• 에이나우
• 기본 과정
• AI 인사이트

사람 안 뽑는 회사가 이깁니다

4명이 100명을 이긴 비결

2026-02-13

1. 릴스 영상을 저장 또는 공유하기로 기록 해놓습니다.
2. DM으로 받은 링크를 카톡으로 옮겨 놓습니다.
3. PC로 접속해서 AI 즐겨찾기 폴더를 만들어 저장해놓습니다.
4. 바로 사용을 해봅니다. 절대 미루지 마세요. (⭐ 제일 중요)

1. 원본 영상

핵심 인사이트 정리

"20X 컴퍼니" — 스타트업을 만드는 새로운 방식

Anthropic 내부 엔지니어들이 Claude Code를 활용해 자사 제품을 개발하고 있다는 사실에서 영상은 시작합니다. 개발자 한 명이 3~8개의 Claude 인스턴스를 동시에 운영하면서 기능 구현, 버그 수정, 솔루션 리서치를 병렬로 처리합니다. 세계에서 가장 정교한 AI 제품을 만드는 팀이 자기 제품을 내부에서 써서 제품을 개선하고 있다는 것, 이것이 지금 일어나고 있는 근본적 변화의 신호입니다.

컴파운드 스타트업에서 20X 컴퍼니로의 진화

몇 년 전 Rippling 창업자 Parker Conrad가 "컴파운드 스타트업"이라는 개념을 제시했습니다. 하나의 좁은 제품에 집중하는 대신, 여러 통합 제품을 병렬로 만들어서 더 강력하고 대체하기 어려운 PMF에 도달하는 전략이었습니다. 20X 컴퍼니는 이 개념의 진화형인데, 제품이 아니라 내부 자동화에 같은 원리를 적용합니다. 코드 작성이나 고객 지원 하나만 자동화하는 게 아니라, 코드·서포트·마케팅·세일즈·채용·QA 등 내부 기능 전체를 자동화하는 것입니다.

이렇게 하면 두 가지 효과가 생깁니다. 첫째, 직원 한 명의 생산성이 기존 대비 수배~수십 배로 올라갑니다. 둘째, 세일즈·운영 인력 추가 고용을 훨씬 오래 미룰 수 있어서 인건비를 낮게 유지하고 조직 문화가 흐트러지는 것을 방지합니다. 소수 정예 팀의 날렵함 자체가 경쟁우위가 되는 구조입니다.

사례 1: Giga ML : "Atlas"라는 AI 팀원 만들기

20X 컴퍼니라는 용어를 실제로 만든 Giga ML은 기업용 음성 기반 고객 서비스 에이전트를 만드는 회사입니다. 엔지니어 4~5명으로 직원이 100배 많은 경쟁사를 이기고 DoorDash를 고객으로 확보했습니다.

핵심은 "Atlas"라는 내부 AI 에이전트입니다. Atlas는 브라우저 조작, 정책 편집, 코드 작성 등 제품 내에서 할 수 있는 거의 모든 작업을 수행합니다. Atlas 도입 전에는 엔지니어 한 명이 고객별 인테그레이션, 보일러플레이트 코드 같은 반복 작업 때문에 동시에 4~5개 문제만 처리할 수 있었습니다. Atlas가 보일러플레이트를 전부 처리하면서 엔지니어 한 명의 처리 범위가 2~3배로 확장되었습니다.

더 놀라운 점은 운영 측면입니다. DoorDash 같은 대형 고객과 10개 이상의 Fortune 500 파일럿을 동시에 진행하면서, 고객 대응을 담당하는 인간 정규직은 단 1명입니다. 이 한 명은 고객 관계 관리와 고객 요청을 기능 요청으로 전환하는 핵심 업무에만 집중하고, 나머지는 Atlas가 처리합니다. AI를 단순 도구가 아니라 "풀타임 AI 동료"로 배치해서 인간 1명 + AI가 수십 개 어카운트를 서비스하는 모델을 만든 것입니다.

사례 2: Legion Health : AI 통합 정보 허브 구축

AI 네이티브 정신과 진료 네트워크인 Legion Health는 다른 접근을 취했습니다. 내부 케어 운영팀을 위한 커스텀 인터페이스를 구축해서, 환자 이력·스케줄·보험 코드 등을 한 곳에서 즉시 조회할 수 있게 만들었습니다.

전통적인 의료 기관에서는 환자와 여러 담당자 사이에 오가는 커뮤니케이션이 분산되어 메시지가 유실되거나 처리가 지연됩니다. Legion은 이 모든 정보를 하나의 AI 통합 인터페이스에 집약해서, 자동화되지 않은 나머지 업무도 빠르게 처리할 수 있는 환경을 만들었습니다.

결과는 극적입니다. 지난 1년간 매출이 4배 성장했지만 신규 채용은 0명입니다. 월 수천 명의 환자를 진료하고 수십 명의 의료진이 있지만, 임상 리드 1명, 환자 지원 1명, 빌링 1명으로 운영합니다. 일반적인 의료 기관이라면 각각이 부서 단위, 즉 콜센터와 수동 처리 인력으로 운영될 영역입니다. "단일 정보 허브"가 운영 인력 증가 없이 스케일링을 가능하게 만든 전형적 사례입니다.

사례 3: Phase Shift : 직원별 맞춤 에이전트 만들기

매출채권 자동화 에이전트를 만드는 Phase Shift는 12명으로 2006년부터 수백 명 규모로 운영되는 경쟁사와 싸우고 있습니다. 이들의 접근은 가장 체계적입니다. 모든 수동 프로세스에 AI를 투입해서 최대한 자동화하되, 방법이 독특합니다.

직원들에게 "하루 동안 시간을 어디에 쓰는지" 문서화하게 하고, 그 내용을 기반으로 직원 개인별 맞춤 AI 에이전트를 빠르게 만듭니다. 범용 도구를 던져주는 게 아니라, 각 직원의 워크플로우와 선호도에 맞춘 전용 에이전트를 구축하는 것입니다.

이 문화 덕분에 특정 기능의 채용 자체를 건너뛰고 있습니다. 예를 들어 12명 규모임에도 디자이너를 한 명도 고용하지 않았습니다. Magic Patterns 같은 AI 도구를 활용해 엔지니어링 팀이 직접 프론트엔드 디자인을 처리합니다.

세 가지 접근은 상호 배타적이지 않다

영상의 결론은 명확합니다. AI 팀원 구축(Giga ML 방식), AI 통합 정보 허브 구축(Legion Health 방식), 직원별 맞춤 에이전트 구축(Phase Shift 방식) — 이 세 가지는 동시에 할 수 있고, 동시에 해야 합니다.

세 가지를 모두 실행하는 회사가 조직을 날렵하게 유지하면서 역대급 성장률을 기록하고 있습니다. 이것이 스타트업을 만드는 새로운 방식이고, 먼저 파악한 팀이 이긴다는 것이 영상의 핵심 메시지입니다.

누구나 적용할 수 있는 실행 인사이트

1단계: 시간 소비 지도 만들기 — Phase Shift처럼 팀원(또는 본인)이 하루에 뭘 하는지 30분 단위로 기록합니다. 반복적이고 판단이 거의 필요 없는 작업을 먼저 식별하세요.

2단계: 보일러플레이트부터 자동화 — 가장 빈번하고 단순한 반복 작업에 AI를 먼저 붙입니다. 고객 응대 템플릿, 데이터 정리, 보고서 초안 같은 것들입니다. 완벽한 자동화가 아니라 80%만 처리해도 인당 처리 범위가 2~3배 늘어납니다.

3단계: 정보를 한 곳에 모으기 — 팀이 여러 도구를 왔다 갔다 하며 정보를 찾는 시간을 줄이세요. Notion + AI 연동이든, 커스텀 대시보드든, 핵심 정보에 한 번에 접근할 수 있는 허브를 만드는 것만으로 운영 효율이 극적으로 올라갑니다.

4단계: 채용 대신 자동화를 먼저 고려 — 새 업무가 생기거나 병목이 발생할 때 "사람을 뽑을까"가 아니라 "AI로 해결할 수 있나"를 먼저 질문하세요. 고용을 미루는 것 자체가 비용 절감이자 조직 속도 유지의 핵심입니다.

핵심 원칙: 하나의 기능만 자동화하지 마세요. 코드·마케팅·운영·고객대응 등 가능한 모든 내부 기능에 AI를 병렬로 확산시키는 것이 20X 컴퍼니의 본질입니다.