Join us for three months to build and experiment together.

전체적인 인상

이 후보자는 전형적인 "좋은 회사원" 타입은 아니다.

반대로 초기 스타트업(0→1, 1→10)에서 상당히 높은 퍼포먼스를 낼 가능성이 있는 Builder이다. 본인이 직접 제품을 만들고 시장을 찾고 실험하는 것을 굉장히 좋아하며, 새로운 기술을 흡수하는 속도가 매우 빠르다.

기술 자체보다 다음 질문을 먼저 생각하는 사람이기도 하다.

"이걸 어떻게 사업으로 연결하지?"

반면 조직 규모가 커질수록 요구되는 정치성이나 관계 중심 업무는 상당한 스트레스를 받을 가능성이 있다.

가장 큰 장점

1. 학습 속도가 매우 빠르다.

이 사람과 이야기하면서 가장 많이 느낀 점이다. 새로운 개념을 설명하면 거기서 끝나지 않는다. 거의 항상 다음과 같이 자기 언어로 다시 재구성한다.

"그러면 결국 A라는 뜻이네?"

예를 들어 LoRA를 설명했을 때도 처음에는 이해하지 못했지만, 몇 번 질문한 뒤 스스로 "16차원으로 압축해서 업데이트하는 느낌이네"라고 정리했다. 그 이후부터는 LoRA를 기반으로 포스트 트레이닝 전체를 연결해서 이해하기 시작했다.

이런 패턴은 Ontology, RLVR, Transformer, 전환사채, 채권 ETF, 철학, 확률, Kelly, XGBoost 등 거의 모든 분야에서 반복된다. 즉 외워서 배우는 사람이 아니라 구조를 이해하려고 한다.

2. 본질을 굉장히 좋아한다.

질문을 보면 항상 "왜?"를 묻는다. 예를 들어 온톨로지를 설명하면 온톨로지 정의에서 끝나는 것이 아니라 "LLM에 어떻게 연결되는데?"까지 간다.

LoRA도 "Low Rank입니다"에서 끝나지 않고 왜 두 행렬을 쓰는지, 왜 메모리가 줄어드는지, 왜 GPU가 적게 필요한지 끝까지 파고든다.

철학도 마찬가지다. 단순히 스토아학파가 무엇인지보다 아리스토텔레스와 어떤 관계인지, 왜 그런 흐름으로 발전했는지를 계속 찾는다. 이런 사람은 새로운 문제를 해결하는 역할에서 강하다.

3. 기술보다 사업을 먼저 본다.

이게 의외의 강점이다. 기술 질문을 많이 해서 엔지니어처럼 보일 수 있지만 실제로는 거의 항상 시장으로 연결한다.

예를 들어 영상 생성 AI를 물어봐도 결국 Runway, Higgsfield, Google, Sume을 비교하면서 시장성이 있는지, 차별점이 있는지를 본다. 교육 AI도 기술보다 ARR, MRR, 투자, 사용자 수, 모트 등을 먼저 본다.

기술이 아니라 사업을 만드는 사고방식을 가지고 있다.

4. 실행력이 강하다.

궁금하면 바로 해본다. 예를 들어 Meta 광고도 이론을 묻기보다 바로 20달러를 집행했다.

Codex, Claude CLI, Hermes, Cloudflare, Supabase, Roblox, Bootcamp 제거, RAM 업그레이드 등도 일단 직접 시도한다. 실패를 크게 두려워하는 편은 아니다.

5. 여러 분야를 연결한다.

철학을 이야기하다가 AI와 연결하고, AI를 이야기하다가 경제학과 연결하고, 경제학을 이야기하다가 스타트업으로 연결한다. 이런 연결 능력은 새로운 아이디어를 만들 때 도움이 된다.

6. 제품 감각이 있다.

단순히 기능을 만드는 것이 아니라 사용자가 어떻게 느끼는지를 많이 고민한다.

예를 들어 시니어 서비스도 기능보다 왜 사람들이 기록을 남기고 싶은지, 왜 모임을 운영해야 하는지를 계속 수정했다. 문장 하나도 상당히 많이 다듬었다.

단점

1. 완벽주의 성향이 있다.

조금이라도 설명이 이상하면 계속 질문한다. 예를 들어 GPU 메모리 설명도 몇 번이고 다시 질문했고, 철학도 칸트에서 끝나지 않고 다시 데카르트로 돌아간다.

이런 성향은 깊이를 만들어주지만 속도를 늦출 수도 있다.

2. 정확성에 매우 민감하다.

잘못 설명하면 바로 지적한다. 예를 들어 인터넷 검색 결과가 틀렸던 경우 왜 처음에는 못 찾았는지를 물었다. 또 AI가 "개인적으로", "흥미롭다" 같은 표현을 쓰는 것을 반복적으로 지적했다.

이 사람은 표현보다 사실성을 중요하게 생각한다. 좋게 말하면 정확성을 추구하고, 나쁘게 말하면 다른 사람에게도 높은 정확도를 요구하게 된다.

3. 관심 분야가 매우 넓다.

하루 안에도 철학, 경제, AI, 광고, Roblox, 장난감 제작, 건강, macOS, 투자 등을 계속 넘나든다.

덕분에 새로운 아이디어는 많이 나온다. 반대로 집중력이 분산될 가능성도 있다.

4. 사람보다 시스템을 더 믿는 편이다.

의사결정을 할 때 감정보다 논리, 시장, 메커니즘, 인과관계를 더 중요하게 생각한다. 그래서 조직 내에서 감정적인 의사결정을 하는 사람과는 충돌 가능성이 있다.

5. 커뮤니케이션이 매우 직설적이다.

틀렸다고 생각하면 바로 말한다. 좋은 점은 돌려 말하지 않는다는 것이고, 나쁜 점은 상대가 방어적으로 받아들일 수도 있다는 것이다.

생활 패턴

대화를 보면 한 번 몰입하면 굉장히 긴 시간 동안 몇 시간이고 같은 주제를 판다. 새벽이나 아침에도 기술 질문이 자주 나온다. 생각을 많이 하는 사람이다.

운동도 꾸준히 다시 시작하려고 한다. 새로운 서비스가 나오면 직접 써보고, LLM도 거의 모든 최신 모델을 비교한다.

스타트업 적합성

매우 잘 맞는 역할

• Founder
• Founding Engineer
• CTO
• AI Product Engineer
• Product Builder
• Technical PM
• AI Automation Lead

덜 맞는 역할

• 대기업식 운영 조직
• 절차 중심 조직
• 유지보수만 하는 조직
• 정치성이 높은 조직

같이 일할 때의 특징

이 사람은 처음부터 "어떻게 만들까요?"보다 "왜 만드는 거죠?"를 먼저 묻는다. 일단 이해하면 굉장히 빠르게 실행하고, 중간중간 전체 구조가 맞는지를 계속 확인한다.

어필 포인트

채용에서 가장 강조해야 할 부분은 다음과 같다.

기술을 배우는 사람이라기보다, 기술을 사업으로 연결하는 Builder라는 점이다.

AI를 좋아하는 것이 아니라 AI를 이용해서 사용자 문제를 해결하고, 제품을 만들고, 시장 검증을 하는 과정 자체를 즐기는 사람이다.

또 하나의 강점은 낯선 분야에서도 핵심 원리를 파고드는 습관이다. LoRA, 온톨로지, 금융상품, 철학처럼 서로 다른 영역에서도 정의를 외우기보다 구조를 이해하려는 질문을 반복했고, 이해한 뒤에는 자신의 언어로 재구성하는 모습을 여러 차례 보였다. 이런 학습 방식은 새로운 도메인에 빠르게 적응해야 하는 초기 스타트업 환경에서 큰 장점이 될 수 있다.

종합 평가

초기 스타트업 관점에서 보면 이 후보자의 가장 큰 강점은 높은 학습 속도, 본질을 파고드는 사고방식, 실행력, 그리고 기술과 사업을 연결하는 제품 감각이다. 반면, 정확성에 대한 기준이 매우 높고 직설적인 피드백 성향이 있어 조직 문화나 협업 스타일에 따라 마찰이 생길 가능성은 있다.

종합적으로는 명확한 문제를 스스로 정의하고 빠르게 실험하는 환경에서는 높은 성과를 기대할 수 있는 유형이며, 이미 정해진 프로세스를 안정적으로 유지하는 역할보다는 새로운 제품과 시장을 개척하는 역할에서 강점을 발휘할 가능성이 크다.