앤스로픽·오픈AI의 기업용 AI 합작사 경쟁, 실무형 AI 인재 수요를 키운다

앤스로픽이 2026년 5월 4일 블랙스톤, 헬먼앤프리드먼, 골드만삭스와 함께 기업용 AI 서비스 회사를 세우겠다고 발표했다. 같은 날 오픈AI도 사모펀드들과 별도 합작사를 추진하고 있다는 블룸버그 기반 보도가 이어졌다. AI 경쟁의 초점이 모델 성능 발표에서 기업의 실제 업무 안에 AI를 배치하는 단계로 옮겨가고 있다는 신호다.

앤스로픽의 새 회사는 Claude를 중견 기업의 핵심 업무에 도입하는 데 초점을 맞춘다. 회사 발표에 따르면 이 조직은 독립 법인으로 운영되며, 앤스로픽의 엔지니어링과 파트너십 자원이 직접 결합된다. 블랙스톤, 헬먼앤프리드먼, 골드만삭스가 창립 파트너로 참여하고, 아폴로글로벌매니지먼트, 제너럴애틀랜틱, GIC, 레너드그린, 세쿼이아캐피털도 후원 그룹에 포함됐다.

자금 규모와 기업가치에 대해서는 공식 발표와 보도 내용을 구분해서 볼 필요가 있다. 테크크런치는 월스트리트저널 보도를 인용해 이 합작사의 가치가 15억 달러로 평가됐고, 앤스로픽·블랙스톤·헬먼앤프리드먼이 각각 약 3억 달러를 투입하는 구조라고 전했다. 이는 앤스로픽의 공식 발표문에 포함된 세부 조건은 아니므로, 현재로서는 보도 기반 수치로 이해하는 것이 적절하다.

오픈AI 쪽 움직임도 같은 흐름에 있다. Investing.com 등은 블룸버그 보도를 인용해 오픈AI가 The Deployment Company라는 새 합작사를 위해 19개 투자자로부터 40억 달러 이상을 확보했으며, 신규 자금 제외 기준 기업가치가 100억 달러로 평가됐다고 전했다. TPG, 브룩필드, 애드벤트, 베인캐피털 등이 투자자로 거론됐다. 다만 오픈AI가 이 합작사의 세부 조건을 공식 발표한 것은 아니어서, 투자 규모와 구조는 블룸버그 보도에 따른 내용으로 구분해 봐야 한다.

두 움직임의 공통점은 사모펀드가 보유한 포트폴리오 기업들이 기업용 AI 도입의 초기 고객군이 될 수 있다는 점이다. 사모펀드는 병원, 제조업체, 금융회사, 리테일, 인프라 기업 등 다양한 산업의 회사를 보유하고 있다. AI 모델 회사 입장에서는 개별 기업을 하나씩 설득하는 것보다, 여러 포트폴리오 회사를 가진 투자기관과 손잡는 방식이 대규모 도입 경로가 될 수 있다.

이 변화의 핵심은 ‘AI를 쓴다’는 말의 의미가 달라지고 있다는 데 있다. 지금까지 많은 기업은 ChatGPT나 Claude 같은 도구를 직원 개인의 생산성 향상용으로 시험했다. 그러나 병원 네트워크, 제조업체, 금융회사, 리테일 기업이 AI를 업무 시스템 안에 넣으려면 데이터 접근 권한, 보안, 규제 준수, 기존 소프트웨어와의 연결, 결과 검증까지 함께 설계해야 한다. 단순한 구독형 소프트웨어 판매보다 훨씬 손이 많이 가는 작업이다.

그래서 다시 주목받는 역할이 ‘포워드 디플로이드 엔지니어’다. 고객사 가까이 붙어 실제 업무 흐름을 파악하고, AI 모델을 그 회사의 데이터·도구·승인 절차에 맞게 구현하는 엔지니어를 뜻한다. 전통적인 컨설턴트와 소프트웨어 엔지니어의 중간에 있는 직무라고 볼 수 있다. 코드를 짜는 능력만큼이나 현업 담당자와 문제를 정의하고, AI 결과가 믿을 만한지 평가하며, 사람이 최종 판단해야 할 지점을 설계하는 역량이 중요해진다.

보스턴 독자에게 이 뉴스가 중요한 이유도 여기에 있다. 보스턴권에는 대형 병원, 바이오·제약사, 대학 연구기관, 자산운용사, 보험·핀테크, 제조 기반 딥테크 기업이 밀집해 있다. 이들 산업은 AI를 빨리 쓰고 싶어 하지만 개인정보, 의료정보, 연구 데이터, 금융 리스크 때문에 외부 도구를 가볍게 붙이기 어렵다. 앞으로 기업용 AI 수요가 커진다면 보스턴에서는 모델을 새로 만드는 연구직뿐 아니라, 의료·바이오·금융 같은 도메인 지식을 갖고 AI를 안전하게 업무에 연결하는 역할이 더 눈에 띌 수 있다.

유학생과 초기 커리어 구직자에게는 포트폴리오의 방향을 더 구체적으로 잡아야 한다는 의미가 있다. 단순히 ‘AI를 써봤다’보다 특정 업무를 자동화하거나 보조하는 작은 시스템을 만들고, 어떤 데이터가 필요했는지, 오류를 어떻게 확인했는지, 사용자가 어떤 방식으로 결과를 검토하게 했는지를 보여주는 경험이 도움이 된다. Python, API 연동, 데이터 파이프라인, 클라우드, 검색증강생성(RAG), 평가 자동화, 권한 관리 같은 키워드는 여전히 실무적으로 중요하다.

현직자에게는 AI 도입이 특정 부서의 파일럿 프로젝트에 머물지 않고 운영 개선 과제로 내려올 가능성을 봐야 한다. 회사가 AI를 도입할 때 필요한 사람은 모델 이름을 많이 아는 사람만이 아니다. 반복 업무를 분해해 설명할 수 있는 사람, 팀의 승인 절차를 이해하는 사람, 오류가 났을 때 책임 소재와 수정 흐름을 설계할 수 있는 사람이 필요하다. 개발자가 아니더라도 제품, 운영, 재무, 임상, 규제, 고객지원 직무에서 AI 프로젝트의 실무 연결고리를 맡을 여지가 있다.

이직 준비자라면 회사 유형을 조금 더 세밀하게 비교할 필요가 있다. AI 모델 회사, 컨설팅·시스템통합 회사, 사모펀드 포트폴리오 기업, 헬스테크·핀테크·바이오 SaaS 회사는 모두 기업용 AI를 말할 수 있지만 실제 업무는 다를 수 있다. 어떤 곳은 모델과 인프라를 만들고, 어떤 곳은 고객사 현장에 들어가 적용을 돕고, 또 다른 곳은 특정 산업의 업무 제품을 만든다. 채용 공고에서 ‘AI agent’, ‘workflow automation’, ‘evaluation’, ‘data governance’, ‘enterprise integration’ 같은 표현이 어떤 책임과 연결되는지 읽어보는 것이 중요하다.

비자 이슈가 있는 독자는 합작사나 컨설팅형 조직의 근무 방식도 함께 봐야 한다. 고객사 현장 투입, 프로젝트 단위 배치, 여러 지역 근무 가능성이 직무에 포함될 수 있기 때문이다. H-1B 등 취업비자 스폰서십은 회사별 정책과 직무 요건에 따라 달라지므로 일반화하기 어렵다. 지원 전에는 해당 회사의 과거 스폰서십 기록, 근무지 조건, 고객사 파견 가능성, 직무 설명의 전문성 요건을 함께 확인하는 편이 현실적이다.

창업 관심자에게는 기회와 제약이 동시에 보인다. 대형 AI 모델 회사들이 모든 산업별 문제를 직접 해결하기는 어렵다. 보스턴의 헬스케어, 바이오 연구, 보험, 교육, 전문서비스처럼 규제가 강하고 현장 지식이 필요한 영역에서는 작은 팀도 특정 업무 문제를 깊게 파고들 여지가 있다. 다만 기업 고객은 데모보다 데이터 보안, 비용 예측, 기존 시스템 연동, 책임 있는 운영 방식을 더 까다롭게 본다. AI 스타트업의 경쟁력은 모델 호출 자체보다 신뢰 가능한 업무 제품으로 만드는 능력에서 갈릴 가능성이 크다.

이번 합작사 경쟁은 AI가 일자리를 단순히 줄이느냐 늘리느냐의 문제로만 보기 어렵다. 일부 반복 업무는 줄어들 수 있지만, 동시에 AI를 업무에 맞게 배치하고 검증하고 운영하는 역할은 늘어날 수 있다. 보스턴의 한인 유학생과 직장인이 지금 볼 포인트는 특정 모델 이름보다 ‘내 산업의 실제 업무에서 AI가 어디에 들어가고, 그 과정에서 어떤 사람이 필요한가’다. 앞으로의 변수는 기업들이 파일럿을 넘어 실제 비용 절감과 매출 기여를 증명할 수 있는지, 그리고 채용 수요가 연구 중심에서 배치·운영 중심으로 얼마나 이동하는지에 있다.