done.’이라고 답한다.

스케줄은 뻔한 쪽이다: 매일 오전 7시 브리핑, 금요일 파이프라인 요약, 월말 경비 정산.

트리거가 더 흥미로운 쪽이다: 새 Slack 메시지, 패턴에 맞는 수신 이메일, 문서의 변경. 트리거가 있어야 봇이 시간 맞춰 오는 존재가 아니라 늘 곁에 있는 존재로 느껴진다.

지시는 이미 마음에 든 작업 끝에 붙이는 한 문장이면 된다. 이 제품의 설계 철학 전체가 이 한 동작에 담겨 있다 — 자동화를 만드는 게 아니라, 방금 일어난 자동화를 승인하고 다시 해 달라고 요청한다.

// 스케줄 — 아침 브리핑
평일마다 오전 7시에 내 캘린더, 받은편지함, 그리고
#launches Slack 채널을 확인해라. 짧은 브리핑 하나를 줘라: 오늘
무슨 일이 있는지, 무엇에 답장해야 하는지, 밤사이 무엇이 바뀌었는지.

// 트리거 — 수신 메일 낚아채기
내 연락처에 없는 도메인에서 이메일이 오고 그 메일이
가격을 언급하면, 템플릿으로 답장 초안을 써서 보류해 둬라.

// 스케줄 — 주간 마감
매주 금요일 오후 4시에 받은편지함에서 이번 주 영수증을 모아
정리하고, 짝이 맞는 청구서가 없는 것이 있으면 알려 줘라.

// 루틴 대부분을 만드는 지름길
이거 매주 돌려.
   ^ 마음에 든 작업 직후에 하는 말. 흐름은 이게 전부다.
원문
// schedule — the morning brief
Every weekday at 7am, check my calendar, my inbox, and the
#launches Slack channel. Give me one short brief: what's on
today, what needs a reply, what changed overnight.

// trigger — the inbound catcher
Whenever an email arrives from a domain not in my contacts and
it mentions pricing, draft a reply from the template and park it.

// schedule — the weekly close
Every Friday at 4pm, pull the week's receipts from my inbox,
file them, and tell me anything that has no matching invoice.

// the shortcut that creates most routines
Run this every week.
   ^ said right after a task you liked. That's the whole flow.

07. 만능 하나가 아니라 전문가들을 고용하라

봇 여러 개를 병렬로 돌리며 각자 다른 영역을 맡길 수 있다 — 그리고 여기서부터 이 제품은 당신이 써 본 어떤 것과도 닮지 않게 된다.

봇 로스터 카드 여섯 장. Chief: ‘Coordinates the others, takes anything that doesn't have an owner yet’(다른 봇을 조율하고 아직 주인 없는 일을 맡는다). Inbox Manager: ‘Triage, drafts, deadline detection. Never sends’(분류, 초안, 마감 감지. 절대 보내지 않는다). Sales Outbound: ‘List building, enrichment, sequenced drafts held for review’(목록 작성, 정보 보강, 검토 대기 시퀀스 초안). Account Manager: ‘Renewal dates, client threads, CRM hygiene’(갱신일, 고객 스레드, CRM 정리). Talent Scout: ‘Sourcing, screening notes, intro drafts in your voice’(후보 발굴, 심사 메모, 당신 말투의 소개 초안). Expense Manager: ‘Receipts, reconciliation, month-end filing’(영수증, 대조, 월말 정산).

봇이 따로면 기억도, 맥락도, 책임도 따로다.

  • 영수증만 생각하는 Expense Manager는 당신의 영수증에 진짜로 능숙해진다.
  • 경비, 채용, 아웃바운드를 한꺼번에 저글링하는 만능 봇은 셋 다 더 못하고, 뭔가 잘못됐을 때 들여다볼 깔끔한 스레드도 남기지 않는다.

SpaceXAI는 자사 팀들이 영업 아웃리치, 마케팅, 사무 운영, 버그 수정에 봇을 돌린다고 말한다. 한 사람이 쓸 만한 시작 로스터는 이렇다 = 그리고 올바른 분할 기준은 작업 크기가 아니라 영역이라는 점에 주의하라.


08. 그룹 채팅에 넣어라

봇들은 서로 메시지를 보내고 스레드 안에서 맥락을 공유할 수 있다. 여럿을 그룹 채팅에 넣으면 알아서 조율한다 — 일을 넘기고, 담당을 정하고, 판단이 필요한 때만 당신을 불러들인다.

팀 구조 도식. 위에 ‘ONE OBJECTIVE IN, ONE DECISION OUT’(목표 하나가 들어가고 결정 하나가 나온다)이 있다. 맨 위 ‘you’ 상자에서 청록 Chief 봇(‘splits and assigns’)으로 화살표가 내려간다. Chief에서 Inbox, Expense, Accounts, Talent 네 봇으로 주황 화살표가 갈라진다. Inbox에서 you로 ‘approvals only’ 초록 점선이 돌아간다. 오른쪽에 ‘bots share context in the thread’가 적혀 있다. 맨 아래 줄은 ‘THE CREW SHAPE: YOU GIVE AN OBJECTIVE, THEY ROUTE IT, YOU DECIDE’다.

프로젝트가 겹치면, 당신이 대화 사이로 메모를 복사해 붙이지 않아도 봇들은 같은 계정 위에서 보조를 맞춘다.

SpaceXAI가 직접 든 예는 버그를 재현하고, 티켓을 등록하고, 디버깅을 위해 이슈를 두 번째 봇에게 넘기는 엔지니어링 봇이다.

그 넘겨주기 — 한 봇이 다른 봇이 더 적임이라고 판단해 담당을 넘기는 것 — 는 당신이 써 본 어떤 도구에도 없던 것이다.

‘Offsite crew’ 그룹 채팅. 오른쪽 위에 ‘4 BOTS · GROUP’이 있다. 사용자가 ‘Team offsite, 12 people, first week of October, budget $8k. Sort it.’이라고 쓴다. 상태 줄에 ‘Chief took ownership and split the work’가 뜬다. Chief가 일을 나눈다. 장소와 케이터링은 Chief, 예산 추적은 Expense Manager, 초대와 참석 회신은 Inbox Manager 몫이다. Chief는 무엇이든 예약하기 전에 장소 후보 셋을 가져오겠다고 덧붙인다. 상태 줄에 ‘Expense Manager set a $8,000 cap · alerts at 80%’가 뜬다. Inbox Manager는 팀 캘린더에서 12명을 뽑았다고 알린다. 두 명이 6–8일에 휴가라 1–3일로 좁히겠다고 말한다. Chief는 12명과 케이터링을 포함해 예산에 맞는 장소 셋을 받은편지함에 넣었다고 알린다. 굵은 글씨로 ‘Nothing booked yet.’이라고 덧붙인다. 사용자가 ‘Second one. Book it.’이라고 답한다.

이것이 돌아가게 하는 방법은 그룹에 작업 목록이 아니라 목표를 주는 것이다.

작업 목록을 준다는 것은 분해를 당신이 이미 끝냈고 봇은 당신의 계획을 실행할 뿐이라는 뜻이다. 목표를 주면 봇들이 그것을 나눌 수 있다. 봇을 둘 이상 두는 이유가 전부 거기에 있다.


09. 승인 선을 그어라

Grok Bot의 전제 전체는 봇이 일을 처음부터 끝까지 마치고, 당신의 승인이 필요한 일이 있을 때만 돌아온다는 것이다.

그러면 “승인이 필요하다”가 무슨 뜻인지 정할 부담이 당신에게 넘어온다 — 봇이 고르는 기본 답이 당신의 답과 다를 수 있기 때문이다.

승인 선 도식. 위에 ‘DRAW THE LINE ON REVERSIBILITY — NOT ON TASK SIZE’(선은 작업 크기가 아니라 되돌릴 수 있는지에 긋는다)가 있다. 왼쪽 초록 상자 ‘REVERSIBLE → finish alone’에는 draft · file · tag · sort, summarize · research, prepare · reconcile, enrich · queue가 있다. 그 아래에 ‘undo takes under a minute’가 적혀 있다. 오른쪽 주황 상자 ‘IRREVERSIBLE → park it’에는 send · publish · post, spend · commit to a price, delete · sign · accept terms, anything a stranger sees가 있다. 그 아래에 ‘you cannot take it back’이 적혀 있다. 가운데 세로 점선 아래 봇 아이콘 왼쪽에 ‘36 drafts queued’, 오른쪽에 ‘0 sent’가 있다. 아이콘 밑에 ‘the bot stops here’가 있다. 맨 아래 줄은 ‘THE APPROVAL LINE: EVERY REVERSIBLE THING DONE, STOPPED EXACTLY AT THE ONE THAT ISN'T’다.

통하는 선은 작업 크기에 관한 것이 아니다. 되돌릴 수 있느냐에 관한 것이다. 봇이 되돌릴 수 있는 일 — 초안 작성, 정리 보관, 태그 달기, 요약, 조사, 준비 — 은 혼자 끝내야 한다.

바깥세상이 보게 되는 일, 돈을 움직이는 일, 되돌릴 수 없는 일은 당신 몫으로 보류해 둔다.

// 이건 언제나 혼자 끝내라
초안 · 보관 · 태그 · 요약 · 조사 · 준비 · 대조
   되돌릴 수 있는 건 전부. 묻지 말고, 그냥 하고 기록을 남겨라.

// 이건 언제나 내 몫으로 보류해라
회사 밖 사람에게 무엇이든 보내는 일
돈을 쓰거나 옮기는 일, 또는 가격을 확정하는 일
무엇이든 공개적으로 게시하는 일
명백한 쓰레기가 아닌 것을 삭제하는 일
어떤 약관에든 가입하거나, 동의하거나, 수락하는 일

// 확실하지 않을 때
1분 안에 되돌릴 수 없으면 보류하고 물어라.
원문
// finish these alone, always
draft · file · tag · summarize · research · prepare · reconcile
   everything reversible. don't ask, just do it and log it.

// park these for me, always
send anything to a person outside the company
spend or move money, or commit to a price
publish anything public
delete anything that isn't obvious junk
sign up for, agree to, or accept any terms

// when unsure
If you can't undo it in under a minute, park it and ask.

이것이 Sales Outbound 예와 어떻게 맞아떨어지는지 보라: 초안 36개 대기, 발송 0건. 봇은 되돌릴 수 있는 일을 모두 했고 되돌릴 수 없는 일 앞에서 정확히 멈췄다. 당신이 돌리는 모든 봇에서 노려야 할 모양이 이것이다.


10. 매주 점검하고, 가차 없이 쳐내라

자동화는 조용히 썩는다. 사이트가 레이아웃을 바꾸고, 루틴이 소리 없이 쓰레기를 내놓기 시작하고, 봇이 당신이 자는 동안 돌기 때문에 3주 동안 아무도 알아채지 못한다.

Windows용 Grok Bot 창. 왼쪽 목록에 Coder(7:47 PM)와 Chief of Staff(7:46 PM)가 있다. 그 아래에 Plugins와 사용자 이름 Mark Kretschmann이 있다. 오른쪽 Chief of Staff 대화에서 봇이 Mark에게 인사한다. 다른 비서들을 지휘하다가 진짜 결정이 필요할 때 부르겠다고 말한다. 이어 ‘You don't have any other bots set up yet. What should I spin up first?’라고 묻는다. 답으로 ‘Coding / PRs’가 선택되어 있다. 봇은 코딩 봇을 만든 뒤 ‘Coder is live.’라고 알린다. Coder를 지금 저장소에 연결할지 묻는 질문에는 ‘Leave it for later’가 선택되어 있다. 봇은 일이 생기면 Coder에게 넘기겠다고 답한다.

이것은 지금까지 만들어진 모든 상시 가동 시스템의 실패 양상이고, 여기서도 당신을 찾아올 것이다.

그러니 캘린더에 15분을 잡아 두라. 루틴마다 세 가지를 물어라: 실행됐는가, 결과물이 실제로 맞았는가, 없애면 아쉬울까?

세 번째 질문은 보기보다 중요하다 — 이런 도구는 내버려 두면 아무도 지울 엄두를 못 내는 반쯤 쓸모 있는 자동화 더미 쪽으로 흘러간다.

이번 주에 돌린 루틴을 전부 나열해라. 각각에 대해:

  - 몇 번 실행됐는지
  - 무엇을 만들어 냈는지
  - 건너뛰었거나, 실패했거나, 추측해야 했던 것
  - 나에게 넘겨 보류해 뒀는데 내가 끝내 답하지 않은 것

그다음 어느 루틴이 가장 쓸모없다고 생각하는지, 그 이유와 함께 말해라.
원문
List every routine you ran this week. For each one:

  - how many times it fired
  - what it produced
  - anything it skipped, failed, or had to guess at
  - anything you parked for me that I never answered

Then tell me which one you think is least useful, and why.

점검을 하는 가장 좋은 방법은 봇에게 해 달라고 하는 것이다. 스레드는 봇이 갖고 있으니 스스로에 대해 보고할 수 있다. 그다음 루틴마다 결과물 하나를 직접 골라 확인하라. 자기 일을 보고하는 봇은 당신과 같은 사각지대를 갖기 때문이다.


결론:

당신은 더 이상 클릭하는 사람이 아니게 된다.

지금까지 모든 AI 제품은 모델을 창 안에 넣고 일은 당신 손에 남겼다. Grok Bot은 일을 옮긴다. 봇은 컴퓨터, 로그인, 기억, 시간을 갖고 — 당신은 결정을 갖는다.

기술로 보면 들리는 것보다 작은 변화고, 습관으로 보면 훨씬 큰 변화다.

필요한 기술은 이걸 어떻게 표현하지에서 나는 정확히 무엇을 위임하고 있고, 그 권한은 어디서 끝나는가.로 바뀐다. 그것은 관리의 질문이지, 프롬프팅의


원본 링크·인용

원문

원문이 가리키는 곳


기타

수록 범위

원본 (완역)은 다섯 덩어리다. Hux 게시물(중국어) 전문, 그 게시물에 붙은 영상을 처음 올린 Codez 게시물(영어) 전문, 영상의 원본인 YC Lightcone 에피소드 60분 06초의 발언 전부, Codez 게시물이 인용한 X 아티클 전문과 그림 15장·움직이는 그림 1개다. 두 게시물에 달린 답글은 싣지 않았다. Hux 게시물의 답글은 65개다(2026-11-19 기준).

X에 올라온 영상은 54분 56초로 YouTube 원본보다 5분 10초 짧다. Codez가 붙인 장 시각 다섯 개는 원본의 장 시각과 같다. 어느 구간이 빠졌는지는 확인하지 않았다. 전사는 원본 60분 06초를 모두 옮겼다.

전사 표기

아티클 표기

아티클의 프롬프트 예시 네 개는 한국어로 옮기고, 각 예시 바로 아래 접힌 칸에 영어 원문을 두었다. 아티클 마지막 문장은 원문에서도 문장 중간에 끝난다.