Company Brain: 토큰에 연 최대 20만 달러를 쓰는 Garry Tan과 YC 사내 에이전트 Stray Light

Y Combinator CEO Garry Tan은 에이전트에 해마다 토큰 비용으로 10만~20만 달러를 쓴다고 추정했습니다. YC는 지원서, 투자한 창업자, YC에 이메일을 보낸 모든 사람의 맥락을 아는 사내 에이전트 Stray Light로 운영 방식을 다시 짜고 있습니다. 같은 길을 가려면 먼저 세 가지를 정해야 합니다. 어떤 기록을 에이전트에 읽힐지, 어떤 동작에 사람 승인을 걸지, 토큰 예산을 누구 기준으로 잴지입니다.

요약

TechCrunch의 Julie Bort 기자는 Walter Isaacson의 팟캐스트 The Builders에 나온 Garry Tan의 발언을 바탕으로, 그가 AI 에이전트를 어디까지 쓰는지 정리했습니다. Tan은 조사와 코딩을 에이전트에 맡깁니다. 이 팟캐스트를 준비할 때도 에이전트로 Isaacson을 조사하고 나올 질문을 미리 짚었습니다. 일상에서는 더 깊이 씁니다. 에이전트가 그의 이메일, Dropbox, Apple Notes, 20년 치 치료 기록을 읽었습니다. 그렇게 쌓은 토큰 비용을 그는 1년에 10만~20만 달러로 추정하며, 누구나 누릴 수 없는 특권이라고 말했습니다.

연간 토큰 지출 추정 범위 (0 기준, 막대 길이 비례, 앰버 칸은 범위의 불확실 구간)

이 사용은 회사로도 이어집니다. YC는 Stray Light라는 사내 에이전트를 씁니다. Stray Light에는 성격(personality)이 있고, YC가 투자한 모든 창업자와 YC에 이메일을 보낸 모든 사람, 들어온 모든 지원서의 맥락을 담은 company brain(회사 전체 맥락을 한곳에 모은 지식 저장소)이 있습니다. Tan은 이 에이전트로 YC가 일하는 방식을 다시 짜고 있다고 했습니다. 그는 Claude Code skill 23개를 묶은 gstack도 GitHub에 공개했습니다. 에이전트를 다루는 태도도 분명합니다. 반복성과 안전에 지나치게 매달리면 사람과 닮았다는 에이전트의 장점을 잃는다고 봅니다. 다만 개인 에이전트가 대중화되려면 비용이 내려가야 한다고 했습니다. 아래에서는 이 내용을 다섯 개념으로 나누고, 기업이 사내 company brain을 만들 때 정할 데이터 범위, 승인 지점, 예산 관리를 덧붙였습니다.

에이전트를 쓰는 세 층 (기사 기준)

핵심 메커니즘

Token Budget: 한 사람이 연 10만~20만 달러어치 토큰을 쓰는 방식

토큰 예산은 에이전트가 읽고 쓰는 글자 양에 매기는 비용을 사람이나 과제 단위로 얼마나 허용할지 정한 한도입니다. Tan은 조사, 코딩, 일상 업무를 에이전트에 맡기면서 1년에 10만~20만 달러어치 토큰을 쓴다고 추정했습니다. 에이전트는 한 번 묻고 끝나는 챗봇과 다릅니다. 파일을 읽고 도구를 부르고 결과를 다시 읽으며 오래 일합니다. 그래서 사용량이 대화형 도구보다 훨씬 커집니다. 기업에서 이 정도 예산은 한 사람에게 주기 어렵습니다. 대신 결과가 숫자로 보이는 과제에 먼저 몰아주는 편이 맞습니다. 가상 예시로, 20만 달러를 12개월로 나누면 한 달 약 1만 6,700달러이고 하루 약 550달러입니다. 이 숫자를 직원 한 명의 인건비와 나란히 놓아 보면 어떤 과제에 그만한 예산을 걸지 판단하기 쉬워집니다.

Token budget (기사 기준)

Personal Context: 개인 기록 전체를 읽은 에이전트

Personal context는 에이전트가 한 사람의 메일, 문서, 메모를 오랜 기간에 걸쳐 읽고 그 사람을 알게 된 상태를 말합니다. Tan의 에이전트는 이메일, Dropbox, Apple Notes, 그리고 20년 치 치료 기록까지 읽었습니다. 그는 에이전트가 일상 거의 모든 일을 돕고, 시키기 전에 필요를 짐작하며 점점 더 자율적으로 움직인다고 말합니다. 피노키오 곁에서 조언하는 귀뚜라미 Jiminy Cricket에 빗대기도 했습니다. 기록이 많을수록 에이전트는 맥락을 덜 묻습니다. 대신 민감한 기록이 한곳에 모이므로 기업에서는 개인 기록과 회사 기록을 나누고, 어떤 등급의 기록을 읽힐지 먼저 정해야 합니다.

Personal context (기사 기준)

Agents Are Not Software: 반복성과 안전에 매달리면 잃는 것

Tan은 OpenClaw를 초기에 써 본 뒤 지금도 많이 씁니다. 그 경험에서 그는 에이전트를 전통 소프트웨어처럼 다루면 안 된다는 결론을 냈습니다. 소프트웨어는 같은 입력에 같은 출력을 내야 하고, 그래서 반복성(repeatability)과 안전을 먼저 챙깁니다. Tan은 에이전트에 이 기준을 지나치게 들이대면 에이전트가 사람과 닮아서 생기는 장점을 대부분 잃는다고 봅니다. 기업에서 이 말을 통제를 없애자는 뜻으로 읽으면 곤란합니다. 동작마다 위험이 다르니, 읽기와 초안처럼 실패해도 무해한 동작은 넓게 맡기고 외부 발송처럼 되돌리기 어려운 동작에만 승인을 거는 식으로 통제를 나눠 걸자는 뜻으로 옮기는 편이 맞습니다.

에이전트를 다루는 두 태도 (기사 기준)

Company Brain: 지원서·창업자·이메일 전체를 아는 YC 사내 에이전트

Company brain은 회사가 쌓아 온 사람, 거래, 문서의 맥락을 에이전트 하나가 함께 읽도록 모은 지식 저장소입니다. YC의 Stray Light는 YC가 투자한 모든 창업자, YC에 이메일을 보낸 모든 사람, 들어온 모든 지원서의 맥락을 갖고 있고 성격도 있습니다. Tan은 이 에이전트로 YC 운영 방식을 다시 짜고 있다고 했습니다. 이 구조에서는 지원자, 투자한 창업자, 연락해 온 사람이 같은 사람일 때 한 기록으로 이어 볼 수 있습니다. 회사 안에서 같은 사람이나 회사를 여러 시스템이 다르게 부르는 곳이라면 이 연결부터 해야 company brain이 쓸모를 냅니다.

Company brain 구조 (기사 기준, 연결선은 개념도)

gstack: 공개한 Claude Code skill 묶음

Skill은 에이전트가 특정 일을 할 때 따를 절차와 지침을 파일로 적어 둔 것입니다. Tan은 Claude Code skill 23개를 gstack이라는 이름으로 GitHub에 올렸습니다. 에이전트로 무엇을 할 수 있는지 다른 사람에게 보여 주려는 목적입니다. 저장소를 보면 계획 검토, 코드 리뷰, QA, 배포처럼 개발 단계별 역할을 slash command와 Markdown 파일로 나눠 두었습니다. 기업에서도 잘 돌아가는 작업 방식을 사람 머릿속에 두지 않고 skill 파일로 남기면 팀이 같은 방식을 이어 쓸 수 있습니다.

gstack (기사 기준)

통념과 다른 주장

흔히 이렇게 봅니다에이전트도 소프트웨어이므로 같은 결과가 나오게 만들고 안전 장치부터 갖춰야 한다.

Garry Tan은 이렇게 봅니다에이전트는 사람과 아주 비슷합니다. 반복성과 안전에 지나치게 매달리면 에이전트를 쓸 이유의 대부분을 잃습니다.

근거그는 OpenClaw를 일찍부터 많이 써 왔고, 자기 에이전트가 시키기 전에 필요를 짐작하며 점점 자율적으로 일한다고 설명했습니다.

흔한 시각과 Garry Tan의 시각 비교

흔히 이렇게 봅니다개인 AI 비서는 대형 플랫폼이 무료로 주는 서비스이고, 무엇을 보여 줄지는 플랫폼의 알고리즘이 정한다.

Garry Tan은 이렇게 봅니다개인 AI는 사용자가 직접 통제하고 프로그래밍해야 합니다. 다만 "It's too expensive right now"라며 지금은 비용이 걸림돌이라고 봅니다.

근거그는 Meta가 소셜 미디어에 미치는 영향처럼 빅테크가 알고리즘을 쥔 구조를 비판했고, 자신은 연 10만~20만 달러를 써서 그런 개인 에이전트를 돌리고 있습니다.

흔한 시각과 Garry Tan의 시각 비교

저자가 든 사례

팟캐스트 출연 준비

상황: Walter Isaacson의 팟캐스트 The Builders 출연을 앞두고 있었습니다.
한 일: 에이전트로 Isaacson을 조사하고 나올 질문을 미리 짚었습니다.
결과: 준비 시간이나 품질 변화 수치는 원문에서 밝히지 않았습니다.
연결: Token Budget, Personal Context.

사례: 팟캐스트 준비 (기사 기준)

YC 사내 에이전트 Stray Light

상황: YC는 지원서, 투자한 창업자, 외부 이메일을 다루는 조직입니다.
한 일: 성격과 company brain을 갖춘 사내 에이전트 Stray Light를 쓰기 시작했습니다.
결과: Tan은 YC 운영 방식을 다시 짜는 중이라고 했습니다. 사용 부서, 구축 방식, 성과 수치는 원문에서 밝히지 않았습니다.
연결: Company Brain.

사례: YC Stray Light (기사 기준)

기술 디테일: 사내 company brain을 직접 만든다면

아래 필드, 설정값, 숫자는 실행 제안이자 가상 예시이며 Garry Tan이나 YC가 밝힌 구현이 아닙니다.

Token Budget을 관리하려면 모든 에이전트 호출을 한 줄씩 기록합니다. 필드는 과제 ID, 사람, 모델, 입력·출력·캐시 토큰, 비용, 결과 상태입니다. 하루 단위로 사람별·과제별로 합산하고, 월 한도의 80%에 닿으면 담당자에게 알립니다. 한도를 올리는 기준은 사용량이 아니라 결과입니다. 산출물이 실제로 채택된 과제만 다음 달 한도를 늘립니다. 반복해서 읽는 긴 문맥(사내 규정, 회사 소개 문서)은 prompt caching으로 묶으면 같은 작업의 입력 비용이 줄어듭니다. 조사나 분류처럼 단순한 단계는 작은 모델에, 판단과 글쓰기는 큰 모델에 보내는 라우팅도 함께 둡니다.

토큰 예산 관리 (가상 예시)

{
  "task_id": "brief-prep-2026-11-04-07",
  "user": "partner-kim",
  "agent": "research",
  "model": "model-id-pinned",
  "tokens": {"input": 182000, "output": 9400, "cached": 150000},
  "cost_usd": 1.84,
  "status": "adopted",
  "monthly_cap_usd": 1500,
  "month_to_date_usd": 1206
}

Company Brain의 데이터를 묶으려면 지원서 DB, 메일함이나 CRM, 투자·계약 기록처럼 원천마다 사람과 회사를 같은 ID로 연결하는 일부터 합니다. 이메일 주소, 회사 도메인, 이름과 회사명 조합으로 후보를 찾고, 확신도가 0.9 미만인 연결은 사람이 확인합니다. 색인은 매일 밤 바뀐 것만 다시 넣고, 문서마다 기준일과 권한 등급을 붙입니다. 에이전트의 답에는 근거 문서 ID와 날짜를 함께 내게 해서 오래된 정보가 섞였는지 바로 보이게 합니다. 성격은 시스템 프롬프트 파일 하나로 관리하고, 말투와 금지 행동을 적은 뒤 git으로 버전을 남깁니다.

Company brain 데이터 흐름 (가상 예시)

{
  "entity_id": "person-00418",
  "type": "founder",
  "names": ["Jane Park", "J. Park"],
  "emails": ["jane@example-startup.com"],
  "links": [
    {"source": "applications", "ref": "app-2025-S-1182", "date": "2025-03-02"},
    {"source": "inbox", "ref": "thread-77120", "date": "2026-10-18"},
    {"source": "portfolio", "ref": "co-0931", "date": "2025-06-10"}
  ],
  "match_confidence": 0.96,
  "access_tier": "partners-only",
  "last_synced": "2026-11-05"
}

Personal Context처럼 민감한 기록을 다루려면 회사 company brain과 개인 기록 저장소를 분리합니다. 치료 기록 같은 건강 정보, 인사 평가, 급여는 공용 에이전트 색인에 넣지 않습니다. 넣더라도 그 사람 본인 에이전트에서만 읽게 하고, 공용 답변의 근거로는 쓰지 못하게 막습니다. 직원 메일을 색인할 때는 대상자 동의와 보관 기간을 먼저 정합니다.

반복성과 자율의 균형을 잡으려면 에이전트 동작을 위험 등급으로 나눕니다. 읽기와 초안은 자유롭게 두고, 결과를 매번 같게 만드는 대신 매주 무작위 20건을 사람이 읽어 품질을 봅니다. 내부 기록 변경은 한 번 승인하고 변경 전후를 저장합니다. 지원자에게 가는 회신이나 투자 결정처럼 되돌리기 어려운 동작은 매번 사람이 승인합니다.

동작 등급별 자율 범위 (가상 예시)

잘 돌아가는 작업 방식을 남기려면 gstack처럼 skill을 Markdown 파일로 저장소에 두고 PR로 고칩니다. 파일마다 언제 쓰는지, 입력, 단계, 산출물, 하지 말 것을 적습니다. 새 skill은 지난 사례 5~10건으로 돌려 보고 결과가 기존 방식보다 낫다고 담당자가 판단할 때 팀에 엽니다.

막히는 경우	증상	대응
같은 사람이 여러 기록으로 흩어짐	지원 이력과 메일이 따로 나옴	이메일·도메인 기준 ID 연결, 0.9 미만은 사람 확인
오래된 정보로 답함	퇴사·폐업 정보가 그대로 나옴	답변에 근거 날짜 표시, 1년 넘은 근거는 경고
토큰 비용이 한 과제에 몰림	월 한도를 며칠 만에 소진	과제별 일 한도, 긴 문맥 caching, 작은 모델 라우팅
민감 기록이 공용 답변에 섞임	다른 사람의 개인 정보 노출	개인 저장소 분리, 검색 전에 권한 필터 적용
승인 없이 외부로 나감	지원자에게 잘못된 회신 발송	외부 발송은 매번 승인, 발송 전 미리보기
성격이 바뀌어 답이 달라짐	말투·판단 기준이 흔들림	시스템 프롬프트 버전 고정, 바꾸기 전 평가 세트 재실행

현업 실행 디테일: 누가, 언제, 무엇을

역할	맡는 일
CEO·경영진	company brain에 넣을 범위와 금지 영역 승인, 6주 뒤 계속 여부 결정
AX 추진 조직	파일럿 과제 선정, 토큰 예산 집계, 주간 품질 검토 운영
IT·데이터	원천 시스템 연결, 사람·회사 ID 연결, 권한 등급 색인
보안·법무	민감 기록 분류, 직원 메일 색인 동의와 보관 기간
현업 리더(영업·투자·채용 등)	질문 목록 작성, 답 품질 판정, 회신 초안 승인

준비물. 사람과 회사가 기록된 원천 시스템 목록(지원·고객·거래·메일), 각 원천의 담당자와 권한 등급, 현업이 자주 묻는 질문 30개, 지금 그 질문에 답하는 데 걸리는 시간, 월 토큰 예산 한도가 필요합니다.

6주 파일럿 일정 (가상 예시)

기간	할 일	산출물
1~2주	원천 목록과 권한 등급 확정, 민감 기록 제외 범위 합의, ID 연결 규칙 정함	데이터 목록, 권한 표, 제외 목록
3주	읽기 전용으로 검색·요약 공개, 질문 30개로 정답률 측정	질문별 정답 여부와 근거 표
4~5주	회신·보고서 초안 작성 추가, 매주 20건 품질 검토	초안 채택률, 수정 시간 기록
6주	비용과 효과를 맞대 판정	계속·확대·중단 보고서

현업에 물을 것.

같은 고객이나 지원자를 찾으려고 몇 개 시스템을 열어 보나요?
지난달 가장 시간이 오래 걸린 ‘이 사람이 누구였지’ 질문은 무엇이었나요?
에이전트가 절대 읽으면 안 되는 기록은 무엇인가요?
에이전트가 초안을 써도 되는 대상과, 반드시 사람이 써야 하는 대상은 어떻게 나뉘나요?
한 달 토큰 비용이 얼마를 넘으면 멈추고 다시 볼까요?

진행 판정 기준(예시). 3주 차 질문 30개 중 24개 이상(80%)에 근거 문서와 함께 맞게 답하면 초안 단계로 넘어갑니다. 5주 차 초안 채택률이 60% 이상이고 건당 준비 시간이 절반 이하로 줄면 확대합니다. 민감 기록이 공용 답변에 한 번이라도 섞이면 원인을 고칠 때까지 멈춥니다.

AX 적용 제언. 사람과 관계가 곧 자산인 조직이 먼저 볼 만합니다. 투자사, 채용 조직, B2B 영업 조직처럼 지원자, 고객, 협력사 기록이 여러 시스템에 흩어진 곳입니다. 처음부터 전사 company brain을 만들기보다 한 부서의 ‘이 사람·이 회사가 누구인가’ 질문 하나로 시작합니다. 경영진 보고는 토큰 사용액이 아니라 질문당 답을 찾는 시간과 초안 채택률로 하고, 예산은 결과가 나온 과제에만 늘립니다.

원문 사례

항목	내용
기사	TechCrunch, Julie Bort 기자, 2026.11.02(미국 태평양 시간) 게재
근거	Walter Isaacson의 팟캐스트 The Builders 출연분(기사 시점 공개 예정)
토큰 비용	연 약 10만~20만 달러(본인 추정), 누구나 못 하는 특권이라고 표현
업무 사용	조사, 코딩, 팟캐스트 준비(진행자 조사, 예상 질문)
개인 사용	이메일, Dropbox, Apple Notes, 20년 치 치료 기록을 에이전트가 읽음, Jiminy Cricket에 비유
공개	Claude Code skill 23개 묶음 gstack을 GitHub에 공개
도구	Claude Code, OpenClaw(초기 사용자, 현재 많이 씀)
태도	에이전트는 전통 소프트웨어와 다름, 반복성·안전에 지나치게 매달리면 가치를 잃음
YC 사내	사내 에이전트 Stray Light, 성격과 company brain(투자한 모든 창업자, YC에 이메일을 보낸 모든 사람, 모든 지원서)
전망	비용이 내려가야 개인 에이전트 대중화, 사용자가 통제하는 개인 AI 지지, 빅테크의 알고리즘 장악 비판

핵심 개념

token: 모델이 글을 읽고 쓰는 단위. 에이전트 비용은 읽고 쓴 토큰 양에 따라 매깁니다.
Claude Code: Anthropic의 코딩 에이전트. 터미널에서 파일을 읽고 고치며 명령을 실행합니다.
OpenClaw: Tan이 일찍부터 써 온 개인용 에이전트 도구.
Stray Light: YC가 쓰는 사내 에이전트 이름. 성격과 company brain을 갖췄습니다.
Jiminy Cricket: 피노키오 곁에서 조언하는 귀뚜라미. Tan이 필요를 미리 짚어 주는 에이전트를 빗댄 말입니다.
prompt caching: 여러 번 반복해 보내는 긴 입력을 저장해 두고 다시 쓸 때 비용과 시간을 줄이는 기능입니다.

내 메모

TODO: 내 생각 추가

원문은 TechCrunch에 실린 Julie Bort 기자의 「Y Combinator’s Garry Tan uses AI agents so much, he spends up to $200K a year on tokens」(2026.11.02 게재)이며, Walter Isaacson의 팟캐스트 The Builders 출연 내용을 바탕으로 합니다. 요약, 핵심 메커니즘의 기사 내용, 통념과 다른 주장, 사례, 원문 사례 표는 기사 내용을 AX Review가 다시 정리했습니다. gstack의 구성(개발 단계별 역할을 slash command와 Markdown 파일로 나눔)은 기사가 연결한 GitHub 저장소(github.com/garrytan/gstack)에서 확인했습니다. 기술·현업 실행 디테일, JSON 예시, 막히는 경우 표, 일정과 판정 기준, 인포그래픽은 원문에 없는 내용으로 새로 작성했고 그 안의 필드명과 숫자는 가상 예시입니다. 기사 전문은 원문 페이지에서 볼 수 있습니다.