TECH 으로 돌아가기
TECH HACKER NEWS 6분 읽기 22 READS

카르파시의 '해커튜브': AI 에이전트로 2시간 만에 만든 유튜브 대안

카르파시의 '해커튜브': AI 에이전트로 2시간 만에 만든 유튜브 대안
SOURCE IMAGE · HACKER NEWS

금요일 밤 11시, 피곤한 상태로 유튜브를 열었더니 과장된 썸네일과 뻔한 추천, 질 낮은 콘텐츠로 가득한 화면이 기다리고 있었다. 이 경험을 출발점으로 한 명의 개발자가 다음 날 아침에 만든 결과물이 hackertube.org다. 글이 올라온 블로그 주소(karpathy.bearblog.dev)로 보아 안드레이 카르파시의 작업으로, 그는 "일반적인 인터넷 사용자에게는 추천 알고리즘이 잘 작동하겠지만 내게는 전혀 맞지 않는다"는 문제의식에서 출발해 유튜브를 대체할 자신만의 서비스를 직접 만들었다.

핵심 아이디어는 단순하다. 유튜브의 추천 알고리즘을 믿는 대신, 해커뉴스(Hacker News) 사용자들이 댓글에서 실제로 추천했던 영상만 모아 보여주는 것이다. 알고리즘이 참여도(engagement)를 극대화하도록 설계돼 자극적인 콘텐츠를 밀어 올리는 구조라면, 기술 커뮤니티 구성원들이 자발적으로 언급한 영상 목록은 성격이 전혀 다른 큐레이션이 된다. 결과물은 2007년부터 2026년까지 해커뉴스에서 추천된 6,454개의 유튜브 영상이며, 150개 주제로 분류돼 있다.

사람이 아니라 에이전트가 만든 파이프라인

주목할 부분은 결과물 자체보다 그것을 만든 방식이다. 글쓴이는 "Opus 5.5"라고 부른 AI 코딩 에이전트에게 작업을 맡겼고, 에이전트는 해커뉴스의 전체 댓글을 내려받아 1차로 걸러낸 뒤, 그 위에 Sonnet 모델을 돌리는 워크플로를 구성해 스팸과 저품질 콘텐츠를 제거했다. 이 과정을 거쳐 유튜브 영상을 추천하는 댓글 약 4만 개로 좁혔고, 여기서 다시 6,454개의 영상 목록을 뽑아냈다. 데이터 수집, 대규모 필터링, 모델 기반 분류, 유튜브 스타일 UI 구현, 도메인 확보, VPS 배포와 보안 설정 및 최적화까지 전 과정이 약 2시간 만에 끝났다고 한다.

이 대목이 한국의 실무자에게 던지는 함의는 분명하다. 데이터 파이프라인 구축과 풀스택 배포가 결합된, 예전 같으면 며칠짜리 사이드 프로젝트였을 작업을 한 사람이 에이전트에게 지시만으로 반나절도 안 되는 시간에 완성했다는 점이다. 단순한 코드 자동완성 수준이 아니라, 외부 데이터를 수집하고 여러 모델을 조합해 처리하는 멀티스텝 워크플로를 사람이 세부 구현을 거의 손대지 않고 끝까지 끌고 갔다는 것이 핵심이다. 아이디어와 배포 사이의 거리가 급격히 줄어드는 흐름을 보여주는 구체적 사례다.

'엔시티피케이션'에 대한 기술적 반작용

배경에는 플랫폼 품질 저하를 가리키는 '엔시티피케이션(enshittification)' 논의가 깔려 있다. 추천 시스템이 개별 사용자의 취향보다 플랫폼 지표를 우선하면서, 전문성 있는 사용자일수록 피드가 쓸모없어진다는 불만이다. 해커튜브는 이에 대한 하나의 응답으로, 알고리즘 추천을 사람의 명시적 추천 기록으로 대체한다는 발상이다. 이는 최근 여러 커뮤니티에서 나타나는 '사람이 큐레이션한 작은 인덱스' 지향과 맞닿아 있으며, 참여도 최적화 피드에 대한 피로를 기술적으로 풀어보려는 시도로 읽을 수 있다.

다만 이 접근에는 분명한 한계가 있다. 추천 출처가 해커뉴스라는 특정 커뮤니티이기 때문에 결과 목록은 그 집단의 관심사와 편향을 그대로 물려받는다. 일반 사용자에게 보편적으로 좋은 추천이라기보다 특정 성향에 최적화된 큐레이션에 가깝다. 또한 6,454개라는 숫자는 유튜브의 방대한 카탈로그에 비하면 극히 작은 규모이고, 2007~2026년 댓글을 모은 정적인 목록이므로 시의성 있는 콘텐츠나 실시간 발견 경험을 제공하기 어렵다. 영상 자체는 여전히 유튜브에 호스팅돼 있어 플랫폼 의존에서 완전히 벗어난 것도 아니다.

그럼에도 이 프로젝트가 의미 있는 이유는 결과물의 완성도보다 방법론에 있다. 마음에 들지 않는 서비스가 있을 때, 거대 플랫폼의 대안을 혼자서 하룻밤 사이에 시제품으로 만들어낼 수 있는 시대가 됐다는 점이다. 데이터 수집부터 배포까지의 전형적인 과정을 AI 에이전트에게 위임하는 패턴은 팀 내부의 작은 도구나 큐레이션 서비스를 빠르게 검증하려는 실무자에게 바로 참고가 된다. 중요한 것은 에이전트가 무엇을 자동화해 주느냐가 아니라, 사람이 어떤 품질 기준과 데이터 출처를 선택하느냐라는 판단의 몫이 오히려 더 커진다는 사실이다.

SOURCE · HACKER NEWS
원문 전체 보기 → https://karpathy.bearblog.dev/hacker-tube/
SHARE
NEXT · CHOOSE

변화를 읽었다면,
내가 만들 수익 구조를 고릅니다.

정보를 더 모으는 데서 멈추지 않고, 광고·외주·판매·중개·구독 중 내 상황에 맞는 출발점을 정해보세요.

21가지 수익 구조 살펴보기 →
처리 중...