🧮 전임자가 나가고 엑셀 파일만 남았습니다

마케터가 퇴사하고 두 달쯤 지난 회사가 있었어요.

인수인계는 깔끔했어요.
폴더가 연도별로 정리돼 있었고 엑셀 파일도 전부 넘어왔어요.

새로 온 담당자가 그중 하나를 열었어요.
타깃 병원 목록이었어요. 300개쯤 적혀 있었어요.

“이 300개는 어떻게 고른 거예요?”

회의실에서 아무도 답을 못 했어요.

파일은 전부 남았어요.
그 파일을 만든 기준만 안 남았어요.

그런데 이 기준이라는 게 얼마짜리인지
이미 값이 매겨진 시장이 있어요.

🧮 손으로 분류하는 일에 20조가 매겨졌어요

알렉산더 왕이라는 사람이 있어요.
스무 살 무렵 Scale AI라는 회사를 세웠어요.

이 회사가 하는 일은 단순명료해요.
AI를 학습시킬 데이터에 사람이 일일이 라벨을 붙여요.
사진에 네모를 치고 문장에 태그를 달고 답변 두 개 중 어느 쪽이 나은지 고르는 일이에요.

멋진 알고리즘을 짜는 일이 아니에요.
손으로 분류하는 일이에요.

지난해 6월 메타가 이 회사 지분 49%를 인수했어요.
보도된 금액이 143억 달러(약 20조 원)예요.

한 회사만의 운이었다면 그냥 넘어갈 얘기예요.
그런데 에드윈 첸이라는 사람이 또 있어요.

외부 투자를 한 푼도 안 받고 Surge AI를 만들었어요.
알려진 바로는 2024년 매출이 12억 달러(약 1조 7천억 원)예요.
같은 해 Scale AI가 8.7억 달러였는데 투자를 안 받은 쪽이 더 컸죠.

한 회사가 얻어걸린 자리가 아니라
조용히 회사 하나가 더 들어와 나눠 가질 만큼 규모가 있는 시장이라는 뜻이에요.

📐 그들이 실제로 재는 숫자는 따로 있어요

라벨 붙이는 일은 누구나 할 수 있어요.
값이 붙은 이유는 다른 데 있어요.

어디까지를 같은 것으로 볼 것인가.
어느 쪽을 더 나은 답이라고 부를 것인가.

이걸 정해둔 회사와 안 정해둔 회사의 결과물이 갈려요.

그런데 이 회사들은 기준을 정해두는 걸로 끝내지 않아요.

같은 기준서를 두 사람에게 주고 같은 데이터를 따로 분류하게 해요.
그리고 두 사람의 답이 몇 퍼센트나 겹치는지를 세요.

이게 품질 숫자예요.
기준서가 몇 장인지가 아니라 그걸 받은 두 사람이 같은 답을 내는지를 봐요.

겹침이 낮으면 기준이 부족했다는 뜻이에요.
사람이 못한 게 아니고요.

적혀 있는 기준과 답이 맞는지 재본 기준은 다른 건이에요.
앞은 문서고 뒤는 자산이에요.

문서를 몇 장 갖고 있느냐가 아니라
그 문서가 결과로 채점된 적이 몇 번이냐가 회사의 실력이에요.

📊 첫 제품은 됐는데 두 번째는 안 되는 회사

심장혈관 중재시술에 쓰는 제품으로 자리를 잡은 회사가 있었어요.
5년 걸렸어요.

두 번째로 같은 계열의 말초혈관용 제품을 냈어요.
같은 회사, 같은 영업팀, 첫 제품 때 쓰던 방식 그대로요.

3년째 자리를 못 잡고 있어요.

심장혈관 중재시술은 대부분 순환기내과에서 해요.
그래서 첫 제품은 시술 건수가 많은 병원부터 가면 대체로 맞았어요.

그런데 ‘시술 건수 순서로 가면 된다’를 처음부터 알았던 게 아니에요.
5년이 걸렸다는 건 그 기준을 찾는 데 5년이 걸렸다는 뜻이에요.
병상 수로도 잘라봤을 거고 기존 거래 관계로도 잘라봤을 거예요.
그렇게 해보다가 시술 건수 하나가 남은 거예요.

말초혈관은 달라요.
같은 시술을 어느 병원은 영상의학과가 하고 어느 병원은 순환기내과가 해요.
혈관외과가 하는 곳도 있고 나눠서 하는 곳도 있고요.

건수가 같아도 그 건수를 누가 만들고 있는지가 병원마다 달라요.

두 번째 시장에 필요한 건 첫 번째 시장의 답이 아니에요.
그 답을 골라냈던 과정이에요.

그런데 회사에 남은 건 300개짜리 병원 목록뿐이에요.
그 목록 어디에도 시술 건수로 잘랐다는 말이 없어요.
병상 수를 왜 버렸는지도 없고요.

두 번째 시장에서 회사가 다시 5년을 쓰는 이유는 시장이 어려워서가 아니라
첫 5년에서 배운 걸 회사가 안 갖고 있어서예요.

🛠️ 이번 주에 20분이면 돌려볼 수 있어요

기준은 세 단계로 나뉘어요.

대부분의 회사가 1단계에 있고 문서화를 한 회사가 2단계까지 가요.
3단계는 문서를 더 쓴다고 도달하지 않아요.

실제로 적용해봐야 도달해요.

테스트는 짧아요.
지금 쓰는 타깃 병원 기준을 두 사람에게 똑같이 주고 각자 병원 20개를 고르게 해요.
그리고 겹친 개수를 세요.

• 15개 이상 — 기준이 살아 있어요
• 10개 안팎 — 문서는 있는데 판단이 절반은 사람 몫이에요
• 5개 이하 — 그건 기준이 아니라 한 사람의 감이에요

숫자보다 중요한 건 그다음이에요.
갈린 병원을 하나씩 보면서 왜 넣었는지 왜 뺐는지를 물어요.
거기서 나오는 문장이 기준서에 빠져 있던 문장이에요.

❌ “타깃 병원 300개 목록” (결과물)
✅ “연간 시술 40건 이상 + 경쟁 제품 3년 이상 사용 + 과장급이 결정하는 병원” (기준)

앞은 두 번째 시장에서 못 써요.
뒤는 숫자만 바꿔서 그대로 써요.

기준서를 처음부터 쓰려고 하면 시작을 못 해요.
이미 있는 판단을 두 사람에게 태워보면 빠진 문장이 알아서 튀어나와요.

📉 그리고 이 계산이 지금 빠르게 바뀌고 있어요

AI 덕분에 자료를 만드는 시간이 눈에 띄게 줄고 있어요.
심평원 청구 데이터를 중분류별로 하나씩 내려받던 때가 있었어요.
지금은 데이터를 받아 AI에게 시키면 하루 안에 끝나요.

내려받고 정리하고 계산하는 일의 가치는 계속 떨어져요.
하지만 어떤 코드들을 하나의 시장으로 묶을지 어느 병원부터 갈지 정하는 일의 가치는 안 떨어져요.

정해주지 않으면 AI는 그럴듯하게 틀린 답을 아주 빠르게 만들어내거든요.
잘못됐다는 건 영업이 그 목록으로 병원을 몇 달 돌고 나서야 드러나고요.

그런데 이 일이 대부분의 회사에서 안 일어나요.
기준을 꺼내는 순간 자기 자리가 작아진다고 느끼거든요.

그래서 기준을 내놓으라고 요구하는 대신 그 사람을 기준을 채점하는 자리에 앉히는 게 좋아요.
가치가 줄어드는 게 아니라 자리가 올라가요.

AI를 들여서 가치가 오르는 회사는 도구를 먼저 산 회사가 아니라
도구에 시킬 말을 이미 문장으로 갖고 있던 회사예요.

우리 회사는 괜찮은지 알고 싶다면 이번 주에 이 3가지만 확인해보세요.

• 지금 쓰는 타깃 병원 기준을 두 사람에게 주고 각자 20개를 고르게 하면 몇 개나 겹칠까요?
• 작년에 접은 시장이 있다면 무엇을 보고 접기로 했는지 그 숫자가 얼마였는지 지금 답할 수 있는 사람이 있나요?
• 첫 제품을 자리 잡힌 방식이 문서로 남아 있나요, 아니면 그때 그 담당자에게만 남아 있나요?

파일은 전부 남아요.
그 파일을 만든 기준만 안 남아요.

적어두는 것까지가 절반이에요.
나머지 절반은 그 기준이 다른 사람 손에서도 같은 답을 내는지 재보는 일이고요.