AI 오퍼레이터 지도: AI 직군을 나누는 축은 따로 있습니다

얼마 전에 링크드인으로 메시지가 하나 왔습니다. 호주의 AI 전문 리크루팅 회사에서 일한다는 리크루터였고, 호주 전역의 고객사에 보낼 AI 인재를 찾는 중인데 제 프로필이 눈에 띄었다고 했습니다. 이야기를 나눠보자기에 수락했습니다. 다만 제 이유는 따로 있었습니다. 이 시장에서 AI 인력 수요가 실제로 어떤 모양인지, 공고 내는 사람들한테 직접 들어보고 싶었거든요.

그러다 보니 그 통화는 사실 인터뷰가 두 개였습니다. 그쪽은 실무자부터 임원까지 연봉 7만에서 25만 호주달러 이상으로 올라가는 3단 사다리 위에 저를 올려놓고 재고 있었고, 저는 반대로 기업들이 정확히 어떤 문제를 풀려고 사람을 찾는지 그들한테서 읽어내려 하고 있었습니다.

하지만 제가 궁금한 건 그 사다리 어디에도 없었습니다. 같은 실무 티어로 두 명을 뽑아도 사내 워크플로를 자동화할 사람과 LLM으로 제품을 만들 사람은 완전히 다른 채용인데, 필요한 경험도 보여줘야 할 근거도 다른데, 사다리에는 그 구분 자체가 없었습니다. 결국 궁금한 건 못 듣고 통화가 끝났습니다.

그래서 직접 확인해 보기로 했습니다. 채용 공고, 급여 가이드, 국가 통계까지 뒤졌고, 이 글에 나오는 숫자에는 전부 출처와 기준을 붙였습니다. 범위는 호주 시장이고, 글로벌 조사는 그렇게 표시했습니다. 왜 그렇게까지 하는지는 읽다 보면 나옵니다.

시장이 실제로 쓰는 이름은 다섯 갈래로 나뉩니다

직함을 걷어내고 “이 사람이 무슨 문제를 푸는가"로 묶으면 다섯 개가 남습니다. 업계 표준 분류는 아니고, 제가 공고와 조사들을 묶어 만든 분류입니다.

다섯 줄로 지도가 끝나면 좋겠지만, 직함으로 검색하는 순간 이 표는 현실과 어긋나기 시작합니다.

직함은 계속 바뀌어도 기능은 남습니다

직함만이 아니라 그걸 둘러싼 자격증까지 바뀝니다. 올해 사례만 봐도 됩니다.

• 마이크로소프트는 Power Automate RPA 개발자 자격증(PL-500)을 2026년 6월에 폐지하고, 에이전트 자격증(AB-100)을 그 자리에 놓았습니다. 자격증 이름은 바뀌었는데 자동화라는 기능은 그대로입니다.
• Chief AI Revenue Officer라는 직함은 콘텐츠에서는 계속 돌아다니는데, 실제로 이 직함을 단 사람은 한 명도 못 찾았습니다.
• Forward Deployed Engineer는 Indeed 데이터 기준으로 공고가 한 해 새 729% 늘었는데, 정작 애플리케이션과 아키텍처 두 기능에 걸쳐 있어서 어느 한 칸에 들어가지 않습니다.
• 멜버른의 한 정부 기관 AI Enablement Lead 공고는 AI 로드맵과 책임 있는 AI 거버넌스, 조직 학습 프로그램까지 한 사람에게 묶어놨습니다.
• 국제 프라이버시 협회(IAPP) 조사를 보면 프라이버시 전문가의 68%가 AI 거버넌스 업무까지 겸직으로 맡고 있습니다.

그래서 이 지도의 단위는 직함이 아니라 기능입니다. 공고들을 보면 작은 조직은 한 사람에게 기능 여러 개를 묶고, 조직이 클수록 기능마다 팀이 붙는 경향이 보입니다. 도입률 자체도 규모에 따라 다릅니다. 호주 통계청 2024-25 사업체 조사 기준으로 AI를 쓰는 곳이 대기업은 35%, 중견은 22%, 소·영세기업은 11%입니다.

툴도 규모에 따라 다릅니다. 유튜브 자동화 콘텐츠의 중심인 n8n은 2026년 Gartner iPaaS(기업 시스템 통합 플랫폼) 매직 쿼드런트에서 리더는커녕 그리드에도 오르지 못하고 본문 언급에 그쳤습니다. 리더는 Boomi, Workato, SAP, Salesforce, Microsoft입니다. 셀프호스팅 n8n을 쓰는 회사는 절반이 직원 2~10명짜리고요(Bloomberry가 인증서 로그로 탐지한 셀프호스팅 기준이라 클라우드 고객은 안 잡힙니다). 대기업 안에도 n8n은 들어가 있습니다. 갈리는 건 회사가 정식으로 사 주고 프로덕션 승인까지 내 주느냐입니다. 유튜브가 가르치는 툴과 회사가 실제로 사서 쓰는 툴이 왜 이렇게 다른지는 따로 한 편을 써야 할 이야기라 여기서는 한 줄만 하겠습니다. 엔터프라이즈 벤더는 유튜버한테 제휴 수익을 주지 않습니다. SMB 툴은 줍니다. n8n은 제휴 링크로 들어온 클라우드 구독 매출의 30%를 12개월 동안 줍니다.

“일단 아무거나 배우면 되지 않나”

되면 좋을 텐데, 실패 데이터를 보면 그게 쉽지 않습니다.

기업 AI 도입 실패율은 인용하는 쪽마다 숫자가 다릅니다. 30%라는 곳도 있고 95%라는 곳도 있는데, 재는 대상도 세는 단위도 제각각이라 한 줄로 세울 수가 없습니다. 그래서 한 숫자만 뽑아 들면 거의 반드시 왜곡됩니다.

“AI 프로젝트의 95%가 실패한다"는 문장을 어디서 보셨다면, 출처는 이 표의 맨 아랫줄입니다. 정식 심사를 거친 논문은 아니고 잠정 보고서고, 근거는 인터뷰 52건에 콘퍼런스 설문 153건, 공개 사례 검토 300여 건입니다. 판정 기준이 6개월 관찰에 인터뷰 진술 기반이라는 게 진짜 한계고, 심지어 같은 보고서에서 범용 챗봇은 약 83%가 파일럿을 통과합니다. 이 시리즈의 모든 숫자에 출처와 기준을 붙이는 이유가 이겁니다.

기준은 제각각이어도 세 조사에서 똑같이 나오는 게 하나 있습니다. McKinsey, BCG, MIT 전부에서, 성공한 쪽은 만들기 전에 결과부터 정의했고 툴을 얹는 대신 워크플로를 다시 짰다는 겁니다. 인과관계까지 증명된 건 아니고 그냥 같이 나타난다는 정도지만, 세 조사 다 같은 방향을 가리킵니다. 제가 보기엔, 뭘 측정할지 아는 사람이 귀한 시장입니다.

그리고 AI 스킬에는 이미 값이 붙어 있습니다. 호주에서 AI 스킬을 요구하는 공고는 4년간 성장이 미미하다가 한 해 만에 2만 개에서 4만 1천 개로 뛰었고, 그런 공고의 임금 프리미엄은 평균 62%입니다(PwC AI Jobs Barometer 호주판 2026, 업종별로는 8~59%). 수요는 커지는데 어느 규모의 조직에 들어가느냐에 따라 만나는 툴도, 보여줘야 할 근거도 달라집니다.

기능마다 근거가 다릅니다

그래서 이 지도의 마지막 열은 툴이 아니라 근거입니다.

표에 낯선 용어가 있어도 괜찮습니다. eval 하네스가 뭔지, 행동 변화를 어떻게 재는지는 기능 편에서 하나씩 풀 겁니다.

근거는 나중에 몰아서 만들 수 있는 게 아닙니다. 처음부터 측정을 붙여서 만들면 결과물과 같이 쌓입니다. 어떤 기능에서 무엇을 어떻게 측정하는지, 그 칸을 이 시리즈가 하나씩 채웁니다.

지금 AI 커리어를 고민 중이라면, 직함이 아니라 풀고 싶은 문제부터 고르면 됩니다. 그렇게 쌓은 경험이 앞으로 커리어를 발전시키는 토대가 됩니다.

다음 편은 자동화입니다.