고용주가 당신의 개인 데이터로 최저 연봉을 계산하고 있다

연봉 협상 자리에서 회사가 제시한 숫자가 이상하리만큼 정확하다고 느낀 적 있으신가요. 당신이 수락할 수 있는 최저 금액을 회사가 이미 알고 있다면 어떨까요. 이제 그건 상상이 아닙니다. 고용주들이 지원자의 개인 데이터를 수집하고, 알고리즘으로 가능한 한 낮은 연봉을 산출하는 시대가 본격적으로 열리고 있습니다.

연봉 협상의 판이 바뀌고 있다

전통적인 채용 과정에서 연봉은 직무 등급, 시장 평균, 그리고 협상력의 함수였습니다. 하지만 최근 HR 테크 업계에서는 이른바 보상 최적화(Compensation Optimization) 도구들이 빠르게 확산되고 있습니다. 이 도구들은 단순히 시장 데이터를 참고하는 수준이 아닙니다. 지원자 개인의 데이터 포인트를 수집해서, 그 사람이 수락할 가능성이 높은 최저 금액을 예측합니다.

핵심은 정보 비대칭입니다. 회사는 지원자에 대해 점점 더 많이 알게 되는 반면, 지원자는 회사의 실제 예산을 여전히 모릅니다.

어떤 데이터가 활용되는가

알고리즘 급여 최적화에 투입되는 데이터는 생각보다 광범위합니다.

현재 및 과거 연봉 이력이 가장 기본적인 입력값입니다. 미국의 여러 주에서 연봉 이력 질문을 금지하는 법안을 통과시킨 이유가 바로 이것입니다. 하지만 데이터 브로커를 통해 간접적으로 이 정보를 추정하는 경로는 여전히 열려 있습니다.

거주 지역과 생활비 데이터도 핵심 변수입니다. 같은 직무라도 생활비가 낮은 지역에 거주하는 지원자에게는 더 낮은 금액을 제시하는 것이 일반화되었습니다. 원격 근무 확산 이후 이 관행은 더 정교해졌습니다.

링크드인 프로필, 이직 주기, 현재 재직 기간도 분석 대상입니다. 재직 기간이 길수록 이직 의지가 강하다고 판단해 더 낮은 오퍼를 제시하는 패턴이 관찰됩니다. 반대로 최근 이직한 사람에게는 현 연봉 대비 소폭 상승만 제안하는 전략을 씁니다.

더 나아가 일부 플랫폼은 구직 활동의 긴급도까지 추적합니다. 구직 사이트 방문 빈도, 지원 건수, 프로필 업데이트 시점 같은 행동 데이터가 급박함의 신호로 읽힙니다. 급하게 구직 중인 사람에게는 더 낮은 금액을 제시해도 수락률이 높다는 논리입니다.

기업 측의 논리와 현실

기업들은 이를 시장 효율성의 관점에서 정당화합니다. 적정 보상을 제공하면서도 인건비를 최적화하는 것은 경영의 기본이라는 것입니다. 실제로 Beqom, Payscale, Salary.com 같은 보상 관리 플랫폼들은 수년간 시장 데이터 기반의 급여 벤치마킹 서비스를 제공해왔습니다.

하지만 문제는 벤치마킹과 개인 타겟팅의 경계가 허물어지고 있다는 점입니다. 시장 평균을 참고하는 것과, 특정 개인이 수락할 최저 금액을 예측하는 것은 본질적으로 다른 행위입니다. 전자는 공정한 보상의 도구이고, 후자는 협상력을 구조적으로 빼앗는 무기입니다.

법적 회색지대

미국에서는 캘리포니아, 콜로라도, 뉴욕 등 여러 주에서 **급여 투명성 법안(Pay Transparency Law)**을 시행하고 있습니다. 채용 공고에 급여 범위를 명시하도록 의무화한 것입니다. EU에서도 **급여 투명성 지침(Pay Transparency Directive)**이 2026년부터 본격 시행됩니다.

이런 법안들은 분명 진전입니다. 하지만 알고리즘 급여 최적화에 대한 직접적인 규제는 아직 거의 없습니다. 급여 범위를 공개하더라도, 그 범위 안에서 특정 개인에게 최저치를 제안하는 행위까지 규제하지는 못합니다. 3만 달러 폭의 급여 범위를 공고에 올려놓고, 알고리즘이 당신에게는 하한선을 제시하는 상황은 완전히 합법입니다.

한국의 경우 개인정보보호법이 존재하지만, 공개된 프로필 정보의 수집과 분석에 대한 규제는 모호한 영역에 남아 있습니다.

지원자가 할 수 있는 것

정보 비대칭을 완전히 해소하기는 어렵지만, 균형을 맞추는 전략은 있습니다.

첫째, 자신의 시장 가치를 독립적으로 파악하세요. Levels.fyi, Glassdoor, 블라인드 같은 플랫폼에서 동일 직무의 실제 보상 데이터를 확인할 수 있습니다. 회사가 데이터를 쓴다면 당신도 써야 합니다.

둘째, 디지털 구직 행동을 의식하세요. 구직 사이트에서의 활동 패턴이 분석될 수 있다는 점을 인지하고, 급박함의 신호를 최소화하는 것이 도움이 됩니다.

셋째, 급여 범위의 하한이 아닌 중간값 이상을 기준으로 협상을 시작하세요. 회사가 알고리즘으로 하한선을 제시하는 구조라면, 지원자는 의식적으로 앵커링 포인트를 올려야 합니다.

이것은 기술의 문제가 아니라 권력의 문제다

알고리즘 급여 최적화의 본질은 기술이 아닙니다. 이것은 고용 관계에서의 권력 불균형이 데이터와 자동화를 만나 증폭되는 현상입니다. 과거에는 숙련된 채용 담당자의 직관에 의존했던 로우볼 전략이, 이제는 수백 개의 데이터 포인트를 처리하는 모델로 체계화되고 있습니다.

기업이 지원자의 데이터를 활용해 비용을 최적화할 권리가 있다면, 지원자도 기업의 재무 상태와 실제 급여 분포를 알 권리가 있어야 합니다. 급여 투명성 법안은 그 첫 걸음이지만, 알고리즘 보상 시스템에 대한 규제 논의는 이제 막 시작되어야 할 단계입니다.

당신의 다음 연봉 협상에서, 상대방이 당신에 대해 얼마나 알고 있는지 한번 생각해보시기 바랍니다. 그리고 당신도 그만큼 준비되어 있는지 스스로에게 물어보세요.