새로운 AI 직함이 등장하고 있지만, 업무의 정의는 여전히 어렵다

Google News는 8월 2일 Doug Levin의 “New Titles Because of AI and Beyond”를 노출하며, 도발적인 경력 관련 주장을 AI 규제 피드 안에 배치했다.

해당 목록은 제목과 출처 표기 외에는 접근 가능한 세부 정보를 거의 제공하지 않는다. 직함을 다룬 제목이 손쉽게 대규모 직업 변화에 대한 예측으로 번질 수 있기 때문에, 이 한계는 중요하다.

더 신중한 결론은 범위가 좁지만 더 유용하다. 고용주들이 새로 생겨나는 업무의 명칭에 합의하기 전에, AI는 기존 직무 간 경계를 바꾸고 있다.

이는 눈에 보이는 직함과 운영 현실 사이에 갈등을 만든다. 기업은 AI 역량을 보여 주는 직함을 원하지만, 근로자는 명확한 권한, 평가 기준, 경력 경로를 갖춘 역할을 필요로 한다.

Levin의 제목은 그 갈등의 전반부를 포착한다. 노동시장 데이터는 후반부를 뒷받침한다.

Google News 목록는 Levin과 그의 Substack을 출처로 식별한다. 다만 이 분석을 준비할 당시 원문 기사는 독립적으로 검토할 수 있도록 일관되게 제공되지 않았다.

이 검증 공백 때문에 Levin의 전체 논지에 대해 단정적으로 주장할 수는 없다. 그렇다고 제목이 제기한 더 큰 질문이 사라지는 것은 아니다.

새로운 AI 직함은 진정으로 새로운 업무의 증거일까, 아니면 기업들이 조직 모델이 여전히 불안정한 상태에서 익숙한 책임의 이름만 바꾸고 있는 것일까?

Google News 제목이 실제로 바꾼 것

당장의 사건은 직업 명명에 관한 공개된 주장이지, 공식 직업이나 고용 범주의 신설이 아니다.

Google News는 AI 규제와 보안을 중심으로 표시된 피드를 통해 이 제목을 배포했다. 출처는 Doug Levin의 Substack 발행물인 “Lessons from a Startup Life”였다.

Levin은 자신을 기술 경영자, 창업자, 이사회 구성원, 스타트업 자문가로 소개한다. Doug Levin의 발행물은 AI, 스타트업, 거버넌스, 그리고 비즈니스 리더가 마주한 의사결정에 초점을 맞춘다.

이러한 배경은 제목에 경영 관점을 부여한다. 이는 새 직함을 정부 통계기관이나 전문 협회가 제시한 분류 체계가 아니라, AI에 대한 조직적 대응으로 설명한다.

이 구분은 중요하다. 뉴스레터 작성자는 새롭게 나타나는 패턴을 포착할 수 있지만, 어떤 직위가 존재하며 어떤 권한을 지니는지는 여전히 고용주가 결정한다.

그다음 채용 담당자는 그 직위를 채용 공고로 옮긴다. 근로자는 이를 경력 기회로 해석하고, 보상 담당 조직은 기존 역할과의 비교를 시도한다.

검색과 콘텐츠 집계 시스템은 또 하나의 층위를 더한다. 간결한 제목은 원문 기사 안의 자격 요건보다 더 멀리 퍼질 수 있다.

이것이 여기서 핵심 위험으로 보인다. “AI 때문에 생긴 새 직함”은 구체적으로 들리지만, 현재 확인 가능한 목록은 어떤 직함이 의미 있는 수준으로 정착했는지 입증하지 못한다.

또한 Levin이 그 직함들을 권고, 관찰, 농담, 경고 중 무엇으로 다루는지도 드러내지 않는다. 따라서 세부적인 귀속 주장은 증거의 범위를 넘어설 수 있다.

그럼에도 이 제목이 Google News에 노출된 것은 식별 가능한 변화를 건드리기 때문이다. 조직들은 제품, 엔지니어링, 법무, 보안, 운영을 가로지르는 AI 시스템의 소유권을 누구에게 맡길지 고심하고 있다.

기존 소프트웨어 팀은 애플리케이션 개발을 인프라 및 컴플라이언스와 분리할 수 있는 경우가 많다. 하지만 AI 시스템은 이런 경계를 덜 안정적으로 만든다.

그 동작은 모델, 검색된 정보, 프롬프트, 권한, 평가, 사람의 검토에 좌우된다. 실패는 이들 어느 계층에서나 시작될 수 있다.

누군가는 시스템이 접근할 수 있는 데이터를 결정해야 한다. 누군가는 결과물의 품질을 측정하고, 오류를 조사하며, 지출을 통제하고, 언제 사람의 승인이 계속 의무적인지 판단해야 한다.

이러한 책임은 그 위의 직함이 새롭더라도 실재한다. 따라서 이 논쟁은 주로 어휘에 관한 것이 아니다.

핵심은 이전까지 부서 사이에 걸쳐 있던 업무를 조직이 인정했는지에 있다.

새 직함은 소유권을 명확히 할 때 의미를 갖는다. 의사결정, 자원, 책임을 바꾸지 않은 채 기존 역할 앞에 단지 “AI”를 붙인다면 장식적인 직함이 된다.

이것이 제목이 만들어 내는 긴장이다. 이는 독자들에게 새로움 너머를 보고, 고용주가 업무 자체를 재설계했는지 묻도록 한다.

AI 직함은 조직의 명확성보다 빠르게 늘고 있다

고용주들은 배포, 안전성, 평가, 사업 성과의 소유자가 누구인지 정하기도 전에 AI 역량을 내세워야 한다는 압박을 받고 있다.

이 압박에 관한 가장 강력한 증거는 기발한 직함의 목록이 아니라 노동시장 활동에서 나온다.

LinkedIn의 2025년 9월 AI 노동시장 추적 보고서는 미국 회원 2억 명 이상에 대한 인력 데이터를 분석했다.

보고서는 2025년 동안 AI 엔지니어링 인재 채용이 전년 대비 25% 이상 증가했다고 밝혔다. AI 엔지니어링 직책은 기술 직무 공고의 거의 7%를 차지했다.

보고서에 따르면 이 비중은 전년보다 63% 증가했다. 그러나 AI 인재는 LinkedIn 회원의 1%에도 미치지 못했다.

이 수치는 실제 수요 불균형을 보여 준다. 그렇다고 모든 새 직함이 별개의 직업을 의미한다는 증거는 아니다.

희소한 인재를 두고 경쟁하는 기업에는 직함을 실험할 이유가 여러 가지 있다. 기술적 야망을 보여 주거나, 일반적인 소프트웨어 업무와 직위를 구분하거나, 더 좁은 후보자 풀을 겨냥할 수 있다.

직함은 회사 내부의 기대도 형성한다. 누군가를 AI 엔지니어라고 부르는 것은 모델의 동작과 AI 애플리케이션 설계가 그 사람의 책임 범위에 속한다는 의미를 내포한다.

같은 사람을 솔루션 엔지니어라고 부르면 고객 배포를 강조할 수 있다. “Forward-deployed engineer”는 고객 환경 안에서 제품을 직접 적용하는 책임을 시사한다.

AI 제품 관리자는 사용 사례 선정과 제품 성과를 책임질 수 있다. AI 거버넌스 책임자는 정책, 문서화, 통제, 에스컬레이션 경로에 집중할 수 있다.

배포된 AI 시스템의 기능이 겹치기 때문에 이러한 직무도 겹친다. 모델 선택은 비용, 지연 시간, 보안, 결과물 품질에 동시에 영향을 미친다.

이러한 중첩은 경영 문제를 만든다. 모두가 AI에 참여한다면, 최종 결과를 자동으로 책임지는 사람은 없다.

최고 AI 책임자는 전략을 조율할 수 있지만 제품 팀에 대한 권한이 없을 수 있다. 거버넌스 전문가는 통제를 정의할 수 있지만 출시 일정을 통제하지는 못할 수 있다.

AI 엔지니어는 평가 시스템을 구축할 수 있지만 고객이 받아들일 실패율을 결정하지는 못할 수 있다. 법무 팀은 노출 위험을 식별할 수 있지만 그것을 초래하는 제품 동작을 선택하지는 않는다.

새로운 직함은 흔히 이런 경계에서 나타난다. 이는 공동의 관심사를 명명된 책임으로 바꾸려는 조직적 시도다.

이 압박은 기술 기업을 넘어선다. 교육, 전문 서비스, 금융, 의료, 제조, 정부 모두 모델을 분야별 워크플로와 연결할 수 있는 인력을 필요로 한다.

이들 고용주는 연구소의 조직도를 그대로 복제할 수 없다. 이들의 AI 업무는 규제 대상 데이터, 고객, 직원, 운영 의사결정에 더 가까이 맞닿아 있다.

이들은 기술적 가능성과 제도적 책임 사이를 연결할 번역자를 필요로 한다. 그러나 “번역자”라는 표현은 채용 공고에서 충분한 권한을 거의 전달하지 못한다.

고용주들은 복합 직함을 만들어 이에 대응한다. AI 전략, 책임 있는 AI, 에이전트 엔지니어링, 모델 리스크, AI 운영 같은 용어가 기존 기능 옆에 점점 더 자리하고 있다.

그 결과 시장은 실제보다 더 성숙해 보일 수 있다. 세련된 직함은 실험적인 임무, 불확실한 예산, 또는 충돌하는 보고 체계를 감출 수 있다.

따라서 후보자는 직함 아래의 동사를 살펴봐야 한다. “책임지다,” “승인하다,” “평가하다,” “배포하다,” “모니터링하다”는 AI 용어의 개수보다 더 많은 것을 보여 준다.

성과에 책임지는 직위에는 시스템, 데이터, 예산, 의사결정권자에 대한 접근권이 필요하다. 이런 자원이 없다면, 그 직함은 주로 평판상의 위험을 떠안는다.

이 추세의 압박을 받는 주체는 다음과 같다. 고용주는 신뢰할 수 있는 역할을 만들어야 하고, 근로자는 실질적 권한과 브랜딩을 구분해야 한다.

진짜 경쟁은 새로운 책임성과 새로운 명칭 사이에 있다

핵심 갈등은 기존 직업과 새 직업의 대립이 아니다. 운영상 책임성과 직함 인플레이션의 대립이다.

직함 인플레이션은 역할의 범위, 권한, 요구 역량이 그에 상응해 바뀌지 않았는데도 더 유행하는 이름을 부여하는 현상이다.

이 관행은 생성형 AI보다 앞서 존재했다. 기술 주기는 웹, 모바일 애플리케이션, 클라우드 인프라, 데이터 과학, 사이버보안을 중심으로 거듭 새로운 명칭을 만들어 냈다.

그중 일부는 지속 가능한 전문직으로 성숙했다. 다른 일부는 책임이 더 넓은 엔지니어링, 마케팅, 운영 팀으로 돌아가면서 사라졌다.

AI 직함도 같은 선별 과정을 거칠 것이다. 오래 남는 직함은 개별 도구가 바뀐 뒤에도 계속 필요한 업무를 설명하게 될 것이다.

평가는 그럴 가능성이 높은 사례다. AI 평가 프로세스는 정의된 작업, 사용자, 실패 조건 전반에서 시스템이 허용 가능한 방식으로 동작하는지 측정한다.

조직이 모델을 바꾼다고 해서 이 업무가 사라지지는 않는다. 오히려 모델을 바꾸면 일관된 평가는 더 중요해진다.

컨텍스트 관리도 또 다른 사례다. AI 애플리케이션은 답변하거나 행동하는 시점에 선별된 회사 정보를 필요로 하는 경우가 많다.

팀은 어떤 출처를 그 컨텍스트에 포함할지, 정보의 최신성은 어떤지, 누가 접근할 수 있는지를 통제해야 한다. 흔히 RAG라고 불리는 검색 증강 생성은 선택된 외부 정보를 모델 응답에 제공한다.

용어는 달라질 수 있지만 책임은 남는다. 조직은 여전히 신뢰할 수 있는 정보 선택과 권한 통제를 필요로 한다.

에이전트 운영 역시 지속되는 필요를 설명한다. 에이전트는 목표를 향해 행동을 선택하고 수행하기 위해 모델을 사용하는 소프트웨어다.

에이전트가 메시지를 보내고, 기록을 변경하고, 코드를 실행하고, 거래를 승인할 수 있게 되면 모니터링은 운영 기능이 된다. 누군가는 한계를 정의하고 예상치 못한 행동을 조사해야 한다.

이러한 책임은 서로 다른 증거와 의사결정 권한을 요구하기 때문에 별개의 전문 분야를 뒷받침한다. 평가는 시스템이 작동하는지 묻는 반면, 거버넌스는 그 사용이 허용되는지 묻는다.

보안은 시스템이 어떻게 조작되거나 악용될 수 있는지를 살핀다. 제품 팀은 남은 위험이 특정 고객 경험에 허용 가능한지 결정한다.

유용한 직함은 이러한 소유권 경계 중 하나를 명확히 드러낸다. 약한 직함은 모든 것을 “AI 리드” 역할에 묶어 놓고 권한은 미해결 상태로 둔다.

이 구분은 채용의 질에 영향을 미친다. 고용주가 실제 문제를 정의하지 않았다면 후보자는 그 역할을 준비할 수 없다.

이는 성과 평가에도 영향을 미친다. 다른 팀이 각 변수를 통제한다면, 한 사람이 도입률, 비용, 안전성, 사업 가치를 기준으로 공정하게 평가받을 수 없다.

World Economic Forum의 일자리 전망은 이러한 불확실성이 계속될 이유를 보여 준다.

2025년 보고서는 광범위한 노동시장 변화로 2030년까지 1억 7천만 개의 일자리가 새로 생기고 9,200만 개가 대체될 것으로 전망했다. 이 추정치는 AI만이 아니라 여러 거시경제적 요인을 포괄한다.

기술 분석 부문에서는 AI와 정보 처리가 1,100만 개의 일자리를 만들고 900만 개를 대체할 것으로 예상됐다. 이는 단순한 확대가 아니라 재배분의 이야기다.

보고서는 AI 및 머신러닝 전문가를 가장 빠르게 성장하는 직무 가운데 하나로 꼽았다. 동시에 일부 지식 노동 직종은 가장 빠르게 감소하는 그룹에 포함시켰다.

이러한 결과는 새 직함이 곧 순기회 증가를 의미한다는 단순한 주장을 약화시킨다. 인접한 기능의 전체 일자리 수가 줄어드는 동안에도 새로운 직함은 등장할 수 있다.

더 신뢰할 만한 신호는 업무 단위의 이동이다. 공식 직업 분류가 따라잡기 전에 업무는 사람, 소프트웨어, 외부 공급업체, 부서 사이에서 이전된다.

애널리스트는 정형화된 요약문을 작성하는 시간은 줄이고, 모델이 생성한 결과물을 검증하는 시간은 늘릴 수 있다. 소프트웨어 엔지니어는 반복적인 보일러플레이트 코드를 적게 작성하고 시스템 수준의 검토를 더 많이 수행할 수 있다.

관리자는 현황 보고서를 취합하는 시간은 줄이고 의사결정 프로세스를 설계하는 데 더 많은 시간을 쓸 수 있다. 이런 변화가 자동으로 새로운 직함을 필요로 하는 것은 아니다.

하지만 변경된 업무 묶음이 다른 채용 프로필을 요구하거나 다른 권한을 부여한다면 새 직함은 정당화된다.

이 기준은 새로움보다 엄격하다. 기업이 해당 직무를 다른 방식으로 채용하고, 교육하고, 보상하고, 평가할 것인지를 묻는다.

답이 아니오라면 새 직함은 아마도 일시적인 포장에 불과하다. 예라면 그 역할은 제도화되기 시작한 것이다.

AI 노동 데이터가 뒷받침하는 것과 그렇지 않은 것

현재의 증거는 빠른 역량 변화와 불균등한 업무 재설계를 뒷받침하지만, 제안되는 모든 AI 직업에 대한 확신 있는 전망을 뒷받침하지는 않는다.

PwC의 2026년 jobs barometer는 6개 대륙의 10억 건이 넘는 채용 공고를 분석했다.

분석 결과, AI 노출도가 가장 높은 직무에서 요구되는 역량은 노출도가 가장 낮은 직무보다 두 배 이상 빠르게 변화하고 있었다.

이 보고서는 또한 두 갈래로 나뉜 시장을 설명했다. AI로 역량이 강화된 직무는 AI가 업무 수행의 진입장벽을 낮춘 직무와 다른 방식으로 성장하고 있었다.

PwC는 ‘전문화된’ 범주의 일자리가 ‘민주화된’ 직무보다 두 배 빠르게 증가했다고 밝혔다. 첫 번째 범주의 임금은 2021년 이후 42% 더 빠르게 상승했다.

분석은 또한 노출도가 높은 주니어 직무가 리더십을 포함해 전통적으로 시니어 인력과 연관된 역량을 요구할 가능성이 일곱 배 높다는 점을 발견했다.

이 결과는 직함 설계와 특히 관련이 깊다. 고용주는 기존의 주니어 직함을 유지하면서도, 그 직함을 맡은 사람에게 요구하는 판단력은 조용히 높일 수 있다.

반대의 경우도 가능하다. 기존 팀이 이미 새 도구로 수행하는 업무에 새로운 AI 직함이 붙을 수 있다.

두 패턴 모두 커리어 조언을 복잡하게 만든다. 노동자는 기존 직함이 기존 업무를 뜻한다고, 혹은 새 직함이 새로운 경력 사다리를 보장한다고 가정할 수 없다.

데이터에는 방법론적 한계도 있다. 채용 공고는 고용주의 의도를 나타내며, 이는 실제 채용 완료나 일상 업무와 다를 수 있다.

기업은 경쟁사의 문구를 베끼거나 거의 사용하지 않는 희망 역량을 포함할 수 있다. 공고만으로는 입사 후 직원에게 충분한 권한이 부여되는지 알 수 없다.

사용 데이터는 또 다른 관점을 제공하지만, 다른 한계가 따른다.

Anthropic의 2026년 6월 economic index는 사람들이 Claude를 사용하는 방식을 조사하고 일부 사용자를 대상으로 설문을 진행했다.

응답자 10명 중 거의 6명은 12개월 안에 AI가 수행할 수 있는 업무 비중을 더 높은 구간으로 선택했다.

3분의 1 이상은 그 기간 안에 AI가 자신의 업무 대부분 또는 거의 전부를 처리할 것으로 예상했다. 다만 Anthropic은 이 설문이 일반 인구를 대표하지 않는다고 명시적으로 경고했다.

컴퓨터 및 수학 관련 직종은 응답자의 약 30%를 차지했는데, 이는 미국 전체 고용의 약 4%와 비교된다.

관리직 역시 과대표집됐다. 이러한 구성은 이미 AI 도입에 가까운 사람들의 기대를 증폭시킬 수 있다.

채용 공고 데이터와 사용 데이터의 대비는 유용하다. 고용주는 무엇을 원하는지 드러내고, 사용자는 도구가 무엇을 할 수 있다고 믿는지 보여준다.

어느 데이터셋도 어떤 새 직함이 살아남을지를 직접 알려주지는 않는다. 지속성에는 몇 가지 추가 조건이 필요하다.

역할에는 여러 고용주에 걸친 반복적인 수요가 필요하다. 그 책임은 교육하고, 비교하고, 평가할 수 있을 만큼 구체적이어야 한다.

해당 직위에는 주니어 업무에서 시니어 권한으로 이어지는 인식 가능한 경로도 필요하다. 이런 발전 단계가 없다면 일시적인 프로젝트 배정에 머문다.

전문 표준은 역할을 강화할 수 있지만, 성급한 인증은 취약한 가정을 고착시킬 수 있다. AI 관행은 모든 명칭이 안정적인 자격증을 뒷받침하기에는 너무 빠르게 계속 변하고 있다.

규제 역시 또 다른 불확실성의 원천을 더한다. 규정은 문서화, 모니터링, 위험 관리 업무를 만들어낼 수 있지만, 정확히 어느 부서가 이를 맡아야 하는지는 정하지 않는다.

어떤 기업은 이 업무를 법무 부서에 둘 수 있다. 다른 기업은 보안, 컴플라이언스, 제품 운영 또는 전담 책임 있는 AI 팀에 배정할 수 있다.

따라서 동일한 의무가 여러 직함을 만들어낼 수 있다. 각 직함의 업무를 살피지 않고 이를 별개의 경제적 수요 형태로 계산해서는 안 된다.

이것이 AI 커리어에 관한 많은 논의에서 빠져 있는 회의적 관점이다. 업무에 이름을 붙이는 일은 그 업무를 중심으로 제도를 구축하는 일보다 쉽다.

Google News는 몇 시간 만에 직함을 눈에 띄게 만들 수 있다. 하지만 고용주가 그 기반 역할이 조직 내에서 영구적인 자리를 차지할 가치가 있는지 판단하는 데는 수년이 걸릴 수 있다.

노동자는 직무 기술서를 통제 지도처럼 읽어야 한다

신뢰할 수 있는 AI 역할은 직원이 무엇을 결정할 수 있는지, 어떤 근거를 제시해야 하는지, 시스템이 실패했을 때 누가 책임을 지는지를 명확히 한다.

노동자에게 실질적인 대응은 새롭게 등장하는 모든 AI 직함을 외우는 일이 아니다. 각각의 채용 공고를 의사결정과 의존성의 지도로 해석하는 일이다.

먼저 관리 대상이 무엇인지 살펴야 한다. 이 역할은 모델, 애플리케이션, 내부 워크플로, 고객 배포, 조직 전반의 정책 중 무엇을 책임지는가?

이 대상들은 서로 다른 역량을 요구한다. 모델 업무는 학습, 추론, 평가를 중시하는 반면, 애플리케이션 업무는 소프트웨어 엔지니어링을 사용자 행동 및 운영 신뢰성과 결합한다.

내부 워크플로 역할에는 프로세스 설계와 변화 관리가 필요하다. 고객 배포 역할에는 도메인 지식, 통합 작업, 직접적인 커뮤니케이션이 필요하다.

거버넌스 역할에는 근거, 문서화, 위험 분류, 에스컬레이션 절차가 필요하다. 이를 일반적인 커뮤니케이션 직무로 취급해서는 안 된다.

다음으로 이용 가능한 통제 수단을 파악해야 한다. 직원은 모델을 선택하고, 프롬프트를 변경하고, 도구를 제한하고, 출시를 차단하거나, 사람의 승인을 요구할 수 있는가?

그 사람은 사용 로그와 평가 결과를 검토할 수 있는가? 이 역할은 예산을 통제하는가, 아니면 모든 변경에 다른 팀의 도움을 받아야 하는가?

이런 세부 사항은 책임성이 실질적인지 결정한다. 통제 수단 없이 책임만 부여받은 사람은 자신이 막을 수 없는 실패의 편리한 책임자가 된다.

지원자는 성공을 어떻게 측정하는지도 물어야 한다. 도입률만으로 평가하면 결과물이 신뢰할 수 없거나 시스템이 거의 비즈니스 가치를 만들지 못해도 사용량만 보상하게 된다.

토큰 사용량은 결과가 아니라 소비를 측정한다. 자동화된 작업 수는 정확성, 검토 시간, 결과에 대한 정보 없이는 큰 의미가 없다.

유용한 지표는 기술적 행동을 비즈니스 프로세스와 연결한다. 완료율, 사람의 수정, 오류 심각도, 처리 주기, 사용자 유지율 등이 이에 포함될 수 있다.

정확한 측정 지표는 시스템에 따라 달라진다. 중요한 것은 고용주가 허용 가능한 결과와 이를 검증하는 방법을 정의했는지 여부다.

지식 출처 추적에는 특별한 주의가 필요하다. 출처 추적은 정보가 어디에서 왔고 어떻게 응답이나 의사결정에 들어갔는지를 식별한다.

AI 시스템은 오래되었거나 불완전하거나 권한 없는 정보에 의존하면서도 유창한 결과물을 만들 수 있다. AI 운영을 포함하는 직함이라면 누가 이러한 정보 흐름을 관리하는지 명시해야 한다.

개별 노동자에게는 이 지점에서 personal knowledge management가 중요해진다. 사람들은 출처, 의사결정, 변화하는 책임에 대한 신뢰할 수 있는 기록이 필요하다.

AI 비중이 높은 역할로 옮기는 노동자는 어떤 업무가 이동했는지, 어떤 통제 수단이 추가됐는지, 어떤 결과가 개선됐는지를 문서화해야 한다.

이 기록은 명함에 적힌 직함보다 더 오래 간다. 또한 고용주가 유사한 업무에 다른 이름을 사용할 때 향후 면접에도 도움이 된다.

관리자도 채용 요청을 올리기 전에 같은 작업을 해야 한다. 먼저 반복되는 문제를 정의한 뒤 직함을 선택해야 한다.

직무 기술서는 어떤 의사결정이 해당 역할에 속하고, 어떤 결정이 법무, 보안, 엔지니어링 또는 사업 리더십에 남는지 명시해야 한다.

필수 경험과 도구별 선호를 구분해야 한다. 그렇지 않으면 채용팀은 최근 유행한 제품을 경험하지 못했다는 이유로 유능한 지원자를 탈락시킬 수 있다.

기업은 여러 시니어 전문 직무를 하나의 주니어 직위에 합치는 것도 피해야 한다. 아키텍처, 머신러닝, 보안, 거버넌스, 제품 전략, 영업을 모두 요구하는 공고가 자동으로 다학제적인 것은 아니다.

그저 조직이 업무를 분리하지 않았음을 드러낼 수 있다. 직함은 그런 계획 실패를 고칠 수 없다.

명확한 범위는 노동시장 전반의 이동성을 높인다. 서로 다른 이름을 쓰지만 유사한 역량을 요구하는 직위를 지원자가 비교할 수 있게 한다.

또한 같은 직함이 매우 다른 일을 숨기는 상황도 드러낸다. 모델 연구소의 “AI engineer”는 보험사의 같은 직함과 크게 다를 수 있다.

따라서 직무 기술서를 통제 지도로 읽는 일은 양측 모두에 도움이 된다. 고용주는 더 현실적인 채용 목표를 얻고, 지원자는 가시성을 권한으로 오해하지 않게 된다.

어떤 새로운 AI 직함이 살아남을지는 세 가지 신호가 보여줄 것이다

다음 단계는 헤드라인 등장 빈도가 아니라 반복 채용, 공식적 소유권, 측정 가능한 업무 성과로 결정될 것이다.

첫 번째 신호는 관련 없는 고용주들 사이에서 나타나는 직함의 통합이다. 지속 가능한 역할은 여러 산업에서 공통된 핵심 책임을 알아볼 수 있는 형태로 나타나야 한다.

표현이 완전히 같을 필요는 없다. 하지만 이 역할은 평가, 에이전트 신뢰성, 모델 위험처럼 정의된 문제를 일관되게 맡아야 한다.

모든 공고가 같은 직함을 서로 무관한 업무에 사용한다면 그 명칭은 아직 안정되지 않았다. 여러 직함이 같은 업무 묶음으로 수렴한다면 통합은 시작된 것이다.

이 신호는 Levin의 헤드라인을 뒷받침하는 주장을 강화할 것이다. 고용주가 고립된 실험을 하는 것이 아니라 진정으로 반복되는 업무에 이름을 붙이고 있음을 보여줄 것이기 때문이다.

두 번째 신호는 공식적인 의사결정 권한이다. 새로운 역할이 승인 권한, 예산, 보고 접근권, 에스컬레이션 의무를 얻는지 지켜봐야 한다.

배포 결정에 접근할 수 없는 거버넌스 직함은 자문 역할에 머문다. 출시를 지연할 권한이 없는 평가 직함은 운영상 무게가 제한적이다.

제품 투자에 영향력이 없는 최고 AI 책임자는 주로 대변인 역할을 할 수 있다. 조직도보다 문서화된 권한이 더 중요하다.

공식적 소유권의 증거는 별개의 전문직이라는 주장을 강화할 것이다. 지속되는 모호함은 기업이 책임성을 해결하지 않은 채 조정 업무의 이름만 바꾸고 있음을 시사할 것이다.

세 번째 신호는 결과 기반 성과 측정이다. 고용주는 AI 역할을 신뢰성, 비용, 도입 품질, 안전성 또는 비즈니스 성과와 연결해야 한다.

이것이 가장 까다로운 검증인 이유는 많은 조직이 여전히 신뢰할 만한 기준선을 갖추지 못했기 때문이다. 직원들이 AI를 얼마나 자주 사용하는지는 알 수 있어도, 업무가 실제로 개선됐는지는 모를 수 있다.

지속 가능한 전문 분야에는 가치를 입증할 수 있는 반복 가능한 방법이 필요하다. 그렇지 않으면 예산이 줄어들거나 경영진의 관심이 다른 곳으로 옮겨갈 때 취약해질 수밖에 없다.

구직자에게도 같은 검증이 적용된다. 유망한 직함이라면 직원이 맡게 될 의사결정, 시스템, 성과의 사례가 함께 제시되어야 한다.

Google News 노출은 어떤 표현이 관심을 얻고 있는지 보여줄 수 있지만, 관심은 초기 지표일 뿐이다. 검색 빈도가 직업적 정당성을 입증하지는 않는다.

더 중요한 증거는 실험 프로그램이 끝난 뒤에도 남는 채용 공고, 보고 체계, 전문 교육, 그리고 유지되는 직무에서 나타날 것이다.

독자들은 기존 직업군도 주시해야 한다. AI의 가장 큰 영향 중 상당수는 익숙한 역할 내부에서 기대치가 바뀌는 방식으로 나타날 수 있다.

소프트웨어 엔지니어, 분석가, 변호사, 마케터, 연구자, 관리자는 직함을 바꾸지 않은 채 AI 관련 책임을 떠안을 수 있다. 이러한 경로는 눈에 잘 띄는 소수의 전문 직무보다 더 중요할 수 있다.

가장 가능성 높은 결과는 혼합된 노동시장이다. 일부 AI 명칭은 성숙한 직무로 자리 잡겠지만, 다른 명칭은 더 넓은 기능 속으로 사라질 것이다.

근로자는 하나의 표현에 베팅하기보다 그 기저의 책임에 대비해야 한다. 평가, 정보 거버넌스, 워크플로 설계, 보안, 도메인 판단력은 직함이 달라져도 이전 가능한 역량이다.

고용주는 해당 역할의 권한을 설명할 수 있기 전까지 새로운 직무를 발표하지 않는 편이 좋다. 통제권 없는 직함은 후보자와 내부 팀 모두에게 혼란을 만든다.

Doug Levin의 헤드라인은 아직 정리되지 않은 조직적 질문을 가리킨다는 점에서 가치가 있다. 이를 미래 직업의 검증된 목록으로 받아들여서는 안 된다.

더 날카로운 질문은 여러분의 조직에 아무도 명확히 소유하지 않는 업무가 있는지다.

그런 업무가 있다면, 그와 관련된 의사결정, 위험, 근거, 성과를 문서화하라. 그다음 새로운 직함이 책임을 명확히 하는지, 아니면 단지 열의를 홍보하는지 판단하라.

다음 Google News 헤드라인 뒤에 있는 노동시장 데이터를 계속 지켜봐야 한다. 살아남는 직함은 반복 가능한 문제, 실질적인 통제 체계, 그리고 고용주가 방어할 수 있는 성과와 연결된 직함일 것이다.