평가 시스템이 단일 점수로 끝난다면, 팀은 그 단일 점수를 최적화하기 시작합니다. 이건 도덕성의 문제가 아닙니다 — 측정 가능한 모든 시스템이 그렇게 동작합니다. 진짜 질문은, 그 측정 대상이 목표 자체가 되어도 좋을 만큼 잘 설계되어 있느냐입니다.
대부분의 회사는 그렇지 못합니다.
설명하자면 — "주당 출시한 코드 라인 수"가 메트릭이면 코드 라인 수가 늘어납니다. "닫힌 티켓 수"가 메트릭이면 티켓이 더 빨리 닫힙니다 — 더 잘게 쪼개져서, 너무 일찍 닫혀서, 닫기 위해 생성되어서. 이 중 어느 것도 원래 목표였던 유용한 일과 상관이 없습니다.
그래서 저희는 다른 길을 갔습니다. GANEUM는 점수가 하나가 아닙니다. 다섯 개입니다.
T1: 자기 보고. 엔지니어가 자기가 한 일을 직접 적은 값. (가장 게이밍하기 쉬운 신호. 그래도 수집합니다 — 자기 보고와 실제의 차이 자체가 신호이기 때문입니다.)
T2: AI 기준선. 실제 산출물(PR diff, 스펙, 디자인 파일)을 주고 Claude에게 추정시킨 시간. 진리값이 아니라 모델 기반 사전값입니다.
T3: 기계적 신호. Git 커밋 타임스탬프, AI 세션 시간, 파일 저장 시각. 어느 것도 "정확한 시간"을 증명하지 않지만, 함께 보면 범위를 좁혀줍니다.
T4: 작업량 회귀. 팀 전체 히스토리에서, 작업량 X(LOC, 단어 수, 컴포넌트 수)는 보통 얼마나 걸렸나? 회귀가 예측한 값보다 3배 빠른 산출물은 플래그입니다.
T5: 동료 중앙값. 최근 팀원이 비슷한 일을 했을 때 걸린 중앙값. "최고의 사람과 비교"가 아닙니다. 전형적인 경우와 비교합니다.
여기서부터가 핵심입니다. 다섯이 모두 동의하면 신뢰도 HIGH로 통과. 15% 미만 차이는 노이즈. 15-30% 차이는 SOFT 플래그 — 매니저가 보고 대화가 따릅니다. 30% 이상 차이는 HARD 플래그로 카운슬 리뷰로 넘어갑니다.
이건 거짓말쟁이를 잡는 시스템이 아닙니다. 핵심은 각 신호가 따로따로 게이밍 가능하지만, 다섯 개를 동시에 게이밍하는 것이 실제 일을 하는 것보다 어렵다는 점입니다. 그리고 결정적으로, 엔지니어 본인도 매니저와 동일한 다섯 개를 같은 시점에 봅니다. 숨겨진 점수가 없습니다.
단일 점수 평가는 그 점수를 학습한 사람을 보상합니다. 다섯 개의 독립 신호 평가는 일을 한 사람을 보상합니다. 이 둘은 다른 최적화 목표입니다.