링크드인 프로필엔 딱 한 줄이 적혀 있다. 그런데 그 사람의 순자산은 약 24조 원이다. 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 앞질렀다. 실리콘밸리 벤처캐피털 업계가 "이 사람이 대체 누구냐"며 술렁인 게 얼마 전 일이다.
그가 한 일은 남들보다 열심히 한 게 아니다. 재료가 아니라 설계를 바꿨다. 그리고 그 설계의 세 축은, 사람을 어떻게 볼 것인가에서 시작한다 — 채용을 '몇 명 뽑느냐'로 여는 모든 HR 회의가 다시 읽어야 할 이야기다.
1. 첫 번째 설계 — '문제'를 다시 정의했다
경쟁사들이 '정지 표지판에 네모 치기' 같은 저임금 대량 노동에 매달릴 때, 첸은 자기 일을 다르게 규정했다. "사람의 판단을 데이터로 옮기는 일."
이 한 문장이 판을 바꾼다. 일을 '단순 작업의 총량'으로 보면 승부는 사람 수에서 난다 — 더 많이 뽑고, 더 싸게 굴리는 회사가 이긴다. 반대로 일을 '판단의 질'로 보면 승부는 사람의 질에서 난다. 같은 시장을 두고도, 문제를 어떻게 정의하느냐에 따라 완전히 다른 게임을 하게 되는 것이다.
이건 AI 데이터 회사만의 이야기가 아니다. 채용 회의가 "몇 명 충원할까"로 시작하면 그 조직은 이미 사람 수 게임에 들어선 것이고, "이 자리에서 나는 판단은 무엇인가"로 시작하면 사람의 질 게임에 들어선 것이다. 뽑기 전에 정의가 먼저다.
"이 직무의 핵심은 손이 빠른 것인가, 판단이 정확한 것인가?" 이 질문의 답이 채용공고의 자격요건·연봉밴드·평가지표를 전부 결정한다. 정의를 건너뛴 채 '일단 뽑고 보자'로 시작한 채용은, 6개월 뒤 '왜 성과가 안 나지'로 끝난다.
2. 두 번째 설계 — 원가를 올려서 마진을 만들었다
보통의 데이터 회사는 노동 원가를 깎아서 마진을 남긴다. 첸은 정반대로 갔다. 전문 태스크에는 시급을 높여 지급했다 — Forbes가 확인한 실지급 기준으로도 어노테이터 최소 시급 $20, 전문 작업은 $40 이상이었고, 업계 전반에서 프런티어 전문가 데이터는 시급 $50~200까지 형성돼 있다.
논리는 단순하다. 나쁜 데이터는 쓸모없는 정도가 아니라 모델을 망가뜨린다. 그래서 AI 기업 입장에선 싼 데이터가 오히려 더 비싸다. 잘못 라벨링된 데이터 하나가 모델 전체의 판단을 오염시키기 때문이다. 첸이 2022년에 공개한 분석의 제목이 그 철학을 압축한다 — 구글의 대표 감정 데이터셋 중 30%가 잘못 라벨링돼 있었다는 것.
채용의 언어로 옮기면 이렇다. 싸게 많이 뽑는 채용은, 인건비를 아끼는 게 아니라 미룰 뿐이다. 잘못된 채용 하나가 팀의 판단을 오염시키고, 재교육·재채용·이탈 비용으로 되돌아온다. 진짜 원가는 급여표가 아니라, 그 사람이 만드는 결과의 품질에 있다.
3. 인재 밀도의 경제학 — 1인당 무엇을 만드는가
두 회사를 사람 수로만 보면 Surge가 약자다. 하지만 1인당 만들어내는 매출로 보면 그림이 뒤집힌다.
같은 시장, 같은 재료다. 그런데 한 사람이 만드는 결과의 크기가 10배 넘게 벌어진다. 이 격차는 개개인이 10배 더 오래 일해서 생긴 게 아니다. 판단이 중요한 일에 판단이 뛰어난 사람을 배치하고, 그 사람이 제 몫을 하도록 설계했기 때문에 생긴 것이다.
여기서 오해를 짚을 필요가 있다. '소수정예'는 '싸게 적게'가 아니다. 한 사람당 더 많이 투자하고, 그 대신 그 한 사람이 압도적으로 많은 결과를 내는 구조다. 인원을 줄이는 게 목표가 아니라, 인재 밀도(talent density)를 높이는 것이 목표다. 결과적으로 인원이 적어지는 것이지, 적게 뽑는 게 전략인 게 아니다.
"몇 명이 필요한가"를 "이 일을 압도적으로 잘하는 한 사람에게 얼마를 쓸 수 있는가"로 바꿔보라. 세 명 몫의 예산을 한 명의 탁월한 사람에게 쓰는 결정이, 세 명을 평범하게 채우는 결정보다 나을 때가 많다 — 특히 판단이 성과를 가르는 직무에서.
4. 세 번째 설계 — '안 받은 것'이 전략이었다
첸이 투자를 받지 않은 것도 절약이 아니라 설계였다. 데이터 회사는 고객의 미공개 로드맵을 다룬다. 투자자 명단에 경쟁사가 끼면 그 자체가 신뢰의 결함이 된다.
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 뺐다. 첸의 '투자금 0원'은 지분을 지킨 게 아니라, 중립성 자체를 상품으로 만든 선택이었다.
교훈의 결은 다르지만 뿌리는 같다. 남들이 당연하게 여기는 것(더 많은 투자, 더 많은 인원, 더 싼 원가)을 그대로 따라가면, 결국 규모 싸움에 갇힌다. 이기는 쪽은 재료를 더 많이 쌓은 쪽이 아니라, 재료를 다르게 배치한 쪽이다.
“우리가 하는 일은 모든 AI 모델에 그만큼 결정적이다. 우리가 없으면 AGI(범용 인공지능)는 끝내 오지 않을 거라고 나는 정말로 믿는다. 그리고 나는, 그 AGI가 오기를 바란다.
”
"I really do think that what we're doing is so critical to all the AI models that without us, AGI just won't happen, and I want it to happen."
한 문장에 두 겹의 확신이 포개져 있다 — 우리 없이는 AGI가 오지 않는다는 데이터의 필수불가결함에 대한 자부심, 그리고 나는 그 AGI가 실제로 오기를 바란다는 사명감. 저임금 노동의 총량이 아니라 '사람의 판단'을 판다는 그의 사업 정의가, 이 한 문장에 그대로 담겨 있다.
맺으며
Surge AI의 이야기는 AI 업계의 무용담처럼 들리지만, 그 안의 질문은 모든 조직의 것이다. 당신의 팀은 사람 수로 이기려 하는가, 사람의 질로 이기려 하는가. 채용을 '충원'으로 여는 순간 전자의 게임이 시작되고, '이 자리의 판단'으로 여는 순간 후자의 게임이 열린다.
남들과 같은 재료로 싸우면 결국 규모 싸움이 된다. 그리고 규모 싸움은, 더 큰 곳이 이긴다. 중소·중견기업이 대기업의 채용 예산을 이길 방법은 없다. 하지만 설계는 예산이 아니라 관점의 문제다.
이기는 사람은 재료를 더 많이 모은 사람이 아니라, 설계를 바꾼 사람이다.
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.