유망 직업 목록을 외우는 것보다, 대체가 직업 단위가 아니라 업무 단위로 일어난다는 점을 먼저 잡으셔야 합니다. 같은 직업 안에서도 반복적으로 문서를 만들고 정리하는 일은 빠르게 줄고, 판단하고 책임지고 사람을 설득하는 일은 남습니다. 무슨 직업이냐보다 그 안에서 어떤 업무를 맡고 있느냐가 갈림길이에요.
숫자로 보면 세계경제포럼이 작년에 낸 보고서에서 2030년까지 일자리 1억 7천만 개가 생기고 9천 2백만 개가 사라져 전체의 22퍼센트가 재편된다고 봤습니다. 같은 기간에 지금 쓰는 역량의 40퍼센트 가까이가 바뀌거나 필요 없어진다고도 합니다. 사라진다는 것보다 바뀐다는 쪽이 훨씬 큰 이야기입니다.
기술 직군에서는 AI 개발자와 데이터 과학자, 머신러닝 엔지니어, 그리고 사이버보안과 핀테크 쪽이 성장 상위에 올라 있습니다. 같은 조사에서 기업의 70퍼센트가 AI 도구를 설계할 사람을 뽑겠다고 답했는데, 동시에 62퍼센트는 AI와 함께 더 잘 일할 사람을 뽑겠다고 답했습니다. 비전공자에게 열려 있는 자리는 바로 뒤의 이 62퍼센트입니다.
경제나 금융, 경영 전공이시면 도메인 지식이 오히려 무기입니다. 모델을 만드는 사람은 그 산업의 규칙을 모르기 때문에, 규제와 회계 흐름을 아는 사람이 데이터를 어떻게 봐야 하는지 정의해줘야 합니다. 신용평가 모델 검증, 이상거래 탐지 기준 설계, AI 도입 리스크와 규제 대응, 데이터 거버넌스 같은 자리가 여기에 해당합니다.
실무에서 바로 쓰이는 자리도 많습니다. 회사가 AI를 도입할 때 어떤 업무부터 적용할지 정하고 효과를 숫자로 증명하는 일, 사내 데이터를 정리하고 접근 권한을 설계하는 일, 모델이 낸 결과를 검수하고 문제가 생겼을 때 책임 구조를 만드는 일이 그렇습니다. 이런 자리는 개발력보다 업무 이해가 더 중요합니다.
준비하실 역량은 세 가지로 압축됩니다. 첫째로 데이터를 읽고 숫자로 말하는 능력, 둘째로 AI 도구를 실제 업무에 붙여본 경험, 셋째로 결과를 검증하고 틀린 지점을 짚어내는 판단력입니다. 자격증보다 내 업무를 AI로 바꿔본 사례 하나를 만들어두시는 편이 면접에서 훨씬 세게 작동합니다.
