LLM-generated alpha hypotheses, filtered by an expected-value test, executed by a paper-trading bot.
맡겨두고 결과만 기다리는
코칭이 아닙니다
아이의 첫 창업 여정을, 매주 데이터로 직접 확인하세요.
첫 단계는,
무엇을 만들지 찾는 일입니다
만드는 건 쉬워졌습니다. 남은 건 무엇을 만들지에 대한 판단입니다. 지우는 고객 12명을 직접 만나 문제를 확인하고, YC 파트너처럼 묻는 AI 에이전트 스킬로 아이디어를 날카롭게 다듬습니다.
개발 전에,
어떻게 만들지 먼저 정의합니다
바이브코딩을 넘어, 실제 사용자가 쓰는 안전하고 확장 가능한 제품을 위한 필수 단계입니다. AI가 제안한 스펙을 지우가 한 줄씩 검토하고, 아니다 싶은 건 반려합니다. AI를 따라가는 게 아니라 지우가 리드합니다.
Claude Code로,
실제 엔지니어처럼 만듭니다
GitHub로 버전을 관리하고, Supabase로 백엔드를, Vercel로 배포합니다. AI-Native 엔지니어의 워크플로를 그대로 따라갑니다. 지우의 첫 제품은 같은 수준·같은 목표의 공부 친구를 찾아주는 서비스입니다.
개발은 시작일 뿐,
이제 고객에게 알립니다
첫 고객을 어디서 만날지 GTM 전략을 세우고 실행합니다. 레딧과 학교 디스코드에 같은 날 올려 반응을 비교하고(A/B 테스트), 숫자가 가리키는 곳에 집중합니다.
숫자로
증명합니다
인사이트는 판단의 근거가 되고, 올바른 판단은 숫자로 나타납니다. 우리 학교 540명에서 성장이 멈추자, 인근 학교로 넓히는 결정 하나로 곡선이 다시 오릅니다. 만드는 게 쉬워진 세상에서는 결과가 말합니다.
결과는,
다음 결과를 낳습니다
수많은 지원서 속에서, 직접 만들고 결과를 낸 지원자는 지우뿐입니다. 링크 하나로 제품, 고객, 숫자가 한 화면에 펼쳐집니다. 입시와 인턴 지원에서 압도적인 우위가 됩니다.
To do
Doing
Done
인터뷰 7/12가 “수준 차이”를 꼽았어. 만들기 전에 Claude Code의 AI 에이전트 스킬로 아이디어를 압박 테스트해 보자. YC 파트너가 묻듯이: “10배 더 좋은 버전은?” “누가 이걸 싫어할까?”
Find your study pace
Strong in algebra. Integrals and Series need work.
Suggested goal
Same level, same goal
Jiwoo Kim
Markets, math & AI. Applying to Financial Engineering. I turn hypotheses into products — and test them with real users and real data.
Study-mate matching for students at the same level, chasing the same goal.
A controlled study on Pace users — matched vs. unmatched, mock exam averages.
