Max Junestrand: You Need The Willingness To Learn Faster Than Anyone Else

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Max Junestrand가 강조하는 결정적 경쟁력은 학습 가능한 시장에서 기존 전문성의 부족을 고객보다 가까이에서 누구보다 빠르게 배우는 의지로 극복하는 것이다.

📌 핵심 요점

1. Legora는 비법률가 창업팀이라는 약점을 변호사들과 직접 만나 업무를 관찰하고 배우는 방식으로 보완했으며, YC 탈락도 시장 이해를 다시 쌓는 계기로 전환했다.
2. 법률처럼 실패 비용이 큰 시장에서는 성장 속도보다 제품 신뢰성이 먼저였다. 회사는 오류·지연·Azure 장애로 첫 신뢰를 잃지 않도록 영업을 6개월간 멈추고 제품을 재건했다.
3. 자체 법률 모델에 막대한 자본을 투입하기보다 계속 발전하는 기초 모델을 실제 고객 가치로 전달하는 제품 계층, 평가 체계, 용도별 모델 라우팅과 무중단 운영에 집중했다.
4. 채용에서는 유명 기업 경력보다 빠르게 성장하는 역량 곡선과 강한 업무 의지를 중시했고, 겸손·탁월함·공동 성장을 결합한 문화로 글로벌 조직의 실행 기준을 맞췄다.
5. 초고속 성장은 투자 유치나 대형 계약 같은 화려한 순간보다 거절 이후의 재시도, 반복적인 고객 대화, 버그 수정, 집중된 제품 방향과 설득력 있는 스토리텔링이 축적된 결과였다.

🧩 배경과 문제 정의

• 법률 산업은 낡은 소프트웨어와 높은 실패 비용 때문에 AI 도입이 어려웠지만, 대규모 언어 모델은 복잡한 법률 업무를 처음부터 끝까지 처리할 새로운 가능성을 열었다.
• 비법률가 창업팀이 보수적인 시장에서 살아남으려면 기존 전문성보다 고객에게 직접 배우는 속도, 제품 신뢰성, 거절 이후에도 다시 시도하는 집요함이 중요했다.
• 빠른 성장에는 기술만으로 부족하며, 변화 속도를 따라갈 인재와 경쟁적이면서도 다양한 지역의 장점을 결합한 조직문화가 필요했다.

🕒 시간순 섹션별 상세정리

1. 낡은 법률 소프트웨어에서 발견한 AI 기회

• 레고라는 복잡한 법률 업무를 처음부터 끝까지 처리하는 에이전틱 운영체제를 지향하며, 전 세계 변호사의 3% 이상을 활성 사용자로 확보했다. [00:47]
• 기존 법률 소프트웨어는 1990년대에 만들어진 듯 낡아 있었고, 소프트웨어 품질 격차가 대규모 언어 모델을 적용할 큰 시장 기회가 됐다. [00:58]

2. 작은 실험에서 시작된 창업과 GPT 전환점

• 2020년 변호사·물리학자·엔지니어·심리학자가 법대생의 판례 요약 업무를 자동화하려고 BERT 기반 제품을 실험하면서 초기 회사 Judelica가 출발했다. [03:57]
• 공동창업자들이 GPT-3.5로 스톡옵션 계약의 의미를 풀어주는 간단한 데모를 만들었고, 가벼운 도움으로 시작한 협업이 본격적인 공동창업으로 발전했다. [04:46]

3. 법률 시장을 직접 배우고 신뢰 장벽을 넘다

• 팀은 웹사이트와 링크드인에서 변호사를 찾아 시간당 비용을 지급하겠다며 점심을 요청했고, 실무 분야와 업무 방식을 고객에게 직접 배웠다. [05:43]
• 북유럽 대형 로펌 Mannheimer Swartling은 과거 AI가 지능보다 인공적이라고 평가할 만큼 회의적이어서, 법률 기술의 효용과 신뢰를 함께 입증해야 했다. [06:21]

4. YC 탈락이 시장 이해를 다시 쌓는 계기가 되다

• 첫 YC 면접에서 어떤 유형의 변호사를 대상으로 하느냐는 질문에 변호사 유형 자체를 되물었고, 시장 이해 부족이 그대로 드러나며 탈락 가능성이 분명해졌다. [07:58]
• 탈락 직후 하루를 쉬고 다시 제품 개발에 복귀했으며, 두 달 동안 시장 조사와 제품 변경을 거쳐 새로운 이름과 플랫폼으로 YC에 합격했다. [08:39]

5. 로펌 회의실에서 만든 초기 제품과 협력 자본

• 팀은 창문이 없고 오후 5시면 냉방이 꺼지는 로펌 회의실에서 일했으며, 엔지니어가 문을 흔들어 산소를 들이고 콜라 냉장고에 의지하다가 첫 사무실로 이동했다. [10:28]
• 초기 경험은 거절을 최종 답으로 받아들이지 않고 먼저 도움을 요청하는 태도의 힘을 보여줬으며, 사람들이 성공을 돕고 싶어 하는 회사가 되는 것이 성장 자산이 됐다. [10:49]

6. YC 성장과 시차를 감수한 초기 영업

• 샌프란시스코의 에어비앤비에서 제품을 만들며 YC 기간에 ARR이 0달러에서 100만 달러로 증가했다. [11:24]
• 초기 고객이 유럽에 집중돼 있어 샌프란시스코에서 매일 새벽 1시부터 오전 10시까지 링라이트를 켜고 영업 통화를 진행했고, 대륙 간 운영이 팀에 큰 부담을 줬다. [11:49]

7. 미국식 낙관과 과도한 자본이 만든 역설

• 유럽 투자자는 실패 가능성에 더 집중한 반면 미국 투자자는 성공할 경우의 크기에 무게를 뒀고, Benchmark는 세부 주식 수까지 협상한 뒤 951만 달러를 투자했다. [13:27]
• Redpoint가 불과 3주 뒤 시리즈 A를 선제 제안하면서 직원 10명인 회사의 은행 잔고가 약 3,500만 달러까지 늘었다. [13:37]

8. 여섯 달간 영업을 멈추고 제품 신뢰성을 재건하다

• 첫 이사회는 영업을 동결하는 어려운 결정을 내렸고, 변호사 고객에게는 첫 도입 실패 이후 신뢰를 회복할 두 번째 기회가 거의 없다는 판단이 근거가 됐다. [14:18]
• 제품 오류, 높은 지연시간, 트래픽 증가에 따른 Azure 장애 중 하나만 발생해도 보수적인 법률 시장에서 거래 전체를 잃을 수 있었다. [14:30]

9. 기능 투표를 버리고 하나의 제품 방향에 집중하다

• 전 직원 투표로 개발 항목을 정하자 기능이 지나치게 늘고 제품의 일관성이 무너졌으며, 영업 재개 전 제품 전체를 다시 만들어야 했다. [15:48]
• 새 플랫폼은 빠르게 바뀌는 기반 모델과 LangChain 같은 에이전틱 프레임워크에 적응해야 했고, 25명 팀은 축적한 학습을 하나의 제품 선언문으로 통합했다. [16:11]

10. 이력서의 출발점보다 학습 궤적을 채용하다

• 회사의 성패는 기술만이 아니라 사람에게 달려 있었고, 유명 기업 경력이라는 높은 출발점보다 빠르게 성장하는 역량 곡선을 채용 기준으로 삼았다. [17:56]
• 경력보다 강한 업무 의지와 성장 잠재력을 반복적으로 선택한 결과, 영업 경험 없이 대학을 그만둔 23세 직원이 1,000만 달러 이상의 매출을 만들었다. [18:37]

11. 얀테의 겸손과 글로벌 야망을 결합하다

• 스칸디나비아의 얀테 법칙은 자신이 남보다 중요하거나 자신의 생각이 더 낫다고 여기지 않는 태도를 요구한다. [20:22]
• 이 겸손은 직급이 낮은 구성원도 의견을 내고 최선의 아이디어가 이기는 환경을 돕지만, 자신이 특별한 성과를 낼 수 없다는 믿음은 초고속 성장에 제약이 된다. [21:00]

12. 2등의 자리가 없는 시장에서 만든 경쟁 강도

• 승자독식 또는 승자다수 시장에서는 2등을 위한 자리가 없으므로, 조직 전체가 오직 승리를 기준으로 움직여야 한다는 태도를 채택했다. [21:51]
• 수많은 법률 AI 기업 중 하나로 출발해 존재 이유가 약했지만, 정상적인 기준에서 뛰어난 성과를 낸 뒤에도 안전하다고 느끼지 않고 경쟁사보다 자기 레인에 집중했다. [22:11]

13. 스톡홀름 본사를 글로벌 실행력으로 연결하다

• 전 세계 신입 직원이 스톡홀름에서 온보딩을 받으면서 지역이 달라도 레고라 사무실마다 비슷한 분위기와 업무 기준이 유지됐다. [24:13]
• 경쟁사가 해결하지 못한 미국 대형 로펌의 문서 작성 문제를 접한 현지 법률 엔지니어가 스톡홀름으로 날아가 개발팀과 일주일 만에 해결한 뒤 고객에게 전달했고, 스웨덴 본사가 실행력의 중심이 됐다. [25:15]

14. 회사를 만드는 것은 화려한 성과 사이의 반복 작업

• 실제로 회사를 만든 순간은 대형 계약·투자 유치·맨해튼 사무실 개설보다 산소 부족한 회의실, 공항으로 가는 통화, 새벽 2시 슬랙에서 월요일 발표 전 버그를 고치는 작업에 가까웠다. [26:18]
• 큰 순간을 기다리기보다 반복되는 고된 실행 자체를 좋아해야 하며, 겉으로 드러나지 않는 작업의 축적이 조직의 기반이 된다. [26:29]

15. 도메인 전문성보다 빠른 시장 학습을 선택하다

• 비법률가 세 명이 법률 AI 회사를 만든 사례는 창업 시점의 도메인 전문성이 반드시 필요한지라는 질문을 낳았다. [27:55]
• 법률가가 없다는 이유로 초기 투자를 포기한 VC는 이후 그 판단을 후회했고, 팀은 가능한 많은 시간을 변호사와 보내며 시장을 누구보다 빠르게 학습하는 방식으로 지식 격차를 메웠다. [28:40]

16. 모델 발전에 올라타는 제품 전략

• 수백만 달러를 자체 법률 모델에 투자하기보다 기초 모델이 계속 개선될 것이라는 전제 아래, 그 성능을 시장 가치로 전달하는 제품 계층에 집중했다. [30:24]
• 초기 ChatGPT가 법률 업무와 유럽 규제 요건을 충족하지 못하던 시기에는 비공개 대화와 유럽 데이터 호스팅만으로도 판매 기회가 생겼으며, 먼 미래보다 현재와 한 단계 앞선 요구를 공략했다. [31:14]

17. 개방형 모델 확산과 용도별 선택

• 모델 선택지가 늘어나면 고객 지원은 응답 속도와 티켓당 비용을, 복잡한 소송은 인간 전문가 비용에 비해 작은 토큰 비용보다 최대 추론 능력을 우선하게 된다. [32:46]
• 일부 고객은 장시간 작동하는 고성능 모델을 원하고 다른 고객은 저렴한 오픈소스 모델을 원하므로, 사용 사례를 평가하고 적절한 모델로 라우팅하는 역량이 핵심 지식재산이 된다. [34:09]

18. 법률 평가 체계와 운영 안정성

• 변호사들이 고객 업무와 함께 실제 법률 사용 사례를 구축했고, 이를 평가 세트로 활용해 비용과 지능 사이의 경계를 측정했다. [34:28]
• 전 세계 변호사와 고객 업무가 시스템에 의존하는 규모에서는 모델 공급사·컴퓨팅 제공사와의 대형 계약과 무중단 운영 능력이 모델 성능만큼 중요하다. [34:53]

19. 공개 벤치마크가 넓힌 모델 선택

• 3년간 내부에서 운용한 Legora Bench는 OpenAI와 Anthropic 외 선택지가 충분히 늘어난 뒤 공개됐고, Grok은 비용 대비 성능에서 상위권을 기록했다. [35:18]
• 벤치마크 성능이 좋아도 데이터 처리 계약이 없으면 고객에게 즉시 제공할 수 없으며, 은행과 대형 로펌은 중국계 모델을 거부하는 등 보안·출처 정책도 선택을 제한한다. [36:01]

20. 창업가적 환경과 맥킨지 대신 창업한 배경

• 아버지가 닷컴 붐 당시 두 회사를 잃고 이후 보트 사업을 운영한 경험 덕분에 창업이 일상적인 환경이 형성됐고, 실제 고객 제안서 작업까지 지원하는 긴밀한 조언 관계가 이어졌다. [36:58]
• 경쟁심이 강했던 성장 과정에서 회사 만들기는 가장 큰 승부의 장으로 인식됐으며, 맥킨지 인턴십으로 업무 규율을 익힌 뒤 창업 기회를 선택했다. [38:01]

21. GPT가 만든 창업 적기와 불편함을 통한 학습

• GPT 이전의 창업 아이디어는 매력과 성공 가능성이 낮았지만, 생성형 AI는 소규모 기업이 Microsoft 같은 대기업보다 빠르게 제품을 만들 수 있는 비대칭적 기회를 열었다. [38:57]
• 고객 대화가 불편했던 내향적 개발자도 영업과 인사 문제를 직접 감당해야 했으며, 짧은 기간의 학습량은 견딜 수 있는 불편함의 크기에 비례했다. [39:57]

22. 공동창업자와 문제 공간 선택

• 창업 전 다른 스타트업에서 일한 경험도 유용하지만, 누구와 시작하는지와 어느 문제 공간에 들어가는지를 깊이 판단해야 초기 시행착오를 견딜 수 있다. [40:42]
• 법률과 AI의 결합 가능성은 명확했지만 구체적인 제품은 불확실했기 때문에 넓은 방향으로 먼저 진입했으며, 특정 문제의 ROI를 입증한 뒤 확장하는 방식과는 다른 경로를 택했다. [41:01]

23. 규모에 따라 달라진 목표와 커뮤니케이션

• 세 명이 일하던 초기에는 매일 결과를 극대화하는 데 집중했지만, 750명 규모에서는 전 직원이 월간 목표를 공유하고 계획과 내부 소통을 체계화해야 한다. [41:53]
• 조직이 커질수록 커뮤니케이션이 먼저 무너지기 쉬운 반면, 엔지니어들은 경쟁 제품과 기능을 직접 비교하며 최고의 제품을 만들려는 승부욕을 유지한다. [42:18]

24. 경쟁을 팀 스포츠로 만드는 문화

• 휴가 중인 엔지니어들까지 이기고 싶은 문제를 자발적으로 개발할 만큼 경쟁심이 강하지만, 승리와 패배를 함께 책임지는 팀 단위의 경쟁이 개인 간 비난보다 우선한다. [42:58]
• 패배 직후 책임자를 찾기보다 결과를 뒤집을 계획으로 전환하는 문화가 추격의 동력을 만들었고, 초기에는 더 큰 법률 AI 기업들을 따라잡는 공동 목표가 조직을 결집했다. [43:18]

25. 선두 이후의 동기와 집중력

• 시장 선두에 오른 뒤에는 더 큰 경쟁자를 선택하거나 어제의 자신보다 나아지는 기준을 세워야 하며, 경쟁자는 행동을 유도하는 유용한 목표가 될 수 있다. [44:20]
• 경쟁사 동향에 과도하게 휘둘리지는 않되 조직 전체가 하나의 목표에 집중해야 하며, 여러 부수 과제로 에너지가 흩어지는 상황을 피해야 한다. [44:44]

26. 야심은 동료 집단에서 확장된다

• 학교생활이 쉽고 게임에 많은 시간을 쓰던 시기에는 바깥세상의 규모를 몰랐지만, 야심찬 친구들과 어울린 뒤 1년 동안 여덟 개의 일을 경험할 정도로 행동 반경이 커졌다. [45:37]
• YC처럼 높은 목표를 가진 동료가 밀집한 환경에서는 서로의 기준이 올라가며, 개인의 야심도 집단과 함께 확대된다. [46:38]

27. 전사적 야심과 더 큰 기준점

• CEO를 상명하복식 상사가 아니라 회사를 운영하는 동료로 두고, CFO까지 마케팅팀에 더 높은 목표를 요구하는 문화가 조직 전체의 전진 성향을 강화한다. [46:54]
• Spotify와 Klarna를 성공 기준으로 삼았지만 기업가치가 Klarna를 넘어선 뒤에도 현재 성과는 0에서 1과 1에서 10에 불과하며, 10에서 100으로 가는 확장이 남아 있다. [47:38]

28. CEO의 핵심 역량인 스토리텔링과 협업

• CEO는 과도한 노동을 스스로 납득하고, 인재에게 Anthropic 대신 Legora를 선택할 이유를 주며, 투자자와 고객까지 설득해야 하므로 스토리텔링이 핵심 역량이 된다. [48:42]
• 배구 동료의 실수를 공개적으로 비난했던 태도는 신뢰와 추종을 만들지 못했고, 좋은 협업자가 되기 위해 경쟁심을 팀에 도움이 되는 방식으로 바꿔야 했다. [50:04]

29. 빠른 반복과 능동형 법률 에이전트

• 고객 통화에서 발견한 문제를 즉시 제품 채널에 공유하고 빠르게 해결하는 능력은 대기업 경쟁자를 이기는 소규모 기업의 강점이며, 방향을 잃지 않는 범위에서 속도를 극대화해야 한다. [50:50]
• AI가 코드를 대량 생성해도 대규모 시스템을 설계하는 소프트웨어 공학 역량은 필수이며, Legora는 수동 요청을 처리하는 도구에서 계약·데이터룸의 이벤트를 감지해 스스로 작업하는 능동형 에이전트로 전환하고 있다. [52:35]

30. 초고속 성장에 맞춘 리더십과 브랜드 확장

• 회사와 역할이 매 분기 달라지므로 CEO와 임원은 자신의 자격을 반복해서 갱신해야 하며, 기존 SaaS 기업이 수년간 겪은 매출·인원 성장을 1년으로 압축하려면 불필요한 일을 단호하게 거절해야 한다. [54:45]
• Jude Law 캠페인은 반복적인 설득 끝에 성사됐고, 그가 선택한 SNL 출신 작가와 《오펜하이머》 촬영감독이 제작에 참여하면서 Legora의 인지도가 법률 업계 밖으로 확장됐다. [59:23]

🧾 결론

• 사전에 모든 도메인 지식을 갖추지 못했더라도 고객과 보내는 시간을 극대화하고 학습 속도를 높이면 지식 격차를 줄일 수 있다. 다만 양자컴퓨팅이나 핵융합처럼 진입 전 전문성이 필요한 분야까지 일반화할 수는 없다.
• 보수적이고 실패 비용이 큰 시장에서는 단기 매출 확대보다 신뢰성·보안·지연시간·운영 안정성을 먼저 확보하는 결정이 장기 성장의 기반이 된다.
• 기반 모델이 빠르게 발전하는 환경에서는 특정 모델 자체보다 평가 세트, 모델 라우팅, 데이터 처리 계약과 고객 업무에 연결되는 제품 계층이 지속적인 차별화 요소가 될 수 있다.
• 강한 경쟁 문화는 개인 간 비난이 아니라 팀이 공동 목표에 집중하고 패배 직후 해결 계획으로 전환할 때 실행력으로 이어진다.

📈 투자·시사 포인트

• 법률 AI 기업을 평가할 때는 기반 모델의 이름보다 실제 활성 사용, 고객 업무 의존도, 평가 체계, 모델 라우팅 능력, 데이터 처리 계약과 무중단 운영 역량을 함께 살펴봐야 한다.
• ARR 성장만으로 제품·시장 적합성을 단정하기보다 영업 동결과 제품 재건을 감수할 정도의 신뢰성 투자, 대형 로펌의 재사용과 확장 여부를 확인필요가 있다.
• 충분한 자본이 제품과 고객 성과로 연결되지 않으면 이자수익이 매출보다 큰 ‘은행이 된 회사’가 될 수 있으므로 자금 조달 규모보다 자본 배분 규율이 중요하다.
• 초고속 성장 기업에서는 학습 속도가 빠른 인재의 밀도와 문화적 자기선별이 경쟁력이 될 수 있지만, 과도한 경쟁 강도가 장기적인 인재 유지와 협업을 훼손하지 않는지도 점검해야 한다.

⚠️ 불확실하거나 확인이 필요한 부분

• 전 세계 변호사의 3% 이상이 활성 사용자라는 수치는 활성 사용자의 정의, 측정 시점과 모집단이 제시되지 않아 별도 확인이 필요하다.
• ARR 0달러에서 100만 달러로의 증가와 이후 1억 달러 방향의 성장 곡선은 기간·통화·계약 매출 인식 기준이 상세히 제공되지 않았으며, 현재 실적을 의미하는지 구분필요가 있다.
• Legora Bench의 평가 데이터 구성, 표본 규모와 재현 방법이 제시되지 않아 Grok의 비용 대비 성능 우위를 일반적인 법률 업무 전체로 확대해 해석하기 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

• 새로운 전문 시장에 진입하기 전 잠재 고객과 유료 인터뷰를 진행하고, 직무 유형·업무 흐름·실패 비용·구매 기준을 문서화한다.
• 실제 고객 사용 사례로 평가 세트를 만들고 정확도, 지연시간, 비용, 장애율과 보안 요건을 제품 출시 기준으로 설정한다.
• 기능별 인기투표 대신 하나의 제품 선언문과 우선순위를 정하고, 고객 통화에서 발견된 문제를 빠르게 제품팀에 전달하는 반복 루프를 만든다.
• 채용 과정에서 이력서의 출발점뿐 아니라 짧은 기간의 학습 속도, 피드백 반영 능력과 팀 단위 협업 행동을 검증한다.

❓ 열린 질문

• 영업 동결 이후 제품 신뢰성 개선이 고객 유지율, 확장 매출과 실제 ARR 성장에 각각 얼마나 기여했는가?
• 공개된 Legora Bench는 실제 로펌 업무의 정확성·비용·지연시간·보안 요구를 어느 정도 대표하는가?
• 강한 경쟁 문화와 높은 업무 강도를 유지하면서도 장기적인 번아웃 방지, 인재 유지와 다양한 의견의 안전한 제시를 어떻게 보장할 수 있는가?