Hacker News • 55일 전

하이퍼(Hyper): AI 에이전트를 위한 기업 지식 브레인

IMP

7/10

핵심 요약

YC P26 배치의 스타트업 Hyper(하이퍼)는 기업 내부에 흩어져 있는 정보를 연동해 AI 에이전트의 업무 능력을 극대화하는 '기업용 공유 브레인'을 개발했습니다. 단순한 문서 연동을 넘어, 기업의 의사결정 맥락과 고유한 업무 스타일 등을 AI가 메타 추론을 통해 학습하여 장기적이고 복잡한 자동화 작업의 병목 현상을 해결합니다. 결과적으로 개발자와 실무자들은 반복적인 정보 탐색 작업을 줄이고 핵심 업무에 집중할 수 있게 됩니다.

번역된 본문

안녕하세요 해커뉴스(HN) 여러분, 저는 10년 넘게 함께 해킹해온 절친 셰일린(Shalin)과 케니스(Kanyes)입니다. 지금은 Hyper(https://heyhyper.ai/)의 창업자가 되었습니다. Hyper는 회사 내부에서 흐르는 정보에 연결되어 AI 에이전트와 자동화를 더욱 똑똑하게 만들고, 궁극적으로 사람들의 시간을 아껴주는 공유된 '기업용 브레인(company brain)'입니다.

현재 AI 모델은 (대부분의 경우) 장기적이고 복잡한 작업을 수행할 수 있을 만큼 충분히 뛰어나졌습니다. 우리는 지금의 병목 현상이 '모델의 성능'이 아니라, 회사에 대한 맥락 정보 부족에 있다고 생각합니다. 이 중요한 정보들은 직원들의 머릿속, Slack 스레드, 업데이트되지 않은 낡은 문서, 그리고 AI와의 반복적인 대화 속에 흩어져 있습니다.

최근 주목받는 MCP(Model Context Protocol)는 에이전트에 일부 정보를 제공하는 데 유용하지만 몇 가지 문제가 있습니다. (1) 세션이 종료되면 얻었던 통찰력도 사라집니다. 그 결과 매번 전체 문서를 복사해서 붙여넣거나 AI에게 드라이브(Drive)를 뒤지라고 지시해야 하므로 근본적인 효율성 증가는 기대하기 어렵습니다. (2) MCP가 작동하더라도 수집하는 정보가 포괄적이지 않습니다. 사람들은 화이트보드에서 결정을 내리고, 소리 내어 브레인스토밍을 하며, Slack에 조금 남기고 나머지는 문서에 끄적이는 식이기 때문에, 결국 에이전트는 불완전한 정보를 바탕으로 작업하게 됩니다. (3) 설령 에이전트가 모든 정보를 가지고 있다 하더라도, 훌륭한 작업을 수행하는 데 필요한 '메타 추론(meta-reasoning)'을 하지 못합니다. Notion 문서를 복사해 넣는다고 해서, AI가 여러분의 디자인 취향이나 글쓰기 스타일을 알지 못하며, 어떤 결정이 왜, 언제 내려졌는지도 스스로 파악하지 못합니다.

5년 전 대학생 시절, 우리는 '생각의 도구(tools-for-thought)' 열풍에 빠져들며 Notion, Obsidian, Roam, Anki 등의 파워 유저가 되었고, 나만의 '제2의 뇌(second brain)'를 구축하는 것을 굳게 믿었습니다. GPT-3.5가 나온 후, AI가 실제로 이 제2의 뇌를 읽을 수 있다면 얼마나 강력해질까 깨달았습니다. 그러면 AI가 갑자기 우리의 배경, 취향, 선호도를 알게 되어 완전히 새로운 능력을 발휘할 수 있게 될 테니까요. 바로 그것이 우리가 Hyper를 만드는 '이유'입니다.

우리는 이 제품이 모든 사람을 위한 것은 아니라는 걸 잘 알고 있습니다! 하지만 최첨단 기술의 가장 앞장서고 싶은 분들을 위해 준비했습니다. (이하 생략)

원문 보기

원문 보기 (영어)

Hey HN, we’re Shalin & Kanyes, best friends who've been hacking together for 10+yrs, and now founders of Hyper (<a href="https://heyhyper.ai/">https://heyhyper.ai/</a>). Hyper is a shared “company brain” that plugs into information flowing inside a company to make AI agents and automations better and ultimately save people time.Models have gotten good enough that they can (mostly) take on long-horizon, complex tasks. We believe the bottleneck now is that these smart-enough models often lack information about your company, which is scattered in people's heads, Slack threads, stale docs, and in back-and-forth convos with AI.MCP is useful for getting some info in front of an agent, but there are problems: (1) Once the session dies, so does the insight, so instead of copy-pasting a whole doc each time you're telling the agent to dig through Drive each time - not much of a win; (2) Even when MCP works, what it gathers isn't comprehensive, because people decide things on a whiteboard, brainstorm out loud, post a little in Slack, and scribble the rest in a doc, which leaves the agent working from partial information; (3) And even if it had everything, it doesn't do the meta-reasoning required to do a great job. If you paste in a Notion doc and it won't learn your design taste or your writing style unless you tell it to, and it won't know why a decision was made or when.As undergrads 5 years ago, we were into the tools-for-thought wave and became power users of Notion, Obsidian, Roam, Anki, real believers in building a second brain. After GPT-3.5 came out we started to realize how much more powerful that second brain could be if an AI could actually read it, because suddenly it would know our backstory, our taste, our preferences, and unlock genuinely new capabilities. That’s why we’re building Hyper.We know it’s not for everybody! But for people who do want to be on the cutting edge, t

에이전트 지식관리시스템 MCP 자동화 생산성