GM IT 조직 600명 감원, 전통 기업도 AI 인력 구조를 다시 짠다
제너럴모터스(GM)가 정보기술(IT) 조직에서 약 600명의 정규직 급여 직원을 줄였다. 이번 조치는 단순한 비용 절감이라기보다 기존 IT 인력 구성을 줄이고, AI 중심 역량을 갖춘 인력을 다시 채우는 기술 인력 재편에 가깝다는 점에서 주목된다.
블룸버그 뉴스는 5월 11일 GM이 IT 부서에서 500~600명을 감원할 계획이라고 보도했다. 이후 테크크런치는 GM이 감원을 확인했다고 전했다. 테크크런치에 따르면 이번 감원 규모는 GM IT 부서의 10%를 넘는 수준이다.
다만 GM이 IT 채용을 완전히 멈춘 것은 아니다. 회사는 AI-native 개발, 데이터 엔지니어링과 분석, 클라우드 기반 엔지니어링, AI 에이전트와 모델 개발, 프롬프트 엔지니어링, 새로운 AI 업무 흐름 설계 역량을 가진 인력을 찾고 있는 것으로 전해졌다. 여기서 AI-native 개발은 기존 시스템에 챗봇을 붙이는 수준이 아니라, 처음부터 AI 모델, 데이터 파이프라인, 자동화 흐름을 염두에 두고 시스템을 설계하는 방식을 뜻한다. AI 에이전트는 사람이 매번 한 단계씩 지시하지 않아도 정해진 목표 안에서 여러 업무를 이어서 수행하도록 만든 소프트웨어를 말한다.
GM의 최근 실적을 보면 이번 감원을 회사 전체의 급격한 위축으로만 보기는 어렵다. GM은 4월 28일 발표한 2026년 1분기 실적에서 매출 436억2400만 달러, 주주 귀속 순이익 26억2700만 달러, 조정 EBIT 42억5300만 달러를 보고했다. 매출은 전년 동기 대비 0.9% 줄었고 순이익도 감소했지만, 조정 EBIT는 21.9% 늘었다. 즉 이번 변화는 실적 부진에 따른 전면 축소라기보다 자동차 회사가 소프트웨어, 데이터, AI 조직의 구성을 다시 맞추는 과정으로 보는 편이 현실적이다.
이 흐름은 보스턴권 독자에게도 직접적인 신호가 있다. 보스턴은 자동차 산업의 중심지는 아니지만 금융, 보험, 헬스케어, 바이오테크, 로보틱스, 대학·병원 행정처럼 전통 산업과 고급 기술이 만나는 지역이다. 이런 조직들은 이미 클라우드 전환, 데이터 통합, 보안, 규제 대응을 함께 고민하고 있다. GM 사례는 AI 채택이 빅테크 연구소 안에서만 일어나는 일이 아니라, 대기업 내부 IT 부서의 직무 구성까지 바꾸고 있음을 보여준다.
취업 준비생과 유학생에게는 ‘AI를 쓸 줄 안다’는 표현만으로는 차별화가 약해질 수 있다는 점이 중요하다. 앞으로 채용 공고에서 더 구체적으로 봐야 할 항목은 데이터 파이프라인 구축, 모델 평가, 클라우드 배포, MLOps, 보안과 개인정보 보호, 레거시 시스템 연동이다. 특히 보스턴권 헬스케어·바이오 기업에서는 HIPAA 같은 의료정보 보호 체계, 임상 데이터 품질, 규제 문서화와 연결된 AI 역량이 더 실무적으로 평가될 가능성이 있다.
H-1B나 OPT, STEM OPT를 고려하는 독자는 직무명이 화려한지보다 회사가 해당 역할을 얼마나 장기적이고 핵심적인 업무로 보고 있는지를 확인할 필요가 있다. AI 관련 직무라고 해서 비자 스폰서십 가능성이 자동으로 높아지는 것은 아니다. 다만 데이터 엔지니어, 클라우드 엔지니어, 머신러닝 플랫폼 엔지니어, AI 제품 운영 담당처럼 업무 범위와 필요 역량이 명확한 직무는 회사 내부에서도 설명하기 쉬운 편이다. 개인별 비자 판단은 학교 DSO, 회사 HR, 이민 전문가와 별도로 확인해야 한다.
현직자에게는 두 가지 준비 포인트가 보인다. 첫째, 현재 업무 안에서 반복 작업을 AI로 줄이는 경험을 구체적으로 기록하는 것이 중요하다. 단순히 도구를 써봤다는 수준보다 어떤 업무 시간을 줄였고, 품질 검토를 어떻게 했고, 데이터 보안 문제를 어떻게 처리했는지가 더 설득력 있다. 둘째, 본인의 도메인 지식을 AI 시스템과 연결하는 역량이 필요하다. 금융 IT라면 리스크와 감사 추적, 병원·바이오라면 데이터 품질과 규제, 제조·로보틱스라면 센서 데이터와 현장 운영을 이해하는 식이다.
이직 준비자는 회사 유형도 나눠 봐야 한다. 대기업은 AI 도입 과정에서 거버넌스, 보안, 기존 시스템 통합을 중시한다. 스타트업은 제품 속도와 고객 검증, 제한된 인력으로 여러 기능을 맡는 실행력을 더 볼 수 있다. 같은 AI 직무라도 필요한 포트폴리오는 다르다. 대기업 지원자는 안정적인 배포 경험과 문서화, 장애 대응 사례가 도움이 되고, 스타트업 지원자는 빠른 프로토타입 제작과 고객 문제를 제품 기능으로 바꾼 경험이 더 눈에 띌 수 있다.
창업 관심자에게도 GM의 변화는 참고할 만하다. 기업 고객은 이제 AI 데모 자체보다 실제 조직 안에서 작동하는지를 묻고 있다. 기존 데이터베이스와 연결되는지, 직원 권한 관리가 되는지, 결과를 검증할 수 있는지, 비용 대비 효과가 명확한지가 중요하다. 보스턴의 헬스AI, 로보틱스, 보험·핀테크, 대학 연구 기반 스타트업도 이 지점을 제품 설계 초기부터 고려해야 한다.
당장 눈에 보이는 변화는 전통적 IT 운영·지원·일반 애플리케이션 유지보수 직무의 문이 상대적으로 좁아질 수 있다는 점이다. 반대로 AI와 함께 늘어나는 역할은 모델을 직접 만드는 연구직에만 한정되지 않는다. 데이터 엔지니어, 클라우드 인프라 담당, AI 워크플로 설계자, 모델 성능 평가 담당, 보안·컴플라이언스 담당, 현업 부서와 기술팀을 연결하는 제품 운영 역할이 함께 중요해지고 있다.
앞으로 볼 변수는 기업들이 AI로 실제 생산성 개선을 얼마나 확인하느냐, 그리고 보안·규제·책임 문제를 어떻게 관리하느냐다. GM의 감원은 모든 회사가 같은 속도로 인력을 줄인다는 뜻은 아니다. 다만 전통 기업도 기술팀을 AI 중심으로 다시 짜기 시작했다는 신호는 분명하다. 보스턴권 구직자와 현직자는 AI라는 큰 단어보다, 자신이 어떤 데이터와 업무 흐름을 실제로 바꿀 수 있는지를 더 구체적으로 보여줄 준비가 필요해지고 있다.