Max Hodak: Average Is Not Good Enough

URL: https://www.youtube.com/watch?v=Xc4klGbq8v8 날짜: 2026-08-09 채널: ycombinator 제목: Max Hodak: Average Is Not Good Enough 원문 URL: https://www.youtube.com/watch?v=Xc4klGbq8v8 업로드일: 2026-08-07 카테고리: startup 처리일: 2026-08-09

---

📌 핵심 질문 / 이 영상이 다루는 핵심 논점

딥테크 스타트업의 성패를 가르는 것은 전략이나 기술 이해도보다 ==구매·채용·성과 평가 같은 '지루한' 인프라가 얼마나 빠르게 반복(iteration)을 만들어내느냐==이다.

• 스타트업의 속도는 인프라에서 나온다: 직원이 도구를 사고, 적합한 사람을 채용하고, 피드백을 받는 모든 프로세스가 반복 속도를 결정한다.
• 평균은 충분하지 않다: ==CEO는 타인에게 판단을 위임할 수 없으며, 다수와 다른 시점에서도 자신의 판단을 관철해야 한다==.
• 딥테크 기업이 죽는 이유는 기술이 안 되서가 아니라, 전략과 실행을 연결할 조직 인프라를 갖추지 못해서다.

---

1. 서론: 맥스 호닥과 사이언스(Science)

1.1. 발표자 소개와 회사 개요

1. 맥스 호닥(Max Hodak)의 배경

   1. 두크대학교(Duke University) 학부 연구실: 거의 20년 전 뇌-컴퓨터 인터페이스(Brain-Computer Interface, BCI) 연구를 시작했다.
   2. 원숭이 뇌 신호 실험: 조이스틱을 움직이는 원숭이의 뇌 전기 신호를 기록하며, 뇌가 조이스틱 자체를 표현하는지 화면을 표현하는지 연구했다.
   3. 결론: 뇌에는 조이스틱과 화면 모두를 표현하는 뉴런이 존재한다는 사실을 확인했다.

2. 사이언스(Science)사의 주요 제품: 망막 인공장치(Retinal Prosthesis)

   1. 기술 원리: 눈 뒤쪽 망막(retina) 아래에 칩을 이식해, 죽은 막대세포·원추세포(rod/cone)를 우회하여 시각 신호를 자극한다.
   2. 구성: 육각형 태양전지 셀(heX grids)로 된 임플란트, 카메라와 적외선 레이저 프로젝터가 달린 안경.
   3. 성과: 지난해 주요 임상시험을 마쳤고, BBC에 보도되었으며, 한 환자는 이 장치로 300페이지짜리 소설을 읽고 직접 책을 보내왔다.

3. 발표의 방향성

   1. 본인의 BCI 제품 이야기는 30분 동안 거의 하지 않을 것이라고 밝힌다.
   2. 대신 스타트업의 인프라(infrastructure)와 그로부터 얻은 교훈을 다룰 것이라고 명시한다.

---

2. 스타트업 인프라의 핵심 메시지

2.1. '아마추어는 전략을, 프로는 물류를 말한다'

1. 피카소의 비유

   1. 미술 비평가들이 모이면 형식·구조·의미를 논한다.
   2. 예술가들이 모이면 싼 테레핀(turpentine)을 어디서 사는지 논한다.
   3. 이는 "아마추어는 전략을 말하고, 전문가는 물류(logistics)를 말한다"는 오마르 브래들리의 말과도 통한다.

2. 스타트업 운영의 보편적 경험은 적다

   1. 대부분의 스타트업 운영은 매일 책상에 쏟아지는 사실들에 대해 최선의 국소적 결정을 내리는 연속이다.
   2. 그래서 주별로 일관성 없어 보일 수 있지만, 그게 정상이다.
   3. 그러나 구매·채용·성과 평가처럼 딥테크 기업에서 반복적으로 등장하는 보편적 주제들이 있다.

---

3. 구매와 지출 관리: 인프라의 기초

3.1. '물건 사는 것'이 당연하지 않다

1. 순수 소프트웨어가 아니라면 물건을 엄청나게 산다

   1. 창업자가 컴퓨터 몇 대로 방 하나에서 코딩하는 그림은 VC가 소프트웨어에 투자하는 이유를 설명해준다.
   2. 그러나 딥테크는 컴퓨터 외에 현미경, 전자기기, 3D 프린터, 레진, PCB 등 수천 가지를 계속 구매해야 한다.
   3. 회사 창업 6개월째 사무실 사진에는 이미 이런 장비들이 가득했다.

2. 창업자의 신용카드 한도

   1. 초기에는 창업자가 직접 신용카드나 송금으로 살 수 있다.
   2. 그러나 17번째 직원도 신용카드로 살 수 있게 할 것인가라는 문제가 생긴다.
   3. 모든 직원에게 신용카드를 나눠주고 필요한 대로 사라고 하면, 비효율적이고 통제 불가능한 지출이 발생한다.

3.2. $3,000짜리 전원공급장치 딜레마

1. 구매 승인의 딜레마

   1. 직원이 "$3,000짜리 전원공급장치가 필요하다"고 요청하면 창업자는 비싸다고 생각할 수 있다.
   2. 경매에서 반값에 살 수 있지만 2~3주가 걸린다.
   3. 한편, 이미 주당 $10만을 인건비로 쓰고 있는데, 1주일을 기다려 반값 장비를 사는 것은 인건비 손실에 비하면 미미한 절약이다.
   4. Anthropic 같은 회사라면 $3,000 장비에 대해 번거롭게 묻지 않을 것이다.

2. 지출 검토는 구매 시점이 아니라 예산 단계에서 이뤄져야 한다

   1. 개별 구매에서 $1,500 vs $3,000을 따지는 것은 부적절한 통제 지점이다.
   2. 직원들이 사용 가능한 자원의 범위를 이해하면, 그 안에서 스스로 트레이드오프를 결정할 수 있다.
   3. 이를 위해 예산(budgeting)과 조달(procurement) 시스템이 필요하다.

3.3. 조달 시스템의 현실

1. B2B 조달의 복잡성

   1. 조달 시스템을 도입하면 고액 연봉을 받는 직원들이 B2B 엔터프라이즈 소프트웨어를 클릭하며 시간을 보낸다.
   2. 전원공급장치 하나를 주문해도 신용카드로 살 수 없고, 공급업체 계정 설정, 보험·인증 서류, 견적(quote) 생성, 구매주문서(PO), 인보이스 처리까지 2주가 걸린다.

2. '사는 것'이 살아있는 유기체처럼 관리되어야 한다

   1. 학계에서 스타트업으로 온 사람들은 "왜 물건을 사는 사람이 따로 있는가"라고 의아해한다.
   2. 하지만 공급업체와 계정을 설정하고 서류를 주고받는 과정은 능동적 관리(active management)가 없으면 쉽게 지연된다.
   3. 사이언스가 빠르다는 평판은 대부분 더 똑똑해서가 아니라, 이런 인프라가 속도를 만들어내기 때문이다.

3.4. 비용 귀속(attribution)의 어려움

1. 대량 구매와 비용 추적

   1. 딥테크는 아르곤·실란·질소 같은 가스, 레진, 배양액(media)을 대량으로 사서 여러 실험에 나눠 쓴다.
   2. 이때 한 실험이 얼마나 드는지 알 수 없어 "실험은 공짜다, 돈이 아니라 냉장고에 있는 배양액으로 한다"는 착각이 생긴다.

2. 제품 단가 산정의 복잡성

   1. 파운드리에서 대량 생산한 제품의 판매 가격을 정하려면 임대료·장비 감가상각·예상 생산량 등을 모두 고려해야 한다.
   2. 이는 객관적 사실만이 아니라 미래 볼륨에 대한 의견이 개입된 추정이다.

3. 내부 소프트웨어 '헬릭스(Helix)'

   1. 사이언스는 구매부터 제조까지 거의 모든 업무를 버튼으로 처리할 수 있는 내부 소프트웨어 Helix를 개발했다.
   2. 실험실의 모든 단계가 데이터베이스에 기록되므로, 구매·제조·배치 기록을 상호 연결해 실제 비용을 추적할 수 있다.
   3. 예시: 특정 프로토콜의 웨이퍼 한 번 반복 비용이 $40,000임을 파악했다.

4. 시리즈 A 규모의 연구 예산 현실

   1. $2,000만 시리즈 A를 받아 4년을 버티려면 20명 직원이 필요하다.
   2. 인건비가 번의 절반을 차지하므로 20명이면 연간 약 $300만.
   3. 2만 평방피트 규모의 실험실 임대료가 평당 $4이면 연간 $75만~$100만 추가.
   4. 결국 연간 $300만 규모의 연구 예산으로 3~4번의 큰 실험만 할 수 있다.
   5. 팀은 방금 엄청난 돈을 받았다고 느끼기 때문에 $3,000짜리 전원공급장치가 공짜처럼 느껴질 수 있다.
   6. 이런 인프라가 회사의 성패를 가른다.

---

4. 채용: 성공과 실패를 가르는 시스템

4.1. 채용의 본질: '씬(Scene)'에서 시작하라

1. 좋은 회사는 어디에서 나오는가

   1. 스타트업은 보통 어디에서도 갑자기 나타나지 않는다.
   2. 특정 시대적 순간(moment)과 공동체가 합쳐져 회사가 탄생하는 독특한 핵심(nucleation)이 생긴다.
   3. 이 순간이 지나면 다시 만들기 어렵다.

2. 초기 채용은 네트워크에서

   1. 가장 좋은 채용은 창업자가 이전에 같이 일해본 사람, 실력을 아는 사람들이다.
   2. 더 넓게는 스타트업이 나온 '씬'이나 공동체에서 채용해야 한다.
   3. 이들은 이미 같은 언어를 쓰고 주제를 잘 알지만, 전체 회사를 채울 만큼은 충분하지 않다.
   4. 결국 일반 대중에게도 채용해야 한다.

4.2. 정의된 채용 프로세스가 필요하다

1. 프로세스는 창업자 성향에 맞춰야 한다

   1. 회사마다, 창업자마다 다른 채용 프로세스가 맞는다.
   2. 정답은 없지만, 분명한 오답은 '아무것도 종교처럼 하지 않는 것'이다.
   3. 현실은 놀랄 만큼 세부사항이 많다. 단순히 구인 게시판에 올리고 지원서를 검토하는 것만으로는 부족하다.

2. 사이언스의 4단계 채용 프로세스

   1. 지원 접수 및 회사 전체 투표: 지원자가 온라인으로 지원하면, 회사 직원 7~8명이 후보자의 배경과 비슷한 사람들로 선정되어 투표한다.
   2. 전화 면접(Phone Screen): 회사 전체 인재 풀에서 뽑힌 면접관이 진행하며, 팀별이 아닌 회사 전체 기준으로 평가한다.
   3. 과제(Homework): AI로 풀 수 없는, 천장이 높고 자연스럽게 2~3개 숫자로 채점 가능한 과제를 내준다.
   4. 종합 면접(Full Interview): 앞 단계를 거쳐 최소 25% 이상이 오퍼로 전환되도록 한다.

4.3. 4단계 채용 프로세스의 세부 원칙

1. 초기 투표 단계

   1. 상업용 ATS를 쓰다가 내부 도구로 옮겼다.
   2. 이유: 지원서가 들어오면 회사 전체 투표(companywide voting)를 할 수 있는 기능이 상용 ATS에는 없었기 때문이다.
   3. 투표 질문: "이 사람을 오늘 다시 채용하겠는가?" — Known Good / Strong Yes / Yes / No / Strong No 등으로 답한다.
   4. 후보자 배경과 유사한 직원 7~8명에게 알림이 가며, 24~48시간 안에 투표를 마친다.
   5. 이를 통해 상위 퍼널의 병목을 방지하고 다양한 판단을 평균내(average over judgment)게 된다.
   6. 창업자는 처음에는 모두 만나야 한다: 초기에는 창업자가 모든 지원자를 면접해야 하며, 이는 상당히 오래 갈 수 있다.

2. 전화 면접 평가 기준 3가지

   1. 판단력(Judgment): 복잡하고 모호한 상황에서 좋은 결정을 내리는가, 외교적 사고(diplomatic incident)를 일으키는가.
   2. 두뇌(Horsepower): 기본적인 기술적 역량과 학습 능력의 문턱을 넘는가.
   3. 주도성(Agency): 세상을 자신이 원하는 모습으로 만드는 능력. 삶이 자신의 야망과 어떻게 관련되는가.

3. 과제(Homework) 설계

   1. 이상적으로는 AI가 풀 수 없는(AI-resistant) 과제를 사용한다.
   2. 좋은 과제의 조건: 포화되지 않고(non-saturating), 천장이 높고, 2~3개 숫자로 자연스럽게 채점 가능해야 한다.
   3. 예시: GPU 커널 최적화에서 최소 사이클 수를 줄이는 문제. 한동안 문턱은 Claude Sonnet의 성능이었으며, 그것을 뛰어넘으면 면접 기회가 주어졌다.
   4. AI 사용을 금하지 않는다. AI를 활용해 더 잘할 수 있으면 그것도 능력이다.
   5. 과제가 불가능한 경우 기술 전화나 현장 실기 테스트를 늘려간다.

4. 전환율 기준

   1. 면접 단계에서 최소 25% 이상이 오퍼로 전환되어야 한다.
   2. 그보다 낮으면 면접 시간의 상당 부분이 낭비된다.
   3. 4단계는 풀리크루팅 결정에 필요한 최소한의 정보를 얻는 가장 효율적인 방법이라고 확신한다.

---

5. 성과 평가: IGEN 리뷰

5.1. 기존 연례 평가의 한계

1. 360도 리뷰의 문제

   1. 연 1회 설문과 HR·매니저 회의는 조직을 크게 소모시킨다.
   2. 이미 알고 있지만 처리하지 않았던 문제만 재확인하는 경우가 많다.
   3. 사람을 해고하는 것은 어렵기 때문에 관리자들이 미루고, 결국 1년에 한 번만 피드백이 생긴다.

2. 더 나은 피드백 신호가 필요하다

   1. 회사 전체로부터 더 자연스럽고, 편향이 적으며, 더 잦은(몇 주 간격) 피드백을 받고 싶다.
   2. 시장의 피드백은 너무 길고 불안정한 손실 함수(long feedback, poorly behaved loss function)다.
   3. 경영진의 역할은 더 일찍, 더 자주 피드백을 얻을 수 있는 '합성 기울기(synthetic gradients)'를 설계하는 것이다.

5.2. IGEN 리뷰 시스템

1. 기본 원리

   1. 4~6주마다 회사 구성원에게 질문 하나가 전송된다.
   2. 질문: "이 사람의 결과를 보고 오늘 다시 채용하겠는가?" — 채용 초기 투표와 동일한 질문.
   3. 응답을 바탕으로 회사 내 투표 그래프를 구성한다.
   4. 다른 사람들이 높게 평가할수록 본인의 투표 가중치가 높아지는 방식을 사용한다.
   5. 이는 구글의 페이지랭크(PageRank)나 고유벡터 중심성(eigenvector centrality)과 유사한 아이디어다.

2. 신뢰성을 높이는 기법

   1. 드롭아웃(Dropout): 1,000번 반복하면서 랜덤하게 일부 엣지를 제거한다.
   2. 점수 분포에 추가 피크가 나타나면 투표 클럭(voting clique) 등 부정행위 가능성을 조사하는 단서가 된다.
   3. 이 방식은 회사 전체의 판단을 분산시키고, 약 한 달의 시차로 지속적으로 업데이트된다.
   4. 연 1회의 무거운 HR 주도 평가 프로세스를 완전히 대체한다.

3. 부정 투표 방지

   1. 시스템은 부정행위에 상당히 견고하도록 설계되었다.
   2. 유일한 신호가 아니라 여러 신호 중 하나로 사용된다.
   3. 더 구체적인 트릭이 궁금하면 이메일로 문의하면 문서를 공유해준다고 언급한다.

---

6. 반복 속도가 성패를 가른다

6.1. Rate of Iteration

1. 반복의 복리 효과

   1. 매주 한 가지를 배우는 팀과 매달 한 가지를 배우는 경쟁사가 있다면, 경쟁사는 결코 의미를 갖지 못한다.
   2. 두 접근법 중 하나가 훨씬 짧은 주기로 복리를 쌓을 수 있다면, 다른 접근법의 장점이 있더라도 짧은 주기를 선택해야 한다.
   3. 속도가 성패를 결정하고, 속도는 인프라에서 나온다.

2. 딥테크 기업이 죽는 이유

   1. 기술이 안 되서 죽는 경우는 드물다.
   2. 수백 명의 사람과 수십만 평방피트의 물리적 인프라를 갖춘 조직에서, 이를 관리할 시스템을 구축하지 못하면 전략과 실행이 연결되지 않아 무너진다.

3. 짧은 반복 주기를 선호하되, 절대적 규칙은 없다

   1. 다른 조건이 같다면 짧은 반복 주기를 선택한다.
   2. 하지만 매번 들어오는 사실 패턴을 독자적으로 판단해야 한다.

---

7. 판단은 위임할 수 없다

7.1. CEO의 최종 판단

1. 평균은 충분하지 않다

   1. 학교에서 옆 사람의 답안을 베끼면 성적은 반 평균으로 끌려간다.
   2. 스타트업에서 성공하려면 꼬리(long tail)에 있는, 평균과는 다른 결정을 내려야 한다.
   3. 성공한 회사는 예외가 되며, 평균 수준으로는 충분하지 않다.

2. 차별화된 판단이 필요하다

   1. 자신의 판단이 좋은지 아직 모를 수 있다.
   2. 그럼에도 혼자 그렇게 깨달은 순간에도 자신에게 맞는 결정을 내려야 한다.
   3. 이것이 큰 성과로 이어지는 유일한 길이다.

3. 고위험 결정의 고독함

   1. 4~5년이 지나 수억 달러가 걸린 중대 결정 시점이 오면, 조언을 구해도 물어줄 사람이 없다.
   2. 그때 자신의 판단의 한계와 경계를 명확히 알아야 한다.
   3. 이는 매우 불쾌한(eerie) 느낌이지만, 그럼에도 결단해야 한다.

4. 막힐 때는 행동으로 정보를 만들어라

   1. 경험상 완전히 막히는 상황은 드물다.
   2. 행동은 정보를 생산한다(action produces information).
   3. 심지어 잘못된 적합도(wrong fit)의 강점을 가진 사람을 제거하는 것도 회사를 새로운 단계로 전환시킬 수 있다.

---

8. Q&A: 청중 질문과 답변

8.1. 학계 vs 산업, 지금 창업 vs 박사

1. 분야에 따라 다르다

   1. 기초 연구에만 존재하는 분야라면 박사가 합리적일 수 있다.
   2. 그러나 한 분야가 실용화되기 시작하면 산업이 훨씬 더 많은 자원을 동원해 훨씬 빠르게 발전한다.
   3. 20년 전 최고의 컴퓨터 과학자는 CMU·하버드에, 50년 전 최고의 로켓 엔지니어는 NASA에 있었다.
   4. 지금은 최고의 컴퓨터 과학자가 구글·애플·OpenAI에, 최고의 로켓 엔지니어가 SpaceX·Blue Origin에 있다.

2. 생명과학이 여전히 학계 중심인 이유

   1. 단순히 아직 대부분의 것이 제대로 작동하지 않기 때문이다.
   2. 기술이 작동하지 않는 분야에서는 박사가 맞을 수 있다.

3. 조직 운영 능력도 기술

   1. 스타트업이 실패하는 가장 흔한 이유는 기술 실패가 아니라 인간 조직을 목표 달성으로 이끄는 능력 부족이다.
   2. 이는 구전(oral tradition)으로만 배울 수 있으며, 직접 해봐야 안다.
   3. 따라서 박사 대신 뛰어난 회사에서 옆에서 배우는 것을 권한다.

8.2. 뛰어난 능력의 증거는 무엇인가

1. 구체적이고 가시적인 차별성
   1. 평균적인 고등학생과 구분되는 구체적인 사실이 필요하다.
   2. 최고의 증거는 명확한 경쟁 게임에서 이기는 것이다.
   3. 예시: 체스 그랜드마스터, Design/Build/Fly 대회, Formula SAE 우승.
   4. 실리콘밸리의 많은 딥테크 회사는 대학 Formula SAE 우승자들로 구성되어 있다.

8.3. 엔지니어 채용: LeetCode vs 더 나은 방법

1. LeetCode는 사용하지 않는다

   1. 사이언스는 LeetCode를 거의 쓰지 않는다.
   2. 소프트웨어는 똑똑한 사람을 끌어들이는 피드백 루프가 강하다.
   3. 생물학은 아이디어가 좋은지 확인하는 데 수 개월이 걸리지만, 소프트웨어는 몇 시간 내로 결과를 볼 수 있다.

2. 코딩보다 사고를 평가한다

   1. 직접적인 프로그래밍 평가보다는 사고(thinking)를 평가하는 것으로 이동하고 있다.
   2. 특정 도메인을 주면 문제를 어떻게 분해하는지, 명확하게 생각할 수 있는지를 본다.

8.4. 뉴럴링크에서 배운 것

1. 스타트업의 성공 알고리즘은 없다

   1. 5가지 불렛 포인트를 따라 돌리면 성공하는 일반 알고리즘은 없다.
   2. 긴 판단의 연속이다.
   3. 그 필터를 잘 튜닝하는 것이 가장 중요하다.

2. 경험적으로 우수한 판단을 가진 사람 옆에서 배우기

   1. 뉴럴링크에서 일하며 경험적으로 판단력이 뛰어난 CEO와 함께 베팅을 했다.
   2. 두 가지 선택지가 있을 때 "분명히 B다"라고 짚어주면 문제가 다시 발생하지 않았다.
   3. 실제 지분이 걸린 상황에서 피드백을 받는 경험은 창업자 교육의 필수 부분이다.

3. 문화는 처음부터 새로 발견되지 않는다

   1. 뛰어난 회사 문화는 보통 구전으로 전해진다.
   2. 창업팀이 다른 회사에서 문화를 물려받거나, VC를 통해 전달받는 경우가 많다.
   3. 따라서 존경하는 우수한 문화를 가진 회사에서 일해본 후 창업하는 것이 매우 가치 있다.

8.5. BCI가 의식(consciousness)을 밝혀낼 수 있는가

1. 가능하다고 본다

   1. AI의 궁극적 목표가 초지능 기계라면, BCI의 궁극적 목표는 의식 있는 기계(conscious machines)다.
   2. 뇌는 주기율표에서 찾을 수 있는 평범한 물질로 이루어져 있다.
   3. 따라서 의식 문제는 철학 문제가 아니라 실용적(practical) 문제라고 본다.
   4. 모든 뉴런의 상태를 보고 자극할 수 있는 마법 같은 BCI가 있다면 의식을 상당히 빨리 이해할 수 있을 것이다.

2. 인간 실험이 필요하다

   1. 이를 증명하려면 인간 대상 실험이 필요하다.
   2. 현재 인간에게 이식되는 장치는 의식 연구를 위해 설계된 것은 아니지만, 몇 년 뒤에는 가능할 것이라고 전망한다.

8.6. BCI에 기여하려면 무엇을 공부해야 하는가

1. BCI는 학제간 문제

   1. 줄기세포 생물학, 재료·미세가공, 소프트웨어, 동물 행동, 외과 등 다양한 분야가 필요하다.
   2. 학계의 학제간 센터처럼 수직 전문가들을 모으는 방식은 각자 다른 언어를 쓰게 되어 문제가 생긴다.

2. 더 넓은 문제를 머릿속에 담은 소규모 팀

   1. 사이언스는 단백질 공학팀이 더 민감한 단백질(opsin)을 개발해, 전자공학적 요구사항을 완화한 사례가 있다.
   2. opsin은 빛을 받으면 뉴런이 발화하는 단백질인데, 더 민감해지면 적은 빛으로도 발화시킬 수 있다.
   3. 이를 통해 많은 LED를 사용할 수 있게 되고, 전자공학 문제를 생물학 문제로 전환했다.

3. 하드 스킬 하나 + 폭넓은 이해

   1. 입문은 소프트웨어·전자·기계·재료 등 하드 스킬 하나로 시작한다.
   2. 그 후 가능한 한 시스템 전체를 깊고 명확하게 이해하려 노력해야 한다.

8.7. AI가 과학 연구에서 대체하지 못하는 것

1. 인간은 여전히 필요하다

   1. AI는 급격히 발전하고 있지만, 인간은 여전히 필요하다.
   2. 회사를 AI 네이티브(AI native)로 설계해야 한다: 회사의 모든 맥락과 데이터를 에이전트가 효율적으로 활용할 수 있도록 모아야 한다.

2. Helix의 목적

   1. 구매·품질·배치 기록·제조를 하나의 데이터베이스로 연결해 추적할 수 있게 한다.
   2. 이 모든 데이터를 에이전트에 제공할 수 있도록 했다.

3. AI가 가장 큰 영향을 준 3가지 영역

   1. 코딩: 최근 6개월 동안 소스 코드를 많이 보지 않았을 정도로 AI 코딩이 발전했다.
   2. 규제·품질 시스템: 적용 가능한 표준을 찾고 증거 테이블을 생성하는 데 AI가 혁명적으로 변화시켰다.
   3. 패키징·문서화 등 다양한 영역: 에이전트는 팀의 곱셈자(multiplier)이지 대체자가 아니다.

4. 규제와 AI의 조합

   1. 품질 시스템(quality system)은 인간이 읽고 해석하기 어려운 문서 때문에 무거운 관료제로 여겨진다.
   2. 품질이라는 개념 자체는 문제가 아니며, 인간이 해석하기 어려운 것이 문제다.
   3. AI를 활용하면 표준 조회와 증거 생성을 빠르게 할 수 있다.
   4. 많은 규제는 피로 쓰여졌고(written in blood) 본질적으로 좋은 아이디어다.
   5. 따라서 AI와 규제의 결합은 사람들이 생각하는 것보다 잘 맞는다.

8.8. 왜 내부 인프라 플랫폼을 직접 만드는가

1. 상용 ERP는 만족스럽지 않다

   1. 사람들이 NetSuite를 더 쓰고 싶어하는 회사는 없다.
   2. 자신들에게 딱 맞는 소프트웨어를 중심으로 성장한 회사(Y Combinator, Facebook, SpaceX/Tesla의 Warp Speed)는 강력한 경쟁 우위를 가진다.

2. 에이전트 시대의 변화

   1. 예전에는 소프트웨어 개발이 너무 비싸서 상용 솔루션을 사야 했다.
   2. 이제는 바이브 코딩(vibe coding)으로 내부 도구를 만드는 것이 현실적이다.
   3. 사이언스도 Greenhouse를 내부 투표 시스템으로 대체하면서, 상용 ATS로는 불가능한 정교한 투표 메커니즘을 구현했다.

8.9. BCI가 널리 퍼지면 지능 차이는 사라지는가

1. BCI는 단기적으로는 장수(longevity) 이야기

   1. BCI는 AI 이야기로 자주 묶이지만, 단기적으로는 의료·바이오테크, 즉 장수·건강 이야기라고 본다.
   2. 신경공학은 운동 디코딩보다 훨씬 넓다. 망막 인공장치, 인공와우(cochlear implant) 등도 포함한다.

2. 뇌를 직접 다루는 효과 크기

   1. 파킨슨 약물 치료는 한때 효과가 있지만 시간이 지나면 작아진다.
   2. 뇌심부자극기(deep brain stimulator)를 켜면 물컵을 들 수 없던 환자가 10초 만에 필기체를 쓸 수 있다.
   3. 인공와우를 처음 켜는 신생아의 반응은 매우 강렬하다.

3. 뇌는 이식할 수 없는 유일한 장기

   1. 심장이나 간은 이식할 수 있지만 뇌는 원칙적으로 불가능하다.
   2. 뇌는 보통 먼저 고장 나지 않는다.
   3. 따라서 뇌를 직접 다루는 것은 단기적으로는 AI보다 근본적인 장수 스토리다.

8.10. IGEN 리뷰의 부정 투표 방지

1. 드롭아웃으로 투표 클럭 감지

   1. 마르코프 연쇄 몬테카를로 드롭아웃(MCMC dropout)을 적용해 여러 번 반복 실행한다.
   2. 점수 분포에 추가 피크가 생기면 투표 클럭 등을 조사할 단서가 된다.

2. 다양한 신호 중 하나

   1. IGEN 리뷰는 유일한 신호가 아니라 여러 신호 중 하나로 사용된다.
   2. 매우 투명하고 부정행위에 내성이 있다.

8.11. 실제로 필요한 런웨이와 투자 유치

1. 실험을 완주하는 데 드는 비용을 계산하라

   1. 많은 창업자가 VC에게 합리적이라고 생각하는 금액이 아니라 필요한 금액을 요청하지 못한다.
   2. 어떤 아이디어는 $5,000만이나 $0은 가능하지만 $500만으로는 모호한 결과만 낳는다.

2. 다음 가치 전환점(value inflection)을 정의하라

   1. 다음 핵심 가치 전환점이 무엇인지, 그에 필요한 실험이 무엇인지 정의한다.
   2. 그 비용을 계산한 뒤 2배를 모금한다.
   3. 낭비를 20~30%로 줄이면 꽤 좋은 수준이며, 어차피 새로운 것을 발견하게 된다.

3. 수익성을 더 일찍 추구하라

   1. 비전이 크더라도 수익성을 더 일찍 추구해야 한다.
   2. 사이언스도 장기 로드맵이 있지만, 현재는 수익(revenue)과 지속가능성(sustainability)에 집중하고 있다.
   3. 회사는 몇 년마다 투자 유치로 완치(remission)시키지만 다시 돌아오는 '머니 암(money cancer)'처럼 느껴진다.
   4. 수익 기반이 있어야 장기 로드맵으로 평가받고, 그렇지 않으면 생존 확률로 평가받는다.

8.12. 가장 좋은 조언

1. 일반 원칙은 없다

   1. 스타트업 조언에 의존하기보다 자신의 도메인에서 판단이 얼마나 정교한지가 중요하다.
   2. 스스로 생각해야 한다.

2. 프론티어의 특권

   1. 역사적으로 대부분의 시간 동안 똑똑한 20대가 사회를 더 나아지게 할 아이디어를 내고 자본가에게 말하면, 반응은 "수확에나 집중해라"였다.
   2. 오늘날 샌프란시스코에 가서 흥미로운 아이디어를 제시하면 수백만 달러를 받을 수 있다.
   3. 이것이 당연하지 않으며, 프론티어를 밀어내는 것이 일이다.

8.13. BCI의 가장 어려운 공학적 과제

1. 전력·발열 제약

   1. 이식체는 전력과 발열에 매우 제한적이다.
   2. 따라서 몸 안에 최소한의 것만 이식하고 나머지는 체외로 처리해야 한다.
   3. 피부를 통과하는 전선은 면역 장벽을 뚫으므로 위험하다. 피부 아래 장치는 박테리아가 뇌로 들어갈 위험이 있다.

2. 저전력 전자공학

   1. 체외와 통신할 무선·트랜시버의 전력을 낮추는 것이 중요하다.
   2. 생물학적 능력이 커지면서 일부는 생물학 문제로 전환되고 있다.

3. 패키징(Packaging) / 열대화(Tropicalization)

   1. 몸 안에 넣은 장치를 몸으로부터 보호하는 능력이 가장 어려운 미해결 문제 중 하나다.
   2. 몸에는 진정한 수동 표면(passive surface)이 없다. 뼈도 끊임없이 재형성된다.
   3. 따라서 몸의 공격과 몸으로의 해를 견딜 수 있는 재료가 필요하다.
   4. 고전적 예시는 레이저 용접 티타늄 캔(심박동 조정기·뇌심부자극기에 사용)이지만, 눈에는 큰 티타늄 상자를 넣을 수 없다.
   5. 이전 망막 인공장치는 티타늄 상자를 눈 옆에 부착하는 4시간 반 수술이 필요했고, 실패했다.
   6. 사이언스는 레이저 투사로 무선 전력을 공급하는 방식으로 이 문제를 해결했다.
   7. 차세대 패키징용 물질(신체에 해롭지 않고 신체 공격에 견디는 코팅)은 여전히 개방된 재료 과학 문제다.

8.14. 망막 이식체를 위해 의료계와 어떻게 협력했는가

1. 비즈니스는 사람과 대화하는 것

   1. 이메일을 보내고 사람들과 대화하는 것이 전부다.
   2. 망막 이식체는 원래 스탠퍼드 교수가 15년 전 발명했고, 유럽 회사에 라이선스되었다.

2. 사이언스의 출발

   1. 2021년 초 뉴럴링크 출신 5명의 공동창업자 중 4명과 함께, 당장 가장 가치 있고 실현 가능한 것이 무엇인지 물었다.
   2. 망막을 자극해 실명자의 시력을 회복시키는 것이 답이었다.
   3. 망막의 bipolar 세포와 시신경 두 가지 세포를 전기적·광학적으로 자극하는 4개 사분면을 모두 조사했다.
   4. 내부적으로 한 세포를 광학 자극하는 최첨단 유전자 요법을 개발하고, 전기 자극 분야에서는 프랑스 회사가 최고라고 판단해 인수했다.

3. 외과의사와의 협력

   1. 이 분야는 작은 커뮤니티라 네트워크를 통해 만날 수 있다.
   2. "이상한 수술을 개발하고 싶은데 컨설턴트가 되어주시겠습니까?"라고 냉이메일을 보내면 의사들이 답한다.

4. 이중 문화의 통합

   1. SpaceX를 예로 들면, 한때 직원의 20%는 열성적인 화성 식민주의자이고 80%는 진지한 엔지니어(미친 로켓 엔진을 만들고 싶어함)였다.
   2. 장기적으로 둘 다 필요하다.
   3. 의료는 매우 보수적이고 권위주의적인 문화이므로 더 까다롭다.
   4. 사이언스는 30%가 트랜스휴머니스트적 사명을 믿고, 70%는 "저 사람들은 미쳤지만 우리가 정말 가치 있는 의료 기기를 만들 것"이라고 생각하는 임상의·과학자들로 구성되어 있다.
   5. 두 문화를 모두 가지고 6개국에서 임상시험을 진행하면서, 동시에 학술지(NEJM)에 결과를 게재하고 오버턴 윈도우 끝에서 연구를 하는 것이 회사의 특별함이다.

8.15. 바이오텍 창업은 초기 창업자에게 쉬워졌는가

1. 바이오텍은 여전히 자본 집약적이다

   1. 다른 선택지가 있다면 바이오텍을 권하지 않을 수 있다.
   2. 하지만 본인은 30년 전 뇌를 공학적으로 변형하면 현실을 변형할 수 있다는 것을 깨달았고, 이것이 다음 30~40년의 가장 큰 사명 중 하나라고 봤다.

2. 어렵지만 영향력이 큰 분야

   1. AI에 뛰어들지 않은 것을 후회할 때도 있지만, 누군가는 해야 한다.
   2. 바이오텍은 성공했을 때 환자와 가족에게 미치는 영향이 다른 어떤 분야보다 크다.

3. 창업의 동기: 돈이 아닌 힘(power)

   1. 샌프란시스코의 분위기는 "더 강해져야 한다"는 것이다.
   2. 가장 효과적인 스타트업 창업자들에게 돈이 아닌 세상을 바꾸고 싶은 욕망이 동기다.
   3. 이익 추구 기업은 그런 변화를 위한 자원을 동원하는 강력한 수단이다.
   4. 힘의 종류는 여러 가지이며, 군사력·경제력과 달리 병든 자를 고치는 힘은 공유할 수 있다.

8.16. 잘못된 대중적 믿음

1. 내부 인프라 바이브 코딩에 대한 편견
   1. 시리즈 A를 받고 "바이브 코딩으로 구매 시스템을 만들겠다"고 하면 이사회가 의문을 제기할 것이다.
   2. 사이언스는 본인이 회사를 통제하기 때문에 그런 질문을 받지 않았다.
   3. 이것이 잘못된 대중적 믿음의 한 예시다.

---

주요 발언 모음

"My name is Max Hodak. I'm the CEO of a company called Science." "Amateurs talk strategy, professionals talk logistics." "How does your 17th employee buy things? Do they have a credit card?" "$3,000 sounds like a lot for a power supply... but if they were Anthropic, they're not going to be getting hassled over a $3,000 purchase." "It is mostly not that we are smarter. It is infrastructure like this. That is how speed is built." "Experiments are free. It doesn't cost dollars. It costs media. And media comes from the fridge." "For every iteration of a wafer that we make, in this case, for this protocol, it cost $40,000." "The best hiring comes from within your network, people that you've worked with before, you know are good." "Judgment, horsepower, and agency." "Knowing how this person turned out, would you vote again today for their hire?" "Rate of iteration separates success from failure." "Average is not good enough." "You cannot delegate your judgment." "Action produces information." "Speed is determined by infrastructure. Speed determines success and failure."

핵심 데이터 & 수치

• 망막 인공장치 임상시험: 3건의 임상시험 완료, BBC 보도, 한 환자 300페이지 소설 독파
• 웨이퍼 반복 비용: $40,000 (특정 프로토콜 기준)
• 시리즈 A 연구 예산 산정: $2,000만 / 4년 / 20명 / 2만 평방피트 → 연간 약 $300만 연구 예산
• 채용 퍼널: 상위 퍼널 지원의 17%가 전화 면접, 전화 면접의 절반이 과제, 면접 단계에서 최소 25% 이상이 오퍼로 전환
• IGEN 리뷰 주기: 4~6주마다 실행, 1,000번 반복 dropout 적용
• 사이언스 문화 구성: 30% 트랜스휴머니스트 사명, 70% 임상·과학자

결론 및 시사점

1. 인프라가 속도를 결정한다: 구매·채용·성과 평가 같은 '지루한' 시스템이 반복 속도를 좌우하고, 이는 딥테크 스타트업의 성패를 가른다.
2. 예산과 비용 귀속이 우선이다: 직원들이 개별 구매에서 트레이드오프를 하게 하기보다 예산 범위를 명확히 하고, 실험·제조 비용을 정확히 추적해야 한다.
3. 채용은 시스템이어야 한다: 네트워크에서 시작하되, 회사 전체 투표·전화 면접·AI 저항 과제·종합 면접의 4단계 프로세스를 종교적으로 운영해야 한다.
4. 성과 평가는 연례가 아니라 연속적이어야 한다: IGEN 리뷰처럼 더 자주, 더 분산된 피드백을 받아야 문제를 일찍 발견한다.
5. CEO는 판단을 위임할 수 없다: 평균은 충분하지 않으며, 고위험 순간에도 자신의 판단을 관철해야 한다.
6. 행동이 정보를 만든다: 막힐 때는 더 많은 행동과 실험으로 불확실성을 줄여야 한다.
7. 딥테크의 장기 비전과 단기 수익성 모두 필요하다: 비전이 크더라도 수익 기반을 일찍 만들어 생존 확률이 아닌 장기 가치로 평가받아야 한다.
8. AI는 곱셈자이지 대체자다: 코딩·규제·품질 시스템에서 AI를 활용하되, 회사의 모든 맥락을 데이터베이스에 모아 에이전트가 사용할 수 있게 해야 한다.