기초 AI 역량 수요 25% 감소…구축·자동화 역량은 증가

Workday가 2026년 10월 5일 공개한 글로벌 인력 보고서에 따르면, Workday Recruiting 이용 기업 550곳 이상의 채용공고에서 기초 AI 역량 수요는 2026년 1월 정점 이후 25% 줄었고 AI 도구 구축·업무 자동화·AI 엔지니어링 역량 수요는 2025년 9월부터 2026년 7월까지 51% 늘었다. 기업이 공고에서 강조하는 역량이 단순한 도구 사용에서 업무에 적용할 기능과 흐름을 만드는 능력으로 옮겨가고 있다.

한국 직장인과 구직자에게 이 변화가 던지는 질문은 어떤 AI 도구를 써 봤느냐보다 어떤 업무를 바꿨고 결과를 어떻게 확인했느냐다. 다만 이 수치는 Workday 제품을 쓰는 기업의 글로벌 공고에서 나온 것으로, 국내 채용시장 전체의 수요 변화율을 뜻하지는 않는다. 자신의 경험을 설명할 때는 기초 활용, 반복 업무의 자동화, 여러 사람이 쓸 도구의 구축을 구분하는 편이 정확하다.

채용공고가 구분한 ‘사용’과 ‘구축’

기초 역량 수요가 줄었다는 결과를 프롬프트 작성이 불필요해졌다는 뜻으로 읽을 수는 없다. 분석에서 기초 범주는 간단한 프롬프트처럼 AI 도구를 사용하는 능력을 가리킨다. 수요가 늘어난 범주는 AI 도구를 만들거나 업무 흐름을 자동화하고, 이를 엔지니어링 작업으로 구현하는 능력이다. 한 사람이 두 범주의 일을 모두 할 수 있지만, 채용공고에서 각 역량을 요구하는 흐름은 달랐다.

두 변화의 측정 기간도 다르다. 기초 역량은 정점 이후의 감소이고, 구축·자동화 역량은 그보다 긴 기간의 증가다. 따라서 감소율과 증가율을 같은 출발점에서 계산한 격차처럼 합치면 변화의 크기를 잘못 전달하게 된다. 공고에 적힌 수요 역시 실제 채용 인원이나 채용된 사람의 성과와는 다른 지표다.

업무에서 경계는 결과물의 범위로 드러난다. 회의 내용을 요약하고 원문과 대조해 고치는 일은 기초 활용에 가깝다. 반복해서 들어오는 요청을 유형별로 나누고, 필요한 정보를 찾아 초안을 만들며, 담당자의 승인 단계까지 연결하면 자동화에 가까워진다. 여러 사용자가 같은 기능을 쓰도록 만들고 입력 오류나 접근 권한까지 관리한다면 도구 구축의 책임이 더 커진다.

학습 목표를 나누는 세 단계

다음 구분은 기업이 정한 공식 자격 체계가 아니라, 공고의 역량 범주를 실제 업무 경험으로 옮겨 보기 위한 틀이다. 단계가 올라갈수록 사람의 판단이 사라지는 것이 아니라 입력, 검수, 예외 처리에 대한 책임 범위가 넓어진다. 어떤 단계가 유리한지는 직함보다 맡은 업무와 구현 권한에 따라 달라진다.

기초 활용: AI로 초안이나 분류안을 얻은 뒤 원자료와 대조해 사실과 표현을 고친다. 설명할 수 있는 경험은 사용한 도구의 이름보다 사람이 어떤 판단을 맡았고 어떤 오류를 발견했는지다.
워크플로 자동화: 반복되는 입력과 출력을 정하고 도구 사이의 순서, 승인 지점, 예외 처리 방법을 설계한다. 예상 밖의 요청이 들어오거나 결과가 누락됐을 때 누가 확인하고 어떻게 기존 절차로 돌릴지도 업무 흐름에 포함된다.
AI 도구 구축: 여러 사람이 쓸 기능이나 연동을 구현하고 테스트, 접근 권한, 변경 후의 오류를 관리한다. 기능이 한 번 작동하는 모습뿐 아니라 다른 입력과 사용자에게도 적절하게 작동하는지 확인하는 일이 포함된다.

조건부 예를 들면, 인사 담당자가 지원자 문의의 답변 초안을 받아 검토하는 일은 기초 활용이다. 자주 들어오는 문의를 분류하고 담당자의 승인을 거쳐 답변하도록 연결했다면 자동화 경험으로 설명할 수 있다. 여러 채용 담당자가 그 기능을 사용하도록 만들고 잘못된 분류를 수정하는 절차까지 운영했다면 구축에 가까워진다. 이는 역량의 차이를 보여주는 가상 사례이며 특정 기업의 도입 사례는 아니다.

비개발 직군과 개발 직군의 증거는 다르다

비개발 직군이 자동화 경험을 설명할 때 핵심은 직접 코드를 작성했는지가 아니라 어떤 업무를 정형화하고 어떤 판단을 사람에게 남겼는지다. 문의 분류를 맡았다면 분류 기준을 정한 과정, 애매한 사례를 넘기는 경로, 담당자가 결과를 확인하는 지점을 제시할 수 있다. 동료 개발자가 기능을 구현했다면 본인이 정의한 요구사항과 검수 기준을 분리해 밝히는 편이 역할을 정확히 보여준다.

개발 직군의 ‘AI 기능 구현’이라는 표현은 입력과 출력, 기존 시스템과의 연결, 오류 대응을 설명할 때 구체적인 경험이 된다. 정상 사례의 시연만으로는 예외적인 입력이나 권한이 다른 사용자에게 어떤 결과가 나오는지 알기 어렵다. 발견한 오류 유형과 수정 방식, 변경 후 다시 확인한 범위를 기록하면 구현부터 운영까지 맡은 책임이 드러난다.

이력서에서도 ‘생성형 AI 활용’이라는 한 줄은 지원자가 결과를 검토했는지, 반복 업무에 적용했는지, 다른 구성원이 쓰게 만들었는지를 구분해 주지 못한다. 담당 업무의 기존 절차와 바꾼 절차, 검수 방식, 남은 한계를 이어서 쓰면 면접에서 확인할 수 있는 작업 기록이 된다. 처리 시간이나 오류 감소를 수치로 제시하려면 변경 전후를 같은 기준으로 측정한 기록이 필요하다. 기록이 없다면 개선율을 추정하기보다 실제로 설계하고 확인한 범위를 정확히 쓰는 편이 낫다.

사내 이동이 막힐 때 달라지는 경쟁

새 역량을 익혀도 옮겨 갈 자리가 곧바로 생기는 것은 아니다. 내부 직무 이동이 전년보다 줄어든 기업은 57%였고, 채워진 자리당 지원자 수 중앙값은 전년의 58명에서 69명으로 늘었다는 AI Weekly 보도에는 Workday의 Phil Willburn 부사장이 한 “Employees may not be changing jobs, but their jobs are changing around them”이라는 말도 실렸다. 이동 기회가 좁아지는 동안 현재 직무의 내용은 바뀌고 있다는 뜻이다.

이런 환경에서는 현재 팀에서 맡은 변화의 범위를 남기는 일이 사내 이동에도 도움이 될 수 있다. 예를 들어 요청이 들어오는 경로를 정리하고 승인 단계를 붙였다면, 프로젝트 설명에는 해결하려던 문제와 변경 전후의 운영 방식을 담을 수 있다. 도구의 도입 여부만 적으면 본인이 결과에 어떤 책임을 졌는지 드러나지 않는다. 실제 이동 결정은 자리의 유무와 조직의 판단에 달려 있지만, 작업 기록은 맡을 수 있는 업무를 설명할 근거가 된다.

기업 리더의 40%는 AI로 기존 인력의 성과를 높일 것으로 예상했고 28%는 인원 감축을 예상했다는 Channel Dive 보도가 나왔다. 이는 인력 운용의 결과가 아니라 리더들의 전망이다. 직원들이 필요한 역량을 안다고 답하는 정도에 비해 회사가 역량 개발을 돕는다고 느끼는 정도도 낮았다. 교육을 받는 기회와 실제 업무를 바꿔 볼 기회가 함께 있어야 경험으로 남길 수 있는 이유다.

국내 채용에 옮겨 볼 수 있는 범위

글로벌 공고의 변화는 한국 기업의 채용 증가율이나 특정 직군의 전망을 대신하지 않는다. 조사 대상은 Workday Recruiting을 이용하는 기업이며, 공고의 역량 표현은 기업이 실제로 채용한 사람의 능력을 측정한 결과도 아니다. 국내 지원자는 이 수치를 자신의 직무에 그대로 적용하기보다, 지원하는 자리에서 요구하는 업무 범위가 활용인지 자동화인지 구축인지 구분할 필요가 있다.

그 구분은 사내 프로젝트의 성과를 설명할 때도 유효하다. AI가 만든 결과를 직접 검수했다면 그 판단의 범위를, 반복 작업을 연결했다면 입력과 승인 절차를, 기능을 구축했다면 여러 사용자의 오류와 변경을 다룬 방식을 말할 수 있다. 채용공고가 구축 역량을 더 많이 찾는 흐름 속에서 차이를 만드는 것은 도구를 사용했다는 주장 자체가 아니라 자신이 책임진 업무 변화의 기록이다.

함께 읽기: