온보딩의 수학: AI 스택이 파편화되었을 때 신규 채용 인력 1인당 실제로 발생하는 비용

여기에 대부분의 재무 팀이 한 번도 계산해 보지 않았을 숫자가 있습니다. 바로 파편화된 디지털 환경에서 신규 직원이 완전한 생산성(Full productivity)을 갖추기까지 드는 총비용입니다.

급여가 아닙니다. 복리후생도 아닙니다. 채용 수수료도 아닙니다. 입사일부터 그들이 독립적으로 최대 출력(Full output)을 내며 업무를 수행할 수 있는 날짜 사이의 시간 비용입니다. 여기에는 그 과정에서 도움을 주는 모든 동료의 시간도 포함됩니다.

통합되고 잘 설계된 디지털 환경을 갖춘 기업의 경우, 이 수치는 총 보상(Fully-loaded compensation)의 610주 분량에 달합니다. 하지만 깔끔하게 통합되지 않는 812개의 도구로 구성된 파편화된 스택(Fragmented stacks)을 가진 기업의 경우, 이 수치는 14~20주까지 늘어납니다.

채용 인력당 4~10주의 생산 역량 차이 — 이 격차는 기업 운영에서 가장 비용이 많이 드는 보이지 않는 비용 중 하나입니다. 그리고 이는 인원수(Headcount) 증가에 따라 직접적으로 확장됩니다.

대부분의 기업이 건너뛰는 계산법

표준적인 온보딩(Onboarding) 비용 모델은 다음과 같습니다: 채용 수수료 + 첫 달 급여 + 복리후생 + 노트북 + 소프트웨어 라이선스. 연봉 120,000달러인 직원을 채용하는 중견 기업은 온보딩 비용을 약 15,000달러에서 20,000달러 사이로 계산합니다.

하지만 실제 비용 모델은 다음과 같아야 합니다.

신규 직원의 총 보상 비용(Fully-loaded cost)을 시간당 85달러라고 가정해 봅시다. 도구 스택이 중간 정도의 복잡성을 가진 기업을 기준으로, 생산성 램프업(Productivity ramp)이 4주 차에 50% 효율에 도달하고, 10주 차에 80% 효율에 도달하며, 14주 차에 완전한 생산성에 도달한다고 가정합니다.

이 램프업 기간 동안 발생하는 기회비용(Opportunity cost) — 즉, 완전한 생산성을 가진 직원과 비교했을 때 생산되지 못한 산출물 — 은 매니저나 동료의 투입 시간을 고려하기 전에도, 이 급여 수준에서는 채용 인력당 약 18,000달러에서 24,000달러에 달합니다.

여기에 동료의 투입 시간을 더해봅시다. 10개의 도구를 사용하는 환경의 신규 직원은 4개의 도구를 사용하는 환경의 신규 직원보다 더 많은 질문을 하고, 정보가 어디에 있는지에 대해 더 많은 가이드 (hand-holding)를 필요로 하며, 숙련된 동료들의 시간을 더 많이 빼앗습니다. 보수적인 추정치로는, 첫 주에 시니어 동료의 시간이 8시간 소요되고, 2개월 차에는 주당 2시간으로 감소한다고 가정합니다. 총합은 신규 채용 인력 1인당 숙련된 직원의 시간이 40~50시간에 달합니다.

관련 동료들의 시간당 비용을 85달러에서 120달러로 계산하면, 이는 온보딩 예산 어디에도 나타나지 않는 3,400달러에서 6,000달러 사이의 실제 비용입니다.

이 급여 수준에서 연간 30명을 채용하는 기업의 경우, 온보딩에 발생하는 총 파편화 세금 (fragmentation tax)은 연간 650,000달러에서 900,000달러에 달합니다. 이는 예산 항목(line item)으로 나타나지 않습니다. 그 어떤 보고서에도 드러나지 않는, 생산성에 미치는 확산되고 보이지 않는 저해 요소로 존재합니다.

파편화 세금을 유발하는 요인

근본 원인은 명확합니다. 스택 내의 모든 도구는 신규 직원이 반드시 배워야 하는 대상입니다. 단순히 인터페이스 (interface)뿐만 아니라 — 관례 (conventions), 권한 모델 (permissions model), 다양한 유형의 콘텐츠가 저장되는 위치, 어떤 채널이 어떤 결정에 대해 권위(authoritative)를 갖는지, 그리고 해당 도구가 동시에 배우고 있는 다른 도구들과 어떻게 통합(integrate)되는지까지 포함됩니다.

4개의 도구를 사용하는 환경은 이해해야 할 통합 관계 (integration relationships)가 대략 6개(각 도구와 다른 도구 간의 관계)입니다. 반면 10개의 도구를 사용하는 환경은 45개입니다. 신규 직원이 실제 업무에 집중하기 전, 이러한 관계들을 파악하는 데 드는 인지 부하 (cognitive load)는 상당합니다.

파편화 세금은 부서 간 가시성 (cross-functional visibility)이 필요한 역할에서 더욱 복합적으로 작용합니다. 6개의 서로 다른 시스템에서 상태 정보를 가져와 이를 종합하고 상부에 보고해야 하는 프로젝트 매니저 (project manager)는, 다른 어떤 산출물에도 기여하지 않는 조정 노동 (coordination labor)을 수행하고 있는 것입니다. 이 노동은 직무 기술서 (job description)에 내재되어 있기 때문에 보이지 않지만, 이는 도구 아키텍처 (tool architecture)에 의해 직접적으로 발생하며, 통합을 통해 줄이거나 제거할 수 있습니다.

온보딩 효율성 벤치마크 (The Onboarding Efficiency Benchmark)

유용한 벤치마크 하나를 소개합니다. 표준적인 개별 기여자 (Individual Contributor, IC) 역할의 신규 채용 인력이 '독립적 운영 (Time-to-independent-operation)'에 도달하기까지 걸리는 시간은 얼마입니까?

첫 번째 업무를 완료할 때까지의 시간이 아닙니다. 독립적 운영이란 — 직원이 필요한 모든 시스템을 탐색하고, 질문 없이 정보를 찾아내며, 도움 없이 핵심 워크플로우 (Workflow)를 완료하고, 동료의 안내 없이도 부서 간 프로젝트 (Cross-functional projects)에 기여할 수 있는 시점을 의미합니다.

이를 정밀하게 측정한 기업들의 경우, 그 결과는 도구 스택 (Tool stack)의 복잡성과 강력한 상관관계를 보였습니다. 통합된 환경에서는 8주 미만의 독립 기간을 달성할 수 있습니다. 반면, 매우 파편화된 환경에서는 16주 이상이 소요되는 것이 일반적입니다.

현재 수치를 모르신다면, 측정해 볼 가치가 있습니다. 세 개 부서의 매니저들에게 물어보십시오:

더 나쁜 점은, 파편화된 환경에서의 AI 도구들은 특히 신규 직원들에게 성능이 저하되는 경우가 많다는 것입니다. 이는 AI가 유용성을 만들어내는 조직적 맥락 (organizational context)이 부족하기 때문입니다. CRM, 프로젝트 관리 시스템 (project management system), 그리고 커뮤니케이션 이력을 동시에 액세스할 수 없는 AI는, 통합된 AI가 할 수 있는 방식으로 고객 관계나 프로젝트의 상태를 신규 직원이 이해하도록 도울 수 없습니다.

AI가 완전한 맥락을 갖게 되면 온보딩의 수학 (onboarding math)이 달라집니다. 독립적 운영까지 걸리는 시간 (time-to-independent-operation)이 단축되는 이유는 도구가 더 단순해져서가 아니라, AI가 동료의 시간을 할애해야만 했던 질문들에 답할 수 있기 때문입니다.

이를 해결하지 않았을 때 발생하는 연간 비용

현재의 연간 채용 규모를 확인하십시오. 여기에 신규 채용자의 평균 완전 급여 (fully-loaded salary)를 곱하십시오. 그리고 예상되는 독립 운영 소요 시간 (time-to-independence)을 기반으로 램프 효율 계수 (ramp efficiency factor)를 적용하십시오. 마지막으로 동료의 시간 비용을 더하십시오.

그 숫자가 바로 현재 파편화로 인해 발생하는 연간 비용입니다. 이는 파편화의 총비용이 아니라, 온보딩에만 기인하는 부분입니다.

연간 20명에서 50명을 채용하는 대부분의 미드마켓 (mid-market) 기업의 경우, 이 계산은 진지한 통합 투자 (consolidation investment)를 정당화할 만큼 충분히 큰 숫자를 산출합니다. 도구는 이미 존재합니다. 누군가 이 계산을 실행하기만 하면, 수학은 대개 명확한 근거를 제시합니다.

문제는 누군가 이 일을 하도록 요청받았느냐 하는 것입니다.