내가 준비하는 직무는 AI를 얼마나, 어떻게 쓰고 있을까?
직무별 Cladue 사용 현황을 바탕으로 취업 준비 전략을 세워보세요.
“AI가 더 코딩을 잘하면 나는 뭘로 취업하지?”
“마케팅이나 디자인도 AI가 해준다는데, 이제 뭘 준비해야 하지?”
취업 준비를 하다 보면 한 번쯤 이런 생각이 스칩니다. AI가 일자리를 바꾼다는 말은 많은데, 정작 직무의 어떤 일을 바꾸는지, 그래서 나는 무엇을 잘해야 하는지 혼란스럽기만 합니다. Anthropic이 발표한 <Economic Index>에는 이 질문에 실마리가 되어줄 데이터가 담겨 있습니다. 각 직업을 이루는 업무를 잘게 나눠 Claude가 어디에서 활용되고 있는지 분석했죠. 각 직무 데이터를 바탕으로 취업 준비 전략을 세워보겠습니다.
● 사용 비중 : 전체 Claude 사용량 중 해당 직업으로 분류된 사용이 차지하는 비율
● 업무 활용 범위 : 해당 직업의 전체 업무 중 AI 활용이 관찰된 업무의 비율
● 업무 수행 방식 : AI에게 맡기는 방식(자동화)과 AI와 사람이 함께하는 방식(증강)이 각각 얼마나 나타났는가
한마디로, 사용량은 ‘얼마나 많이’, 업무 활용 범위는 ‘얼마나 넓게’, 자동화와 증강은 ‘어떻게’를 의미한다.
AI가 많이 쓰이는 직무일수록, 업무도 더 크게 바뀔까?
AI는 직업마다 제각기 다른 방식으로 활용되고 있습니다. 전체 923개 직업 중 Claude 사용량이 가장 많이 관측된 직업은 문서 관리 전문가였습니다. 전체 Claude 사용량의 5.10%를 차지했죠. 반면 AI 활용이 가장 넓게 관측된 직업은 통계 보조원이었습니다. 통계 보조원은 전체 업무 14개 중 11개를 AI가 직접 처리하거나 사람과 함께 수행하고 있었습니다. 업무 활용 범위는 78.6%에 달했습니다. 하지만 Claude 사용 순위는 54위, 전체 사용 비중은 0.44%였죠.
두 직업의 데이터는 AI 를 '많이' 쓰는 직업과 AI를 '넓게' 쓰는 직업은 분명히 다르다는 걸 보여주는 단적인 사례입니다. 한 직무에서 Claude 사용이 많이 관측된다고 해서 AI가 그 직무의 모든 업무에 고르게 활용된다는 뜻은 아닙니다. 반대로 전체 사용량은 적어도 다양한 업무에서 AI 활용이 나타나는 경우도 많죠.
모든 데이터를 종합적으로 정리하면 코드 초안, 자료 정리, 보고서 작성, 반복적인 점검처럼 형식과 기준이 비교적 분명한 업무에서 AI 활용이 두드러집니다. 반면 어떤 문제를 해결할지 정하고, 여러 대안 중 무엇을 선택할지 판단하고, 결과가 실제 상황에 맞는지 검증하는 일은 사람의 역할로 남았습니다. 따라서 취업 준비생이 이 데이터로 확인해야 하는 것은 각 직무에서 AI를 얼마나 쓰느냐가 아닙니다. '어디에' '어떤 방식'으로 활용하고 있는지를 주목해야 하죠.
관심 직무가 있다면, 그 직무의 업무를 다음 세 가지로 나눠서 살펴보세요.
1. AI에 맡길 수 있는 업무는 무엇인가? 정보 검색, 자료 정리, 초안 작성, 반복 점검, 상태 추적, 규격 비교처럼 기준과 결과물이 명확한 일이다.
2. AI와 함께할 업무는 무엇인가? 아이디어 탐색, 대안 비교, 데이터 분석, 코드·디자인 수정, 가설 검토처럼 여러 번 결과를 주고받으며 발전시키는 일이다.
3. 내가 끝까지 책임져야 할 판단은 무엇인가? 문제 정의, 우선순위 설정, 최종 검증, 이해관계자 조율, 서로 충돌하는 조건 사이에서 선택한 이유를 설명하는 일처럼 정답이 하나가 아니고 결과에 책임이 따르는 일이다.
직무별 AI 활용 현황과 신입에게 필요한 역량
*해당 데이터는 ONET 표준 직업 분류를 기준으로 설계됐으며, 마케터는 Marketing Specialists, UI/UX 디자이너는 Web and Digital Interface Designers, 품질관리자는 Quality Control Analysts의 자료를 참고했습니다.
1. 소프트웨어 개발자 : 코드를 생성하는 사람에서 시스템을 검증하는 사람으로
Claude 사용량 순위 : 전체 923개 직업 중 상위 7.6% · 업무 활용 범위: 상위 5.1%(47.1%)
소프트웨어 개발자의 업무 중 모니터링과 오류 수정, 인터페이스와 성능을 개선하는 일은 AI가 직접 처리하는 방식이 많이 관찰됐습니다. 반면 소프트웨어 시스템을 설계·개발·수정하는 업무와 소프트웨어 요구사항을 분석하는 업무는 AI가 직접 처리하는 방식과 사람과 AI가 함께하는 방식이 모두 관찰됐습니다. 한편, 테스트·검증 절차를 설계하고, 시스템 성능 기준을 정하고, 인력을 관리하는 업무에서는 AI 활용이 미미한 것으로 나타났습니다.
무엇을 만들어야 하는지, 어떤 제약을 고려해야 하는지, 시스템 구조를 어떻게 설계할지 판단할 때는 여전히 사람이 필요합니다. 따라서 개발자 취업을 준비한다면 ‘AI로 코드를 만들었다’에서 설명을 끝내면 안 됩니다. 왜 그 구조를 선택했는지, AI가 만든 코드에서 어떤 오류를 발견했는지, 성능·보안·확장성 사이에서 어떤 선택을 했는지를 보여줘야 합니다.
개발자 취준생이 AI를 활용한 프로젝트에서 답해야 하는 질문
- 어떤 사용자 문제와 요구사항을 해결하려 했는가
- AI가 제안한 코드·구조·라이브러리 중 무엇을 선택했고, 무엇을 버렸는가
- 성능·보안·유지보수성 사이에서 어떤 기준으로 판단했는가
- 테스트나 코드 리뷰에서 어떤 오류를 발견하고 수정했는가
- 완성한 기능이 실제 사용자 경험이나 서비스 목표에 어떤 변화를 만들었는가
►AI 시대 개발자 취업 준비, 어떻게 해야 할 지 막막하다면?
2. 품질관리 분석가 : ‘이 결과를 믿어도 되는가’를 판단하는 일이 중요
품질관리 분석가 하는 26개 업무 중 AI가 활용되는 업무는 7개입니다. 이중 시험 결과를 해석하는 업무에서는 AI가 직접 처리하는 방식이 많이 관찰됐습니다. 반면 품질 문제를 발견하고 해결책을 추천하는 업무, 새로운 기술과 방법을 평가하는 업무, 분석법을 개선하는 업무에서는 사람이 AI의 결과를 참고해 판단하는 방식이 많았습니다.
AI가 검사 데이터를 정리하고 문제의 후보를 제시할 수는 있습니다. 하지만 어떤 분석법을 적용할지, 결과가 규정과 기준에 맞는지, 추가 검증이 필요한지는 사람이 결정해야 합니다. 품질관리 분석가 취업을 준비한다면 실험 결과를 표로 정리하는 데서 끝내지 마세요. 이상 징후를 어떻게 발견했고, 원인을 어떻게 좁혔으며, 어떤 검증 절차를 거쳐 결과를 믿을 수 있다고 판단했는지를 보여줘야 합니다.
품질관리 분석가 취준생이 AI를 활용한 프로젝트에서 답해야 하는 질문
- 어떤 이상 징후 또는 품질 문제를 발견했는가
- 원인을 확인하기 위해 어떤 데이터와 검사 기준을 적용했는가
- AI가 정리하거나 추천한 결과에서 무엇을 추가로 검증했는가
- 여러 원인 가설과 개선안 중 무엇을 선택했고, 왜 선택했는가
- 개선안 적용 뒤 품질이 좋아졌다고 어떤 기준으로 판단했는가
► AI 시대 QA/QC 취업 준비, 어떻게 해야 할 지 막막하다면?
3. 마케터 : AI가 생성해낸 결과물 속에서 무엇이 최선인지 알아야 한다
Claude 사용량 순위 : 전체 923개 직업 중 상위 10.3% · 업무 활용 범위: 상위 9.0% (38.5%)
마케팅 직무에서 자료를 정리하고, 보고서를 만드는 일은 AI에게 맡기는 방식이 더 많이 관찰됐습니다. 고객을 분석하는 업무와 시장의 판매 추세를 예측하는 업무, 경쟁사 데이터를 분석하는 업무는 사람과 AI가 함께 작업하는 방식이 더 우세했습니다.
마케팅 직무를 준비하고 있다면 완성된 보고서 자체보다, 그 보고서에 이르기까지 어떤 문제를 발견하고 어떤 근거로 판단했는지를 보여주는 편이 좋습니다. 어떤 고객 문제를 발견했는지, 어떤 데이터를 근거로 시장을 해석했는지, 분석 결과를 실제 기획으로 어떻게 연결했는지가 더 중요한 능력이 됩니다. AI가 만든 안을 그대로 사용하지 않고, 왜 채택했거나 버렸는지까지 설명할 수 있다면 훨씬 실무적인 인상을 줍니다.
마케터 취준생이 AI를 활용한 프로젝트에서 답해야 하는 질문
- 어떤 고객 문제나 시장 기회를 발견했는가
- 어떤 자료를 근거로 고객·경쟁사·시장 상황을 해석했는가
- AI가 만든 시장조사 요약이나 아이디어 중 무엇을 채택하거나 제외했는가
- 여러 기획안 가운데 무엇을 우선했고, 왜 그렇게 판단했는가
- 분석 결과를 상품 구성, 가격, 메시지, 캠페인 중 무엇으로 연결했는가
►AI 시대 마케터 취업 준비, 어떻게 해야 할 지 막막하다면?
4. 데이터 사이언티스트 : 데이터로 문제를 해석하는 능력이 중요
Claude 사용량 순위 : 전체 923개 직업 중 상위 4.2% · 업무 활용 범위: 상위 0.8% (68.8%)
데이터 사이언티스트는 AI 사용량이 많고, AI가 활용되는 업무 범위도 넓은 직무입니다. 이 결과를 ‘데이터 사이언티스트의 일 대부분을 AI가 한다’로 읽어선 안 됩니다. 데이터 정리나 결과물 초안처럼 형태가 비교적 분명한 일에서는 AI에 업무를 많이 맡길 수 있습니다. 하지만 무엇이 중요한 변수인지, 분석 결과가 현실의 문제를 제대로 설명하는지, 그 결과를 어떤 의사결정으로 연결할지는 사람이 계속 판단하고 검증해야 하는 일로 남겨져 있죠.
데이터 사이언티스트에게 AI 활용 역량은 모델이나 코드를 더 빨리 만드는 능력에서 끝나지 않습니다. AI가 만든 결과가 믿을 만한지 판단하고, 숫자를 실제 문제 해결로 번역하는 능력까지 포함합니다.
데이터 사이언티스트 취준생이 AI를 활용한 프로젝트에서 답해야 하는 질문
- 어떤 문제를 데이터 문제로 정의했는가
- 어떤 데이터와 변수를 선택하거나 제외했고, 그 이유는 무엇인가
- AI가 만든 분석·코드·해석에서 무엇을 검증했는가
- 모델 성능과 실제 비즈니스 활용 가능성 사이에서 어떤 한계를 발견했는가
- 분석 결과를 어떤 의사결정이나 실행안으로 연결했는가
►AI 시대 데이터사이언티스트 취업 준비, 어떻게 해야 할 지 막막하다면?
5. UI/UX 디자이너 : 화면을 만드는 속도보다 문제를 정의하는 힘
Claude 사용량 순위 : 전체 923개 직업 중 상위 0.9% · 업무 활용 범위: 상위 9.8% (36.7%)
UI/UX 디자이너는 여기에서 소개한 6개 직업 중 AI 사용량 순위가 가장 높습니다. 하지만 AI의 업무 활용 범위는 36.7%죠. 사용량 순위가 더 낮은 데이터 사이언티스트가 68.8%의 업무에서 AI를 활용하고 있는 것을 참고하면, UI/UX 디자이너는 업무의 모든 단계에 고르게 AI가 활용되는 편은 아닙니다.
세부적으로는 테스트나 고객 피드백에서 발견된 문제를 수정하는 업무, 링크가 제대로 작동하는지 점검하는 업무, 여러 브라우저와 기기에서 테스트 절차를 만드는 업무는 주로 AI가 직접 처리하는 것으로 나타났습니다. 반면 사용자 조사와 피드백을 해석하고, 새로운 시각 디자인의 컨셉을 만들고 UX에 새로운 해결책을 적용, 예산·성능·접근성·개인정보 보호 같은 기술 조건을 디자인 계획에 반영하는 업무는 사람이 AI의 도움을 받아 판단하는 방식으로 이뤄지고 있었죠.
정리하면 디자인 업무에서 AI는 빠르게 시안을 만들고, 반복적인 점검을 돕고, 수정할 대상을 찾는 데 많이 쓰입니다. 하지만 어떤 시각 언어가 브랜드와 사용자에게 맞는지, 피드백 가운데 무엇을 반영할지, 접근성·성능·일정 같은 제약을 어떻게 조정할지는 여전히 디자이너가 중심이 되어 결정하는 일입니다.
UI/UX 디자이너 취준생이 AI를 활용한 프로젝트에서 답해야 하는 질문
- 어떤 사용자 문제를 해결하려 했는가
- 사용자 조사와 피드백에서 무엇을 발견했는가
- AI가 제안한 화면·문구·디자인 방향 중 무엇을 선택하거나 제외했는가
- 브랜드, 사용성, 접근성, 성능, 개발 가능성 사이에서 무엇을 우선했는가
- 테스트 뒤 어떤 문제를 수정했고, 그 수정이 사용자 경험을 어떻게 바꿨는가
► AI 시대 디자이너 취업 준비, 어떻게 해야 할 지 막막하다면?
6. 로봇 엔지니어 : 제어 코드를 만드는 사람에서, 움직임을 검증하는 사람으로
Claude 사용량 순위 : 전체 923개 직업 중 상위 40.5% · 업무 활용 범위: 상위 41.1% (12.5%)
로봇 엔지니어는 AI 사용량과 업무 적용 범위가 모두 낮은 편입니다. 로봇 엔지니어에게 AI가 중요하지 않다는 의미는 아닙니다. 이번 조사 결과는 Claude에서 관측된 사용만 보여줍니다. 로봇 엔지니어가 다른 생성형 AI나 로봇 개발 도구를 사용해서 하는 업무는 이번 데이터에 포함되지 않습니다. 장비 조립, 센서 측정, 현장 테스트, 하드웨어 조정처럼 Claude 대화로 포착하기 어려운 업무가 많기 때문에, 낮은 사용량을 곧 AI 활용 부족으로 해석하면 안 됩니다.
그래도 일부 업무에서는 Claude 사용이 관측됐습니다. 대표적으로 설계안, 계산 결과, 비용 추정치를 검토하거나 승인하는 업무에서는 AI와 사람이 함께 처리하는 방식이 나타났습니다. 로봇 시스템을 제어하는 소프트웨어를 설계하는 업무에서는 AI에게 업무를 주로 맡기고 있었죠.
로봇 엔지니어 취준생이 AI를 활용한 프로젝트에서 답해야 하는 질문
- 어떤 물리적 작업과 환경을 로봇이 수행해야 했는가
- 센서 오차, 충돌 가능성, 지연 시간, 안전 기준 중 무엇을 먼저 고려했는가
- AI가 제안한 제어 로직·코드·설계안에서 무엇을 검증하거나 수정했는가
- 시뮬레이션 결과와 실제 장비 테스트 결과가 다를 때 어떻게 원인을 찾았는가
- 성능, 비용, 안정성, 안전성 사이에서 어떤 기준으로 선택했는가
►AI 시대 로봇 엔지니어 취업 준비, 어떻게 해야 할 지 막막하다면?
출처