요즘 실리콘밸리 기업들이 AI로 줄인 인력을 다시 채용하는 이유

최근 몇 년간 기업들은 AI 투자를 확대하는 동시에 개발자를 비롯한 인력을 줄여왔습니다. AI가 반복 업무와 코딩을 대신하면 더 적은 인원으로 같은 성과를 낼 수 있다고 본 것이죠. 그런데 최근 분위기가 달라지고 있습니다. AI 도입을 이유로 없앴던 직무를 다시 채용하거나, AI 코딩 도구의 사용량에 제한을 거는 기업이 늘고 있습니다. 이유는 두 가지입니다. 예상보다 비용이 훨씬 컸고, 생산성 향상도 기대에 미치지 못했기 때문이죠.

가트너는 2026년 전 세계 AI 지출이 2조5,900억 달러로 전년보다 47% 증가할 것으로 전망했습니다. 실제로 일부 실리콘밸리 기업에서는 AI 인프라와 에이전트형 서비스, 클라우드 이용료가 빠르게 늘면서 AI 비용이 직원 인건비를 앞지르기 시작했죠. AI로 사람을 줄였던 기업들은 왜 다시 사람을 찾고 있을까요? 그 이유를 하나씩 살펴보겠습니다.

AI 코딩 도구 비용은 왜 예상보다 커졌을까?

기업들은 그동안 Claude Code, GitHub Copilot, Cursor 같은 AI 코딩 도구를 개발자에게 적극 지원해 왔습니다. 기본 요금은 개발자 한 명당 월 수십 달러 수준이라 부담이 크지 않아 보입니다. 문제는 코드베이스를 분석하고 생성·테스트·수정을 반복하는 에이전트를 상시 쓰면 기본 제공량을 금방 넘긴다는 점입니다.

2026년 6월 월간 요금 기준이며, 서비스와 계약 방식에 따라 달라질 수 있습니다.

개인 단위에서는 크지 않은 금액도 전사로 확대하면 상당한 비용이 됩니다. 사용 인원만큼 기본 요금이 붙는 데다 더 강력한 모델과 에이전트를 많이 사용할수록 추가 사용량도 빠르게 늘기 때문입니다. 이에 따라 AI 활용을 적극 지원하던 기업들도 비용 관리에 나서고 있습니다. 대표적으로 국내에서는 안랩과 넷마블 등이 오는 6월부터 AI 코딩 도구의 사용량에 한도를 두기 시작했습니다.

AI로 줄인 인력을 왜 다시 채용할까?

최근 여러 글로벌 조사에 따르면 AI를 이유로 인력을 감축한 기업 10곳 중 7곳이 해고한 직원을 일부 재고용했습니다. AI가 쓸모없어서가 아닙니다. 자동화할 수 있는 몇 가지 업무와 사람이 맡아온 직무 전체를 같은 것으로 판단한 데서 문제가 시작됐습니다.

① 예상하지 못한 운영비가 늘었다

인건비는 줄었지만 AI를 기존 시스템과 연결하고 운영하는 비용이 새롭게 발생했습니다. 서버와 클라우드 자원은 물론 보안, 모니터링, 장애 대응에도 계속 비용이 들어갑니다. 개발 현장에서는 비효율적인 AI 생성 코드가 필요 이상의 컴퓨팅 자원을 사용해 클라우드 비용을 높이기도 합니다. 구독료만 계산했을 때는 보이지 않던 비용이 실제 운영 단계에서 드러난 것입니다.

② AI가 만든 결과를 그대로 쓸 수 없었다

AI는 정해진 형식의 문의에 답하거나 데이터를 정리하고, 콘텐츠와 코드의 초안을 만드는 일에는 강합니다. 하지만 예외 상황을 판단하고 고객의 의도를 파악하거나 여러 조건 사이에서 우선순위를 정하는 일까지 맡기기는 어렵습니다. 결국 AI가 만든 결과를 확인하고 수정하는 일은 사람에게 남았습니다. 인력을 줄인 뒤에는 이 업무가 남은 직원에게 몰리면서 기대했던 생산성 향상도 줄어들었죠.

이미지

③ 사람이 빠지자 업무의 맥락도 사라졌다

직원이 회사를 떠날 때 없어지는 것은 단순한 노동력만이 아닙니다. 고객이 어떤 문제를 자주 겪는지, 왜 기존 방식이 만들어졌는지, 예외 상황에서는 어떻게 대응해야 하는지와 같은 경험도 함께 사라집니다.

이런 정보는 문서나 데이터에 모두 남아 있지 않습니다. 개발 현장에서는 코드가 만들어진 이유를 아는 사람이 없어지고, 고객 접점에서는 예상하지 못한 문제를 책임지고 해결할 사람이 부족해집니다. AI만으로 채우기 어려웠던 이 공백이 기업들이 다시 사람을 찾는 이유가 됐습니다.

AI 시대, 놓쳐서는 안 될 질문들

AI가 반복 업무를 줄이고 생산성을 높이는 동시에, 기업의 채용도 빠르게 위축되고 있습니다. 다만 지금은 AI가 어떤 일을 더 잘하고 어디까지 사람을 대신할 수 있는지 검증하는 과도기입니다. 도입 속도만 높이기보다 그 과정에서 놓치고 있는 것은 없는지도 함께 살펴봐야 합니다.

AI 덕분에 동료에게 묻고 함께 문제를 해결하는 시간이 줄었다면, 그것은 정말 더 나은 생산성일까요?

AI가 빠르게 답을 내놓을수록 동료에게 묻고 함께 머리를 맞대는 일은 줄어듭니다. 개인의 속도는 빨라져도 조직이 지식을 쌓고 나누는 힘은 오히려 약해질 수 있습니다.

신입 채용을 줄이는 결정도 다시 생각해볼 필요가 있습니다. 초급 업무를 AI가 대신하면 당장의 비용은 아낄 수 있지만, 신입이 실무를 경험하며 성장할 기회도 함께 줄어들기 때문입니다. 하버드와 MIT 연구진이 약 18만 명의 개발자를 분석한 결과, AI 도입 효과는 경력이 짧은 개발자에게 더 크게 나타났습니다. 신입을 AI로 대체하기보다 AI를 활용해 더 빠르게 경험을 쌓도록 하는 편이 기업에도 더 나은 선택일 수 있습니다.

계산기가 있어도 기초 산수를 배우는 것처럼, AI가 코드를 만들어주는 시대에도 알고리즘과 자료구조, 디버깅, 코드 이해력 같은 기본기는 필요합니다. AI를 얼마나 많이 쓰는가보다, AI가 만든 결과를 이해하고 더 나은 답을 판단할 수 있는 사람을 어떻게 키울 것인지가 중요해지고 있습니다.

AI가 더 많은 일을 맡게 될수록 기업이 필요한 사람의 기준도 달라질 수밖에 없습니다. 단순히 코드를 빠르게 만드는 사람보다, AI가 만든 결과를 읽고 문제를 찾아내며 끝까지 책임질 수 있는 개발자가 더 중요해지는 것이죠. 결국 채용에서도 AI 활용 경험만큼 알고리즘과 자료구조, 디버깅, 문제 해결력 같은 기본기를 어떻게 검증할지가 중요해질 것입니다. AI 시대에도 흔들리지 않는 개발 기본기, 코드트리에서 직접 문제를 풀며 준비해보세요.