인공지능(Artificial Intelligence, AI) 시대의 작은 회사를 이해할 때 직원 수만 보는 방식은 점점 부족해지고 있다. Lean AI Leaderboard는 AI 네이티브(AI-native) 기업의 매출과 직원 수를 함께 놓고 직원 1인당 매출(Revenue per Employee, RPE)을 보여준다. 작은 팀이 얼마나 큰 결과를 만드는지 빠르게 볼 수 있는 숫자다.
다만 이 숫자가 잘 보인다고 회사 안까지 잘 보이는 것은 아니다. 모델과 클라우드 비용, 외부 파트너의 노동, 사람이 끝까지 맡는 검토와 승인, 한 사람에게 집중된 책임은 같은 표에서 쉽게 보이지 않는다.
화면에는 익숙한 숫자들이 나란히 놓여 있다. 매출, 직원 수, 투자금, 기업가치. 그 사이에 조금 낯선 항목 하나가 눈에 들어온다.
Revenue per Employee. 직원 1인당 매출.
계산은 어렵지 않다. 회사의 매출을 직원 수로 나누면 된다. 그런데 이 숫자를 보는 순간 회사를 읽는 방식이 조금 달라진다. 얼마나 많이 버는 회사인지보다, 그 매출을 몇 명이 만들고 있는지가 눈에 들어오기 시작한다.
사람이 적은 회사가 오히려 더 눈에 띈다.
작은 회사를 모아놓은 리더보드
Lean AI Leaderboard는 AI를 핵심 기술로 삼으면서 비교적 적은 인원으로 운영되는 회사를 모아놓은 서비스다.
2026년 8월 10일 공식 페이지 기준으로 기본 등재 조건은 연환산 반복매출(Annual Recurring Revenue, ARR) 500만 달러 초과, 직원 50명 미만, 설립 5년 미만이다. 직원 1인당 ARR이 100만 달러를 넘는 두드러진 기업에는 일부 예외를 허용한다.
운영자는 공개 기록과 기업 발표, 창업자 또는 회사 측의 직접 확인 등 여러 출처를 교차 확인한다고 설명한다. 데이터는 매주 갱신되며, 기업이 빠르게 성장하는 만큼 각각의 수치는 어디까지나 특정 시점의 스냅샷이라는 주의도 붙어 있다.
사이트가 던지는 질문도 명확하다.
“1인 10억 달러 기업은 가능할까.”
눈길을 끄는 질문이다. 그런데 리더보드를 한동안 보고 있으면 내게는 다른 변화가 먼저 보인다.
예전에는 회사가 성장하면 사람도 늘어나는 것이 자연스러웠다. 고객이 많아지면 영업과 고객지원 인력을 채용했고, 제품이 복잡해지면 개발자와 기획자가 더 필요했다. 조직이 커지는 모습 자체가 성장의 흔적처럼 보였다.
이 리더보드의 관점은 반대쪽을 향한다. 매출이 늘었는데도 직원 수가 많이 늘지 않았다는 사실 자체가 경쟁력이 된다.
직원 1인당 매출은 무엇을 보여주는가
AI가 직원 1인당 매출이라는 계산법에 힘을 실어주는 이유는 어렵지 않다.
코드의 초안을 만들고, 자료를 찾고, 문서를 정리하고, 고객 문의를 분류하고, 마케팅 소재의 여러 버전을 만드는 일 가운데 일부를 이제 소프트웨어가 맡을 수 있다. 예전 같으면 여러 사람이 나눠 처리했을 업무를 더 작은 팀이 다룰 여지가 생겼다.
그래서 직원 1인당 매출은 AI 기업을 바라보는 흥미로운 지표가 된다. 기술과 자동화가 실제 사업 규모에 어느 정도의 레버리지를 만들고 있는지 짧은 숫자로 보여주기 때문이다.
문제는 여기서부터다. 매출을 직원 수로 나누는 계산에는 무엇이 들어갔는지는 보이지만, 무엇이 빠졌는지는 보이지 않는다.
Annual Revenue, Employees, Revenue per Employee 항목을 중심으로 본 화면. 같은 매출이라도 조직 규모에 따라 숫자의 인상이 크게 달라진다. 출처: Lean AI Leaderboard, 화면 확인일 2026년 8월 10일.숫자가 측정하지 않는 것
직원 1인당 매출만으로는 AI 모델과 클라우드 사용 비용, 계약직과 외부 파트너의 노동, 수익성, 업무 강도, 승인과 검토에 필요한 시간까지 알 수 없다. 같은 숫자를 가진 두 회사의 실제 운영 구조는 전혀 다를 수 있다.
Lean AI Leaderboard 자체도 매출과 직원 수만 보여주지는 않는다. 수익성 여부, 투자금, 기업가치, 기업가치 대비 직원 수 등 여러 항목을 함께 놓는다. 직원 1인당 매출 하나로 기업 전체를 설명하기 어렵다는 사실은 오히려 표의 다른 열들이 보여준다.
숫자는 유용하다.
다만 좋은 지표일수록 그것이 무엇을 측정하지 않는지도 같이 볼 필요가 있다.
사람 수가 줄면 일도 줄어들까
AI와 일자리 이야기를 하다 보면 업무를 사람과 기계 사이에 깔끔하게 나누고 싶어질 때가 있다.
AI가 다섯 사람의 일을 할 수 있게 되면 다섯 사람이 필요 없어질 것이라는 식이다. 현실의 조직은 그렇게 단순하게 움직이지 않는다.
AI가 코드를 만들면 누군가는 그 코드를 검토한다. 고객에게 자동으로 답을 보낼 수 있어도 어떤 문제를 사람에게 넘길지는 정해야 한다. 보고서를 몇 분 만에 만들 수 있게 되면 작성 시간은 줄지만, 무엇을 믿고 의사결정에 사용할지는 여전히 사람이 판단해야 한다.
플랫폼과 데이터 사업을 운영하면서 반복해서 확인했던 것도 비슷하다. 자동화가 늘어난다고 판단 자체가 사라지는 것은 아니다. 오히려 자동으로 처리되는 구간이 넓어질수록 목표를 정하고, 결과를 검토하고, 예외 상황에서 멈출 사람의 역할은 더 선명해진다.
작은 AI 기업에서는 개발자가 코드만 다루지 않을 수 있고, 마케터 역시 카피 작성에만 머물지 않는다. 여러 도구를 움직이며 과거보다 넓은 과정에 개입하고, 하나의 결과가 나오기까지 더 많은 지점을 확인한다.
이때 작은 팀은 두 가지 얼굴을 갖는다. 조직에는 사람이 적다. 대신 남아 있는 사람의 업무 범위와 판단 책임은 더 커질 수 있다.
사람이 줄었다는 사실과 일이 줄었다는 사실은 같지 않다. 작은 조직에서는 한 사람이 관여하는 업무와 판단의 범위가 동시에 넓어질 수 있다.작은 팀의 또 다른 질문
“몇 명이 줄었는가”보다 “남은 사람은 무엇을 판단해야 하는가”를 봐야 한다.
자동화의 범위가 넓어질수록 검토, 예외 처리, 고객 관계, 품질 판단처럼 숫자로 환산하기 어려운 업무가 어디에 남는지 확인해야 한다.
효율적인 회사와 좋은 회사는 같은가
직원 1인당 매출은 앞으로 기업의 생산성을 설명할 때 더 자주 등장할 가능성이 있다. AI와 자동화가 같은 인원으로 더 많은 결과를 만들었다면 그 변화가 이런 숫자에 나타나는 것은 자연스럽다.
다만 지표가 관찰 대상에서 목표로 바뀌는 순간 이야기가 달라진다.
직원 1인당 매출을 계속 높이는 것이 중요한 경영 목표가 되면 사람을 적게 고용하는 조직이 구조적으로 유리해진다. 그 과정에서 교육, 협업, 품질 검토, 고객 관계, 조직 안의 지식 축적처럼 매출 숫자에 바로 잡히지 않는 일은 상대적으로 낮게 평가될 수 있다.
그래서 직원 열 명이 일하는 회사와 두 명이 일하는 회사를 단순히 비교하기는 어렵다. 같은 매출을 두 사람이 만들었다고 해서 그 조직이 반드시 더 건강하거나 오래 지속된다고 말할 수는 없다.
한 사람이 과거 다섯 사람이 나눠 하던 일을 처리하고 있다면 생산성이 높아졌다고 볼 수 있다. 동시에 예전에는 다섯 사람이 나눠 갖던 판단과 책임이 한 사람에게 모였을 가능성도 생각해야 한다.
이 둘은 서로 모순되지 않는다.
AI가 생산성을 높일 수 있고, 그와 동시에 사람의 역할을 더 무겁게 만들 수도 있다.
숫자 옆의 빈칸, 무엇을 함께 봐야 하나
Lean AI Leaderboard 화면으로 돌아가 보면 구조는 단순하다. 매출이 있고, 직원 수가 있고, 그 둘을 나눈 직원 1인당 매출이 있다.
회사끼리 비교하기 좋은 숫자다. 지금까지 얼마나 적은 인원으로 큰 사업을 만들 수 있었는지 보여주는 데에도 효과적이다.
다만 기업을 실제로 운영하거나 그 회사에서 일하는 사람의 입장이라면 몇 개의 열을 더 상상해볼 필요가 있다.
같이 볼 5가지
- 비용: AI 모델, 클라우드, 데이터와 소프트웨어에 실제로 얼마를 쓰는가.
- 외부 노동: 계약직, 프리랜서, 대행사와 파트너의 노동이 조직 밖에 얼마나 존재하는가.
- 수익성: 높은 매출이 실제 이익과 현금흐름으로 이어지는가.
- 판단과 책임: 자동화가 멈추거나 예외가 발생했을 때 누가 최종 결정을 내리는가.
- 지속 가능성: 특정 한두 명이 빠져도 제품, 고객 대응과 핵심 의사결정이 계속될 수 있는가.
그리고 한 칸을 더 만들 수 있다면 이런 질문을 넣어보고 싶다.
이 결과를 만들면서 사람이 끝까지 맡아야 했던 판단은 무엇이었는가.
아마 이런 항목을 숫자로 만들기는 쉽지 않을 것이다. 판단에는 공통 단위가 없고, 서로 다른 회사끼리 비교하기도 어렵다.
그래도 AI 기업을 볼 때 직원 1인당 매출만큼 오래 들여다볼 가치가 있는 부분이라고 생각한다. AI가 사람의 일을 얼마나 줄였는지도 중요하지만, 그 뒤에 남은 사람에게 어떤 일이 돌아갔는지는 다른 이야기이기 때문이다.
화면에서는 Revenue per Employee가 깔끔하게 계산된다.
그 숫자 옆의 빈칸은 아직 계산되지 않는다.
직원 1인당 매출은 작은 AI 기업이 적은 인원으로 얼마나 큰 사업을 만들고 있는지 보여주는 유용한 지표다. 그러나 이 숫자 하나로 AI 생산성이나 조직의 건강성을 판단하기는 어렵다. 모델·클라우드 비용, 외부 노동, 수익성, 판단 책임과 핵심 인력 의존도를 함께 볼 때 비로소 작은 팀이 실제로 어떻게 작동하는지가 보인다.
FAQ
직원 1인당 매출과 AI 기업에 대해 자주 묻는 질문
Q. 직원 1인당 매출이란 무엇인가?
회사의 매출을 직원 수로 나눈 값이다. 기업이 한 명의 직원당 어느 정도의 매출 규모를 만들어내는지 비교하는 데 사용할 수 있다. 다만 비용과 수익성, 외부 인력 활용까지 포함하는 생산성 지표는 아니다.
Q. AI 기업에서 직원 1인당 매출이 특히 주목받는 이유는 무엇인가?
AI와 자동화가 코드 작성, 조사, 고객 대응, 콘텐츠 제작 등 일부 업무의 처리 범위를 넓히면서 작은 팀도 큰 사업 규모를 다룰 가능성이 커졌기 때문이다. 직원 1인당 매출은 이런 조직 레버리지를 비교하기 쉬운 형태로 보여준다.
Q. 직원 1인당 매출이 높으면 AI를 잘 활용하는 회사라고 볼 수 있나?
그렇게 단정할 수는 없다. 높은 값은 높은 가격, 높은 마진의 사업모델, 외부 인력 활용, 창업자의 직접 노동이나 특정 시장 구조에서도 나타날 수 있다. AI의 실제 생산성 효과를 판단하려면 비용과 업무 구조를 함께 확인해야 한다.
Q. 작은 AI 회사를 평가할 때 무엇을 함께 봐야 하나?
직원 1인당 매출과 함께 수익성, AI·클라우드 비용, 외부 노동 의존도, 고객 유지, 핵심 인력 집중도와 최종 승인 책임을 보는 것이 좋다. 작은 팀의 경쟁력은 단순히 사람이 적다는 데 있지 않고, 적은 인원이 감당하는 업무를 지속 가능한 구조로 운영할 수 있느냐에 달려 있다.
댓글
댓글 쓰기