다시 창업을 해서 팀을 만들고 있습니다. 공유/추천해주시면 큰 도움이 됩니다 💪

저는 해치랩스라는 블록체인 B2B Startup을 공동창업해서 5년 6개월동안 회사를 운영하면서 다양한 PMF, 팀 빌딩, 채용, 세일즈, 운영, 시행착오를 경험했습니다. 지난 1년간 쉬면서 10개국에서 살아보고, 여러 책도 읽어보면서, 제가 여전히 새로운 것을 배우고, 좋은 제품/팀을 만드는 것을 재밌어한다는 것을 알게됐습니다.

새로운 스타트업을 만드는 여정에 있고, 엔지니어링 경험이 많고 AI에 관심이 많거나 경험/지식이 있는 분을 찾고 있습니다. Co-founder/Founding team 다양한 조건으로 이야기할 수 있습니다.

풀려고 하는 문제:

제조업에서는 설계-해석-실험-생산의 과정을 거쳐 제품을 만듭니다. 해석(시뮬레이션)은 설계한 도면이 실제 실험/생산하기 이전에 다양한 조건을 충족하는지 테스트하기 위해서 사용됩니다. 주로, 최적의 설계를 찾거나, 안정성 등의 규제를 준수하거나, 생산 단에서 발견한 문제의 원인을 파악하기 위해서 사용되고 있습니다. 전세계에 주요 10개 정도의 회사가 연 30-40조 매출을 만들어내고 있습니다.
AI는 앞으로 몇년간 CAE(Computer Aided Engineering) 소프트웨어 시장을 바꿀겁니다.

Computer Aided Engineering -> AI aided Engineering

CAE는 수치해석 기반으로 작동합니다. 수치해석은 현실에서 일어날 일들을 수학적으로 모델링해서 현실을 근사합니다. 복잡하고 어려운 문제일수록 복잡한 수식이 필요하고 오랜 연산 시간과 많은 컴퓨팅 자원이 필요합니다. 그리고 CAE로는 아직도 해결하지 못한 문제들도 많습니다. AI로 빠르고 정확한 시뮬레이션을 만들 수 있다면 과거 컴퓨터와 여러 애플리케이션이 그러했듯이 제조업 전반의 생산성을 바꿀 수 있습니다.

예전부터 CAE의 연산을 AI로 대신해보려고 하는 다양한 시도(Physics Informed Neural Network, Fourier Neural Operator)들이 있었고 이제는 고객의 업무 방식을 바꿀 수 있는 제품을 만들만한 기술 수준이 되는 것 같습니다.

AI 시대에는 과거 업무의 효율성을 10~30%를 개선하는 것이 아니라 해당 업무를 진행하는 방식 자체를 바꿔 10-100배의 생산성을 높이는 것이 가능합니다. 우리는 CAE 전문가들이 일하는 방식 자체를 재정의하는 것을 목표로 하고 있습니다. 우리 제품을 사용하는 고객들의 생산성을 10-100배 바꿀 수 있는 제품을 만들어서 이 시장의 게임 체인저가 되는 방법을 찾고 있습니다.

Founding Team

저와 같이 창업하는 분은 수치해석 쪽으로 박사를 받았고 국가수리과학연구소에서 연구를 했고 삼성에서 AI관련 업무를 리드 했습니다. 수치해석과 AI 연구 쪽으로 날카로운 칼이 있는 동료입니다. 우리가 이 시장을 바꾸기 위해서 연구한 기술을 제품과 비즈니스로 만들어나갈 동료를 찾고 있습니다.

Ideal Partner
다양한 경험과 지식에 대해서 열린 마음을 가지고 있지만, 생각하는 이상형?은 이렇습니다.

1. 여러 서비스들을 개발해오면서 복잡하고 어려운 Engineering 문제를 해결해오신 분
2. 혼자 보다는 엔지니어링 팀으로 좋은 결과를 내는 것이 익숙하고 좋은 분
3. AI에 대해서 관심을 가지고 빠르게 배울 수 있는 분
4. 스타트업 창업자/초기 멤버가 어떤 마음가짐으로 일해야하는지 아는 분
5. 영어를 잘하신다면 더 좋습니다. 미국, 한국이 첫 주요 시장이 될 예정입니다.

해당 글을 보고 관심이 있으시다면 연락주세요!

https://forms.gle/vEKWNuFEWEHy39c77

일상에서의 감정에서 부터 중요한 의사결정까지 관통하는 글.

여러 감정을 느끼는 것보다 이걸 잘 관리(대응, 선택)하는 것이 중요하다.

누군가에겐 소음이 누군가에겐 일생 일대의 기회가 될 수 있다. 지나쳐 흘러갈 수 있는 것에서 감사함을 느낄 수도 혹은 엄청난 깨달음을 얻을 수도.

Being present.

MetaGPT (Sirui Hong et al.) is an awesome multi-agent framework (ICLR 2024) that models agents as a software company following a structured SOP - PMs, architects, engineers, and more communicate with each other to solve the task at hand.

We’re excited to feature RAG-enhanced MetaGPT, powered by LlamaIndex modules - this allows agents to tap into domain-specific knowledge.

Features:
1. Data input, supporting diverse file formats and Python objects.
2. Retrieval functionality, compatible with Faiss, BM25, ChromaDB, and Elasticsearch, as well as hybrid retrieval methods.
3. Post-retrieval processing, featuring LLM Rerank and ColbertRerank options to reorder retrieved content for enhanced accuracy.
4. Data updating capabilities, allowing the addition of text and Python objects.
5. Data storage and recovery without requiring vectorization on each access

Script: https://lnkd.in/g3CY4VXA

Paper: https://lnkd.in/gQbkZzji

An important thing about this topic, a good idea on steroids quickly becomes a terrible idea, is that most great things in life from love to careers to investing - gain their value from two things patience and scarcity. Patience to let something grow and scarcity to admire what it grow into.

기존의 이커머스 플랫폼에는 굉장히 다양한 제품들이 있어, 원하는 제품을 한 번에 고르거나 여러 제품을 서로 비교하기가 어려웠는데요.

작년 4월 설립된 octocom이라는 AI 스타트업에서 제품 구매 고민부터 결정, 추가 제안까지 고객의 쇼핑 경험을 엔드투엔드로 지원해주는 Agent를 만들고 있어 간단히 소개합니다.🧵

1/ Octocom은 이커머스 기업을 타겟하여 고객 서비스를 자동화해주는 회사인데요.

고객사인 온라인 스토어의 매출을 극대화해주기 위한 목표를 가지고 서비스의 모든 기능을 개발한다고 합니다.

2/ 놀라운 건 단 2주 만에 AI Agent를 구축해준다는 것인데요.(GPT-4 기반)

이커머스 플랫폼에만 집중하는 전략을 통해 해당 분야에 맞게 개발 작업을 모듈화하여 개발 시간을 단축한 것 같습니다.

3/ 작년 10월 $290K(한화 약 4억 원) 규모의 pre-seed 투자를 받으며, 설립된지 약 1년 여 만에 아래와 같은 지표를 보여주고 있습니다.

- 실시간으로 문의의 87% 처리
- 고객사 매달 약 570시간 절약
- CVR(전환율) 32% 증가

4/ 비용은 월 구독제로, 고객 기업의 CS 문의 개수별로 비용을 차등화하였습니다. 또한 왓츠앱, 인스타그램과 같은 SNS 플랫폼에 서비스를 구축할 시 추가 비용을 받네요.

5/ 프로덕트의 컨셉은 총 3가지로 제시하고 있습니다.

- Customer support: 배송 상태, 환불 및 반품, 단순 문의에 대한 응대
- Shopping Consultant: 제품 추천, 비교, 제품 관련 문의에 대한 응대
- Intelligent Upselling: 고객의 장바구니 및 구매 내역 데이터, 활동 기록을 기반으로 관심사 제품을 추천/제안

6/ 위 3가지 컨셉이 순서대로 고객 만족도 향상, 매출 발생 유도, 매출 증대(주문 금액 향상)의 역할을 하면서, 고객사의 매출 극대화를 위한 전략으로서 활용되고 있습니다.

즉, 오프라인 매장에서의 인간 영업 사원의 판매 로직 전체를 Agent가 담당하고 있는 것입니다.

7/ 해당 서비스를 직접 사용해보면서, Octocom의 AI 응대 방식이 굉장히 괜찮다는 느낌을 받았습니다.

AI가 사이드 제품을 추천할 때, 제품을 함께 사용했을 때의 효과 + 증가하는 비용을 상쇄할 만한 내용(5만 원 초과로 인한 배송비 무료)을 함께 제공하여, 소비자의 심리적 허들을 낮췄습니다.

8/ 위 경험으로부터 AI Agent가 소비자의 정보 접근 방식을 바꾸고 있다는 생각이 들었는데요.

기존에 제품 홈페이지를 통해서 제품의 장점이나 특징, 쿠폰 및 혜택 등에 대한 정보를 소비자가 직접 받아들였던 것에서, 이제는 AI Agent가 대화 맥락에 따라 해당 내용을 소비자에게 대신 전달해주면서 전반적인 UX가 변화한 것 같습니다.

즉 온라인에 영업 사원이 없던 게 아니라, 기존 웹사이트 방식의 정적인 온라인 영업 사원이 대화 형태의 인간 형태를 띠는 동적인 영업 사원으로 바뀐 것이죠.

아래 링크를 통해 Octocom의 서비스를 보면서, 당장 1년 후에 우리의 쇼핑 방식이 어떻게 바뀔지 고민해보는 것도 재밌을 것 같습니다.

https://www.octocom.ai/

오늘 같은 날 읽어보면 좋을 찰리 멍거의 데일리저널 주주총회 기록

https://blog.naver.com/salmonic/223363414741
https://blog.naver.com/salmonic/223367287668
https://blog.naver.com/salmonic/223370981026

👤인식 주체가 나를 정의한다
당신 누구세요'라고 물으면, 외적 속성이 아닌 알아차리는 주체가 진짜 '나'다.
이름과 외모는 진짜 '나'가 아니며, 변할 수 있다. 진짜는 바뀌지 않는다.
고통의 이유는 '나'를 고통 주체로 착각하기 때문이며, 알아차리면 불행이 사라질 수 있다.
진짜 '나'는 조용히 바라보는 인식 주체이고, 대부분의 고통은 대상적 경험에 집중해있는 것이다.

'나는 누구인가'에 대한 간결하고 통찰력 있는 답변이 포함된 책을 소개한다.
진짜 '나'를 가려내기 위해 역할, 소유물, 관계 등을 제외하고 찾아내야 한다.
'진짜 나'는 자신의 행위를 알아차리고 지켜보는 존재이며, 이를 알아채는 것은 어려운 일이 아니다.

3.💭착각의 심리: '내가 가진 것' vs '나 자신을'.
우리는 내 것과 배경자아를 분리해야한다.
휴대폰이나 다른 소지품, 지위나 명예 등은 우리의 본질이 아님.
우리는 '내가 가진 것'을 '나 자신'으로 착각하며 괴로움을 불러일으킴.
자신을 소유물이나 외형으로 정의할 때, 번뇌와 괴로움이 생기게 됨.

4.🧠나만의 인식 및 경험: '나'가 아닌 것들에 대한 인식
소유하는 모든 것은 본질과 상관 없는 것들, 우연히 만나 잠시 지나가는 것들이다.
생각, 감정, 경험, 기억, 느낌은 나의 일부가 아닌 사건이며, 나 자신이 아니다.
인식가능하고 설명 가능한 것은 내 경험과 인식의 대상, 나 자신이 아니다.
나라고 할 만한 것은 하나도 없음, '나'는 존재하지 않는다.

5.️🧠주체성과 공간: 인식과 경험
나는 내 모습을 휴대폰으로 인식하고 경험한다.
진짜 나는 인식과 경험의 주체로, 온갖 소유물은 그 자체로 나가 아닌 인식과 경험 주체다.
나는 공간과 같이 존재하면서, 고요함 속에 머무르는 진정한 나다.
모든 사물의 배경에 존재하는 공간과 같이, 늘 존재하지만 고요함이면서도 의식의 주체다.

6.🧘‍♂️감정과 사건에 휩쓸리지 않고 고요함으로 살아가는 자아의 인식 변화
내 감정과 느낌을 일 내용의 사건으로 바라보며 한 걸음 떨어져서 휩쓸리지 않게 된다.
자아는 고요하고 평온하며 흔들리지 않는 존재로서 변화를 알아가며 강조된다.
세상이 혼란스러울 때에도 마치 물이 닿지 않는 모래 섬에서 홍수를 바라보듯이 하나로 거듭나는 태도를 취한다.
자신을 섬으로 삼고, 피난처로 삼음을 통해 내적 안정을 발견한다.

https://youtu.be/c6fVMmHQxYE

https://www.aladin.co.kr/m/mproduct.aspx?ItemId=317405069

When one door of happiness closes, another opens; but often we look so long at the closed door that we do not see the one which has been opened for us.
Helen Keller

희망은 볼 수 없는 것을 보고, 만져질 수 없는 것을 느끼고, 불가능한 것을 이룬다. - 헬렌 켈러

https://cs.lbl.gov/news-media/news/2023/the-m-o-of-ml-can-ai-foundation-models-drive-accelerated-scientific-discovery/

사전 학습된 SciML 모델과 신중한 도메인별 미세 조정을 사용하여 복잡한 SciML 문제를 우아하게 해결하는 유망한 ML 방식이 포함됩니다. 특히, 이 연구는 모델이 한 작업에서 인사이트를 얻고 전이 학습을 통해 다른 작업을 개선하기 위해 해당 지식을 원활하게 전달할 수 있음을 보여줍니다. 이러한 발견은 학제 간 SciML 프레임워크의 초석을 마련하고 SciML 기초 모델을 구축할 수 있는 길을 열어 잠재적으로 달성하는 데 더 오랜 시간이 걸릴 수 있는 발견을 실현할 수 있는 가능성을 열어줍니다.
또한 MLA 그룹은 이 일반적인 접근법을 특정 과학 문제에 적용하기 위해 국립 에너지 연구 과학 컴퓨팅 센터(NERSC), 응용 수학 및 계산 연구 부문(AMCR), 미국 에너지부(DOE)의 첨단 컴퓨팅을 통한 과학적 발견(SciDAC) 프로그램 파트너 등 버클리 랩을 비롯한 여러 그룹과 협력하고 있습니다.
이 연구를 위한 사전 훈련 워크플로는 NERSC의 Perlmutter 시스템에서 실행되었습니다. “우리는 슈퍼컴퓨팅과 AI 및 과학의 미래를 연결할 수 있는 잠재력을 가진 흥미로운 예비 결과를 얻었습니다.“라고 NERSC의 수석 저자이자 머신러닝 엔지니어인 샤샨크 수브라마니안(Shashank Subramanian)이 말했습니다. 그는 이러한 기초 모델을 구축하려면 NERSC와 같은 HPC 리소스의 상당한 컴퓨팅 성능이 필요할 수 있다고 강조했습니다. “일단 훈련이 완료되면 이러한 모델은 복잡한 시뮬레이션을 가속화하고 과학적 이해를 향상시키는 데 엄청난 잠재력을 가지고 있습니다.”