/roast-room: How I Use Claude to Think Like the Top 1%

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

/roast-room은 Claude Code에서 전문가의 공개 자료를 바탕으로 구성한 서브에이전트들을 토론시켜, 사업 결정을 여러 관점에서 검토하도록 돕는 도구다.

📌 핵심 요점

1. 인물마다 검토 질문을 다르게 배정한다. 버핏 역할은 현금·위험·장기 가치, 호르모지 역할은 지불 의사와 판매, 위크먼 역할은 창업자 없이 운영 가능한지를 따진다.
2. 각 자문역은 역할을 정의한 Markdown 에이전트 파일과 별도의 ‘브레인’ 자료로 구성된다. 브레인에는 공개 인터뷰·책·영상에서 정리한 프레임워크, 입장, 원칙, 사례, 출처 등이 들어간다.
3. 사용자는 결정할 문제, 선택지, 맥락을 제공한다. 시스템은 부족한 정보를 질문하고 자문역 구성을 추천한 뒤, 입장 제시와 상호 반박을 거쳐 판정을 만든다. 전원 동의하면 반대편 논증도 유도한다.
4. 시각화 화면은 선택 사항이다. 실제 작업은 Claude Code의 서브에이전트가 수행하며, 발표자는 추가 효용 대비 비용이 크다는 자신의 테스트 경험 때문에 에이전트 팀에서 서브에이전트로 전환했다고 설명한다.
5. 토론 결과는 PDF와 로컬 세션 기록으로 확인하고 후속 질문에 활용할 수 있다. New Roaster 스킬은 새 인물의 에이전트·브레인·시각화용 캐릭터를 생성하며, 영상에서는 일론 머스크 추가를 시연한다.

🧩 배경과 문제 정의

영상은 사업 결정을 검토할 때 자신이나 Claude의 즉흥적인 판단에만 기대지 않고, 경험 있는 사람들의 판단 기준을 참고하는 방법을 소개한다. /roast-room은 유명 사업가들의 공개 자료를 정리한 AI 자문역들에게 같은 문제를 맡기고, 각자의 기준으로 선택지를 비판하게 한다.

구조는 인물별 역할 파일, 참고 지식을 담은 브레인, 토론을 진행하는 스킬, 선택적인 시각화 화면으로 나뉜다. 사용자는 충분한 맥락을 제공하고 토론의 근거와 이견을 검토해야 한다. 발표자는 이를 여러 관점을 얻는 보조 수단으로 설명하며, 행사 개최지 선정과 새 자문역 생성 과정을 시연한다.

🕒 시간순 섹션별 상세정리

1. 사업 질문을 여러 자문역의 토론으로 바꾸기

• 베이조스, 그레이엄, 게리 비, 버핏 등을 본뜬 일곱 자문역이 사업 선택지를 검토하고 서로 반박한다. 역할마다 집중하는 질문이 다르며, 버핏은 현금·위험·장기 가치를, 위크먼은 창업자 없이 운영 가능한지를 묻는다. [00:52]
• 세 차례 라운드 뒤 최종 판정과 공유 가능한 PDF를 제공한다. 화면은 Claude Code에서 실행되는 서브에이전트의 활동을 보여주는 시각화이므로, 로컬 화면을 열지 않아도 사용할 수 있다. [01:18]
• 기본 일곱 자리 외에 네 자리가 더 있어 총 11개 역할을 제공하며, 구성원을 바꾸거나 추가할 수 있다고 보여준다. 이어 채팅 간 오케스트레이션 도구와 무료 체험을 홍보한 뒤 저장소 구조 소개로 넘어간다. [02:10]

2. 역할 파일과 브레인으로 전문가 관점 구성하기

• 각 자문역은 에이전트 디렉터리의 Markdown 파일로 정의된다. 파일에는 사고방식, 의사결정 방식, 말투와 토론 관점 등이 담기며, 공개 대화·강연·책·기사 등을 참고한다고 보여준다. [03:07]
• 별도의 브레인 폴더에는 인물별 핵심 자료, 책, 프레임워크, 입장, 원칙, 출처, 사례, 말투 자료가 들어간다. 레일라 역할은 2021~2026년 자료 48개, 약 50만 단어를 바탕으로 만들었다고 보여준다. [04:00]
• 인물별 규칙과 반복적으로 사용하는 판단 도구를 정리한다. 댄 마텔의 바이백 원칙·시간과 에너지 감사, 호르모지의 가치 방정식·그랜드슬램 오퍼 등을 예로 든다. [04:45]

3. Fish Audio 협찬과 음성 생성 기능 소개

• 별도 협찬 구간에서 Drama 3를 보여준다. 영어로 감정과 연기 방향을 입력하고, 다국어에서도 지시를 적용하며, 여러 화자의 목소리를 장면 전체에 유지할 수 있다고 보여준다. [05:40]
• 단어 단위 타임스탬프를 반환하는 스트리밍, API와 MCP 서버 연동 등을 보여준다. 음성 에이전트·게임 캐릭터·영상 내레이션 활용을 권한 뒤 본론으로 복귀한다. [06:13]

4. 새 자문역 생성과 결정 입력 방식

• New Roaster 스킬에 일론 머스크 생성을 요청한다. 인물의 브레인, 에이전트 파일, 출처 자료와 시각화용 캐릭터를 함께 만들고 저장소에 추가하는 흐름을 보여준다. [06:48]
• 새 세션에서 Roast Room을 열고 Opus로 전환한다. 브라우저 화면 없이도 같은 서브에이전트 토론을 실행할 수 있음을 다시 보여준다. [07:14]
• 좋은 입력에는 결정할 문제, 두세 개의 선택지, 충분한 맥락이 필요하다고 강조한다. 토론의 판단 근거를 만들 수 있도록 상황을 구체적으로 전달하라는 취지다. [07:27]

5. 행사 개최지 사례와 추가 질문

• 2027년 여름 대면 행사 장소로 샌프란시스코, 솔트레이크시티, 오스틴, 시카고를 비교하도록 요청한다. 스폰서, 지역 인센티브, 참석자 접근성, 공항·대중교통, 식당과 외부 활동을 고려 조건으로 제시한다. [08:04]
• 자연어 또는 슬래시 명령으로 호출할 수 있으며, 스킬은 행사·사업 맥락을 수집하고 필요한 자문역을 추천한다. 정보가 부족하면 추가 질문을 한 뒤 토론을 진행한다. [08:35]
• 발표자는 실제로는 솔트레이크시티의 6월 16~20일 행사를 이미 예약했다고 밝히고, 시연에서는 미정인 상황을 가정한다. 규모·예산 등의 질문 일부를 건너뛰며, 추천된 자문역을 변경할 수도 있다고 보여준다. [09:13]

6. 비용 선택, 기록 보관, 초기 투표와 반론

• 처음에는 에이전트 팀을 사용했지만, 테스트 결과 추가 가치에 비해 더 비싸다고 판단해 서브에이전트로 바꿨다고 보여준다. 이번 토론에서는 창업자의 시간 보호를 다루는 댄 마텔 대신 레버리지와 소유 지분을 묻는 나발을 넣는다. [09:50]
• 결과는 로컬 세션에 저장되며, 브리프·1라운드·2라운드·판정과 각 역할의 입장 및 논증을 다시 읽고 후속 질문을 할 수 있다. 화면에서도 초기 입장과 투표, 점수가 나타난다. [10:56]
• 초기 투표는 대체로 솔트레이크시티를 지지하고 나발은 샌프란시스코를 선택한다. 서로의 입장을 읽고 약점을 지적하며, 전원 동의하는 경우에는 진행자가 한 역할에 반대편 주장을 맡겨 관점을 넓힌다고 보여준다. [11:46]

7. 전문가 자료 활용의 의미와 최종 판정

• 발표자는 자신에게 없는 전문성을 보완하려면 해당 분야에서 성과를 낸 사람의 프레임워크, 사례, 사고방식과 결정 방식을 연구해 역할에 담을 수 있다고 보여준다. 카피라이팅을 예로 들면서도 결과를 그대로 받아들이지는 않는다고 선을 긋는다. [12:28]
• 토론의 가치는 자신이 떠올리지 못한 관점을 얻는 데 있다고 강조하며, 이 접근을 다른 스킬과 자동화 과정에도 적용할 수 있다고 드러낸다. [13:11]
• 최종 투표 과정에서 솔트레이크시티가 7.9점을 보이며, PDF에서도 승리한 장소로 확인된다. 역할별 핵심 주장과 동의·반대 내용을 살펴볼 수 있고, 필요하면 라운드나 자문역을 추가할 수 있다. [13:58]

8. 머스크 역할 생성 완료와 자료 접근 안내

• 머스크의 초상과 발화용 시각 자료가 생성되고, 저장소에 에이전트 파일과 브레인이 추가된 것을 확인한다. 브레인에는 책·프레임워크·입장·원칙·출처·사례·말투 파일 등이 포함된다. [14:31]
• 저장소는 설명란에 연결한 무료 커뮤니티의 교실에서 받을 수 있다고 안내한다. 다른 저장소·스킬·프롬프트·가이드의 위치도 소개하고 영상을 마친다. [14:58]

🧾 결론

• 핵심은 유명인 이름을 붙이는 데서 끝나지 않고, 각 역할에 서로 다른 판단 기준과 참고 자료를 부여하는 데 있다.
• 실제 인물들의 참여나 자문이 아니라, 공개 자료를 토대로 구성한 AI 역할들의 토론이다. 발표자도 결과를 맹목적으로 받아들이지 않는다고 밝힌다.
• 솔트레이크시티가 행사 개최지로 선정되는 시연은 작동 방식을 보여준다. 이미 정해 둔 장소와 결과가 일치했다는 사실만으로 판단의 정확성이 입증되지는 않는다.

📈 투자·시사 포인트

• 사업 검토에서는 매출 가능성만 묻기보다 현금 위험, 장기 가치, 조직의 실행 능력, 창업자의 시간 의존도를 함께 질문하는 방식에 주목할 만하다.
• AI 운영 비용을 평가할 때는 에이전트 수나 협업 방식보다 추가 비용으로 얻는 판단의 개선을 확인해야 한다. 영상의 비용 평가는 발표자의 경험이며 정량 비교는 제시되지 않는다.
• 공개 전문가 자료를 구조화해 반복 활용하고, 토론 기록을 팀과 공유하는 방식은 조직의 검토 과정을 축적하는 활용 사례다. 다만 영상에는 투자 수익률이나 생산성 향상을 입증하는 수치가 없다.

⚠️ 불확실하거나 확인이 필요한 부분

• 제목의 ‘상위 1%처럼 생각하기’를 입증하는 성과 비교는 제시되지 않는다. 실제 전문가의 판단을 얼마나 충실하게 재현하는지도 검증되지 않았다.
• 레일라 역할에 사용했다는 48개 출처와 약 50만 단어는 발표자의 설명이다. 개별 출처의 정확성, 최신성, 상충하는 견해의 처리 방식은 영상만으로 확인하기 어렵다.
• 행사 장소는 시연 전에 이미 솔트레이크시티로 예약된 상태였다. 예산과 규모 등에 대한 질문 일부도 화면에서 건너뛰어, 입력 조건과 최종 판정의 관계를 충분히 평가하기 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

• 검토할 결정을 한 문장으로 정의하고, 비교할 선택지와 예산·규모·목표·제약을 함께 작성한다.
• 자문역마다 담당 질문을 지정하고, 이번 결정에 필요한 관점이 빠지지 않았는지 확인한다.
• 에이전트 파일과 브레인의 출처·원칙·프레임워크를 읽어 역할 설정이 실제 자료와 연결되는지 점검한다.
• 최종 PDF와 함께 초기 입장, 반박, 소수 의견이 담긴 로컬 세션 기록을 검토하고 필요한 후속 질문을 남긴다.

❓ 열린 질문

• 같은 모델에서 구성한 여러 역할이 실제로 독립적인 관점을 얼마나 제공하며, 공통된 오류를 어떻게 발견할 수 있을까?
• 같은 결정에 자문역이나 입력 맥락을 바꾸면 최종 판정과 근거는 얼마나 달라질까?
• 강제로 반대 의견을 맡기는 장치가 실제 위험을 발견하는 데 도움이 되는지, 어떤 기준으로 평가할 수 있을까?