동물실험이 인플루언서 프로토콜이 되는 순간

펩타이드라는 단어는 이상한 신뢰를 만든다. 인슐린 같은 승인 의약품도 펩타이드이고, 체중 관리에 쓰이는 일부 승인 약물도 펩타이드다. 동시에 사람 대상 근거가 거의 없는 BPC-157, epitalon, 주사용 GHK-Cu도 같은 이름 아래 놓인다. 화학적 분류가 임상적 보증처럼 들리는 순간, 전혀 다른 증거 수준의 물질들이 하나의 건강 카테고리로 평평해진다. 동물실험 하나가

AI 앱의 해자는 고객 결과를 닫는 폐쇄회로다

AI가 제품의 핵심 기능을 거의 공짜로 만들어준다면 그 회사에는 무엇이 남을까. 이 질문은 “앱 레이어가 죽는다”는 선언으로 자주 이어진다. 요약, 분류, 생성, 검색, 상담 같은 기능은 범용 모델에 흡수되고, 모델을 얇게 감싼 앱은 가격을 지키기 어려워진다는 주장이다. 절반은 맞다. 기능을 만드는 비용은 빠르게 내려간다. 그러나 기능이 싸지는 것과 고객의

콘텐츠가 아니라 귀환 회로를 만들어라

콘텐츠를 만드는 비용은 계속 내려가는데, 콘텐츠 사업은 쉬워지지 않는다. 글과 이미지와 영상의 공급은 늘었지만 사람의 하루는 늘지 않았기 때문이다. 이 상황에서 “더 자주 발행하자”는 전략은 점점 약해진다. 경쟁자도 같은 도구로 더 많이 만들 수 있고, 플랫폼의 추천 공간은 그대로이며, 독자가 새로운 콘텐츠에 줄 수 있는 시간은 제한돼 있다. 앞으로의

AI 자율성은 종료조건에서 시작된다

사람들은 AI Agent의 자율성을 얼마나 오래 혼자 일할 수 있는지로 평가한다. 한 시간, 네 시간, 밤새, 며칠. 그러나 오래 움직이는 능력만으로는 좋은 Agent가 되지 않는다. 잘못된 방향으로 오래 달리는 시스템은 더 비싼 오류일 뿐이다. Codex의 Goal이 흥미로운 이유도 “자는 동안 AI가 일한다”는 장면 때문만은 아니다. 더 중요한 변화는 사용자가

AI에게 인용되려면, 글은 잘 잘려야 한다

좋은 글은 처음부터 끝까지 읽히도록 쓴다. 그러나 AI는 꼭 그렇게 읽지 않는다. 질문에 답할 만한 대목을 찾고, 페이지의 일부를 잘라 다른 출처의 일부와 함께 답변으로 조립한다. 여기서 콘텐츠를 만드는 사람은 불편한 선택 앞에 선다. 사람을 위해 서사를 쓸 것인가, 기계가 추출하기 쉬운 문장을 쓸 것인가. 이 선택은 잘못 설정됐다. AI에게

직원 0명 회사는 인건비를 없애지 않았다

AI가 회사를 운영하는 미래를 설명할 때 사람들은 대개 직원 수부터 센다. 직원이 몇 명 줄었는지, 창업자 혼자 어디까지 갈 수 있는지, 기존 조직을 얼마나 작게 만들 수 있는지를 본다. Polsia는 이 상상을 거의 극단까지 밀어붙인 사례다. Polsia 창업자 Ben Cera는 자신이 유일한 직원인 상태에서 회사를 연 환산 매출 1,000만

AI가 제품을 싸게 만들수록, 제품 밖의 해자가 비싸진다

좋은 제품을 만들면 고객이 따라온다는 믿음은 오랫동안 창업의 기본 문법이었다. 먼저 제품을 만들고, 제품시장적합성(PMF)을 찾고, 그다음 마케팅과 영업으로 확장한다. GTM은 제품이 맞다는 사실이 확인된 뒤 켜는 가속 장치였다. AI는 이 순서를 흔들고 있다. 제품을 만드는 비용만 낮춘 것이 아니라, 잘 팔리는 제품을 따라 만드는 비용까지 낮췄기 때문이다. 기능

Agent-ready 웹의 출발점은 llms.txt가 아니라 접근성이다

AI Agent가 웹에서 항공권을 찾고, 회의 일정을 잡고, 상품을 주문하는 장면이 가까워지면서 새로운 최적화 시장도 열리고 있다. 검색엔진에 잘 보이는 웹을 넘어 Agent가 잘 읽고 사용할 수 있는 웹을 만들어야 한다는 주장이다. 그러자 익숙한 처방이 반복된다. 사이트 루트에 llms.txt를 놓고, AI가 읽기 좋은 요약을 만들고, Agent 전용 인터페이스를 붙이라는

미디어는 콘텐츠 사업이 아니라 제품 R&D 조직이다

대부분의 회사에서 글은 제품이 나온 뒤에 시작된다. 제품팀이 만들고, 마케팅팀이 설명하며, 영업팀이 판다. 미디어는 이미 결정된 것을 시장에 전달하는 마지막 확성기다. Every는 이 순서를 뒤집는다. 글을 제품의 홍보물이 아니라 제품이 태어나는 장소로 쓴다. Every의 CEO Dan Shipper가 공개한 Master Plan Part II에 따르면, 이 회사는 정규직 15명으로 일간 뉴스레터와 AI

AI Agent에게 필요한 건 권한이 아니라 영수증이다

회사 계정으로 보도자료를 발행한다. 고객 명단을 외부 시스템으로 옮긴다. 운영 서버에 새 버전을 배포한다. 같은 행동도 어떤 AI Agent에게는 shell command이고, 다른 Agent에게는 tool call이며, 관리형 플랫폼에서는 session transition으로 남는다. 실행 형식은 다르지만 나중에 물어야 할 질문은 같다. 누가, 누구의 권한으로, 어느 계정에서, 무엇을, 어디까지 공개했고, 결과는 실제로 무엇이었는가. 권한

대에이전트 시대에 다시 읽는 Aggregation Theory

2015년 Ben Thompson은 인터넷이 시장의 권력을 뒤집는 방식을 하나의 이론으로 묶었다. 이름은 Aggregation Theory였다. 전통 시장은 공급자, 유통자, 소비자로 구성된다. 인터넷 이전에는 유통이 희소했다. 신문은 인쇄기와 배달망을 가졌고, 방송사는 주파수와 편성권을 가졌으며, 호텔은 객실뿐 아니라 낯선 도시에서 믿을 수 있는 숙소라는 신뢰를 가졌다. 유통자는 그 힘을 이용해 공급을 거꾸로 통합했다.

AEO는 배관이다. 해자는 원본 자산이다

AI 검색이 커지자 마케팅팀의 질문도 바뀌었다. 예전에는 “구글 첫 페이지에 어떻게 올라갈까”를 물었다면, 이제는 “ChatGPT와 AI Overview에 어떻게 인용될까”를 묻는다. 곧바로 새로운 최적화 목록이 생긴다. 질문형 제목을 쓰고, 첫 문단에 답을 넣고, FAQ를 만들고, 구조화 데이터를 붙이고, 문장을 짧게 자르라는 조언이다. 이런 정리는 기계가 내용을 읽는 데 도움이