300만 위안을 주고 박사 채용 경쟁, 95후 세대도 이미 ‘노장’… AI 채용이 중간층을 ‘살매장’하고 있다
글쓴이: Ada, TechFlow
“한 인터넷 대기업이 올해 AI 전공 박사 졸업생 60명에게 연봉 300만 위안 이상을 제안했다.” 1500여 개 AI 기업을 대상으로 헤드헌팅 서비스를 제공해온 TTC의 창립자 샤오 마펑(肖玛峰)은 이 수치를 말할 때 마치 오늘의 기온을 보고하듯 무덤덤한 어조로 이야기했다.
같은 달, 맥맥(脉脉)의 데이터에 따르면 AI 관련 채용 공고 수가 29배 급증했고, 지롄 채용(智联招聘)은 구직자 수가 200% 폭증했다고 발표했다. 29배의 채용 공고와 200%의 구직자 유입—숫자는 마치 강세장의 K-라인처럼 아름답다.
그러나 이 수치 뒤에는 하나의 비밀이 숨어 있다. 막대한 자금과 주의가 입구가 극도로 좁은 ‘깔때기’로 몰려들고 있다는 사실이다. 탑의 정점에 선 수십 명이 전체 시장의 급여 기대치를 격상시켰고, 탑의 바닥에 있는 수십만 명은 모든 불안을 떠안았다.
그리고 그 깔때기 중간층—직장에서 5년, 10년을 보낸 사람들—은 조용히 흡수당하고 있다.
인재 시장의 번영은 가상이며, 유동성 환각만이 현실이다.
일장(一将)을 구하기 어려우나, 만졸(万卒)은 서로 싸운다
리에푸(猎聘)의 보고서에 따르면, 47%의 AI 직무가 석사 또는 박사 학위를 요구하며, 거의 절반에 달하는 기업이 985·211 대학 출신만을 인정한다.
헤드헌터 에바(Eva)는 더 직설적으로 말한다. “대기업들이 사람을 뽑을 때는 이제 211 대학 출신조차 간신히 통과 수준이고, 최소한 985 대학 출신이어야 하며, 관련 분야의 실무 프로젝트 경험이 없는 이력서는 기본적으로 검토조차 하지 않는다.”
그렇다면 탑의 정점은 어떤 모습일까?
알리바바 천원(千问)의 린 준양(林俊旸)이 퇴사 소식을 알린 당일, 샤오 마펑은 “각 대기업 관계자들이 우리에게 줄지어 찾아와 린 준양과 연결해줄 수 있느냐고 물었다”고 회상한다.
이 정도 수준의 인재는 전국적으로 수십 명에 불과하다. 그들을 찾기 위해 헤드헌터들은 이미 이력서를 뒤적이는 일을 그만두었다. 그들은 GitHub에서 코드 커밋 기록을 살피고, 구글 스콜라(Google Scholar)에서 논문 저자를 추적하며, 팟캐스트 청취자 커뮤니티나 AI 스타트업 커뮤니티에 직접 끼어든다. 에바는 심지어 칭화대학교(清华)의 한 AI 창업 대회 그룹에도 가입했는데, 그곳엔 스물한두 살의 젊은이들만 가득했다. “지금부터 미리 대화를 나누면, 2~3년 후 그들이 취업을 원할 때 먼저 자리를 확보할 수 있다.”
또 다른 헤드헌터 스티브(Steve)는 2022년부터 AI 분야 채용을 시작했으며, 의미심장한 말을 남겼다. “미래에는 아마 이력서라는 게 사라질지도 모른다.”
그는 한 사례를 들었다. 올해 1월, 한 기업이 OpenClaw를 다룰 줄 아는 인재를 채용하려 했는데, 해당 분야가 너무 신규해서 누구도 이력서에 이를 기재하지 않았다. 스티브는 이 요구사항을 세분화하여 접근했다. 즉, 본질적으로 이는 멀티 에이전트(Multi-Agent) 프레임워크 문제이며, 유사한 프레임워크를 개발한 사람이 있는지, 그런 프레임워크가 오픈소스로 공개되었는지, 그리고 해당 오픈소스 커뮤니티에서 누가 기여했는지를 조사한 것이다.
이력서는 가치가 하락하고 있으며, 전통적인 채용 채널은 기능을 상실하고 있다.
누군가는 이 틈새에서 기회를 포착했다.
DINQ의 공동창립자 샘(Sam)은 유사한 관찰에서 창업을 시작했다. 오픈AI의 가장 뛰어난 논문 저자들 중 상당수는 명문대 출신이 아니었고, 심지어 중퇴자도 있었으며, 젊고 직함도 없었으며, 기술 전문가가 아니라면 그들의 진정한 역량을 알아보기 어려웠다. 링크드인(LinkedIn)이 학력과 경력을 중심으로 평가하는 논리는 AI 인재에게는 전혀 맞지 않는다.
따라서 샘은 ‘AI 과학자 및 개발자를 위한 링크드인’이라 불리는 DINQ를 만들었다. DINQ는 이력이 아닌 실적을 기준으로 평가한다—정상급 학술대회 논문 인용 수, GitHub 코드 기여도, 협업자들이 기술 분야의 거물인지 여부 등이다. HR이 DINQ에서 ‘Sora 2’를 검색하면, 플랫폼은 단순히 Sora 2 관련 경력에 국한되지 않고, 관련 기술 분야의 논문 저자까지 확장하여 잠재된 인재를 발굴해낸다.
샤오 마펑이 제시한 대안은 ‘퍼블릭 빌드(build in public)’다. 즉, 당신의 제품을 바로 공개하는 것—그 자체가 가장 강력한 역량 증명이다.
현재 전국 621개 고등교육기관이 인공지능 학부 전공을 개설했고, 맥킨지(McKinsey)는 2030년 중국의 AI 인재 부족 규모가 400만 명에 달할 것으로 전망한다. 그러나 ‘부족’이라는 표현은 오해의 소지가 있다. 실제로 부족한 것은 10만 장의 GPU 카드로 실험을 수행해본 실험 과학자이며, 대규모 언어 모델(LLM)의 능력 한계를 이해하면서도 동시에 상업적 활용 가능성을 찾아내는 복합형 인재다. 팟캐스트 두 편만 들어보고 “저는 AI에 특히 관심이 많습니다”라고 말하는 사람은 시장에 언제나 넘쳐난다.
니우커(牛客) 창립자 예샹위(叶向宇)는 이를 매우 정확하게 요약했다. 탑 정점은 ‘일장(一将)을 구하기 어려우나’, 탑 바닥은 ‘만졸(万卒)이 서로 싸운다’. 맥맥에서 말한 “AI 채용 공고 두 개당 적격 후보자 한 명이 매칭된다”는 말은 바로 탑 정점을 가리킨다. 그렇다면 탑 바닥은 어떠한가? 아무도 집계하지 않는다. 왜냐하면 탑 바닥의 이력서는 시스템에 들어갈 기회조차 얻지 못하기 때문이다.
레버리지 기반 가격 책정: 모델에 가까울수록 가치가 높아진다
그렇다면 돈은 도대체 누구에게 흐르는가?
에바는 다음과 같은 수치를 제시했다. 대기업의 P7 등급에서, 비기술직의 연봉 한계는 약 100만 위안 수준이다. 동일 등급의 AI 기술직은 150만~200만 위안이다. 이직 시 연봉 상승폭 차이는 더욱 크다. 기술직의 경우 50% 상승은 일반적이며, 2배 이상 오르는 경우도 있다. 반면 비기술직은 10~20% 상승이 보통이며, 최고치는 30%를 넘지 않는다.
스티브는 이러한 가격 책정 논리를 설명하기 위해 ‘레버리지(lever)’라는 용어를 사용했다.
모델을 태양이라고 상상해보라. 태양의 중심부에 가까울수록 레버리지 효과가 커지고, 따라서 개인의 시장 가치도 높아진다. 핵심 연구원이 개발한 모델 성능 향상이 대기업 시가총액에 미치는 영향은 수십억 위안에 이를 수 있다. 그가 운용하는 10만 장의 GPU 카드 비용은 그의 연봉을 훨씬 초월한다. 이 관점에서 보면, 그에게 1억 위안을 주는 것도 결코 비싸지 않다.
태양에서 멀리 떨어진 사람—즉, 제품 매니저, 운영 담당자, 영업 담당자—은 레버리지 효과가 직접적이지 않으므로 급여 역시 제한될 수밖에 없다. 스티브는 애플리케이션 계층에서 기술직과 비기술직의 급여 격차가 2~3배 이상 된다고 추산한다.
샤오 마펑은 또 하나의 핵심 변수를 보완한다. 그는 이 ‘경시 체인’의 본질이 공급과 수요에 기반하며, 그것이 두 단계로 나뉜다고 주장한다. 거시적으로는 10만 장 이상의 GPU 카드로 훈련을 수행해본 인재가 극소수이기에, 그들의 급여는 천문학적 수준이다. 그러나 미시적으로는 창업팀의 구성원 특성에 따라 달라진다. 예컨대 창업자가 칭화대학교 교수라면, 그의 실험실에는 기술 인재가 풍부하므로 오히려 상업화 역량을 갖춘 인재가 더 소중해진다.
수십 명에 불과한 인재의 희소성이 전 산업의 급여 서사를 규정한다. 나머지 사람들은 그 서사를 기준 삼아 자신을 측정할 뿐, 그 결과는 오직 낙차뿐이다.
‘늙은이’에 대한 정화 작전
“AI 시대는 ‘늙은이’를 거부한다.” 샤오 마펑은 이처럼 날카로운 평가를 내렸다.
지난번 AI 물결 속에서 꾸앙시(旷视), 상탕(商汤) 시대를 거친 인재들은 현재 40대 중후반에 이르렀는데, 그들의 경험조차 오히려 짐이 되고 있다.
스티브의 표현은 좀 더 완곡하지만 방향성은 일치한다. “우리는 오래된 지도로는 새로운 대륙을 찾을 수 없다고 믿는다. 한 산업에 오래 머무른 사람일수록, 그들의 에너지와 관성은 커진다. 인간의 뇌는 훈련을 통해 형성된 반응을 즉각적으로 강화하려는 경향이 있지만, 시대는 변했고, 올바른 반응은 오히려 정반대일 수도 있다.”
연령 불안은 이미 모든 직급에 침투했다. 일부 투자 기관은 00년대생 창업가를 발굴하려 하고 있으며, “95년대생은 이미 늙었다”는 말까지 등장하고 있다.
이 말은 어불성설처럼 들릴 수 있으나, 채용 시장이 보내는 신호는 매우 현실적이다. 자원이 제한된 상황에서, 균형추는 주저 없이 젊은이 쪽으로 기울고 있다.
“지금은 실행과 실현 속도를 겨루는 시기다. 기업은 큰 부대가 아니라 특수부대를 양성하고 있다.” 스티브는 이렇게 말한다. 특수부대에는 많은 지휘관이 필요하지 않다.
그러나 여기에는 누구도 정면으로 답하려 하지 않는 모순이 존재한다.
진정으로 AI 제품을 실제 사업 현장에 안착시키고, 기술을 상업적 가치로 전환시키는 데 필요한 것은 바로 업계 경험, 은닉 지식, 그리고 걸어본 함정들이다. 스티브 역시 이 은닉 지식이 비교적 경력이 있는 사람에게서만 발견된다고 인정한다. 그들은 미래에 어느 길로 가야 할지 정확히 모를지라도, 어떤 길은 분명히 가지 말아야 할지를 잘 알고 있다.
산업은 젊은이의 추진력을 필요로 하면서도, 노련한 전문가의 판단력을 동시에 필요로 한다. 이 두 문장은 누구나 쉽게 말할 수 있다. 그러나 돈의 흐름은 앞부분만 이야기할 뿐이다.
중간층이 흡수당했다
세 명의 헤드헌터는 모두 하나의 변화를 동시에 지적했다. 즉, 관리자 계층이 압축되고 있다는 사실이다.
“순수한 관리 업무만을 담당하는 사람들은 이미 매우 어려운 처지에 놓인 듯하다. 많은 일이 근본적으로 뒤바뀌고 있으며, 당신이 구축한 조직 체계가 내일 당장 무너질 수도 있다.” 스티브는 이렇게 말한다.
조직은 극도로 평탄화되며, 계층적 보고 구조를 갖춘 피라미드 형태가 아니라, 각자가 전투를 수행할 수 있는 소규모 팀을 요구한다. 어떤 일을 누군가에게 맡기는 것보다, 에이전트(Agent)에게 맡기는 것이 더 낫다. 과거에는 관리 능력이 뛰어나고 복잡한 팀을 이끄는 능력을 강조했지만, 지금은 그러한 개념조차 도전받고 있다.
제품 매니저, 운영 담당자, 프론트엔드/백엔드 엔지니어 사이의 경계가 흐려지고 있다. 한 사람이 AI를 활용해 제품의 MVP(최소 기능 제품)를 완전히 구현할 수 있다.
가명으로 ‘천 레이(陈蕾)’라 불리는 한 여성은 중소형 AI 기업에서 3년간 제품 총괄 책임자(Product Director)를 맡았고, 8명의 팀을 이끌었다. 올해 초, 회사는 조직 재편을 단행했고, 그녀의 팀은 해체되었다. 4명은 에이전트 제품 개발로 전환되었고, 2명은 해고되었다. 그녀 자신의 직책은 ‘총괄 책임자’에서 ‘고급 제품 매니저(Senior Product Manager)’로 격하되었으며, 그녀보다 다섯 살 어린 기술 책임자(Technical Lead)에게 보고해야 하는 신세가 되었다.
“저는 해고된 건 아니지만, 그것보다 더 힘들다는 걸 안다.” 그녀는 말한다. “이 회사에서 3년간 쌓아온 모든 것이 조직 개편 한 번으로 사라졌다. 그런데 항의조차 할 수 없다. 왜냐하면 사람들이 ‘당신은 아직 이 회사에 있잖아’라고 말하기 때문이다.”
이것이 바로 이 유동성 환각이 가진 가장 잔혹한 부분이다. 깔때기 정점에서는 수십 명의 천재들이 천문학적 연봉으로 치열하게 경쟁되고 있다. 깔때기 바닥에서는 수십만 명의 신입이 문조차 들어서지 못한다. 그리고 깔때기 중간층—직장에서 5년, 10년, 심지어 15년을 보낸 사람들은 내부에서 점차 공허해지고 있다.
직업적 성장 계단의 중간 몇 단계가 뽑혀버렸다. 예전에는 엘리베이터를 타고 한 층씩 올라갔다면, 지금은 낙하산을 타고 바로 탑 정점에 착지하거나 자유 낙하를 하는 상황이다.
이 환각을 누가 만들어내는가?
이 유동성 환각의 수혜자는 누구인가?
채용 플랫폼은 “AI 채용 공고 29배 급증”, “AI 인재 400만 명 부족” 등의 문구로 트래픽을 흡수하며, 매번 공유될 때마다 더 많은 불안을 안고 있는 구직자들을 깔때기 안으로 밀어넣는다.
기업은 AI를 가리막으로 삼는다. 포레스터 리서치(Forrester Research)에 따르면, 고용주 55%가 AI를 이유로 해고한 것을 후회하고 있으며, 실제로 대체된 AI 역량은 아직 준비조차 되어 있지 않다. 레주메닷오알지(Resume.org)의 조사 또한 더 직접적이다. 응답 기업의 59%가 해고를 ‘AI 주도’라는 명목으로 포장했으며, 이는 이해관계자들에게 설명하기 더 용이하기 때문이라는 것이다. “AI 때문에”라고 말하면 전략적 업그레이드처럼 들리지만, “실적이 좋지 않아서”라고 말하면 관리 실패처럼 들린다. AI는 가장 유용한 가리막이 되어버렸다.
클라르나(Klarna)는 AI가 고객센터를 대체한다는 이유로 700명을 해고했지만, 고객 서비스 품질은 급격히 하락했고, 고객 반발이 일어나 결국 다시 비밀리에 인력을 채용했다. 이는 단일 사례가 아니다. 포레스터는 전 세계적으로 AI 관련 해고의 절반은 결국 은밀히 재채용될 것이라고 전망하며, 다만 더 낮은 급여로 혹은 해외 아웃소싱 형태로 이루어질 것이라고 예측한다.
스티브는 현재 기업 경영진의 심리를 정확히 요약했다. “그들은 지금 무엇보다 먼저 ‘사람을 뽑아야 할까?’라는 질문을 던진다. 그 다음에야 ‘어떤 사람을 뽑아야 할까?’를 묻는다.”
포레스터 리서치 통계에 따르면, 전 세계 근로자 중 고도의 AI 준비도를 갖춘 사람은 16%에 불과하다. 기업은 교육에 투자하지 않고, 직원들은 스스로 배워야 한다. Z세대의 AI 준비도가 가장 높은 22%이지만, 입문급 포지션에서 가장 먼저 쫓겨나는 것도 바로 Z세대다. 왜냐하면 입문급 포지션이 바로 AI가 가장 쉽게 대체할 수 있는 영역이기 때문이다. 메서(merc)의 조사에 따르면, 근로자들이 AI로 인한 실직에 대해 느끼는 불안은 2024년 28%에서 2026년 40%로 급등했다.
AI는 인재를 빼앗는 이유이자, 인재를 해고하는 변명이다. 정의권이 누구의 손에 있는가에 따라, 이 게임의 주도권도 결정된다.
깔때기는 넓어지지 않는다
처음으로 돌아가, 그 초기 수치를 다시 살펴보자.
29배의 채용 공고 증가, 200%의 구직자 유입, 300만 위안의 연봉, 400만 명의 인재 부족. 이 모든 수치는 진실이지만, 함께 엮어 보면 전혀 다른 이야기를 들려준다. 채용 공고는 증가하고 있으나, 입구는 극도로 좁다. 구직자 유입은 폭증하고 있으나, 대부분은 선별조차 통과하지 못한다. 연봉은 치솟고 있으나, 그것은 피라미드 정점의 수십 명에게만 해당된다. 인재 부족은 심화되고 있으나, 부족한 것과 공급되는 것 사이에는 근본적인 불일치가 존재한다.
그러나 이 깔때기는 넓어지지 않는다. AI 기술은 반년마다 한 차례씩 진화하며, 오늘 가장 뜨거운 분야가 반년 후에는 유적지가 될 수도 있다. 당신이 태양에 아주 가깝다고 생각했을지라도, 새로운 모델 하나가 발표되는 순간, 당신은 외곽으로 밀려날 수도 있다.
스티브는 이 산업의 묘비명이자 입문권이 될 수 있는 한 마디를 남겼다. “직무 경력의 시간 길이로만 자격을 판단하는 방식은 더 이상 충분하지 않을 수 있다. 중요한 건 AI와 얼마나 밀접하고 깊이 있게 상호작용해왔는가다. 어떤 이는 4년 전부터 이 분야에 들어왔지만, 단지 일반적으로 사용하는 수준에 불과하다. 또 다른 이는 지난해 막 입문했지만, 전신을 걸쳐 몰입하고 있다. 그렇다면 누가 더 깊은 경력을 갖췄다고 말할 수 있겠는가?”
세 명의 헤드헌터 자신도 이 산업에 의해 재형성되고 있다. 에바는 알고리즘 원리를 배우고 있고, 스티브는 에이전트 프레임워크를 연구 중이며, 샤오 마펑은 막 00년대생 창업가들의 회의에서 돌아와 “그들의 인지 수준은 이미 다음 단계에 도달했다”고 감탄했다. 금을 캐는 자를 위해 삽을 파는 자도 역시 금 채굴자의 리듬을 따라야 한다.
천 레이는 최근 GitHub에서 작은 프로젝트를 시작했다. 에이전트 프레임워크를 이용해 법률 문서 자동 생성 도구를 개발하는 것이다. 누가 시킨 것도 아니고, 돈을 준 사람도 없다. 그녀는 스스로 깨달은 바가 있다. “깔때기의 선별을 기다리기보다는, 스스로 구멍을 뚫는 게 낫다.”
이것은 전문 전체에서 유일하게 낙관적인 부분에 가까운 내용이지만, 여전히 ‘가까운’ 수준일 뿐이다.
대다수 사람들은 300만 위안 연봉을 받은 박사 60명도 아니며, 천 레이처럼 구멍을 뚫을 능력과 의욕을 갖춘 사람도 아니다. 그들은 깔때기 중간층에 위치한 침묵의 다수이며, 정점의 최정예는 아니어서 천문학적 연봉으로 경쟁되지도 않고, 극단적인 결의도 없어 구조를 전면적으로 뒤엎을 수도 없다.
이 깔때기는 넓어지지 않는다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
深潮TechFlow
