2년 만에 완전히 바뀐 풍경
2년 전만 해도 'AI 일자리'라고 하면 박사 학위를 가진 머신러닝 연구자를 떠올렸어요. 논문 쓰고, 모델 아키텍처 설계하고, 대규모 학습을 돌리는 사람들이요. 그런데 2026년 채용 공고를 훑어보면 풍경이 완전히 달라졌거든요. 이 글은 AI 관련 채용 공고와 시장 데이터를 정리하면서, 지금 회사들이 실제로 어떤 사람을 뽑으려 하는지를 짚어요.
가장 큰 변화는 AI 엔지니어라는 직군의 부상이에요. AI 엔지니어가 뭐냐면, 모델을 직접 만드는 사람이 아니라, 이미 있는 모델(Claude, GPT, Gemini, 오픈 모델)을 가져다가 실제 제품으로 만드는 사람이에요. 프롬프트 설계하고, 검색 파이프라인 붙이고, 에이전트를 구성하고, 결과물 품질을 측정하는 일을 하죠. 예전에 '풀스택 개발자'가 그랬던 것처럼, 지금은 이 역할이 공고에서 가장 빠르게 늘고 있어요. 반면 순수 연구직은 소수의 프런티어 랩과 빅테크에 집중되고, 나머지 회사들은 '연구'보다 '적용'에 돈을 쓰고 있어요.
어떤 스킬이 실제로 돈이 되나
공고에 반복해서 등장하는 키워드를 보면 시장이 원하는 게 보여요.
RAG와 에이전트 구축 경험. RAG(검색 증강 생성)가 뭐냐면, 모델이 답하기 전에 관련 문서를 먼저 찾아서 같이 넣어주는 방식이에요. 회사 내부 문서로 챗봇을 만들 때 거의 필수죠. 에이전트는 모델이 스스로 도구를 호출하면서 여러 단계 작업을 처리하는 구조인데, 2026년엔 이걸 '데모'가 아니라 '운영 중인 시스템'으로 만들어본 경험을 요구하는 공고가 많아졌어요.
평가 체계(Evals) 구축. 이게 지금 가장 부족한 스킬이에요. 평가 체계가 뭐냐면, 모델 출력이 좋은지 나쁜지를 사람이 일일이 보지 않고 자동으로 측정하는 시스템이에요. 프롬프트를 바꿨을 때 뭐가 좋아지고 뭐가 나빠졌는지 숫자로 보여줄 수 있어야 하거든요. 이걸 할 줄 아는 사람이 정말 드물어서, 공고에서 우대 사항이 아니라 필수 요건으로 올라가는 추세예요.
추론 최적화와 인프라. vLLM 같은 서빙 프레임워크, 양자화, GPU 비용 최적화를 다룰 수 있는 사람은 연봉 프리미엄이 가장 커요. 모델을 쓰는 회사가 늘수록 '어떻게 싸고 빠르게 돌리느냐'가 곧 수익성이 되거든요.
반대로 '프롬프트 엔지니어'라는 단독 직군은 거의 사라졌어요. 프롬프트 작성은 이제 모든 개발자의 기본 소양이 됐고, 그것만으로는 자리가 안 생겨요.
주니어에게는 솔직히 어려운 시장
불편한 이야기도 있어요. 엔트리 레벨 공고가 줄었어요. 회사들이 '시니어 한 명 + AI 코딩 도구' 조합으로 예전에 주니어 두세 명이 하던 일을 처리할 수 있다고 판단하기 시작했거든요. 그래서 '경력 3년 이상'이 붙은 공고는 늘고, 신입 공고는 줄어드는 양극화가 나타나고 있어요.
그런데 뒤집어 보면, 주니어가 차별화할 수 있는 지점도 여기 있어요. AI 도구를 능숙하게 다루면서 실제로 동작하는 LLM 기반 프로젝트를 만들어본 주니어는, 그렇지 않은 5년 차보다 더 매력적으로 보일 수 있거든요. 학위나 연차보다 '만들어본 것'이 더 중요해진 시장이에요.
업계 흐름에서 보면
2023년부터 2024년까지는 'AI를 만드는' 회사에 돈이 몰렸어요. 2025년엔 그중 상당수가 정리됐고, 2026년은 'AI를 쓰는' 단계예요. 금융, 유통, 제조, 헬스케어 같은 전통 산업이 자체 AI 팀을 꾸리기 시작했고, 이 회사들은 연구자가 아니라 자기 도메인 문제를 LLM으로 풀어줄 엔지니어를 찾아요. 그래서 채용 시장의 중심이 실리콘밸리 스타트업에서 전 산업으로 퍼지고 있어요.
또 하나 눈여겨볼 건, 대규모 정리해고와 AI 채용이 동시에 일어난다는 거예요. 같은 회사가 한쪽에서 수백 명을 내보내면서 다른 쪽에서 AI 엔지니어를 뽑는 일이 흔해요. 전체 일자리 수가 줄어든다기보다, 요구되는 스킬의 종류가 빠르게 바뀌고 있다고 보는 게 정확해요.
한국 개발자에게 주는 시사점
한국도 같은 흐름이에요. 대형 IT 기업부터 금융사, 제조사까지 'AI 서비스 개발자' 공고가 눈에 띄게 늘었고, 요구 사항도 위에서 말한 것과 거의 같아요. 지금 백엔드나 프론트엔드를 하고 있다면, 완전히 다른 직군으로 갈아타는 게 아니라 기존 스킬 위에 LLM 애플리케이션 경험을 얹는 것만으로 이동할 수 있어요.
구체적으로는 이런 걸 추천해요. 첫째, 작은 RAG 프로젝트라도 평가 셋을 갖춰서 만들어보세요. '만들었다'가 아니라 '이 지표로 측정했고 이렇게 개선했다'를 말할 수 있으면 면접에서 완전히 달라요. 둘째, 모델 API 비용과 지연 시간을 계산해본 경험을 쌓으세요. 운영 관점이 있는 사람은 드물어요. 셋째, 영어 공고에 지원할 수 있는 준비를 하세요. AI 직군은 원격 채용 비율이 높아서, 한국에 있으면서 해외 회사에서 일하는 게 현실적인 선택지예요.
마무리
한 줄로 정리하면, 2026년 AI 시장은 모델을 만드는 사람보다 모델로 제품을 만들고 그 품질을 증명할 수 있는 사람을 찾고 있다예요. 여러분은 지금 하는 일에 AI 스킬을 어떻게 얹고 있나요? 아니면 굳이 그럴 필요 없다고 보시나요?
🔗 출처: Hacker News