Shopify의 React Native 포기, AI 보조금 및 스타트업 성장

테오는 4개 입력이 있는 700달러짜리 오디오 인터페이스에서 3개 입력과 더 적은 기능을 가졌지만 고급 음질을 제공하는 1,500달러짜리 Mix Pre3v2로 업그레이드했습니다. 이 변경에는 하드웨어 처리에서 OBS 내 소프트웨어 필터로의 전환이 포함되었습니다. 그는 새로운 마이크 설정으로 인해 잠재적으로 '더 가까운' 사운드 프로필이 발생할 수 있음을 인정했지만, 현재의 혼잡으로 인해 오디오 품질에 대한 명확한 평가는 어려웠습니다.

그는 DHH의 현재 목표에 대한 비판이 지나치게 비관적이라고 보며, 다른 정치적 견해를 가진 개인들 간의 협력이 여전히 상당한 가치를 창출할 수 있다고 주장합니다. 예를 들어, 테오는 오마리 팀의 라이언과 T3 코드를 통합하기 위한 현재 진행 중인 작업을 언급했습니다.

테오는 스타트업 성장에 대한 엄격한 규칙을 옹호합니다. 즉, 회사는 전년 대비 규모를 두 배 이상 늘려서는 안 됩니다. 그는 공격적인 과도한 고용이 회사 문화를 희석시키고 전략적 초점을 잃게 만드는 경우가 많다고 주장합니다. 그는 과도한 고용의 실수를 깨달은 후 퇴직 패키지를 제공하여 방향을 수정한 창업자에 대한 일화를 공유했습니다. 테오는 과도한 고용을 자금 지원이 잘 된 스타트업이 저지르는 가장 흔한 실수로 봅니다.

그는 OpenAI의 목표는 스파이 활동이 아니라 풀리지 않은 수학 문제를 해결하는 데 필요한 컴퓨팅 자원을 결정하는 것이었을 것이라고 가정합니다. 그는 언급된 해결된 문제가 수학자의 주장과 다르다는 점을 강조했습니다. 테오는 OpenAI에 대한 비판자들이 그들의 편견 때문에 판단력을 흐리고 있다고 비판했습니다.

그는 강력한 배포력과 명성을 가진 개인들이 일반적으로 신기술에 더 큰 관심을 보인다고 설명했습니다. 이는 프로젝트가 매력적인 기술을 제공한다면, 대규모 플랫폼을 가진 핵심 개발자들을 설득하여 상당한 견인력을 얻을 수 있으며, 이는 효과적으로 승수 역할을 한다는 것을 의미합니다. 테오는 또한 프로젝트가 자신이나 비슷한 인물들에게 깊은 인상을 주지 못한다면, 그들의 각 잠재 고객에게 도달하기 어려울 것이라고 주장했습니다.

그는 신뢰할 만한 인센티브나 증거가 부족하기 때문에 '민주당이 이것을 후원하고 있다'는 주장을 일축했습니다. 테오는 안전 문제로 인해 회사를 떠나는 것은 정치적 움직임이 아니라 논리적인 경력 결정이라고 설명했습니다. 그는 대중의 편집증과 비판적 사고 부족에 대한 좌절감을 표명했습니다.

Shopify는 React Native에서 벗어나 상당한 투자를 한 후 네이티브 코드(Swift 및 Kotlin)로 돌아가기로 결정했다고 발표했습니다. 이 전략적 전환은 주로 대규모 언어 모델(LLM) 및 코딩 에이전트의 변화하는 환경에 의해 주도되며, 이는 네이티브 개발의 비용 역학을 크게 변화시켰습니다. 한때 큰 장애물이었던 플랫폼 동등성을 유지하는 것은 이제 고급 에이전트 지원으로 인해 덜 어려워졌습니다. Shopify의 선택은 크로스 플랫폼 프레임워크와 네이티브 기능 간의 변화하는 절충점을 강조합니다.

Shopify가 2020년에 React Native를 채택하기로 한 초기 결정은 주로 다른 플랫폼을 위해 기능을 두 번 구축하는 비효율성을 피하기 위함이었습니다. 그러나 대규모 언어 모델(LLM)의 등장은 이 핵심 가정을 근본적으로 변화시켰습니다. LLM은 이제 여러 플랫폼에서 구현 및 테스트를 효과적으로 처리하여 에이전트 지원을 통해 네이티브 코드베이스 유지 관리 비용을 크게 절감합니다. 테오는 이 새로운 패러다임 내에서 Shopify의 복잡성 및 시뮬레이터 테스트에 대한 내부 접근 방식을 비판적으로 검토했습니다.

기존 네이티브 빌드는 느리고 비싼 업데이트 프로세스가 필요하지만, OTAA는 앱 재제출 없이 빠른 버그 수정 및 임시 UI 변경까지 가능하게 합니다. 그러나 Apple과 Google은 일반적으로 이 방법을 통한 무단 기능 업데이트를 권장하지 않습니다.

Expo가 없으면 많은 개발자들이 유사한 기본 도구를 재구축하게 되어 비효율성을 초래합니다. Expo는 우수한 개발자 클라이언트 지원을 제공하고 웹 기반 반복을 용이하게 하여 빌드 프로세스와 네이티브 개발을 간소화합니다. 테오는 Shopify가 Expo 채택을 생략한 것이 React Native 개발의 전반적인 효율성을 저해했을 가능성이 높다고 제안했습니다.

테오는 평균적인 React Native 개발자의 기술 수준이 평균적인 네이티브 개발자보다 낮다고 주장했으며, 이를 논쟁의 여지가 없는 "사실"로 간주했습니다. 그는 이를 네이티브 개발이 본질적으로 더 어렵기 때문에 더 경험 많은 전문가들을 끌어들인다는 인식 때문이라고 설명했습니다. React Native의 낮은 진입 장벽은 접근성을 민주화하지만, 종종 불충분한 이해나 모범 사례로 인해 개발자가 저지르는 오류인 더 빈번한 "풋건"을 초래합니다. 결과적으로 React Native 팀의 평균 기술 수준은 순수 네이티브 개발 팀보다 낮은 경우가 많으며, 이는 기술적 인기가 개발자 품질과 반드시 비례하지는 않음을 나타냅니다.

테오는 대규모 언어 모델(LLM)을 사용하여 React Native 애플리케이션을 Swift로 포팅하는 것은 빠를 수 있지만, 종종 새로운 오류를 발생시킨다고 지적했습니다. 그는 SwiftUI가 네이티브임에도 불구하고 React Native에서 발견되는 것과 유사하게 자체적인 문제와 '거친 부분'을 가지고 있다고 강조했으며, 특히 목록 구현과 관련하여 그렇다고 말했습니다. 네이티브 코드가 일반적으로 더 나은 백그라운드 데이터 처리를 제공하지만, 네이티브 탐색과 React Native 탐색의 주관적인 '느낌'은 개발자들 사이에서 논쟁의 여지가 있는 부분으로 남아 있습니다.

그는 React Native가 React보다 구축하고 유지 관리하는 데 훨씬 더 복잡하다고 강조했습니다. 그러나 메타의 상당한 투자는 고품질 네이티브 경험을 성공적으로 조성하여 더 넓은 범위의 일반 개발자들이 접근할 수 있게 했습니다.

Google은 Microsoft 자체보다 Windows를 애플리케이션 개발자를 위해 최적화하는 데 더 많은 시간과 자원을 투자했습니다. 이러한 노력은 Windows용 Google Earth와 같은 애플리케이션을 개발하는 동안 Windows 개발에 대한 Google의 불만에서 비롯되었으며, 이로 인해 웹 기반 플랫폼을 우선시하게 되었습니다. 대조적으로 Microsoft는 VS Code 및 Teams와 같은 핵심 애플리케이션에 Electron에 크게 의존하고 있으며, 이는 데스크톱 네이티브 개발을 위해 웹 기반 플랫폼을 포기하는 것이 성능 연구에서 상당한 손실을 초래하는 더 넓은 산업 추세를 보여줍니다.

그는 2018년부터 2020년까지의 데이터를 제시하며, 배치당 최소 3개 회사에 투자한 초기 단계 YC 투자자 하위 25%도 여전히 자금을 세 배로 늘렸다고 밝혔습니다. 같은 기간 동안 최고 성과를 낸 YC 투자자들은 초기 투자액의 15배에 달하는 수익을 달성했습니다. 결과적으로 테오의 재무 관리자들은 유동 현금을 YC 회사에 할당할 것을 권장합니다.

반대로 a16z의 파트너 중 누구도 창업자가 아닙니다. 그들은 경력 투자자입니다. A16z는 일반 펀드로 운영되며 주로 시리즈 A 및 이후 단계 투자에 중점을 두며, 종종 SAFE(미래 지분 단순 합의서) 대신 지분을 요구합니다.

그의 추천 전에 가격이 두 달 동안 안정적으로 유지되었으며, 이는 그의 트윗으로 인해 30% 증가했음을 나타냅니다. 그는 대체 제품을 찾을 의도를 밝혔지만, 자신의 재고를 확보할 때까지는 비밀로 할 것이라고 말했습니다.

테오는 소비자 AI 구독 계층 내에서 상당한 차익 거래 기회를 밝혔는데, 여기에서 포함된 토큰의 가치가 구독 비용을 훨씬 초과합니다. 예를 들어, 200달러짜리 Claude 구독은 약 8,000달러 상당의 토큰 추론 가치를 제공하며, 200달러짜리 Codeex 구독은 약 12,000달러 상당의 추론 가치를 제공합니다. 테오는 데이터 공유를 비활성화한 개인 구독이 대부분의 목적에서 팀 계정과 기능적으로 동일하다고 주장했습니다. 그는 사용자가 이러한 개인 구독 차익 거래를 활용하지 않는다면 직접 API 지출을 '돈을 버리는 행위'로 분류했습니다.

테오는 오래된 모델용으로 설계된 스킬이 너무 자주 트리거되고 컨텍스트 관리 실험이 실패하는 버그가 있었음을 언급했습니다. 그는 또한 잘못 구성된 엔진으로 인해 트래픽이 오래 지속될 때 측정 가능한 품질 저하가 발생하는 문제도 강조했습니다. 리셋 메커니즘은 적립된 리셋과 즉시 리셋을 포함하며, 기업 사용량이 일반적으로 감소하는 금요일과 토요일에 더 자주 리셋이 발생합니다.

이 새로운 방법론은 AI를 활용하여 초기에는 고려되지 않았을 수 있는 잠재적인 지름길이나 대안 솔루션을 식별하는 것을 목표로 합니다. 그는 AI가 깊이 있는 지적 투자를 하기 전에 간단한 해결책이 존재하는지 판단하는 데 도움을 주어, AI가 아직 해결할 수 없는 문제에 인간의 인지 자원을 자유롭게 할당하는 것이 목표라고 강조했습니다. 이 전략에는 핵심 사고 과정이 아닌 실행을 외주화하는 것이 포함됩니다.

그는 '연결 해제' 기능이 모호하다고 생각했으며, 시스템에서 기기를 영구적으로 삭제하는 명확한 방법을 제공하지 않는다고 지적했습니다. 그는 토글 또는 영구 삭제 메커니즘을 포함하는 더 직관적인 UI 디자인의 필요성을 제안했습니다.

테오는 AI 에이전트가 멀웨어를 설치한다는 우려에 반박하며, 인간의 실수가 훨씬 더 큰 위협이라고 주장했습니다. 그는 에이전트 기반 멀웨어를 두려워하는 사람들이 에이전트의 악성 잠재력을 과대평가하고 자신의 실수 가능성을 과소평가하고 있다고 제안했습니다. 그의 주장은 에이전트가 멀웨어를 설치하는 것을 걱정한다면 인간 사용자가 그러한 사건의 더 가능성 있는 원천이라는 것을 의미합니다.

그는 API 요청이 신뢰성을 보장하기 위해 다양한 데이터 센터에 걸쳐 캐시 데이터의 글로벌 팬아웃을 필요로 하며, 이는 광범위한 쓰기 작업으로 인해 비용이 많이 드는 작업이라고 가정합니다. 대조적으로, 그는 Codeex와 같은 플랫폼을 통한 로그인 세션의 경우 캐시 쓰기가 단일 연결로 지역화될 수 있으므로 오버헤드를 줄이고 효율성을 향상시킬 수 있다고 추측합니다.