미국 기업 AI 도입률 20% 안팎, 보스턴 커리어 시장에 주는 간접 신호

미국 기업의 AI 활용은 빠르게 늘고 있지만, 실제 도입은 아직 업종과 기업 규모에 따라 뚜렷하게 갈리고 있다. 미 인구조사국이 2026년 5월 26일 공개한 Business Trends and Outlook Survey 분석에 따르면, 2025년 12월부터 2026년 5월 초까지 미국 기업의 AI 사용률은 17~20% 수준에서 움직였다.

다만 이 수치는 보스턴 지역 채용공고나 지역 고용 데이터를 직접 집계한 자료가 아니다. 보스턴 취업시장에 대한 해석은 전국 기업의 AI 도입 흐름을 바탕으로, 보스턴권의 대학·병원·바이오테크·금융·엔터프라이즈 소프트웨어 산업 구조를 함께 놓고 읽은 분석에 가깝다.

인구조사국 자료에 따르면 같은 기간 향후 6개월 안에 AI를 사용할 것으로 예상한 기업은 20~23%였다. 직원 250명 이상 기업의 37%, 직원 100~249명 기업의 32%가 AI를 업무에 사용한다고 답했다. 반면 직원 4명 이하 기업의 사용률은 20% 미만이었다. 2025년 12월 이후 AI 사용은 직원 20명 이상 기업에서 늘었지만, 20명 미만 기업에서는 통계적으로 뚜렷한 변화가 확인되지 않았다.

업종별 차이도 크다. 2026년 5월 3일 기준 정보산업의 AI 사용률은 39.7%, 금융·보험은 33.9%로 전국 평균 19.8%를 크게 웃돌았다. 반면 소매업은 현재 사용률이 약 14%, 향후 6개월 예상 사용률도 약 17%로 평균보다 낮았다. AI가 모든 회사를 같은 속도로 바꾸고 있다기보다, 데이터·문서·분석 업무가 많은 산업과 일정 규모 이상의 조직에서 먼저 자리 잡는 모습이다.

인구조사국의 별도 연구도 비슷한 점을 보여준다. AI를 도입한 기업 중 57%는 세 가지 이하의 업무 기능에만 AI를 쓰고 있었다. 가장 흔한 활용 분야는 세일즈·마케팅, 전략·사업개발, IT였다. 또 AI 관련 고용 감소가 나타난 기업은 전체의 2% 수준으로 제시됐다. 이는 AI가 곧바로 대규모 인력 대체로 이어진다는 단순한 설명보다는, 반복 업무와 분석 업무의 방식이 먼저 바뀌고 있다는 해석에 더 가깝다.

보스턴권 독자에게 이 자료가 주는 의미는 조심스럽게 읽을 필요가 있다. 지역 채용 수요를 직접 보여주는 자료는 아니지만, 보스턴의 주요 산업이 정보기술, 금융, 헬스케어, 바이오, 연구기관, 대학과 맞물려 있다는 점을 고려하면 AI를 “만드는 직무”뿐 아니라 AI를 실제 조직 안에 적용하는 직무의 가치가 커질 가능성을 보여준다. 특히 규제와 신뢰가 중요한 헬스케어·바이오·금융 분야에서는 AI 결과를 검토하고, 데이터 보안과 업무 책임 구조를 설계하는 역량이 함께 요구될 수 있다.

유학생과 졸업 예정자에게 중요한 포인트는 전공명 자체보다 업무 안에서 AI를 어떻게 활용했는지를 설명할 수 있는지다. 컴퓨터공학 전공자는 모델 호출 경험만이 아니라 데이터 파이프라인, 보안, 평가, 비용 관리까지 설명할 수 있을 때 설득력이 커진다. 바이오나 헬스케어 전공자는 논문 요약, 실험 기록 정리, 임상 데이터 검토 보조처럼 규제가 있는 환경에서 AI를 어디까지 활용하고 어디서 사람이 검토해야 하는지 이해하는 것이 도움이 된다.

경영·마케팅·재무 직무에서도 단순히 생성형 AI 프롬프트를 써봤다는 설명만으로는 부족할 수 있다. 고객 분석, 리포팅 자동화, 문서 검토, 내부 지식 검색처럼 실제 업무 결과와 연결된 사례가 더 중요해진다. 갤럽 조사에서도 2026년 2월 기준 미국 직원의 28%가 주 몇 차례 이상 AI를 업무에 사용한다고 답했지만, AI가 조직의 일하는 방식을 크게 바꿨다고 강하게 동의한 비율은 12%에 그쳤다. 현장에서는 아직 전면적 전환보다 기존 업무에 AI를 붙이는 단계가 더 넓게 나타난다는 뜻이다.

현직자에게는 AI 도입률의 격차가 회사와 직무를 평가하는 기준이 될 수 있다. 정보산업과 금융·보험처럼 도입률이 높은 업종에서는 AI 도구 사용 경험이 업무 역량의 일부로 다뤄질 가능성이 커진다. 반대로 작은 회사나 전통 업종에서는 AI가 아직 실험 단계일 수 있어, 새 도구를 도입하는 사람이 업무 설계와 동료 교육 역할까지 맡게 될 수 있다. 이 경우 “AI를 쓴다”보다 “어떤 반복 업무를 줄였고, 오류 검토를 어떻게 했고, 개인정보나 고객 데이터를 어떻게 보호했는지”를 말할 수 있어야 한다.

H-1B, OPT, STEM OPT를 고려하는 독자에게도 간접적인 시사점이 있다. AI 활용이 기업의 생산성 기대와 비용 계산에 들어오면서, 신입·주니어 포지션에서도 더 빠른 실무 적응을 기대하는 분위기가 생길 수 있다. 다만 비자 스폰서십 여부는 회사 정책, 직무, 예산, 법무 리스크에 따라 달라지므로 일반화하기 어렵다. 이직이나 첫 취업 과정에서는 채용 공고의 기술 스택뿐 아니라 스폰서십 정책, 근무지 요구, AI 도구 사용 규정, 데이터 보안 기준을 초기에 확인하는 것이 현실적이다.

창업자나 소규모 비즈니스 입장에서는 대규모 도입보다 작은 업무 단위의 검증이 더 맞을 수 있다. 소기업의 AI 도입 속도가 느린 것은 단순한 뒤처짐이라기보다 비용, 보안, 직원 교육, 기존 소프트웨어와의 연결 문제를 반영한다. 고객 문의 정리, 예약·청구 보조, 마케팅 초안, 내부 문서 검색처럼 결과를 확인하기 쉬운 영역부터 시험하고, 민감한 고객 정보나 의료·재무 정보는 별도 검토 절차를 두는 방식이 더 현실적이다.

앞으로 채용시장에서 자주 보일 키워드는 AI agent, workflow automation, data governance, model evaluation, human-in-the-loop이다. AI agent는 사람이 매번 클릭하지 않아도 일정한 업무를 수행하도록 설계된 소프트웨어를 뜻하지만, 기업 환경에서는 권한 관리와 오류 검토가 중요하다. human-in-the-loop는 AI 결과를 사람이 검토하고 책임지는 구조를 말한다. 보스턴권처럼 헬스케어, 바이오, 금융, 교육기관이 밀집한 지역에서는 이런 개념이 단순한 기술 유행어가 아니라 실무 기준으로 연결될 수 있다.

이번 자료가 보여주는 변화는 AI가 일자리를 한 방향으로만 줄인다는 결론이 아니다. 더 정확히는 기업들이 AI를 일부 업무 기능 안으로 조용히 들여오면서, 채용과 평가 기준이 조금씩 바뀌고 있다는 신호다. 보스턴 한인 유학생과 직장인에게 필요한 준비는 거창한 예측보다 자신이 속한 직무에서 AI가 어떤 반복 업무를 바꾸는지, 그 변화 속에서 사람이 맡아야 할 판단·검증·도메인 지식이 무엇인지 구체적으로 정리하는 일이다.