AI Native 조직의 채용은 왜 기존과 완전히 다른가

이전 글에서 실행 비용이 0에 수렴하는 시대에 PM에게 남는 것은 문제 정의뿐이라는 이야기를 했다. 그 글을 쓰고 나서 자연스럽게 다음 질문이 떠올랐다. 그렇다면 AI Native를 지향하는 조직은 어떤 사람을 찾고 있는가. 기존의 채용 기준으로는 이 사람들을 걸러낼 수 없다면, 무엇이 달라져야 하는가.

이 질문은 개인적이기도 하다. 가고 싶은 회사가 없어지고 있다는 감각의 이면에는, 나를 제대로 평가할 수 있는 채용 체계 자체가 아직 존재하지 않는다는 구조적 문제가 있다. 이 글은 AI Native 조직의 채용이 기존과 어떻게 달라지고 있는지를 정리하면서, 동시에 그 변화가 왜 더디게 일어나는지를 살펴본다.

채용의 게이트가 바뀌었다

2025년 4월, Shopify CEO Tobi Lutke가 전사 내부 메모를 보냈다. 핵심은 명확했다. "AI를 먼저 시도하지 않은 리소스 요청은 거절한다." 추가 인력이 필요하다면, 왜 그 일을 AI로 할 수 없는지를 먼저 증명해야 한다. 사실상 채용 동결과 같은 효과였다. 성과 리뷰에도 AI 활용 숙련도를 반영하겠다고 명시했다.

Klarna는 더 극단적으로 움직였다. 5,000명에서 3,500명으로 인력을 줄이면서 매출은 오히려 증가시켰다. AI 고객 서비스 봇 하나가 700명분의 업무를 처리했다. 이후 재채용을 시작했을 때, 기준 자체가 달라져 있었다. "AI와 협업할 수 있는 사람"이 새로운 필터가 되었다. Java를 쓸 줄 아느냐, Python 경험이 몇 년이냐가 아니라, AI가 못하는 일을 할 수 있느냐가 기준이 된 것이다.

이 변화의 본질은 채용의 게이트가 이동했다는 것이다. 기존에는 "이 일을 할 사람이 필요합니다"가 채용의 출발점이었다. AI Native 조직에서는 "AI로 이 일을 할 수 없다는 것을 증명하세요"가 출발점이다. 사람을 뽑는 것이 기본값이 아니라, AI를 쓰는 것이 기본값이 된 세계다. 사람은 AI가 해결하지 못하는 잔여 영역에 투입된다.

50명으로 90억 달러를 만드는 시대

AI Native 조직의 가장 눈에 띄는 특징은 규모다. Cursor를 만든 Anysphere는 50명 이하의 직원으로 기업가치 90억 달러를 넘겼다. Midjourney는 약 40명으로 연간 수억 달러의 매출을 올린다. WhatsApp이 55명으로 4.5억 사용자를 서비스하며 190억 달러에 인수되었던 것이 예외적 사건이었다면, AI 시대에 이 패턴은 보편적 현상이 되고 있다.

a16z에 따르면 AI-first 스타트업의 평균 팀 규모는 전통적 스타트업 대비 3배에서 5배 작다. YC의 2025년 겨울 배치에서는 1-2인 창업팀이 유의미하게 증가했다. Sam Altman은 "1인 10억 달러 기업이 곧 나올 것"이라고 말했다. GitHub의 데이터에 따르면 Copilot을 사용하는 개발자의 코드 작성 속도는 55% 빨라졌고, McKinsey는 AI 코딩 도구를 사용할 때 개발 생산성이 20-45% 향상된다고 보고했다.

이 숫자들이 말하는 것은 단순하다. 조직의 경쟁력이 더 이상 규모에서 나오지 않는다는 것이다. 100명의 평범한 팀보다 10명의 AI-augmented 팀이 더 큰 가치를 만든다. Deloitte는 이것을 "AI-Native 조직은 동일 산출물 기준으로 기존 대비 30-50% 적은 인력으로 운영된다"고 정리했다. 핵심은 크기가 아니라 밀도다.

PM은 기획서를 쓰는 사람이 아니라 만드는 사람이다

AI Native 조직에서 PM/PO의 역할 정의도 근본적으로 달라지고 있다. Replit의 PM 채용 공고에는 이런 문구가 있었다. "We're looking for PMs who can build. Not manage backlogs, build." 백로그를 관리하는 사람이 아니라 직접 만드는 사람을 찾고 있다. 막연한 문제를 가져다가 명확하게 정의하고, AI 도구로 프로토타입을 만들고, 사용자와 검증까지 며칠 안에 끝내는 사람이다.

흥미로운 것은 AI를 만드는 회사들의 채용 기준이다. Anthropic의 PM 채용 공고에는 "원칙적 사고, 높은 자율성, 불완전한 정보에서의 건전한 판단"이 핵심 역량으로 명시되어 있다. "AI 도구 사용 경험"이 아니다. AI를 만드는 회사조차 AI 스킬보다 근본적 사고력을 우선시한다는 것은 시사하는 바가 크다. AI 활용은 기본 자격이지 차별화 요소가 아닌 것이다.

이 변화를 하나의 문장으로 요약하면 이렇다. PM이 "이런 기능 만들어주세요"를 전달하는 사람에서, "이 문제를 풀어야 합니다"를 정의하고 직접 검증까지 하는 사람으로 바뀌고 있다. 기획서에서 프로토타입까지의 거리가 0에 가까워졌기 때문에, 기획만 하는 PM은 존재 이유가 사라진다. 이것은 PM의 소멸이 아니라, PM의 빌더화다.

대체 불가능한 역량의 3계층

AI Native 조직이 실제로 평가하는 역량을 정리하면 3개의 계층으로 나뉜다. 첫 번째 계층은 AI가 대체할 수 없는 역량이다. 판단력, 문제 정의, 도메인 깊이, 시스템 사고. 불확실한 상황에서 트레이드오프를 저울질하고 결정하는 능력, 사용자가 말하지 않는 것을 읽어내는 능력, 변경의 2차 3차 효과를 예측하는 능력이다.

두 번째 계층은 AI를 레버리지하는 역량이다. AI 도구를 조합하여 복잡한 워크플로우를 설계하는 오케스트레이션 능력, AI에게 정확한 컨텍스트를 전달하는 능력, AI 산출물의 품질을 판별하고 개선 방향을 제시하는 감별 능력이 여기에 해당한다. 이 역량은 AI 시대에 새롭게 부상한 것이다.

세 번째 계층은 가치가 하락하고 있는 역량이다. 정보 수집, 문서 작성, 단순 데이터 분석, 코드 작성 속도. 과거에는 이것들이 핵심 역량으로 평가받았지만, AI가 더 빠르고 더 정확하게 해내는 영역이 되면서 차별화 요소로서의 가치를 잃고 있다. Shopify의 Lutke가 면접에서 던질 법한 질문이 이 구조를 잘 보여준다. "이 일의 80%를 AI가 한다면, 당신이 하는 20%는 무엇입니까?"

가장 필요한 곳이 가장 못 뽑는다

여기서 구조적 아이러니가 발생한다. AI Native 전환이 가장 시급한 대기업이, AI Native 인재를 가장 뽑기 어려운 구조에 놓여 있다. 이유는 여러 겹이다. 기존의 채용 파이프라인이 연차, 학력, 직무 기술 스택을 필터로 사용하고 있다. 컴플라이언스와 보안 정책이 AI 도구 도입 자체를 차단하는 경우도 많다. "사람을 많이 뽑는 것이 팀의 중요성을 증명하는 것"이라는 문화적 관성도 존재한다.

규제 산업은 이 딜레마의 극단적 사례다. 금융업에 종사했던 경험을 돌이켜보면, 한국 금융업은 AI 도입에 대한 의지가 있어도 법이 발목을 잡는다. 전자금융감독규정의 망분리 조항 때문에 외부 AI API를 호출할 수 없고, 개인정보보호법상 AI 학습에 고객 데이터를 쓰려면 별도 동의가 필요하며, 신용정보법은 AI 신용평가에 설명 가능성을 요구해서 딥러닝 같은 블랙박스 모델은 사실상 사용이 불가능하다. 대형 금융사들이 폐쇄망에 자체 소형 LLM을 구축하고 있지만, 성능이 외부 서비스에 크게 못 미치는 것이 현실이다.

이 문제는 기업이 마음먹는다고 해결되는 것이 아니다. 법이 바뀌어야 한다. AI 기본법이 2026년 1월에 시행되었지만, 금융 분야의 고위험 AI 범위와 영향평가 기준은 아직 시행령에서 결정 중이다. 개인정보보호법에 "정당한 이익" 조항을 도입해 AI 학습 데이터 활용의 법적 근거를 마련하자는 논의가 있지만, 시민단체의 반대로 진전이 더디다. 미국의 JP Morgan이 자체 금융 특화 LLM을 개발하고, 영국 FCA가 결과 중심의 유연한 규제를 적용하는 것과 비교하면, 한국은 수단 자체에 규제를 걸어놓은 구조다.

더 근본적인 문제도 있다. AI Native 인재는 대기업에 갈 이유가 줄어들고 있다. AI로 무장하면 혼자서도 이전의 5-10명 분량의 생산성을 낼 수 있다. 관료주의와 느린 의사결정을 감수할 유인이 사라진다. 소수정예 스타트업이나 프리랜서, 심지어 1인 기업이 더 합리적인 선택이 된다. 대기업은 AI Native 인재가 가장 필요한데, 그 인재들은 대기업을 가장 안 가고 싶어 한다.

Deloitte 리포트의 표현을 빌리면, "AI-enabled와 AI-native의 차이는 리모델링과 신축의 차이"다. 기존 프로세스에 AI를 얹는 것과, AI를 전제로 처음부터 조직을 설계하는 것은 차원이 다르다. 10-20년 된 레거시 시스템과 조직 구조 위에서 AI Native를 시도하는 것은 구조적으로 한계가 있고, 규제 산업은 그 위에 규제라는 레이어가 한 겹 더 얹혀 있다. 이것이 스타트업의 기회이기도 하다.

이 글을 쓰면서 계속 드는 생각이 있다. 채용 시장의 이 구조적 전환은 아직 초기 단계라는 것이다. Shopify와 Klarna 같은 선도적 사례가 있지만, 대부분의 조직은 여전히 기존 방식으로 사람을 뽑고 있다. JD에 "AI 활용 경험 우대"라는 한 줄이 추가되는 정도가 현재의 현실이다.

하지만 방향은 분명하다. "무엇을 아는가"에서 "무엇을 판단할 수 있는가"로 평가 기준이 이동하고 있다. 이력서의 글자 수가 아니라 산출물의 밀도가 중요해지고 있다. 팀의 규모가 아니라 1인당 만들어내는 가치가 경쟁력이 되고 있다. 이 전환의 속도가 조직마다 다르다는 것이, 지금 이 과도기를 살아가는 사람들의 불편함이자 기회다.