협상하는 감

나와 상대가 얻는것과 잃는것
상대가 꿈을 쫓는자인지 현실을 쫓는자인지
꿈을 쫓는자라면 현실에 없는 것도 조건으로 가져올 수 있음

꿈 (+) 현실(-): 꿈을 주는 협상,  현실을 뺏는 협상
꿈 (+) 현실(+): 현실을 주는 협상, 현실을 주는 협상

꿈 (-) 현실(-): 꿈을 뺏는 협상, 현실을 뺏는 협상

꿈 (-) 현실(+): 꿈을 뺏는 협상, 현실을 주는 협상

용어정리

• Colocation: 데이터센터 사업자가 ‘공간·전력·냉각·네트워크’를 제공하고 고객이 자기 서버(GPU/CPU)를 들고 와서 넣는 모델
• Build to suit: 고객 요구사항에 맞춰 데이터센터를 ‘처음부터 전용으로 지어주는’ 모델

SWOT

Strength

• 전력 확보(2,910MW)와 그리드 연결 인프라를 “자산”으로 보유/확장: 기존 채굴 산업에서 허가받은 전력량을 DC산업으로 전환한 덕분에 대용량 Grid에 이미 연결되어 있고, 이 해자는 향후 3 ~ 5년간 유지될 수 있음.
• 재생에너지(또는 REC 포함) 기반을 전면에 둔 전력/ESG 스토리
• 대형 앵커 고객(예: Microsoft)로 ‘신뢰도/가시성’이 급상승: 250MW 급의 계약

Weakness

• 아직 비트코인 사업 관련 매출이 높아 비트코인 시장이 휘청거릴 시 사업의 캐쉬플로우 불안

Opportunity

• 비트코인 관련 매출 및 수익성이 구조적으로 개선되어 DC로의 비즈니스 Pivoting 이전에 안정적인 캐쉬플로우 역할할 것: 비트코인의 판매가 상승 및 에너지 비용 구조 개선에 따른 비용 감소.

Threat

• 대용량 Grid 인허가는 기술적 해자(moat) 가 아니라 규제·시간 해자(regulatory moat)

Questions

Q: 기존 전력 사용허가는 하이퍼스케일러들 (메타, 아마존, 구글 등) 이 이미 모두 받아버려서 신규로 허가를 못받는 다고 했는데 그러면 기존 사용자들이 받아놓은 허가량으로도 충분한건 아닐지?

A: 기존 하이퍼스케일러의 전력 허가는 AI 이전 기준 (검색, 광고, 클라우드 서비스용) 으로 받은 것이고, AI 수요에는 물리적으로 부족하다.

기존 가정:

• 검색, 광고, 클라우드
• 완만한 성장

AI 현실:

• 대규모 학습/추론
• 전력 수요가 수직 상승

예시(개념):

• 기존 계획: 연 50MW 증가
• AI 이후: 연 300~500MW 증가

👉 기존 허가량은 **‘클라우드 시대 기준’**이라 AI 시대 기준으론 턱없이 부족

Q: 데이터센터에 있어서 송전 인프라가 가장 문제인거같은데 ppa 계약통해 데이터센터 고유의 발전소를 세우고 송전하면 해결될 문제가 아닌지? 왜 이러한 해결책은 주목받고있지 못하는지?

A: AI DC는 에너지 사용의 변동성이 매우 큰 수요처로 친환경 전력 생산으로는 불안요소가 있으며, 데이터 베이스라는 인프라 특성상 에너지 수급의 다중 전력원 필수적이므로 isolation PPA는 위험성 높음. 만에 하나의 black-out을 예방하기 위해 결국 grid와의 연결 필요

① AI DC는 전력 변동성에 극도로 취약

AI 데이터센터 특징:

• 수십만 GPU
• 동시에 켜졌다 꺼짐
• 전압/주파수 흔들림에 민감

단일 발전소(on-site) 구조는:

• 발전기 하나 문제 생기면 → 즉시 대규모 장애

👉 그래서 AI DC는 단일 전력원(single source)을 허용하지 않음

② Hyperscaler 기준: “Grid isolation”은 거의 금지

Microsoft / Google / Meta 내부 기준:

• Grid-tied 필수
• N+1, N+2 다중 전력원
• 외부 계통 + 내부 백업

즉:

“발전소 옆에 짓더라도 그리드 연결은 반드시 유지해야 한다”

👉 송전 인프라 문제로부터 완전히 자유로워질 수 없음

③ 발전소 ≠ 언제나 24/7 안정적

AI DC는:

• 365일 24시간 풀가동
• 전력 끊김 허용치 ≈ 0

👉 결국:

• 발전소 + ESS + 예비발전기 + 그리드 → 복합 구조 필요

Q: ERCOT/CAISO/PJM 과 같은 전력 운영 국가 기관들이 왜 점점 보수적으로 변했나? AI를 국가 산업으로 인정하고 규칙이 바뀔 가능성은?

A: “정전을 한 번 겪고 나면, ISO/RTO는 다시는 실험을 안 한다. 이러한 국가 기관들은 ‘연결을 쉽게’가 아니라 ‘관리 방식을 더 엄격하게’ 컨트롤 하는 policy로 규칙을 변경할 것

1️⃣ 왜 ERCOT · CAISO · PJM은 점점 보수적으로 변했나?

핵심 이유 한 줄

“정전을 한 번 겪고 나면, ISO/RTO는 다시는 실험을 안 한다.”

조금 더 구조적으로 보면 4가지가 겹쳤어.

(1) 대형 블랙아웃의 트라우마

• 텍사스(2021 한파)
• 캘리포니아(여름 정전 반복)
• 미 동부(대규모 송전 장애)

이 이후 ISO/RTO의 최우선 목표는 단 하나야:

가격·성장 ❌ → 신뢰성(Reliability) ⭕

👉 그래서 대형 신규 부하(= AI DC) 에 극도로 보수적

(2) 재생에너지 비중 증가 = 변동성 증가

• 풍력·태양광 확대
• 출력 예측 어려움
• 피크 시간대 불안정

ISO 입장:

“이미 불안정한데
수백 MW짜리 24/7 부하를 또 붙인다고?”

👉 보수적 큐 관리 + 엄격한 Grid Impact Study

(3) 정치·사회적 압력

• “데이터센터 때문에 주민 전기 끊겼다”
• “AI 때문에 전기요금 오른다”

ISO/RTO는:

• 민간 기업 ❌
• 공익 책임자 ⭕

👉 문제 생기면 바로 청문회 / 소송

(4) 수요 증가 속도가 예측을 초과

기존 전력 수요 모델:

• 연 1~2% 성장

AI 이후 현실:

• 특정 지역에서 연 10~20% 증가

👉 기존 규칙이 감당 못 함
→ “일단 막고 다시 보자”

2️⃣ 그럼 AI DC 때문에 규칙이 바뀔 가능성은?

결론부터

바뀌긴 한다.
하지만 ‘연결을 쉽게’가 아니라
‘관리 방식을 더 엄격하게’ 바뀐다.

❌ 바뀌지 않을 것

• 대형 DC 허가 완화
• 송전 인허가 패스트트랙
• “AI니까 예외” 같은 특혜

👉 정치적으로 불가능

✅ 바뀔 가능성이 높은 방향

(1) “부하 유연성(Flexible Load)” 요구

• AI DC는:
  • 필요하면 부하 줄여라
  • 피크 시간엔 전력 덜 써라

👉 채굴/AI 혼합형, 가변 부하 DC가 유리

(2) 연결 기준 상향

• 기존: “연결 가능 여부”
• 앞으로:
  • ESS 의무
  • 백업 전력
  • N+2 구조

👉 자본력 있는 사업자만 생존

(3) ‘이미 연결된 자산’ 우대

• 신규 요청 ❌
• 기존 연결 증설 ⭕ (상대적으로)

👉 Grandfathered asset 프리미엄

Market Analysis

Market Size

• XXX

Competition Analysis

Competitors

AI Cloud / GPU 클러스터 Busi

Market KBF

• XXX

Competance

• XXX

Growth Theory

• XXX

Company_IREN

Business Model

이전 비즈니스 모델(핵심: 비트코인 채굴)

• 재생에너지 기반 전력(주로 수력/재생 전력 계약) + 자체 데이터센터 인프라를 바탕으로 비트코인 채굴(ASIC) 을 운영하는 모델이 중심이었습니다. Nasdaq+1
• 요약하면 “전력(확보) → 데이터센터(구축/운영) → 채굴장비(ASIC)로 전환해 코인 생산” 구조.

현재 비즈니스 모델(핵심: AI/HPC 인프라 + AI Cloud, 그리고 채굴 병행)

현재는 “전력+데이터센터”라는 기반은 유지하되, 수익화 방식이 ‘AI 연산’으로 크게 확장됐습니다.

• AI Cloud / GPU 클러스터 제공: 고객이 필요한 GPU 연산(학습/추론)을 IREN 인프라에서 제공 IREN+1
• 데이터센터(Colocation / Build-to-suit): 고객 장비를 넣거나(코로케이션), 고객 요구대로 신규 구축(BTS) IREN+1
• 비트코인 채굴도 여전히 한 축으로 존재(다만 “ASIC → GPU”로 일부 자본 배분이 이동) GlobeNewswire+1
• 운영 기반 지표: 전력(계약) 2,910MW, 가동 중 데이터센터 810MW 등을 강조 Iris Energy+1

주요 실제 매출 비중 (공시/분석 리포트 기반)

즉, 2025년까지는 여전히 비트코인 채굴 매출이 압도적으로 높고, AI Cloud 부문은 아직 작은 편이야.
(이는 기관/애널리스트 리포트, 분기별 실적 발표에서 공통적으로 나오는 내용이야.) Coinlaw+1

전체 매출: $148.1M ('25년 3분기 발표기반)

• Bitcoin mining: $141.2M (~95%)
• AI Cloud: $3.6M (~2–3%)
• 기타/미공시: 나머지(코로케이션 등 포함) Seeking Alpha

Applications & Clients

• Hyperscaler & Big Tech: Microsoft, google, meta, tesla
  
  • 자체 DC 확장 속도 < AI 수요 증가
  • 수백 MW를 단기간에 쓸 수 있는 BTS 파트너 필요
  • CAPEX 분산(Off-balance) 목적
• AI 네이티브 기업: OpenAI, 멀티모달 AI 스타트업, 로보틱스 및 자율주행 기
  • 자체 DC 확장 속도 < AI 수요 증가
  • 수백 MW를 단기간에 쓸 수 있는 BTS 파트너 필요
  • CAPEX 분산(Off-balance) 목적왜 Iren을 쓰냐?
• AI Cloud / GPU Cloud 사업자: CoreWeave, 지역 AI 클라우드 사업
  
  • 직접 전력 인허가를 받을 능력 없음
  • 대용량 전력 확보 자체가 불가능
• 전통 엔터프라이즈 & 연구기관:금융기관(리스크·트레이딩 AI), 제약·바이오(시뮬레이션), 정부·국방·연구소
  • 자체 DC는 있지만 AI 랙 밀도 불가능
  • 보안·전력 안정성 중시

회사확보 전력(GW)외부 BTS 활용IREN 계약

Company Asset

현황 정리 테이블

1) British Columbia, Canada – Canal Flats / Mackenzie / Prince George

• 4.5k+ GB300 지원 가능(Prince George) irisenergy.gcs-web.com |

✔ 이 지역은 초기 Proof-of-Concept 및 GPU 기반 AI 서비스의 초기 배치 허브로 활용 중. 네이버 프리미엄 콘텐츠

2) Childress, Texas, USA – Horizon Campus

• Horizon 1 (50MW IT load): 액체냉각 AI 데이터센터 건설 진행 (2025 말 가동 예정)
• Horizon 2 (50MW IT load): 초기 부지 및 조달 진행 irisenergy.gcs-web.com |
  | GPU 배치·계약 | Microsoft 계약 관련 GPU(GB300 등) 2026년까지 단계적 배치 예정 Datacenter Dynamics+1 |
  | 전력 계약 상태 | ERCOT 전력망과 직접 연결, 장기 재생전력 확보 → 낮은 전력비로 인한 경쟁력 유지됨 IREN |
  | 비고 | 텍사스의 이 캠퍼스는 Microsoft와의 대규모 장기 AI 계약의 핵심 배치 장소이며, Dell을 통한 GPU 공급이 이뤄지고 있음 Datatooza |

3) Sweetwater Hub, Texas, USA – AI & HPC Mega Campus

• Sweetwater 1 (1,400MW): 2026년 초 가동 목표
• Sweetwater 2 (600MW): 2027년 말 목표 irisenergy.gcs-web.com |
  | GPU 배치 가능 규모 | 700,000+ GPUs 잠재 수용량 규모(전체 Sweetwater 캠퍼스) IREN |
  | 전력 계약 상태 | ERCOT grid 연결 & 장기 재생에너지 확보 → 매우 낮은 전력비 기반 초대형 인프라 확보 IREN |
  | 비고 | IREN의 장기적 AI 인프라 확장 중심 프로젝트로, Sweetwater 전체가 AI 데이터센터로 설계 · 구축됨 IREN |

🔋 전력 계약 기본 현황

APPENDIX: ercot grid란?

1️⃣ ERCOT grid가 뭐야?

한 줄 정의

ERCOT(Electric Reliability Council of Texas) 는
텍사스 주 대부분의 전력망을 운영·관리하는 독립 전력 시스템 운영자(ISO) 야.

즉,

“텍사스 주의 전기 고속도로 관제탑”

2️⃣ ERCOT grid에 연결돼 있다는 건 무슨 뜻?

🔌 일반적인 전력 구조

• 대부분 미국 주:
  • 연방 단위 대형 전력망(Eastern / Western Interconnection)에 속함
• 텍사스:
  • 거의 독립된 전력망 = ERCOT

🟢 Childress Horizon DC가 ERCOT grid에 연결돼 있다는 의미

👉 IREN 같은 대규모 전력 소비 AI/채굴 DC에게 최적의 환경

3️⃣ 왜 ERCOT이 AI 데이터센터에 유리한가?

① 전력 가격이 싸다

• ERCOT:
  • 재생에너지(풍력/태양광) 비중 매우 높음
  • 전력 공급 과잉 시간대 가격 $0~음수 발생

👉 AI 연산 단가 ↓

② 부하 차단·조절이 가능

• IREN은:
  • 전력 수요가 매우 큰 사업자
  • 필요 시 부하를 줄여서 그리드 안정화에 기여

👉 대신:

• 전력 할인
• 보조금
• 크레딧 수령 가능

📌 채굴 경험이 여기서 강점으로 작용

③ 허가·인허가 속도가 빠르다

• 텍사스:
  • 에너지 친화적 정책
  • DC 건설·확장 허들 낮음

👉 Build-to-Suit 속도 ↑

④ Hyperscaler가 선호

• Microsoft, Google, Meta 모두
  • ERCOT 내 DC 대규모 구축 중

👉 “검증된 AI DC 지역”

4️⃣ ERCOT grid vs 일반 전력망 (비교)

5️⃣ Childress Horizon DC 맥락에서의 핵심 의미

Childress가 ERCOT grid에 연결돼 있다는 건
단순히 “전기를 쓴다”가 아니라,

✔ 의미하는 것

• AI DC 운영 비용을 구조적으로 낮출 수 있고
• 대규모 전력을 빠르게 확장 가능하며
• Microsoft 같은 고객이 신뢰할 수 있는 전력 환경이라는 뜻

APPENDIX: ERCOT CAISO PJM의 주인과 역할은?

한 줄 요약

ERCOT·CAISO·PJM은 ‘전력 시장의 관제탑’인 ISO/RTO다.
정부기관은 아니지만, 공공 권한을 위임받은 독립 비영리 운영자다.

1️⃣ 이 기관들의 정체: ISO / RTO란?

• ISO (Independent System Operator)
• RTO (Regional Transmission Organization)

둘 다 본질은 같아:

전력망(송전)을 실시간으로 운영하고,
전력 도매시장을 설계·운영하는 중립 기관

중요한 점

• ❌ 전기를 생산하지 않음
• ❌ 전기를 판매하지 않음
• ❌ 송전선을 소유하지도 않음
• ✅ “누가 언제 얼마의 전기를 흘릴지”를 결정

2️⃣ 이들이 실제로 하는 일 (핵심 역할)

① 실시간 전력 흐름 관제

• 수요·공급 균형 유지 (초 단위)
• 주파수·전압 안정화
• 정전 방지

👉 블랙아웃을 막는 최종 책임자

② 전력 도매시장 운영

• 발전사들이 “얼마에 전기 팔겠다” 입찰
• 수요 예측 후 최저비용 발전기부터 호출
• 도매 전력 가격 결정

👉 “전기 가격”의 근본이 여기서 나옴

③ 송전 접속(Interconnection) 승인

• 데이터센터·발전소·대형 공장
• 누가 그리드에 붙을 수 있는지 결정

👉 AI DC가 여기서 막힘

④ 송전 증설 필요성 판단

• “여기 부하 늘리려면 송전선 새로 깔아라”
• 비용을 누가 부담할지도 판단

3️⃣ 정부기관이야? 민간이야?

✔️ 둘 다 아님 (중간)

👉 “공권력을 위임받은 민간 비영리”

4️⃣ 그럼 누가 이들을 감독하나?

🔹 연방 전력망 (PJM, CAISO 등)

• FERC
  (미 연방 에너지 규제위원회)
• 시장 규칙 승인
• 요금·접속 규칙 감독

🔹 텍사스 ERCOT

• PUCT
  (텍사스 공공요금위원회)
• 연방(FERC) 직접 관할 ❌
• 주(州) 단독 관할

5️⃣ 기관별로 하나씩 정확히 보자

⚡ ERCOT

• 관할: 텍사스 대부분
• 성격: 독립 전력망 (연방과 거의 분리)
• 감독: 텍사스 주정부
• 특징:
  • 자유시장
  • 가격 변동성 큼
  • 대형 부하에 매우 보수적

⚡ CAISO

• 관할: 캘리포니아
• 감독: FERC + CA 주정부
• 특징:
  • 환경 규제 최강
  • 신규 대형 DC에 매우 비우호

⚡ PJM

• 관할: 미 동부·중부 13개 주
• 감독: FERC
• 특징:
  • 미국 최대 전력시장
  • DC 포화, 인허가 대기 최악

6️⃣ 그럼 발전사·송전사·소매사는 뭐야?

👉 ISO/RTO는 ‘심판 + 관제탑’

7️⃣ 왜 이들이 AI DC의 ‘생사여탈권’을 쥐고 있나?

AI DC는:

• 수백 MW 단위
• 24/7 고정 부하

ISO/RTO 입장에선:

“이걸 붙여도
전체 그리드가 안전한가?”

👉 그래서:

• 인허가
• 큐 관리
• 증설 판단

모두 이들의 손에 있음

8️⃣ 문과식 비유 (가장 쉬운 설명)

• 발전사 = 발전소
• 송전사 = 도로 회사
• 소매사 = 택시
• ISO/RTO = 교통 관제센터

👉 도로도 안 만들고, 택시도 안 타지만
신호등을 쥐고 있음

최종 한 문장 요약

ERCOT·CAISO·PJM은 전기를 만들거나 파는 기관이 아니라,
전력망과 시장을 운영·통제하는 ‘공권력 성격의 독립 관제기관’이다.

Company KSF

비교군은 보통 (1) 비트코인 채굴사들의 AI 전환 그룹(Core Scientific, Hut 8, Cipher, TeraWulf 등)과 (2) AI 클라우드/데이터센터 사업자(네오클라우드) 로 나뉘는데, IREN의 차별점은 아래 3개로 요약됩니다.

전력 확보(2,910MW)와 그리드 연결 인프라를 “자산”으로 보유/확장

• AI 데이터센터에서 가장 병목인 게 “전력+부지+인허가+그리드 연결”인데, IREN은 “grid-connected + power secured”를 핵심 메시지로 밀고 있습니다. IREN | AI Cloud GPU Clusters
• IREN은 ERCOT에서 수백 MW 단위 전력을 이미 확보·허가·연결해 둔 rare site를 보유하고 있음

Connected Grid는 왜 차별성이라고 말할만 한 것인가?: Grid 연결이 어려운 이유

1️⃣ 전력망은 “발전”보다 “송전”이 병목이다

많은 사람들이 이렇게 생각해:

“텍사스는 전기 많이 만들잖아? 왜 안 해줘?”

하지만 실제 병목은 여기야 👇

⚡ 전력 3요소

1. 발전 (발전소)
2. 송전 (고압선·변전소) ← 병목
3. 배전

ERCOT에서 대용량 DC 연결 = 송전 인프라 재설계 수준임.

2️⃣ 300~750MW는 “도시 하나”를 새로 붙이는 규모

감이 안 오니까 비교해보자.

👉 이런 부하를 갑자기 붙이면:

• 기존 변전소 용량 초과
• 송전선 과부하
• 주변 지역 정전 위험

그래서 ERCOT은 이렇게 말함:

“지금 구조로는 안 됨. 증설 필요”

3️⃣ 송전 증설은 ERCOT 마음대로 못 함

여기가 핵심 포인트야.

❌ ERCOT은:

• 발전소도 안 지음
• 송전선도 안 지음
• 허가만 내주는 기관

실제 증설은:

• 유틸리티
• 주정부
• 토지 소유주
• 환경 규제

👉 송전선 하나 깔려면 3~7년 걸림

4️⃣ ERCOT이 허가에 보수적인 진짜 이유

① 그리드 안정성 리스크

• 대용량 부하 하나가:
  • 갑자기 켜지고
  • 갑자기 꺼지면
• 전압·주파수 흔들림

👉 2021 텍사스 대정전 트라우마가 큼

② 재생에너지 비중이 높아서

ERCOT 특징:

• 풍력·태양광 비중 ↑
• 출력 변동성 큼

대용량 DC는:

• 항상 일정한 부하
• 재생에너지와 궁합이 안 맞음

👉 그래서:

“이 부하를 붙여도 괜찮은지”
시뮬레이션을 매우 빡세게 함

③ 정치적 리스크

• “AI DC 때문에 주민 전기 끊겼다”
• “채굴 때문에 요금 올랐다”

👉 ERCOT + 주정부 입장에서 최악의 헤드라인

그래서:

• 소규모는 OK
• 대규모는 극도로 보수적

5️⃣ 그래서 허가 프로세스가 이렇게 됨

ERCOT 대용량 연결 절차 (단순화)

1. Interconnection request
2. Grid impact study (수년)
3. 송전 증설 필요성 판단
4. 비용 부담 주체 협의
5. 주민·환경·정치 승인
6. 최종 연결

👉 여기서 3~4단계에서 대부분 막힘

6️⃣ 그럼 IREN은 왜 됐냐?

이게 차별성의 실체야.

IREN이 가능한 이유는:

• 과거 채굴용으로 이미 대용량 연결
• 변전소·송전선 이미 존재
• “신규”가 아니라 “용도 전환”

ERCOT 입장:

“이미 연결된 부하를
AI DC로 쓰는 건 리스크가 훨씬 낮다”

7️⃣ 그래서 정리하면 이렇게 된다

Texas Ercot Grid 외 PJM Grid와 CAISO는 연결하기 쉬운가?: 더 어렵다.

1️⃣ PJM (미 동부·중부)

📍 커버 지역

• 뉴저지, 펜실베이니아, 버지니아, 오하이오 등
• 미국 최대 데이터센터 밀집 지역 (Northern Virginia)

❗ 왜 막히나?

① 이미 포화 상태

• AWS, Azure, Google, Meta가 선점
• 기존 변전소·송전선 한계 도달

👉 신규 100MW도 “대기 줄”

② Interconnection Queue 지옥

• PJM은 현재:
  • 연결 신청 대기 수천 건
  • 승인까지 4~6년 걸리는 경우 흔함

③ 송전 증설 = 주민 반대

• 미 동부:
  • 토지 가격 비쌈
  • 주민 민원 강함
  • 환경단체 영향력 큼

👉 송전선 하나 추가 = 소송 리스크

📌 PJM 요약

2️⃣ CAISO (캘리포니아)

📍 커버 지역

• 캘리포니아 전역

❗ 왜 막히나?

① 전력 자체가 부족

• 탈원전 + 화력 축소
• 재생에너지 변동성 큼

👉 기본 전력 부족

② 환경 규제가 극단적으로 강함

• CEQA(Environmental review)
• 송전·변전소 건설 거의 불가능 수준

③ 정책적으로 AI DC를 안 반김

• 전기차, 주거, 산업 우선
• DC는 “전기 많이 먹는 산업” 취급

👉 정책적 비우호

📌 CAISO 요약

3️⃣ ERCOT vs PJM vs CAISO 비교

👉 그래서 Hyperscaler 신규 AI DC는 거의 다 텍사스로 감.

유의미한 Grid 연결된 경쟁사는 없나?: 현재는 없으나 앞으로 많이 생길 것

1️⃣ 여기서 말하는 “희귀”의 정확한 기준부터 정리

시장에서 말하는 진짜 희귀 자산은 아래 4가지가 동시에 충족된 경우야.

✅ 희귀성 기준 (Power-ready DC site)

1. 300MW+ 이상
2. 송전 인허가 완료 (Interconnection 승인)
3. 실제 그리드 연결 완료 (energized)
4. 단기간(12~18개월) 내 IT load 전환 가능

👉 이 4개를 다 갖춘 곳은 미국 전체에서도 손에 꼽힘.

2️⃣ 왜 이렇게 희귀하냐면 (핵심 이유)

이미 앞에서 다룬 내용을 요약하면:

• 송전 인허가 = 3~7년
• 환경/주민/정치 리스크
• 대용량은 기존 그리드 재설계 수준
• 최근 AI DC 붐으로 큐(queue) 폭증

👉 그래서 지금은:

“돈이 있어도 못 짓는 단계”

3️⃣ 경쟁사 중에 누가 이런 자산을 가지고 있나?

🔹 ① 비트코인 채굴 → AI 전환 그룹 (가장 유사)

👉 이 그룹 중에서는 IREN이 최상위권
(특히 “단일 사이트 수백 MW” 기준)

🔹 ② Neocloud / GPU Cloud 업체

👉 이들은:

• DC 임대
• 전력은 DC 사업자 몫
  → 전력 인허가는 자산으로 없음

🔹 ③ 전통 Data Center (Equinix 등)

👉 기존 캠퍼스는 가치 있지만
신규 300MW+ 확장 거의 불가

4️⃣ 그래서 “희귀하다”는 말의 정확한 의미

❌ “IREN만 있다”
❌ “ERCOT 연결이 대단하다”

✅ “이미 대용량 송전 인허가를 끝내 놓은 업체는 극소수”
✅ “그중 AI로 전환 가능한 곳은 더 적다”

5️⃣ 이걸 투자 언어로 번역하면

• 이건 기술적 해자(moat) 가 아니라
• 규제·시간 해자(regulatory moat)

즉:

“경쟁사가 따라오려면
돈이 아니라 ‘시간’을 써야 한다”

6️⃣ IREN의 포지션을 한 문장으로 정리하면

IREN은 AI DC 붐 이전에
‘전력 인허가라는 문’을 이미 통과해 놓은
소수의 플레이어 중 하나다.

7️⃣ 중요한 단서 (과대평가 방지)

공정하게 말하면:

• 이 해자는 영구적이지 않다
• 5~7년 뒤:
  • 송전 증설
  • 정책 완화
  • 신규 허브 등장 가능

👉 그래서:

• 중기(3~5년) 프리미엄은 매우 강함
• 영구 독점은 아님

재생에너지(또는 REC 포함) 기반을 전면에 둔 전력/ESG 스토리

“100% renewable-powered”를 강하게 내세워, AI 전력 수급 이슈가 큰 국면에서 친환경 전력 기반 컴퓨팅 공급자 이미지를 확보합니다.

대형 앵커 고객(예: Microsoft)로 ‘신뢰도/가시성’이 급상승

네오클라우드/신생 인프라 기업은 “고객 신뢰”가 큰 리스크인데, 대형 계약은 레퍼런스(credibility) + 자금조달 + 후속 수주에 직접적인 영향을 줍니다. Reuters+1

Microsoft 계약 구조 및 거래 구조

Microsoft 계약 관련 Summary

• 총 계약 규모: $9.7B
• 계약 기간: 2026~2031 (5~6년)
• 연간 인식 매출(steady state): ~$1.9B ARR
• Microsoft 계약 규모 전력 환산: Childress Horizon 1 & 2 750 MW 中 
  • Microsoft가 요구하는 AI 슈퍼클러스터 IT Load 기준 약 200MW
  • PUE(냉각·전력 손실 포함) 반영 시 총 전력 약 250~300MW
• 가동 램프업:
  • FY26: 20%
  • FY27: 50%
  • FY28: 80%
  • FY29~30: 100

1) 매출 인식 vs 현금 유입: “20% 선급금”의 의미

• 계약은 총 $9.7B(2031년까지), 평균 5년(term), 2026년 여러 tranche(분할)로 배치 구조입니다. SEC
• 선급금(20%)은 ‘각 tranche별’로 납기 전 지급되며, 이 선급금은 각 GPU Service 기간의 24개월(2년) 이후에 발생하는 서비스 요금에서 pro rata로 상계(credit) 됩니다. SEC
  • 즉, 회계상으론 대체로 초기에는 계약부채(Deferred revenue/contract liability) 성격이 강하고, 서비스 제공 기간에 걸쳐 매출로 풀리는 구조가 됩니다(선급금을 받았다고 즉시 매출이 커지는 타입은 아님).

영향 요약

• 단기(2025~2026): 현금흐름(운전자금) 개선 효과가 큼
• 중기(2026~2031): 매출/이익은 서비스 제공에 따라 장기간에 걸쳐 안정적으로 반영

2) 마진 구조: 왜 “고마진”으로 보는가 (하지만 전제조건 있음)

• IREN은 이 프로젝트의 ARR(연간화 매출) ~$1.94B, **Estimated Project EBITDA Margin 85%**를 제시합니다. SEC
• 마진 논리는 “데이터센터를 직접 소유·운영(vertically integrated) 해서 제3자 코로케이션 비용을 줄인다”는 주장입니다. SEC

주의할 점(마진의 스코프)

• 공시에서 말하는 85%는 “프로젝트 레벨”이며, 법인 전체의 EBITDA 마진/순이익률과 동일 개념은 아닙니다(본사비/금융비용/감가상각 등은 별도). SEC

3) CAPEX 구조: “GPU 58억 달러 + 데이터센터 인프라”가 핵심 부담

(1) GPU 관련 CAPEX: 약 $5.8B

• 8-K에 “Microsoft 계약 수행에 필요한 GPU 관련 CAPEX 약 $5.8B”가 명시돼 있고, 이 캐시플로우(=선급금 포함)가 Dell 구매 자금 일부로 쓰인다고 합니다. SEC
• Reuters도 Dell이 GB300 및 장비를 $5.8B 규모로 공급, Microsoft 선급금이 그 일부를 금융 지원한다고 설명합니다. Reuters

(2) 데이터센터(액체냉각) 인프라 CAPEX

• 투자자 자료에 따르면 200MW(IT load) 구축의 all-in capex가 MW당 $14–16M이라고 제시합니다(구성: 데이터센터 인프라, 슈퍼클러스터 아키텍처, 2026 납기 가속 비용 등). SEC

영향 요약

• 2026년까지 CAPEX 집행이 매우 크고 선행(특히 데이터센터/전력·냉각·네트워크)
• 반면, 계약이 가동되면 장기·고정형 매출(ARR) 로 “회수 구간”으로 넘어갈 수 있음

4) 선급금(Prepayment)이 “리스크 완화”하는 지점과 한계

• 완화되는 부분:
  • GPU/설비 구매(특히 Dell tranche) 및 구축비용에 대한 자금 조달 부담을 일부 덜어줌 SEC+1
• 한계/주의:
  • 선급금은 “각 tranche 납기 전 20%”이고, 2년 이후 요금에서 상계되는 구조라, 프로젝트 진행 과정에서 추가 자금(기존 현금+영업현금+추가 금융) 이 계속 필요할 수 있습니다. SEC+1

5) GPU 조달·납기 리스크: 계약의 가장 큰 실행(Execution) 리스크

(1) Dell 조달/지급 조건이 만드는 타이밍 리스크

• Dell 구매 계약: 2026년 3월부터 tranche 배송, 각 tranche는 선적 후 30일 내 분할 지급 조건입니다. SEC
• 즉, 선급금이 있어도 (i) 데이터센터 인프라 CAPEX 선행, (ii) GPU 대금 지급이 “배송 시점”에 집중될 수 있어 현금 타이밍 관리가 핵심입니다.

(2) 납기 지연 시 ‘계약 해지/패널티’ 리스크

• Microsoft는 (cure period 후) 납기 미준수 시 해지권을 갖고, 계약에는 delay credits / 서비스레벨 약정 등이 포함됩니다. SEC+1
• Reuters도 “납기 일정 못 맞추면 계약 종료 가능”을 명확히 언급합니다. Reuters

(3) 공급 부족/업그레이드(GB300 세대교체) 리스크

• Reuters는 업계 전반의 AI 컴퓨팅 캐파 부족이 2026년 중반까지 이어질 수 있다는 MS 측 발언 맥락을 같이 전합니다. Reuters
• 이 환경에서는 GB300 조달 자체가 “기회”이자 동시에 공급망/스케줄 리스크가 밸류에이션의 가장 큰 변수가 됩니다.

👉 FY27에 AI 매출이 채굴 매출을 추월
👉 FY29에는 AI가 ~88% 매출 비중

Microsoft 계약에 따른 Ebitda Projection

👉 AI 매출 비중 ↑ → 마진 구조가 구조적으로 개선

Microsoft 계약에 따른 Net Profit Projection

(감가상각 + 이자비용 + 세금 반영)

👉 FY25 NI $87M → FY29 $730M
👉 Net margin: ~34% 수준까지 확장

Financial Status

3년 분 PL SEC

• '25년 매출은 비트코인 관련 매출이 올라간 영향임.
• '26년 ebitda가 크게 개선된 이유는 DC 비즈니스 쪽 개선이 아니라 비트코인 채굴의 비용이 획기적으로 줄어든 결과임.
  
  • 장기 고정/저가 전력 계약
  • 전력 변동성 높음 평균 전력 단가 ~$0.02~0.03/kWh 수준
  • 전력 비용이 글로벌 채굴사 중 최하위권

Share holders

• XXX

TOP Managers

• XXX

Valuation

주식시장 지수 valuation

• 현재가 과거와 비교해서 전체 주식 시장 지수가 높은 편인지, 낮은 편인지, 왜 그런지?

해당 기업이 포함되는 시장 지수 valuation

• 현재가 과거와 비교해서 시장 지수가 높은 편인지, 낮은 편인지, 왜 그런지?

해당 기업 valuation

기업의 장기추세 multiple 비교

• 멀티플이 높을 때는 왜 높았는지?
• 멀티플이 낮을 때는 왜 낮았었는지?

PER Projection

단위: USD, Billion 단위는 소수로 표기

EV / EBITDA Projection

타 경쟁 기업 간 multiple 비교

• 왜 해당 기업은 경쟁사보다 멀티플이 높거나 낮은지?

🧠 핵심 개념

전통적인 비동기 방식: 콜백 지옥

fs.readFile('file.txt', (err, data) => {
  if (err) return console.error(err);
  console.log(data);
});

프로미스 기반

fs.promises.readFile('file.txt')
  .then(data => console.log(data))
  .catch(err => console.error(err));

✅ async/await 기반 (가장 가독성 좋음)

async function readFile() {
  try {
    const data = await fs.promises.readFile('file.txt');
    console.log(data);
  } catch (err) {
    console.error(err);
  }
}

✅ 요약

🧠 Promise란?

Promise는 **"미래에 결과를 제공할 수 있는 객체"**입니다.
성공 또는 실패 결과를 나중에 한 번만 전달해주는 약속(promise) 같은 거예요.

📦 구조

const promise = new Promise((resolve, reject) => {
  // 비동기 작업 실행
  if (성공) {
    resolve(값);   // 성공 시
  } else {
    reject(에러);  // 실패 시
  }
});

✅ 예제: 1초 후 "끝"을 출력하는 Promise

function wait(ms) {
  return new Promise((resolve) => {
    setTimeout(() => {
      resolve('끝!');
    }, ms);
  });
}

wait(1000).then((result) => {
  console.log(result); // 1초 후에 "끝!" 출력됨
});

🪄 왜 좋은가?

기존의 콜백 지옥을 피할 수 있기 때문입니다.

❌ 콜백 지옥 예시

getUser(id, (user) => {
  getPosts(user.id, (posts) => {
    getComments(posts[0].id, (comments) => {
      // 너무 깊어짐
    });
  });
});

✅ Promise로 개선

getUser(id)
  .then(user => getPosts(user.id))
  .then(posts => getComments(posts[0].id))
  .then(comments => {
    // 훨씬 깔끔함
  })
  .catch(err => console.error(err));

📌 상태 3가지

Promise는 항상 3가지 상태 중 하나를 가집니다:

🔄 그리고 async/await은…

const result = await wait(1000); // 내부적으로 .then()을 기다림

await는 사실상 promise.then(...)을 동기 코드처럼 보이게 하는 문법이에요.

💡 간단한 예제

function wait(ms) {
  return new Promise(resolve => setTimeout(resolve, ms));
}

async function main() {
  console.log("1초 기다리는 중...");
  await wait(1000); // 1초 대기
  console.log("끝났어요!");
}

main();

실행 결과:

만약 async await를 사용하지 않는다면

function wait(ms) {
  return setTimeout(ms);
}

function main() {
  console.log("1초 기다리는 중...");
  wait(1000); // 1초 대기
  console.log("끝났어요!");
}

main();

실행 결과:

const fs = require('fs'); 
function readFilePromise(path) { 
   return new Promise((resolve, reject) => { 
      fs.readFile(path, 'utf8', (err, data) => { 
         if (err) reject(err); else resolve(data); 
      }); 
   }); 
}

참고로! 하위에서 async로 비동기처리를 해주었다면, 그 상위 함수들에서도 모두 async로 기다려줘야해요

// 가장 하위 함수 (Promise 반환)
function daughter() {
  return new Promise((resolve) => {
    setTimeout(() => {
      console.log('👧 daughter: 일 끝났어!');
      resolve('결과 from daughter');
    }, 1000);
  });
}

// 중간 함수 (async 함수로 daughter 호출)
async function mother() {
  console.log('👩 mother: daughter에게 부탁할게.');
  const result = await daughter();
  console.log(`👩 mother: daughter가 준 결과 -> ${result}`);
  return `mother가 받은: ${result}`;
}

// 최상위 함수 (async 함수로 mother 호출)
async function grandmother() {
  console.log('👵 grandmother: mother에게 부탁할게.');
  const finalResult = await mother();
  console.log(`👵 grandmother: 최종 결과 -> ${finalResult}`);
}

// 실행
grandmother();

좋아요! useEffect는 React 컴포넌트가 렌더링된 이후 어떤 “부수 효과”를 실행할 때 사용하는 Hook이에요.
쉽게 말해, useEffect는 다음과 같은 상황에서 사용됩니다:

• API 요청 (데이터 불러오기)
• 이벤트 리스너 등록/제거
• 타이머 설정
• 특정 값이 변경될 때 실행

✅ 기본 예제: 컴포넌트가 처음 렌더링될 때만 실행

import React, { useEffect } from 'react';

function Hello() {
  useEffect(() => {
    console.log('컴포넌트가 화면에 나타났습니다.');

    return () => {
      console.log('컴포넌트가 화면에서 사라졌습니다.');
    };
  }, []); // 👈 의존성 배열이 비어 있음: 처음 1번만 실행됨

  return <h1>Hello, World!</h1>;
}

📌 설명

• useEffect(() => {}, []): 컴포넌트가 처음 마운트될 때만 실행
• return () => {} 부분은 언마운트 시 실행 (정리 용도)

✅ 상태 값이 바뀔 때마다 실행되는 예제

import React, { useState, useEffect } from 'react';

function Counter() {
  const [count, setCount] = useState(0);

  useEffect(() => {
    console.log(`count가 ${count}로 변경됨`);
  }, [count]); // 👈 count가 변경될 때마다 실행됨

  return (
    <div>
      <h1>카운트: {count}</h1>
      <button onClick={() => setCount(count + 1)}>+1</button>
    </div>
  );
}

✅ API 호출 예제 (마운트 시 데이터 불러오기)

import React, { useState, useEffect } from 'react';
import axios from 'axios';

function UserList() {
  const [users, setUsers] = useState([]);

  useEffect(() => {
    // 컴포넌트가 처음 나타났을 때 API 호출
    axios.get('https://jsonplaceholder.typicode.com/users')
      .then(res => setUsers(res.data))
      .catch(err => console.error(err));
  }, []); // 👈 빈 배열 → 처음 1번만 실행

  return (
    <ul>
      {users.map(user => (
        <li key={user.id}>{user.name}</li>
      ))}
    </ul>
  );
}

✅ 요약

첫째 잠재적인 투자 대상 목록, 둘째 목록에 있는 투자대상의 내재가치 평가, 셋째 내재가치와 비교해서 가격이 어떠한지 판단하는 것, 넷째 가각에 포함된 리스크와 리스크를 포함했을 때 전체적인 포트폴리오에 미치는 영향에 대한 이해

핵심 마인드

• 주식으로 돈버는 것 = 싸게사서 비싸게 파는 것 = 내재가치보다 가격이 저렴한 주식을 사서, 내재가치보다 가격이 비쌀때 파는 것
  -> 싸게사는 것만이 리스크를 확실하게 낮출 수 있는 유일한 방법, 무조건 싸게 사야한다.

• 미리미리 공부해놓은 시장 혹은 주식이 떨어질 때까지 기다렸다가 때가되면 매수하는 거미 매수법
  • 지수 혹은 종목이 올랐다 떨어졌다면 그 이유는 무엇인가? 해결될 이슈인가? 해결되지 않을 이슈인가?
• 특정한 숫자를 추정하지 말고, 방향성을 추정하라: 미래의 주가는 현재의 주가보다 하락할 것인가 상승할 것인가?
• 4 ~ 5년에 걸친 사이클에 함께 올라타는 것: 이게 되려면 남들 주식으로 돈벌었다고 좋아할 때 시장을 떠날 수 있는 용기, 남들 주식 절대 안한다고 할 때 시장에 진입할 수 있는 용기 필요
• 거래를 못했다고 아쉬워하지 마라. 일생에서 성공적인 베팅은 5번이면 충분하다. 거래가 많을 수록 손실의 위험도 커진다. 단, 충분한 공부를 통해 한 번을 크게 들어가라.

종목 타겟

Top-Down 탐색

자산군 탐색

시장 탐색

• 관심있는 시장 중심으로 시장에서 플레이하고 있는 기업 탐색

Bottom-Up 탐색

• Barron's
• 신문 기사 등 사방팔방에서 노가다로 얻은 기업에 대한 힌트

종목 분석

https://valuefactory.tistory.com/1503

매수

종목 관점 타이밍

• 내재가치보다 가격이 저렴한가?
• 이것보다 더 나쁜 소식이 있을 수 있을까?
• 왜 시장은 가치대비 가격이 낮은데 매수하지 않고 있는 것인가?
• 단기(1달), 중기(6개월), 장기(2년 이상) 中 언제쯤 매도할 생각으로 들어가는 종목인가?
  • 시장지수가 flat하고, 종목이 fluctuation하다면 발라먹는 것도 나쁘지 않다는 생각 (ex. tesla

마크로 관점 타이밍

ㅌㅌㅌ

매도

• 3년에 2배, 연간 복리 기준 26% 성장할 때
• 이보다 더 좋은 소식이 있을 수 없을 때

커뮤니케이션의 구성 요소

1. Listening

2. Thinking

3. Speaking

4. Questioning

각 구성요소에서 주의할 점

Listening

xx

Thinking

xx

Speaking

• 말하는 내용만큼이나 타이밍 중요
•  

하지만 세상에는 성격 나쁜 사람이 너무 많다

MBTI, DiSC, TA, Enneagram, Birkman 등 우리 주변에 여러 성격 진단도구는 성격은 좋고 나쁜 것이 없다고 주장한다. 이들의 주장은 대략 이렇다.

사과와 귤은 다를 뿐이다. 사과는 사과 나름대로의 장점이 있고, 귤은 귤 나름대로의 장점이 있다. 사과는 좋고, 귤은 나쁘다고 할 수 없다.

사과가 귤이 되려고 노력할 필요는 없지만, 건강한 사과로 성장하는 것은 중요하다. 따라서 타고난 자신의 성격을 제대로 알고 자기답게 발달시키는 것은 인생의 과제다.

이처럼 시중의 많은 성격 진단 도구들은 휴머니즘이 넘쳐난다. 이 얼마나 인간적인가? 성격은 좋고 나쁜 것이 아니기 때문에 자신이 타고난 성격적 특성을 멋지게 개발하라는 조언은 우리의 심금을 울린다.

그런데, 과연 성격에 좋고 나쁜 것이 없을까? 만약 그렇다면, 우리 주변은 왜 이렇게 성격 나쁜 사람들로 넘쳐나는 것일까? 돼지 눈에는 돼지만 보이니, 내 성격이 나빠서 다른 사람 성격도 나쁘게 보이는 걸까?

우리는 다 ‘그냥 다른’ 것 뿐일까? / 출처: Unsplash

성격은 개인이 지닌 비교적 독특하고 일관된 특질을 의미한다. 그리고 우리는 이 특질을 상당 부분 태어날 때부터 타고난다. 물론 성장 환경의 영향도 중요하지만, 일정 기간이 지나면 이 특질은 거의 변하지 않고 안정적으로 유지된다.

왜 성격이 필요했을까? 사람들이 직면한 환경에 대처할 때, 자신의 성격을 전략적으로 활용해야 하기 때문이다. 다만 전략적으로 활용한다 해서 의식적으로 선택할 수 있는 의미는 아니다. 자신의 성격적 특성에 따라, 같은 환경에서도 서로 다른 모습을 보인다고 이해하는 편이 좋다. 환경에 따라 어떤 환경에서는 성격 특성의 한쪽 극단에서 나타나는 행동 방식이 좋은 전략일 수 있지만, 다른 환경에서는 반대쪽 극단의 행동 방식이 더 좋은 전략일 수 있다.

그런데 어떤 특정 행동 방식이 언제 어디서나 유리했다면, 인간의 성격은 한쪽 극단으로만 진화했을 것이다. 그러면 성격이라는 개념은 탄생하지도 않았을 것이다.

바로 여기서 사람들의 성격에 대한 오해가 비롯된다. 성격은 서로 다를 뿐이고, 환경에 따라 좋을 때도 있고 나쁠 때도 있다 여기는 것이다. 게다가 현대와 같이 빠르게 변하는 환경이라면 성격의 좋고 나쁨을 따지는 것이 무의미하다고 생각하는 것이다.

하지만 우리가 가진 성격 특성에는 비교적 바람직한 것도 있고 그렇지 않은 것도 있다. 이를 알려주는 대표적인 성격진단도구가 바로 HEXACO(헥사코)다.

우리가 간과했던 ‘정직·겸손성’

학자마다 성격에 대한 정의도 다르고, 연구 방식도 각각이었던 시기를 지나, 1990년대에 들어 심리학자들은 인간의 다양한 성격 차이를 과학적으로 연구하는 방법과 결론에 대한 합의에 이르게 된다. 그것이 바로 Big5, 5대 성격 요인이다. 여기서 5가지 성격 요인은  다음과 같다.

• 외향성(eXtraversion)
• 원만성(Agreeableness)
• 성실성(Conscientiousness)
• 정서적 안정성(Emotional stability)
• 개방성(Openness to experience)

그렇다면 왜 성격은 5가지 요인으로 정해졌을까? 인간이 어떤 언어권이든 관계 없이 성격을 표현하는 형용사를 크게 5가지 요인에 따라 구분하고 있기 때문이었다.

여기서 크게 5가지(Big 5)로 표현한 이유는 5가지 아래 또 각각 6가지 하위 항목이 있기 때문이다.

‘활달함’과 ‘명랑함’, ‘발랄함’은 서로 상관이 높아 비슷하게 묶이고, ‘수줍음’, ‘조용한’, ‘나서지 않는’ 역시 서로 상관이 높아 비슷하게 묶이지만 이것들을 구분하는 요인은 ‘외향성’으로 같다. ‘빠르다’, ‘느리다’가 서로 반대되는 속성이지만, ‘속도’라는 하나의 요인으로 구분하는 것처럼 말이다.

이렇듯, 다섯 가지 성격 요인은 한 가지 차원에서 반대되는 양극단의 특성을 갖게 된다. 성격의 5대 요인은 이후 뇌과학적 연구를 통해 뇌의 구조나 호르몬과 신경전달물질의 반응 패턴이 5가지 요인에 따라 서로 다른 것으로 입증되어, 성격 진단의 확실한 대안으로 자리 잡았다.

Big 5 Sub-facets

1990년대 후반, 이제는 세계적인 성격심리학자가 된 캐나다 캘거리대학교 이기범 교수가 웨스턴온타리오대학교에서 박사 학위 과정 중이던 시절의 이야기다. 그는 Big 5 관련 연구들이 주로 북미와 서유럽에 중점을 둔 사실을 발견하고, 한국어나 동유럽권의 다른 언어들도 마찬가지로 성격 형용사가 5가지로 나뉠지 의문을 품었다. 이에 한국어를 시작으로 각 언어별 성격 특성 어휘를 다시 들여다본 결과, 5가지보다 6가지로 구분하는 것이 더 타당하다는 사실을 밝혀냈다.

그래서 발견된 요인이 바로 H factor(Honesty-Humility),정직-겸손성이다. 이기범 교수는 기존 5가지 요인에 H를 포함한 성격 요인을 HEXACO라고 명명했다. 아래는 HEXACO, 각 성격 특성을 대표하는 양극단의 성격 형용사들이다.

이어, HEXACO의 각 요인이 높고 낮음에 따라 어떠한 행동 특성을 보이는지도 소개한다.

각 성격특성에 해당되는 형용사나 행동 특성을 읽어 보니, 어떤가? 좋고 나쁜 게 없는 것처럼 느껴지는가, 아니면 더 바람직한 성격이 있는 것처럼 보이는가?

다른 항목들보다도 특히, 정직겸손성의 항목들은 좋고 나쁨이 분명해 보이고 정서성이나 원만성, 성실성 역시 좋고 나쁜 것을 쉽게 관찰할 수 있다. 물론 각 성격 특성이 양극단으로 치우쳐 지나치게 높아도 문제고, 지나치게 낮아도 문제일 수 있다. 하지만 높은 것보다 낮은 것이 훨씬 위험해 보인다면, 높은 것이 더 좋다고 판단하는 것이 합리적이다.

회사에서 꼭 필요한 지표 요점 정리!

실제로 Big 5 HEXACO는 산업 및 조직심리학자들이 매우 사랑하는 성격진단도구다. 왜냐하면 조직 내 다양한 결과를 이러한 성격 변인이 아주 잘 예측해 주기 때문이다.

• 기본적으로 C(성실성) Factor가 낮은 사람은 어느 회사든 입사하기 어렵다. 이들은 면접도 보기 전에 인적성검사에서 탈락될 확률이 매우 높다. C가 업무 성과(Task Performance)를 매우 안정적으로 예측해 주기 때문이다.
• O(개방성) Factor는 업무 성과와 직접적인 상관은 낮지만, 학습 효율성(traning efficiency)을 매우 잘 예측한다. 현재 수행하는 업무 성과는 낮은데 O factor가 높다면, 교육 훈련을 통해 직무 순환(Job rotation)을 고려하면 좋다.
• A(원만성) Factor는 갈등 표출이나 협업 등 관계적 측면(relationship)을 잘 예측해 준다. 대화나 협업이 어렵고 갈등을 유발하는 데 특기가 있는 사람은 대개 A Factor 점수가 낮다.
• E(정서성) Factor는 스트레스 관리(Stress managment) 수준을 잘 예측한다. E가 낮은 사람은 스트레스에 매우 취약하고 돌발 상황에 침착하게 대응하지 못한다.
• X(외향성) Factor가 높은 사람은 다른 사람이 자신을 좋아한다고 가정하는 경향이 분명하다. 사회적 네트워크를 구축하기를 원하고 조직에서 리더의 역할이 기꺼이 담당하는 것을 두려워하지 않는다. 물론, 그렇다고 외향성이 곧 리더십을 의미하는 것은 아니다. 다른 성과지표도 그렇지만, 특히 리더십의 효과성은 환경과 상호작용이 중요하기 때문이다.

자, 이제 대망의 H(정직-겸손성) factor다. H는 이 자체가 낮은 것도 문제지만, HEXACO의 다른 성격 변수와 상호작용하여 조직 내 또는 사회적 상황에서 행동을 잘 예측한다.

• 외향성은 높은데, H가 낮은 사람은 거칠 것 없는 나르시시스트다. 자신을 과시하고, 자신은 법과 질서를 어겨도 된다는 특권 의식으로 똘똘 뭉친 사람이다.
• 외향성이 낮은데 H도 낮다면 어떨까? 과묵하고 거만하게 사람들을 대할 것이다. 자기와 상대가 되지 않는 부류가 있다고 믿고, 이들과 교류할 가치를 전혀 못 느끼고, 부와 명예를 숨어서 즐기는 사람들이다.
• 성실성이 높은 것이 성과를 잘 예측한다고 했지만, 만약 성실성이 높은 사람이 H가 낮다면 어떤 모습을 보일까? 불법은 성실하다는 말을 들어본 적이 있는가? 이들은 성실하게 준비해 사기를 치거나, 들키지 않게 배임과 횡령 행위를 하는 모습을 보일 수 있다. 자신이 원하는 것을 성취하기 위해 법망을 교묘하게 피해 가는 ‘법꾸라지’ 역시 높은 성실성에 낮은 정직성이 결합된 결과다.
• 낮은 성실성에 낮은 정직성이라면 최악이다. 여러 범죄적 유형에 맞춤형이다. 이들은 사리사욕은 강하지만 자기 통제력은 떨어져 유치장이나 교도소에 들어가 있을 확률이 일반인에 비해 훨씬 높다. 일반인과 같이 생활한다 하더라도 도박이나 알코올 중독에 빠져 있을 가능성이 높다.

외향성과 성실성이 H와 어떻게 상호작용하는지 간략히 설명했지만, H Factor는 다른 성격 요인들과 상호작용하며, 사람들의 태도와 행동을 매우 잘 예측해 준다.

HEXACO 검사를 해보자

이쯤이면, 자신의 H 수준이 어떠한지, 또 당신 주변 사람들의 H 수준은 어떠한지 궁금하지 않은가? 아래 링크로 들어가 좌측 메뉴 중에 ‘Take the HEXACO-PI-R’을 클릭한 후, 언어를 한국어로 선택하면 우리말로 된 검사를 무료로 받을 수 있다. 마지막엔 그동안의 통계 자료가 모여 평균적인 사람들에 비해 당신의 성격 특성은 어느 정도인지 그래프로 만들어진 결과도 확인할 수 있다.

• http://hexaco.org/

결과에 대한 해석은 전문가의 도움을 받을 수 있으면 좋지만, 이기범 교수의 책이 우리말로 번역되어 있으니 한 번 읽어보기를 권한다(『H팩터의 심리학:정직함의 힘』(문예출판사)).

성격은 좋고 나쁨이 있다. 특히 H Factor는 높은 것이 좋다. 그리고 만일 당신이 HEXACO라는 도구에 익숙해진다면, 정직성이 낮은 사람들을 식별할 수 있다. 누군가에게 이용당하지 않고 건강한 사회적 관계를 맺으려면 당신의 H를 표현하고, H가 낮은 사람들을 경계하면서 High H의 인재가 조직에서 더 영향력 있는 위치에 갈 수 있도록 조직문화와 제도를 바꿔야 한다.

Unsplash

최근 〈Journal of Behavioral Decision Making(2023년 4월호)〉에 조직 내 협업에 관한 H Factor의 역할을 잘 규명한 논문이 있어, 이 연구를 소개하고 글을 마무리하겠다.

우리에게 ‘정직한 사람’이 필요한 이유

많은 조직 심리학자들은 협업을 A(원망성) Factor의 역할이라고 인식하고 있다. 그런데, 이 연구는 도덕적 딜레마 상황에서는 H의 역할이 더 크다는 사실을 밝혀냈다.

실험에 참가한 사람들은 먼저 비교적 힘들게 일해 돈을 번다. 이들은 문서에 있는 데이터를 컴퓨터 프로그램에 입력하는 업무를 수행하면 한 장당 20 토큰을 받는데, 1토큰은 0.01유로로 교환할 수 있다. 다시 말해, 100토큰을 모아야 1유로(1,500원)가 생기는 작업이다.

이렇게 지루하고 힘든 입력 작업을 마치면 참가자들은 받은 토큰을 가지고 공공재 게임에 들어간다. 공공재 게임은 자신이 가진 토큰 중 일부 혹은 전부를 공동 주머니(common pot)에 넣으면 2배로 불려 그룹 구성원들에게 1/n으로 나눠준다.

이 게임을 하다 보면 무임승차자가 나오기 마련이다. 자신의 돈은 한 푼도 넣지 않지만, 다른 사람이 넣은 돈을 활용해 이익을 취하는 사람들이 생긴다. 또한, 자신은 적은 돈을 내면서 타인이 넣은 많은 돈으로 자신만의 이익을 불리는 유혹도 쉽게 느낀다.

연구자들은 공공재 게임을 시작하기 직전에 두 집단으로 나눠 한 집단에게는 기여 프레임(contribution frame)으로, 다른 집단에게는 정직 프레임(honesty frame)으로 안내했다. 기여 프레임 그룹에게는 “당신이 가진 토큰 중에 얼마를 기여(contribute)하고 얼마를 보유(withhold)하고 있을지 선택하라”고 안내했고, 정직 프레임 그룹에게는 “당신이 가진 토큰 중에 얼마를 보고(report)하고 얼마를 숨길(hide) 것이지 선택하라”고 안내했다.

이후 이러한 유사한 사회적 딜레마 장면들을 주고 실험한 결과, 정직 프레임에 노출되어 정직하게 행동할지 말지를 고민한 그룹이 집단에 기여할 것인지 말 것인지를 고민한 그룹에 비해 협력 정도가 유의미하게 높았다.

출처: Szekely, A., Bruner, D., Todor, A., & Volintiru, C. (2023). Preferences for honesty can support cooperation. Journal of Behavioral Decision Making, e2328.

조직 내 협업은 사회적 딜레마의 성격을 띄고 있다. 내가 나서지 않아도 누군가 그 일을 대신할 수 있는 일들이 많다. 이때, 모두의 이익을 위해 기꺼이 동참할 것인가는 기여할 수 있는 역량이나 돕고자 하는 동기보다 정직성에 대한 자극이 필요하다. H factor가 높은 사람들이 협업 성향이 높은 것도 사실이지만, H factor가 크게 높지 않더라도 사람들은 자신의 정직성을 떠올릴 때 협업의 의지를 불태울 수 있다.

모든 조직에서 협업은 최고의 화두다. 여러 협업 방식과 도구로 좋은 성과를 보지 못했다면, H factor에 대한 관심을 기울여 보시라 권한다. H가 높은 사람들이 더 큰 영향력을 발휘할 수 있는 위치에 올라갈 수 있는 인사 제도,
당신의 H를 자극하는 조직문화, H가 낮은 사람들이 발 둘 곳이 없도록 만드는 리더십과 업무환경이 조직의 장기적인 번영을 만들 것이라고 여러 연구들이 반복 증명하고 있다.