Block, 인력 ‘10,000+명→6,000명 미만’으로 축소…“시니어 AI 엔지니어는 채용 지속” 발언의 의미

핀테크 기업 Block(Square·Cash App 운영)이 인력 규모를 크게 줄이면서도 시니어 AI 엔지니어 채용은 이어가겠다는 입장을 밝혔다. 이번 구조조정은 ‘전체의 약 40%’라는 표현을 넘어, 주주서한 기준으로 “10,000명 이상에서 6,000명 미만으로(4,000명 이상 감원), nearly half(거의 절반)” 수준의 축소라는 점이 수치로 확인된다.

Block은 같은 주주서한에서 이번 결정을 실적 악화에 따른 긴급한 비용 절감이라기보다, AI 기반 도구가 개발·운영 방식 자체를 바꾸고 있어 더 작은·평평한 팀 구조로 전환한다는 취지로 설명했다. 회사는 2025년 실적과 제품 개발 속도 개선을 언급하며, 앞으로는 ‘intelligence-native’에 가까운 운영 모델을 지향한다고 밝혔다.

다만 “시니어 AI 엔지니어는 계속 채용”이라는 메시지는 문서와 별개로, CEO 잭 도시(Jack Dorsey)가 실적 발표 관련 공개 발언(보도에 따르면 실적 발표 콜 등) 및 소셜 채널 언급을 통해 전한 내용으로 알려져 있다. 즉, 감원 발표(주주서한·실적 발표)라는 ‘공식 문서 축’과, “특정 직군은 채용 유지”라는 ‘경영진 발언 축’이 함께 보도되며 시장에 전달된 구조다.

이번 사례가 보스턴권(금융·핀테크·엔터프라이즈 SaaS) 구직자에게 주는 신호는 단순한 감원 뉴스로만 읽기 어렵다. 같은 조직이 요구하는 역할의 형태가 바뀌는 흐름—특히 “범용 개발/운영 역할의 축소 압력”과 “AI를 실제 제품·업무 프로세스에 넣고 운영해본 시니어 역할의 강화”가 동시에 나타날 수 있다는 점을 보여준다.

아래는 기사 사실관계(감원·발언·실적 공개)를 바탕으로, 현장에서 자주 부딪히는 상황을 ‘사례’로 정리한 것이다. 개별 회사·팀·직무에 따라 적용 방식은 달라질 수 있다.

사례 A(유학생 OPT): ‘백엔드 개발 + 기본 MLOps’로 지원하던 경우, 팀이 작아질수록 “모델 성능·비용·리스크를 함께 책임질 수 있는 엔지니어”를 더 강하게 요구받는 편이다. 단순 모델 서빙 경험보다, 운영 지표(지연·비용/쿼리·정확도·장애/인시던트)와 함께 모니터링·가드레일·실험 설계·비용 최적화 결과를 설명할 때 평가가 선명해지는 경우가 많다.

사례 B(H-1B 재직자): 조직 슬림화 과정에서 직무 재정의와 팀 이동이 빠르게 일어나면, 역할·직무기술서(JD) 변경이 이민 서류상의 직무/근무지/임금 수준 등과 정합성 점검 이슈로 이어질 때가 있다. 다만 이는 회사 정책과 개인 상황에 따라 달라질 수 있어, 내부 HR/이민 담당 또는 전문 자문을 통해 확인하는 방식이 상대적으로 안전하다.

보스턴권 구직자가 참고할 만한 실행 항목(정보 차원) 1) ‘AI 효율화/자동화’가 명시된 JD를 우선 분류: agentic coding tools, automation, LLM ops, governance, evaluation, monitoring 등 키워드가 있는 포지션을 따로 묶어 비교한다. 2) 이력서 문장을 결과형으로 교체: “LLM 적용” 대신 “배포 후 비용/품질/안정성 지표 변화”를 한 줄로 요약한다(예: 비용/쿼리, 응답 지연, 정확도, 인시던트 감소). 3) 포트폴리오를 ‘운영’ 중심으로 재구성: 데모뿐 아니라 로그·모니터링·에러 핸들링·프롬프트/정책 가드레일·드리프트 대응을 포함한다. 4) 면접 답변은 ‘생산성 + 리스크’ 세트로 준비: 속도를 올린 방식과 함께 보안·저작권·환각·데이터 유출 같은 리스크를 어떻게 줄였는지 대안을 같이 제시한다. 5) 비자 타임라인은 보수적으로 관리: 감원·조직개편 시 승인/오퍼 프로세스가 늦어질 수 있어, 시간 제약이 있는 경우엔 병행 옵션(예: 캡 엑젬프션 가능 포지션, 단기 계약 등)을 함께 검토하는 접근이 흔하다.

Block의 선택이 모든 핀테크 기업의 즉각적인 표준이 된다고 보기는 어렵다. 다만 이번 발표는 ‘AI 도입=파일럿’에서 ‘AI 도입=조직 설계’로 무게중심이 이동하고 있음을 보여주는 사례로 읽힌다. 채용 공고의 문구가 비슷해 보여도, 평가 기준이 “AI로 무엇을 만들었나”에서 “AI로 더 작고 빠르게 운영해본 경험이 있나”로 옮겨가는지를 구분해 보는 것이 현실적인 해석에 가깝다.