Continuous Learning_Startup & Investment

Continuous Learning_Startup & Investment

Public

Can't Join? @continuouslearningmatthew

0

2.4k Members

Updated: May 3, 2026 at 6:12 PM

Continuous Learning_Startup & Investment

We journey together through the captivating realms of entrepreneurship, investment, life, and technology. This is my chronicle of exploration, where I capture and share the lessons that shape our world. Join us and let's never stop learning!

@continuouslearningmatthew is a dedicated channel for entrepreneurship and technology with regular updates in Life Lessons

Ranking

Global Ranking

#456

+2

Language Ranking

#45

+1

Category Ranking

#23

-1

Participant Growth (Last 2 Days)

Total: 2.4K

24h growth: -34 1%

Loading posts...

Rating

Login required

Loading reviews...

Loading recommended channels...

Latest Posts

Continuous Learning_Startup & Investment

Apr 29, 2026, 01:39 AM

10. 일자리와 산업에 대해서는 “디지털 작업이 먼저 재편된다”는 관점이 강하다

카파시는 jobs data를 보면서 특히 디지털 정보를 다루는 직업군에 주목했다고 말한다. 이유는 간단해. 지금 AI는 물리 세계보다 디지털 세계의 비트를 훨씬 잘 다룬다. 그는 “bits are so much easier”라고 말하고, 그래서 단기적으로는 원자(atom)를 다루는 물리 노동보다 디지털 정보 처리 직업군이 더 빨리 재편될 거라고 본다. 그렇다고 무조건 일자리가 사라진다고 단정하지는 않아. 오히려 그는 software가 그동안 희소하고 비쌌기 때문에, 장벽이 내려가면 Jevons paradox처럼 software 수요가 늘 수 있다고 본다. 그래서 사람들에겐 우선 “두려워하거나 dismiss하지 말고 따라붙어라”는 조언을 한다. 현재 시점에서 AI는 아직은 주로 task bundle을 가속하는 도구라는 거지.

11. 오픈소스와 프런티어 랩에 대해서는 “긴장된 균형”을 선호한다

그는 frontier labs가 비싼 frontier intelligence를 밀어 올리는 역할은 필요하다고 본다. 동시에 모든 지능이 닫혀 있는 구조는 구조적으로 위험하다고 본다. transcript에서 그는 오픈 모델이 frontier보다 몇 달 뒤에 따라오면서, 산업 전체가 접근 가능한 common working space for intelligences 역할을 해주는 구도가 꽤 건강하다고 말한다. 또 frontier lab 안에 있으면 실제 frontier를 보며 판단력을 유지할 수 있지만, 동시에 조직의 인센티브와 압력에서 완전히 자유롭기는 어렵다고도 본다. 그래서 그의 결론은 inside/outside 중 하나가 아니라, 양쪽을 오가며 frontier 감각과 독립성을 동시에 확보하는 것에 가깝다.

12. 로보틱스는 오겠지만, 그는 여전히 “bits first, atoms later”라고 본다

자율주행 경험을 가진 사람답게 그는 물리 세계 자동화에 훨씬 조심스럽다. 핵심 메시지는 디지털 공간에서의 unhobbling이 먼저 대규모로 일어나고, 물리 세계는 그보다 늦다는 것. 원자를 다루는 건 비트를 다루는 것보다 훨씬 어렵기 때문이야. 다만 그는 중간 단계로 physical–digital interface, 즉 센서와 액추에이터 층을 아주 중요하게 본다. AI가 이미 업로드된 디지털 정보만 다 소화하고 나면 결국 세상에 새 질문을 던지고 답을 받아와야 하니까, 실험장비, 카메라, 데이터 수집 네트워크, 현실 세계 작업을 agent에게 외주 주는 메커니즘 같은 것들이 다음 큰 영역이 된다는 거지.

13. 교육도 “사람에게 직접 설명”에서 “에이전트가 가르치게 설명”으로 이동한다

microGPT 얘기에서 카파시가 말한 건 꽤 근본적이야. 그는 LLM training의 알고리즘적 본질은 사실 200줄 정도의 Python까지 압축 가능하다고 보고, 그 200줄이 자신의 오랜 단순화 집착의 결과라고 말한다. 그런데 더 중요한 건 그다음 결론이야. 예전에는 그걸 사람에게 설명하는 강의나 글을 만들었겠지만, 이제는 에이전트가 이해하도록 설명하면, 에이전트가 인간에게 각자 수준에 맞춰 무한한 인내로 다시 설명할 수 있다는 거야. 그래서 문서도 HTML docs for humans보다 markdown docs for agents로 바뀔 수 있고, “skill”은 결국 agent에게 무엇을 어떤 순서로 가르치게 할지 정의하는 curriculum prompt가 된다. 그의 최종 정리는 더 날카롭다. 에이전트가 아직 못 하는 몇 비트를 만드는 것이 인간의 일이고, 나머지 설명·전달·확장은 점점 에이전트의 일이 된다는 거야.

354

1

0

Continuous Learning_Startup & Investment

Apr 29, 2026, 01:39 AM

1. “코딩”의 본질이 바뀌었다

카파시는 이 에피소드에서 가장 먼저, 이제 code라는 말 자체가 정확하지 않다고 말해. 예전에는 개발자가 직접 코드를 타이핑하는 사람이었다면, 지금은 여러 에이전트에게 “내 의지”를 전달하고, 그들이 병렬로 일하도록 설계하는 사람이 되어 간다는 거야. 그가 “하루 16시간 동안 에이전트에게 내 의지를 표현한다”고 한 이유도 여기 있고, 특히 12월을 기점으로 자신이 직접 쓰는 코드보다 에이전트에게 위임하는 비중이 더 커졌다고 본다. 그는 이걸 단순 생산성 향상이 아니라 소프트웨어 엔지니어링의 phase shift처럼 느낀다고 설명한다.

2. 새 병목은 모델이 아니라 “사람의 오케스트레이션 실력”이다

이전 병목은 타이핑 속도, 구현 시간, 인간의 집중력이었는데, 이제 카파시는 실패의 원인을 모델 한계보다 “내가 아직 잘 못 시켰기 때문”으로 느낀다고 말해. instruction file이 약했을 수 있고, memory tool이 부실했을 수 있고, task decomposition이 안 좋았을 수 있다는 식이야. 그래서 “everything is skill issue”라는 표현이 나온다. 같은 맥락에서 그는 GPU가 놀고 있으면 불안했던 박사과정 시절처럼, 이제는 subscription과 token throughput이 남아 있으면 불안하다고도 말해. 즉, 코딩의 중심 스킬이 “직접 구현”에서 지시, 분해, 검증, 병렬화로 이동하고 있다는 뜻이야.

3. 다음 단계는 단일 에이전트가 아니라 멀티에이전트 + persistent system이다

카파시가 보는 “숙련”은 좋은 프롬프트 한 번 던지는 수준이 아니야. 여러 에이전트가 동시에 돌아가고, 서로 간섭하지 않는 일을 나눠 맡고, 사람은 그 위에서 macro action 단위로 레포를 조작하는 상태를 말해. 그가 Peter Steinberger 사례를 든 것도 그래서야. 여기서 중요한 게 “claw”인데, 이건 그냥 채팅형 코딩 에이전트보다 더 persistent한 층위야. 계속 살아 있고, 사용자가 보고 있지 않아도 루프를 돌고, memory와 tool을 붙여 장기 실행이 가능해야 한다는 발상이지. OpenClaw 공식 저장소도 실제로 agent workspace에 http://AGENTS.md/, http://SOUL.md/, TOOLS.md를 주입하고, gateway daemon을 설치해 assistant를 always-on으로 유지하는 구조를 설명한다.

4. 에이전트의 성능만큼 “성격과 인터페이스”도 중요하다는 게 그의 포인트다

카파시는 Claude와 Codex를 비교하면서, 단순히 코드 생성 품질만이 아니라 에이전트가 팀메이트처럼 느껴지는가, 내가 뭘 만들고 있는지 이해하는가, 칭찬이나 반응이 얼마나 적절한가까지 중요하다고 말해. 그의 표현대로 Codex는 상대적으로 dry하고, Claude는 teammate-like하게 느껴진다는 거지. 그리고 OpenClaw가 resonant했던 이유로 그는 http://SOUL.md/ 같은 personality layer, memory system, 그리고 WhatsApp 같은 단일 포털을 꼽는다. 즉 앞으로의 경쟁력은 “더 똑똑한 모델”만이 아니라 더 인간이 다루기 쉬운 agent persona + persistent UX에도 있다는 거야.

5. Dobby 사례가 보여주는 건 “앱의 시대에서 API의 시대로”의 이동이다

그가 가장 재미있게 든 예시는 집 자동화용 claw인 Dobby야. transcript에 따르면 그는 에이전트에게 집 LAN에서 Sonos 같은 장치를 찾게 했고, 에이전트가 이를 발견해 API를 찾아내고, 조명/HVAC/블라인드/풀/스파/보안까지 하나의 자연어 인터페이스로 엮었다고 설명한다. 그 결과 예전엔 6개 앱을 써야 하던 걸 이제는 WhatsApp을 통해 자연어로 제어하게 됐다는 거야. 여기서 카파시가 끌어낸 더 큰 결론은 강하다. 많은 앱은 사실 존재할 필요가 없고, 하드웨어/서비스는 API만 노출하면 되며, agent가 그 위의 지능 레이어가 된다는 거지. 즉 UX의 중심이 “사람이 배워야 하는 GUI”에서 “에이전트가 호출하는 API”로 이동한다는 주장이다.

6. AutoResearch는 “연구자까지 루프 밖으로 빼자”는 발상이다

카파시가 AutoResearch에서 밀고 있는 건 단순한 ML demo가 아니야. 핵심은 연구 루프를 인간이 계속 이어붙이는 구조 자체를 문제 삼는 것이야. 공식 repo 설명대로 autoresearch는 에이전트가 작은 LLM training setup에서 train.py를 바꾸고, 5분 훈련을 돌리고, val_bpb를 보고, 개선되면 유지하고 아니면 버리는 루프를 자동으로 반복한다. 그리고 사람은 Python 코드를 고치는 대신 program.md라는 markdown instructions를 고친다. 에피소드에서 카파시는 이걸 더 밀어붙여, 결국 연구 조직 전체가 markdown files로 표현될 수 있고, 그 조직 자체도 튜닝 대상이 된다고 말한다. standup을 적게 하는 조직, 더 risk-taking한 조직, 더 보수적인 조직을 전부 “code”로 볼 수 있다는 거지.

7. 그래서 그가 말하는 진짜 게임은 “evaluation이 있는 문제를 닫힌 루프로 바꾸는 것”이다

카파시는 이 패턴이 특히 objective metric이 명확한 문제에 강하다고 본다. 예를 들어 같은 동작을 유지하면서 CUDA kernel을 더 빠르게 만들기, validation metric을 낮추기, unit test 통과 여부로 판정되는 문제는 agent loop와 너무 잘 맞는다는 거야. 반대로 좋은지 나쁜지 평가하기 어려운 문제, 의도 해석, 미묘한 취향, 애매한 소프트한 판단은 아직 훨씬 어렵다고 말한다. 그래서 그의 메시지는 “모든 문제가 자동화된다”가 아니라 “평가 가능하게 정의된 문제부터 자동화가 급속히 먹힌다”에 가깝다.

8. 하지만 그는 동시에 지금 모델들이 여전히 ‘jagged’하다고 본다

이 대화의 밸런스가 좋은 이유는, 카파시가 엄청 흥분하면서도 모델의 이상한 불균일성을 계속 강조하기 때문이야. 그는 현재 모델을 “평생 시스템 프로그래머였던 뛰어난 박사과정생과 10살 아이가 한 몸에 들어 있는 것 같다”고 묘사한다. agentic task에서는 몇 시간씩 산을 옮길 수 있는데, 검증되지 않은 영역이나 soft task에선 엉뚱하게 헤매고, 심지어 농담 하나도 몇 년째 별로 발전이 없다는 예를 든다. 그의 설명은 명확해. RL이 잘 먹는 verifiable domain은 빨리 좋아지지만, 그렇지 않은 부분은 상대적으로 덜 최적화되어 남는다는 것. 그래서 그는 “코드가 좋아지면 모든 지능이 고르게 따라온다”는 강한 일반화 서사에는 회의적이다.

9. 모델의 미래도 “하나의 거대 oracle”보다 점점 분화될 수 있다고 본다

그는 지금의 labs가 하나의 거대한 monoculture model을 만들고 거기에 모든 능력을 밀어 넣으려 하는 것처럼 보인다고 말한다. 하지만 장기적으로는 speciation, 즉 분화가 더 자연스럽다고 본다. 생물계에서 시각 피질이 강한 동물, 특정 niche에 특화된 동물이 있듯이, AI도 모든 것을 다 아는 하나의 oracle보다 작지만 competent한 core를 가진 뒤 특정 작업에 전문화된 모델들이 늘어날 수 있다는 거야. 다만 아직은 fine-tuning으로 특정 능력을 올리면서 다른 능력을 망가뜨리지 않는 기술, 즉 “weights를 만지는 과학”이 충분히 성숙하지 않아 실제 분화가 크게 보이지는 않는다고 본다. 지금은 context window를 조작하는 쪽이 훨씬 쉽고 싸다는 얘기다.

Continuous Learning_Startup & Investment

Apr 29, 2026, 01:39 AM

AI는 숙련을 상품화한다. 그래서 많은 사람들이 공포를 느낀다.

보통 창업자들은 최근 10~20년의 기술 비즈니스만 보면서 “SaaS는 죽었다”, “프로그래머는 끝났다” 같은 식의 유한 게임적 결론을 내리는데, Pete Flint는 이건 문화사·예술사·미디어사의 훨씬 더 긴 흐름을 놓친 해석이라고 봅니다. Pete Flint는 전자음악이 음악을 끝내지 않았고, 사진이 회화를 죽이지 않았고, 더 강한 AI 체스 엔진이 체스를 끝내지 않았다고 말합니다. 이런 분야는 사라지지 않고, 오히려 갈라지고 커지고 새로운 하위 장르를 낳으며 더 큰 생태계가 됩니다. 그는 이걸 “infinite game” 이라고 부릅니다.

즉 단기적으로는 어떤 역할이나 기술이 덜 중요해질 수 있고, 어떤 비즈니스 창은 닫힐 수 있습니다. 하지만 장기적으로 보면, 진짜 변혁적 기술은 “가능한 것의 범위” 를 넓혀버립니다. 가능성이 넓어지면 사람들이 새 시도를 하고, 새 시도는 새로운 수요를 만들고, 그 수요는 이전에는 없던 시장·직업·산업을 낳습니다. 이게 Pete Flint가 말하는 AI의 본질입니다. AI는 기존 노동을 조금 줄이는 도구를 넘어서, 새로운 경제 표면적(surface area) 을 여는 기술이라는 것입니다.

역사적으로 이런 기술 충격은 대체보다 확장을 만들어왔다. 사진은 회화를 죽이지 않았고, 오히려 양쪽 모두를 확장했다.

1839년 다게레오타입이 공개됐을 때, 초상화 화가들은 당연히 위협을 느꼈습니다. 인간의 얼굴을 짧은 시간 안에 높은 충실도로 재현하는 기계가 등장했으니, 초상화라는 주요 생계 기반이 무너지는 것처럼 보였던 것입니다. 이때 “회화는 죽었다”는 식의 반응이 나왔고, 실제로 그런 정서가 널리 퍼졌습니다.

하지만 Pete Flint가 강조하는 건, 사진이 회화를 죽인 게 아니라 회화가 더 이상 “현실의 기록”만 담당할 필요가 없어졌다는 것입니다. 그 의무가 약해지자 오히려 회화는 자유로워졌고, 그 결과 인상주의, 표현주의, 입체주의 같은 새로운 방향이 폭발적으로 나왔습니다. 즉 사진은 회화를 대체한 것이 아니라, 회화를 표현의 다른 차원으로 밀어 올린 기술이었습니다.

AI가 특정 기능을 너무 잘하게 되면, 인간은 그 기능을 계속 붙들기보다 그 위에서 더 자유롭고 더 표현적인 방향으로 이동하게 된다.

사진이 회화를 살려줬다는 것만이 아니라, 사진 자체도 그 후 엄청난 파생 산업과 표현 방식을 낳았다는 겁니다. 다게레오타입 이후 칼로타입, 대량 인쇄, 정부와 출판사의 고용, 전쟁 기록 사진, 포토저널리즘, 소비자용 필름 현상, 거리 사진, 즉석사진, 스마트폰 사진, 이미지 플랫폼, 개인 시각 기록 문화까지 계속 이어졌습니다. 기술이 한 번 열어젖힌 가능성은 한 가지 시장으로 끝나지 않고, 연쇄적으로 새로운 시장들을 생성했다.

Kodak Brownie가 아마추어 사진 시장을 열었고, Leica가 거리 사진을 촉진했으며, Polaroid는 훗날 스마트폰 카메라의 즉시성 논리를 앞당겨 보여줬다고 설명합니다. 그리고 스마트폰도 사진을 끝내지 않았습니다. 오히려 수십억 명을 “사진가”로 만들고, 이미지 배포 플랫폼과 새로운 미학과 직업을 만들어냈습니다. 여기서 Pete Flint가 강조하는 메커니즘은 단순합니다. 근본 기술이 가능성을 바꾸면, 사람들이 시도하는 것이 바뀌고, 그러면 새로운 시장이 생긴다.

“우리는 지금 AI의 daguerreotype moment에 있다.”
즉 공포는 현실적이고, 일부 대체와 충격도 분명 있으며, 그 과정은 실제로 많은 사람에게 고통스럽습니다. 하지만 역사적으로 이런 순간은 대개 “끝”이 아니라 “새로운 시작”이었습니다. 겉으로는 기존 기술과 직업의 소멸처럼 보이지만, 실제로는 전혀 다른 더 큰 영토가 열리는 순간이라는 것입니다.

그는 무조건 낙관론을 강요하지 않습니다. 오히려 “panic is real and displacement is painful”라고 인정합니다. 다만 그 고통의 순간만 보고 전체 미래를 축소해서 해석하면, 창업가는 완전히 잘못된 방향으로 갈 수 있다고 말합니다. AI의 의미는 숙련을 빼앗는 것에만 있는 게 아니라, 그 숙련 위에서 새롭게 시도할 수 있는 영역을 열어주는 것에 더 크게 있다는 것입니다.

숙련의 시대가 저물고, 표현의 시대가 온다

앞으로 중요한 건 craft → taste → expression 순으로 이동할 것

“숙련된 장인정신(craftsmanship)”의 가치가 빠르게 떨어지고 있다. 과거에는 코딩을 잘하고 글을 잘 쓰는 사람이 진입장벽을 가졌지만, 이제는 많은 사용자가 오랜 수련 없이도 꽤 훌륭한 결과물을 만들 수 있습니다. 그래서 많은 사람들이 다음 희소성으로 taste 를 말합니다. “이제 중요한 건 취향과 안목이다”라는 주장을 합니다.

그는 taste조차 오래 희소하지 않을 수 있다고 말합니다. 왜냐하면 taste는 본질적으로 과거를 바라봅니다. 즉 무엇이 잘 먹혔고 무엇이 아름다웠는지, 과거의 패턴을 압축해 판단하는 능력인데, 이런 건 결국 AI가 학습 가능한 신호가 될 수 있다는 것입니다.

그는 taste 다음의 진짜 희소성을 expression으로 둡니다.
expression은 뒤를 보는 게 아니라 앞으로를 봅니다.

과거에 검증된 것을 고르는 게 아니라, “무엇이 아직 없지만 있어야 하는가”, “내가 세상에 어떤 새로운 관점을 제안하는가”를 담는 능력이라는 뜻입니다. AI는 taste를 점점 더 잘 흉내 낼 수 있어도, 정말 자기만의 관점에서 무언가를 밀어붙이는 표현은 인간에게 더 오래 남는다는 주장입니다.

피카소 사례: 기술을 버린 게 아니라 더 높은 차원의 표현으로 넘어갔다

피카소가 처음부터 추상적 실험을 한 사람이 아니라, 오히려 매우 뛰어난 사실주의적 화가였습니다.

1907년의 Les Demoiselles d’Avignon는 그 상징적 사례입니다. 당시엔 충격적이고 불쾌하다는 반응이 많았고, 심지어 동시대 예술가들조차 강한 거부감을 보였습니다. 하지만 지금은 현대미술사의 결정적 분기점으로 읽힙니다. Pete Flint는 여기서 중요한 건 피카소가 skill을 버린 게 아니라, representation보다 expression을 택했다는 점이라고 말합니다. 즉 있는 것을 잘 묘사하는 것보다, 자기 내부의 세계와 새로운 형식을 밀어넣는 쪽을 택한 것입니다.

AI가 이제 “skill entry fee”를 내준다. 즉 기술적 숙련은 더 이상 희소성의 핵심이 아니다.
그러면 다음 승부는 “누가 더 잘 만든다”가 아니라, “누가 더 새롭게 본다”, “누가 더 강한 관점을 밀어넣는다”가 됩니다. Pete Flint는 미래의 승자는 “자동화된 것이 가능한지”에 흥분하는 사람이 아니라, 그 자동화를 너무 당연한 전제(table stakes)로 보고 그 위에 완전히 다른 게임을 만드는 사람이라고 봅니다.

Bowie 인용: “Never play to the gallery”

글의 마지막 철학적 중심축은 David Bowie 인용입니다. Bowie는 “Never play to the gallery”, 즉 남의 기대나 박수에 맞춰 안전한 창작을 하지 말라고 말합니다.

그가 말하고 싶은 건 이겁니다.
지금 창업가에게 필요한 태도는

숙련이 싸지는 걸 방어적으로 슬퍼하는 장인의 자세도 아니고

이미 검증된 취향만 지키려는 평론가의 자세도 아니며

새 도구를 써서 자기 관점에서 전혀 새로운 것을 만드는 예술가의 자신감이라는 것입니다.

그래서 Bowie의 또 다른 구절,
“항상 자신이 감당 가능하다고 느끼는 것보다 조금 더 깊은 물로 들어가라”

Sasha Stiles 사례: 인간과 기계가 함께 만드는 새로운 표현

Sasha Stiles의 사례를 들면서, 이미 예술가들이 AI를 단순 자동화 도구가 아니라 새로운 표현 형식으로 쓰기 시작했다고 말합니다. 그는 MoMA에서 진행된 작업을 예로 들며, Stiles가 자신의 글을 바탕으로 만든 alter-ego AI Technelegy가 60분마다 시를 다시 쓰는 프로젝트를 언급합니다. 이 사례는 중요합니다. 왜냐하면 AI가 “인간을 대체하는 것”이 아니라, 인간 표현을 새로운 형식으로 재조합하고 확장하는 도구가 될 수 있음을 상징적으로 보여주기 때문입니다.

Continuous Learning_Startup & Investment

Apr 29, 2026, 01:39 AM

https://www.nfx.com/post/infinite-game

287

0

0

Continuous Learning_Startup & Investment

Apr 29, 2026, 01:39 AM

Claude code - 개발자 claude code for designer 제품들도 계속 나오는중 https://www.pencil.dev/ https://x.com/variantui Claude code for Marketer https://hightouch.com/ 결국 코드는 언어였고, 언어로 저장된 파일 시스템에 적절한 하니스들을 구축하면 AI Agent들이 일을 알아서 내 입맛에 맞게 해주는 게 가능하다는 게 증명되었으니까. 올해는 Agent…

286

0

0

Continuous Learning_Startup & Investment

Apr 29, 2026, 01:39 AM

https://x.com/tkkong/status/2034368184036561160?s=46&t=h5Byg6Wosg8MJb4pbPSDow

View on X (Twitter)

297

0

Continuous Learning_Startup & Investment

Apr 29, 2026, 01:39 AM

https://x.com/tkkong/status/2034368184036561160?s=46&t=h5Byg6Wosg8MJb4pbPSDow

View on X (Twitter)

267

0

Continuous Learning_Startup & Investment

Apr 29, 2026, 01:39 AM

3. Does the category survive the labs?

이 질문에 답하려면 Cursor를 봐야 한다. Cursor는 Lovable의 반대 사례가 아니라, 프론티어 랩이 충분히 큰 시장이라고 판단하면 애플리케이션 레이어로 직접 내려와 경쟁한다는 선행 사례다. Anthropic은 Claude Code를 일반 공개한 뒤 2026년 2월 기준 25억 달러 이상의 런레이트 매출을 공개했고, Anthropic Labs를 통해 Cowork 같은 데스크톱 agent surface도 실험하고 있다. OpenAI는 Codex 앱을 내놓았고, Reuters에 따르면 Codex는 이미 주간 활성 사용자 200만 명을 넘겼다. 같은 날 OpenAI는 Astral 인수를 발표했고, ChatGPT·Codex·브라우저를 묶는 desktop superapp 계획도 확인됐다. 즉 labs는 모델 공급자로만 남지 않는다. 시장 규모가 보이면 인터페이스와 제품 레이어까지 가져가려 한다.

그렇다고 독립 회사가 전부 사라지는 것은 아니다. Cursor의 대응이 그걸 보여준다. Reuters에 따르면 Cursor는 2025년 11월 ARR 10억 달러를 넘겼고, 이후 자체 연구와 제품 깊이에 더 투자했다. Cursor Automations는 항상 켜져 있는 agent, cloud sandbox, MCP, memory를 제공하고, enterprise 제품은 zero data retention, SAML SSO, SCIM 같은 신뢰 계층을 내세운다. 즉 살아남는 독립 플레이어는 wrapper가 아니라 workflow OS가 되려 한다. 이건 Lovable, Replit, Vercel, Emergent 모두에게 같은 메시지다. labs가 내려오면 category 자체가 사라진다기보다, 얇은 builder는 feature가 되고, 깊은 platform만 남는다.

그럼 이 분야에서 해자가 생길 수 있는 방향은 어디인가

내 판단으로, 앞으로 방어 가능한 회사는 다섯 방향 중 하나로 수렴할 가능성이 크다. 첫째, deployment와 runtime을 소유하는 플랫폼이다. Replit과 Vercel이 여기 가장 가깝다. 둘째, enterprise governance layer다. SSO, RBAC, SCIM, audit logs, traceability, deployment protection 같은 기능이 단순 부가기능이 아니라 핵심 해자가 된다. 셋째, evaluation·verification·autofix·agent orchestration 같은 제품 레이어 연구다. Vercel의 composite stack, Cursor의 Automations, Replit의 agent workflow가 이 방향이다. 넷째, distribution moat다. Wix 안의 Base44처럼 기존 제품군에 builder를 끼워 넣으면 생성 기능 자체보다 유통이 더 큰 방어막이 된다. 다섯째, vertical moat다. 규제 산업, 특정 데이터 모델, 특정 workflow approvals가 필요한 영역에서는 general builder보다 domain-specific builder가 훨씬 방어적일 수 있다. 이건 OpenAI의 Responses API와 Anthropic의 MCP/Labs가 기본 빌딩블록을 열어줄수록 더 중요해진다. 누구나 builder를 만들 수 있게 될수록, 아무나 쉽게 따라 할 수 없는 workflow와 distribution이 더 중요해지기 때문이다.

Lovable은 가장 빠른 pure builder의 대표 주자이고, Replit은 가장 강한 infra-backed generalist, Vercel은 웹 배포와 runtime을 쥔 specialist, Emergent는 next-wave entrant의 방향성, 그리고 Cursor는 frontier labs가 시장을 크게 보면 직접 들어온다는 선행 경고다. 그래서 이 시장의 핵심 질문은 더 이상 “누가 제일 잘 만들어 주느냐”가 아니다. 진짜 질문은 누가 모델의 지능을 조직이 신뢰할 수 있는 소프트웨어 시스템으로 바꾸느냐다. 마법은 모델에서 시작할 수 있다. 하지만 오래 남는 경제성은, 생성된 코드가 배포되고, 보호되고, 운영되고, 감사 가능한 소프트웨어가 되는 지점에 쌓인다.

Continuous Learning_Startup & Investment

Apr 29, 2026, 01:39 AM

https://altis.vc/research-beta/vibe-coding

310

0

0

Continuous Learning_Startup & Investment

Apr 29, 2026, 01:39 AM

Vibe Coding의 폭발, Cursor의 경고탄, 그리고 해자의 재정의

지금 vibe coding 시장은 과장이 아니라 실제로 폭발하고 있다. Lovable은 2026년 3월 기준 ARR 4억 달러를 공개적으로 언급했고 직원 수는 146명 수준이다. Replit은 2026년 3월 4억 달러를 조달하며 기업가치 90억 달러를 기록했고, 5천만 명 이상 사용자와 Fortune 500의 85%가 사용 중이라고 밝혔다. Vercel은 2025년 9월 93억 달러 가치로 Series F를 마쳤고, v0는 350만 명 이상이 사용하며 Teams·Enterprise가 v0 매출의 절반 이상을 차지한다고 밝혔다. Emergent는 2026년 1월 보도 기준 7개월 만에 ARR 5천만 달러에 도달했다고 했고, 이후 1억 달러 ARR 구간 진입 보도도 나왔다. Base44는 Wix에 인수된 뒤 2026년 3월 1억 달러 ARR에 도달했다고 보도됐다. 수치의 출처와 공개 수준은 제각각이지만, 결론은 하나다. “자연어로 앱을 만든다”는 수요는 이미 실제 매출 시장이 됐다.

하지만 이 시장을 보는 올바른 질문은 “누가 가장 멋진 데모를 보여주느냐”가 아니다. 보고서 원문이 던진 세 질문이 훨씬 본질적이다. 마법은 builder에 있나, model에 있나? 진짜 해자는 만들 수 있나? 그리고 labs가 직접 내려오면 이 카테고리는 살아남는가? 내 생각엔 이 세 질문이 각각 다른 답을 갖는 게 아니라, 사실상 하나의 질문으로 수렴한다. 모델이 만든 지능을 누가 배포 가능하고, 운영 가능하고, 감사 가능한 소프트웨어로 바꾸느냐가 결국 승부를 가른다.

1. Is the magic in the builder or the model?

초기 폭발의 직접적 원인은 builder였다. Lovable Cloud는 데이터 저장, 인증, 스토리지, edge functions를 인프라 설정 없이 붙여 주고, Replit Agent는 자연어로 앱을 만들고 수정하고 배포까지 이어지는 흐름을 제공한다. Vercel의 v0 역시 단순 채팅 UI가 아니라 RAG, frontier model, AutoFix를 결합한 다단계 파이프라인으로 “앱이 실제로 돌아가게 만드는” 경험을 제품화하고 있다. 즉 사용자가 느끼는 wow moment는 원시 모델 접근보다 prompt → preview → fix → deploy 전체를 감싼 builder 경험에서 나온다.

그렇다고 마법이 전부 builder에 있다고 보기는 어렵다. 상향 평준화의 큰 몫은 여전히 모델이 만든다. Anthropic은 Opus 4.6이 코딩과 디버깅, 대규모 코드베이스 처리, 장기 작업에서 개선됐다고 밝혔고, 그런 개선이 오면 그 위의 builder들도 거의 자동으로 좋아진다. Lovable도 기본 모델을 Gemini 3 Flash로 두면서 다른 모델이나 조합을 쓸 수 있게 하고, Replit은 OpenAI·Anthropic·Google·OpenRouter를 관리형으로 연결해 주며, Vercel은 AI Gateway로 여러 모델을 한 API와 fallback 구조 아래 통합한다. 즉 builder들은 멀티모델로 방어하려 하지만, 원시 지능의 주된 업그레이드 곡선은 여전히 frontier labs가 쥐고 있다.

그래서 이 질문의 가장 정확한 답은 이렇다. 초기 마법은 builder가 만든다. 하지만 장기적으로 가치의 더 큰 몫은 model이 빨아들일 위험이 있다. Builder가 계속 의미 있으려면 단순한 프롬프트 상자가 아니라, 모델이 혼자서는 제공하지 못하는 배포·복구·검증·운영 경험을 소유해야 한다.

2. Can anyone build a real moat?

여기서 pure builder와 infrastructure-backed platform이 갈린다. Lovable과 Bolt 같은 pure builder는 비개발자 onboarding, 빠른 생성, 즉각적인 wow moment에서는 매우 강하다. 하지만 Lovable은 프로젝트를 GitHub와 동기화하고 외부 호스팅이나 self-hosting으로 내보낼 수 있고, Bolt도 프로젝트를 export해서 다른 환경에서 이어갈 수 있다. 이 구조는 사용자에게는 장점이지만 회사 입장에서는 전환비용을 약하게 만든다. 그래서 Lovable이 최근 roles & permissions, SSO/SCIM, audit logs, traceability 같은 enterprise 제어 기능을 강화하는 건 매우 논리적이다. 생성만으로는 약하니, 거버넌스로 락인을 만들려는 것이다.

Replit은 이보다 한 단계 더 방어적이다. Replit은 Agent 경험뿐 아니라 호스팅, private deployments, 접근 제어, 앱 모니터링, 그리고 Azure·Google Cloud 같은 대형 인프라 파트너십까지 한 묶음으로 제공한다. 특히 Microsoft와의 공식 통합은 자연어로 만든 앱을 Azure 위의 엔터프라이즈 소프트웨어로 연결하려는 방향을 보여주고, Replit은 Fortune 500 침투와 enterprise-grade 보안·배포를 동시에 강조한다. 이건 단순 builder가 아니라 AI-native application platform 쪽에 가깝다. 이런 플랫폼은 사용자가 “앱을 만들었다”에서 끝나지 않고 “앱을 조직 안에서 운영한다”까지 이어질 때 해자가 더 두꺼워진다.

Vercel은 또 다른 종류의 해자를 가진다. Vercel은 Replit처럼 범용 앱 플랫폼 전체를 다 쥐려 하기보다, 웹 애플리케이션의 배포·성능·관측성·보호 계층을 강하게 장악하고 있다. v0는 composite model stack과 AutoFix를 갖고 있고, Vercel은 AI Gateway로 모델 공급자 전환과 budget control, fallback, usage monitoring을 제공한다. 여기에 SAML, RBAC, deployment protection, edge network, Blob·Edge Config·Postgres 연동까지 붙는다. 즉 Vercel의 해자는 “앱 생성기”보다 웹 런타임과 배포의 표준 위치에 더 가깝다. app layer가 흔들려도 deployment layer가 남는다면, Vercel은 비교적 더 오래 버틸 가능성이 있다.

Emergent는 아직 덜 증명됐지만, 왜 다음 세대 entrant들이 계속 나올 수 있는지 보여주는 좋은 예다. Emergent는 대화형 full-stack 앱 생성, 자동 배포, managed backend, 그리고 회사 설명 기준으로 multi-agent orchestration, containerized environments, auditability, code export를 전면에 내세운다. 아직 Replit이나 Vercel만큼 검증된 인프라 해자를 가졌다고 보기엔 이르지만, 방향은 분명하다. 새 entrants가 이기려면 더 이상 “저도 앱 만들어 드려요”로는 안 되고, production deployment·agent orchestration·vertical workflow 같은 더 깊은 wedge를 가져야 한다.

즉 “누가 진짜 해자를 가질 수 있나?”에 대한 내 답은 이렇다. 가능은 하다. 하지만 해자는 prompting UI에서 나오지 않는다. 해자는 인프라, 거버넌스, 검증, 운영, 그리고 특정 사용자 집단의 반복 workflow를 소유하는 데서 나온다.

Showing 10 of 10 posts

No more posts