The current state of AI agents, while exciting in concept, often falls short in execution. Das explains the fundamental mathematical challenge inherent in complex workflows: “If we think of a 10-step, 20-step or 50-step workflow, even if the accuracy at each step is like 90%, the 10% error rate compounds very quickly.” This means a seemingly robust 90% accuracy per step can quickly lead to an overall success rate that is “quite low” for any multi-stage task. The technology, he asserts, is simply “not there yet to do long horizon workflows.”

What truly irks Das, however, is not just the technical limitation, but the industry’s growing “tolerance for non-determinism and low reliability in shipping products.” He pushes back vehemently against this “normalization of slop,” especially for agentic products. For Das, a product that requires multiple attempts to succeed isn’t a product; it’s a frustrating prototype. He firmly believes that “if it’s not good enough to work on the first try, it’s not good enough.” This “first-try imperative” is the bedrock of Yutori’s philosophy.

Abhishek Das’s journey to co-founding Yutori is rooted in a deep-seated curiosity and a rebellious spirit. Hailing from a family of doctors, his aversion to blood quickly steered him away from medicine. Instead, he found his calling in engineering, captivated by “the scientific process and method” – the whole life cycle of coming up with hypotheses, designing experiments to validate or invalidate them, drawing conclusions, and then formulating the next set of hypotheses. “I think that is a very neat sort of process and method. I found that really inspiring,” he recounts.

His time at IIT Rurki was transformative. Initially enrolled in electrical engineering, he soon realized his true passion lay elsewhere. “That was sort of the first major sort of rebellious streak in me,” he recalls, describing how he decided to stop paying as much attention to electrical engineering and instead spent his time learning programming and building software. The vibrant programming club and culture at IIT Rurki, particularly a group called SDS Labs, became his crucible. There, a small group of “10-15 coders” were constantly “tinkering and hack building a ton of applications for the internet for the rest of the campus.”

Watching users interact with his creations – “building something from scratch and putting it out there and seeing how users interact with I think that was like a dopamine hit that kept like sort of fueling this.” This early exposure to user-centric development, fueled by late nights and shared obsession with like-minded peers, ignited a lifelong ambition to build something of his own. He had considered it at the end of his undergrad and PhD, but “for various reasons didn’t end up doing it. So, it was just a matter of time.” He wanted to “push on that vision that I care about as opposed to working on somebody else’s vision.”

That vision is nothing less than a complete reimagining of our digital interactions. “Over the last two or three decades, web browsers by and large have stayed the same,” Das observes. “There is an opportunity now to reimagine what that experience looks and feels like.” Yutori envisions a future where we interact with “AI assistants that take actions and complete tasks on users behalf on the web,” often proactively in the background. Das believes “digital agents will become a reality” sooner than physical ones, allowing us to interact with the web at a “slightly higher level of abstraction.”

This isn’t about AI replacing humans, but about “humans and agents working together to overall improve productivity.” By delegating “all the mundane stuff to AI assistants, AI agents on our behalf,” we can “focus on tasks and stuff that’s more meaningful, that’s more interesting to us.” Crucially, it’s also about accessibility. “My parents for example no longer have to learn every new website and how to operate it,” he illustrates. “If they can just tell an assistant that this is what I want to do on this particular website and it does it for them reliably, then that’s awesome.”

The path to reliable agents, however, is fraught with challenges. The very nature of agents – making a “sequence of decisions” – means that even small errors can derail an entire workflow. Yutori’s solution isn’t just about preventing errors, but about gracefully recovering from them. “Being able to recognize when it makes mistakes and backtrack from that to then go down a different branch is really, really important.”

This commitment translates into rigorous “evals and guardrails.” Every single production query that a user runs goes through a “fairly comprehensive set of evals” that lets Yutori “quickly identify where these agents are doing well versus not, which domains need more work and so on.” The web’s dynamic nature means agents will never be trained on every single website out there. “It is very natural to expect models to also make mistakes,” Das admits. The key, he reiterates, is the agent’s ability to “recognize and then backtrack and correct itself to do the right thing” when faced with an unfamiliar scenario.

Das’s disdain for “the normalization of slop and non-determinism and poor reliability” is a core tenet of Yutori’s development philosophy. They are not just building features; they are engineering trust.

In a world where generative AI makes it “very easy to come up with first prototypes” using coding LLMs, Das argues that “the true differentiator is in taste and craft – in how intuitive and well-designed the product is.” This goes beyond simply fulfilling user requests.

Yutori adopts an 80/20 approach, prioritizing features based on user feedback but also relying heavily on intuition to identify unspoken needs. “Very often there are ways to build product that users may not be asking for,” he says, “but if you built it… then users feel seen and they feel like oh this is someone who is listening to us.” He offers the example of two-factor authentication auto-fill on mobile phones. “It is hard to imagine like a user asking for that feature. But it saves a few seconds multiple times a day for people all across the world.” These “tiny paper cuts,” he explains, are where thoughtful design truly shines, making users “feel seen.”

To cultivate this “taste” and “craft,” Yutori rigorously “dogfoods” its own product. Weekly sessions are dedicated to testing new features internally, with only a fraction making it to external users. This constant internal refinement builds the “muscle” for discerning what “awesome or magical feels like.” It’s “a lot of reps to build that muscle,” he notes.

Das also champions the concept of “proof of work” in AI. Referencing his involvement in the highly cited Grad-CAM project – which helped visualize what deep learning models “look at” to make predictions – he emphasizes the importance for models to convey “not just the final prediction or the final answer, but also the proof of work: what are the steps that went into coming up with this final prediction or the final answer.”

Yutori integrates this philosophy directly into its product. When an agent (or “scout”) monitors the web and generates a report, users can “inspect the work that went in in behind the scenes” – seeing which websites were visited and what information the agent actually looked at to pull out a piece of information. This transparency, he stresses, is “very, very important for trust building for users to be able to trust that yes this is a reliable product.”

For Das, trust is earned through meticulous attention to detail, both visible and invisible. “If we put attention to detail into parts of the product that users can see, then the user is more likely to trust the parts of the product that they cannot see.” This philosophy underpins Yutori’s commitment to “build something meaningful, to build something right, to bring a vision of the future to life and building like delightful and reliable product experiences. It doesn’t just appear out of nowhere.” It takes time, hard work, and an unwavering dedication to getting it right every single time.

In a world saturated with AI demos that promise much and deliver little, Abhishek Das and Yutori are charting a different course. Their “first-try imperative” isn’t just a product development rule; it’s a foundational principle for an AI-powered future built on trust, reliability, and genuinely intuitive experiences. As AI agents increasingly weave into the fabric of our digital lives, Yutori aims to ensure they are not just smart, but consistently dependable – transforming mundane digital chores into seamless, invisible assistance.

The challenge of creating high-fidelity prototypes is particularly acute for data-heavy products like Stripe’s dashboards. Imagine the sheer effort involved in prototyping a data dashboard in traditional tools like Figma: accounting for all interactions, filters, multiple states (zero data, a bunch of data, error states), internationalization (how does it look in Dutch?), or different business models (startup vs. enterprise). Owen highlights this pain point vividly: “It is nearly impossible to do that in Figma.” Designers would spend countless hours manually duplicating components, faking data with “10 xxx” placeholders, and creating static screenshots for every possible scenario.

This manual, labor-intensive process not only slowed down the design cycle but also limited the scope of exploration. Designers were often forced to present isolated JPEGs or simplified flows, making it difficult for stakeholders to grasp the full user journey or the nuances of dynamic data. The absence of interactive prototypes meant feedback often focused on static visuals rather than functional experience, leading to superficial discussions.

Owen Williams, with his engineering background, approached this problem pragmatically. He envisioned a system that could lower the barrier to entry for designers while ensuring prototypes adhered to Stripe’s exacting quality standards. The solution was Protodash, an internal prototyping tool that leverages a bundle of Cursor rules, React components, and Stripe’s proprietary design system, “Sale.”

The first iteration of Protodash was a basic setup: a router, Sale components, and an integration with Stripe’s internal MCP (Managed Component Platform) server. The core innovation, however, lay in the “bundled rules” fed to LLMs like Cursor (or Claude Code, as mentioned in the transcript). These rules taught the AI how to interpret design requests, prioritize Stripe’s design system, and avoid common pitfalls like generating generic Tailwind styles. For instance, if a user pasted a Figma link, the AI was instructed to check the Sale MCP server before writing any code. This ensured that the generated prototype was built from Stripe’s established building blocks, not generic elements.

The result was transformative. “It gets you there like 90% of the way most of the time,” Owen explains. Designers, who are “high craft,” could then refine the remaining 10%. The impact on design reviews was immediate: “It’s so convincing that I’m like, is this the real product or am I looking at like something fake?” This level of realism, achieved rapidly, meant stakeholders could interact with prototypes that felt indistinguishable from the live product.

Initially, Protodash ran locally, requiring designers to “npm run dev.” However, Stripe’s sophisticated “devbox” infrastructure elevated the experience further. Devboxes are cloud-based development environments that can be spun up in minutes, pre-configured with all necessary tools and dependencies. Now, designers could simply navigate to a URL, and a devbox instance of Protodash would be ready to go, eliminating the need for local setup or managing a large monorepo. This “no npm required” magic was a game-changer, especially for designers who might not have the same powerful machines as engineers.

Building on this, Owen developed “Protodash Studio,” an extra layer that transformed Protodash into a browser-based “vibe coding platform.” This studio environment allows users to interact with the LLM directly within their browser, without needing to open a separate coding editor. Users can manage their prototypes, view a “vibe prototyping feed” for inspiration, and even remix others’ prototypes. The most compelling feature is the embedded LLM, where a user can simply type a request—like “I want to add a new variant of my prototype where there chat a line chat”—and the AI will build it entirely in the browser.

Owen admits much of Protodash Studio was built through an iterative process of “yelling at Claude Code for 18 months,” leveraging his engineering background to guide the AI’s architecture. The internal nature of the tool meant it didn’t need to be “production grade” in the traditional sense, allowing for rapid experimentation and feature addition.

One of the most significant impacts of Protodash has been on the design review process. Owen passionately advocates for “demos not memos,” a philosophy championed by other Stripe design leaders. He laments the “drowning in presentations” of the past five years, where reviews involved static JPEGs and Figma screenshots. With Protodash, designers can share a URL, allowing everyone in the review to interact directly with a clickable, dynamic prototype. “Can I just say being in a design review where I can click things is my favorite,” Owen enthuses, expressing his goal to “never want to see a slideshow again.”

Protodash Studio further enhances this by integrating a robust design review mode. Stakeholders can comment directly on the prototype at specific points, eliminating the need for fragmented Google Docs or lengthy email threads. These comments are then summarized by the AI, and crucially, they can be directly fed back to the AI for fixes. Owen describes the delight of being able to tell the AI, “The filter pattern isn’t right here. Please add three more options,” and then, after the AI implements the changes, responding to feedback providers with “I fixed Katie D’s feedback for you. Here’s the receipts thread.” This drastically reduces the “busy work” associated with post-review follow-ups.

Perhaps the most unexpected and impactful outcome of Protodash is its adoption by Product Managers (PMs). Owen initially felt “a little nervous” seeing PMs design, wondering, “what’s going to happen?” However, this apprehension quickly turned to excitement. PMs can now articulate their ideas with unprecedented clarity by building high-quality, interactive prototypes that look and feel like Stripe products.

This empowerment has several profound benefits:

• Unblocking PMs: When a designer isn’t immediately available, PMs can explore ideas and build initial concepts themselves, preventing roadblocks.
• Better Communication: PMs can “manifest the thing that they want to,” leading to more concrete and productive conversations with their dedicated designers. Instead of abstract discussions, they can point to a functional prototype.
• Earlier User Research: With realistic prototypes, PMs can conduct user research much earlier in the product development cycle, gathering valuable feedback from actual users without the need for elaborate mockups or fully coded features.
• Stronger Advocacy: PMs can use high-fidelity prototypes to advocate more effectively for their projects, demonstrating the potential of an idea rather than just describing it.

The tool changes the nature of conversations, shifting them from arguments about staffing to discussions about the work itself. As Owen notes, it helps PMs “talk the same language” as designers and engineers, especially for complex technical features like webhooks with multiple states.

Owen strongly believes in the value of building internal tools that are precisely matched to a company’s culture and cadence. While external tools like Vzero are excellent, they can’t be as deeply integrated or customized to Stripe’s specific needs, design system, and review processes. Protodash isn’t just a prototyping tool; it’s a cultural enabler.

The platform is designed for contribution, with Owen actively encouraging designers to submit pull requests to evolve its features. This fosters a sense of ownership and allows the tool to adapt organically to the changing needs of the design and product teams. The ability to quickly integrate a Google Doc Product Definition (PD) and have the AI build a prototype from it, or to enable “crazy eights” mode for generative, out-of-the-box design exploration, highlights its flexibility. It even allows for temporary deviations from the core design system by granting the LLM access to other frameworks like Tailwind, enabling generative exploration beyond established components.

During a live demo, Owen illustrated this power by prompting Protodash to build a “Black Friday Cyber Monday dashboard for a pet store showing live sales on a chart at the top of the page, a ticker with the latest sales and top performing products, with realistic real-time data.” Within moments, the AI began assembling the page, calling on Stripe’s Sale MCP server to select appropriate components and structure the layout. This rapid, on-the-fly generation of complex, data-driven interfaces underscores the tool’s transformative potential.

Owen’s journey with Protodash at Stripe is a compelling case study in how internal tooling, powered by thoughtful AI integration, can fundamentally reshape product design and development. By addressing specific pain points, fostering collaboration, and empowering diverse teams, Stripe is not just building better products; it’s building a better way to build.

Professor Pape asserts that the most critical fact about political violence in America today is not the rise of foreign adversaries or terrorist groups, but the alarming acceptance of violence by tens of millions of Americans across the political spectrum. This widespread normalization, he argues, poses a greater risk to American democracy than any external threat.

What exactly is “violent populism”? It’s a phenomenon where political violence is no longer confined to a radical fringe or a few militia groups, but finds significant social approval among a broad segment of the populace. This acceptance, Pape explains, has a two-fold dangerous effect:

1. Empowering Volatile Individuals: For individuals already predisposed to anger or impulsivity due to their psychosocial reasons, the perceived social approval for violent acts can push them “over the edge.” They see a prospect of validation for actions that would otherwise be condemned.
2. Silencing the Alarms: When millions embrace political violence, it makes it incredibly difficult for law enforcement agencies like the FBI to receive crucial tips. People are more likely to “look the other way” or discount what they see, eroding the informal intelligence network vital for preventing attacks.

This era, Pape clarifies, is distinct from a civil war, as there are no organized armies clashing. Yet, it’s far beyond “nasty politics as usual.” It represents a spiraling cycle of violence fueled by broad social acceptance.

Pape’s research, conducted through 20 nationally representative surveys over the last five years by the University of Chicago Project on Security and Threats (CPOS), reveals shocking figures on the social acceptance of political violence.

For much of the Biden administration, surveys found that 10% of the body politic supported political violence to restore Donald Trump to the presidency. Further focus groups revealed an even more chilling detail: 55% of those who endorsed the “use of force” believed it meant assassination. This implies that at one point, roughly half of that 10%—or 20 million American adults—found assassination acceptable for political ends.

Disturbingly, this percentage has since doubled. The latest surveys indicate that between 14% and 21% of Americans now support some form of political violence. The acceptance isn’t limited to one side; when asked about the perceived acceptability of violence against figures like Charlie Kirk or the attempted assassination of Nancy Pelosi, 10% for each event found it acceptable. This translates to 20 million American adults on each side of the political divide.

In essence, roughly one in five Americans now supports some form of political violence, and this number is increasing on both sides of the spectrum.

While the current climate feels unprecedented, Pape points to other periods of “violent populism” in American history. The 1920s saw the resurgence of the second Ku Klux Klan, growing from hundreds of thousands to 4-6 million members who actively supported political violence, not just in the South but across the nation. The 1960s also witnessed a string of political assassinations and collective violence, like the 1968 Chicago convention riots, with opinion polls from the era showing similar levels of public support for such acts.

However, a critical difference sets the current era apart: “It is pretty much the first time it’s happened on both sides at the same time.” The 1920s violence was predominantly from the right, and the 1960s largely from the left. Today, the escalation is bipartisan, making it uniquely perilous.

Quantifying this escalation, Pape’s study of threats to members of Congress from 2001 to 2024, based on Department of Justice prosecutions, reveals a fivefold increase in threats since the first year of the Trump presidency in 2017. This surge affected both Democratic and Republican targets, indicating that Trump’s rise acted as a “lightning rod on both sides.” The dramatic spike has remained consistently high for an eight-year period, spanning both the Trump and Biden presidencies, suggesting that the underlying drivers are deeper than any single individual.

At its core, this rise in political violence is not simply the impact of a president or social media, but the profound effect of social change. Pape identifies two major, interconnected social changes reshaping the United States:

1. The Demographic Tipping Point: For the first time in its 250-year history, America is transitioning from a white-majority democracy to a white-minority democracy. In 1960, non-Hispanic whites constituted about 88% of Americans; today, that figure is 57%, projected to be 49% in about 20 years. Immigration is a primary driver of this shift, making it the “number one lightning rod issue in America today.”

   • On the Right: The established group fears losing political power and declining economic prospects, leading to a desire to halt or reverse this change.
   • On the Left: The emerging groups welcome and often seek to accelerate this change, as they stand to benefit. This fundamental upheaval directly fuels support for political violence, as shown in Pape’s surveys.

2. The Concentration of Wealth: Beginning in the mid-1980s, an accelerating shift of wealth to the top 1% has occurred, regardless of which party holds power. The bottom 90% of Americans are effectively subsidizing this enormous gain for the wealthiest few. Both Republican and Democratic constituents, comprising the bottom 90%, perceive their economic prospects being “clobbered even more.” This unresolved economic disparity, ignored by both parties, further fuels the bipartisan nature of rising political violence.

These shifts create a sense of profound powerlessness and a fear of “political exclusion” or “lockout” for many. As groups feel their grievances cannot be addressed through conventional politics, and their very future seems existentially threatened, the appeal of more drastic measures grows.

A persistent misunderstanding, Pape argues, is the profile of those who commit political violence. We often imagine them as the “losers of society”—marginalized, unemployed individuals with little to lose. However, Pape’s analysis of the January 6th attackers, compared to right-wing political violence perpetrators from previous decades, reveals a starkly different picture.

The “old profile” typically consisted of unemployed individuals, often members of militia groups—the “fringe.” But among the hundreds arrested after January 6th, the profile was dramatically different:

• Unemployment rates were only at the national average (around 7%).
• Attackers included “business owners, doctors, lawyers, CEOs”—insurrectionists in business suits living in nice suburbs.
• Only about 10% were members of militia groups, a significant drop from previous findings.

This new profile indicates that the “halves”—educated, middle-class, and even upper-middle-class individuals—are increasingly supporting political violence. Their motivation stems not from having nothing, but from the fear of losing what they have, of seeing their stature and influence decline rapidly. “We like our monsters to be villains that are far away from us,” Pape notes, explaining why this shift in attacker profile is so difficult for society to acknowledge.

While structural issues are the “fire,” rhetoric acts as an accelerant. Pape highlights how top-down rhetoric from political leaders can push already predisposed individuals towards violence. He cites examples like Donald Trump famously suggesting “punching people out,” Beto O’Rourke advocating to “throw that punch first,” and Gavin Newsom speaking of “punching a bully back in the mouth.” When authority figures normalize or even glorify aggressive action, others are more likely to follow suit.

Social media, while not the root cause, certainly “adds gasoline to a fire.” It provides an immediate manifestation of the millions who support political violence, creating echo chambers where such acts are cheered on and lionized. Donald Trump Jr.’s social media post mocking the attack on Paul Pelosi, which generated “enormous social media support, lots of laughter,” is a prime example of how top-down rhetoric can interact with bottom-up amplification, fostering a sense of social approval for would-be attackers. Yet, Pape cautions against overstating social media’s role, reminding us that previous eras of violent populism occurred long before the internet.

Given these deep-seated drivers, what can be done? Pape outlines a two-stage approach:

1. Longer-Term Structural Solutions (Post-Midterms):

• Addressing Demographic Change: While not aiming to stop the demographic shift, Pape suggests “slowing it down so our political institutions can catch up.” This, he clarifies, would mean adopting policies akin to the Obama-era immigration approach.
• Reversing Wealth Inequality: Pape argues for reducing the wealth shift to the top 1%, rather than merely stopping or continuing it. He notes that both parties currently cater to their donors, failing to address this core economic disparity.

2. Immediate Action (Before the Midterms):

• Leaders’ Joint Condemnation: In the short term, the most impactful action is for political leaders to jointly condemn political violence. Pape proposes a “radical” idea: Hakeem Jeffries (Democratic House leader) reaching out to Donald Trump for a joint video statement condemning violence from all sides.
  • Evidence of Impact: Pape points to the effectiveness of such rhetoric in the past. After the first Trump assassination attempt in summer 2024, President Biden delivered a speech condemning violence, and surveys showed a 20% drop in support for political violence. A similar effect was observed after a second attempt, when Biden was joined by Kamala Harris. While not the sole cause, this rhetoric “certainly didn’t make anything worse.”

The overarching message, Pape emphasizes, is that despite all structural determinants and pressures, “the future of political violence is a choice.” While tens of millions support violence, a significant counterweight exists: 75% of the U.S. population “abhors political violence.” This silent majority, Pape insists, must exert its agency. They need to actively voice their opposition to violence, sending letters and making calls to their representatives, demanding joint condemnation from leaders.

“Leaders listen to their constituents,” Pape concludes. If their inboxes are filled only with demands to “hit the other side harder,” that’s what they’ll do. But if the 75% who oppose violence step up and make their voices heard, a different future is possible. It is a choice that “we the people” have to make, for the sake of the country and its future.

오늘날 인공지능(AI) 기술은 눈부시게 발전하고 있지만, 웹 기반 AI 에이전트(agent) 제품들은 여전히 신뢰성이라는 근본적인 문제에 직면해 있습니다. 유토리(Yutori)의 공동 창업자이자 공동 CEO인 아비쉑 다스(Abhishek Das)는 이러한 현실에 대해 강한 비판의 목소리를 냅니다. 그는 수많은 에이전트 제품들이 “웹에서 무엇이든 할 수 있다”고 주장하지만, 막상 사용해보면 제대로 작동하지 않는 경우가 태반이라고 지적합니다.

문제의 핵심은 복잡한 작업 흐름(workflow)에서 발생하는 오류의 누적(compounding error)에 있습니다. 다스에 따르면, 10단계, 20단계, 혹은 50단계로 이루어진 작업 흐름에서 각 단계의 정확도가 90%에 달하더라도, 10%의 오류율은 매우 빠르게 누적되어 전체 작업의 성공률을 현저히 낮춥니다. 이는 ‘장기적인 작업 흐름(long horizon workflows)‘을 수행하기 위한 기술이 아직 충분히 발전하지 못했음을 의미합니다.

다스 CEO는 특히 “제품 출시 과정에서 비결정론적(non-determinism)이고 낮은 신뢰성(low reliability)에 대한 관용이 일반화되고 있는 듯하다”는 점에 불만을 표합니다. “첫 시도에 제대로 작동할 만큼 충분히 좋지 않다면, 그것은 충분히 좋은 제품이 아니다”라고 그는 단호하게 말합니다. 그는 이러한 무책임한 제품 출시 관행이 에이전트 제품 분야에서는 결코 용납될 수 없다고 강조하며, 신뢰성이야말로 진정한 차별점이라고 역설합니다.

유토리는 바로 이러한 문제의식에서 출발했습니다. 유토리는 사용자 대신 웹에서 행동을 취하고 작업을 완료하는 신뢰할 수 있는 에이전트를 구축하여, 사용자가 자신에게 가장 의미 있는 일에 집중할 수 있도록 돕는 것을 목표로 합니다. 세 명의 공동 창업자 모두 AI 연구자 출신인 유토리는 단순한 에이전트 회사를 넘어, 웹과의 상호작용 방식을 근본적으로 재정의하려는 큰 비전을 품고 있습니다.

다스 CEO는 지난 20~30년간 웹 브라우저의 형태가 크게 변하지 않았다는 점을 지적하며, 이제는 웹 경험을 재고(reimagine)할 기회가 왔다고 말합니다. 미래에는 AI 비서와 대화하며 웹상의 작업을 처리하고, 많은 에이전트가 사용자 몰래 백그라운드에서 능동적으로(proactive manner) 작동할 것이라는 예측입니다. 그는 물리적 에이전트(physical agents)보다 디지털 에이전트(digital agents)가 먼저 현실화될 것이라고 내다봅니다.

미래의 웹 상호작용은 훨씬 높은 추상화 수준(higher level of abstraction)에서 이루어질 것입니다. 사용자가 직접 디지털 허드렛일(digital chores)을 수동으로 처리하는 대신, AI 에이전트에게 일상적이고 반복적인 작업을 위임함으로써 더욱 의미 있고 흥미로운 일에 집중할 수 있게 됩니다. 이는 인간과 에이전트가 협력하여 전반적인 생산성을 향상시키는 모델이며, 에이전트가 인간을 대체하는 것이 아니라 인간의 역량을 강화하는 방향으로 나아갈 것입니다. 또한, 웹 접근성(accessibility)을 높이는 데도 기여합니다. 예를 들어, 다스 CEO는 자신의 부모님이 매번 새로운 웹사이트 사용법을 익힐 필요 없이, AI 비서에게 원하는 바를 말하면 에이전트가 신뢰성 있게 작업을 처리해 줄 수 있다면 “정말 멋진 일”이 될 것이라고 설명합니다.

아비쉑 다스 CEO의 개인적인 여정은 그의 확고한 제품 철학을 이해하는 데 중요한 배경이 됩니다. 그는 의사와 의료인 가족에서 태어났지만, 아이러니하게도 피를 무서워하여 의학의 길을 포기하고 공학을 선택했습니다. 그는 가설을 세우고, 이를 검증하거나 반증하기 위한 실험을 설계하고, 결론을 도출하여 다음 가설을 세우는 ‘과학적 과정(scientific process)‘에 깊이 매료되었습니다.

인도 공과대학교 루르키(IIT Rurki)에서 학부 과정을 밟던 첫 해, 다스는 좋은 성적을 받았지만, 전기 공학(특히 전력 시스템 분야)이 자신의 흥미와 맞지 않는다는 것을 빠르게 깨달았습니다. 그는 이를 “인생의 중요한 갈림길(significant fork)“이자 “첫 번째 반항적인 기질(rebellious streak)“이었다고 회상합니다. 그는 전기 공학에 대한 관심을 줄이고 대신 프로그래밍과 소프트웨어 개발에 많은 시간을 할애하기 시작했습니다.

그에게 큰 도움이 된 것은 IIT 루르키에 1314년 전부터 강력한 프로그래밍 클럽 문화가 있었다는 점입니다. 특히 ‘SDS Labs’라는 그룹은 매년 1015명의 코더들이 모여 캠퍼스 내 인터넷을 위한 수많은 애플리케이션을 만들고 실험했습니다. 다스 CEO는 “사용자들이 직접 만든 것을 사용하고, 상호작용하는 모습을 보는 것이 도파민(dopamine)이 터지는 듯한 즐거움이었다”고 말합니다. 그는 동료들과 함께 밤샘 작업을 하며 기능 추가와 개선에 몰두했고, 이러한 ‘집착(obsession)‘이 강력한 동기 부여가 되었습니다.

다스는 오랫동안 자신만의 사업을 시작하고 싶다는 열망을 가지고 있었습니다. 학부 졸업 후와 박사 학위 취득 후에도 여러 번 창업을 고려했지만, 결국 실행에 옮기지 못했습니다. 그러나 그는 “세상에는 해결해야 할 흥미로운 문제들이 많고, 다른 사람의 비전이 아닌 내가 중요하게 생각하는 비전을 추진하고 싶었다”고 말하며, 유토리 창업은 시간 문제였다고 설명합니다.

유토리가 추구하는 제품 철학은 신뢰성과 사용자 경험을 최우선으로 합니다.

다스 CEO는 에이전트의 신뢰성을 확보하기 위해 ‘오류 인식’과 ‘역추적(backtracking)’ 능력이 매우 중요하다고 강조합니다. 에이전트가 실수를 저질렀을 때, 이를 스스로 인지하고 이전 단계로 돌아가 다른 경로를 탐색하여 올바른 작업을 수행하는 능력이 필수적이라는 것입니다.

유토리는 이를 위해 ‘평가(evals)‘와 ‘안전장치(guardrails)’ 구축에 많은 노력을 기울입니다. 사용자가 실행하는 모든 프로덕션 쿼리(production query)는 포괄적인 평가 시스템을 거쳐 에이전트가 어떤 부분에서 잘 작동하고 어떤 도메인에서 개선이 필요한지 빠르게 식별합니다.

웹 에이전트의 특성상 세상의 모든 웹사이트를 학습시키는 것은 불가능합니다. 새로운 웹사이트는 끊임없이 생겨나고, 기존 웹사이트의 수도 방대하기 때문입니다. 따라서 유토리는 제한된 웹사이트 세트에서 모델을 훈련하고 개선해나갑니다. 인간도 새로운 웹사이트에서 실수를 저지르듯, 모델 역시 실수를 하는 것은 자연스러운 일입니다. 그러나 중요한 것은 실수를 했을 때, 에이전트가 이를 인식하고 스스로 수정하여 올바른 방향으로 나아갈 수 있는 능력입니다. 이것이 유토리가 모델을 훈련하고 구축하는 핵심적인 요소입니다.

유토리는 제품 개발에 80/20 접근 방식을 취합니다. 즉, 사용자가 요청하는 기능 외에도 개발팀의 ‘직관(intuition)‘을 통해 잠재적으로 사용자에게 큰 가치를 제공할 수 있는 기능을 발굴합니다. 다스 CEO는 “사용자들이 명시적으로 요청하지 않을 수도 있지만, 일단 구현되면 사용자들은 ‘우리를 보고 있구나’라고 느끼게 될 것”이라고 설명합니다.

대표적인 예시로 iOS나 안드로이드의 2단계 인증(two-factor authentication) SMS 자동 완성 기능을 꼽습니다. 사용자가 이 기능을 직접 요청하기는 어렵지만, 이 작은 기능은 전 세계 수많은 사람들의 일상에서 하루에도 여러 번 몇 초씩 시간을 절약해 줍니다. 그는 이러한 ‘작은 불편함(tiny paper cuts)‘을 줄여주는 세심한 배려가 사용자에게 큰 만족감을 선사한다고 말합니다. 따라서 유토리의 제품 개발은 사용자의 피드백과 개발팀의 직관이 조화를 이루는 과정입니다.

코딩 LLM(coding LLM)을 활용해 초기 프로토타입을 빠르게 만드는 것이 쉬워진 시대에, 유토리는 ‘맛(taste)‘과 ‘장인정신(craft)‘을 진정한 차별점으로 삼습니다. 제품이 얼마나 직관적이고 잘 설계되었는지가 중요하다는 것입니다.

이를 위해 유토리 팀이 중요하게 여기는 관행 중 하나는 ‘자사 제품 사용(dogfooding)‘입니다. 매주 한두 시간씩 새로운 기능을 직접 사용해보는 시간을 가지며, 항상 수십 가지의 내부 실험을 진행합니다. 이 중 실제로 외부 사용자에게 제공되는 프로덕션 버전으로 출시되는 것은 극히 일부입니다. 이러한 지속적인 자사 제품 사용은 ‘무엇이 좋고 나쁜지’, ‘어떤 경험이 놀랍고 마법 같은지’에 대한 팀의 ‘맛’을 다듬는 과정입니다. 다스 CEO는 다른 모든 기술과 마찬가지로, 이러한 ‘근육’을 키우기 위해서는 수많은 반복(a lot of reps)이 필요하다고 강조합니다.

AI 모델의 경우, 최종 예측이나 답변뿐만 아니라 ‘작업 증명(proof of work)’, 즉 최종 결과가 도출되기까지의 과정을 보여주는 것이 중요합니다. 다스 CEO는 과거 자신의 연구 경험에서 나온 ‘그레드캠(Grad-CAM)’ 프로젝트를 예로 들어 설명합니다. 그레드캠은 딥러닝 모델이 이미지 분류 예측을 할 때, 이미지의 어느 부분을 보고 그러한 판단을 내렸는지 시각적으로 보여주는 기술입니다. 당시 25세였던 다스가 공동 저자로 참여한 이 논문은 해석 가능성(interpretability) 분야에서 2만~3만 회의 인용을 기록하며 큰 반향을 일으켰습니다.

그는 그레드캠처럼 AI 모델이 ‘왜’ 그러한 결론에 도달했는지 보여주는 것이 사용자 신뢰를 구축하는 데 핵심이라고 말합니다. 유토리의 제품에서도 이러한 철학이 반영되어 있습니다. 사용자가 웹을 모니터링하도록 설정한 ‘정찰 에이전트(scouts and agents)‘가 보고서를 생성할 때, 사용자 인터페이스(UI) 내의 버튼을 통해 에이전트가 어떤 웹사이트를 방문했고, 어떤 정보를 바탕으로 보고서를 작성했는지 직접 확인할 수 있습니다.

다스 CEO는 “사용자들이 볼 수 있는 제품의 부분에 세심한 주의를 기울이면, 사용자는 보이지 않는 제품의 부분도 더 신뢰할 가능성이 높다”고 말합니다. 세상의 모든 위대한 것들이 개인이나 그룹의 엄청난 노력과 세심한 주의를 통해 만들어지듯, 유토리 역시 모든 제품 개발에 이러한 철학으로 접근합니다. 의미 있는 것을 만들고, 올바르게 만들고, 미래의 비전을 현실로 만들며, 즐겁고 신뢰할 수 있는 제품 경험을 구축하는 데는 시간과 노력이 필요하며, 결코 우연히 나타나는 것이 아니라는 것이 그의 변치 않는 신념입니다.

오웬은 디자인 리뷰에 참여하며 디자이너들이 겪는 고충을 직접 목격했습니다. 디자이너들은 Vzero와 같은 외부 AI 툴을 활용해 프로토타입을 만들려 했지만, 그 결과물은 스트라이프의 엄격한 디자인 시스템과는 동떨어진 ‘테일윈드 인디고 슬롭(Tailwind indigo slop)‘에 불과했습니다. 이는 외부 AI 툴이 스트라이프의 고유한 디자인 시스템을 이해하지 못해 발생하는, 어딘가 어색하고 일반적인 느낌의 결과물을 의미합니다. 내비게이션, 폰트 등이 미묘하게 어긋나 몰입을 방해하는 경우가 많았습니다.

더 큰 문제는 데이터가 핵심인 스트라이프의 제품 특성이었습니다. 수많은 상호작용, 필터, 다양한 데이터 상태(데이터가 전혀 없는 ‘제로 상태’부터 방대한 데이터, 특정 비즈니스 모델에 따른 데이터 변화, 국제화에 따른 텍스트 길이 변화 등)를 가진 대시보드를 피그마(Figma) 같은 기존 디자인 툴로 프로토타이핑하는 것은 “거의 불가능에 가까운” 일이었습니다. 과거에는 ‘로렘 입숨(Lorem Ipsum)’ 텍스트나 가짜 금액을 수동으로 입력해야 했고, 다단계 플로우나 에러 상태를 시각화하는 것은 엄청난 노력을 요구했습니다. 이러한 한계는 디자이너들이 실제 사용 시나리오를 충분히 탐색하고, 제품의 현실적인 문제를 조기에 발견하는 것을 어렵게 만들었습니다.

또한, 대부분의 디자인 리뷰가 정적인 JPEG 이미지나 슬라이드쇼 형태로 진행되면서, 제품의 실제 동작을 파악하고 심층적인 피드백을 주고받는 데 한계가 있었습니다. 오웬은 이러한 비효율성을 극복하고 싶었습니다.

엔지니어링 배경을 가진 오웬 윌리엄스는 이러한 문제에 깊이 공감했습니다. 그는 기술적 소양을 갖춘 디자이너를 선호하며, ‘터미널을 다룰 줄 아는’ 디자이너가 강력한 슈퍼파워를 가질 수 있다고 믿었습니다. 하지만 동시에 디자이너들이 웹 개발의 복잡한 기술 스택(npm, Vit, React 등)에 좌절하는 것을 보며, 기술 장벽을 낮추는 것이 중요하다고 생각했습니다. AI의 등장은 이러한 그의 철학에 전환점이 되었습니다. 이제 디자이너들은 복잡한 명령어를 몰라도 AI에게 직접 질문하며 필요한 작업을 수행할 수 있게 된 것입니다.

오웬은 이러한 배경을 바탕으로 내부 프로토타이핑 툴인 ‘프로토대시(Protodash)‘를 개발하기 시작했습니다. 이는 스트라이프의 디자인 시스템인 ‘세일(Sale)’ 컴포넌트와 MCP(Message Control Plane) 서버 통합, 그리고 커서(Cursor)와 같은 AI 코딩 툴에 특화된 규칙 번들로 구성된 리액트(React) 기반의 웹 앱이었습니다. 이 규칙 번들은 AI에게 프로젝트 사용법, Figma 링크 처리 방법, 디자인 시스템 컴포넌트 활용법, 흔한 실수 방지법 등을 가르쳐, 스트라이프의 높은 디자인 품질 기준을 충족하는 프로토타입을 90% 정도 자동으로 생성할 수 있도록 했습니다.

초기에는 프로토대시를 로컬에서 실행했지만, 스트라이프의 ‘데브박스(Devbox)’ 인프라를 활용하면서 접근성이 혁신적으로 개선되었습니다. 데브박스는 클라우드 기반의 개발 환경으로, 디자이너는 복잡한 로컬 설정이나 npm run dev와 같은 명령어를 직접 입력할 필요 없이 웹 URL(예: go/protodash)만으로 몇 분 안에 프로토타입 환경을 생성하고 실행할 수 있게 되었습니다. 이는 로컬 환경의 느린 속도나 대규모 모노레포(monorepo) 관리의 어려움을 해소했으며, 생성된 URL을 통해 디자인 리뷰에서 화면 공유 없이도 실제 동작하는 프로토타입을 공유하고 클릭하며 피드백을 받을 수 있게 했습니다. 오웬은 이를 “데모가 곧 메모(demos not memos)“라는 스트라이프의 디자인 리더십 철학을 실현하는 핵심적인 요소로 꼽았습니다.

프로토대시는 피그마로는 엄두도 내지 못했던 다양한 데이터 시나리오를 빠르게 시뮬레이션할 수 있게 했습니다. 예를 들어, 데이터가 전혀 없는 ‘제로 상태’부터, 대기업과 스타트업의 비즈니스 모델에 따른 데이터 변화, 복잡한 국제화(internationalization)에 따른 텍스트 길이 변화, 심지어 ‘지저분한 데이터(messy data)’ 시나리오까지 즉각적으로 확인할 수 있습니다. 이는 디자이너가 실제 사용자가 제품을 어떻게 경험할지 더 빨리 이해하고, 다양한 비즈니스 케이스를 고려한 견고한 디자인을 만들 수 있도록 돕습니다.

오웬은 “로렘 입숨(Lorem Ipsum) 텍스트를 수동으로 붙여 넣고 가짜 금액을 입력하던 과거와는 비교할 수 없는 혁신”이라고 강조합니다. 이제 디자이너는 다단계 플로우, 에러 상태, 다양한 상호작용 등 복잡한 사용자 여정을 훨씬 더 쉽고 현실적으로 프로토타이핑할 수 있게 되었으며, 이는 제품의 모든 요소가 의도적으로 설계되었는지 검토하는 데 큰 도움이 됩니다.

오웬의 궁극적인 목표는 Vzero와 같이 브라우저에서 직접 스트라이프 맞춤형 프로토타입을 구축할 수 있는 환경을 만드는 것이었습니다. 이를 위해 그는 ‘프로토대시 스튜디오(Protodash Studio)‘라는 추가 레이어를 개발했습니다. 이는 데브박스 위에서 동작하며, 디자이너가 별도의 앱 설치 없이 웹 브라우저만으로 프로토타입을 만들고 관리할 수 있게 합니다.

• 브라우저 내 임베디드 LLM(Large Language Model) 에디터: 디자이너는 코드를 직접 다루지 않고도 자연어로 프로토타입을 수정하고 다양한 변형(variant)을 만들 수 있습니다. 예를 들어, “라인 차트(line chart)가 있는 새로운 프로토타입 변형을 추가해줘”라고 요청하면 AI가 자동으로 코드를 생성하고 적용합니다.
• 프로토타입 피드 및 리믹스: 다른 디자이너가 만든 프로토타입을 쉽게 찾아보고, 그들의 접근 방식에서 영감을 얻거나 코드를 ‘리믹스(remix)‘하여 자신의 작업에 활용할 수 있습니다. 이는 지식 공유와 협업을 촉진합니다.
• 다양한 디자인 시스템 지원: 스트라이프의 ‘세일’ 디자인 시스템 외에도 테일윈드(Tailwind)와 같은 외부 프레임워크를 LLM에 허용하여, 디자인 시스템의 제약 없이 완전히 새로운 개념을 탐색할 수 있는 유연성을 제공합니다.
• AI 피드백 및 자동 수정: ‘주석 AI(annotate AI)’ 기능을 통해 디자이너는 프로토타입 캔버스에서 특정 요소를 직접 선택하고, 툴팁 추가, 패딩 조정 등 구체적인 피드백을 AI에 전달할 수 있습니다. AI는 이 피드백을 바탕으로 코드를 수정하고, 심지어 스스로 오류를 감지하고 수정하는 ‘셀프 테스트(self-test)’ 기능까지 갖추고 있습니다.
• 디자인 리뷰 모드: 스트라이프의 고유한 디자인 리뷰 문화를 반영하여, 여러 참여자가 프로토타입에 직접 댓글을 달고 피드백을 공유할 수 있습니다. AI는 이 피드백을 자동으로 요약하여 수정 작업 대기열에 추가하며, 디자이너는 리뷰 후속 작업을 대폭 줄이고, ‘수정 완료’ 증명서까지 AI에게 받을 수 있어 업무 부담을 크게 줄였습니다.

오웬은 프로토대시 스튜디오를 개발하며 “내부 툴은 생산 등급(production grade)일 필요가 없다”는 철학을 가지고 있었습니다. 이는 실험과 빠른 반복을 가능하게 했고, 버그가 발생해도 용인되는 유연한 개발 환경을 조성했습니다.

프로토대시는 단순히 효율성을 높이는 것을 넘어, 조직의 문화적 변화를 이끌어냈습니다. 오웬은 “누구나 기여할 수 있다”는 원칙 아래, 디자이너들이 직접 풀 리퀘스트(pull request)를 보내 툴을 개선하도록 장려합니다. 이는 디자인 리뷰 방식이나 작업 흐름에 대한 불만을 해소하고, 문화를 능동적으로 진화시키는 강력한 동기가 됩니다. 디자이너들은 이제 “디자인 리뷰가 제대로 작동하지 않아. 무엇이 필요할까?”라는 질문에 대해 직접 솔루션을 구현할 수 있게 된 것입니다.

가장 흥미로운 변화 중 하나는 PM(Product Manager)의 역할 변화입니다. 오웬은 처음에는 PM이 디자인하는 것에 대해 “약간 불안감”을 느꼈지만, 이제는 이를 긍정적으로 평가합니다. PM은 디자이너의 도움 없이도 스트라이프 기준에 맞는 고품질 프로토타입을 만들 수 있게 되었고, 이는 PM 스스로가 아이디어를 탐색하고 구체화하는 데 큰 도움이 됩니다.

• 소통 개선: PM은 자신의 아이디어를 시각적으로 구현함으로써 디자이너와 더 효과적으로 소통할 수 있게 됩니다.
• UXR(User Experience Research) 조기 진행: 정적인 그림이 아닌 실제 동작하는 프로토타입으로 사용자 테스트를 조기에 진행하여, 제품 아이디어를 검증하고 불필요한 개발 리스크를 줄일 수 있습니다.
• 프로젝트 옹호: 고품질 프로토타입은 PM이 자신의 프로젝트에 필요한 리소스(예: 디자이너 인력)를 더 설득력 있게 옹호하고 확보하는 데 기여합니다.
• 복잡한 개념 시각화: 개발자 경험(Developer Experience) 분야의 웹훅(webhooks)처럼 복잡한 기술적 개념도 다양한 상태와 플로우를 통해 시각적으로 명확하게 설명할 수 있게 되었습니다.

스트라이프의 ‘프로토대시’ 사례는 AI 시대에 내부 툴이 단순한 효율성 증대를 넘어, 조직의 협업 방식, 문화, 그리고 궁극적으로 제품 개발의 본질을 어떻게 변화시킬 수 있는지 보여주는 강력한 증거입니다. 외부 솔루션이 아닌, 팀의 고유한 문화와 작업 방식에 정확히 맞춰진 툴을 구축함으로써 스트라이프는 더 높은 품질과 효율성을 달성하고 있습니다.

오웬 윌리엄스는 프로토대시를 통해 디자이너와 PM이 기술적 장벽 없이 창의적인 아이디어를 자유롭게 탐색하고, 제품을 더 현실적으로 시뮬레이션하며, 협업의 질을 높이는 새로운 시대를 열었습니다. 이는 스트라이프가 앞으로도 혁신적인 제품을 지속적으로 만들어낼 수 있는 강력한 기반이 될 것입니다.

이 에피소드는 셀리고(Celigo)와 커서(Cursor)의 후원으로 제작되었습니다.

페이프 교수는 현재 미국이 “폭력적 포퓰리즘(Violent Populism)“의 시대에 진입했다고 진단합니다. 이는 그 어떤 테러 집단이나 외국 국가보다도 미국 민주주의에 더 큰 위협이 된다는 주장입니다. 그에 따르면, 오늘날 미국 정치 폭력의 가장 중요한 사실은 **“수천만 명의 미국인이 양쪽 진영 모두에서 정치적 폭력을 용납할 만하다고 본다”**는 점입니다.

이는 소수의 극단주의자나 민병대 집단에 국한된 현상이 아닙니다. 수천만 명의 시민이 폭력을 용인하는 상황은 공격의 위험에 대한 모든 것을 변화시킵니다. 개인적인 심리 사회적 이유로 불안정한 사람들이 사회적 승인을 기대하며 폭력의 경계선을 넘게 만듭니다. 또한, 수천만 명이 정치 폭력을 지지하면 FBI에 제보하는 것조차 극도로 어려워집니다. 폭력에 대한 지지가 많을수록 사람들은 단순히 못 본 척하거나, 목격한 것을 대수롭지 않게 여기기 때문입니다.

페이프 교수는 이러한 현상이 좌파와 우파 양쪽 모두에서 나타나며, 이제는 단순히 증가하는 것을 넘어 **“나선형으로 증폭되기 시작했다”**고 경고합니다. 그는 최근 12개월간의 사례로 2025년 6월 미네소타 민주당 지도자 암살, 몇 달 후 찰리 커크(Charlie Kirk) 암살, 펜실베이니아 주지사 관저 방화, 그리고 여러 차례의 트럼프 전 대통령 암살 시도를 언급하며, 정치 폭력이 양쪽 진영에서 분명히 증가하고 있음을 강조했습니다.

페이프 교수 연구팀은 지난 5년간 20차례에 걸쳐 전국 대표성 있는 미국인 설문조사를 실시했습니다. 시카고대학교 안보 및 위협 프로젝트(CPOS, University of Chicago Project on Security and Threats)에서 2021년 여름부터 시작된 이 조사는 미국인의 정치 폭력에 대한 태도를 심층적으로 파악했습니다.

조사 결과는 충격적입니다.

• 바이든 행정부 초기 몇 년간, 미국 정치 참여 인구의 **10%**가 도널드 트럼프를 대통령으로 복권시키기 위한 정치 폭력을 지지했습니다.
• 이 중 55%는 ‘무력 사용(use of force)‘이 ‘암살(assassination)‘을 의미한다고 생각했습니다. 즉, 당시 정치 참여 인구의 절반인 10%가 암살을 지지한 것입니다.
• 현재 그 비율은 14%에서 21% 사이로 거의 두 배 증가했습니다. 트럼프 전 대통령 당선 직후부터 이 수치는 두 배가 되었고, 이후에도 줄어들지 않고 있습니다.
• 2025년 9월, 찰리 커크 암살과 낸시 펠로시 암살 시도에 대해 “용납할 만하다”고 응답한 비율은 각각 10%였습니다. 이는 약 2천만 명의 성인 미국인이 각 사건을 용인한다는 의미입니다.

종합적으로 볼 때, 현재 미국인 5명 중 1명꼴로 어떤 형태의 정치 폭력을 지지하고 있으며, 이 수치는 스펙트럼의 양쪽에서 모두 증가하고 있습니다.

페이프 교수는 미국이 과거에도 “폭력적 포퓰리즘” 시기를 겪었다고 설명합니다.

• 1920년대: 제1차 세계대전 이후 제2차 쿠 클럭스 클랜(Ku Klux Klan)이 수십만 명에서 400만~600만 명으로 급증하며 수백만 명의 미국인이 정치 폭력을 지지했습니다.
• 1960년대: 일련의 정치적 암살 사건과 함께 1968년 시카고 전당대회와 같은 집단 정치 폭력과 폭동이 발생했으며, 당시 여론조사에서도 수천만 명의 폭력 지지가 나타났습니다.

그러나 현재의 상황은 과거와 중요한 차이점이 있습니다. 과거에는 주로 한쪽 진영에서 폭력적 포퓰리즘이 발생했지만, 현재는 양쪽 진영에서 동시에 발생하고 있다는 점입니다. 1960년대는 주로 좌파에서, 1920년대 초반은 주로 우파에서 폭력이 발생했습니다.

수치로 봐도 정치 폭력의 증가는 명확합니다. 페이프 교수의 연구팀이 2001년부터 2024년까지 25년간 연방수사국(FBI) 데이터를 포함한 다양한 데이터베이스를 분석한 결과, 트럼프 대통령 재임 첫해인 2017년부터 의원들에 대한 위협이 5배 증가했습니다. 이 증가는 민주당과 공화당 의원 모두에게 해당하며, 트럼프 전 대통령의 부상이 양쪽 진영 모두에게 ‘피뢰침’ 역할을 했음을 보여줍니다. 트럼프 의제를 과도하게 지지하거나(예: 마조리 테일러 그린), 충분히 지지하지 않는 의원들 모두가 표적이 되면서, 위협 수준은 급격히 상승하여 약 8년간 트럼프와 바이든 행정부 내내 그 높은 수준을 유지했습니다. 대통령이 바뀌어도 위협이 줄어들지 않았다는 것은 단순히 특정 인물(트럼프) 이상의 문제가 있음을 시사합니다.

페이프 교수는 이러한 폭력 증가의 근본 원인이 단순히 개인이나 소셜 미디어의 영향이 아니라고 강조합니다. 그는 **“사회 변화의 영향”**이 가장 중요하다고 말합니다. 국가에서 주요 사회 변화가 발생하면 정치의 급진화를 초래하고, 이는 다시 정치 폭력을 유발할 수 있다는 것입니다. 현재 미국에서 일어나고 있는 두 가지 주요 사회 변화는 다음과 같습니다.

미국 250년 역사상 처음으로 백인 다수 민주주의에서 백인 소수 민주주의로 전환하고 있다는 점입니다. 1960년에는 미국인의 약 88%가 비히스패닉계 백인이었지만, 오늘날에는 57%에 불과하며, 약 20년 후에는 49%가 될 것으로 예상됩니다. 이민이 이러한 변화의 주된 원인 중 하나입니다.

페이프 교수는 이 ‘티핑 포인트(tipping point)’ 세대, 즉 백인 다수에서 소수로 전환되는 20년 동안 이민 문제가 미국에서 가장 큰 ‘피뢰침’이 되는 것은 당연하다고 말합니다.

• 기존 집단(백인 다수): 이러한 변화를 멈추거나 되돌리기를 원합니다. 변화가 진행되면 정치적 권력을 잃고 경제적 전망이 악화될 것이기 때문입니다.
• 새로운 집단(소수 집단): 이러한 변화가 계속되기를 간절히 원하며, 오히려 가속화하기를 바랍니다. 그들은 이 변화로부터 혜택을 받을 것이기 때문입니다.

이러한 인구통계학적 변화는 정치 폭력 지지를 직접적으로 부추기는 핵심 쟁점이 되고 있으며, 이는 설문조사에서도 명확히 드러납니다.

인구통계학적 변화와 더불어, 1980년대 중반부터 시작된 상위 1%로의 부의 집중 현상이 있습니다. 집권당이 어느 당이든 상관없이, 하위 90%로부터 상위 1%로 부가 이동하고 있습니다. 이는 하위 90%에 속하는 공화당 지지자들과 민주당 지지자들 모두가 자신들의 경제적 전망이 더욱 나빠질 수 있다는 우려를 가지게 만듭니다.

이러한 부의 집중 현상을 어느 정당도 해결하지 못하고 있다는 점이 문제입니다. 양당 모두 본질적으로 기부자들에게 돈을 주고 있으며, 이 상황은 변하지 않고 계속되고 있습니다. 이는 정치 폭력의 초당파적(bipartisan) 증가에 추가적인 연료가 됩니다.

결론적으로, 페이프 교수는 이러한 두 가지 거대한 사회 변화가 특정 사람들의 권력과 영향력의 변화, 그리고 미래에 대한 불안감으로 이어지며, **“많은 사람들이 자신들의 권력을 잃고 있다고 느끼는 대규모의 변화”**가 정치 폭력의 핵심 동력이라고 지적합니다.

우리는 흔히 정치 폭력을 저지르는 사람들을 ‘잃을 것이 없는’ 사회의 주변인, 즉 사회적 약자라고 생각하는 경향이 있습니다. 그러나 페이프 교수의 연구는 이러한 통념을 뒤집습니다. 그의 설문조사에 따르면, 교육 수준이 높고 중산층 및 상류층에 속하는 상당수의 사람들이 정치 폭력을 지지하고 있습니다. 그들은 현재 가진 것이 많으며, 미래에 더 많은 것을 잃을까 봐 두려워하는 사람들입니다.

그들이 폭력에 의존하는 이유는 무엇일까요? 페이프 교수는 핵심적인 두려움으로 **“정치적 배제(Political Exclusion)“**를 꼽습니다. 소수자가 되어 정치 시스템 내에서 자신들의 불만을 해결하거나 이익을 관철할 수 없게 될 것이라는 두려움입니다. 이러한 두려움은 양쪽 진영 모두에서 발생합니다. 예를 들어, 트럼프 전 대통령이 투표 기계 압류에 대해 이야기하는 것은 민주당 지지자들에게 ‘정치적 봉쇄(lockout)‘에 대한 두려움을 심어줍니다. 전환기인 10~20년 동안 양쪽 모두 정치적 봉쇄를 두려워할 수 있으며, 이는 돌이킬 수 없게 되기 전 마지막 기회라는 생각에 더욱 격렬하게 싸우게 만듭니다.

결국, 이는 현재의 정치 시스템에 대한 비판입니다. 양당 모두 많은 사람들에게 정치적 변화가 실제로 가능하다는 느낌을 주지 못하고 있으며, 이러한 두려움은 특정 사람들에게 실존적(existential)인 문제로 다가옵니다. 그들은 자신이 배제될 것이며, 곧 자신들의 목소리가 들릴 다른 방법이 없을 것이라고 느낍니다. 이는 사회보장세율과 같은 정책 논쟁을 넘어선, **“진정한 실존적 정치(existential politics)의 부상”**으로 이어지고 있습니다.

그렇다면, 무력감을 느끼는 사람들이 어떻게 실제로 폭력을 행사하는 지점까지 나아갈까요? 페이프 교수는 **“지도자들의 발언”**이 중요하다고 지적합니다. 도널드 트럼프 전 대통령이 “그를 얼굴에 주먹으로 때리고 싶다”고 말하며 폭력을 암시하는 발언을 한 것이 대표적입니다. 또한 베토 오루크(Beto O’Rourke)나 개빈 뉴섬(Gavin Newsom) 같은 민주당 지도자들도 “먼저 주먹을 날려야 한다”거나 “깡패에게 맞서 싸운다”는 식의 강경한 표현을 사용하며 지지자들에게 자신들이 싸울 것임을 보여줍니다.

이러한 지도자들은 권위 있는 인물이며, 그들이 폭력을 용인할 만하다고 말하면(혹은 의도치 않게 그렇게 들리게 하면), 다른 사람들도 그 방향으로 움직일 수 있습니다. 페이프 교수는 이를 ‘위에서 아래로(top-down)’ 전달되는 수사라고 표현합니다. 특정 개인들은 이미 화를 잘 내고 충동적으로 행동하는 경향이 있는데, 이러한 지도자들의 발언은 그들을 행동으로 옮기게 하는 촉매제가 됩니다.

또한 ‘아래에서 위로(bottom-up)’ 전달되는 수사도 중요한 역할을 합니다. 소셜 미디어는 이러한 상황에 “휘발유를 붓는” 역할을 합니다. 예를 들어, 유나이티드 헬스케어(United Healthcare) CEO가 살해된 후, 사람들이 X(구 트위터)에서 범인을 공개적으로 찬양하고 영웅시하는 현상이 나타났습니다. 이는 정치 폭력을 지지하는 수천만 명의 미국인이 소셜 미디어에 존재하며, 그들의 반응은 잠재적 공격자들에게 “사회적 승인”에 대한 확신을 줍니다. 도널드 트럼프 주니어가 폴 펠로시 피습 사건을 핼러윈 의상으로 조롱하는 게시물을 올린 후 엄청난 지지를 받은 사례처럼, 상향식과 하향식 수사가 상호작용하며 폭력을 부추깁니다.

그러나 페이프 교수는 소셜 미디어가 상황을 악화시키지만, 그 자체가 “불(fire)“은 아니라고 강조합니다. 1920년대와 1960년대에는 소셜 미디어가 없었음에도 불구하고 엄청난 정치 폭력이 존재했기 때문입니다. 그는 우리가 인터넷과 같은 부차적인 문제에만 집중하여 근본적인 사회 변화라는 핵심 문제를 외면하는 경향이 있다고 지적합니다.

페이프 교수는 정치 폭력을 저지르는 사람들의 프로필이 크게 바뀌었다는 점을 강조합니다. 그의 연구팀은 1월 6일 국회의사당 난입 사건에 가담한 사람들의 초기 프로필을 지난 수십 년간 FBI 데이터에 나타난 우익 정치 폭력 범죄자들의 프로필과 비교했습니다.

• 과거의 프로필: 실업자, 민병대원 등 사회의 주변부(fringe)에 속하는 사람들이었습니다.
• 1월 6일 사건 가담자 프로필: 현저히 달랐습니다. 실업률은 전국 평균인 7%에 불과했으며, 사업가, 의사, 변호사, CEO 등 주류 사회 구성원이 많았습니다. 민병대 소속은 10%에 불과했습니다(과거에는 50%). 페이프 교수는 이들을 “멋진 교외에 사는 비즈니스 정장 차림의 반란자”라고 묘사합니다.

이러한 변화는 우리가 폭력적인 사람들을 잘못된 곳에서 찾고 있을 수 있음을 의미합니다. 페이프 교수는 우리가 ‘괴물’을 우리에게서 멀리 떨어진 악당으로 여기기를 좋아한다고 설명합니다. 정치적 암살과 살인을 저지를 수 있는 ‘괴물’이 우리와 멀리 떨어져 있고, 오늘 일어난 일이 다시는 일어나지 않을 것이라고 생각하는 것이 마음 편하기 때문입니다. 이러한 “잘못된 프로필에 대한 거짓 이야기”는 대중에게 안심을 주기 위해 생겨나고 인기를 얻지만, 현실과는 거리가 멀다는 것입니다.

페이프 교수는 이 위기를 해결하기 위해 두 가지 단계의 접근 방식이 필요하다고 제안합니다.

• 인구통계학적 변화 속도 조절: 국가의 인구통계학적 변화를 막을 수는 없지만, 그 속도를 늦추어 정치 제도가 따라잡을 수 있도록 하는 것이 현명합니다. 이는 본질적으로 오바마 시대의 이민 정책을 채택하는 것을 의미합니다.
• 부의 집중 완화: 상위 1%로의 부의 이동을 멈추거나 역전시키는 정책이 필요합니다. 현재 양당 모두 이 문제를 해결하지 못하고 있으며, 기부자들에게 돈을 주고 있는 상황입니다. 우리는 이에 대해 솔직해야 합니다.

• 지도자들의 역할: 당장 중간선거까지는 위의 장기적 정책들을 바꿀 수 없습니다. 따라서 앞으로 몇 달 동안 우리가 할 수 있는 유일한 정책은 지도자들의 변화입니다. 지도자들은 현재 발생하고 있는 폭력의 소용돌이를 줄일 수 있는 유일한 실제 원천입니다.
• 페이프 교수는 하킴 제프리스(Hakeem Jeffries) 하원 민주당 원내대표가 도널드 트럼프 전 대통령에게 연락하여 “양쪽 지도자들이 모든 형태의 정치 폭력을 규탄하는 공동 영상 성명을 발표할 수 있을지” 제안하는 과감한 행동을 해야 한다고 말합니다.

이러한 지도자들의 수사가 효과가 있을까요? 페이프 교수는 2024년 트럼프 전 대통령에 대한 첫 번째 암살 시도 후 조 바이든 대통령이 백악관 집무실에서 폭력을 규탄하는 연설을 했을 때, 몇 달 후 정치 폭력 지지율이 전국적으로 20% 감소했던 사례를 언급합니다. 두 번째 암살 시도 후 바이든 대통령과 카말라 해리스 부통령 후보가 다시 같은 수사를 사용했을 때도 지지율이 추가로 하락했습니다. 이는 지도자들의 메시지가 최소한 상황을 악화시키지 않고 긍정적인 영향을 미 미쳤음을 시사합니다.

페이프 교수는 이 모든 구조적 요인과 압력에도 불구하고 **“정치 폭력의 미래는 선택의 문제”**라고 강조합니다. 우리는 이러한 구조적 압력을 무시할 수도 있고, 이해하고 앞으로 나아갈 수도 있습니다.

그는 정치 폭력을 지지하는 수천만 명의 사람들에게 초점을 맞춰왔지만, 더 중요한 것은 **“미국 인구의 75%가 정치 폭력을 혐오한다”**는 사실입니다. 이 75%는 행동에 나서야 합니다. 그들은 정치 폭력에 대해 불평하고, 상원의원, 하원의원, 시장, 대통령에게 편지를 보내야 합니다. “민주당과 공화당 지도자들이 공동으로 정치 폭력을 규탄해야 할 때입니다”라고 목소리를 내야 합니다.

“우리는 더 나은 미래를 가질 수 있습니다. 그것은 선택입니다. 그러나 그것은 우리 국민이, 그리고 75%의