AI 채용시장, 일자리 축소보다 인프라·하드웨어 이동이 더 뚜렷하다

AI가 테크 일자리를 한꺼번에 줄이고 있다는 인식과 달리, 최근 채용 데이터는 조금 다른 방향을 보여준다. 전체 테크 채용 공고는 올해 들어 늘었지만, 증가 폭은 전통적인 소프트웨어 개발보다 하드웨어, 데이터센터, 클라우드 인프라 쪽에 더 집중되고 있다.

비즈니스 인사이더가 6월 25일 보도한 TrueUp 데이터에 따르면, 9,000개 테크 기업·스타트업·유니콘을 추적한 결과 올해 들어 공개된 테크 직무 공고는 약 14% 증가했다. 이 가운데 하드웨어 엔지니어링 공고는 52% 늘었고, 소프트웨어 엔지니어링 공고는 2%대 증가에 그쳤다. 대형 상장 테크기업의 공개 채용 공고도 올해 들어 18% 늘어난 것으로 집계됐다.

이 숫자는 AI 때문에 개발자 일자리가 일괄적으로 사라진다는 단순한 설명과는 거리가 있다. 다만 채용의 방향이 바뀌고 있다는 점은 분명하다. 기업들이 찾는 인력은 AI 모델을 처음부터 만드는 소수 연구직에만 머물지 않는다. 칩, 서버, 네트워크, 데이터센터 운영, 클라우드 비용 관리, 데이터 파이프라인, 보안, 운영 자동화처럼 AI를 실제 서비스와 기업 업무에 붙이는 역할의 비중이 커지고 있다.

미국 전체 고용시장도 비슷하게 복합적인 신호를 보인다. 노동통계국(BLS)의 5월 고용보고서에 따르면 미국 비농업 고용은 17만2,000명 증가했고 실업률은 4.3%로 유지됐다. 고용 증가는 레저·접객, 지방정부, 헬스케어에 집중됐고, 정보산업과 전문·비즈니스 서비스 고용은 큰 변화가 없었다. 전체 노동시장은 급격히 식었다고 보기 어렵지만, 테크와 사무직 구직자 입장에서는 체감 난도가 여전히 고르지 않다는 뜻이다.

배경에는 AI 투자 무게중심의 변화가 있다. Axios가 6월 26일 전한 골드만삭스 분석은 다음 AI 투자 사이클이 소프트웨어 앱을 넘어 공장, 전력, 광산, 유틸리티, 데이터센터 같은 물리 경제로 확장될 가능성을 짚었다. 골드만삭스는 2026년부터 2031년까지 전 세계 AI 인프라 투자 규모를 약 7조6,000억 달러로 추산했다. 이 전망이 그대로 현실화된다고 단정할 수는 없지만, 기업들이 AI를 실험용 기능이 아니라 운영 인프라로 보기 시작했다는 흐름은 채용 공고의 변화와 맞물린다.

보스턴권 독자에게 중요한 지점도 여기에 있다. 보스턴은 순수 소비자 앱보다 대학 연구, 바이오테크, 로보틱스, 헬스케어 데이터, 엔터프라이즈 소프트웨어와 연결된 산업 기반이 강하다. 따라서 AI 관련 기회도 모델을 직접 개발하는 직무에만 국한되지 않는다. 연구실, 병원, 제약사, 로봇 기업, 클라우드 기반 소프트웨어 회사에서 AI를 안전하게 적용하고 검증하는 역할로 넓어질 수 있다.

유학생과 졸업 예정자에게는 전공명보다 실제 적용 경험을 어떻게 보여주느냐가 더 중요해지고 있다. 컴퓨터사이언스나 데이터사이언스 전공 자체가 경쟁력을 보장하기보다는, 모델 평가, 데이터 품질 관리, 클라우드 배포, 보안·프라이버시 이해, 특정 산업 데이터 경험이 함께 보일 때 신입 포지션에서 설명력이 커진다.

OPT, STEM OPT, H-1B 스폰서십을 고려하는 경우에는 회사가 해당 직무를 장기적으로 유지할 계획인지, 과거 스폰서십 경험이 있는지, 직무가 실험 프로젝트인지 핵심 운영 기능인지도 함께 확인할 필요가 있다. 이는 일반 정보 차원의 점검 포인트이며, 개인별 비자 판단은 별도 전문 상담이 필요한 영역이다.

현직자에게는 AI를 쓸 줄 안다는 표현만으로는 부족해지고 있다. 실무에서는 AI 도구를 활용해 어떤 업무 시간을 줄였는지, 결과물 품질을 어떻게 검토했는지, 오류와 보안 리스크를 어떻게 관리했는지가 더 중요한 신호가 된다. 보스턴의 바이오·헬스케어 분야에서는 생성형 AI 활용 자체보다 데이터 거버넌스, 검증 가능한 워크플로, 규제 환경에서의 문서화 역량이 채용과 내부 이동에서 더 실질적인 경쟁력이 될 수 있다.

이직 준비자는 회사 유형을 나눠 보는 것이 현실적이다. AI 인프라와 클라우드 기업은 하드웨어·네트워크·운영 자동화 인력을 찾을 가능성이 크고, 바이오·헬스케어·로보틱스 기업은 도메인 지식과 AI 적용 경험을 함께 요구할 수 있다. 일반 SaaS 기업은 AI 기능을 제품에 붙이는 과정에서 데이터 엔지니어링, 제품 분석, 보안, 고객 업무 흐름에 대한 이해를 더 중시할 수 있다.

채용 공고를 볼 때는 AI라는 단어 자체보다 실제 업무가 무엇인지 구분해 읽는 편이 낫다. 모델 개발인지, 데이터 운영인지, 클라우드 비용 절감인지, 고객용 기능 출시인지에 따라 필요한 역량과 커리어 경로가 달라진다. 포트폴리오나 면접에서도 AI 도구 사용 경험을 넓게 말하기보다, 어떤 문제를 어떤 데이터와 시스템 안에서 해결했는지 설명하는 방식이 더 설득력 있다.

지금 시장을 한 문장으로 정리하면, 테크 일자리가 단순히 사라지는 국면이라기보다 AI 투자가 필요한 곳으로 재배치되는 단계에 가깝다. 소프트웨어 직무가 약해졌다고만 보기는 어렵지만, 소프트웨어만으로 충분하지 않은 역할이 늘고 있는 것은 분명하다. 보스턴의 한인 직장인과 유학생에게는 AI 자체보다 AI가 들어가는 산업 현장, 즉 바이오·헬스케어·로보틱스·클라우드 인프라·보안의 접점을 읽는 것이 다음 커리어 판단의 더 실용적인 단서가 될 수 있다.