AI 에이전트 시대, 취업·이직 준비생이 노려볼 유망 직무와 분야는?

📌 오늘의 안건
AI 에이전트 시대, 취업·이직 준비생이 노려볼 유망 직무와 분야는?

AI 에이전트가 확산되면서 기존 일자리가 어떻게 바뀔지 궁금합니다. 저는 취업·이직을 준비 중이고 아직 희망 직무를 정하지 못했습니다. 높은 연봉과 성장 가능성을 기준으로, AI 에이전트 시대에 유망한 직무와 분야를 추천해 주세요. 그리고 그 분야에서 어떤 역량을 준비해야 하는지도 알고 싶습니다.

일이 틀어졌을 때 몇 달을 버틸 수 있나요? 저는 이 고민에서 최악의 경우를 그려 보고, 그때도 무너지지 않을 방어선을 함께 세우는 일을 맡을게요.

리더십 책은 해마다 수천 권씩 나오는데, 조직은 왜 그대로일까요? 저는 모두가 당연하게 믿는 통념과 그 뒤에 숨은 맹점을 하나씩 뒤집어 볼게요.

이 자리에서 저는 수많은 커리어 고민 뒤에 실제로 어떤 숫자가 놓여 있는지를 맡겠습니다. 채용 수요와 연봉, 스킬 수요의 흐름을 출처와 함께 차분히 짚어 드리겠습니다.

전 세계 일자리의 25%가 생성형 AI에 노출돼요. 그런데 노출이 곧 해고라는 전제, 맞을까요? ILO 연구[1]는 일자리 소멸보다 업무 변화가 더 흔할 것으로 봐요. 그래서 직무 이름에 ‘AI’가 붙었는지보다, AI가 낸 결과를 검증하고 실제 시스템에 적용할 수 있는지를 기준으로 고르겠어요.

연봉과 성장성을 함께 보면 ① 데이터 사이언스·AI 평가 ② 보안 ③ AI 응용 소프트웨어 개발 순으로 추천해요. 미국 노동통계국의 2025년 중위 연봉과 2025~2035년 고용 전망은 각각 데이터 사이언티스트[1] 12만 230달러·35% 증가, 정보보안 분석가[2] 12만 9,180달러·21% 증가, 소프트웨어 개발자[3] 13만 5,980달러·10% 증가예요. 단, 이 수치는 미국의 직업 전체 중위값이에요. 한국 신입 연봉으로 읽으면 측정 착시예요.

준비도 직무별로 좁히세요. 데이터는 SQL·통계·실험 설계·모델 평가, 보안은 클라우드 권한·위협 분석·사고 대응, 개발은 API·데이터 파이프라인·테스트·운영이 핵심이에요. 공통으로 에이전트가 틀리거나 권한을 넘었을 때 이를 찾아내는 작은 프로젝트를 만들고, 오류율·비용·처리 시간을 전후 비교해 보여 주세요. ‘프롬프트를 잘 쓴다’는 말만으로 높은 연봉을 설득할 수 있을까요?

한국 기준으로 지난 4년 사이 청년 취업자 28만5천 명이 줄었고, 그중 94%가 AI 노출도가 높은 업종에서 줄었어요(한국은행 2026.7, 이투데이 보도[1]). 그래서 "어느 직무가 연봉이 제일 높은가"를 먼저 묻는 건 순서가 틀려요. 먼저 물어야 할 건 "AI가 대신하는 일이 신입이 맡던 일인가, 아니면 책임을 지는 일인가"예요. 미국도 같은 흐름이에요. 스탠퍼드 디지털경제연구소 분석을 보면 22~25세 소프트웨어 개발자 고용은 2022년 말 정점보다 약 20% 낮아요. 같은 직무의 26~55세 고용은 오히려 유지되거나 늘었어요(Business Standard[2]). 한국은행도 AI가 유일한 원인이라기보다 이미 약해지던 경력 사다리를 더 빨리 흔들었다고 진단해요.

AI는 직업을 통째로 없애기보다 그 직업의 맨 아래 칸을 먼저 걷어내고 있다는 뜻이에요.

그렇다면 어디에 서야 할까요? 저는 바벨 구조로 답해요. - 방어 쪽(소득이 끊기지 않게 하는 곳): 'AI가 틀렸을 때 책임질 사람'이 필요한 직무. 보안(WEF 유망 직무 상위권), 금융·의료·제조처럼 규제가 있는 분야에서 AI를 도입하고 운영하는 일, 전력·반도체·데이터센터 같은 물리 인프라 직무가 여기에 들어가요. 규제와 물리 세계가 버티고 있어서 자동화가 가장 늦게 닿는 곳이에요. - 공격 쪽(크게 오를 수 있는 곳): AI 에이전트를 만들고 평가하는 직무. AI/ML 엔지니어, 데이터 엔지니어, 에이전트 워크플로 설계자 같은 일이에요. WEF는 2030년까지 가장 빠르게 늘어날 직무로 빅데이터 전문가, 핀테크 엔지니어, AI·ML 전문가를 꼽았어요(WEF Future of Jobs 2025 요약[1]). 다만 2023년의 '프롬프트 엔지니어' 열풍을 떠올려 보세요. 고액 연봉 공고로 화제가 됐지만, 모델이 좋아지면서 따로 떼어 낸 직무로서는 금방 존재감이 줄었어요.

이름이 붙은 유행 직무에 경력을 몽땅 걸면 2~3년 뒤 그 직무가 사라질 때 같이 무너져요. - 피해야 할 중간 지대: 도메인 지식 없이 코딩만 하는 주니어 개발자, 단순 데이터 분석, 사무 처리 직무예요. 신입 채용이 가장 먼저 줄어드는 곳이에요.

어떤 역량을 준비하느냐는 "실패했을 때 되돌아갈 길이 남는가"로 골라야 해요.

1. 도메인 하나를 깊게 아세요. 금융, 의료, 보안, 제조 중 하나면 돼요. 이게 공격 쪽 베팅이 실패했을 때 돌아올 곳이에요.
2. AI 에이전트를 직접 다뤄 본 증거를 쌓으세요. 에이전트를 업무 흐름에 붙이고, 결과물을 평가하고, 오류를 검증하고, 비용과 보안까지 관리해 본 포트폴리오가 필요해요. 강의 수료증보다 실제로 돌아가는 결과물이 채용에서 신호가 돼요.
3. 공백 기간을 대비하세요. 전환에 실패하면 공백이 6~12개월쯤 생긴다고 보고, 그만큼의 생활비와 당장 일할 수 있는 직무 하나를 미리 확보해 두세요.

결론은 이래요. 직무의 80%는 '도메인+AI 운영·보안'처럼 쉽게 무너지지 않는 쪽에 두고, 20%는 'AI 에이전트 엔지니어링'처럼 크게 오를 수 있는 쪽에 거세요. 지금 연봉이 가장 높다는 이유 하나로 직무를 고르면, 그 직무가 바로 다음 자동화 대상이 될 수 있어요.

Sources:

• 이투데이 – 한국은행 청년고용 보고서[1]
• Business Standard – Stanford 연구 보도[2]
• WEF Future of Jobs 2025 요약[3]

최신 공고·연봉·AI 도입 수치를 먼저 확인한 뒤, 그 숫자 위에서 유망 직무를 좁히겠습니다.노려볼 자리는 신생 직함 그 자체가 아니라, 에이전트를 운영 시스템에 붙이는 응용 AI 엔지니어와 그 아래의 데이터·평가·인프라 층입니다. 스탠퍼드 HAI 2026 AI Index(Lightcast)는 미국 공고에서 ‘에이전틱 AI’ 언급이 전년 대비 약 280% 늘어 약 9만 건에 이르렀고, AI 스킬 공고 비중은 2.5%로 1년 새 55% 올랐다고 집계합니다. 같은 흐름에서 Indeed는 미국 소프트웨어 개발 공고가 2025년 초 이후 약 15% 늘었는데, 2025년 5월부터 2026년 5월 증가분의 71%가 시니어, 37%가 직함에 AI가 들어간 자리였습니다. 신입 소프트웨어 개발 고용은 생성형 AI 확산 이후 약 20% 줄었습니다. 가격도 같은 방향을 가리킵니다.

미국 노동통계국(BLS, 2025년 5월) 기준 소프트웨어 개발자 중위 연봉은 13만 5,980달러, 데이터 과학자는 12만 230달러이며, Robert Half 2026은 AI/ML 엔지니어 전국 구간을 13만 4,000–19만 3,250달러(중점 17만 750달러)로 둡니다. BLS는 2025–2035년 소프트웨어 개발 +10%, 데이터 과학 약 +35%를 전망합니다. 한국 원화 밴드는 BeBee류 집계라 공신력이 약한데, 2026년 AI 엔지니어 중앙값을 약 7,830만 원대로 적어 미국 프리미엄과 격차가 큽니다. 연봉을 최우선이면 미국·원격 시니어 시장이 기준선입니다.

공고의 질량은 여전히 일반 소프트웨어 엔지니어에 있습니다. Skillenai(2026-10-15, 90일)는 ‘AI agents’가 들어간 공고 3,522건 중 소프트웨어 엔지니어 15.9%, 프로덕트 매니저 8.7%, AI 엔지니어 5.8%를 차지하고, 직전 4주 대비 수요 비중은 7.7% 올랐다고 봅니다. 절대 수가 작은 ‘에이전트 전략가’류는 비중만 높고 자리 수는 적습니다. 세계경제포럼 Future of Jobs 2025는 2030년까지 일자리 1억 7,000만 개 창출·9,200만 개 소멸(순증 7,800만)을 고용주 설문으로 제시하고, 수요가 가장 빨리 느는 스킬로 AI·빅데이터·사이버보안을 꼽습니다. 동시에 고용주 41%는 AI가 자동화하는 업무에서 인원을 줄일 계획이라고 답했습니다. ILO 2025 노출 지수는 사무·행정직의 노출이 가장 높고, 전 세계 고용의 3.3%만이 최고 노출 구간에 든다고 봅니다. 줄일 쪽은 정형 코딩·고객 응대·백오피스이고, 남을 쪽은 평가·권한·비용·장애를 책임지는 생산 계층입니다.

준비할 역량은 네 겹입니다. Python으로 도구 호출·RAG·멀티스텝 에이전트를 끝까지 배포하는 능력, 검색 품질과 환각·비용·지연을 숫자로 재는 평가 체계, 벡터 검색·파이프라인·관측(MLOps, Kubernetes)입니다. 그리고 금융·제조·의료처럼 규제가 있는 도메인에서 사람이 최종 승인을 어디에 두는지 설계하는 판단입니다. 프롬프트만 다루는 직함과, 경력 없는 범용 주니어 코딩은 공고 증가의 바깥에 있습니다. 포트폴리오는 데모 챗봇이 아니라, 실패율·단가·사람 개입률이 적힌 운영 기록이 되어야 합니다.

근거: weforum.org[1] · skillenai.com[2] · secondtalent.com[3] · n8nlab.io[4] · articsledge.com[5] · ilo.org[6]

94%가 AI 노출 업종에서 줄었다고요? 그 숫자만으로 AI가 청년 고용 감소를 일으켰다고 결론 내릴 수는 없어요. 허성민 초안의 강점은 신입 경력 사다리를 짚은 점이에요. 하지만 “규제·물리 인프라는 자동화가 가장 늦다”는 주장도 근거가 더 필요해요. 문가은 초안의 에이전트 공고 증가율 역시 눈길은 끌지만, 공고에 붙은 단어가 채용 인원이나 신입 연봉을 보장하진 않아요. 숫자, 꽤 능청스럽죠?

그래서 제 추천 순서는 조금 바꿔요. 한국 취업·이직을 준비한다는 가정에서 ① 보안·클라우드 운영 ② 데이터 엔지니어링·AI 평가 ③ 특정 산업에 붙인 응용 AI 개발이에요. 기존 답변은 미국 직업 전체 연봉으로 순위를 매긴 약점이 있었어요. 희망 직무가 아직 없다면, 먼저 지원 가능한 신입·주니어 공고가 있는지를 봐야 해요. 높은 연봉의 시니어 자리만 많은 분야를 유망한 첫 직장이라고 부를 수 있을까요?

준비할 때도 ‘에이전트를 만들었다’에서 한 걸음 더 가세요. 권한을 잘못 썼을 때 누가 멈추고, 오류가 났을 때 누가 복구하는지까지 설계해 보여 주세요. 다른 초안들의 경력 사다리와 운영 책임 논거는 받아들이겠어요. 다만 ‘주니어 개발은 피하라’는 식의 일괄 처방은 과해요. 평가·보안·산업 지식을 함께 익힐 수 있는 개발 자리라면 여전히 노릴 만해요.

미국 노동통계국(BLS)은 소프트웨어 개발 고용이 10년간 10% 늘 거라고 봐요. 그런데 같은 기간 22~25세 개발자 고용은 정점보다 20% 줄었어요. 두 숫자는 서로 부딪히지 않아요. 앞의 것은 이미 자리 잡은 사람까지 합친 직업 전체의 규모이고, 뒤의 것은 새로 들어오는 신입의 숫자예요. 권도윤 님이 BLS 수치를 "한국 신입 연봉으로 읽으면 착시"라고 짚은 건 정확해요. 다만 착시는 연봉에서만 생기지 않아요. 성장률도 직업 전체 기준이라, 신입이 들어갈 문이 넓어진다는 뜻으로 읽으면 안 돼요. 데이터 사이언스를 1위로 둔 판단도 그래요. "+35%"가 대시보드를 만드는 분석가 자리까지 넓혀 준다고 보기는 어려워요. 그래서 저는 권도윤 님의 순위를 이렇게 쪼개서 받아들여요. 실험 설계와 모델 평가는 공격 쪽에 넣고, 단순 분석은 그대로 피할 쪽에 둬요. 그리고 권도윤 님이 제안한 "에이전트가 틀리거나 권한을 넘은 걸 잡아내고, 오류율·비용·처리 시간을 전후로 비교하는 프로젝트"는 제 포트폴리오 항목보다 구체적이에요. 그대로 가져와서 바꿔 쓸게요.

문가은 님 자료를 보고 제 결론을 고쳐요. Indeed 공고 증가분의 71%가 시니어 자리라면, 제가 "공격 쪽 20%"라고 부른 AI 에이전트 엔지니어 자리는 취업 준비생에게 거의 닫힌 문이에요. 그런데도 거기에 경력을 걸면 어떻게 될까요? 바벨의 공격 쪽이 사실상 지원서 수십 장을 버리는 일로 끝나요. 그래서 바벨을 직무 단위가 아니라 소득과 시간 단위로 다시 짜요.

• 소득(80%)은 방어 쪽에서 받아요. 신입을 아직 뽑는 규제 산업(금융·의료·제조)이나 보안 직무예요. 고용주 41%가 자동화되는 업무에서 인원을 줄이겠다고 한 상황에서, 이 자리들은 사다리의 아래 칸이 아직 남아 있는 곳이에요.
• 시간(20%)은 공격 쪽에 써요. 들어갈 문은 'AI 엔지니어'라는 직함이 아니에요. 'AI agents' 공고의 15.9%를 차지하는 일반 소프트웨어 엔지니어 자리예요. AI 엔지니어 직함 공고는 5.8%뿐이에요. 에이전트 스킬은 직함이 아니라 옵션으로 들고 다니세요. 그러면 유행 직함이 사라져도 손실이 시간 20%에서 멈춰요.

"연봉을 최우선으로 보면 미국·원격 시니어 시장이 기준선"이라는 문가은 님 말에는 반대해요. 그 시장은 시니어 자리라서 신입이 처음부터 쓸 수 있는 선택지가 아니에요. 그 연봉을 첫 직장 목표로 삼으면, 그 기준에 못 미치는 제안을 거절하는 동안 공백만 길어져요. 마지막으로 직무를 고를 때 세 가지만 물어보세요.

1. 이 직무에서 3년을 버티면, 그 경력을 다른 회사의 다른 직무로 옮길 수 있나요?
2. 그 회사는 올해도 신입을 뽑았나요? 공고가 늘었는지가 아니라 실제로 신입이 들어갔는지를 보세요.
3. 공격 쪽 베팅이 0이 되어도, 6~12개월 생활비와 지금 바로 일할 수 있는 직무가 남아 있나요?

세 질문 중 하나라도 "아니요"라면, 연봉이 아무리 높아도 그 직무는 기회보다 위험이 커요.

신입·이직 준비생의 1순위는 연봉 상단의 ‘에이전트 엔지니어’ 직함이 아니라, 규제 도메인에서 에이전트 결과의 오류·권한·비용을 책임지는 응용 엔지니어입니다. 허성민의 지적이 맞습니다. 22–25세 소프트웨어 개발 고용이 2022년 말 정점 대비 약 20% 낮고 26–55세는 유지·증가라면, 미국 시니어 중위값(소프트웨어 개발 13만 5,980달러)을 기준선으로 삼는 제 초안은 경력 사다리가 이미 있는 사람에게만 성립합니다. 희망 직무가 없는 준비생에게 그 숫자는 도착점이지 입구가 아닙니다.

권도윤의 서열은 성장률만 보면 타당합니다. BLS 2025–2035는 데이터 과학 약 +35%, 정보보안 분석가 +21%(중위 12만 9,180달러), 소프트웨어 개발 +10%입니다. 보안을 연봉 표 밖으로 둔 제 초안은 그 점에서 수정합니다. 다만 공고의 질량은 여전히 일반 소프트웨어입니다. Skillenai의 ‘AI agents’ 공고 3,522건 중 소프트웨어 엔지니어 15.9%, 프로덕트 매니저 8.7%, AI 엔지니어 5.8%라서, 보안·평가만 떼어 데이터 과학을 1순위로 두면 자리 수를 놓칩니다. 허성민의 전력·반도체·데이터센터는 자동화가 늦은 방어막으로는 맞으나, 에이전트 공고의 임금 프리미엄이 모이는 층은 아닙니다. 프롬프트 엔지니어처럼 직함 유행에 경력을 거는 공격도 기각합니다.

그래서 베팅은 하나로 겹칩니다. 금융·의료·제조 중 도메인 하나를 고정하고, 그 안에서 도구 호출 에이전트를 배포한 뒤 실패율·단가·사람 개입률·권한 이탈을 전후로 측정하십시오. 평가가 본업이면 데이터 쪽, 권한·사고가 본업이면 보안 쪽, 시스템을 붙이는 일이 본업이면 응용 개발 쪽으로 같은 기록이 분기합니다. 도메인 없는 주니어 코딩과 직함만 있는 전략가 자리는 그 기록 밖에 있습니다.

1순위는 보안·클라우드 운영이에요. 한국에서 신입·주니어로 진입한다는 가정에서요. 에이전트가 권한을 잘못 쓰거나 작업에 실패하면 누가 탐지하고 복구할까요? 접근 제어, 로그 분석, 클라우드 배포와 장애 대응을 익히세요. 포트폴리오에는 에이전트의 권한 제한, 이상 행동 탐지, 중단·복구 과정을 담으세요.

2순위는 데이터 엔지니어링·AI 평가, 3순위는 특정 산업의 응용 AI 개발이에요. 전자는 데이터 파이프라인과 평가 지표를 익히고, 오류 사례를 모아 개선 전후를 비교한 결과물을 만드세요. 후자는 산업 업무를 이해한 뒤 실제 과정을 자동화하고, 사람이 검토할 지점과 실패 처리 방식을 보여 주세요. 주니어 개발을 통째로 피할 이유가 있을까요? 평가·보안·산업 지식을 쌓을 수 있는 자리라면 노릴 만해요.

이 순위는 연봉 확정 순위가 아니라 지원 우선순위예요. 미국 성장률이나 ‘AI 에이전트’가 적힌 공고 수로 한국 신입 채용과 연봉을 대신 판단할 수는 없어요. 어느 분야도 자동화에서 안전하다고 전제하지 마세요. 한국 채용 사이트에서 같은 기간의 신입·주니어 공고 수, 제시 연봉 범위, 요구 경력을 직무별로 비교해 순위를 검증하세요. 시니어 공고만 많은 고연봉 분야가 첫 직장으로도 유망할까요?

먼저 결론부터 말할게요. 한국 신입·이직 준비생에게 맞는 순위는 ① 규제 산업(금융·의료·제조)의 소프트웨어·데이터 엔지니어 → ② 보안(권한·접근 통제) → ③ 일반 소프트웨어 엔지니어에 에이전트 스킬을 얹는 길 → ④ AI 평가·실험 설계(시간 20%만 투자)예요. 단순 분석·대시보드 직무와 'AI 에이전트 엔지니어'라는 직함으로 신입 지원하는 건 피하세요. 중간 점검의 지적은 받아들여요. 저도 "자동화에 안전한 직무"라는 전제는 버릴게요. 어느 직무든 신입이 맡던 단순 업무는 에이전트가 먼저 가져가요. 그럼 무엇으로 고르나요? 기준은 두 가지예요. 에이전트가 낸 결과에 사람이 서명하고 책임져야 하는 곳인지, 그리고 3년 뒤 그 경력을 다른 직무로 옮길 수 있는지예요. 22~25세 고용이 20% 줄어든 원인이 AI든 금리든 결론은 같아요. 어느 쪽이든 신입 문은 좁아졌으니, 방어 쪽에서 소득을 먼저 확보하라는 처방은 그대로예요.

직무별로 준비할 것은 이래요. 핵심 근거는 둘이에요. 'AI agents' 공고 가운데 일반 소프트웨어 엔지니어 직함이 15.9%, AI 엔지니어 직함은 5.8%예요. 그리고 Indeed 공고 증가분의 71%가 시니어 자리예요.

• ① 규제 산업 엔지니어: SQL, 데이터 파이프라인, 그리고 감사 기록을 남기는 설계를 익히세요. 포트폴리오는 "에이전트 처리 결과를 사람이 검토·승인하는 흐름"을 넣은 업무 자동화 사례로 만드세요.
• ② 보안: 클라우드 권한 관리와 로그 분석을 준비하세요. 포트폴리오는 권도윤 님 안을 그대로 써요. 에이전트가 틀리거나 권한을 넘은 행동을 잡아내고, 오류율·비용·처리 시간을 도입 전후로 비교하는 프로젝트예요.
• ③ 일반 SWE: 백엔드 기본기를 갖추고 API 호출과 툴 호출을 다룰 줄 알아야 해요. 에이전트는 직함이 아니라 이력서의 한 줄로 넣으세요.
• ④ AI 평가·실험 설계: 통계, A/B 실험, 평가 데이터셋 설계를 익히세요. 이 길은 생활비가 확보된 다음에만 시간을 쓰세요.

솔직히 말하면 이 순위는 미국 통계 위에 세운 가설이에요. 한국 신입 공고 수와 연봉 범위가 확인되기 전까지는 확정이 아니에요. 그러니 직접 검증하세요. 국내 채용 사이트 두세 곳에서 네 직무 키워드를 '신입·경력 0~2년' 조건으로 걸고, 4주 동안 매주 공고 수를 기록하세요. 연봉 범위를 공개한 공고에서는 하한값의 중앙값만 따로 모으세요. 관심 회사는 올해 실제로 신입이 입사했는지 현직자 프로필로 확인하세요. 4주 평균 공고 수가 가장 적은 직무는 순위에서 한 칸 내리세요. 그래도 지난 라운드의 세 질문(이직 가능성, 올해 실제 신입 채용, 6~12개월 생활비)은 그대로 통과해야 해요. 하나라도 "아니요"라면 순위가 높아도 지원 목록에서 빼세요.

규제 산업 하나, 금융·의료·제조 가운데 하나를 고정한 응용 엔지니어가 희망 직무가 비어 있는 한국 신입·이직 준비생의 1순위입니다. 2순위는 그 도메인에서 에이전트의 권한과 사고를 맡는 보안이고, 3순위는 같은 배포의 실패와 비용을 채점하는 평가·데이터입니다. 자리의 질량이 성장률 표보다 앞섭니다. 연봉 상단의 직함은 사다리가 이미 있는 사람의 도착점입니다.

근거는 셋입니다. ‘AI agents’ 공고 3,522건에서 소프트웨어 엔지니어 15.9%, 프로덕트 매니저 8.7%, AI 엔지니어 5.8%이므로, 데이터 과학의 2025–2035년 약 +35%만으로 입구를 정하면 공고 수를 놓칩니다. 정보보안 분석가는 같은 기간 +21%, 중위 12만 9,180달러로 소프트웨어 개발 +10%의 빈자리를 메웁니다. 22–25세 소프트웨어 개발 고용이 2022년 말 정점 대비 약 20% 낮고 26–55세는 유지·증가한 사실은, 미국 시니어 중위 13만 5,980달러가 준비생의 입구가 아님을 보여줄 뿐이며, 그 감소는 AI가 아니라 금리와 경기로도 설명됩니다. 한국 신입·주니어 공고 수와 연봉은 이 논의에 없습니다. 순위는 미국 공고 구성이 국내 규제 산업 IT에 대략 통한다는 가정 위의 가설입니다. 보안·클라우드 운영·데이터 엔지니어링·평가의 신입 실무도 에이전트로 먼저 줄어들 수 있어, ‘자동화에 안전하다’는 전제는 쓰지 않습니다. 공고에 에이전트라는 단어가 붙은 것은 신입 채용이 늘었다는 증거가 아닙니다.

준비의 실물은 전후 측정 기록입니다. 고른 도메인의 업무 하나에서 도구 호출 에이전트를 배포하고, 실패율·건당 비용·사람 개입률·권한 이탈을 도입 전후로 적은 표를 포트폴리오 첫 장에 두십시오. 응용 개발은 그 표에 기존 시스템 연동·롤백·비용 상한을, 보안은 최소 권한·감사 로그·사고 재현을, 평가는 채점 기준과 오탐 재현을 붙입니다. 검증은 사람인·잡코리아·원티드에서 같은 4주, 신입·경력 1–3년, 같은 직무명과 도메인 키워드로 세 직무군의 공고 수와 제시 연봉 하한·상한을 세는 일입니다. 국내 신입 공고 수가 성장률 순서를 뒤집으면 자리 수를 위로 올리고, 연봉 상단만 높고 신입 공고가 비면 그 직무는 경력자의 도착점으로 내리십시오.