AI 보안 채용이 급증하는 가운데 CyberSN 사이버보안 채용 보고서, 26% 감소 보여

CyberSN은 2026년 9월까지 미국 내 사이버보안 채용 공고가 235,786건으로 집계됐으며, 이는 전년 대비 26.4% 감소한 수치인 반면 AI 보안 엔지니어 수요는 268.3% 증가했다고 밝혔다.

이러한 대조는 최신 CyberSN 사이버보안 채용 보고서의 핵심을 이룬다. 고용주들은 전반적인 보안 직무 공고는 줄이고 있지만, AI에 초점을 맞춘 일부 직무는 빠르게 확대하고 있다.

이는 인공지능이 사이버보안 업무를 단순히 없애고 있다는 이야기가 아니다. 고용주가 보안팀에 요구하는 업무가 더욱 뚜렷하게 바뀌고 있다는 의미다.

기존 보안 엔지니어링, 분석, 침투 테스트, 리더십 관련 공고는 모두 유난히 높았던 2025년 수준에서 감소했다. 반면 조직들은 모델을 평가하고, AI 인프라를 보호하며, 새로운 형태의 자동화 위험을 관리할 수 있는 전문가를 찾고 있다.

주요 수치에는 맥락도 필요하다. 2025년 비교 기간은 유난히 강세였으며, 전체 공고 수는 2024년 같은 기간보다 약 4% 낮은 수준에 그쳤다.

그럼에도 수요의 분포는 변하고 있다. 시장은 기존 보안 실무를 AI 엔지니어링, 거버넌스, 데이터 전문성과 연결할 수 있는 인력을 점점 더 높이 평가하고 있다.

이는 구직자와 고용주 모두에게 까다로운 과제를 만든다. 광범위한 사이버보안 채용과 하이브리드 AI 보안 역량에 집중된 수요가 맞서고 있기 때문이다.

CyberSN 사이버보안 채용 보고서가 보여주는 분화된 시장

핵심 변화는 사이버보안 수요의 소멸이 아니라, 더 적고 전문화된 직무로 수요가 집중되고 있다는 점이다.

CyberSN은 2026년 1월부터 9월까지 미국 내 사이버보안 공고를 235,786건으로 집계했다. 이는 2025년 같은 기간의 320,210건에서 감소한 수치다.

26.4% 감소는 CyberSN의 4년 비교 기간 중 가장 낮은 1월~9월 총공고 수를 기록하게 했다. 같은 기간 수치는 2023년 273,498건, 2024년 244,911건이었다.

이 수치는 해당 기관의 사이버보안 채용 보고서에서 나온 것이다. CyberSN은 JobSpikr가 제공한 미국 구인 목록을 집계하고 출처 단계에서 중복 공고를 제외했다.

이후 CyberSN은 공고를 10개 범주에 걸친 45개 기능 직무 분류 체계와 대조했다. 이 방식은 일관되지 않은 직함에만 의존하지 않고 고용주가 요구하는 업무를 측정한다.

이 구분은 중요하다. “보안 엔지니어”라는 직함은 여러 종류의 업무를 뜻할 수 있기 때문이다. 한 고용주는 클라우드 접근 제어 전문성을 필요로 할 수 있고, 다른 고용주는 모델 평가와 자동화된 사고 대응 역량을 기대할 수 있다.

CyberSN은 자사 수치가 고용된 인원이나 완료된 채용이 아니라 공고 수를 집계한 것이라고도 강조한다. 한 회사가 여러 채용 공고를 낼 수 있고, 공고를 철회하거나 자리를 채우지 못할 수도 있다.

따라서 이 보고서는 고용주 수요 신호를 측정한다. 몇 명이 일자리를 잃었는지, 모든 공고가 승인된 채용을 의미했는지를 판단하는 자료는 아니다.

2024년과 비교하면 연간 감소 폭은 덜 심각해 보인다. 2026년 총공고 수는 해당 연도의 같은 기간에 기록된 244,911건보다 약 3.7% 낮았다.

2026년 첫 9개월 중 8개월은 2025년 같은 달보다 낮은 수준에 머물렀다. 그러나 9월에는 AI 또는 머신러닝 용어를 언급한 공고 비중이 20%에 도달했다.

전체 9개월 동안 추적된 공고의 14.6%가 이러한 용어를 언급했다. 이는 1년 전 기록한 15.1% 비중보다 약간 낮았다.

전체 시장이 축소되는 가운데 기간 후반에 AI 관련 표현이 탄력을 얻었기 때문에 두 가지 양상은 공존할 수 있다. 안정적인 비중도 특정 직무 내부의 큰 변화를 가릴 수 있다.

CyberSN은 AI 보안 엔지니어 공고가 2,409건으로, 비교 가능한 2025년 기간보다 268.3% 증가했다고 파악했다. 사이버 데이터 과학자 공고는 203.5% 증가해 1,493건에 이르렀다.

이 직무들은 기존 범주와 비교하면 여전히 규모가 작다. 보안 엔지니어 공고는 44,083건, 보안 분석가 공고는 24,095건이었다.

그럼에도 성장률은 신규 투자의 방향을 보여준다는 점에서 의미가 있다. 고용주들은 기존 모든 직무에 AI 업무를 추가하기보다 전문 직위를 새로 정의하는 것으로 보인다.

SecurityWeek는 이 보고서가 위축과 분명한 성장 영역을 함께 보여준다는 이유로 결과를 “mixed bag”이라고 평가했다. 해당 매체의 노동시장 분석 역시 공고를 확정적인 고용 결과로 간주해서는 안 된다고 경고했다.

긴장은 여기서 시작된다. 사이버보안은 여전히 전략적으로 중요하지만, 고용주들은 어떤 역량이 추가 인력을 정당화하는지에 대해 더 선별적으로 접근하고 있다.

공고 감소가 보안 수요의 소멸을 뜻하지는 않는다

26.4% 감소는 견조했던 해 이후의 채용 조정을 측정한 것이지, 사이버보안의 근본적인 필요가 26.4% 붕괴했다는 뜻은 아니다.

가장 분명한 근거는 역사적 비교에서 나온다. CyberSN은 2025년 9월까지 320,210건의 공고를 기록했는데, 이는 2023년과 2024년 총공고 수를 모두 크게 웃도는 수준이었다.

이 고점을 기준선으로 사용하면 2026년 감소는 특히 극적으로 보인다. 2026년을 2024년과 비교하면 차이는 훨씬 작아진다.

CyberSN은 시장이 변한 이유를 안다고 주장하지 않는다. 보고서는 예산 결정이나 조직 전략이 아니라 고용주가 무엇을 공고했는지에 명시적으로 초점을 맞춘다.

여러 설명이 동시에 작용할 수 있다. 기업은 채용을 늦추거나, 업무를 통합하거나, 계약직에 더 크게 의존하거나, 새롭게 등장하는 기술 수요를 중심으로 직무를 다시 설계할 수 있다.

중복이 제거된 공고 수의 감소는 직원의 장기 근속이나 대체 인력 채용 감소를 반영할 수도 있다. 이는 보안팀이 같은 비율로 축소되고 있음을 자동으로 증명하지는 않는다.

장기 정부 전망은 또 다른 유용한 기준점이 된다. 미국 노동통계국은 정보보안 분석가 고용이 2024년부터 2034년까지 29% 증가할 것으로 예상한다.

이 기관은 해당 10년 동안 연간 약 16,000개의 일자리가 생길 것으로 전망한다. 해당 기관의 직업 전망은 수요의 일부 원인으로 사이버 공격, AI 도입, 디지털 상거래 확대를 꼽는다.

BLS 전망과 CyberSN 공고 수는 서로 다른 대상을 측정한다. BLS는 장기 직업 고용을 모델링하는 반면, CyberSN은 더 넓은 보안 분류 체계 전반의 현재 공고를 분석한다.

두 자료를 함께 보면 지속적인 보안 수요와 불안정한 채용 패턴이 공존하는 시장을 보여준다. 조직은 여전히 보호가 필요하지만, 그 필요가 모든 분기나 직무에서 안정적인 수요를 보장하는 것은 아니다.

위축은 특히 기존 직위에서 뚜렷했다. 보안 엔지니어 공고는 32.3% 감소했고, 보안 분석가 공고는 비교 가능한 2025년 기간보다 30.5% 줄었다.

침투 테스터 공고는 45.9% 감소해 3,063건이 됐다. 위협 헌터 공고는 40% 감소한 1,013건이었고, 사이버보안 프로젝트 매니저 공고는 39.4% 줄어 783건에 그쳤다.

사이버 내부자 위협 분석가 공고는 목록에 포함된 직무 가운데 가장 큰 감소를 겪었다. 9개월 동안 55.6% 줄어 1,088건을 기록했다.

리더십 채용도 약화됐다. CyberSN은 최고정보보호책임자와 비즈니스 정보보호책임자 직위를 포함해 Information Security Officer 직함을 가진 공고를 2,832건 집계했다.

이는 2025년 9월까지 기록된 4,632건보다 38.9% 낮은 수치다. 다만 2024년 같은 달에 나타난 2,808건과는 비슷한 수준이었다.

분기별 움직임은 연간 비교를 더 복잡하게 만든다. CISO 공고는 2026년 2분기에서 3분기 사이 19.5% 증가했다.

보안 아키텍트 공고는 같은 분기 간격에서 14% 늘었다. 애플리케이션 보안 엔지니어 공고는 9.9% 증가했고, 보안 엔지니어 공고는 7.9% 늘었다.

이러한 반등이 연간 감소를 없애는 것은 아니다. 단 하나의 비율로 전체 사이버보안 고용 시장을 설명할 수 없는 이유를 보여줄 뿐이다.

보고서는 공고의 22.9%가 원격 근무로 표시됐다고도 밝혔다. 인식된 고용 유형이 있는 공고 가운데 계약직 비중은 9.2%로, 1.4%포인트 상승했다.

계약직 채용은 기업이 정규직 자리를 승인하기 전에 역량을 시험해 볼 수 있게 한다. 동시에 안정적인 인력을 늘리지 않은 채 고용주의 위험을 근로자에게 전가할 수도 있다.

구직자에게 실질적인 메시지는 냉정하다. 광범위한 수요는 여전히 존재하지만, 고용주들은 더 좁은 요건을 설정하고 많은 전통적 경력 경로에서 긴급성을 덜 보이고 있다.

기업에는 공고 감소가 효율성에 대한 오해를 줄 수 있다. 팀이 직무를 통합하거나 채용을 미룰 때에도 충원되지 않은 업무 책임은 여전히 남는다.

AI 보안 엔지니어 수요는 작은 기반에서 성장하고 있다

AI 보안 엔지니어 수요는 빠르게 증가하고 있지만, 2,409건의 공고로는 235,000건이 넘는 시장 전반의 감소를 상쇄할 수 없다.

268.3% 증가는 이 보고서에서 가장 뚜렷한 반전이다. 이는 고용주들이 “AI 지식”에 대한 일반적인 요구를 넘어 AI 시스템 보안에 전념하는 직위로 이동하고 있음을 시사한다.

AI 보안 엔지니어는 모델, 학습 데이터, 추론 시스템, 인공지능을 사용하는 애플리케이션에 보안 통제를 적용한다. 이 업무에는 AI를 활용한 공격을 테스트하는 일도 포함될 수 있다.

이러한 책임은 경고를 요약하기 위해 보조 도구를 사용하는 것과는 다르다. AI 시스템이 어떻게 작동하고, 데이터와 어떻게 연결되며, 운영 환경에서 어떻게 의사결정을 내리는지 이해해야 한다.

작은 출발점은 반드시 고려해야 할 맥락이다. 한 직무는 세 배로 늘어나도 시장의 작은 부분에 머물 수 있다.

AI 보안 엔지니어 공고는 CyberSN이 추적한 전체 공고의 약 1%를 차지했다. 이 직무는 전략적으로 주목할 만하지만, 아직은 일자리를 잃은 분석가나 관리자들을 위한 대체 시장은 아니다.

사이버 데이터 과학자 수요도 비슷한 양상을 보인다. 203.5% 증가는 1,493건의 공고를 만들었지만, 여전히 가장 큰 전통적 범주보다 훨씬 적다.

더 넓은 분포는 역량 전환의 더 강한 증거를 제시한다. AI 관련 언급은 연구 공고의 32.7%에 나타났으며, 이는 11.7%포인트 증가한 수치다.

공격 분야 공고에서는 23.3%, 거버넌스·위험·컴플라이언스 공고에서는 19.8%에 나타났다. 이 비중은 각각 4.8%포인트와 2.1%포인트 상승했다.

연구 직무에는 새로운 공격 기법을 연구하거나 모델 행동을 평가하는 업무가 포함될 수 있다. 공격 팀은 레드팀 활동과 적대적 훈련을 포함해 공격자보다 먼저 시스템을 시험한다.

거버넌스, 위험, 컴플라이언스 팀은 기술적 노출을 정책, 통제, 책임 있는 의사결정으로 전환한다. 모델의 행동은 예측하거나 감사하기 어려울 수 있기 때문에 AI는 이 업무를 확장한다.

Cisco가 주도한 AI Workforce Consortium의 별도 연구도 이러한 방향을 뒷받침한다. 이 연구는 Indeed, Cornerstone, Lightcast 데이터를 활용해 G7 경제권 전반의 사이버보안 채용 수요를 조사했다.

이 컨소시엄은 2025년 10월부터 2026년 3월까지 AI 역량을 요구하는 사이버보안 공고의 비중이 평균 28.5%였다고 밝혔다. 이는 비교 가능한 전년 비중의 두 배였다.

해당 AI 보안 연구는 반복적으로 나타나는 다섯 가지 역량 영역으로 Python, 컨텍스트 엔지니어링, AI 보안, 에이전트 오케스트레이션, 머신러닝 운영을 제시했다.

이 범주는 왜 이 전환이 마찰을 만드는지 설명한다. 보안 아키텍처, 소프트웨어 엔지니어링, 데이터 시스템, 모델 행동에 대해 동일하게 깊은 전문성을 갖춘 채 경력을 시작한 사람은 드물다.

고용주는 희소한 하이브리드 전문가를 채용하는 방식으로 대응할 수 있다. 기존 인력을 재교육하거나, 여러 사람의 전문성을 결합하거나, 다학제 팀을 중심으로 직무를 재설계할 수도 있다.

컨소시엄은 시니어 직급 후보자를 강하게 선호하는 경향을 확인했다. G7 비교에서 시니어 직급이 명시된 사이버보안 채용 공고는 주니어 직급 공고보다 훨씬 빠르게 늘어났다.

이는 경력의 역설을 낳는다. 기업들은 새롭게 등장한 시스템을 이미 이해하는 인력을 원하지만, 해당 시스템은 기존의 경력 요건을 충족할 만큼 오래되지 않았다.

CyberSN의 자체 보고서는 JobSpikr의 추정 분류를 기준으로 엔트리 레벨 공고가 전체의 9.5%에 불과하다고 파악했다. 다만 기업들이 시니어 직함을 쓰지 않으면서도 시니어 수준의 기대치를 제시하는 경우가 많으므로, 이 수치는 신중하게 해석해야 한다.

그럼에도 시장의 신호는 일관된다. 기업들은 즉시 업무를 수행할 수 있는 역량을 원하며, 긴 학습 기간에 투자하는 데는 소극적이다.

이 압박은 기존 실무자에게도 영향을 미친다. 침투 테스트 전문가는 모델 특유의 실패 양식을 익히지 않은 채 기존 업무를 AI 레드팀 업무로 이름만 바꿀 수는 없다.

마찬가지로 AI 엔지니어가 신원 관리, 위협 모델링, 사고 대응 또는 규제 리스크를 자동으로 이해하는 것은 아니다. 늘어나는 직무는 까다로운 두 분야가 만나는 지점에 자리한다.

전문가는 서로 분리된 키워드를 모으기보다 실제 적용 업무를 기록해 대비할 수 있다. 실무 포트폴리오는 하나의 프로젝트 안에서 모델 평가, 데이터 접근, 로깅, 사고 대응을 연결할 수 있다.

엔지니어링 팀에도 설계 결정, 테스트 결과, 알려진 한계에 관한 검색 가능한 기록이 필요하다. 공동 기술 지식 베이스는 보안 팀과 AI 팀 전반에서 이러한 근거를 보존하는 데 도움이 될 수 있다.

목표는 모든 새 도구를 쫓는 것이 아니다. 모델과 자율 에이전트가 아키텍처에 들어와도 기존 보안 판단력이 여전히 유효하다는 점을 보여주는 데 있다.

직함이 같아도 기존 역할에 AI 업무가 흡수되고 있다

더 큰 인력 변화는 익숙한 역할 내부에서 일어나고 있으며, AI 책임이 일상적인 보안 업무의 일부가 되고 있다.

CyberSN은 추적한 전체 채용 공고의 14.6%가 AI 또는 머신러닝 용어를 언급했다고 밝혔다. 이 비율은 2025년 같은 기간과 거의 달라지지 않았다.

언뜻 보면 안정적인 수치는 급증하는 전문 인력 수요와 맞지 않는 것처럼 보인다. 그 설명은 책임 범위와 직함이 겹치는 방식에 있다.

CyberSN은 AI 보안 엔지니어를 더 폭넓은 보안 엔지니어 기능 안의 역할로 분류한다. 전체 합계에 별도로 더하지 않고, 참고를 위해 해당 지표를 제시한다.

한 기업은 지원자가 모델 접근을 검토하고, 에이전트 활동을 모니터링하며, 검색 파이프라인을 보호하기를 기대하면서도 보안 엔지니어를 채용할 수 있다. 다른 기업은 명시적으로 AI 보안 직함을 사용할 수 있다.

직함의 차이가 반드시 역량의 차이를 의미하지는 않는다. 이는 조직의 성숙도, 보상 구조 또는 채용 담당자가 이해하는 표현을 반영할 수 있다.

이로 인해 광범위한 사이버보안 채용은 전문화와 경쟁하게 된다. 팀은 모든 전통적 후보자가 AI 지식을 갖추었다고 가정할 수 없지만, 새로 생기는 모든 리스크마다 별도의 전문가를 배치할 수도 없다.

이 압박은 특히 보안 운영 센터에서 심각하다. AI는 경보를 요약하고, 조사를 보강하며, 쿼리를 제안하고, 반복적인 대응 단계를 자동화할 수 있다.

자동화는 전체 책임을 줄이지 않으면서 일상 업무를 줄일 수 있다. 분석이 빨라지면 팀은 더 많은 이벤트를 검토하고, 더 많은 데이터를 통합하며, 더 넓은 공격 표면에 대응할 수 있다.

AI 시스템은 그 자체로도 보안 업무를 만들어 낸다. 팀은 모델 접근을 통제하고, 프롬프트와 출력을 점검하며, 연결된 데이터를 보호하고, 자동화된 작업을 모니터링해야 한다.

이메일을 검색하거나 인프라를 수정할 권한이 있는 에이전트는 외부 접근 권한이 없는 챗봇과 다른 위험을 제시한다. 그 실수는 시스템 경계를 넘을 수 있다.

따라서 보안 전문가는 적대적 악용과 우발적 실패를 모두 이해해야 한다. AI 시스템이 무엇에 접근하고, 무엇을 보존·노출·변경할 수 있는지 평가해야 한다.

사이버보안 채용 추세는 관리직에도 압박이 있음을 보여준다. 디렉터 공고는 32.5%, 리드 공고는 41%, 매니저 공고는 전년 대비 24.4% 감소했다.

이 수치는 기업들이 변하지 않은 조직 계층 위에 AI 전문가만 추가하는 것이 아님을 시사한다. 일부 기업은 필요한 리더십 직책과 조정 역할의 수 자체를 재검토하고 있다.

그러나 거버넌스 책임이 사라지는 것은 아니다. CyberSN은 거버넌스, 리스크, 컴플라이언스 분야가 2023년 이후 전체 공고에서 차지하는 비중을 5.4%포인트 늘렸다고 밝혔다.

사이버보안 및 프라이버시 변호사 공고도 전년 대비 9.1% 증가해 24,193건에 달했다. 이 역할은 보고서에서 가장 큰 범주 중 하나가 되었다.

조직이 자동화만으로 해결할 수 없는 문제에 직면하면서 이러한 변화는 자연스럽다. 누군가는 수용 가능한 리스크를 결정하고, 책임 소재를 배정하며, 컴플라이언스를 문서화해야 한다.

따라서 기술적 AI 보안 업무와 거버넌스는 서로를 강화한다. 엔지니어는 시스템 행동을 파악하고, 법무 및 리스크 전문가는 조직이 어떤 행동을 수용할 수 있는지 결정한다.

가장 큰 압박을 받는 인력은 역할이 반복 가능한 업무의 협소한 집합으로 취급되는 사람들이다. 가장 경쟁력 있는 역할은 기술적 실행력에 판단력, 소통, 책임 의식을 결합한다.

이는 모든 분석가가 머신러닝 엔지니어가 되어야 한다는 뜻은 아니다. 분석가는 모델을 사용하는 시스템을 조사하고 보안 자동화를 표방하는 도구를 평가할 수 있을 만큼의 AI 소양이 필요하다는 의미다.

기업에도 상응하는 의무가 있다. 기존 공고에 긴 AI 요건 목록을 추가한다고 해서 적합한 후보자가 생기는 것은 아니다.

팀에는 현실적인 역할 경계, 교육 접근성, 그리고 경험을 쌓을 수 있는 감독된 기회가 필요하다. 그렇지 않으면 채용 시장은 신뢰할 수 있는 역량보다 과장된 이력서를 보상하게 된다.

수치만으로는 AI와 사이버보안 채용에 관해 증명할 수 없는 것

이 보고서는 시장 위축과 전문직 성장 사이의 상관관계를 보여주지만, AI가 전체 감소를 초래했다는 점까지 증명하지는 않는다.

CyberSN은 자사 분석을 ‘왜’가 아닌 ‘무엇’을 다루는 보고서라고 설명한다. 이러한 방법론적 한계는 수치에서 도출하는 모든 결론에 반영되어야 한다.

이 데이터셋은 자동화가 업무를 대체했기 때문에 기업들이 직무를 취소했는지 보여주지 않는다. 또한 내부 이동, 승진, 유지된 인력 또는 공고 없이 진행된 채용도 측정하지 않는다.

공고는 직무가 충원되어 사라질 수 있다. 예산이 동결되었거나 기업이 채용 플랫폼을 바꿔서 사라질 수도 있다.

이 보고서는 JobSpikr의 미국 채용 게시판 및 Fortune 500 데이터셋의 공고를 활용한다. 중복 제거와 분류 체계는 일관성을 높이지만, 모든 채용 경로를 포착할 수는 없다.

채용 담당자들은 전문직 채용에 비공개 네트워크, 내부 추천, 직접 소싱을 점점 더 많이 활용한다. 후보자가 부족할 때 이러한 채널은 매우 중요할 수 있다.

역할별 비교도 직함 쿼리와 설명 필터에 의존한다. CyberSN은 일부 지표가 더 광범위한 쿼리와 겹치며, 일부 일반적 직함은 포함되기 위해 사이버 관련 용어가 필요하다고 언급한다.

이러한 선택은 합리적이지만 분류의 불확실성을 낳는다. 직무 설명에는 채용 후 실제로 거의 사용되지 않는 희망 역량이 자주 포함된다.

AI 용어는 특히 이 문제에 취약하다. 기업은 의미 있는 운영 책임을 정의하지 않은 채 공고에 “생성형 AI” 또는 “LLM”을 추가할 수 있다.

연간 비교 역시 이례적인 기준선에서 시작한다. 2025년 공고 총수는 2023년과 2024년 모두를 웃돌았으므로, 2026년 감소의 일부는 정상화를 반영한다.

리더십 데이터는 이 효과를 보여준다. CISO 공고는 2025년 대비 크게 줄었지만 2024년 수준으로 거의 정확히 돌아왔다.

9월의 가속도 마찬가지로 신중하게 해석할 필요가 있다. AI를 언급한 공고 비중이 월간 20%에 이른 것은 주목할 만하지만, 한 달만으로 지속적인 추세를 확립할 수는 없다.

CyberSN은 여러 다른 범주에서 한 달간의 급증을 확인하고 이를 추세와 구분해 다뤘다. AI 관련 모멘텀에도 같은 엄격한 관찰이 필요하다.

다른 데이터셋은 서로 다른 지역, 플랫폼, 정의를 다루기 때문에 다른 결과를 낼 수 있다. Cisco의 G7 연구는 이전의 6개월 기간 동안 전체 사이버보안 수요가 증가했다고 밝혔다.

이는 CyberSN이 파악한 미국의 감소를 무효화하지 않는다. 오히려 지리, 시점, 분류 체계가 시장의 표면상 방향을 어떻게 바꿀 수 있는지 보여준다.

근로자 설문조사는 또 다른 관점을 더한다. ISC2 workforce study는 AI를 사용하는 전문가들이 대체로 새 일자리와 역량 개발의 기회를 인식했다고 밝혔다.

설문에서 나타난 낙관론이 기업이 인력 규모를 유지한다는 증거는 아니다. 공고 감소 역시 AI가 이 직업군을 없앨 것이라는 증거는 아니다.

가장 타당한 해석은 이 두 주장 사이에 있다. AI는 보안 전문성에 대한 근본적 필요를 해결하는 속도보다 더 빠르게 수요의 구성을 바꾸고 있다.

이 전환은 여전히 근로자에게 피해를 줄 수 있다. 시장은 장기 수요를 유지하면서도 더 짧은 경력 사다리와 더 적은 접근 가능한 진입 기회를 만들 수 있다.

또한 조직에도 부담을 줄 수 있다. 경험 많은 하이브리드 전문가에게 책임을 집중하면 병목이 생기고 승계 계획이 더 어려워진다.

따라서 독자는 두 가지 쉬운 서사를 경계해야 한다. 사이버보안은 AI 때문에 붕괴하고 있는 것도 아니며, 영구적인 인재 부족 때문에 자동화로부터 보호되는 것도 아니다.

현재의 증거는 재분배를 설명한다. 불확실한 것은 그 규모, 지속성, 그리고 현장에 진입하는 사람들에게 미치는 영향이다.

변화가 지속될지 보여줄 세 가지 신호

앞으로 주목할 세 가지 신호는 전문직 채용 규모, 더 광범위한 AI 요건, 그리고 핵심 보안 역할 전반의 회복이다.

첫째, 2026년 말부터 2027년 초까지 AI 보안 엔지니어 공고의 절대 건수를 지켜봐야 한다.

다시 세 자릿수 성장률이 나온다면 관심을 끌겠지만, 더 중요한 것은 기준 규모다. 2,409건의 공고가 지속적인 5자리 수요로 늘어난다면 전문화 가설은 더 강해질 것이다.

정체는 기업들이 완전히 새로운 고용 범주가 아니라 초기 전문가 계층을 필요로 했음을 시사할 수 있다. 감소는 지속적인 채용 재편이라는 주장을 약화할 것이다.

둘째, 일반 보안 엔지니어링, 거버넌스, 공격 보안, 연구 역할 안에서 AI 역량이 얼마나 자주 등장하는지 추적해야 한다.

9월의 20% 비중은 유용한 기준점을 제공한다. 여러 달에 걸친 지속적인 증가는 AI 기대치가 전문 직함을 넘어 확산되고 있음을 보여줄 것이다.

일반적인 언급보다 세부 내용이 더 중요하다. 모델 보안, 에이전트 오케스트레이션, 평가, 데이터 통제 또는 AI 사고 대응과 관련된 요건은 운영 도입을 나타낸다.

“AI 친숙도”에 대한 모호한 언급은 더 약한 증거다. 실제 업무 변화보다 채용 유행을 반영할 수 있기 때문이다.

셋째, 전문직 성장과 보안 분석가, 침투 테스트 전문가, 위협 헌터, 관리자, 엔트리 레벨 인력의 채용을 비교해야 한다.

지속적인 AI 채용과 함께 이들 역할이 회복된다면 확장을 의미한다. 기업들이 더 폭넓은 직업군을 약화하지 않고 새로운 역량을 추가하고 있다는 뜻이다.

감소가 계속된다면 더 어려운 결론을 뒷받침하게 된다. 조직이 사이버보안으로 진입하는 기존 경로를 줄이면서 예산을 시니어 전문가 중심으로 집중하고 있다는 의미다.

분기별 움직임은 이미 잠정적인 긍정 신호를 제공한다. 보안 엔지니어, 애플리케이션 보안 엔지니어, 보안 아키텍트, CISO 공고는 모두 2분기보다 개선됐다.

그러나 이 개선이 연간 감소를 상쇄하려면 지속되어야 한다. 계절적 채용 패턴과 일시적인 급증은 짧은 기간의 흐름을 쉽게 왜곡할 수 있다.

후보자들은 핵심 보안 실무를 놓치지 않으면서 인접 분야의 역량을 쌓아야 합니다. 위협 모델링, 접근 제어, 소프트웨어 보안, 사고 대응, 거버넌스는 여전히 중심입니다.

AI 지식은 이러한 기반을 확장할 때 가치가 있습니다. 도구 사용 경험이나 프롬프트 작성 용어에만 머문다면 취약해집니다.

채용 관리자는 실무 판단력을 검증해야지, 현실성 없는 요구 사항 목록을 늘어놓아서는 안 됩니다. 입사 즉시 필요한 역량과 직원이 안전하게 개발할 수 있는 역량을 구분해야 합니다.

경영진은 채용 공고 수 감소가 실제 생산성 향상을 반영하는지, 아니면 위험이 뒤로 미뤄진 결과인지도 물어야 합니다. 채용 공고가 없다고 해서 그 업무 자체가 사라진 것은 아닙니다.

CyberSN의 사이버보안 채용 보고서는 결국 정착된 결론이 아니라 전환기에 있는 노동시장을 포착합니다. 가장 중요한 교훈은 규모와 방향의 대비에서 나옵니다.

전통적인 역할이 여전히 대부분의 채용 공고를 차지하는 반면, AI 보안 엔지니어 수요는 고용주가 새로운 위험이 발생할 것으로 예상하는 지점을 보여줍니다. 두 사실 모두 중요합니다.

전문 인력 채용은 이 직업군을 확장할까요, 아니면 사이버보안을 더 적은 수의 고위급 하이브리드 역할로 축소할까요? 향후 몇 차례의 보고 기간이 답을 제시할 것입니다.