와이콤비네이터: RFS(Requests for Startups) Spring 2025

• 와이콤비네이터(YC)가 연 1회이던 스타트업 제안(RFS)을 3개월 만에 다시 냈다. AI 발전 속도가 목록 갱신 주기를 앞질렀다는 판단
• 방아쇠는 두 가지. 오픈AI 오퍼레이터와 앤트로픽 컴퓨터 유즈로 AI가 컴퓨터를 직접 조작하게 됐고, O1·O3와 딥시크 R1이 추론 성능을 인간 수준으로 끌어올림
• 15개 항목 중 절반 이상이 에이전트. 에이전트를 만드는 도구, 에이전트가 쓰는 소프트웨어, 특정 직무를 통째로 대체하는 수직 에이전트로 갈라짐
• 나머지 축은 인프라. 데이터센터 건설 가속, 추론 비용 최적화, 쿠다 대안을 만드는 커널 생성 AI가 한 묶음으로 제시됨
• YC는 수직적 AI 에이전트만으로 유니콘 100개가 나올 수 있다고 봄. 기존 B2B SaaS가 성공한 모든 영역에 더 큰 규모의 대체재가 생긴다는 논리

에이전트가 컴퓨터를 직접 쓴다

• 오퍼레이터와 컴퓨터 유즈로 에이전트가 브라우저와 데스크톱 앱을 조작하면서 모든 웹사이트와 앱이 사실상 API를 갖게 됨. 재러드 프리드먼은 병 속의 뇌에 손이 달린 상황에 비유
• 컴퓨터로 할 수 있는 일은 전부 자동화 대상이 되고, 그만큼 에이전트 활용 사례가 10배 이상 늘어날 것으로 봄. 스크래핑에 기대던 연동 방식도 정리될 여지
• 반대편에서는 에이전트를 고객으로 삼는 소프트웨어(B2A)가 필요. 호스팅 비용 결제, 여행 예약, 계약 체결을 에이전트가 직접 처리하는 API가 이미 등장
• 지금 웹은 사람용으로 설계돼 봇이 사람인 척 양식을 채우는 구조. 주식시장처럼 사람과 프로그램이 함께 거래하는 형태가 표준이 될 것으로 봄
• 에이전트 빌더(워드웨어, 스택AI)와 에이전트 인프라도 별도 항목. 각자 전문 분야를 맡은 에이전트 팀이 개인의 생산성을 증폭시키는 그림
• 니콜라스 드세인은 자율적으로 판단하는 에이전트의 등장을 지난 2년간의 AI 산업 개선 흐름과 구분되는 새로운 물결로 규정

직무를 통째로 가져가는 수직 에이전트

• 수직적 AI 에이전트는 특정 업무 자동화에 맞춰 설계된 LLM 소프트웨어. 최근 YC 배치에서 AI 세무사, AI 의료 청구사, AI 고객 상담원, AI 준법 감시인이 나옴
• 챗GPT 래퍼라는 폄하에 대해 YC는 견고한 에이전트 구조와 기존 시스템 연동, 도메인 전문성이 갖춰져야 실무에 쓰인다고 반박
• 성장 곡선이 다른 이유는 대체 대상이 다르기 때문. SaaS는 인력 효율을 점진적으로 올렸지만 수직 에이전트는 업무 자체를 없앰
• 2005~2020년 B2B SaaS는 유니콘 100개 이상과 전체 벤처 투자 절반을 가져갔고, YC는 앞으로 10년에 같은 규모의 반복을 예상
• 개발 직군은 사라지기보다 역할이 바뀜. 소수의 범용 엔지니어가 QA, 배포, 보안 감사, 현지화를 맡은 에이전트 팀을 관리하고, 피트 쿠멘은 개발 비용이 0에 수렴해도 엔지니어 수요는 늘 것으로 전망
• 데이비드 립은 부유층 전용이던 세무사, 변호사, 트레이너, 과외를 AI 비서로 대중화하자고 제안. 우버가 개인 운전기사를, 구글 포토스가 사진 정리 전문가를 대체한 경로

문서와 규제, 자동화 여력이 큰 영역

• 미국과 유럽에서만 약 400만 명, 전체 노동력의 1%가 컴플라이언스와 감사에 묶여 있고 관련 비용은 계속 증가하는 추세
• GDPR, 도드-프랭크법, AML/KYC, ESG 보고까지 규제가 늘면서 규정 검토와 표본 조사, 반복 보고서 작성이 수작업으로 남아 있음
• 감사 자료가 대부분 비정형이라 사람은 표본만 확인할 수밖에 없었고, YC는 이 병목을 자동화 여지의 실체로 봄
• LLM은 규제 문서와 기업 정책, 재무제표를 대조해 이상값과 모순된 규정을 찾는 데 강함. 표본이 아닌 전수 분석이 가능해 상시 감사 체계를 만들 수 있다는 주장
• 마이클 사이벨은 도큐사인 2.0을 별도 항목으로 제시. 템플릿 제작, 중복 입력, 오류 수정, 난해한 용어가 현재 전자서명의 병목
• 제안하는 기능은 기존 서명 문서에서 변수를 뽑아 템플릿을 만들고, 과거 입력과 공개 데이터로 자동 완성하며, 음성 AI가 복잡한 조건을 설명하는 방식

유통 레이어, 앱스토어와 오픈소스

• 게리 탄은 PC와 휴대폰에 얹는 AI 앱스토어 겸 OS 레이어를 제안. 캘린더, 파일, 브라우징 기록 접근은 사용자의 명시적 동의가 있을 때만 허용
• 핵심은 통합 메모리. 선호도와 행동 이력, 상황 맥락을 앱마다 흩어놓지 않고 이 레이어에서 관리해 설치한 앱이 알아서 똑똑해지는 구조
• 예시로 창가 자리를 좋아하는 아홉 살 자녀까지 고려해 항공편을 고르는 여행 AI를 들었고, 허용한 데이터만 제한적으로 쓰는 것이 전제
• 개발자에게는 컴퓨터 제어, 로컬 라마 버전 관리, 앱 수준 접근 제어, 결제를 API로 제공. 대형 IT 기업이 먼저 만들 것 같지만 지금이 스타트업의 적기라는 입장
• 오픈소스 쪽은 유닉스에서 리눅스와 레드햇으로, 빗키퍼에서 깃과 깃허브로 이어진 패턴의 반복을 기대. 코드를 공개한 구글과 페이스북은 상업적 지원까지는 하지 않음
• 딥시크 공개로 기업의 오픈소스 AI 도입을 돕는 상업 지원 시장이 크게 넓어졌고, 이 분야는 승자가 하나가 아니라 여럿 나올 것으로 봄

추론 시대의 인프라 병목

• 대형 데이터센터는 완공까지 수년이 걸리는데, 지금의 관심과 투자 규모를 감안하면 전력, 냉각, 자재 조달, 프로젝트 관리 각 단계를 앞당길 회사가 절실하다는 진단
• 최종 그림은 부지 선정부터 건설과 설정, 운영 관리까지 소프트웨어가 총괄하고 로봇이 24시간 자율로 돌리는 완전 무인 시설
• 컴퓨팅 투자 축이 사전 학습에서 추론으로 이동. 추론 모델 API 호출이 10~100배 늘면 인프라 비용이 실제 문제가 되고, 추론 레이어 도구와 GPU 작업 비용 효율화까지 스택 전체를 다시 짜야 함
• 엔비디아 지배력의 근거는 칩 성능만이 아니라 손으로 최적화한 쿠다 코드. AMD나 커스텀 실리콘은 커널과 드라이버를 다룰 엔지니어가 부족해 밀림
• 추론 모델이 사람이 쓴 쿠다에 필적하는 커널을 만들 수 있게 되면서, AI 커널 생성이 하드웨어 종속을 깨는 지렛대로 지목됨
• 딥시크 논문의 교훈은 제한된 하드웨어를 쥐어짜는 저수준 엔지니어링. YC는 시스템 프로그래밍 경험을 자기 아이디어에 붙일 창업자를 따로 찾음