개인 AGI의 해자는 모델이 아니라 기억의 소유권입니다
같은 프런티어 모델을 쓰는 두 팀이 있습니다. 한 팀은 매번 업무를 처음부터 설명하고, 다른 팀은 지난 결정과 실패를 불러와 바로 실행합니다. 두 번째 실행부터 벌어지는 격차는 모델보다 기억, 절차, 검증 방식에서 나옵니다.
Y Combinator의 CEO Garry Tan은 Startup School 2026 강연 Own Your Intelligence에서 이 구조를 Personal AGI라고 부릅니다. 공식 원본은 2026년 8월 6일, BZCF의 한국어 자막본은 8월 26일 공개됐습니다.
Personal AGI는 학계가 합의한 기술 분류나 범용인공지능의 완성을 뜻하지 않습니다. Tan은 개인이 통제하는 인프라에서 개인 소유의 기억을 읽고, 미리 작성한 절차를 실행하는 에이전트 운영체제를 이 이름으로 설명합니다.
빌리는 모델과 소유하는 자산이 갈립니다
강연의 공식은 간단합니다.
프런티어 모델 + 나만의 컨텍스트 + 실행 하네스 = 나처럼 일하는 에이전트
프런티어 모델은 API나 구독으로 빌립니다. 더 좋은 모델이 나오면 교체할 수 있고, 경쟁사도 비슷한 모델에 접근합니다. 반면 컨텍스트는 개인의 이메일, 회의, 결정, 관계, 실패 기록에서 나옵니다. 하네스는 어떤 상황에서 어떤 기억을 불러오고, 어떤 도구를 쓰며, 어디서 사람의 승인을 받는지를 정합니다.
이 구분은 기업에도 그대로 적용됩니다. 모델 사용료를 많이 쓴 회사가 아니라, 고객과 제품과 의사결정의 맥락을 정확히 연결한 회사가 더 나은 결과를 낼 가능성이 큽니다. 모델을 해자로 삼기 어려워질수록 데이터 권리, 업무 절차, 평가 기록의 가치가 커집니다.
도서관의 크기보다 어떤 책을 펼치는지가 중요합니다
Tan은 인간의 삶을 도서관, 에이전트의 컨텍스트 창을 책상으로 비유합니다. 이메일과 회의와 의사결정을 모두 저장해도 한 번에 전부 읽힐 수는 없습니다. 현재 업무에 필요한 몇 권을 골라 책상 위에 올리는 사서가 필요합니다.
이 비유는 Personal AGI의 병목을 정확히 보여줍니다. 자료를 많이 모으는 일은 시작일 뿐입니다. 기억을 신뢰할 수 있게 만드는 병목은 다음과 같습니다.
- 어떤 사실이 최신인지 판별합니다.
- 같은 회사나 사람에 대한 상충 기록을 함께 보여줍니다.
- 추정과 확정 사실을 구분합니다.
- 답변의 근거가 된 원문까지 거슬러 올라갈 수 있게 합니다.
- 더 이상 유효하지 않은 기억을 폐기하거나 격리합니다.
- 현재 요청에 필요한 최소한의 정보만 불러옵니다.
Tan은 강연에서 자신의 지식 시스템에 약 22만 개의 Markdown 페이지가 있다고 말합니다. 2026년 8월 27일 확인한 GBrain 공식 저장소의 소개는 155,795페이지를 제시합니다. 시점이나 집계 범위가 다를 수 있지만, 이 차이 자체가 페이지 수를 성능 지표로 읽기 어렵다는 점을 보여줍니다.
메모리의 가치는 저장량이 아니라 정답에 기여한 비율, 오래된 사실을 잘못 꺼내는 빈도, 근거를 찾는 시간, 사람이 수정한 정도로 측정해야 합니다. 검색이 빠른 쓰레기장은 좋은 기억이 아닙니다.
Markdown 한 장이 반복 가능한 업무가 됩니다
강연에서 스킬 파일은 한 가지 일을 수행하는 직원에 비유됩니다. 회의 녹음이 들어오면 화자를 구분해 전사하고, 약속과 담당자와 기한을 뽑고, 기존 기록과 충돌하면 표시한 뒤, 지정한 위치에 결과를 저장하라는 식입니다. 사람이 읽을 수 있는 한 장의 지시문이 에이전트의 반복 업무가 됩니다.
다만 Markdown 자체가 실행 코드인 것은 아닙니다. 언어모델이 지시문을 해석하고, 하네스가 도구와 권한을 연결할 때 비로소 실행됩니다. 이 차이를 놓치면 명확해 보이는 문장이 실제 환경에서는 모호하게 작동할 수 있습니다.
실행을 언어모델, 코드, 메모리, 승인 계층으로 나누면 실패가 줄어듭니다.
| 업무 성격 | 맡길 층 | 필요한 통제 |
|---|---|---|
| 모호한 요청의 의도, 취향, 우선순위 | 언어모델의 판단 | 사례, 반례, 허용 범위 |
| 산술, SQL, 대규모 배정, 형식 검증 | 코드와 데이터베이스 | 테스트, 스키마, 재현 가능한 로그 |
| 과거 사실과 현재 요청의 연결 | 메모리와 검색 | 출처, 날짜, 충돌 표시, 폐기 규칙 |
| 메일 발송, 결제, 배포, 투자 실행 | 권한과 승인 계층 | 사람 승인, 한도, 감사기록, 원상복구 |
Tan이 말하는 잠재 공간과 결정론적 공간의 구분도 같은 뜻입니다. 사람의 의도를 읽는 일은 모델에 맡기되, 6,000명의 좌석을 오류 없이 배정하는 일은 코드와 데이터베이스로 내려야 합니다. 좋은 에이전트는 모든 일을 언어모델에 시키지 않습니다.
한 번성 자동화는 저절로 복리 자산이 되지 않습니다
강연의 실용적인 조언은 한 번 한 일을 버리지 말라는 것입니다. 반복할 가치가 있는 작업을 스킬로 만들고, 정해진 시간에 실행하며, 결과를 다음 실행의 입력으로 남기면 시스템이 점점 나아질 수 있습니다.
강연에서 충분히 전개되지 않은 조건은 검증입니다. 검증되지 않은 결과를 다시 기억시키면 오류도 복리로 쌓입니다. 한 번의 잘못된 회사 분류가 다음 시장지도와 다음 미팅 준비와 다음 투자 메모에 연쇄적으로 들어갈 수 있습니다. 자동화의 복리는 학습 루프가 아니라 오염 루프가 될 수도 있습니다.
따라서 저장과 승격을 나눠야 합니다. 원문은 보존하되, 확정 사실과 안정된 선호만 장기 기억으로 올립니다. 새 정보가 기존 판단과 충돌하면 덮어쓰지 않고 함께 남깁니다. 스킬을 수정했을 때는 이전 평가세트로 다시 돌려 회귀 오류를 확인합니다. 외부 효과가 있는 행동은 시스템이 자신감을 표시해도 사람의 승인선을 넘지 않게 합니다.
스킬의 소유권은 선언보다 계약에서 갈립니다
Tan은 개인이 만든 스킬을 개인이 소유하지 못하면 자신의 직무가 회사의 스킬 파일로 추출될 수 있다고 경고합니다. 문제 제기는 중요합니다. 업무 지식이 문서와 코드로 외부화되면 누가 그 자산을 가져가는지 더 선명해지기 때문입니다.
그러나 “스킬은 본질적으로 개인의 것”이라는 문장은 법적 사실이 아니라 규범적 주장입니다. 실제 귀속은 고용계약과 직무 범위부터 확인해야 합니다. 회사 장비와 근무시간의 사용, 영업비밀과 개인정보, 국가별 지식재산권 규정도 결론을 바꿉니다. 고객 데이터로 만든 스킬을 개인 저장소로 옮기는 행위는 소유권 확보가 아니라 정보 유출이 될 수 있습니다.
기업은 직원의 판단을 조직 자산으로 축적할 필요가 있습니다. 직원도 경력에서 배운 일반 역량을 이어갈 수 있어야 합니다. 양쪽을 함께 지키려면 입사 뒤에 다투기보다 스킬의 귀속, 개인용과 회사용 저장소의 경계, 반출할 수 없는 데이터, 기여 보상, 퇴사 시 처리 방식을 먼저 정해야 합니다.
400배 생산성은 방향성이지 인과관계가 아닙니다
Tan은 2013년과 비교해 자신의 코드 산출량이 약 400배 늘었다고 말합니다. YC Winter 2025 배치의 4분의 1은 코드베이스의 95%가 AI로 생성됐고, 해당 배치가 빠른 성장과 수익성을 보이고 있다고도 설명합니다. 동시에 그는 AI 생성 코드가 성장을 일으켰다고 증명할 수는 없다고 직접 인정합니다.
GStack 공식 저장소는 다른 기간과 보정 방식을 적용해 2026년 4월 18일 기준 코드 변화량이 2013년보다 약 810배라고 적습니다. 방법론과 재현 스크립트도 공개했지만, 여전히 한 사람의 저장소를 대상으로 한 자기 측정입니다. 코드 줄 수는 중복, 테스트, 생성 파일, 리팩터링 방식에 따라 크게 움직이고 고객가치나 품질을 직접 보여주지 않습니다.
VC가 이 수치에서 가져갈 것은 “모두가 400배가 된다”는 예측이 아닙니다. 같은 모델을 쓰는 팀 사이에서도 업무 설계가 큰 차이를 만들 수 있다는 가설입니다. 이 가설은 수용된 업무량, 전체 주기시간, 사람의 수정시간, 심각한 오류율, 고객 유지, 인당 매출총이익으로 검증해야 합니다.
VC는 에이전트가 얼마나 똑똑한지보다 무엇이 축적되는지 봐야 합니다
Personal AGI라는 표현을 기업 분석에 적용하면 DD 질문도 달라집니다.
- 고유 컨텍스트: 고객이 쓸수록 다른 곳에서 얻기 어려운 데이터와 업무 맥락이 쌓이는가.
- 데이터 권리: 그 컨텍스트를 학습, 검색, 재사용할 법적 권리와 고객 동의가 있는가.
- 검색 품질: 최신성, 출처 추적, 충돌 처리, 삭제 요청을 시스템이 실제로 지키는가.
- 반복 절차: 프롬프트 묶음이 아니라 예외와 검증까지 포함한 재사용 가능한 스킬이 있는가.
- 결정론적 골격: 계산, 상태, 권한, 감사로그를 코드와 데이터베이스가 책임지는가.
- 성과 측정: 토큰이나 생성량이 아니라 사람이 수용한 결과와 사업 성과를 측정하는가.
- 이동 가능성: 모델이나 클라우드 공급자를 바꿔도 기억과 절차가 남는가.
- 보안과 책임: 키 관리, 최소권한, 격리, 사고 대응, 사람 승인선이 설계돼 있는가.
강연의 가장 강한 메시지는 소유권입니다. 투자 관점에서는 소유권만으로 부족합니다. 권리가 확보된 컨텍스트가 검증 가능한 절차를 통해 더 좋은 결과로 바뀌고, 그 결과가 다시 시스템을 개선하는가가 해자의 조건입니다.
첫 번째 개인 에이전트는 하나의 반복 업무면 충분합니다
거대한 개인 아카이브를 먼저 만들 필요는 없습니다. 강연의 실행안을 더 안전한 형태로 바꾸면 다음과 같습니다.
- 매주 반복하고 결과의 좋고 나쁨을 판단할 수 있는 업무 하나를 고릅니다.
- 필요한 입력, 판단 기준, 예외, 승인선, 저장 위치를 한 장에 적습니다.
- 모호한 판단은 모델에, 계산과 형식 검사는 코드에 둡니다.
- 세 번 실행해 결과 품질, 수정시간, 누락과 오류를 기록합니다.
- 검증된 사실과 안정된 규칙만 장기 기억과 스킬에 반영합니다.
첫 주에는 직접 하는 것보다 느릴 수 있습니다. 그러나 같은 요청을 두 번 했을 때 두 번째 실행이 더 정확하고 빨라졌다면 자산이 생기기 시작한 것입니다. 반대로 매번 처음부터 설명하고 결과를 전부 다시 확인한다면 에이전트를 쓰고 있어도 운영체제는 아직 없습니다.
맺으며
Personal AGI의 핵심은 AGI라는 거대한 이름이 아닙니다. 모델은 빌리더라도 기억과 업무 절차, 검증 기록은 통제 가능한 형태로 남겨야 한다는 주장입니다. 이 층이 자산이 되려면 컨텍스트의 출처와 최신성, 결정론적 실행, 평가, 보안, 계약이 함께 작동해야 합니다.
모델 업그레이드는 빠르게 퍼지지만 어제 검증한 결정과 절차는 저절로 복제되지 않습니다. 개인에게는 같은 업무의 두 번째 실행이 더 빨라지는지가 기준입니다. 기업과 투자자에게는 그 학습이 데이터 권리와 보안을 지키면서 조직 전체에 축적되는지가 기준입니다.
자료와 확인 시점
- Y Combinator, Garry Tan: Own Your Intelligence, 2026년 8월 6일 공개
- BZCF 한국어 자막본, 인공지능은 이렇게 써야합니다, 2026년 8월 26일 공개
- Garry Tan, GStack 공식 저장소, 2026년 8월 27일 확인
- Garry Tan, GBrain 공식 저장소, 2026년 8월 27일 확인