스탠다드차타드 7천명 감축 계획, 금융권 AI 전환이 보스턴 커리어에 주는 신호

스탠다드차타드가 인공지능과 자동화를 앞세워 2030년까지 기업 지원 기능 인력을 15% 이상 줄이겠다는 계획을 내놨다. 로이터 계산으로는 관련 인력 5만2천명 이상 가운데 7천명 넘는 감축으로 이어질 수 있는 규모다. 금융권의 AI 도입이 실험이나 내부 효율화 수준을 넘어 인력 구조, 비용 목표, 채용 방향과 직접 연결되기 시작했다는 점에서 보스턴의 금융·테크 커리어에도 참고할 신호가 있다.

스탠다드차타드는 5월 19일 홍콩 투자자 행사에서 2028년 유형자기자본이익률 15% 이상, 2030년 약 18%라는 목표를 제시했다. 같은 자료에는 2028년 비용 대비 수익 비율을 약 57%로 낮추고, 직원 1인당 수익성을 2028년까지 약 20% 높이겠다는 계획도 담겼다. 여기서 줄이겠다고 한 기업 지원 기능은 고객을 직접 상대하는 영업 조직보다는 운영, 리스크, 기술, 재무, 인사, 내부 프로세스를 뒷받침하는 조직에 가깝다.

AI 활용 규모도 구체적으로 공개됐다. 스탠다드차타드는 플랫폼에서 300개 이상의 AI 활용 사례가 운영 중이고, 고효과 생성형 AI 사례 43개, AI 에이전트 60개 이상이 있다고 밝혔다. AI 에이전트는 사람이 매번 세부 지시를 하지 않아도 특정 업무 흐름 안에서 자료를 찾고, 판단을 보조하고, 다음 작업을 수행하도록 설계된 소프트웨어를 뜻한다. 회사가 제시한 영역은 내부 문의 자동 해결, 문서 처리 정확도 개선, 규제 변경 대응, 디지털 자산 감시, 소프트웨어 개발 지원 등이다.

하루 뒤 HSBC 최고경영자 조르주 엘헤데리도 생성형 AI가 금융권의 일부 일자리를 없애는 동시에 새 역할을 만들 수 있다고 언급했다. 그는 약 20만명 규모 직원에게 AI 관련 역량, 교육, 도구를 제공하는 문제를 강조했다. HSBC 역시 고객확인, 리스크 모니터링, 콜센터, 자산관리 등에서 AI 적용을 확대하고 있다. 두 은행의 표현은 다르지만 방향은 비슷하다. 금융회사는 AI를 단순한 챗봇이 아니라 업무 단위를 다시 나누고, 반복 기능 일부를 시스템으로 옮기며, 사람의 역할을 검증·관리·고객 판단·예외 처리 쪽으로 재배치하는 도구로 보고 있다.

보스턴 독자에게 이 흐름이 중요한 이유는 금융권 AI 전환이 뉴욕이나 런던만의 이야기가 아니기 때문이다. 보스턴권에는 피델리티, 스테이트스트리트, 산탄데르를 비롯해 자산운용사, 핀테크, 보험, 결제, 리스크 관리 기업이 모여 있다. 미국 노동통계국 자료에 따르면 2026년 3월 보스턴-케임브리지-뉴턴 지역의 금융활동 고용은 약 17만4,800명으로 전년 대비 0.4% 줄었다. 같은 기간 정보 업종은 1.7%, 전문·비즈니스 서비스는 1.9% 감소했다. 금융권 AI 전환은 이미 다소 조심스러운 채용 환경 위에서 진행되고 있는 셈이다.

그렇다고 금융권 기술 일자리가 단순히 사라지는 방향만으로 움직인다고 보기는 어렵다. 보스턴시의 2026년 겨울 노동시장 보고서에 따르면 2025년 보스턴의 컴퓨터 직종 고용은 3만3,594명, 2025년 10~12월 관련 채용공고는 9,161건이었다. 비즈니스 운영 전문가와 금융 전문직 공고도 각각 6,161건, 4,098건으로 집계됐다. 수요는 남아 있지만, 반복 입력이나 단순 보고서 작성보다 데이터 해석, 리스크 통제, 시스템 연동, 고객 업무 이해를 함께 요구하는 방향으로 이동하는 신호가 강하다.

유학생과 취업 준비생에게는 전공명보다 직무 설계가 더 중요해진다. 금융권에서 AI와 함께 늘어날 수 있는 역할은 AI 모델 자체를 만드는 연구직만이 아니다. 고객확인과 자금세탁방지 업무를 이해하는 데이터 분석가, 규제 문서를 업무 규칙으로 바꾸는 비즈니스 애널리스트, AI 결과를 검증하는 모델 리스크·컴플라이언스 인력, 내부 도구를 실제 업무 흐름에 붙이는 제품 운영·솔루션 엔지니어가 함께 필요해질 수 있다.

현직자에게는 본인의 업무가 어느 정도까지 코드화되거나 자동화될 수 있는지 점검하는 일이 현실적이다. 보고서 초안 작성, 문서 대조, 기본 문의 응답처럼 규칙이 비교적 명확한 업무는 자동화 압력을 더 받을 수 있다. 반대로 고객 상황을 해석하고, 예외를 판단하고, 규제·보안·데이터 품질 문제를 조율하는 업무는 AI 도구를 쓰는 방식으로 재편될 가능성이 있다. 이 차이를 이해하면 이직 준비도 단순한 툴 학습보다 포트폴리오 방향을 잡는 데 도움이 된다.

비자 스폰서십이 필요한 독자는 이 변화를 조금 더 세밀하게 봐야 한다. H-1B, OPT, STEM OPT와 관련한 판단은 개인 상황과 회사 정책에 따라 달라지지만, 기업이 인력 계획을 보수적으로 운용할수록 스폰서십 대상 직무는 더 선별될 수 있다. 지원 단계에서는 회사의 스폰서십 이력, 해당 직무가 장기 프로젝트와 연결돼 있는지, AI 도입이 팀 확장인지 비용 절감인지, 신입·주니어에게 어떤 교육 경로가 있는지를 함께 확인하는 편이 실무적으로 유용하다.

창업이나 스타트업 관점에서는 투자자와 금융권 고객이 AI라는 이름보다 실제 비용 절감과 운영 개선을 더 따져보는 분위기가 뚜렷해진다. 금융기관을 고객으로 삼는 스타트업은 모델 성능만 강조하기보다 감사 추적, 데이터 보안, 권한 관리, 사람이 최종 승인하는 구조, 규제 대응 문서화까지 제시해야 한다. 보스턴의 핀테크와 B2B 소프트웨어 창업자에게는 금융기관의 복잡한 내부 업무를 줄이되 통제 가능성을 잃지 않는 제품이 더 설득력 있는 방향이 될 수 있다.

준비 포인트는 비교적 분명하다. SQL과 파이썬 같은 데이터 기본기, API와 클라우드 사용 경험, 업무 흐름을 문서화하는 능력, AI 결과를 검증하는 테스트 습관, 개인정보와 금융규제에 대한 기본 이해가 함께 중요해지고 있다. 기술직이 아니더라도 AI 도구를 써서 업무 시간을 줄인 사례, 오류를 잡은 사례, 팀 프로세스를 바꾼 경험을 구체적으로 설명할 수 있으면 채용 과정에서 차별화 요소가 될 수 있다.

스탠다드차타드의 계획은 금융권 AI 전환이 채용시장에 어떤 언어로 나타날지를 보여준다. 기업은 생산성, 비용, 통제, 고객 경험을 함께 말하고 있다. 보스턴의 한인 직장인과 유학생에게 중요한 관전 포인트는 AI가 모든 일자리를 같은 방향으로 밀어내는지가 아니라, 어떤 업무가 시스템화되고 어떤 역할이 감독·해석·통합 업무로 바뀌는지다. 다음 몇 분기에는 글로벌 은행의 실제 감축 속도, 미국 금융사의 채용공고 변화, 보스턴 지역 핀테크와 자산운용사의 AI 관련 직무가 함께 봐야 할 변수다.