AI 면접관 ‘Zara’ 전문가 선별…모델 학습·평가 데이터로 연결

실리콘밸리의 인공지능(AI) 경쟁이 고성능 모델 개발을 넘어 학습 데이터와 모델 평가 역량 확보로 확장되고 있다.

미국 스타트업 마이크로원(micro1). 글로벌 인재 채용 서비스로 출발한 이 회사는 AI 면접 기술을 활용해 전문가를 선별하고, 이들의 지식과 판단을 AI 모델 학습 및 평가에 활용하는 사업으로 영역을 넓혔다. 단순한 인력 중개에서 AI 개발에 필요한 전문 지식과 데이터의 공급망으로 사업의 중심을 옮긴 것이다.

마이크로원의 성장세는 이러한 전략이 시장에서 얼마나 빠르게 가치를 인정받을 수 있는지를 보여준다. 마이크로원은 지난 9월 1억 달러 이상의 신규 투자를 유치하면서 기업가치 40억 달러를 인정받았다. 지난해 9월 3,500만 달러 규모의 시리즈 A 투자 당시 인정받은 기업가치는 5억 달러였다. 보약 1년 만에 기업가치가 8배로 상승한 셈이다.

채용 플랫폼에서 AI 학습 데이터 사업으로

창업자 알리 안사리(Ali Ansari)가 주목한 기회는 AI 기업이 필요로 하는 인재의 범위가 달라지고 있다는 점이었다. AI 모델의 성능을 높이려면 단순한 데이터 분류 작업만으로는 부족하다. 복잡한 코드를 검토하고, 수학적 추론을 평가하며, 의료·법률·금융 등 전문 분야의 답변이 타당한지 판단할 수 있는 사람이 필요하다. AI가 생성한 결과물의 오류를 찾아내고 더 나은 답변을 제시하는 작업에도 해당 분야의 지식과 경험이 요구된다.

마이크로원은 이러한 수요를 기존 채용 사업과 연결했다. 자체 AI 면접관 자라(Zara)를 이용해 지원자의 기술과 전문성을 평가하고, 프로젝트에 적합한 인력을 선별한다. 이후 이들을 AI 연구소와 기업이 수행하는 모델 학습 및 성능 평가 작업에 연결한다. 인재를 찾는 기술이 AI 학습에 필요한 전문가를 확보하는 기술로 확장된 것이다.

이 전환은 사업의 고객과 수익 구조를 바꾸는 계기가 됐다. 기존 채용 플랫폼의 가치는 기업과 구직자를 얼마나 효율적으로 연결하느냐에 좌우된다. 반면 AI 데이터 사업에서는 전문가를 확보하는 능력뿐 아니라 결과물의 정확성, 작업의 일관성, 데이터 보안과 납기 준수까지 중요하다. 마이크로원이 인력 모집부터 검증, 프로젝트 배치, 품질 관리까지 연결하는 체계를 구축하려는 이유다.

알리 안사리는 2025년 12월 언론 인터뷰에서 마이크로원의 연환산 반복매출(ARR)이 1억 달러를 넘어섰다고 밝혔다. 이는 연간 실적을 확정한 감사 재무제표상의 매출과는 다른 지표지만, 채용 중심 사업에서 AI 학습 데이터 공급으로 무게중심을 옮긴 뒤 수요가 빠르게 증가했음을 보여주는 신호다.

자라가 만드는 경쟁력은 선별 속도보다 평가의 정확성

마이크로원의 핵심 자산은 AI 면접관 자라와 이를 통해 확보한 글로벌 전문가 네트워크다. 기존 채용 과정에서는 이력서 검토, 기술 면접, 지원자별 평가 기준 적용에 상당한 시간과 인력이 필요하다. AI 기반 평가 도구는 이 과정을 표준화하고 대규모 지원자를 보다 빠르게 검토하는 데 도움을 줄 수 있다.

그러나 자동화 자체가 곧 경쟁 우위를 보장하지는 않는다. 중요한 것은 자라가 지원자의 실제 역량을 얼마나 정확하게 구분하는지, 평가 결과가 실제 프로젝트의 성과와 얼마나 일치하는지다. 특정 기술 분야에서 높은 점수를 받은 지원자가 실제 AI 학습 작업에서도 우수한 결과를 내는지 검증해야 한다. 평가 편향과 부정행위 대응, 전문 분야별 기준의 차이도 해결해야 할 문제다.

이러한 검증이 뒷받침된다면 마이크로원은 단순히 인력을 빠르게 공급하는 업체를 넘어설 수 있다. 다양한 프로젝트에서 축적한 평가 결과와 작업 성과를 활용해 적합한 전문가를 더 정확하게 선별하고, 고객별 요구에 맞는 작업팀을 구성할 수 있기 때문이다. 다만 평가 데이터가 경쟁사가 쉽게 복제할 수 없는 수준의 자산인지에 대해서는 별도의 검증이 필요하다.

고급 AI 데이터 시장에서 벌어지는 경쟁

AI 모델 개발 기업들은 모델의 추론 능력과 신뢰성을 개선하기 위해 전문가가 작성하거나 검토한 데이터를 활용한다. 인간 피드백 기반 강화학습(RLHF), 지도 미세조정(SFT), 모델 출력 평가 등이 대표적이다. 이러한 작업에서는 데이터의 양뿐 아니라 정답의 타당성, 평가 기준의 일관성, 전문성의 깊이가 중요하다.

마이크로원은 전문가 모집과 데이터 작업 운영을 결합해 이 시장을 공략한다. 이는 스케일AI(Scale AI), 머코(Mercor), 튜링(Turing) 등 인재 확보나 AI 학습 데이터 공급에 관여하는 기업들과 경쟁하는 구조다. 다만 이들 기업은 사업 구성과 고객 기반이 서로 다르므로 단순히 같은 유형의 업체로 묶어 비교하기보다는 전문 인력 확보 능력, 데이터 품질, 고객 유지율, 프로젝트별 수익성을 기준으로 평가해야 한다.

마이크로원의 공식 사업 소개도 전문가를 활용한 모델 학습과 평가, 데이터 운영을 주요 서비스로 제시한다. 회사는 고객 요구에 맞춰 전문가를 선별하고 작업팀을 구성하며, 데이터 품질 관리와 프로젝트 운영을 함께 제공하는 방식을 강조한다.

이 시장에서 고객이 구매하는 것은 단순한 작업 시간만이 아니다. 복잡한 과제를 이해하는 전문가를 적시에 확보하고, 결과물의 품질을 관리하며, 대규모 프로젝트를 일정에 맞춰 수행할 수 있는 운영 역량도 구매 대상이다. 전문 인력 공급과 데이터 관리가 하나의 서비스로 묶일수록 고객은 여러 업체를 따로 관리해야 하는 부담을 줄일 수 있다. 마이크로원이 사업 확장성을 확보할 수 있는 지점도 여기에 있다.

연환산 매출 5억 달러와 기업가치 40억 달러, 무엇을 의미하나

마이크로원의 기업가치를 평가할 때는 성장 지표의 성격부터 구분해야 한다. 테크크런치는 2026년 8월 20일, 회사의 연환산 총매출 규모(gross annual run rate)가 5억 달러에 도달했다고 보도했다. 이는 직전 8개월 사이 1억 달러에서 5억 달러로 증가한 수치다. 같은 보도는 전문가에게 지급되는 비용 등을 반영한 순매출 기준 연환산 규모를 약 1억5,000만~2억 달러로 추산했다. 해당 수치는 회사의 감사된 연간 매출이 아니라 관계자를 인용한 추정치라는 점에 유의해야 한다.

이 구분은 사업의 실질적인 수익성을 판단하는 데 중요하다. 전문가에게 지급하는 보수가 큰 비중을 차지하는 사업은 총거래 규모가 커져도 회사에 남는 매출이 그만큼 증가하지 않을 수 있다. 따라서 연환산 총매출과 순매출, 매출총이익률, 영업이익, 현금흐름을 각각 살펴야 한다. 특정 시점의 실적을 연간 기준으로 환산한 지표는 성장 속도를 보여주지만, 같은 수준의 매출이 1년 내내 유지된다는 의미는 아니다.

2026년 9월 보도된 기업가치 40억 달러를 기준으로 단순 비교하면, 8월 연환산 총매출 5억 달러의 8배에 해당한다. 순매출 기준 연환산 규모인 1억5,000만~2억 달러를 적용하면 약 20~27배다. 다만 서로 다른 시점의 추정치를 결합한 계산이며, 공식 재무제표에 근거한 기업가치 배수로 해석해서는 안 된다.

투자자가 높은 평가를 부여하는 논리는 앞으로의 성장 가능성에 있다. 전문가를 선별하고 작업 품질을 관리하는 체계가 반복적으로 활용된다면, 고객과 프로젝트가 늘어날 때 운영 효율이 개선될 수 있다. 이미 확보한 전문가 네트워크를 여러 프로젝트에 활용할 수 있다는 점도 사업 확장의 기반이다. 하지만 이러한 잠재력이 실제 이익으로 이어지는지는 인력 확보 비용, 고객 집중도, 계약의 지속성, 품질 관리 비용에 달려 있다.

한계와 향후 관전 포인트: ‘인간 의존성’을 넘어설 수 있는가

가파른 성장세 이면에 해결해야 할 과제도 뚜렷하다.

첫째는 치열해지는 경쟁 구도다. 기업가치 수백억 달러를 인정받는 스케일AI를 필두로 머코(Mercor), 튜링 등 유사한 ‘AI 기반 인재 검증+RLHF 데이터 공급’ 모델을 표방하는 스타트업들이 실리콘밸리에서 공격적으로 자금을 조달하며 파이를 다투고 있다.

둘째는 ‘합성 데이터(Synthetic Data)’의 부상이다. AI가 스스로 학습 데이터를 생성하고 검증하는 기술이 발전할수록, 장기적으로 인간 전문가에 의존하는 RLHF 수요가 둔화될 수 있다는 지적이 나온다. 마이크로원이 단순 데이터 생성을 넘어 ‘복잡한 에이전트 환경 평가(Evaluation)’와 ‘레드팀(Red-teaming·보안 취약점 검증)’ 등 인간 고유의 영역으로 데이터 사업을 얼마나 빠르게 고도화하느냐가 관건이다.

결국 마이크로원의 진정한 기업가치는 ‘얼마나 많은 인력을 중개하느냐’가 아니라, AI 면접관 ‘자라’가 축적하는 독점적 인재 평가 데이터와 이를 통해 프런티어 AI 연구소들의 핵심 파이프라인에 얼마나 깊숙이 침투하느냐에 달려 있다. 채용 시장의 비효율을 깨기 위해 만든 AI 도구가, 이제는 거대 AI 모델들을 가르치는 핵심 인프라로 자리 잡고 있다.