게리 탄, AI 에이전트는 2년 안에 모든 걸 바꿀 겁니다

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

게리 탄은 AI 에이전트가 향후 2~3년 안에 개인의 업무와 기업 운영, 정보 소비 방식을 크게 바꿀 것으로 전망한다.

📌 핵심 요점

1. AI 에이전트는 채팅 기능을 넘어 기업 운영의 중심이 될 수 있다. 탄은 YC의 내부 에이전트가 창업자, 이메일, 지원서의 맥락을 활용하는 사례를 소개한다.
2. 에이전트의 가치는 정보를 기억하는 능력과 실제 작업을 수행하는 능력의 결합에 있다. 탄은 인터뷰 준비 과정에서 팟캐스트 10개를 내려받아 전사하고 화자를 구분해 주요 주제를 추출했다고 설명한다.
3. 개인을 이해하고 먼저 제안하는 에이전트의 보급을 예상하지만, 현재 비용은 높다. 탄은 자신의 토큰 지출이 연간 약 10만~20만 달러라고 말한다.
4. 일자리 증가를 확신하지 않으며 단기적인 실직 가능성도 인정한다. 대응책으로 AI 도구 교육과 재훈련, 기존의 도메인 전문성을 활용한 창업을 제안한다.
5. 개인 AI는 소셜미디어의 정보 선택권을 사용자에게 돌려줄 가능성이 있다. 동시에 소수 AI 기업으로의 가치 집중을 우려하며, 저렴하고 사용하기 쉬운 오픈소스 대안을 강조한다.

🧩 배경과 문제 정의

인터뷰는 AI 에이전트를 제품의 기능으로 볼 것인지, 기업 운영의 중심 시스템으로 볼 것인지라는 질문에서 출발한다. 탄은 YC의 내부 에이전트와 자신의 개인 에이전트 경험을 통해, 긴 맥락을 이해하는 AI가 실제 작업까지 수행할 때 무엇이 달라지는지 설명한다.

논의는 개인의 생산성에서 일자리와 재훈련, 소셜미디어의 알고리즘 통제권, AI 시장의 집중 문제로 확장된다. 현재 사용 경험과 향후 전망이 섞여 있으므로, 구체적인 사례와 대중화에 관한 예측을 구분해 읽어야 한다.

🕒 시간순 섹션별 상세정리

1. 채팅을 넘어 기업 운영의 중심으로

• 진행자는 AI 에이전트를 부가 기능이 아닌 핵심 운영체제로 바라본다는 관점이 무엇을 바꾸는지 묻는다. [00:38]
• 탄은 YC의 운영 방식을 재구성하고 있다며, 내부 에이전트 ‘스트레이라이트’가 지원한 창업자와 이메일, 지원서의 맥락을 담는 ‘회사 두뇌’ 역할을 한다고 보여준다. [01:14]
• AI의 작업 기억을 약 천 페이지, 해리 포터 책 세 권에 비유한다. 앞으로 처리 가능한 맥락이 더 커지면서 작업 범위도 확대될 것으로 예상한다. [02:07]

2. 정보 검색에서 자율적인 업무 수행으로

• 진행자가 단순한 자료 검색과 에이전트의 차이를 묻자, 탄은 OpenClaw의 피터 스타인버거를 언급한다. Claude Code와 Codex가 안전성과 재현성을 중시하는 과정에서 인간과 비슷하게 일하는 에이전트의 일부 장점을 희생한다고 평가한다. [03:00]
• 자신의 에이전트가 이메일, Dropbox, Apple Notes와 오랜 개인 기록을 읽었다고 드러낸다. 인터뷰 직전 약 15분 동안 진행자의 팟캐스트 10개를 내려받아 전사하고 화자를 구분해 주요 주제를 추출한 사례를 제시한다. [04:03]
• 2~3년 뒤에는 개인을 이해하고 먼저 제안하는 에이전트를 누구나 쓰게 될 것으로 전망한다. 다만 자신은 현재 토큰에 연간 약 10만~20만 달러를 쓰며, 이런 경험에 접근할 수 있는 사람이 제한적임을 인정한다. [04:51]

3. 고용의 불확실성과 도구 교육

• 일자리의 순증가 여부에 대해 확신하지 않는다고 답한다. AI 안전 문제는 우려해야 하지만, 기술 자체를 중단하기보다 실제 오남용에 대응해야 한다는 입장을 드러낸다. [05:42]
• 단기적으로 일자리가 늘지 않을 수 있다고 인정한다. 오픈소스 프로젝트 GStack은 YC 창업자에게 자신이 사용하는 Claude Code 작업 구성을 제공하고 활용법을 가르치려는 시도라고 설명하며, 출력량 ‘400배’를 언급한다. [06:18]
• AI로 일부 직무가 불필요해져 실직자가 생길 수 있다고 드러낸다. 도구를 제대로 사용하는 교육과 재훈련을 중요한 대응 과제로 제시한다. [06:51]

4. 도메인 전문성과 개인의 실행력

• 의료 청구 업무 종사자를 예로 들어, 업계 지식이 있는 사람이 AI로 소프트웨어를 만드는 역량을 갖추거나 그런 사람과 협업해 해당 분야에서 창업하는 경로를 제안한다. [07:40]
• 자신만의 경험과 취미, 남들이 보지 못한 문제를 찾아 AI의 코딩·사고·추론 능력과 결합하라고 권한다. 이를 개인 역량의 하한을 높이고 가능한 성취의 상한도 넓히는 기회로 본다. [08:07]

5. 개인 AI를 통한 정보 선택권 회복

• 사회를 분열시키는 소셜미디어의 대안으로 개인 에이전트를 제시한다. Facebook이나 Instagram의 앱 대신 API를 이용하고, 사용자가 정한 인지적 필터로 소셜네트워크를 접하는 구상을 보여준다. [09:28]
• 코딩할 수 있는 에이전트가 개인의 목표를 이해하고 정보 선택 기준을 구현할 수 있다고 본다. 자기계발에 집중하거나 전국 정치보다 지역 정치만 보려는 경우를 예로 든다. [10:06]
• 진행자는 기존 개인화 서비스도 분노와 분열에 유리한 사업모델을 갖고 있다고 반론한다. 탄은 그 사업모델과 통제권이 대형 기술기업에 있다는 점을 문제로 짚어 본다. [10:36]

6. 에이전트 경쟁과 오픈소스 대안

• 탄은 개인 AI를 개인용 컴퓨터 혁명에 비유하며, 어떤 에이전트를 쓰는지가 새로운 브라우저 전쟁 같은 경쟁축이 될 것으로 예상한다. 운영체제처럼 몇 가지 주요 선택지가 형성될 가능성을 언급한다. [11:10]
• 진행자가 소수 업체로의 통합을 우려하자, 탄은 이미 집중이 진행되고 있다고 평가한다. AI 연구소 관계자들이 미래의 상업적 가치가 소수 기업에 모일 가능성을 ‘다섯 왕’으로 표현했다고 전해진다. [11:38]
• 대응책으로 정책, 차세대 인재에 대한 투자, 열린 시장과 오픈소스를 제시한다. 개인 AI에도 리눅스 같은 대안이 필요하며, 누구나 선택할 만큼 쉽고 저렴해야 한다고 말하며 마무리한다. [12:28]

🧾 결론

• 탄의 핵심 주장은 AI를 부가 기능으로 붙이는 데서 벗어나, 개인과 조직의 맥락을 바탕으로 일을 수행하는 운영 기반으로 바라보자는 것이다.
• 생산성 향상과 고용 확대는 구분해야 한다. 탄은 도구의 잠재력을 낙관하면서도 단기 실직과 재훈련 문제를 인정한다.
• 개인 AI의 확산이 사용자 통제권 확대로 이어지려면 비용과 사용성, 시장의 개방성이 함께 뒷받침되어야 한다는 관점이다.

📈 투자·시사 포인트

• 기업용 AI를 평가할 때는 채팅 기능의 유무보다 내부 맥락을 실제 업무 수행으로 연결하는 능력을 살펴볼 필요가 있다.
• 탄이 제시한 높은 토큰 지출은 현재 경험의 대중화에 비용 장벽이 있음을 보여준다. 비용 절감과 접근성 개선은 보급 전망을 판단할 관찰 지점이다.
• 개인 에이전트가 정보 접근의 창구가 된다면, 소셜미디어와 AI 사업자 사이에서 사용자 접점과 알고리즘 통제권을 둘러싼 경쟁이 중요해질 수 있다.
• 도메인 전문가와 AI 활용자의 결합은 창업 기회로 제시된다. 다만 영상만으로 생산성 배수나 개별 사업의 수익성을 판단할 수는 없다.

⚠️ 불확실하거나 확인이 필요한 부분

• 제목은 ‘2년 안’을 강조하지만, 본문에서 탄은 보편적 이용 시점을 ‘약 2~3년’으로 전망한다. 확정된 일정이 아니며, ‘내년’이라는 표현도 촬영 시점이 없어 절대 연도로 환산할 수 없다.
• 연간 10만~20만 달러의 토큰 비용과 약 15분의 인터뷰 준비는 탄의 개인 경험에 관한 설명이다. 사용량, 작업 범위, 결과물의 정확도에 관한 검증 자료는 제공되지 않는다.
• GStack과 관련해 언급한 ‘400배 출력’은 측정 기준과 비교 조건이 제시되지 않는다. 일반적인 생산성 향상률로 받아들이기 어렵다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 반복적인 조사·준비 업무 하나를 골라, 자료 수집부터 요약까지 에이전트가 수행할 범위를 정하고 결과를 직접 확인한다.
• 도입 실험에서 작업 시간, 토큰 비용, 결과물의 정확도를 함께 기록해 자신의 업무에서 얻는 효과를 비교한다.
• 이메일·노트 등 연결하려는 자료를 목록화하고, 민감한 자료를 포함할 필요와 접근 범위를 먼저 검토한다.
• 자신의 업계 경험과 고유한 지식을 정리하고, AI 도구 학습이나 개발 역량을 가진 사람과의 협업으로 해결할 문제를 찾는다.

❓ 열린 질문

• 현재 높은 비용을 들여 구현하는 개인 에이전트 경험이 어느 수준까지 저렴해져야 보편적인 사용으로 이어질까?
• 에이전트의 자율성과 개인화 수준을 높이면서 안전성과 재현성을 어떻게 확보할 수 있을까?
• 도메인 전문성을 가진 노동자가 재훈련과 창업으로 이동하려면 어떤 지원이 필요할까?