우리가 수학을 공부해야하는 이유

스타트업의 세계에서는 말도 안되는 결과들에 대한 역사가 항상 존재합니다.

스타트업 성장의 비밀

2년만에 750배 기업가치 상승 한 Ebay

온화한 표정의

1997년에 투자하여 1998년에 상장한 ebay로 인해 자그마치 2,632%의 IRR, 750배의 기업가치 상승을 보여주었습니다. 실제로 그 이후에 이베이가 실물시장에서 보여주는 영향력을 더더욱 컸습니다.

박수칠 때 떠나는 VC: Benchmark
낭만 가득한 벤치마크 캐피탈(Benchmark Capital)의 운영 철학 살펴보기

이런 무지막지한 결과를 해석할 수 있는 좋은 수단으로는 스타트업이 가진 폭발력을 이해해야 합니다.

아름다운 그래프를 보여주는 ebay의 성장

스타트업의 비밀병기 개발자?

수많은 자산과 브랜드를 소유한 대기업들은 왜 이러한 결과를 만들어내지 못하는 반면, 스타트업들은 어떻게 이러한 말도 안 되는 성장을 이뤄낼 수 있을까요? 도대체 어떤 비대칭적인 경쟁력의 차이가 있는 걸까요? 이를 이해하려면 1990년대 중반부터 개발자라는 직군에 대해 이해하는 것이 중요합니다.

개발자라는 직군은 코드를 짤 줄 알고, 컴퓨터와 소통하는 언어를 이해하는 사람을 통틀어 부르는 이름에 불과합니다.

2001년부터 변화한 북미의 개발자 수 및 연봉

그런데 이들이 스타트업 호황기이던 2020~21년에 채용의 핵이 되었습니다. 심지어 비개발자 직군의 57%가 개발자의 파격처우에 대해 동의할 정도로 회사 성장의 주역임을 인정하였습니다.

이는 단순히 컴퓨터와 소통하는 역량만으로 이루어지는 것이 아닙니다. 2000년대의 SI 중심 용역 개발형 소프트웨어에 만족하던 고객들의 눈높이가 높아졌습니다. 이제는 이쁘고, 빠르고, 단순하면서도 자신이 원하는 기능이 신속하게 추가되는 소프트웨어가 사용성의 기본이 되었습니다. 이로 인해, 유연한 노동과 개발 환경에서 기민하게 제품을 개선하고 개발하는 애자일한 문화를 가진 기업들의 제품만이 고객들의 선택을 받게 되었습니다.  그리고 그런 애자일한 문화에서 퍼포먼스를 극대화시키는 개발자들이 본인의 몸값을 인정받으며, 그 희소성이 더욱 빛을 발하게 되었습니다.

사실, 국내 대기업의 소프트웨어 실패 사례들은 너무나도 오래된 이야기여서 다시 언급하는 것조차 미안할 정도입니다. 이 제품들을 만들기 위해 노력한 분들께는 죄송하지만, 이러한 제품의 본질적인 한계가 기업 문화와 조직 구조에 기인한다는 사실을 모르는 사람은 없습니다.

그렇지만 항상 좋은 기업문화를 갖고 있고 현재의 네카라쿠배당토와 같은 말이 있을 정도로 개발자들에게 매력적인 포지션이라고 한다고 해서 계속해서 성장하고 나아가는 것은 아닙니다. 큰 기술의 변화가 있을 때 기업이 그 변화를 쫓아갈 수 있느냐 없느냐가 명확하게 시대의 승자를 가릅니다.

스마트폰 시대의 모멘텀 변화

2012년 국내 모바일앱 순위를 보시면 도달률 차이가 엄청난 것을 볼 수 있습니다.

2012년 초반에 네이버는 대기업임에도 네이버 앱을 국내 10위권 앱으로 만들었고 다음과 네이트, 싸이월드는 40위권 밖으로 빠지며 고객들의 선택을 받지 못했습니다. 이때의 변화의 여파는 2014년 카카오-다음 합병으로 이어지며 거대한 변화(모바일) 쫓아가는게 얼마나 중요한지 모두들 알게 되었습니다. 2012년 당시면 그래도 국내에서 IT 기업 중에 가장 매력적인 직장이라 많은 인재들을 흡수하던 네이버, 다음이었음에도 1개 회사만 기술변화를 따라갔다는 것이 놀랍습니다.

이렇게 제품의 성장과 고객 트래픽에서의 모멘텀을 잃으면 이후에 뛰어난 인재들이 회사에 입사를 꺼리게 되니 악순환에 들어가게 되고 이런 모멘텀을 뒤집는 것은 정말로 어려워지는 것 같습니다. 결국 모바일 제품에 맞는 인재들이 다 모여있고 입사하기를 원하는 카카오와 합병을 통해서 다음은 살아 남았고, 카카오도 그 인프라를 다 흡수하면서 더 빠르게 치고나갈 수 있었습니다.

그러면 이제는 저희는 어떤 기술의 변화에 틈에 있고 그에 따라 스타트업이 갖춰야 할 비대칭 전력은 무엇일까요?

기술의 변화가 만들어내는 인재 정의 변화

노코드/로우코드 열풍에 대해서 들어보셨나요?

IT 서비스를 만들기 정말 쉬워진 세상

세상의 기술은 정말 빠르게 발달하고, 그 과실은 모두가 나눠갖습니다. 모바일 앱, 잘돌아가는 웹 서비스를 용역으로 만들려면 1500만원, 3000만원이 드는 시대에서 내가 잘 조립만 하면 한달에 10만원 이내로 과금하면 되는 시대가 되었습니다. Bubble, Wix, webflow, retool, 아임웹 등등 소비자의 선택을 받는 서비스들이 정말 다양해졌습니다.

Is Low-Code/No-Code the Future of Dev? 5 Solid Reasons to Believe So
Explore the future of software development with low-code/no-code tools. Discover the key reasons behind their growing success in the tech industry.

로우코드/노코드 플랫폼이 성장할 이유를 잘 설명한 아티클

가뜩이나 AI가 발전해서 코딩을 자동화해주는 시대에 개발의 인프라일수도 있는 도구인 로우코드/노코드 플랫폼으로 인해 개발자들은 일상적인 작업에서 벗어나서 고부가가치적인 고민을 할 수 있는 시간을 확보하고 있습니다.

타 직군 대비 정말 코딩 자체에 압도적인 시간을 들이고 있습니다.

스타트업이 필요로하는 전력상 비대칭성을 만들어주던 개발자들이 갖고 있던 고유의 역량과 시간이 대중화 되고 있습니다. 그리고 더더욱 이 현상을 가속화 시켜주는 것은 수 많은 코딩 부트캠프를 통해 등장하고 있는 개발자들입니다. 이런 시대에도 개발자들이 파격 처우를 받아야하는 계층으로 남아있을 수 있을까요?

AI를 따라가려면 더더욱 수학이다

OpenAI의 ChatGPT혁명 이후로 사람들은 직감적으로 AI에 엄청난 기회가 숨어있다는 것을 느끼고 있습니다. 이 기회를 정말 극대화하려면 더 이상 코드를 짜는 물리적인 시간 외에 Planning, Design, Meeting Code, Stabilization에 시간을 투여해야 합니다.

결국 계속해서 노력하는 사람들이 새 시대의 승자가 될 것이라는 노정석 대표님의 이야기

아시아 최초로 스타트업을 구글에 매각하시고, 천재 개발자이시며 현재 유튜브를 통해 다양한 지식을 공유 중이신 노정석 대표님이 해주신 이야기를 따라가자면 결국 공부해라 입니다.

노정석
인공지능이 바꾸는 미래 / 성공하는 스타트업 만들기 / 건강한 삶을 이루는 요소 파악하기…

그러면 AI 시대에는 어떤 공부를 해서 어떤 역량을 갖춰야 할까요?

업스테이지의 AI 리서치 엔지니어 채용공고

국내에서 가장 많은 투자를 받은 AI 스타트업인 업스테이지 AI의 채용 공고를 살펴보았습니다. 의사 소통, 협업 능력, 최신 동향에 대한 이해와 같은 범용적인 역량을 제외하고는 명확하게 몇 가지 명확한 기준들로 좁혀지는 것 같습니다.

  1. AI 문제를 정의하고 해결하는 능력
  2. 컴퓨터 과학(공학이 아닌 과학) 학위
  3. GenAI 연구 경험, 입상, 논문 저자

그 외에는 기초적인 문제정의 및 해결능력, 수학적인 지식, 그리고 그것을 증명해줄 수 있는 프로젝트 결과값으로 구성되어 있습니다.

AI 시대의 문제정의 및 해결능력

업스테이지의 AI 세미나에서 볼 수 있는 AI 문제를 정의하고 해결하는 능력

물론 AI 중심의 스타트업이다 보니 기술 중심으로 풀어내야할 세상의 문제를 바라보는 시각이 어색해보일 수 있지만 산업 구성 초기인 현재에는 어쩔 수 없는 태도라고 생각합니다.

  • 문제 정의
  • 데이터에 대한 이해
  • 모델에 대한 개발과 학습
  • 개발한 모델에 대한 평가 분석

을 잘해야 한다고 합니다.

컴퓨터 과학 학위

당연히 전공자는 해당 일을 가장 잘할 사람이니 너무 단순하다고 할 수 있어 옛날부터 딥러닝의 기술적 임팩트에 대해 이야기하고 도전하고 있는 보이저엑스의 채용 질문들을 살펴보았습니다.

오픈북 테스트가 가장 무서웠던 공대생으로써 이 공개된 질문들의 무게가 느껴지네요.

딥러닝을 다루는 개발자는 결국 수학에 대한 이해, 컴퓨터 과학에 대한 이해가 있어야 본인 역할을 다할 수 있다고 요구합니다.

위 질문들이 왜 중요하신지 모르겠다고요?

무엇을 내가 모르는지를 구분해내는 것이 진정한 이해의 시작인데 딥러닝, AI를 이해할 준비가 안된게 아닐까요?

AI 시대에 더더욱 몸값이 높아지고 스타트업의 비대칭 전력의 핵심이 될 수 있는 개발자들은 아무래도 수학에 대한 이해, 문제정의 능력을 갖춘 새로운 계층이지 않을까요? 그렇다면 이들을 설득할 수 있는 스타트업은 어떤 곳이고 왜 다를까요?

비대칭 전력을 갖춘 스타트업이 되는 방법

네카라쿠배당토에서 배우자!

왜 IT 업계에서 네카라쿠배당토라는 말이 있을까요? 저는 단순화해서 해석하자면 회사 영업과 매출에 있어 IT 제품 자체가 가장 전면에 나선 회사로 IT 직군이 회사에서 가장 중추적인 역할을 할 것으로 모두가 쉽게 예상할 수 있고, 실제로도 그럴 것이기 때문이라고 생각합니다.

뤼튼, 라이너 등 B2C AI 서비스

AI가 회사의 영업활동에 가장 중요한 요소라고 평가되면 자연스럽게 인재들을 영입하게 되는 최고의 포지션을 확보하게 될 것입니다.

대표님도 AI 개발자니 당연하지!

AI를 연구하고 개발해오신 분들이 창업하면 자연스럽게 현 시대의 비대칭 전력을 확보하게 되십니다.

23년 5월에 제가 투자한 렛서의 경우도 카이스트 박사과정 분들이 나오셔서 창업하셨기 때문에 자연스럽게 AI 인재들이 모여드는 요람이 되고 있습니다.

렛서 “도입부터 관리까지…올인원 AI 컨설턴트로 거듭날 것”
[테크월드뉴스=양승갑 기자] 인공지능(AI) 기술을 활용한 이점이 본격적으로 알려지면서 이를 도입하고자 하는 기업도 늘었다. 그러나 모든 조직에 이를 적절히 활용할 수 있는 AI 전문가가 있기란 사실상 불가능하다.실제 기업들도 이 문제를 겪고 있다. IDC가 밝힌 ’2024년 아태 지

어떻게 보면 학교 - 연구에서 출발한 창업팀임에도 조인하시는 분들은 이러한 회사들은 자연스럽게 AI에 집중 할 수 밖에 없고, 그 환경자체를 너무 원해서 조인하시니 서로 이해관계가 너무 맞을 수 밖에 없다는 것을 알고 있습니다.

대표님도 수학을 공부한다!

대표님이 과연 AI 전문가일게 중요할까요? 그렇다면 좋겠지만 정말 시대의 변화에 공감하고 그것을 활용하기 위한 열정과 진심이 있는지 그 첫 단계를 넘어야 하지 않을까요?

YC에 올라온 글입니다. 도메인 전문성이 없는데도 왜 그 영역에서 창업을 하는지 물어봅니다

어차피 도메인 전문성이 없는 스타트업들이 과감하게 도전해서 엄청난 결과를 내 온 역사는 모두에게 잘 알려져 있고 수 많은 갑론을박이 오가지만 결국 정답은 Case by Case 입니다.

한국에서 가장 많은 사람들이 접속하면서 사용하고 있는 서비스인 토스의 창업자이신 이승건 대표님도 IT와는 무관한 치과의사라는 전문성만 갖고 창업을 시작하셨습니다. 현재는 국내 최고 IT 서비스 전문가가 되셔서 Product Owner라는 직무를 대표하고 계십니다. 특히 이승건 대표님이 나오는 교육 영상인 PO세션은 PO로 성장하고 싶은 꿈나무들이 토스를 지원하게 하는데 큰 임팩트를 주고 있습니다.

그만큼 현재에는 수학을 공부할 정도로 AI의 발전과 임팩트에 공감하고 있는 대표님들이 스타트업 씬의 새로운 비대칭 전력인 AI 엔지니어들을 설득할 수 있을 것 같습니다.

압도적인 도메인 전문성을 가지는 분!

AI는 결국 응용기술으로 다양한 비즈니스에 활용되겠지만 적용될 산업의 폐쇄성과 파악 난이도의 차이에 따라 스타트업 대표님이 도메인 전문성이 있어야만 개선될 수 있는 영역들이 있겠습니다.


로우코드/노코드 기술의 발전으로 인해 점점 IT 서비스를 만드는 것의 허들이 낮아지고 대중화되는 것을 느끼면서 '과연 스타트업 씬에서 모두들 가장 신경쓰는 채용 직군인 개발자가 갖고 있던 본질적 가치가 무엇이고 앞으로도 유지될까?' 에 대한 고민을 길게 풀어보았습니다.

상상(= 기획)을 작동 가능한 제품(IT서비스)로 만들어내는 역량인 실현 능력의 추가 어디로 바뀌고 있는지를 살펴보았습니다. 결론은 항상 똑같지만 남들이 하기 싫어하고 어려워하는 것을 해야 가치가 극대화되기 때문에 남들이 가장 안하는 것을 해야하더라고요.

지금은 그게 수학 공부인 것 같아 스스로 글을 쓰면서 반성되었고 수학 공부하러 가야겠네요 ㅎㅎ

Gradient Descent, Loss Surface, Attention, Transformer, Collaborative filtering, Few-shot Learning, Federated Learning, SVD, 중심극한 정리
How to Interview and Hire ML/AI Engineers
What to interview for, how to structure the phone screen, interview loop, and debrief, and a few tips.

2016년부터 ML 관련 일을 해오고 현재는 아마존에서 수석 엔지니어로 일하시는 분의 인사이트

The End of Software
To understand how software will change, we can benefit from studying how technology has changed other industries. History tends to rhyme, if you listen. Before the internet, media behaved very differently—it was expensive to create. You had to pay people to make content, edit it, and distribute…

사실 글 작성할 때 가장 영감이 되었던 글입니다. 현재는 Pace Capital이라는 VC를 하고 있는 Chris Paik가 썼었던 글입니다.