테크 CEO들의 AI 고용 메시지 변화, 채용의 초점은 ‘대체’보다 역할 변화다

미국 테크 업계에서 AI가 일자리를 대규모로 없앨 것이라는 강한 경고음이 조금씩 다른 표현으로 바뀌고 있다. 최근 주요 테크 경영진들은 AI를 감원의 직접 원인으로 내세우기보다, 직원 생산성을 높이고 조직 안에서 AI 활용을 넓히는 방향으로 메시지를 조정하고 있다. 고용시장이 아직 급격히 무너진 것은 아니지만, 채용 속도와 직무 요구사항은 분명히 달라지고 있다는 점이 핵심이다.

월스트리트저널은 7월 8일 테크 기업 CEO들의 AI 관련 고용 메시지가 ‘일자리 소멸’에서 ‘생산성 향상과 업무 재설계’ 쪽으로 이동하고 있다고 전했다. 이는 미국 노동시장 지표와도 맞물린다. 미 노동부에 따르면 7월 4일로 끝난 주간 신규 실업수당 청구 건수는 21만5,000건으로 전주보다 2,000건 줄었다. 같은 주 발표된 6월 고용보고서에서는 비농업 일자리가 5만7,000개 증가했고, 실업률은 4.2%로 집계됐다. 전문·비즈니스 서비스는 3만6,000개 늘었지만, 여가·접객업은 6만1,000개 줄었다.

이 숫자는 미국 고용시장이 전반적으로는 버티고 있지만, 기업들이 채용에 더 신중해졌다는 신호로 읽힌다. 특히 테크 업계에서는 “AI 때문에 몇 명을 줄일 것인가”라는 단순한 질문보다, “어떤 일은 AI 도구에 맡기고, 어떤 판단과 책임은 사람이 맡아야 하는가”라는 더 구체적인 논의가 커지고 있다.

비즈니스인사이더가 소개한 노동시장 데이터 업체 Draup 분석도 같은 방향을 보여준다. Draup은 2025년 6월부터 2026년 6월까지 285만 건의 채용공고를 분석했다. 이 분석에 따르면 소프트웨어 엔지니어링, 데이터 엔지니어링, DevOps 직무는 각각 4만 건 이상의 공고가 있었고, GitHub Copilot, Cursor, Claude 같은 AI 도구는 9개 주요 직무군에서 6만 건 넘는 공고에 등장했다.

다만 기업이 찾는 역량의 내용은 바뀌고 있다. 반복적인 코드 작성, 단순 테스트, 문법 암기처럼 AI가 빠르게 보조할 수 있는 업무의 가치는 낮아질 수 있다. 반대로 시스템 설계, 디버깅, 데이터 거버넌스, 모델 평가처럼 결과를 검증하고 책임질 수 있는 역량은 더 중요해지는 흐름이다. AI agent는 사용자의 지시에 따라 여러 단계를 수행하는 소프트웨어 도구를 뜻하지만, 실제 기업 환경에서는 보안, 비용, 오류 검증, 고객 데이터 처리 같은 문제가 남아 있어 사람이 설계하고 감독하는 역할이 여전히 필요하다.

보스턴권 독자에게 이 변화는 특히 실무적으로 중요하다. 보스턴·케임브리지의 산업 구조는 순수 소비자 앱보다 바이오테크, 헬스케어 데이터, 로보틱스, 사이버보안, 대학 연구 기반 스타트업 비중이 크다. 이 분야에서는 AI를 도입하더라도 규제, 임상 데이터, 환자 정보, 연구 재현성, 하드웨어 안전성 같은 조건을 함께 봐야 한다. 단순히 AI 툴을 써봤다는 경험보다, 특정 산업 문제를 이해하고 AI 결과를 검증 가능한 업무 흐름으로 연결한 경험이 더 설득력 있게 평가될 가능성이 있다.

유학생과 졸업 예정자에게는 엔트리 레벨 채용의 문이 더 까다로워질 수 있다는 신호도 있다. 신입이 과거에 맡았던 반복 작업 일부가 자동화되면, 첫 직장에서 훈련받는 방식도 달라질 수 있다. 포트폴리오를 준비할 때는 모델을 호출해 결과물을 만든 사례만 보여주기보다, 데이터 품질을 어떻게 확인했는지, 오류를 어떻게 찾아냈는지, 사람이 최종 판단해야 하는 기준을 어떻게 세웠는지를 함께 설명하는 편이 현실적이다.

H-1B나 OPT 이후 취업을 고려하는 독자에게 이 변화가 비자 결과를 직접 결정한다고 볼 수는 없다. 다만 스폰서십을 제공하는 기업은 채용이 둔화되는 시기일수록 직무의 지속성, 팀 예산, 고객 매출과의 연결성을 더 따질 수 있다. 인터뷰나 오퍼 검토 과정에서는 회사가 AI를 비용 절감 수단으로만 보는지, 아니면 제품, 운영, 보안, 데이터 품질을 함께 강화하는 방식으로 쓰는지 확인할 필요가 있다.

현직자에게는 AI 사용 여부보다 업무 설명 방식이 중요해지고 있다. 예를 들어 “AI를 활용했다”는 문장만으로는 충분하지 않다. 고객 문의 처리 시간을 얼마나 줄였는지, 코드 리뷰에서 어떤 오류를 줄였는지, 데이터 파이프라인의 품질 점검을 어떻게 자동화했는지처럼 성과와 검증 과정을 함께 말할 수 있어야 한다. 이직을 준비하는 경우에도 AI 도구 이름을 나열하는 것보다, 해당 도구를 실제 업무 흐름에 어떻게 붙였고 어떤 리스크를 관리했는지가 더 중요한 평가 요소가 될 수 있다.

스타트업 창업 관심자에게도 메시지는 비슷하다. AI 클라우드 크레딧이나 도구 지원을 현금 투자와 같은 의미로 받아들이기보다, 실제 고객 확보 전까지의 burn rate, 즉 매달 소진되는 비용과 runway, 즉 버틸 수 있는 기간을 따져봐야 한다. AI를 활용해 초기 제품을 더 빠르게 만들 수는 있지만, 고객 데이터 보호, 모델 성능 검증, 반복 사용 가능한 워크플로 설계는 별도의 실행 역량을 요구한다.

지금 당장 달라지는 것은 채용공고의 언어와 면접 질문이다. “AI 경험”이라는 표현이 늘어나더라도, 실제로는 도구 사용 경험, 도메인 이해, 검증 책임, 협업 방식이 함께 평가될 가능성이 크다. 장기적으로는 AI 생산성이 실제 매출과 비용 구조에 얼마나 반영되는지, 기업들이 신입 인재를 어떻게 훈련시킬지, 규제 산업에서 AI 검증 기준이 어떻게 자리 잡을지가 관전 포인트다.

보스턴의 한인 구직자와 직장인에게 필요한 시선은 AI가 일자리를 모두 대체한다는 단순한 결론이 아니다. 각 직무 안에서 사람에게 남는 판단, 책임, 도메인 이해가 어디에 있는지 확인하는 것이 더 현실적인 출발점이다.