기업 AI 예산, 실험에서 운영으로…보스턴 채용 키워드도 ‘도입 역량’으로 읽힌다

RBC Capital Markets의 최신 CIO 설문은 미국 기업의 AI 투자가 단순 실험 단계를 지나 실제 업무 예산으로 옮겨가고 있음을 보여준다. Business Insider가 6월 26일 보도한 내용에 따르면, 100명 넘는 최고정보책임자와 기술 리더를 대상으로 한 조사에서 응답 기업 전원이 AI·대형언어모델 예산을 배정하고 있었다.

핵심은 AI 지출이 ‘한번 써보는 비용’에서 ‘업무 시스템에 넣는 비용’으로 바뀌고 있다는 점이다. RBC 조사에서 응답자의 91%는 기존 소프트웨어 예산을 줄여 AI에 돌리는 방식이 아니라, 별도의 새 예산을 만들고 있다고 답했다. 절반 이상은 이미 AI를 실제 업무 환경, 즉 프로덕션 단계에 적용하고 있었고, 추가로 35%는 6개월 안에 프로덕션에 들어갈 계획이라고 밝혔다.

프로덕션은 데모나 파일럿을 넘어 고객지원, 사내 검색, 문서 처리, 개발 보조, 영업·마케팅 자동화처럼 실제 업무 흐름 안에서 AI가 쓰이는 단계를 뜻한다. 기업 입장에서는 이제 “AI를 써봤다”보다 “어느 업무에 넣었고, 비용과 품질을 어떻게 관리하는가”가 더 중요한 질문이 되고 있다.

비용 부담에 대한 답변도 눈에 띈다. AI 서비스는 보통 ‘토큰’ 단위로 과금된다. 토큰은 AI가 읽고 생성하는 텍스트 조각을 세는 단위로, 사용량이 늘면 클라우드 사용료처럼 비용도 커진다. RBC 조사에서 거의 10명 중 9명은 토큰 예산이 관리 가능한 수준이라고 답했다. 다만 절반 가까이는 이미 당초 계획보다 더 많이 쓰고 있었다. 이는 기업들이 AI 사용을 줄이기보다, 비용 추적과 모델 선택, 사용량 관리 체계를 정교하게 만들 필요를 느끼는 단계로 해석할 수 있다.

AI 제공업체 경쟁에서는 OpenAI가 앞서 있는 것으로 나타났다. 응답자의 57%는 가장 자주 쓰는 AI 모델 기반 서비스로 ChatGPT를 꼽았고, Anthropic의 Claude는 12%였다. 성능 평가에서도 OpenAI를 최고로 본 응답이 44%, Anthropic은 24%였다. 다만 이 결과는 특정 조사 대상의 응답이며, 기업별 보안 요구, 데이터 처리 방식, 가격 구조, 기존 클라우드 계약에 따라 실제 선택은 달라질 수 있다.

보스턴권 독자에게 중요한 부분은 이 조사가 보스턴 지역 채용 통계를 직접 보여주는 자료는 아니라는 점이다. 다만 RBC 설문이 보여주는 기업 AI 예산의 방향과 보스턴 지역 산업 구조를 함께 보면, 채용시장에서 어떤 역량이 더 자주 언급될지에 대한 단서는 얻을 수 있다. 보스턴은 병원, 바이오테크, 대학, 금융, 엔터프라이즈 소프트웨어 기업이 밀집한 지역이다. 이들 조직은 공개 챗봇을 쓰는 수준을 넘어 개인정보, 연구 데이터, 의료·금융 규제, 내부 문서 권한을 함께 고려해야 한다.

따라서 보스턴권에서는 단순 프롬프트 사용 능력보다 데이터 거버넌스, 보안, 워크플로 자동화, API 연동, 비용 추적, 모델 평가 역량이 채용 과정에서 상대적으로 부각될 가능성이 있다. 이는 확정된 지역 통계라기보다, 기업 AI 투자가 운영 단계로 이동하고 있다는 조사 결과와 지역 산업 특성을 바탕으로 한 해석에 가깝다.

유학생과 취업 준비생 입장에서는 ‘AI를 쓸 줄 안다’는 표현만으로는 차별화가 어렵다. 더 설득력 있는 신호는 특정 업무를 AI로 개선해 본 증거다. 예를 들어 연구실 데이터 정리, 병원 운영 보고서 자동화, 세일즈 리드 분류, 소프트웨어 테스트 자동화, 고객 문의 요약처럼 실제 문제를 정하고, 전후 시간 절감이나 오류 감소를 보여주는 프로젝트가 더 의미 있을 수 있다.

특히 H-1B, OPT, STEM OPT를 고려하는 독자는 채용 공고에서 해당 직무가 실험성 프로젝트인지, 장기 예산이 붙은 제품·플랫폼 역할인지 구분해 볼 필요가 있다. 비자 스폰서십 여부는 회사와 직무, 개인 상황에 따라 달라지므로 일반적인 시장 신호로만 해석해야 한다. 다만 기업이 AI를 운영 예산으로 편성하기 시작했다면, 단기 시범 프로젝트보다 내부 시스템 구축, 보안 검토, 데이터 파이프라인, 제품 통합처럼 지속성이 있는 역할을 눈여겨볼 만하다.

현직자에게는 AI 활용이 개인 생산성 도구를 넘어 팀 운영 방식으로 들어온다는 점이 중요하다. 앞으로는 ‘AI를 쓰는 사람’보다 ‘AI가 실무 기준을 벗어나지 않게 설계하는 사람’의 역할이 더 커질 수 있다. 내부 자료 접근 권한을 어떻게 나눌지, 고객 데이터가 외부 모델로 나가지 않게 할지, AI가 만든 결과를 누가 검토할지, 비용이 어느 부서 예산으로 잡히는지 같은 문제가 실제 업무의 일부가 된다. 개발자뿐 아니라 제품 매니저, 데이터 분석가, 보안 담당자, 운영 매니저, HR·재무 담당자에게도 관련성이 커지는 흐름이다.

스타트업과 창업 관심자에게도 메시지는 비교적 분명하다. 투자자와 고객사는 이제 ‘AI를 붙였다’는 설명보다 실제 비용 구조와 업무 효과를 보려 한다. 좌석당 요금과 사용량 기반 과금을 섞은 하이브리드 가격 모델이 확산되는 점도 중요하다. 고객이 많이 쓸수록 비용이 커지는 구조라면, 스타트업은 매출뿐 아니라 모델 호출 비용, 응답 품질, 보안 인증, 고객사의 기존 시스템과 연결되는 방식을 함께 설명해야 한다.

단기적으로는 기업 AI 예산이 새로 만들어지고 있다는 점이 테크 채용시장에 일정한 수요를 만들 수 있다. 그러나 장기적으로는 토큰 비용, 데이터센터 전력·용량, 실제 생산성 검증이라는 변수가 남아 있다. 보스턴의 한인 직장인과 유학생에게 필요한 관점은 AI 열풍 자체보다, 각자의 전공과 산업 안에서 AI가 어떤 업무 흐름을 바꾸는지 확인하는 것이다.

채용 공고를 볼 때는 AI 플랫폼 이름만 볼 것이 아니라 데이터 보안, 자동화, 클라우드, 모델 평가, 비용 관리, 도메인 지식을 함께 요구하는지 살펴볼 필요가 있다. 기업 AI가 운영 예산으로 들어오는 지금, 시장은 ‘새 도구를 아는 사람’보다 ‘도구를 업무 성과로 연결할 수 있는 사람’을 더 구체적으로 찾기 시작한 것으로 읽힌다.