AI 감원은 성과 공식이 아니었다, 보스턴 채용은 ‘운영형 AI’로 이동
AI 도입을 이유로 한 감원 발표가 늘고 있지만, 인력을 줄이는 것 자체가 기업의 AI 투자 성과로 이어진다는 근거는 약하다는 조사 결과가 나왔다. Gartner는 2026년 5월 5일 발표한 조사에서 AI 에이전트와 자동화 기술을 시험하거나 도입한 대기업 상당수가 인력 감축을 보고했지만, 감축 규모와 투자수익률 사이의 뚜렷한 연결은 확인되지 않았다고 밝혔다.
핵심은 AI가 채용시장에 영향을 주지 않는다는 뜻이 아니다. 기업들이 이제 “사람을 줄이면 AI 성과가 난다”는 단순 계산에서 벗어나, AI를 실제 업무 흐름에 붙이고 관리할 수 있는 조직 역량을 따지고 있다는 점이다. 보스턴권 유학생과 직장인에게는 모델 개발 자체뿐 아니라 데이터 정리, 시스템 연동, 업무 검증, 고객 적용까지 다루는 ‘운영형 AI’ 역량이 더 중요해지고 있다는 신호로 읽힌다.
Gartner 조사에 따르면 AI 에이전트, 지능형 자동화, 반복 업무 자동화 기술, 디지털 트윈 등 자율형 비즈니스 기술을 파일럿 또는 도입 중인 대기업 가운데 약 80%가 인력 감축을 경험했다. 조사는 2025년 3분기, 연 매출 10억 달러 이상 기업의 글로벌 임원 350명을 대상으로 진행됐다. 그러나 높은 AI 투자수익률을 보고한 기업과 낮거나 부정적 성과를 보고한 기업 모두 비슷한 비율로 감원을 진행했다. 감원은 단기 비용 여력을 만들 수 있지만, AI 성과를 설명하는 충분한 변수는 아니었다는 의미다.
동시에 미국 기업들의 감원 발표에서 AI가 더 자주 언급되는 것도 사실이다. Challenger, Gray & Christmas의 5월 7일 보고서에 따르면 미국 고용주들은 4월 한 달 동안 8만3,387명의 감원을 발표했다. 이 가운데 AI가 사유로 언급된 감원은 2만1,490명으로 전체의 26%였다. 2026년 들어 4월까지 AI 관련 감원은 4만9,135명으로 집계됐고, 기술 업종은 같은 기간 8만5,411명의 감원을 발표해 업종별로 가장 큰 비중을 차지했다.
AP 보도도 Cisco, Block, Dow, Pinterest 등 여러 기업이 최근 구조조정 과정에서 AI 투자, 자동화, 자원 재배치를 언급하고 있다고 전했다. 다만 기업들이 AI를 감원의 유일한 이유로 제시하는 경우는 많지 않다. 경기 둔화, 비용 절감, 과거 과잉 채용 조정, 사업 우선순위 변경이 함께 얽혀 있는 경우가 많다. 구직자 입장에서는 “AI가 일자리를 없앤다”는 한 문장보다, 어떤 업무가 줄고 어떤 업무가 새로 생기는지를 나눠 보는 편이 현실적이다.
보스턴 지역과의 연결점도 분명하다. 보스턴과 케임브리지는 소비자용 앱보다 헬스케어, 생명과학, 금융서비스, 로보틱스, 교육, 엔터프라이즈 소프트웨어처럼 규제와 현장 운영이 복잡한 산업 비중이 높다. 이런 산업에서는 AI 모델을 붙였다고 곧바로 인력을 대체하기 어렵다. 데이터 품질, 개인정보 보호, 모델 검증, 기존 시스템 연동, 현장 사용자의 신뢰가 함께 맞아야 한다.
Massachusetts AI Hub의 Applied AI Models Innovation Challenge도 헬스케어, 생명과학, 금융서비스, 로보틱스, 첨단제조, 클라이밋테크, 교육 등을 주요 분야로 제시한다. 이 프로그램은 초기 연구와 실제 배포 사이의 간극을 줄이는 데 초점을 두고 있으며, 기존 AI·머신러닝 모델을 실제 산업 문제에 맞게 평가하고 운영하는 방식을 강조한다. 보스턴권 AI 수요가 단순 연구직만이 아니라, 규제 산업에서 AI를 안전하게 적용하는 역할로 넓어지고 있음을 보여준다.
채용 공고에서도 비슷한 흐름이 보인다. MA AI Hub 일자리 게시판에는 5월 14일 기준 보스턴 또는 샌프란시스코 하이브리드 근무의 ‘Senior AI Agent Engineer’ 공고가 올라와 있다. 제시된 기본급 범위는 12만~21만 달러이며, 역할은 고객 요구 분석, 시스템 통합, 제품 설정, 기술 문서화, 고객 피드백 연결에 가깝다. 개별 공고 하나가 전체 시장을 대표하지는 않지만, AI 채용이 연구실형 모델 개발자만이 아니라 솔루션 엔지니어, 데이터 통합 담당자, AI 운영·검증 인력으로 넓어지고 있다는 단서가 된다.
유학생과 졸업 예정자에게는 진입 직무의 성격 변화가 가장 현실적인 변수다. 반복적인 리포트 작성, 단순 코드 보조, 기본 데이터 정리처럼 AI 도구로 일부 압축되는 업무는 채용 문턱이 높아질 수 있다. 반대로 현업 데이터를 정리해 AI가 쓸 수 있게 만들고, 결과를 평가하며, 오류나 보안 리스크를 줄이는 일은 더 중요해질 가능성이 있다. OPT, STEM OPT, H-1B 스폰서십을 고려하는 경우에도 일반론 차원에서는 회사가 해당 직무의 필요성과 전문성을 얼마나 분명히 설명할 수 있는지가 중요해진다. 개인별 비자 판단은 학교 DSO나 이민 전문가와 별도로 확인해야 한다.
현직자에게는 “AI를 써봤다”보다 “AI로 어떤 업무 흐름을 바꿨는가”가 더 중요한 이력 포인트가 된다. 고객지원 티켓 분류 시간을 줄였는지, 영업팀의 제안서 초안 작성 프로세스를 개선했는지, 실험 데이터 검토 시간을 단축했는지처럼 업무 단위의 효과를 설명할 수 있어야 한다. 이직 준비자는 채용 공고에서 Python, SQL, API, 클라우드, 데이터 파이프라인, 모델 평가, 보안·컴플라이언스, 고객 워크플로 자동화 같은 키워드를 함께 보는 편이 실무적이다.
창업 관심자에게도 메시지는 비슷하다. 투자자와 고객은 이제 “AI를 쓴다”는 말보다 실제 비용 절감, 매출 증가, 리스크 감소, 규제 대응 가능성을 묻는다. 특히 보스턴권의 헬스케어·바이오·금융·로보틱스 분야에서는 데모보다 검증 자료, 데이터 사용 권한, 책임 있는 AI 운영 체계가 더 중요한 평가 기준이 될 수 있다.
당장 바뀌는 것은 일부 기업의 채용 축소와 직무 재편이다. 장기적으로 봐야 할 것은 AI가 인력을 줄이는 도구로만 쓰일지, 기존 인력이 더 넓은 업무 범위를 다루게 하는 운영 체계로 자리 잡을지다. 현재까지 확인되는 신호는 비교적 분명하다. 감원 발표는 늘고 있지만, AI 성과는 감원 숫자만으로 설명되지 않는다. 보스턴권 독자에게 필요한 준비도 공포에 가까운 대응이 아니라, 자신의 직무를 AI 도구와 데이터, 운영, 검증의 언어로 설명할 수 있게 만드는 쪽에 가깝다.