앤트로픽이 1억 달러로 1만 명을 키운다: AI 시대에 먼저 필요한 사람은 '프롬프트 사용자'가 아니다

AI가 사람의 일을 빼앗을 것이라는 뉴스는 매일 나온다. 그런데 10월 2일 앤트로픽이 내놓은 발표는 조금 다른 질문을 던진다. 앤트로픽이 1억 달러를 투자해 2027년 말까지 1만 명의 AI 엔지니어를 키우겠다고 했다​는 소식이다.

이 사람들은 모델을 연구하는 박사만을 뜻하지 않는다. 기업의 실제 업무를 골라 AI를 붙이고, 보안 검토를 통과시키고, 현장에 배포한 뒤 결과를 책임지는 사람들이다. 앤트로픽은 이 역할을 Frontier Deployed Engineer, 줄여서 FDE라고 부른다.

나는 이 발표를 “AI 자격증이 하나 더 생겼다”로 읽지 않는다. 오히려 AI 시대의 병목이 모델 사용법에서 업무 현장에 배포할 사람으로 이동했다​는 신호로 읽는다. 장기적으로 AI가 많은 직업을 대체한다고 생각하지만, 동시에 이렇게 새로운 역할도 빠르게 생긴다. 기회를 잡으려면 도구 이름보다 업무를 바꾼 증거를 먼저 만들어야 한다.

내 업무의 AI 대체 가능성부터 점검하기 나에게 맞는 커리어 전환 경로 찾기

앤트로픽이 1만 명을 직접 뽑는다는 뜻은 아니다

먼저 숫자를 정확히 읽어야 한다. 앤트로픽이 1만 명을 자사 직원으로 채용한다는 발표가 아니다. Accenture, Bain, Capgemini, Deloitte, McKinsey, Morgan Stanley, Novo Nordisk 등 파트너 조직의 엔지니어를 대상으로 교육하고, 기업 내부의 실제 프로젝트에 투입하는 구조다. 참여도 공개 지원이 아니라 조직의 추천 방식이다.

훈련은 의료 레지던시 모델을 닮았다. 여러 날의 대면 교육에서 실제 기업 배포를 모의로 연습하고, 보안 검토와 평가를 통과하면 12주 동안 자기 회사의 실제 Claude 프로젝트를 이끈다. 마지막에도 평가를 통과해야 Frontier Deployed Engineer 배지를 받는다. 강의를 들었다는 사실보다 실제 업무를 배포하고 검증했다는 기록이 중요하다​는 설계다.

AI 시대에 부족한 사람은 코더가 아니라 배포자다

기업에는 이미 챗봇을 써본 사람이 많다. 부족한 것은 “이 도구로 무엇을 해볼까?”에서 멈추지 않고 “이 업무의 어느 단계를 바꾸고, 누가 승인하며, 오류가 나면 어떻게 되돌릴까?”까지 답하는 사람이다.

예를 들어 인사팀에서 지원자 문의를 자동화한다고 하자. 프롬프트를 잘 쓰는 사람은 답변 초안을 만들 수 있다. 하지만 업무를 실제로 바꾸는 사람은 문의를 유형별로 분류하고, 개인정보가 포함된 질문은 사람에게 보내고, 채용 일정 변경은 승인권자에게 알리고, 답변이 틀렸을 때 기록을 남긴다. 여기서 가치가 생기는 지점은 프롬프트가 아니라 업무 맥락·예외·책임의 경계​다.

단순한 AI 활용	배포자에 가까운 활용	이력서에 남길 증거
회의록을 요약했다	결정사항·미결사항·민감정보를 분리해 검토 큐를 만들었다	예외 기준, 검토자, 재작업 기록
고객 질문에 답했다	반복 문의는 자동화하고 환불·법률 문의는 상담원에게 넘겼다	라우팅 규칙, 사람 승인 지점
보고서를 작성했다	데이터 수집부터 검증·배포까지 흐름을 연결했다	사용 데이터, 오류 점검, 인계 문서

이 역할은 개발자에게만 열려 있지 않다. 회계, 인사, 영업, 제조, 연구에서 업무의 순서와 위험을 아는 사람이 기술 담당자와 함께 설계할 수 있다. 코드를 많이 쓰는 능력은 강력한 장점이지만, 현장 문제를 작은 실험으로 바꾸고 결과를 설명하는 능력​이 출발점이 될 수 있다.

이력서에서 ‘AI를 썼다’를 지우고 이렇게 바꿔보자

“생성형 AI를 활용해 업무 효율을 높였다”는 문장은 너무 넓다. 채용자는 실제로 무엇을 했는지 알 수 없다. 다음 네 칸을 채워보자.

예시는 이렇게 쓸 수 있다. “고객 문의 30건의 가상 데이터로 유형 분류 흐름을 만들고, 환불·개인정보 키워드는 사람 검토로 라우팅했다. 분류 오류 6건의 원인을 기록하고 예외 규칙을 수정했다.” 실제 절감률을 측정하지 않았다면 숫자를 만들어내지 말자. 작은 표본과 한계까지 적은 기록이 과장된 AI 경력보다 오래 간다.

7일 동안 만드는 나만의 FDE 실험

1일 차에는 내 업무를 검색·복사·요약·분류·판단·승인·설득으로 쪼갠다. 2일 차에는 목표 직무 공고 10개에서 deploy, evaluate, integrate, govern, handoff에 해당하는 동사를 찾는다. 3일 차에는 개인정보 없는 가상 데이터로 반복 작업 하나를 고른다.

4~5일 차에는 AI가 처리할 단계와 사람이 승인할 단계를 연결한다. 6일 차에는 오류, 예외, 재작업 횟수와 처리 시간을 기록한다. 7일 차에는 결과를 README나 포트폴리오 한 장으로 정리하고 이력서 한 문장으로 바꾼다. 이 과정은 앤트로픽의 12주 레지던시를 그대로 복제하는 것이 아니라, 실제 문제를 골라 배포·검증·인계까지 해보는 축소판​이다.

나는 AI가 장기적으로 많은 직업을 대체한다고 생각한다. 그러나 기술이 바뀔 때마다 기존 업무가 사라지는 자리에서 새로운 운영자·검증자·설계자가 생겼다. 이번 앤트로픽 발표가 보여주는 기회도 그쪽에 있다. AI를 많이 써봤다는 사람보다, AI가 틀릴 때 어디서 멈춰야 하는지 알고 결과를 현장에 넘겨본 사람이 다음 채용에서 더 오래 설명할 수 있다.

프롬프트 사용자에서 AI 구축자로 이동하기 채용자가 평가할 수 있는 작업 증거 만들기 AI 노출 전공자의 다음 취업 단계 보기