링크드인 프로필엔 딱 한 줄이 적혀 있습니다. 그런데 그 사람의 순자산은 약 24조 원입니다. AI 데이터 회사 Surge AI를 세운 에드윈 첸(Edwin Chen). 그는 5년 동안 외부 투자를 한 푼도 받지 않고, 정규직 110명으로 직원 1000명 넘는 경쟁사를 매출로 앞질렀습니다. 실리콘밸리 벤처캐피털 업계가 "이 사람이 대체 누구냐"며 술렁인 게 얼마 전 일입니다.
그가 한 일은 남들보다 열심히 일한 것이 아닙니다. 인원을 늘리는 대신 업무 정의, 데이터 품질 투자, 고객 중립성에 집중했습니다. 이 세 갈래는 모두 사람을 어떻게 볼 것인가에서 시작합니다 — 채용을 '몇 명 뽑느냐'로 여는 HR 회의가 다시 읽어야 할 이야기입니다.
1. 첫 번째 설계 — '문제'를 다시 정의했다
경쟁사들이 '정지 표지판에 네모 치기' 같은 저임금 대량 노동에 매달릴 때, 첸은 자기 일을 다르게 규정했습니다. "사람의 판단을 데이터로 옮기는 일."
이 정의가 전략을 가릅니다. 일을 '단순 작업의 총량'으로 보면 경쟁은 인원 수로 갈립니다 — 더 많이 채용하고 인건비를 낮춘 회사가 우위를 갖습니다. 반대로 일을 '판단의 질'로 보면 승부는 사람의 질에서 납니다. 같은 시장에서도 문제를 어떻게 정의하느냐에 따라 경쟁 방식이 달라집니다.
이건 AI 데이터 회사만의 이야기가 아닙니다. 채용 회의가 "몇 명 충원할까"로 시작하면 그 조직은 인원 수로 경쟁하는 구조에 있고, "이 자리에서 나는 판단은 무엇인가"로 시작하면 판단의 질로 경쟁하는 구조에 있습니다. 뽑기 전에 정의가 먼저입니다.
2. 두 번째 설계 — 원가를 올려서 마진을 만들었다
보통의 데이터 회사는 노동 원가를 깎아서 마진을 남깁니다. 첸은 정반대로 갔습니다. 전문 태스크에는 시급을 높여 지급했습니다 — Forbes가 확인한 실지급 기준으로도 어노테이터 최소 시급 $20, 전문 작업은 $40 이상이었고, 업계 전반에서 프런티어 전문가 데이터는 시급 $50~200까지 형성돼 있습니다.
논리는 단순합니다. 나쁜 데이터는 쓸모없는 정도가 아니라 모델을 망가뜨립니다. 그래서 AI 기업 입장에선 싼 데이터가 오히려 더 비쌉니다. 잘못 라벨링된 데이터 하나가 모델 전체의 판단을 오염시키기 때문입니다. 첸이 2022년에 공개한 분석의 제목이 그 철학을 압축합니다 — 구글의 대표 감정 데이터셋 중 30%가 잘못 라벨링돼 있었다는 것.
채용의 언어로 옮기면 이렇습니다. 싸게 많이 뽑는 채용은, 인건비를 아끼는 게 아니라 미룰 뿐입니다. 잘못된 채용 하나가 팀의 판단을 오염시키고, 재교육·재채용·이탈 비용으로 되돌아옵니다. 진짜 원가는 급여표가 아니라, 그 사람이 만드는 결과의 품질에 있습니다.
3. 인재 밀도의 경제학 — 1인당 무엇을 만드는가
두 회사를 사람 수로만 보면 Surge가 약자입니다. 하지만 1인당 만들어내는 매출로 보면 그림이 뒤집힙니다.
두 회사는 같은 시장에서 같은 종류의 일을 합니다. 그런데 한 사람이 만드는 매출이 10배 넘게 벌어집니다. 이 격차는 개개인이 10배 더 오래 일해서 생긴 게 아닙니다. 판단이 중요한 일에 판단이 뛰어난 사람을 배치하고, 그 사람이 제 몫을 하도록 설계했기 때문에 생긴 것입니다.
여기서 오해를 짚을 필요가 있습니다. '소수정예'는 '싸게 적게'가 아닙니다. 한 사람당 더 많이 투자하고, 그 대신 그 한 사람이 압도적으로 많은 결과를 내는 구조입니다. 인원을 줄이는 게 목표가 아니라, 인재 밀도(talent density)를 높이는 것이 목표입니다. 결과적으로 인원이 적어지는 것이지, 적게 뽑는 게 전략인 게 아닙니다.
4. 세 번째 설계 — '안 받은 것'이 전략이었다
첸이 투자를 받지 않은 것도 절약이 아니라 설계였습니다. 데이터 회사는 고객의 미공개 로드맵을 다룹니다. 투자자 명단에 경쟁사가 끼면 그 자체가 신뢰의 결함이 됩니다.
실제로 2025년 6월, 메타가 경쟁사 Scale AI에 약 20조 원($14.3B)을 넣어 지분 49%를 가져가자, Scale의 최대 고객이던 구글은 연 약 2천억 원 규모($200M) 거래를 끊었고, OpenAI도 발을 뺐습니다. 첸의 '투자금 0원'은 지분을 지킨 게 아니라, 중립성 자체를 상품으로 만든 선택이었습니다.
교훈의 결은 다르지만 뿌리는 같습니다. 남들이 당연하게 여기는 것(더 많은 투자, 더 많은 인원, 더 싼 원가)을 그대로 따라가면, 결국 규모 싸움에 갇힙니다. Surge는 규모를 키우는 대신 업무 정의·원가 구조·고객 관계를 다시 설계했고, 1인당 생산성에서 앞섰습니다.
“우리가 하는 일은 모든 AI 모델에 그만큼 결정적입니다. 우리가 없으면 AGI(범용 인공지능)는 끝내 오지 않을 거라고 나는 정말로 믿습니다. 그리고 나는, 그 AGI가 오기를 바랍니다.
”
맺으며
Surge AI의 이야기는 AI 업계의 무용담처럼 들리지만, 그 안의 질문은 모든 조직의 것입니다. 당신의 조직은 인원 수로 경쟁하는가, 1인당 생산성으로 경쟁하는가. 채용을 '충원'으로 정의하면 인원 수 경쟁이 되고, '이 자리의 판단'으로 정의하면 생산성 경쟁이 됩니다.
경쟁 방식을 남들과 똑같이 두면 결국 규모 싸움이 됩니다. 규모 싸움에서는 더 큰 곳이 이깁니다. 중소·중견기업이 대기업의 채용 예산을 이길 방법은 없습니다. 하지만 설계는 예산이 아니라 관점의 문제입니다.
인원 규모보다 업무 설계와 인재 배치가 1인당 생산성을 좌우한다.
Linkple은 '많이 연결하는 것'이 아니라 '정확하게 연결하는 것'을 지향합니다. 채용의 승부가 사람 수에서 사람의 질로 옮겨가는 시대에, 우리는 기업이 '몇 명'이 아니라 '누구'를 뽑을지에 집중하도록 돕습니다.