당신을 이직시키는 건 친한 친구가 아니다 — 2,000만 명 실험이 증명한 ‘약한 연결의 힘’

2025년 6월, 링크드인이 공개한 숫자 하나가 채용 담당자들 사이에서 돌았다. 이 플랫폼에 1분당 평균 1만 1,000건의 입사지원이 들어온다는 것. 1년 만에 45% 늘어난 수치다. 같은 시기 채용 소프트웨어 그린하우스가 집계한 벤치마크는 더 노골적이다. 공고 하나에 붙는 지원자가 2022년 약 115명에서 2025년 244명으로 두 배 넘게 뛰었다.

지원은 폭증했는데 받는 쪽은 줄었다. 같은 기간 리크루팅 팀 규모는 55% 감소했고, 리크루터 한 명이 1년에 처리해야 하는 지원서는 411% 늘었다. 산수를 해보면 답은 하나다. 사람이 다 못 읽는다. 그래서 필터가 읽는다.

공개 채용공고라는 정문은 여전히 활짝 열려 있다. 다만 그 문 앞에 244명이 서 있고, 문지기는 사람이 아니다. 이 상황에서 값이 오른 것이 하나 있다. 50년 전 사회학자가 예고했던, 별로 안 친한 사람들이다.

정문은 열려 있는데, 들어갈 수가 없다

2025년 7월 그린하우스가 미국·영국·아일랜드 구직자 2,200명에게 물었다. 시장이 구직자에게 유리하다고 답한 사람은 7%였다. 22%는 이미 자동지원 봇을 쓰고 있다고 했고, Z세대만 보면 31%였다. 그리고 26%가 “AI 때문에 오히려 돋보이기 어려워졌다”고 답했다. Z세대에서는 45%.

지원 비용이 0에 수렴하자 모두가 더 많이 지원했고, 지원서가 서로 구별되지 않게 됐다. 키워드에 맞춰 다듬은 이력서 244장은 놀랍도록 비슷하게 생겼다. 개인에게 합리적인 선택이 모여 전체가 망가지는 전형적인 구조다.

그래서 기업은 지원서 더미 바깥의 신호를 찾기 시작했다. 누가 이 사람을 아는가. 정문이 막힐수록, 옆문의 값이 오른다.

왜 친한 친구는 도움이 덜 되는가

1973년 마크 그래노베터가 내놓은 논리는 정보 이론에 가깝다. A와 B가 아주 친하다면 두 사람의 인맥은 크게 겹친다. 같은 회사, 같은 학교, 같은 동네. 그러므로 B가 아는 채용 정보는 A도 이미 알고 있을 확률이 높다. 친밀도가 높을수록 정보의 신규성은 떨어진다.

반면 1년에 한 번 연락하는 사람은 나와 다른 정보 환경에 산다. 그가 가진 정보의 상당 부분이 나에게는 처음이다. 연결망 관점에서 이런 관계는 서로 분리된 두 군집을 잇는 다리다. 다리가 끊기면 정보는 군집 안에서만 맴돈다.

2,000만 명을 실제로 흔들어 본 실험

문제는 이 주장이 50년 가까이 ‘그럴듯한 이야기’였다는 점이다. 이직에 성공한 사람이 원래 인맥이 넓었을 수도 있다. 관찰 데이터로는 “약한 연결 덕분에 옮겼다”와 “옮길 만한 사람이 약한 연결도 많았다”를 가를 수 없다.

2022년 Science에 실린 연구가 이 매듭을 풀었다. 연구진은 링크드인의 ‘알 수도 있는 사람’ 추천 알고리즘을 5년에 걸쳐 여러 방식으로 무작위 조정한 대규모 실험 자료를 썼다. 대상은 2,000만 명 이상, 그 기간에 만들어진 새 연결이 20억 건, 새 일자리가 60만 건이었다. 알고리즘이 사람들의 인맥 구성을 외생적으로 흔들었기 때문에, 인과를 추정할 조건이 갖춰졌다.

결과는 그래노베터의 손을 들어 줬다. 약한 연결이 강한 연결보다 새 직장으로 이어질 확률을 더 높였다. 다만 단서가 셋 붙었고, 실무에서는 이 단서가 결론보다 중요하다.

단서 1 — 관계는 직선이 아니라 역U자다

효과는 연결이 약해질수록 무한정 커지지 않았다. 사실상 남에 가까운 극단적 약한 연결에서는 효과가 다시 떨어졌다. 가장 큰 효과는 중간 정도로 약한 구간, 서로를 알고는 있지만 일상은 공유하지 않는 관계에서 나왔다.

해석은 직관적이다. 정보가 흐르려면 새로움과 전달 의지가 동시에 필요하다. 너무 가까우면 새로울 게 없고, 너무 멀면 나를 위해 굳이 정보를 건넬 이유가 없다. 두 곡선이 교차하는 지점이 최적이다.

단서 2 — 업종에 따라 정답이 뒤집힌다

디지털 비중이 높은 산업에서는 약한 연결이 이직을 늘렸다. 그런데 디지털 비중이 낮은 산업에서는 오히려 강한 연결이 이직을 늘렸다. 원격으로 검증 가능한 산출물이 많을수록 얕은 관계에서 시작된 정보가 채용까지 이어진다. 반대로 실력을 눈으로 봐야 아는 업종에서는 나를 오래 지켜본 사람의 보증이 여전히 결정적이다. “약한 연결이 답”이라는 조언을 업종 불문하고 복사하면 안 되는 이유다.

2025년, 약한 연결의 가격이 오른 이유

여기에 최근 3년의 채용 데이터를 겹치면 그림이 선명해진다. 채용 소프트웨어 애슈비가 2021년 1월~2024년 12월 사이 지원 3,800만 건, 공고 9만 3,000개를 분석한 결과, 추천(referral)으로 들어온 지원은 전체 지원의 1% 안팎에 불과했다. 그런데 전환율이 다르다. 추천 지원자는 서류에서 면접으로 40%가 넘어갔다. 일반 지원자는 3%였다. 면접에서 오퍼로 가는 비율도 16% 대 6%였다.

1%의 지원이 10배 이상의 통과율을 갖는다. 정문에 244명이 서 있는 시장에서, 이 격차는 그냥 ‘유리함’이 아니라 사실상 다른 줄이다.

물론 만능은 아니다. 같은 데이터에서 추천 지원자의 오퍼 성사율도 2021년 3분기 12.1%에서 2024년 4분기 7.3%로 떨어졌다. 시장이 조여들면 옆문도 좁아진다. 다만 좁아지는 속도가 정문보다 훨씬 느리다.

국내도 방향은 같다. 25개 업종 HR 담당자 212명을 대상으로 한 2025년 채용 트렌드 조사에서 사내 추천은 공고 등록형 플랫폼에 이어 활용도 2위 채널로 꼽혔다. 특히 경력 채용의 사내 추천 활용률은 신입 대비 약 1.6배였다. 수시·경력 중심으로 재편된 한국 시장에서 이력서 한 장보다 이름을 꺼내 줄 사람 하나가 앞선다는 뜻이다.

조직은 ‘다리’를 사야 한다

이 연구는 개인 커리어 조언으로 소비되기 쉽지만, 조직 설계 관점에서 더 실용적이다. 지원자가 두 배로 늘고 리크루터가 절반으로 준 시장에서 회사의 진짜 자산은 지원자 풀이 아니라 직원들이 바깥으로 뻗어 놓은 다리의 개수다.

• 혁신은 다리에서 나온다. 부서 간 인력 순환, 교차 프로젝트, 사내 커뮤니티는 친목 예산이 아니라 정보 다리를 인위적으로 놓는 투자다. 성과는 아이디어 유입량으로 측정하라.
• 추천 제도의 양면성을 설계에 반영하라. 추천은 전환율이 압도적이지만, 강한 연결만 동원되면 조직의 배경과 정보 환경이 동질화된다. 추천 보상을 ‘아는 사람’이 아니라 ‘우리 회사에 없던 분야’에 가중치를 두고 지급하는 편이 낫다.
• 원격·하이브리드의 조용한 비용. 사무실에서 우연히 마주치던 관계는 대부분 약한 연결이었다. 상호작용이 강한 연결로 수렴하면 다리가 줄고 새 정보도 준다. 우연을 일정표에 넣어야 한다.
• 네트워크 KPI를 바꾼다. “몇 명을 아는가”가 아니라 “서로 모르는 집단을 몇 개 잇고 있는가”가 실제 가치에 가깝다.

실무 적용 — 약한 연결을 의도적으로 만드는 30일 루틴

약한 연결은 성격의 문제가 아니라 관리의 문제다. 친해질 필요가 없다는 게 핵심이다. 30일 안에 세팅할 수 있는 다섯 가지.

• 1주차 — ‘연 1회 접촉 리스트’ 40명을 문서로 만든다. 전 직장 동료, 거래처 담당자, 강의·컨퍼런스에서 명함 주고받은 사람. 기준은 딱 하나, 내 일상에 없지만 내 일을 아는 사람. 스프레드시트에 이름·소속·마지막 접촉일 세 칸이면 충분하다.
• 2주차 — 매주 금요일 30분, ‘쓸모 있는 안부’ 3통. 안부만 묻지 말고 상대에게 실제로 도움이 될 것 하나를 붙인다. 그 업계 리포트 링크, 최근 규제 변화, 사람 소개. 답장률보다 발송 습관이 중요하다. 연 150통이면 리스트 40명이 두 바퀴 돈다.
• 3주차 — 공개 결과물을 월 1개 만든다. 사내 문서로 끝내던 분석, 프로젝트 회고, 도구 사용기를 링크드인·브런치·깃허브 등 검색되는 곳에 올린다. 약한 연결은 나를 자주 안 보기 때문에, 내가 뭘 하는 사람인지 알려 줄 물증이 있어야 나를 떠올린다.
• 4주차 — 서로 겹치지 않는 ‘방’ 2개에 들어간다. 지금 속한 곳과 참석자 명단이 겹치지 않아야 진짜 다리다. 업계 스터디, 직무 슬랙·디스코드, 사내 타 부서 프로젝트 중 두 개를 고르고 월 1회 이상 발언한다. 관전만 하면 연결은 생기지 않는다.
• 상시 — 추천은 ‘자리’가 아니라 ‘경로’로 부탁한다. “혹시 자리 있나요”는 답하기 어렵고, “그 회사 OO팀에 지원하려는데 담당자가 누군지 아세요”는 답하기 쉽다. 상대의 부담을 소개 한 줄로 줄이는 것이 성사율을 가른다. 지원 전에 물어야 하고, 지원 후에는 늦다.

남는 질문

한계는 분명하다. 2022년 연구는 특정 플랫폼에서 관측된 연결만 다룬다. 플랫폼 밖의 관계, 오프라인 커뮤니티, 비공식 인맥은 잡히지 않는다. 이직이 곧 좋은 결과라는 전제도 별도 검증이 필요하다.

그럼에도 2025년의 방향은 뚜렷하다. AI가 지원서를 무한정 찍어 내는 시장에서 희소해진 자원은 이력서가 아니라 보증이다. 그리고 보증은 절친이 아니라, 나를 알지만 매일 보지는 않는 사람들에게서 나온다. 지금 당신의 ‘연 1회 접촉 리스트’에는 몇 명이 남아 있는가?

보충: 2022년 Science 연구의 효과 크기는 산업과 연결 강도 측정 방식에 따라 달라진다. 채용 전환율 수치는 각 채용 소프트웨어 고객사 데이터 기준이라 전체 시장 평균과는 차이가 있을 수 있다.

썸네일 사진: Christopher Burns, Unsplash (CC0) / Wikimedia Commons.

작성 · Inkmoat 편집팀 — 최신 경영학 논문과 비즈니스 케이스를 1차 출처 기준으로 큐레이션합니다. 본 콘텐츠는 정보·해설 목적이며 투자 권유가 아닙니다.