Canonical: 이 글은 교차 게시물입니다. 원문은 https://four-leaf.ai/blog/what-ai-native-means-in-job-postings에 있습니다.

기술 분야의 모든 기업은 스스로를 AI-native(AI 네이티브)라고 부르지만, 글로 무엇을 요구하는지 확인하기 전까지 그 라벨은 무용지물입니다. 그래서 저희가 확인해 보았습니다. Four-Leaf의 AI Stack Index는 2026년 4월 1일부터 5월 초 사이 공개 기업의 채용 피드에서 추출한 48,053개의 원본 목록 중 중복을 제거한 37,920개의 채용 공고를 분석했습니다. 또한 단일 고용주가 샘플의 5%를 초과하지 않도록 제한을 두었습니다. 각 공고에 대해 75개의 AI 도구 및 기술 중 하나라도 명시되어 있는지, 그리고 각 항목이 필수(required), 우대(preferred), 또는 단순히 언급(mentioned)되었는지를 확인했습니다. 전체 데이터셋은 CC BY 4.0 라이선스 하에 무료로 제공되므로, 행을 추출하여 아래의 어떤 수치든 직접 확인해 보시기 바랍니다.

7개의 공고 중 단 하나만이 AI 도구를 명시하고 있습니다

가장 핵심적인 수치는 의외로 조용합니다. 37,920개의 공고 전체를 통틀어, 저희가 추적하는 75개의 AI 도구 및 기술 중 하나라도 언급된 비율은 단 14.6%에 불과했습니다. 라벨은 기업에 붙어 있지만, 구체적인 요구 사항은 소수의 직무에만 존재합니다.

기업은 제품과 홍보 문구에서 AI-native일 수 있지만, 정작 게시하는 대부분의 직무는 2년 전과 동일한 기술을 요구할 수 있습니다.

가장 흔한 AI 기술조차 비중이 낮습니다

AI 도구가 등장하더라도 그 범위는 좁습니다. 가장 많이 언급된 AI 기술은 에이전틱 AI (agentic AI), 즉 에이전트(agents)와 에이전틱 워크플로(agentic workflows)로, 공고의 8%를 차지했습니다. 그 이후로는 수치가 급격히 떨어집니다. PyTorch는 1.8%, 검색 증강 생성 (RAG, retrieval-augmented generation)은 1.3%, OpenAI API는 1.3%, Cursor는 1.3%, 프롬프트 엔지니어링 (prompt engineering)은 1.2%, 그리고 Anthropic API와 TensorFlow는 각각 약 1.1%를 기록했습니다.

에이전틱 작업(agentic work)을 제외하고는 단 하나의 AI 도구도 시장의 2%를 넘지 못합니다. 이 도구들의 긴 목록을 쫓는 것은 헛된 노력입니다. 목표 직무에 맞는 한두 가지 기술에 깊이를 더하는 것이, 열 가지 이름을 나열하기만 한 이력서보다 훨씬 낫습니다.

그리고 그것은 실제로 요구되는 경우가 거의 없습니다

AI 도구가 등장하는 경우에도, 그것들은 대개 필수 조건(gate)이라기보다는 있으면 좋은(nice-to-have) 요소에 불과합니다. 에이전틱 AI (Agentic AI)는 공고의 8%에서 언급되지만, 필수 사항으로 나열된 경우는 0.1%에 불과합니다. 검색 증강 생성 (Retrieval-augmented generation, RAG), 모델 API (model APIs), 그리고 Cursor는 이름이 언급되더라도 필수 사항으로 요구되는 비율이 사실상 0%입니다.

AI 유창성 (AI fluency)은 진입 장벽이 아니라, 우열을 가리는 결정적 요소 (tiebreaker)로 읽힙니다. AI 네이티브 (AI-native) 기업이 특정 프레임워크를 모른다는 이유로 자신을 거절할 것이라고 가정하는 개발자들은 대개 공고가 작성되는 방식에 대해 잘못 알고 있는 것입니다.

요구 사항은 몇몇 직군에 집중되어 있습니다

AI 도구 활용은 조직 전체에 고르게 퍼져 있지 않습니다. 네 가지 직군이 14.6%의 평균치를 훨씬 상회합니다. 데이터 (Data) 역할은 26.7%, 엔지니어링 (engineering)은 26.6%, 디자인 (design)은 24.8%, 그리고 제품 (product)은 22.4%의 비율로 AI 도구를 언급합니다. 마케팅 (Marketing)은 16.7%로 평균에 근접하며, 고객 및 영업 (customer and sales) 역할은 약 14.5%입니다. 그 이후로는 수치가 낮아지는데, 운영 (operations)은 7%, 과학 (scientific) 역할은 5.2%입니다.

만약 데이터, 엔지니어링, 디자인, 또는 제품 직군을 목표로 한다면, 하나의 에이전틱 프레임워크 (agentic framework)와 하나의 주요 모델 API (model API)를 기본 소양 (table stakes)으로 취급하는 것이 합리적입니다. 이 직군들을 제외하면, AI 네이티브 고용주는 당신이 특정 라이브러리 이름을 아는 것보다 당신의 워크플로 (workflow)에서 AI 도구를 사용하는지에 훨씬 더 관심을 가질 가능성이 높습니다.

시사점

AI 네이티브는 실제 공고에서 요구하는 사항과 대조해 보기 전까지는 대부분 포지셔닝 (positioning)에 불과합니다. 37,920건의 공고 중에서, 특정 AI 도구 요구 사항이 나타나는 역할은 약 7개 중 1개꼴이며, 가장 흔한 단일 기술은 8%에 불과합니다. 도구들은 거의 항상 필수 사항이 아니며, 수요는 데이터, 엔지니어링, 디자인, 제품 직군에 집중되어 있습니다. 전체 보고서 및 데이터셋이 여기에 제시된 모든 수치를 뒷받침합니다.