실행은 AI가 거의 공짜로 해주니 판단력만 남았다는데, 정작 판단력을 키워주던 자리가 제일 먼저 AI로 대체되었다. PwC가 10억 건 넘는 채용 공고를 돌려 붙인 이름, '시니어화'.


1. 이력서는 도로를 계속 새로 까는 동네의 지도

• 옛날 이력서는 지도였음. 대기업 로고는 '누가 이미 품질검사 했다', 한 직장 8년은 '한 사이클 버텼다'는 신호. '아는 시스템에서 아는 일 할 수 있냐'엔 꽤 쓸 만했음.
• 문제는 이제 '아는 일'이 별로 없다는 것. 1월에 쓴 직무기술서가 12월엔 낙서 수준.
• Canva 인사총괄은 면접 핵심 질문을 '뭘 했냐'에서 '어떻게 알아냈냐'로 바꿈. 앞 질문은 재방송을 틀게 하고, 뒤 질문은 머릿속 기계장치를 열어보게 함. 뭘 가정했고, 뭘 만들었다 버렸고, 언제 마음을 바꿨는지.
• ElevenLabs는 연차 요건을 거의 버림. 회사 밖에서 뭘 만들었는지, 시키지 않아도 AI를 어떻게 쓰는지가 기준. 혈통 대신 증거가 통화가 됨.


2. 조직도 말고 '안개' 쪽으로 뽑아라

• 첫 채용은 전 직장 조직도 복사가 아니라 회사의 가장 큰 미지수를 향해 던지는 것.
• ElevenLabs는 엔지니어보다 연구자를 먼저 뽑음. 자체 음성 모델이 되느냐가 생사 문제였으니까. Nevis는 반대로 엔지니어보다 창립 디자이너를 먼저 앉힘. 새 카테고리에선 만드는 능력이 아니라 뭘 만들 가치가 있는지 아는 게 귀했으니까.
• 자기가 제일 모르는 분야의 첫 사람을 뽑음.


3. 판단력이 새 희소자원, 그런데 싼 결과물의 함정

• 누구나 코드, 대시보드, 시안, 분석을 뽑아내면 가치는 증발이 아니라 이사를 감. 만드는 쪽에서, 뭘 만들 가치가 있는지 정하는 쪽으로.
• 화면 만드는 게 사소해지면 디자인의 가치는 제작에 못 머물고 취향과 방향으로 옮겨가야 함. '그냥 돌아가는 제품'과 '쓰는 사람에게 필연처럼 느껴지는 제품'의 차이.
• 요즘 제일 레버리지 큰 사람은 운영자보다 정찰병. 지도 없는 땅에 들어가 관점을 세우고, 조직이 움직일 수 있는 뭔가를 들고 돌아오는 사람.
• AI가 엔지니어를 디자이너로 만들어주지 않고, 취향 밑에 깔린 깊은 전문성도 없애주지 않는다고 못 박음. 싼 결과물을 좋은 결정으로 착각한 회사는 더 빨리 달리면서 고객에게서 더 멀어짐.
• 판단력은 그대로인데 다섯 배 빨리 내놓는 팀은 다섯 배의 가치가 아니라 다섯 배의 실수를 만듦. 그것도 하나하나 번지르르하게 포장돼서 꽤 고민한 것처럼 보이는 실수들.


4. 견습 과정이 자동화됐다

• Indeed Hiring Lab 기준 2026년 5월 미국 시니어 공고는 전년 대비 14.7% 증가, 신입 공고는 7.5% 감소. 2022년부터 쭉.
• AI 노출 큰 직종의 20대 초반 취업자는 생성형 AI 확산 후 약 16% 상대적 감소. 
• Harvard 워킹페이퍼는 28만 개 넘는 기업, 6,600만 명을 봤는데, 생성형 AI 도입 기업은 주니어 채용을 확 줄이고 시니어는 계속 늘림.
• 시니어화. AI 노출 큰 직종의 신입 공고는 예전 같으면 경력 10년쯤에 나오던 역량(전략적 판단, 이해관계자 관리)을 요구할 확률이 7배. 신입 공고에 새로 등장한 역량 중 원래 시니어 몫이던 비중이 최상위 직종 52%, 최하위 직종 7%.
• 원래 주니어 자리는 판단력이 찍혀 나오던 공장 바닥이었음. 1년차가 자료 모으고 초안 쓰고 상사가 그걸 고쳐 쓰는 방에 앉아 있던 건, 결과물 생산이 아니라 경험자가 이견을 다루고 방향을 틀고 나쁜 소식 전하는 걸 지켜보는 게 본업. 그걸 2~3년 반복하면 지금 회사들이 입사 첫날 요구하는 딱 그 역량이 나옴.


5. 장부에 안 잡힌 빚, 역량 부채

• '조직 역량 부채'. 미래 리더에게 필요한 판단력과, 쪼그라든 초년차 파이프라인이 실제로 찍어내는 판단력 사이의 틈. 기술 부채처럼 장부에 안 보이다가 어느 분기 갑자기 청구서가 날아옴.
• 군살 없는 AI 네이티브 회사에선 몇 사람이 에이전트와 워크플로와 내부 운영체제를 다 만듦. 그중 한 명이 나가면 벽 뒤 배선을 통째로 뜯긴 기분.
• 문서화는 도움이 되지만, 문서는 한 사람이 알던 걸 보존할 뿐 결정할 수 있는 두 번째 사람을 제조하진 못함.


6. 필터는 맞았는데, 공장이 없다

• 그래도 주니어를 뽑되, 신입 자리를 판단력이 예전보다 빨리 자라도록 일부러 다시 설계하는 게 필요.
• 실제 사례. 1,000명 규모 미디어 에이전시 Brainlabs는 사내 아카데미를 닫는 대신 AI 중심으로 뜯어고쳐 신입 코호트를 2023년 10월 19명에서 2026년 4월 64명으로, 237% 늘림. 로펌들도 초안 뽑는 주니어 대신 모델 결과물을 검증하고 그 주변 워크플로를 관리하는 주니어 쪽으로 이동 중.
• 새로 설계된 첫 직장의 모습. 초안은 덜, 검증은 더. 수집은 덜, 수집한 게 무슨 뜻이고 누구에게 영향 주는지 결정하는 건 더.
• 전체 그림. 채용 필터는 확실히 좋아짐. 혈통보다 증거, 결과물보다 판단, 물려받은 조직도보다 불확실성. 인터뷰에 나온 실무자 전부 이 순간을 정확히 읽고 있음.
• 실패는 한 층 아래, 개인이 아니라 집단 차원. 새 필터를 쓰는 거의 모든 회사가 '누군가 다른 데서 기계 부릴 사람을 계속 길러주겠지'라는 말 없는 가정 위에서, 자기는 조용히 채우기를 멈춘 연못의 물을 퍼 올리는 중.
• 기계가 문제가 아님. 판단력을 알아보는 데는 똑똑해졌는데 판단력을 만드는 건 딱 그 순간 멈춰버린 채용 시장이 문제. 


'모델 결과물 검증이 첫 직장이라니 이상하다. 틀린 걸 알아보려면 판단력이 있어야 하는데, 그건 반복 훈련으로 생기는 것 아닌가.' 닭과 달걀 문제인데, 달걀 낳던 닭부터 잡아먹은 형국이죠.

출처: Ruben Dominguez, "Everyone Is Hiring for Judgment. Nobody Is Making It Anymore." The AI Corner (Substack), 2026년 9월 21일.