Andrew Johnson, Yardstik CEO – 인터뷰 시리즈

Andrew Johnson은 Yardstik의 CEO로, 고성장 소프트웨어 회사를 확장하고, 시장 진출 조직을 구축하며, 기업 매출을 성장시킨 경험이 풍부한 기술 경영자이다. 그는 2022년에 Yardstik에 Chief Operating Officer(COO)로 합류했으며, 2024년 10월에 CEO로 승진했다. 이전에 Johnson은 Branch에서 Chief Revenue Officer(CRO)로 근무하면서 인력 결제 회사를 급격한 성장 단계로 이끌었고, Dialpad에서 5년 이상 근무했으며, 그 중 기업 영업 부문 책임자(Head of Enterprise Sales)로서 미국 및 캐나다 영업 조직을 구축하는 데 기여했다. 경력 초기에 그는 Compellent Technologies에서 사업 및 파트너 개발 역할을 맡았으며, 이 회사는 2011년에 Dell에 약 9억 6천만 달러에 인수되었다.

Yardstik은 2020년에 설립된 미니애폴리스 기반의 인력 신뢰 기술 기업으로, 사기 방지, 신원 확인, 배경 조사, 자격 검증 및 지속적인 인력 모니터링을 Human Trust Platform을 통해 제공한다. 이 회사는 API‑first 아키텍처를 중심으로 구축되어, 기술을 지원자 추적 시스템, 인적 자원 관리 플랫폼, gig 마켓플레이스 및 기타 인력 애플리케이션에 직접 통합할 수 있다. Yardstik은 또한 Model Context Protocol (MCP)을 지원하여 AI 에이전트가 신뢰 인프라와 연결하고 AI 기반 채용 및 온보딩 시스템 내에서 배경 조사, 신원 확인, 자격 검증, 재검증 및 판정과 같은 워크플로를 자동화할 수 있게 한다.

Yardstik에 합류하기 전, 당신은 Branch에서 5년 이상 근무하면서 도난당한 사회보장번호를 사용해 다른 사람의 신원으로 직업을 얻는 사기 조직을 직접 목격했습니다. 그 경험이 배경 조사에 대한 당신의 생각을 어떻게 바꾸었으며, 언제 신원 확인이 채용 시 일회성 검증을 넘어 확장되어야 한다는 것을 깨달았나요?

제가 Branch에 있었을 때, 우리 주요 고객 중 하나가 베네수엘라에서 온 사기 조직의 공격을 받았습니다. 이는 gig 플랫폼 전반에서 흔히 발생하는 문제입니다. 이들은 미국인의 사회보장번호를 도난해 미국에서 일할 자격이 없는 사람들에게 판매했습니다. 누군가 도난당한 신원으로 지원하고 배달을 시작했으며, 세금 시즌이 되기 전까지는 모든 것이 정상처럼 보였습니다. 그러나 실제 SSN 소유자가 자신이 하지 않은 작업에 대해 1099 청구서를 받게 되었습니다. 이것이 제가 사기가 채용 결정 이후에 나타나는 것을 처음 본 순간이었습니다.

그 순간이 저에게 큰 전환점이 되었습니다. 배경 조사를 통과한 사람이 실제 업무에 나타나는 사람이 아닐 경우가 얼마나 자주 있는지 깨달았습니다. 예를 들어, 깨끗한 기록을 가진 지원자가 검사를 통과하고 나면, 그 검사를 통과할 수 없었던 가족 구성원이 실제 근무를 대신하는 경우가 있습니다. 배경 조사는 서류상 지원자만을 한 번, 초기 단계에서만 검토하기 때문에 이를 포착할 방법이 없습니다. 제가 Yardstik에 합류했을 때, Branch에서 얻은 경험을 바탕으로 팀과 함께 고객을 위한 지속적인 모니터링 방식을 구축했습니다.

생성형 AI는 가짜 신원, 위조된 자격증, 합성 프로필, 심지어 설득력 있는 딥페이크를 만드는 장벽을 크게 낮췄습니다. 오늘날 가장 빠르게 발전하고 있는 AI 기반 사기 기법은 무엇이며, 고용주들이 가장 대비가 부족하다고 생각하는 분야는 무엇인가요?

현재 가장 빠르게 진행되는 사기는 화려한 딥페이크 영상이 아니라 합성 신원입니다. 실제 사회보장번호에 가짜 이름과 조작된 경력 기록을 결합해 처음 검토할 때는 깔끔해 보이는 형태로 만든 것입니다. 여기에 정교한 이력서를 생성하고 일치하는 자격증을 만들어 내는 AI 도구를 더하면 바로 지원자가 됩니다.

고용주들이 가장 대비가 부족한 것은 원격으로, 직접 만나본 적 없는 채용입니다. gig 플랫폼, 원격 IT 직무, 가상 콜센터 등이 해당됩니다. 회사 내에서 그 사람을 직접 본 적이 없다면, 사기범을 포착하던 모든 신호(긴장된 면접, 약간 어색한 신분증 등)가 사라집니다. 바로 이런 상황에서 원격 채용 사기 조직이 활동하고 있으며, 대부분의 기업은 자신에게 일어나기 전까지는 다른 사람의 문제로 여기고 있습니다.

Yardstik은 전통적인 배경 조사에서 AI 사기 방지, 신원 확인, 자격 검증 및 지속적인 모니터링을 결합한 보다 포괄적인 플랫폼으로 전환했습니다. 이러한 신호들을 연결하는 데 AI는 어떤 역할을 하며, 기존 배경 조사로는 감지할 수 없는 것을 시스템은 어떻게 탐지할 수 있나요?

Yardstik은 배경 조사 회사로 시작했으며, 대부분의 고객에게 여전히 우리의 핵심 서비스입니다. 그러나 배경 조사는 단일 거래로, 실행하고 답을 받은 뒤 데이터를 폐기합니다. 사기 방지, 신원 확인, 자격 검증 및 모니터링을 하나로 연결하는 점은 우리가 데이터를 폐기하지 않는다는 것입니다. 우리는 후보자의 프로필을 시간에 따라 유지하고, 새로운 검사가 있을 때마다 기존 데이터에 추가하여 제로부터 시작하지 않습니다.

이것이 일회성 검사는 절대 포착하지 못하는 상황을 잡아낼 수 있게 합니다. 예를 들어, 우리 고객 중 하나는 사기꾼이 고객 세금 데이터에 접근할 수 있는 에이전트 계정에 반복적으로 침입하려는 시도를 했습니다. 동일한 디바이스나 약간 변형된 신원이 여러 시도에 걸쳐 나타나는 것을 우리는 파악할 수 있었기 때문에, 이를 검토 결정이 내려지기 전에 차단할 수 있었습니다. 일회성 검사는 각각의 지원서를 독립적으로 검토했을 경우 모두 통과시켰을 것입니다.

Yardstik은 개인 신원 데이터, 결제 활동, 장치 또는 위치 지표와 같은 신호를 사용하여 잠재적인 신원 사기를 밝혀냅니다. 특히 AI 모델이 점점 더 복잡한 패턴을 평가하게 되면서, 실제로 의심스러운 행동과 비정상적이지만 정당한 행동을 어떻게 구분하십니까?

우리는 의심스러운 행동과 비정상적인 행동 사이에 명확한 경계를 그리려고 하지 않습니다. 대부분의 경우 우리가 보는 순간에는 그런 경계가 존재하지 않기 때문입니다. 우리가 하는 일은 차이를 표면에 드러내는 것입니다. 누군가의 지원서에 한 학교가 적혀 있는데, 1년 후 같은 신원으로 새로운 지원서에 다른 학교가 적혀 있다면 재검토할 가치가 있습니다. 누군가가 항상 iPhone으로 지원했는데 Android 기기와 새로운 IP 주소로 나타난다면 역시 마찬가지입니다. 각각만으로는 사기를 의미하지 않지만 여러 신호가 결합되면 위험 프로필이 상승합니다. 우리는 마지막으로 해당 인물을 본 이후에 무엇이 변했는지를 표시하고, 고용주가 보다 많은 데이터를 바탕으로 정보에 입각한 결정을 내릴 수 있도록 돕는 레이어입니다.

Yardstik에 따르면 약 30명 중 1명의 지원자가 정부 발행 신분증 확인에 실패하며, 매일 플래그가 지정되거나 중복된 사회보장번호가 차단됩니다. 이 데이터를 통해 인력 사기가 어떻게 진화하고 있는지, 그리고 당신이 마주하는 사례 중 얼마나 많은 부분이 기회주의적이라기보다 조직적인지 무엇을 배우고 있습니까?

그 데이터는 채용에서의 신원 사기가 더 이상 주변적인 문제가 아니라는 것을 알려줍니다. 이는 결제에서 차지백이 기본 비용이 되는 것과 마찬가지로, 어느 정도 규모로 사업을 운영하든 필수적인 비용이 되었습니다. 상당 부분이 기회주의적이라기보다 조직적으로 이루어지고 있습니다. 기회주의적 사기는 일회성인 경우가 많습니다: 누군가 이력서를 과장하거나 졸업 날짜를 조작하는 식이죠. 조직적인 사기는 패턴을 보이며, 동일한 장치나 거의 동일한 신원이 여러 고용주에게 같은 종류의 직무를 시도하고, 때때로 한 번에 하나씩 세부 정보를 바꾸어 어떤 것이 통과되는지 확인합니다. 이는 수년 전 도난된 사회보장번호가 재판매되던 모습을 제가 보았던 버전이며, 오늘날에도 여전히 목격하고 있습니다. 이제는 자동화되어 있으며, 생성형 도구가 가짜 신원을 더 저렴하게 만들면서 훨씬 높은 규모로 진행되고 있습니다.

신원 확인은 점점 더 정부 발행 신분증, 생체인식, 라이브니스 검사, 장치 신호 및 기타 위험 지표를 포함하고 있습니다. 생성형 모델이 현실적인 문서, 얼굴, 음성을 더욱 정교하게 만들어 갈수록, 공격자들이 위조하기 가장 어려워할 신호는 무엇이라고 보십니까?

단일 아티팩트, 예를 들어 사진, 문서, 짧은 영상 등을 생성할 수 있다면, 그것을 설득력 있게 위조하는 것이 점점 쉬워집니다. 위조하기 어려운 것은 시간에 걸친 일관성, 그리고 아무도 함께 제어하지 않는 여러 장소에 걸친 일관성입니다. 합성 신원은 충분히 정교한 딥페이크로 하나의 라이브니스 검사를 통과할 수 있습니다. 그러나 동일한 신원이 일치하는 장치 이력, 일치하는 위치 패턴, 그리고 실제 사람처럼 고용주와 연도에 걸친 경력 기록을 모두 갖추는 것은 훨씬 어렵습니다. 이것이 단일 검증 순간이 아닌 지속적인 모니터링에 대한 핵심 논리입니다. 기존 검증은 한 번 찍은 사진, 한 프레임을 제공합니다. 우리의 시스템은 프레임이 서로 일치하지 않을 때 이를 감지하도록 설계된 실시간 피드와 같습니다.

지속적인 모니터링은 한 번만 검증하는 것에서 근로자의 전체 생애주기 동안 신뢰를 평가하는 것으로 큰 변화를 의미합니다. 불필요한 감시, 오탐, 혹은 근로자가 이해하거나 이의를 제기하기 어려운 결정을 만들지 않으려면 어떻게 시스템을 설계해야 할까요?

감시는 자신이 감시당하고 있다는 사실을 모르는 사람을 지켜보는 것입니다. 이것이 우리의 방식은 아닙니다. 우리가 모니터링하는 모든 근로자는 서면 동의를 제공했으며, 무엇이 확인되는지 정확히 알고 있습니다. 또한 법에 따라 우리가 찾은 내용의 사본과 잘못된 경우 이를 이의 제기할 수 있는 방법을 제공해야 합니다. 이는 선택 사항이 아니라 필수이며, FCRA(공정 신용 보고법)에 의해 규정됩니다.

또 다른 부분은 우리가 직접 결정을 내리지 않는다는 점입니다. 모니터링 중인 사람에게 체포 기록이 나타난다면, 이는 고용주가 조사해야 할 신호일 뿐이며, 판결이 아닙니다. 적법 절차는 여전히 적용됩니다. 고용주는 후보자에게 통보하고, 응답 기회를 제공한 뒤 최종 결정을 내려야 합니다. 우리의 역할은 변화가 있었음을 표면에 드러내는 것이며, 고용주가 그 의미와 조치를 결정합니다. 이는 채용 시 검증과 동일한 방식입니다. 우리는 의도적으로 그렇게 설계했습니다.

채용 및 인력 관리가 점점 더 에이전시화됨에 따라, 신뢰 신호를 수집하고 평가하는 AI 에이전트와 실제로 중요한 채용 결정을 내리는 사이의 경계는 어디에 두어야 할까요?

저는 현재 법이 정한 선을 그대로 적용합니다. 우리 업계는 분쟁이나 불리한 결정에 인간이 반드시 개입해야 한다는 엄격한 요구가 있기 때문에, 스스로를 AI 회사라고 부르지 않으려 합니다. 에이전트는 신호를 수집하고 점수를 매겨 변화를 표시할 수 있습니다. 그러나 스스로 누군가에게 직업을 주지 않거나 유지하지 않겠다고 결정해서는 안 됩니다. 그 결정은 책임을 질 수 있는 사람이 있어야 하며, 이의 제기가 있을 경우 설명할 수 있어야 합니다.

채용이 전반적으로 더 자동화될수록, 그 경계는 오히려 더 중요해집니다. 에이전트가 전체 채용 과정을 운영하도록 하는 것이 쉬워질수록, 마지막 단계에서 결정을 맡기는 유혹도 커집니다. 신뢰 신호를 수집하고 평가하는 것은 소프트웨어가 더 빠르게 수행해야 할 일입니다. 그러나 사람의 생계와 관련된 결정을 전적으로 맡기는 일은 결코 맡기고 싶지 않습니다.

새로운 $30 million Series B로 Yardstik의 총 자금이 $65 million이 되었습니다. 이제 AI와 사기 방지 분야 중 어느 영역에 가장 큰 투자가 필요하다고 보시며, 지속적인 신원 확인을 훨씬 더 큰 규모에서 작동하게 하려면 어떤 기술적 문제가 아직 해결돼야 합니까?

우리는 새로운 자본을 가장 매력적이지 않고 구축 비용이 많이 드는 사기 방지 분야에 투입하고 있습니다. 차량 보고서 및 OIG 제외 모니터링. 면허, 보험 증권 또는 인증이 만료되는 즉시 자동 알림을 제공하여 다음 갱신 주기를 기다리지 않게 합니다.

이 업계에서 아직 해결되지 않은 기술적 문제는 비용입니다. 많은 국가와 주에서는 기록을 조회할 때 자체 요금을 부과하는데, 뉴욕과 같은 곳에서는 단일 조회당 $100가 넘기도 합니다. 그리고 그 비용은 더 자주 확인하고 싶다고 해서 낮아지지 않습니다. 수천 명의 gig worker를 보유한 기업이 연 1회가 아니라 매월 지속적인 검증을 실행할 수 있을 정도로 저렴하게 만드는 것은 데이터 소싱 및 가격 책정 문제이자 머신러닝 문제입니다. 지금 가장 많이 고민하는 부분이 바로 이것입니다.

흥미로운 무기 경쟁이 떠오르고 있습니다: AI가 신원 사기를 더 쉽게 만들면서 동시에 플랫폼에 이를 탐지할 더 좋은 도구를 제공하고 있습니다. 양쪽이 개선됨에 따라, 누군가가 주장하는 바와 실제로 일치한다는 것을 입증하는 것이 크게 어려워질 것이라고 보십니까, 아니면 AI가 궁극적으로 디지털 신원을 그 어느 때보다 신뢰할 수 있게 만들 것이라고 보십니까?

두 가지 모두 사실이며, 하나가 다른 것을 상쇄한다고 생각하지 않습니다. 우리 고객들은 종종 우리에게 “불을 불로 잡아라”고 기대한다고 말합니다. 그들은 현대 문제에 현대적인 솔루션이 필요하다는 것을 알고 있습니다. 제 솔직한 판단은 디지털 신원이 연도와 플랫폼을 넘어 누군가를 추적하도록 구축된 시스템에서는 더 신뢰할 수 있게 되고, 여전히 단일 시점 검증에 의존하는 경우에는 신뢰도가 떨어진다는 것입니다. 이는 한 번만 검증한 기업이 노출 위험에 처하게 되고, 장기적인 관점을 위해 구축한 기업이 나중에 훨씬 더 현명해 보일 것이라는 의미입니다.

훌륭한 인터뷰에 감사드립니다. 더 알고 싶은 독자분들은 Yardstik을 방문하십시오.