[플러스] 2/1(일) 빅테크가 경제학 박사를 싹쓸이하고 있습니다 - 김현철 원장(연세대 인재와 인재연구원)

박정우입니다. 글로벌 빅테크가 경제학자와 통계 인재를 모셔가며 전략을 바꾸고 있죠. 아마존은 연구소급으로 팀을 키웠고, 넷플릭스도 데이터 인재로 성과를 냈다며 오늘 김현철 원장과 그 비결을 짚어봅니다. 박종원의 손에 잡히는 경제 플러스, 바로 시작하죠.

요즘 미국 기업들은 화면 하나도 실험으로 결정합니다. 같은 서비스라도 사용자마다 다른 버전을 보여 주고, 실험군과 대조군을 나눠 무엇이 이익에 도움이 되는지 검증하죠.

그런 실험엔 어떤 전문 인력이 필요합니까?

디자인과 분석을 제대로 하는 팀이 핵심입니다. 통계학자와 경제학자가 주력이고, 하버드 박사들이 우버와 아마존으로 향할 정도로 몸값이 높아졌죠; 연봉은 교수의 몇 배, 대신 세상 최대 규모의 실험실을 얻게 됩니다.

전 세계에서 모이는 데이터라면 소비자 이해가 훨씬 정교해지겠네요.

우버처럼 수요자와 공급자가 동시에 있는 플랫폼은 더 복잡합니다. 날씨·지역·시간·개인 성향별로 요금을 바꾸고, 드라이버 인센티브도 실험해 피크 수요를 맞추며, 초반엔 의도적으로 손실을 감수해 점유율을 올린 뒤 수익화로 전환하죠.

가격만이 아니라 품질과 화면도 중요하죠. 그 부분도 실험합니까?

당연합니다. 아마존은 결제 단계의 문구 하나만 다르게 바꿔도 전환율이 1 퍼센트포인트 오르면 매출이 크게 뛰어요; 제 지인 경제학자에겐 아이디어로 연봉의 열 배 가치를 만들라는 목표가 주어질 정도죠.

AI까지 더해지면 실험과 의사결정이 더 빨라지겠네요.

실제로 AI 답변의 길이와 형식까지 A/B로 시험합니다. 시간대와 사람마다 최적이 달라 인간이 일일이 조정할 수 없으니, 전사적으로 AI가 최적 인센티브와 디스플레이를 실시간 반영하는 쪽으로 갑니다.

개인별 가격이나 노출이 쌓이면 누군가는 호구가 될 수 있잖아요. 끝까지 비교하는 습관 말고 답이 있습니까?

개인이 다 막아내긴 어렵습니다. 기술 수준에 맞춘 법과 제도를 함께 설계해야 불공정과 과잉 유인을 줄일 수 있습니다.

택시 앱도 몇 초를 더 기다리면 이탈하는지까지 시험한다더군요. 개인이 요령으로 대응해도 소용이 있을까요?

일부가 바꿔도 전체 시스템은 그대로 움직입니다. 기업은 이윤만이 아니라 소비자 후생까지 포함한 분석을 공개해 규제와 책임의 균형을 찾는 게 바람직합니다.

2부로 이어가죠. 국내 기업들은 이런 실험 문화를 잘 하고 있습니까?

돌아와 보니 투자 수준이 크게 낮았습니다. 미국은 경제학자·통계 전문가를 수십 명씩 두지만 국내는 거의 없고, 카카오톡 UI 개편도 대규모 단계 실험 없이 밀어붙여 혼란이 컸죠; 반대로 넷플릭스는 소수부터 점진 배포하며, 포스터와 노출 순서까지 개인별로 끝없이 시험합니다.

애플 같은 다른 회사들도 결국 실험을 하나요?

애플 감각을 유통에 그대로 이식한 제이시페니는 할인과 이벤트를 없애며 테스트 없이 밀다가 매출이 25 퍼센트 급감하고 CEO가 물러났죠. 남의 성공 공식을 복제하면 실패한다는 교훈입니다.

넷플릭스도 옛날엔 직감으로 갔다가 크게 데였죠?

2011년 DVD와 스트리밍을 분리 요금으로 바꾸다 대규모 해지와 주가 70 퍼센트 급락을 겪었습니다. 그 뒤로는 큰 결정일수록 작은 파일럿부터 하는 문화로 바뀌었죠.

기업뿐 아니라 공공정책도 실험이 통할까요?

국제원조는 무작위 대조시험으로 효과를 가려내며 증거를 쌓아 최적 패키지를 만들고 있습니다. 학급 규모 축소의 장기 추적은 특히 취약 남학생에게 이득이 컸고, 주거 이동 실험은 초등 이전 이주만 확실한 개선이 있어 청소년기의 이주는 오히려 부담이 됐다는 점이 정책에 반영됐죠.

기업의 데이터 실험은 동의와 통제 장치가 필요해 보입니다. 막을 권리나 절차가 있나요?

약관에 포함된 경우가 많지만, 현재 관행이 타당한지에 대한 사회적 논의와 제도 정비가 필요합니다.

플랫폼의 실험 결과를 공개하도록 하면 격차가 줄까요?

기업은 그런 자산을 잘 공개하지 않으며 내부 경제학자의 외부 발표도 제한합니다. 다만 국내는 아직 본격 도입이 적어, 후발주자가 실험 문화만 잘 깔아도 기회가 큽니다.

지금 제안하고 싶은 실험이 있다면요?

서울시의 디딤돌 소득처럼 급여를 점진적으로 줄이는 구조를 제대로 된 무작위 실험으로 키워야 합니다. 기본소득도 설계를 정교화해 본격 검증하고, 기업 현장에는 손볼 곳이 끝이 없죠.

입시 제도 변화는 거대한 자연실험입니다. 수능·정시와 학생부 중심 선발이 각자 누구에게 유리했고 사회에 어떤 효과를 냈는지 검증해야 합니다.

그런데 교육 데이터가 과도하게 닫혀 있어 분석이 어렵습니다. 서열화 논란을 넘어서 안전하게 공개·연계해야 정책의 성과와 부작용을 제대로 평가할 수 있습니다.

마지막입니다. AI 시대에도 경제학자와 통계학자는 여전히 필요할까요?

분석의 많은 부분은 자동화되겠지만, 지금은 흩어진 데이터를 모으고 쓰기 좋게 다듬는 일이 남아 있습니다. 적어도 당분간은 그 역할이 큽니다.

기업 전략 뒤에 숨은 데이터의 힘을 제대로 배운 시간이었습니다. 연세대 인구와 인재 연구원 김현철 원장과 함께했고, 끝곡은 콜드플레이의 더 사이언티스트입니다; 이제 모든 일의 이면에 과학자가 관여하는 시대 같네요. 저는 내일 밤 10시 5분에 다시 뵙겠습니다. 고맙습니다.