# AI는 다른 기술 혁신과 무엇이 다른가: 시에라 창업자들의 답 > 2025-08-18 · Acquired · 큐레이션 김태우 > https://challengekim.com/insights/ai는-다른-기술-혁신과-무엇이-다른가-시에라-창업자들의-답 > 원문: https://www.youtube.com/watch?v=Qt3_bK46il0 ## 핵심 요약 - 브렛 테일러와 클레이 베이버는 AI가 PC·인터넷·스마트폰 위에 쌓인 인프라를 이용하기 때문에 이전 기술보다 빠르게 확산할 수 있다고 봤다. - 테일러는 AI가 희소했던 지능을 풍부하게 만들 수 있다고 주장하면서도, 규제와 조직 문화 때문에 사회적 변화는 기술 발전보다 느릴 수 있다고 말했다. - 두 사람이 창업한 시에라는 기업의 고객 응대 에이전트를 만든다. 이들은 에이전트가 답변을 넘어 실제 업무를 완료해야 한다고 강조했다. - 시에라는 에이전트가 사람의 개입 없이 정해진 업무를 끝냈을 때 비용을 받는다. 이 방식에서는 도입 속도와 실제 성과가 시에라의 매출에도 직접 영향을 준다. ## 이미 깔린 인프라 위에서 확산하는 AI 테일러는 새로운 기술의 보급 속도가 앞선 기술의 인프라에 영향을 받는다고 설명했다. 인터넷은 PC가 보급된 환경에서 성장했고, 스마트폰은 이미 구축된 인터넷을 이용했다. AI 서비스는 인터넷에 연결된 스마트폰을 통해 처음부터 폭넓은 이용자에게 도달할 수 있다는 것이다. 대담 중 진행자는 챗GPT가 이용자 100만 명에 도달하는 데 5일, 1억 명에 도달하는 데 두 달이 걸렸다는 수치를 제시했다. 테일러는 이 속도가 시에라에도 영향을 준다고 봤다. 고객 문의가 이미 전화로 들어오고 기업이 그 응대에 비용을 쓰는 상황에서, 새 에이전트는 기존 고객 접점을 활용할 수 있다. 다만 그는 기술을 그 접점에 곧바로 연결하기만 하면 되는 것은 아니며 실제 구축 작업이 필요하다고 덧붙였다. ## 지능이 풍부해져도 변화에는 시간이 걸린다 테일러는 AI의 차이를 **희소했던 지능을 더 널리 이용할 수 있게 하는 기술**이라는 관점에서 설명했다. 소프트웨어가 사람의 생산성을 높이는 데 그치지 않고 업무 자체를 수행한다는 점에도 주목했다. 그는 교육, 의료·법률 조언, 정신건강 지원처럼 전문성이 필요한 영역의 접근성이 달라질 가능성을 제시했다. 이는 그가 내놓은 전망이지, 이미 모든 사람이 같은 수준의 서비스를 이용할 수 있다는 뜻은 아니다. 전환 과정에 대해서는 신중했다. 테일러는 소프트웨어 엔지니어처럼 AI를 만드는 사람도 자신의 업무가 자동화될 수 있다고 지적했다. 생산성 지표가 좋아지더라도 일자리가 영향을 받는 개인에게 변화는 어려울 수 있다는 설명이다. 그는 신약을 설계하는 능력이 발전해도 임상시험에 시간이 걸리는 사례를 들어, 규제와 조직 문화 등 다른 제약이 AI의 사회적 적용 속도를 제한한다고 말했다. ## 고객 응대에서 답변을 넘어 업무 완료로 시에라는 기업이 자체 고객 응대 에이전트를 만들도록 돕는다. 베이버에 따르면 이 에이전트들은 질문에 답하는 것뿐 아니라 외부 시스템과 연결된 업무도 수행한다. 위성 라디오 서비스 SiriusXM의 에이전트는 고객이 차량을 바꿀 때 새 차량의 암호화 키를 갱신하는 신호를 보낼 수 있다. 보안 서비스 ADT의 에이전트는 경보 장치의 소음 원인을 조사하고, 배터리가 문제라면 교체용 배터리를 발송할 수 있다. 한 신발 판매 고객사에서는 제품 사진을 확인해 보증 요청을 처리하고 대체 상품을 발송한 사례도 소개했다. 베이버는 시에라 에이전트가 들어온 고객 문제를 해결하는 비율이 자신이 예상한 80%를 넘었다고 말했다. 이는 시에라 측이 대담에서 밝힌 성과다. 두 창업자는 앞으로 개인의 에이전트와 기업의 에이전트가 서로 대화할 가능성도 논의했지만, 그 시점이나 규모를 확정해 말하지는 않았다. ## 업무 성과에 따라 비용을 받는 모델 베이버는 기존 기업용 소프트웨어의 사용자 좌석 수, 메시지 수, 토큰 사용량이 에이전트의 가치를 충분히 나타내지 못한다고 봤다. 시에라가 택한 **성과 기반 과금**은 에이전트가 사람의 개입 없이 맡은 업무를 완료했을 때 비용을 받는 방식이다. 한 가구 소매업체에서는 고급 배송 서비스를 판매한 경우 판매 수수료를 받는다고 설명했다. 이 방식에서는 시에라가 구축과 운영 비용을 먼저 부담해도 에이전트가 성과를 내기 전에는 해당 업무의 대가를 받지 못한다. 테일러는 그래서 계약 이후에도 고객의 에이전트가 제대로 작동하도록 돕고, 구축을 쉽게 하며, 서비스를 빨리 가동할 유인이 생긴다고 말했다. 그의 설명에 따르면 도입에 걸리는 시간은 기업의 절차에 따라 짧게는 2\~3주, 길게는 몇 달이다. 그는 실험을 많이 하는 것만으로는 부족하며, 실제 운영에 올릴 사업 지표를 정하는 일도 중요하다고 덧붙였다. ## 모델 선택과 조직 운영의 현실 시에라는 자체 기반 모델을 사전 학습시키지 않는다. 테일러는 AI 기업을 모델 개발사, 개발 도구 제공사, 특정 업무용 응용 제품 회사로 나눠 설명하며 시에라를 마지막 범주에 놓았다. 전화 응대에는 높은 지능뿐 아니라 짧은 응답 지연과 적정 비용이 중요하므로, 용도에 따라 적합한 모델이 달라진다는 판단이다. 베이버는 시에라가 작은 연구팀을 두고 에이전트 구조를 개선한다고 말했다. 두 창업자는 회사 내부에서도 AI 도구를 적극적으로 쓴다고 했다. 한 엔지니어가 코딩 에이전트에 여러 수정 작업을 맡겼을 때 결과물 가운데 일부는 바로 쓸 만했지만, 일부는 폐기하거나 손봐야 했다는 사례를 들었다. 테일러는 잘못된 코드가 나오면 결과만 고치는 데 그치지 않고 도구에 제공한 맥락을 살펴야 한다고 설명했다. 동시에 그는 대규모 조직이 업무 방식과 문화를 바꾸는 일은 작은 신생 기업보다 어렵다고 인정했다. 시에라의 사례에서 두 창업자가 강조한 기준은 에이전트가 얼마나 그럴듯하게 말하는지가 아니라 **고객의 일을 실제로 끝내는가**다. 다만 그 성과를 넓은 산업과 조직에 적용하는 속도는 기술 자체의 발전만으로 결정되지 않는다는 점도 함께 짚었다. --- 원문을 바탕으로 AI 가 한국어로 요약·재구성한 글입니다. 인용·수치는 원문 링크에서 확인해 주세요. [원문 링크](https://www.youtube.com/watch?v=Qt3_bK46il0)