핵심 요약
Emergent는 단순한 프로토타입 생성을 넘어, 멀티 에이전트 아키텍처와 전용 인프라를 통해 실제 비즈니스 운영이 가능한 '프로덕션 레디' 앱 구축을 지원합니다.
배경
Y Combinator 출신의 Emergent 창업자들과 함께 AI가 소프트웨어 개발 방식을 어떻게 바꾸고 있는지 논의합니다.
대상 독자
AI 에이전트 개발자, 소프트웨어 창업자, 노코드/로우코드 관심자
의미 / 영향
소프트웨어 개발의 진입장벽이 완전히 사라지며 1인 기업이나 비개발자 도메인 전문가가 주도하는 '개인화된 소프트웨어' 시대가 가속화될 것이다. 기존 범용 SaaS 기업들은 에이전트 중심의 워크플로우로 전환하거나 고도의 맞춤형 가치를 제공하지 못하면 도태될 위험이 크다.
챕터별 상세
00:00
인트로 및 Emergent 소개
Emergent는 AI 에이전트를 활용해 누구나 상용 수준의 소프트웨어를 구축하고 배포할 수 있게 돕는 플랫폼이다. 출시 8개월 만에 700만 개의 앱이 생성되었으며, 최근 45일 동안 그 수가 두 배로 증가하는 폭발적인 성장세를 기록했다. 특히 사용자의 80%가 프로그래밍 지식이 전혀 없는 비개발자라는 점이 핵심적인 특징이다.
- •8개월 만에 700만 개 이상의 앱 생성 달성
- •사용자의 80%가 프로그래밍 지식이 없는 비개발자로 구성
- •최근 45일간 앱 생성 수가 2배로 증가하는 급격한 성장세 기록
01:18
창업자 배경과 초기 아이디어
Google과 Amazon의 딥러닝 팀 출신인 쌍둥이 형제 Madhav와 Mukund Jha가 공동 창업했다. 초기에는 소프트웨어 테스트 자동화 아이디어로 Y Combinator에 지원했으나, 테스트 자동화가 가능하다면 소프트웨어 엔지니어링 전체를 자동화할 수 있다는 통찰을 얻었다. 이를 바탕으로 범용 코딩 에이전트 개발로 방향을 전환했다.
- •Google 및 Amazon 딥러닝 팀 출신의 기술적 전문성 보유
- •소프트웨어 테스트 자동화에서 코딩 에이전트로의 핵심 통찰 획득
- •엔지니어링 전체 공정을 자동화하려는 비전으로 Emergent 설립
02:52
시장 선점과 벤치마크 도전
에이전트 기술력을 증명하기 위해 SWE-bench에서 세계 1위를 목표로 삼고 연구에 매진했다. 이 과정에서 멀티 에이전트 시스템, 메모리 관리, 에이전트 간 통신 최적화 등 LLM 기반 에이전트의 핵심 기술들을 독자적으로 정립했다. 결과적으로 2개월 만에 SWE-bench 세계 1위를 달성하며 기술적 토대를 완성했다.
- •SWE-bench 세계 1위 달성을 통한 기술력 입증
- •멀티 에이전트 시스템 및 장기 메모리 기술 독자 개발
- •논문 발표보다 앞서 핵심 에이전트 아키텍처 구현 성공
04:18
비개발자 사용자로의 전환
초기에는 엔터프라이즈 시장을 공략했으나 도입 속도가 너무 느리다는 한계를 발견했다. 반면, 내부 도구를 만들기 위해 Emergent를 사용하던 비개발자들이 폭발적인 반응을 보이는 것을 확인하고 타겟을 변경했다. 현재는 자신의 비즈니스 아이디어를 직접 구현하려는 도메인 전문가들이 주요 사용자층을 형성하고 있다.
- •엔터프라이즈 시장의 느린 피드백 루프 극복을 위한 피벗 단행
- •비개발자 도메인 전문가들의 강력한 소프트웨어 구축 수요 확인
- •사용자 피드백을 바탕으로 기술적 복잡성을 UX로 추상화
05:22
AI 분야에서 후발 주자가 승리하는 법
AI 모델이 급격히 발전하는 환경에서는 먼저 시작하는 것보다 모델의 변화를 어떻게 활용하느냐가 더 중요하다. Emergent는 기존 경쟁자들이 해결하지 못한 '상용 수준의 완성도'에 집중하여 차별화를 꾀했다. 새로운 모델(Claude 3.5 등)이 나올 때마다 에이전트의 자율성을 높여 성능을 극대화하는 전략을 취했다.
- •모델 발전 주기에 맞춘 유연한 아키텍처 설계의 중요성
- •기존 도구들이 제공하지 못한 '프로덕션 레디' 가치에 집중
- •에이전트에게 더 많은 자율성을 부여하여 성능 한계 돌파
09:04
프로토타입을 넘어 상용 앱 구축하기
단순히 프론트엔드 화면만 만드는 것이 아니라 백엔드, 데이터베이스, 보안, 호스팅이 통합된 전체 인프라를 제공한다. 에이전트가 코드를 작성하는 환경과 실제 앱이 실행되는 환경을 동일하게 구축하여 배포 시 발생할 수 있는 오류를 최소화했다. 이를 위해 Kubernetes 기반의 독자적인 컨테이너 기술 스택을 처음부터 직접 구축했다.
- •백엔드와 인프라가 포함된 풀스택 개발 환경 자동화
- •빌드와 배포 환경의 일치화를 통한 실행 안정성 확보
- •Kubernetes 기반의 독자적인 인프라 스택 구축 및 운영
18:21
라이브 데모: 앱 구축 시연
자연어 프롬프트만으로 팟캐스트 연습용 모바일 앱을 단 몇 분 만에 생성하고 배포하는 과정을 시연했다. 에이전트가 사용자에게 추가 질문을 던져 요구사항을 명확히 하고, API 키 설정 등 복잡한 과정을 대신 처리했다. 또한 내부적으로 사용하는 CRM 앱을 Emergent로 직접 만들어 사용하는 사례를 통해 플랫폼의 강력함을 증명했다.
- •자연어 프롬프트를 통한 모바일/웹 앱 즉시 생성 시연
- •에이전트의 능동적 질문을 통한 요구사항 구체화 프로세스
- •기존 SaaS(Asana 등)를 대체하는 내부용 맞춤형 앱 구축 사례 공유
24:40
소수 정예 팀 운영과 채용
인도 뱅갈로르와 미국 샌프란시스코에 거점을 두고 12명의 소수 정예 엔지니어로 운영된다. 모든 팀원이 매주 고객과 직접 소통하며 고객 지원 업무를 병행하는 '고객 공감' 문화를 유지하고 있다. 채용 시에는 문제 해결 능력과 주도성을 최우선으로 고려하며, 한 명의 엔지니어가 거대한 인프라 전체를 책임지는 구조를 지향한다.
- •12명의 엔지니어로 수백만 명의 사용자를 지원하는 고효율 구조
- •전 직원이 참여하는 주간 고객 소통 및 지원 프로세스 운영
- •인도와 미국의 기술 인재를 결합한 글로벌 개발 역량 확보
29:04
SaaS의 미래와 개인화된 소프트웨어
기존의 범용 SaaS 모델이 붕괴하고, 각 기업이나 개인에게 최적화된 맞춤형 소프트웨어 시대가 올 것이라고 예측했다. Emergent 사용자의 20%는 이미 에이전트 기능을 내장한 앱을 구축하고 있으며, 이는 소프트웨어가 단순한 도구를 넘어 자율적인 비서로 진화하고 있음을 보여준다. 결과적으로 소프트웨어의 가치는 '범용성'이 아닌 '개인화된 해결 능력'에서 나올 것이다.
- •범용 SaaS 솔루션의 쇠퇴와 개인화된 소프트웨어의 부상
- •에이전트 기능을 내장한 차세대 소프트웨어 구축 트렌드 확인
- •아이디어와 실제 소프트웨어 사이의 간극을 최소화하는 비전 제시
실무 Takeaway
- 상용 수준의 앱을 구축하려면 단순 코드 생성을 넘어 테스트, 디버깅, 배포 인프라가 통합된 멀티 에이전트 시스템이 필수적이다.
- 비개발자 사용자는 기술적 디테일보다 결과물의 완성도와 사용성에 집중하므로, 복잡한 설정을 추상화한 사용자 경험(UX) 설계가 중요하다.
- AI 모델의 발전 속도가 빠르므로 특정 모델에 종속되기보다, 여러 모델의 강점을 조합하고 에이전트의 자율성을 극대화하는 아키텍처를 갖춰야 한다.
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료