당신의 링크드인 프로필은 어떤 회사를 다녔는지는 말해준다. 하지만 어떤 판단을 했는지, 어떤 실패를 겪었는지, 어떤 예외 상황을 다뤄봤는지는 거의 말해주지 못한다. 문제는 기업이 돈을 내고 사고 싶어 하는 전문성이 바로 그 부분이라는 점이다.
런던 기반 Ethos는 이 틈을 파고든다. 이 회사는 음성 기반 온보딩으로 전문가의 경험을 인터뷰하고, 이를 AI가 구조화해 기업의 자연어 요청과 매칭하는 전문가 네트워크를 만들고 있다. 최근 a16z가 주도한 2,275만 달러 시리즈 A 투자를 유치했고, GLG·Third Bridge·AlphaSights 같은 기존 전문가 네트워크와 다른 접근법을 내세운다1. 중요한 변화는 단순히 "AI가 전문가를 찾아준다"가 아니다. 전문성의 단위가 이력서 문장에서 인터뷰로 추출된 판단 데이터로 바뀌고 있다는 점이다.
이력서는 AI 구매자에게 너무 납작하다
기존 전문가 네트워크와 링크드인은 대체로 직함, 회사명, 경력 요약, 키워드에 의존한다. 이 정보는 출발점으로는 유용하지만, 실제 프로젝트 매칭에는 자주 부족하다. "핀테크 임원"과 "A급 투자자로부터 투자받은 스타트업에서 재무 자동화 제품을 실제로 구축해 본 사람"은 전혀 다른 검색 결과를 요구한다.
Ethos가 내세우는 차이는 여기서 나온다. 사용자가 양식을 채우는 대신 AI 음성 에이전트와 대화하면, 플랫폼은 경력의 맥락과 세부 경험을 더 많이 수집한다. 여기에 블로그, 논문, 소셜 링크 같은 공개 신호도 함께 본다고 설명한다1.
해석하자면, Ethos는 전문가를 "프로필"이 아니라 "질의 가능한 지식 그래프"로 바꾸려 한다. 기업 입장에서는 더 구체적인 질문을 던질 수 있고, 전문가 입장에서는 직함에 가려졌던 경험이 기회로 전환될 수 있다.
Ethos가 사려는 것은 지식보다 '판단의 흔적'이다
전문가 네트워크에서 돈이 되는 경험은 교과서적 지식이 아니다. 이미 인터넷에 널린 설명을 반복하는 사람은 희소하지 않다. 더 가치 있는 것은 특정 상황에서 내려본 판단이다.
예를 들면 이런 경험이다.
특정 벤더를 도입했다가 실패한 이유
규제, 예산, 조직 저항 때문에 제품 전략을 바꾼 사례
시장 진입 타이밍을 놓쳤거나 앞당긴 의사결정
고객이 실제로 구매하지 않은 기능과 그 이유
AI 모델, 의료, 금융, 법률처럼 일반 데이터만으로는 부족한 도메인 피드백
일부 보도에 따르면 Ethos는 전문가 콜, 시장조사, AI 데이터 라벨링, 컨설팅, 정규직 기회까지 연결하는 모델을 제시한다2. 즉 "자문 전화 몇 번"을 넘어, 인간 전문성을 AI 경제의 입력값으로 유통하려는 그림에 가깝다.
실무자에게 중요한 질문은 "내가 유명한가?"가 아니다. "내 경험이 특정 구매자의 질문에 답할 만큼 구체적인가?"다.
음성 온보딩을 준비한다면, 추상어보다 사건을 준비하라
Ethos 같은 네트워크에 들어가고 싶다면 자기소개를 멋지게 다듬는 것보다, AI가 분류하기 쉬운 고밀도 사례를 준비하는 편이 낫다.
"전략 수립 경험이 많습니다"는 약하다. 대신 "동남아 B2B SaaS 진출 당시, 리셀러 채널 대신 직접 영업을 선택했고 그 결과 CAC 회수기간이 어떻게 바뀌었다"처럼 말해야 한다. 좋은 답변은 산업, 고객군, 문제, 선택지, 본인의 역할, 결과를 포함한다.
특히 음성 인터뷰에서는 다음을 의식할 필요가 있다.
첫째, 직함보다 결정의 이름을 말하라. "PM이었다"보다 "가격 정책 변경을 주도했다"가 더 잘 잡힌다.
둘째, 성공담만 말하지 말라. 실패한 구축, 잘못 고른 벤더, 예상과 달랐던 고객 반응은 기업이 매우 비싸게 사는 정보다.
셋째, 범위를 좁혀라. "AI 전문가"보다 "보험 청구 자동화에서 OCR 모델을 운영 환경에 붙여본 경험"이 더 매칭 가능성이 높다.
기회는 늘지만, 내 경력 서사의 통제권은 줄어든다
이 모델의 장점은 분명하다. 글을 잘 쓰지 못해도 말로 경험을 풀어낼 수 있고, 기존 네트워크 밖에 있던 전문가도 발견될 수 있다. Ethos는 기업으로부터 프로젝트별 30% 이상 수수료를 받는 모델을 언급했고, 헤지펀드·사모펀드·AI 랩·엔터프라이즈 컨설팅 고객을 대상으로 한다고 밝혔다1.
하지만 대가도 있다. AI가 당신을 더 잘 발견하게 만든다는 것은, 동시에 당신을 더 좁은 태그로 환원할 수 있다는 뜻이다. "전략가"가 아니라 "금융 자동화 스타트업 초기 Go-to-market 경험자"로 고정될 수 있다. 이것이 기회일 수도 있지만, 장기 커리어 서사와 어긋날 수도 있다.
또한 현직자의 경우 이해상충, 비밀유지, 고용계약 위반 가능성을 반드시 확인해야 한다. 특히 AI 기반 매칭이 채용·노동시장과 가까워질수록 설명 가능성, 편향, 규제 이슈도 커진다. 유럽에서는 고용 관련 AI 시스템에 대한 규제 논의가 이미 중요한 변수로 거론된다3.
결론적으로 Ethos는 또 하나의 컨설팅 마켓플레이스라기보다, 전문성을 기계가 읽을 수 있는 형태로 재포장하는 실험이다. 지금 신경 써야 할 사람은 컨설턴트만이 아니다. 특정 산업의 실패와 시행착오를 몸으로 겪은 실무자, AI 랩이나 투자사에 팔릴 만한 현장 지식을 가진 사람, 그리고 자신의 경력이 링크드인 한 줄보다 훨씬 복잡하다고 느끼는 사람 모두다.
앞으로의 판단 기준은 간단하다. 내 전문성이 "직함"으로만 설명되는지, 아니면 "반복해서 돈을 내고 물어볼 만한 구체적 판단"으로 설명되는지. Ethos 같은 플랫폼은 그 차이를 더 노골적으로 드러낼 것이다.
참고
1Ethos raises $22.75M from a16z for its expert network with voice onboarding
2a16z backs Ethos with $22.75M to replace CVs with an AI talent agent
3Ethos Raises $22.75M from a16z for AI Expert Network with Voice-Powered Onboarding
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.