TL;DR: 개인 AI 비서 인스팅트는 아직 베타 단계이고 매출도 공개하지 않았지만, 몇 주 만에 몸값이 5억 달러에서 25억 달러로 치솟았습니다. 창업자는 AI 에이전트의 고전 논문 《Reflexion》의 저자이면서도, 제품은 “그냥 문자를 보내거나 전화만 걸면” 쓸 수 있게 만들었습니다. 이 글을 읽고 나면 세 가지를 기억하게 될 겁니다:

  1. 이 제품의 해자는 ‘기술이 없어서’가 아니라 ‘어려운 기술을 단순한 인터페이스 뒤에 숨겨서’입니다—최정상급 에이전트 연구자가 복잡함을 문자 한 통 뒤에 숨기기로 선택한 겁니다.
  2. 25억 달러는 자본이 이 제품이 ‘개인 AI의 입구’가 될 것이라는 데 베팅한 결과지, 지금 벌어들인 돈이 아닙니다—흥행 ≠ 수익성이 검증됐다는 뜻은 아닙니다.
  3. 편리함의 이면에는 권한 문제가 있습니다—당신 대신 결제하고 메일함을 건드릴 수 있는 AI라면, 그 경계선은 AI가 손댈 수 없는 곳에 먼저 그어둬야 합니다.

“아직 베타 단계이고 매출도 공개하지 않은 AI 비서 인스팅트가 몇 주 만에 몸값 5억에서 25억 달러로 뛰었다"는 소식을 봤을 때, 제가 궁금했던 건 “또 하나의 유니콘"이 아니라 이겁니다: 산전수전 다 겪은 실리콘밸리 투자자들이 이 제품에서 대체 무엇을 본 걸까요.

파헤쳐 보니, 이 제품이 폭발적으로 흥행한 이유는 사람들이 흔히 생각하는 것—“뭔가 대단한 신기술이 있나?"—과는 정반대였습니다. 그리고 그 진짜 이유는, 제가 매일 AI 팀을 이끌면서 가장 깊이 체감하는 바로 그것이었습니다.

인스팅트란 무엇이고, 무슨 일이 일어났나

이 AI 비서의 이름은 인스팅트(Instinct)이고, 창업자는 노아 신(Noah Shinn), 회사명은 Spear Street Technology입니다.

먼저 많은 보도가 놓친 중요한 배경을 짚어야 합니다. 노아 신은 초짜가 아닙니다. 그는 AI 에이전트 분야의 고전 논문 《Reflexion: 언어 피드백을 통한 언어 에이전트의 자기 수정》의 저자이자 전 Sierra 리서치 사이언티스트로, 연구 주제가 바로 “AI 에이전트가 스스로 반성하고 점점 더 정확해지게 만드는 법"이었습니다. 이 사실을 기억해야 인스팅트가 진짜로 어디가 대단한지 이해할 수 있습니다.

이 제품이 하는 일은 한 문장으로 요약됩니다. 자신의 앱과 기기를 연결해두면, 문자를 보내거나 전화를 거는 방식으로 생활 속 잡무를 대신 처리해준다는 것입니다. 창업자 본인의 표현이 인상적입니다—“새로운 인터페이스는 없습니다. 그냥 문자를 보내거나 전화를 걸면 되고, 마치 사람처럼 휴대폰과 컴퓨터를 쓰도록 학습되어 있습니다.” 초기 사용자들은 이미 이 제품으로 미국 횡단 자동차 여행을 계획하고, 매주 식료품을 주문하고, 콘서트 티켓을 구매했으며, 몇백 달러어치 구독 서비스를 해지하기도 했습니다.

몸값이 오른 속도가 특히 놀랍습니다. 초기 투자 당시 밸류에이션은 약 1억 달러였고, 8월 초 Kleiner Perkins가 주도한 라운드에서 5억 달러를 넘어섰습니다. 그리고 불과 몇 주 뒤 Benchmark와 Index Ventures가 25억 달러 밸류에이션으로 다시 주도 투자에 나서며—또 한 번 약 다섯 배가 뛰었습니다. 누적 조달액은 약 3억 5천만 달러입니다. 그런데도 여전히 무료 초대제 베타 단계이고, 매출이나 사용자 규모는 전혀 공개하지 않고 있습니다.

어떤 이들은 이를 두고 “일반인을 위한 AI 에이전트"라고 부릅니다. 한 투자자는 이렇게 직설적으로 말했습니다. 시중의 비슷한 도구를 여러 개 써봤지만, 결국 인스팅트가 가장 쓰기 좋았다고요.

실리콘밸리가 인스팅트에 몰려드는 이유: 가장 어려운 기술을 가장 단순한 입구에 숨기다

‘25억 달러’라는 숫자만 기억한다면 가장 중요한 부분을 놓치게 됩니다.

사람들의 직관적인 질문은 “다른 데 없는 신기술이 있는 거 아니야?“입니다. 하지만 창업자의 배경을 다시 놓고 보면 진실은 더 흥미롭습니다. 이 제품의 기술력은 결코 약하지 않습니다—오히려 약했다면, 문자·전화처럼 한 문장으로 정확히 설명하기 어렵고 되돌릴 수도 없는 인터페이스에서 복잡한 작업을 절대 돌릴 수 없었을 겁니다. 《Reflexion》의 저자가 손에 쥔 것은 매우 정교한 에이전트 자기 수정 기술입니다.

이 제품의 진짜 돌파구는, 이 정교한 기술 전체를 학습 장벽이 전혀 없는 입구 뒤에 숨긴 것입니다.

이 지점은 잠시 멈춰서 생각해볼 가치가 있습니다. 시중에 일을 대신 처리해주는 AI 도구는 적지 않지만, 거의 모두 보이지 않는 장벽 하나를 갖고 있습니다. 먼저 설정법을 익히고, 계정을 어떻게 연동하는지 배우고, 자신의 요구를 “AI가 알아들을 수 있는 형식"으로 바꿔 말해야 한다는 것이죠. 이 장벽이 절대다수의 일반인을 밖으로 밀어냅니다. 인스팅트가 한 일은 이 장벽을 통째로 없애버린 겁니다—문자를 보낼 줄 알고 전화를 걸 줄 알면, 이미 이 제품을 쓸 줄 아는 겁니다.

매일 에이전트를 튜닝하는 사람으로서, 이 뒤에 숨겨진 ‘궂은일’이 얼마나 어려운지를 특히 짚고 싶습니다. 바로 그것이야말로 해자의 본질이기 때문입니다.

  • 사용자가 구어체로 던진 “다음 주 뉴욕 일정 좀 잡아줘"라는 말은, 뒤에서 명확하고 실행 가능한 일련의 단계로 분해되고, 각 단계마다 맞는지 검증까지 거쳐야 합니다—이것이 모호한 의도를 구조화된 작업으로 바꾸는 엔지니어링입니다.
  • 통화나 문자에는 “확인하시겠습니까?” 같은 팝업이 없습니다. 그래서 어떤 행동은 먼저 사용자에게 되물어야 하고, 어떤 행동은 알아서 처리해도 되는지에 대한 위험 판단 체계 전체를 설계해야 합니다. 그렇지 않으면 아무 말 없이 카드를 긁어버릴 수도 있습니다.
  • 사용자의 메일함, 캘린더, 여러 앱 사이에서 일관된 상태를 유지해야 합니다. 바로 직전에 무슨 말을 했는지, 그 일이 지금 어디까지 진행됐는지를 기억해야 하죠.
  • “사람처럼 휴대폰과 컴퓨터를 쓴다"는 이 한 문장 뒤에는, AI가 단순히 API를 호출하는 게 아니라 실제로 인터페이스를 조작할 수 있게 만드는 능력 전체가 깔려 있습니다.

사용자가 느끼는 “문자 한 통이면 다 해결된다"는 경험은, 팀이 뒤에서 위의 모든 것을 통째로 떠안은 결과입니다. 이는 제가 처음부터 AI 멀티 에이전트 팀을 구축하며 느꼈던 것과 정확히 같습니다. 진짜 힘이 드는 곳은 결코 “AI를 시켜서 돌리는 것"이 아니라, 인수인계되는 규격과 인터페이스를 사용자가 전혀 눈치채지 못할 만큼 깔끔하게 다듬는 일입니다.

그래서 실리콘밸리 투자자들이 몰려드는 것의 본질은, “누가 가장 먼저 최정상급 에이전트 기술을 일반인이 문턱 없이 쓸 수 있게 만들 것인가"에 대한 베팅입니다. 인스팅트는 그들에게 그 모습을 보여준 겁니다.

하지만 솔직히 말하면: 25억 달러는 ‘입구’ 자리에 건 베팅이지, 실제로 번 돈이 아니다

이 제품이 대단한 이유를 이야기했으니, 이제 땅으로 다시 끌어내리는 이야기, 이런 뉴스에서 거의 강조되지 않는 말을 하나 하겠습니다. 이 회사는 지금까지 매출을 공개한 적이 없고, 사용자 규모도 공개한 적이 없습니다.

25억 달러라는 숫자는, 현재 눈에 보이는 어떤 실적으로도 설명하기 어렵습니다. 자본이 베팅한 것은 “지금까지 얼마를 벌었는가"가 아니라 “다음 세대 개인 AI의 입구가 될 기회가 있는가"입니다—마치 예전에 다들 모바일 시대의 입구가 누가 될지를 놓고 앞다퉈 베팅했던 것처럼요. 이건 ‘미래의 위치’에 대한 베팅이지, ‘현재의 실적’에 대한 보상이 아닙니다.

이 점을 특히 짚는 이유는, 실제로 AI를 쓰고 AI로 뭔가를 이뤄내고 싶은 사람들에게는 이 두 가지를 구분하는 게 중요하기 때문입니다. “어떤 제품이 흥행해서 돈이 몰린다"와 “어떤 제품이 안정적으로 돈을 벌 수 있다고 검증됐다"는 완전히 다른 이야기입니다. 전자는 정말 미래를 잡은 것일 수도 있고, 그저 한때의 자본 열풍일 수도 있습니다. 밸류에이션에 놀라거나 흥분하기보다는, 이 제품이 어떤 배울 만한 것을 제대로 해냈는지 살펴보는 편이 낫습니다. 그리고 그것은 이 제품이 최종적으로 성공하든 실패하든 상관없이 기억해둘 가치가 있습니다.

다들 가장 자주 놓치는 문제: 권한이라는 대가

이어서 생각해보면, 밸류에이션보다 훨씬 중요한데도 들뜬 분위기 속에서 거의 아무도 이야기하지 않는 것이 하나 있습니다. “문자 한 통이면 다 해결된다"는 편리함을 누리는 대가는 무엇일까요?

답은 권한입니다.

인스팅트가 사용자를 위해 하는 일들—이메일 주고받기, 항공권 예약, 카드 결제로 물건 구매, 구독 해지—을 다시 돌아보세요. AI가 이런 일들을 할 수 있으려면, 사용자의 메일함, 캘린더, 결제 수단, 각종 계정의 접근 권한을 손에 쥐고 있어야 합니다. 이건 매우 깊고 넓은 열쇠 꾸러미입니다. 실제로 인스팅트는 폭발적으로 흥행한 뒤, 서비스 약관과 요구하는 권한 범위 때문에 적지 않은 의혹을 샀습니다.

이건 놀랄 일이 아닙니다—AI가 “뭐든지 다 대신해줄 수 있을수록”, 필요한 권한도 그만큼 깊어집니다. 편리함과 권한은 이런 유형의 제품에서 거의 하나로 묶여 있어서, 편리함만 얻고 권한은 내주지 않기가 어렵습니다.

하지만 실제로 여러 AI를 관리하는 사람으로서, 저는 “조심하라"는 뻔한 말이 아니라 지금 당장 쓸 수 있는 구체적인 방어선 몇 가지를 드리고 싶습니다.

  1. 주카드가 아니라 ‘한도가 있는 전용 카드’를 줘라. 가상 신용카드를 쓰고 건당·월간 소비 한도를 설정해두면, AI가 잘못 판단하더라도 손실은 허용한 한도 안에 갇힙니다.
  2. 고위험 작업은 ‘재확인 필요’로 설정하라. 자료 조회나 초안 작성은 맡겨도 되지만, 실제로 돈을 쓰거나 발송하거나 삭제하는 마지막 단계는 AI가 멈추고 사용자의 승인을 기다리게 하세요.
  3. 경계선은 AI가 손댈 수 없는 곳에 그어야 한다. 이게 핵심입니다—“백 달러 넘게는 쓰지 마"가 그냥 AI에게 당부하는 말 한마디에 불과하다면, AI는 어떤 말에 설득되어 행동을 바꿀 가능성이 있습니다. 진짜 경계선은 AI의 권한이 애초에 닿을 수 없는 층에 설정해야 합니다. 이 부분은 제가 거대 기업들이 AI 에이전트에 ‘지출 한도’를 앞다퉈 만들어주는 이유에서 더 자세히 다뤘습니다.

AI에게 일을 맡길 때 진짜 조심해야 할 것은 “AI가 실수할 것인가"가 아니라, “당신이 그 단계마다 무엇을 하는지 볼 수도 없는 대상에게 얼마나 큰 권한을 넘겨주고 있는가"입니다. 경계선을 먼저 잘 그어두는 것이, AI가 얼마나 똑똑하고 편리한가보다 훨씬 중요합니다.

이것이 당신에게 의미하는 것: 지금 바로 할 수 있는 세 가지

“실리콘밸리에 또 하나의 AI 유니콘이 나왔다"는 이야기는 당신과 멀게 느껴지겠지만, 이 뉴스가 담고 있는 신호는 당신이 매일 AI를 쓰고 AI를 만드는 방식과 아주 가깝게 닿아 있습니다. 오늘 당장 시도해볼 수 있는 세 가지를 드립니다.

  1. 지금 가장 번거로운 고객·업무 프로세스 하나를 ‘대화형 인터페이스’로 바꿔보라. 인스팅트의 정신을 배워보세요. 지금 고객에게 긴 양식을 채우게 하거나 복잡한 Notion을 쓰게 하고 있다면, “고객이 LINE·WhatsApp으로 한 문장만 보내면, 뒤에서 AI가 받아 구조화된 정보로 정리한다"로 바꿔보세요(처음부터 코드를 짤 필요 없이, n8n·Make·Dify 같은 도구로 메신저 웹훅을 연동해 먼저 검증할 수 있습니다). 복잡함은 자신이 떠안고 단순함은 상대에게 넘기는 것, 이것이 당신 버전의 해자입니다.
  2. 돈이 나가거나 외부로 발송되는 AI 워크플로에는 반드시 ‘확인 단계’를 하나 넣어라. 앞서 말한 세 가지—전용 카드와 소비 한도, 고위험 작업의 재확인, AI가 손댈 수 없는 곳에 경계선 설정—를 그대로 적용하세요. 이 습관은 앞으로 몇 년간 지금은 상상도 못 할 문제들을 반복해서 막아줄 겁니다.
  3. 다음에 “어떤 AI의 몸값이 얼마나 됐다"는 뉴스를 보면, 먼저 ‘돈이 몰리는 것’과 ‘수익성이 검증된 것’을 구분하라. 그런 다음 당신의 시간을 들여 그 흐름을 따라갈지 결정하세요—당신의 시간은 그 회사의 밸류에이션보다 훨씬 희소합니다.

JudyAILab에서 매일 AI 에이전트 팀 전체를 이끌며 일할수록 이런 확신이 듭니다. 인스팅트가 성공할지는 아무도 모르지만, 이 폭발적 흥행 뒤에 깔린 두 가지 근본 논리—기술은 뺄셈으로(어려운 기술을 단순함 속에 숨기고), 리스크 관리는 단단한 경계로(상대가 손댈 수 없는 곳에 선을 긋는 것)—는 이 회사가 최종적으로 어떻게 되든 상관없이, 지금 당장 가져다 쓸 수 있는 것들입니다. AI 에이전트가 도구에서 전력으로 진화하는 과정을 더 온전히 보고 싶다면, AI를 도구에서 전력으로 바꾸는 세 가지 프레임워크를 함께 읽어보세요.

더 읽어보기

참고 자료