씨티의 AI 전환, 금융권 테크 직무의 기준을 바꾸고 있다

씨티그룹의 제인 프레이저 최고경영자가 인공지능(AI)이 금융권 일자리의 성격을 바꾸고 일부 직무 재편을 가져올 수 있다고 밝혔다. 이는 단순한 자동화 논의가 아니라, 대형 은행이 소프트웨어 개발, 리스크 관리, 고객 온보딩, 투자은행 업무에 AI를 실제로 넣고 있다는 신호다.

최근 보도에 따르면 프레이저 CEO는 사우스차이나모닝포스트 인터뷰에서 AI가 사람의 업무를 보완하는 영역이 크지만, 일부 일자리 이동과 충돌도 생길 수 있다고 설명했다. 씨티는 2025년 중국 본토 기술 조직에서 약 3,500개 일자리를 줄이겠다고 발표했다. 해당 직무는 글로벌 사업을 지원하는 소프트웨어 개발, 테스트, 유지보수, 운영 서비스와 관련됐고, 일부 업무는 다른 기술 센터로 옮겨질 수 있다고 회사는 설명했다.

이 변화는 한 은행의 비용 절감만으로 보기 어렵다. 비즈니스인사이더 보도에 따르면 씨티의 내부 AI 도구는 84개국 18만2,000명 직원에게 제공됐고, 자체 도구 사용률은 70%를 넘었다. 생성형 AI를 활용한 자동 코드 리뷰로 개발자 시간이 주당 약 10만 시간 절감됐다는 설명도 나왔다. 씨티는 또 여러 단계를 하나의 지시로 처리하는 ‘에이전트형 AI’를 5,000명 규모로 시범 운영했다.

금융권에서 AI 도입이 빠르게 보이는 이유는 업무 구조와 관련이 있다. 은행 업무 상당 부분은 데이터, 문서, 규정, 반복 검토로 구성된다. 코드 리뷰, 보고서 초안, 고객 자료 정리, 거래 검증, 규정 준수 문서 확인처럼 일정한 패턴이 있는 업무는 AI 도구가 생산성을 높이기 쉽다. 다만 은행은 규제 산업이기 때문에 AI가 낸 결과를 누가 검증하는지, 고객 데이터가 어떻게 보호되는지, 모델 오류가 어떤 리스크로 이어지는지까지 관리해야 한다.

이 지점이 보스턴권 독자에게 중요하다. 보스턴과 매사추세츠는 자산운용, 보험, 핀테크, 클라우드, 사이버보안, 대학 연구 인력이 함께 움직이는 지역이다. 뉴욕 월가의 변화가 보스턴 채용시장에 같은 규모로 바로 반영되지는 않더라도, 금융·보험·컨설팅·핀테크 기업이 요구하는 기술 역량의 방향은 비슷하게 움직일 가능성이 있다.

유학생과 졸업 예정자 입장에서는 “AI를 쓸 줄 안다”는 표현만으로 차별화하기 어려워지고 있다. 금융권 테크 직무에서는 파이썬, SQL, 클라우드, 데이터 파이프라인 같은 기본 역량에 더해 데이터 거버넌스, 모델 검증, 보안, 규제 대응 문서화 경험이 중요해질 수 있다. 단순 자동화 스크립트를 만드는 능력보다, 어떤 업무 흐름을 자동화해도 되는지와 어떤 부분은 사람이 확인해야 하는지를 설명할 수 있는 역량이 더 실무적으로 평가될 수 있다.

현직자에게는 직무 이름보다 업무 구성의 변화가 더 직접적인 신호다. 소프트웨어 엔지니어는 AI 코드 도구 사용 자체보다 코드 품질, 테스트, 보안 취약점 검토, 레거시 시스템 정리에서 성과를 보여줘야 한다. 비즈니스 애널리스트나 운영 담당자는 반복 보고서 작성보다 데이터 출처 확인, 예외 처리, 내부 통제 설계, 현업 요구사항을 기술팀 언어로 바꾸는 역할이 중요해질 수 있다.

H-1B나 OPT를 고려하는 독자에게도 참고할 부분이 있다. AI 도입이 곧바로 스폰서십 축소를 뜻한다고 단정할 수는 없다. 다만 대형 금융사가 비용 절감과 AI 투자를 동시에 진행하는 환경에서는 오퍼를 볼 때 직무가 핵심 시스템, 규제 대응, 데이터 인프라, AI 운영처럼 회사의 장기 과제와 연결돼 있는지 확인할 필요가 있다. 비자와 고용 안정성은 개인 상황별 변수가 크므로, 구체적인 판단은 학교 국제학생 오피스나 이민 전문가에게 확인하는 편이 안전하다.

창업이나 스타트업 취업을 보는 독자에게는 또 다른 신호가 있다. 씨티는 AI 인프라 금융팀도 꾸렸고, AI 데이터센터와 관련 인프라에 2030년까지 약 3조 달러 규모의 투자가 필요할 수 있다는 추산도 언급했다. 이는 AI 스타트업이 모델 자체만으로 평가받는 단계를 넘어, 전력, 데이터센터, 보안, 컴플라이언스, 실제 고객 업무에 들어가는 통합 능력까지 평가받는 흐름을 보여준다.

지금 당장 바뀌는 것은 대형 금융사의 내부 업무 방식이다. 장기적으로 봐야 할 것은 채용 기준이다. 금융권 테크 채용은 순수 코딩 인력만 찾는 방향이 아니라, AI 도구를 실제 업무에 넣고도 감사와 보안, 고객 신뢰를 유지할 수 있는 인력을 더 필요로 할 가능성이 있다.

보스턴권 구직자는 채용공고에서 AI라는 단어만 찾기보다 데이터 엔지니어링, 모델 리스크, 클라우드 플랫폼, 사이버보안, 규제 기술, 내부 생산성 도구 같은 키워드를 함께 볼 필요가 있다. 포트폴리오를 준비한다면 단순 데모보다 “어떤 반복 업무를 줄였는지, 오류를 어떻게 검증했는지, 민감한 데이터를 어떻게 다뤘는지”를 보여주는 방식이 실무에 더 가깝다.

씨티 사례가 말해주는 핵심은 금융권에서 AI가 별도 실험실 프로젝트가 아니라 일상 업무 도구로 들어오고 있다는 점이다. 일자리가 모두 한 방향으로 움직인다고 보기보다는, 반복 업무는 압박을 받고 검증·통제·업무 설계 역량은 더 중요해지는 재편으로 보는 편이 현실적이다. 앞으로는 은행들이 AI 투자에서 실제 수익과 생산성 개선을 얼마나 입증하는지, 규제기관이 금융 AI 사용에 어떤 기준을 요구하는지가 채용시장에도 중요한 변수로 남을 것이다.