AI 시대에 몸값이 오르는 사람들의 공통점

AI가 빠르게 일상과 산업 안으로 들어오면서 “앞으로 어떤 사람이 더 가치 있어질까?”라는 질문이 점점 더 중요해지고 있다. 단순히 코딩을 잘하는 사람일까, 최신 도구를 잘 쓰는 사람일까, 아니면 좋은 회사에 먼저 들어간 사람일까.

희야기 채널의 영상 OpenAI 엔지니어가 말하는 AI 시대에 몸값이 폭등중인 사람의 특징은 OpenAI Innovation Labs에서 일하는 Jay의 커리어와 관점을 통해 이 질문을 풀어간다.

Jay는 Amazon AWS, Microsoft, Facebook, 스타트업을 거쳐 현재 OpenAI에서 일하고 있다. 그의 커리어는 단순히 좋은 회사를 옮겨 다닌 이력이라기보다, 기술의 흐름이 바뀔 때마다 자신을 새로운 문제 공간에 던져온 과정에 가깝다.

이 인터뷰에서 가장 반복적으로 등장하는 단어는 의외로 “AI 툴”도, “코딩 실력”도 아니다. 바로 호기심이다.

시장가치는 실력만으로 결정되지 않는다

사람의 시장가치는 무엇으로 결정될까?

Jay는 기술력, 희소성, 회사, 시장 선택이 모두 중요하다고 말한다. 한 가지 요소만으로 설명하기 어렵다는 뜻이다. 뛰어난 후보자는 대체로 “올라운더”에 가깝다.

특히 AI 시대에는 아직 포장되지 않은 길이 많다. 모델을 어떻게 활용할지, AI가 어떤 업무를 바꿀 수 있을지, 사람과 조직의 생산성을 어떻게 끌어올릴지에 대한 정답이 아직 고정되어 있지 않다.

그래서 중요한 것은 단순히 주어진 기술을 잘 쓰는 능력이 아니다. 오히려 이런 질문을 계속 던지는 태도다.

이 기술로 무엇을 바꿀 수 있을까?
사람들이 아직 충분히 활용하지 못하는 부분은 어디일까?
이 모델의 능력을 실제 제품이나 업무에 어떻게 연결할 수 있을까?

AI 시대의 높은 시장가치는 이런 질문을 끝까지 파고드는 사람에게 생긴다.

같은 실력도 어느 시장에 있느냐에 따라 다르게 평가된다

Jay는 자신의 몸값을 높이는 방법에 대해 흥미로운 비유를 든다.

같은 아메리카노라도 마트에서는 2달러일 수 있고, 경기장 안에서는 12달러일 수 있다. 커피 자체는 같지만, 놓인 장소와 수요가 다르기 때문에 가격이 달라진다.

사람의 능력도 마찬가지다.

내가 가진 기술이 어떤 시장에서는 평범하게 평가될 수 있지만, 다른 시장에서는 훨씬 높은 가치로 평가될 수 있다. 따라서 커리어를 키우기 위해서는 두 가지를 동시에 봐야 한다.

첫째, 내가 실제로 더 나은 사람이 되어야 한다.
둘째, 내 능력을 더 높게 평가하는 시장으로 이동할 줄 알아야 한다.

단순히 “실력을 키우자”에서 끝나면 부족하다. 반대로 “돈 되는 시장만 찾자”도 위험하다. 중요한 것은 실력 향상과 시장 선택을 동시에 하는 것이다.

AI라는 흐름을 먼저 읽는 사람은 맥락을 많이 가진 사람이다

Jay는 AI가 커질 것을 어떻게 알았느냐는 질문에 “맥락”을 이야기한다.

트렌드를 먼저 읽는 사람들은 운 좋게 찍는 것이 아니다. 특정 영역에 대해 충분히 많이 알고 있기 때문에, 어떤 변화가 실제로 큰 변화인지 구분할 수 있다.

ChatGPT가 대중에게 공개되기 전에도 AI를 깊게 이해하고 있던 사람들은 이미 “이건 세상을 바꿀 수 있다”고 느끼고 있었다. 왜냐하면 그들은 모델의 능력, 한계, 발전 속도, 응용 가능성을 이미 보고 있었기 때문이다.

결국 미래를 잘 읽는 능력은 예언 능력이 아니라, 충분한 배경지식에서 나오는 감각에 가깝다.

AI를 많이 써보고, 모델이 무엇을 잘하고 못하는지 관찰하고, 실제 업무나 제품에 적용해본 사람은 자연스럽게 기회를 더 빨리 발견한다.

AI가 이전의 기술 유행과 다른 이유

과거에도 VR, AR, 메타버스, 스마트 글래스처럼 큰 기대를 받았던 기술들이 있었다. 하지만 그중 일부는 생각보다 오래 지속되지 못했다.

Jay는 AI가 다른 기술들과 구분되는 이유를 범용성에서 찾는다.

VR이나 AR은 특정 문제를 해결할 수 있지만, 사용자가 헤드셋을 써야 하거나 특정 환경에 들어가야 하는 제약이 있다. 반면 AI는 훨씬 더 많은 영역에 들어갈 수 있다.

법률, 의료, 교육, 업무 자동화, 소프트웨어 개발, 고객 지원, 문서 처리, 로보틱스까지 거의 모든 산업이 AI와 연결될 수 있다.

AI는 하나의 제품 카테고리라기보다, 여러 산업의 내부에 스며드는 기반 기술에 가깝다. 그래서 단기적인 유행이 아니라 훨씬 넓은 변화로 이어질 가능성이 크다.

OpenAI에서 본 뛰어난 사람들의 특징

Jay는 OpenAI에 합류한 뒤 “똑똑한 사람”에 대한 정의가 바뀌었다고 말한다.

그가 본 뛰어난 사람들은 단순히 자기 업무만 잘하는 사람들이 아니었다. 이들은 자신이 맡은 제품이나 기능을 넘어서, 전체 시스템이 어떻게 동작하는지 알고 싶어 했다.

예를 들어 어떤 요청이 AI 시스템에 들어왔을 때, 그 요청이 어떤 경로를 거치고, 어떤 구성요소와 연결되고, 최종적으로 어떻게 결과가 만들어지는지 전체 흐름을 이해하려고 한다.

즉, 뛰어난 사람들은 부분 최적화에 머물지 않는다. 그들은 엔드투엔드로 이해하려는 사람들이다.

이 지점에서 다시 호기심이 등장한다. 하지만 여기서 말하는 호기심은 단순한 관심이 아니다. 모르는 것을 대충 넘기지 않고, 끝까지 구조를 파악하려는 집요함에 가깝다.

AI 시대에는 워크플로 전체가 바뀐다

Jay가 OpenAI에 들어와서 가장 크게 느낀 것은 AI가 생각보다 훨씬 깊게 업무 흐름 안에 들어간다는 점이었다.

기존에는 AI를 “제품 안에 넣는 기능” 정도로 생각하기 쉬웠다. 무언가를 만들고, AI 기능을 붙이고, 출시하는 식이다.

하지만 실제 변화는 더 넓다.

아이디어를 정리하는 과정, 제품을 설계하는 과정, 팀과 커뮤니케이션하는 과정, 고객과 대화하는 과정, 문서를 검토하는 과정, 과거 회의 내용을 다시 찾는 과정까지 AI가 들어갈 수 있다.

Jay는 “자동화하지 않는 것이 오히려 낭비처럼 느껴진다”고 말한다.

AI는 특정 기능을 대체하는 도구가 아니라, 일하는 방식 전체를 바꾸는 도구가 되고 있다. 그래서 AI를 잘 활용하는 사람과 그렇지 않은 사람 사이의 생산성 차이는 앞으로 더 커질 수밖에 없다.

앞으로 주목할 분야: 로보틱스와 버티컬 AI

AI 시대에 어떤 분야가 더 중요해질까?

Jay는 조금 더 구체적인 답으로 로보틱스를 꼽는다.

그가 로보틱스를 긍정적으로 보는 이유는 단순히 멋있어서가 아니다. 로봇이 해결할 수 있는 현실 세계의 문제가 너무 많기 때문이다.

청소, 물류, 가사, 해양 정화, 위험한 현장 작업, 반복 노동 등 로보틱스는 물리 세계의 수많은 문제와 연결된다. AI가 디지털 영역에서 지능을 확장한다면, 로보틱스는 그 지능을 현실 세계의 행동으로 이어주는 영역이다.

또 하나 중요한 흐름은 버티컬 AI다.

범용 모델의 성능이 좋아지면서, 이제는 특정 산업 문제를 깊게 이해하고 AI와 결합하는 회사들이 늘어나고 있다. 법률, 의료, 하드웨어, 금융, 교육 같은 분야에서 기존 문제를 AI로 다시 풀어보려는 시도가 많아질 것이다.

여기서 기회는 모델 자체를 만드는 사람에게만 있지 않다. 오히려 특정 도메인의 문제를 잘 알고, 모델의 가능성과 한계를 이해하는 사람에게 큰 기회가 생긴다.

20대로 돌아간다면 가장 많이 할 일: 만들기

Jay는 20대로 돌아가 커리어를 위해 시간을 투자한다면 무엇을 하겠느냐는 질문에 명확하게 답한다.

제품을 많이 만들 것.

책을 읽고, 강의를 듣고, 논문을 보는 것도 중요하다. 하지만 실제로 무언가를 만들어보면 전혀 다른 종류의 배움이 생긴다.

제품을 만들면 자연스럽게 이런 질문을 마주하게 된다.

• 사용자는 누구인가?
• 어떤 문제를 해결하는가?
• 어떻게 배포할 것인가?
• 어떻게 운영할 것인가?
• 왜 사람들이 쓰지 않는가?
• 장애가 나면 어떻게 대응할 것인가?
• 기능보다 중요한 것은 무엇인가?

이런 질문들은 책상 앞에서 공부만 할 때는 잘 생기지 않는다. 하지만 실제 사용자를 대상으로 무언가를 만들면 피할 수 없이 마주하게 된다.

Jay는 제품이 실패해도 괜찮다고 말한다. 중요한 것은 제품 하나의 성공 여부가 아니라, 만드는 과정에서 쌓이는 기반 지식이다.

결국 좋은 엔지니어, 좋은 빌더는 많이 만들어본 사람일 가능성이 높다.

커리어 초반에 피해야 할 것: 보상만 최적화하기

Jay는 커리어 초반에 자신도 보상을 많이 의식했다고 말한다. 하지만 지금 돌아보면, 돈을 너무 우선순위에 둔 것이 아쉽다고 한다.

물론 보상은 중요하다. 하지만 장기적으로 보면 훌륭한 엔지니어가 되는 과정에서 보상은 따라올 가능성이 높다. 반대로 보상만 최적화하려고 하면, 정작 실력과 임팩트를 키울 시간을 놓칠 수 있다.

그가 강조하는 것은 “프로세스를 믿는 것”이다.

좋은 문제를 풀고, 많이 배우고, 더 나은 엔지니어가 되고, 더 큰 임팩트를 만들다 보면 보상은 따라올 수 있다. 하지만 처음부터 보상만 보고 움직이면 장기적인 성장의 방향이 흔들릴 수 있다.

이 말은 돈을 무시하라는 뜻이 아니다. 다만 커리어 초반에는 “어디가 더 많이 주는가”만큼이나 “어디에서 더 많이 배울 수 있는가”를 봐야 한다는 뜻이다.

성장의 동기: 하루가 끝날 때 조금 더 나은 사람이 되는 것

Jay가 계속 성장하려는 이유는 단순히 더 높은 연봉이나 더 좋은 직함 때문만은 아니다.

그는 아침에 일어난 자신과 밤에 잠드는 자신이 조금은 달라져 있기를 바란다고 말한다.

그 변화가 꼭 AI나 기술일 필요는 없다. 공원이 어떻게 만들어지는지 알게 되는 것도 배움이고, 새로운 분야의 작동 원리를 이해하는 것도 배움이다.

지금은 역사상 어느 때보다 배우기 쉬운 시대다. 정보는 손끝에 있고, AI는 학습과 실험의 속도를 더 빠르게 만든다.

그렇다면 이 시대의 특권을 사용하지 않을 이유가 없다.

임포스터 신드롬을 성장의 에너지로 바꾸기

Jay는 힘들었던 순간으로 “내가 모르는 것이 너무 많다는 사실을 깨달았을 때”를 이야기한다.

뛰어난 사람들과 함께 일하다 보면 자연스럽게 비교하게 된다. 누군가는 어릴 때부터 코딩을 했고, 누군가는 논문을 썼고, 누군가는 이미 세계적인 성과를 냈다. 그 안에서 자신이 부족하다고 느끼는 것은 자연스러운 일이다.

하지만 Jay는 그 감정을 다르게 해석하는 법을 배웠다고 말한다.

“나는 왜 저 사람처럼 못하지?”에서 끝나면 그것은 압박이 된다. 하지만 “저 사람이 배운 것을 나도 배울 수 있지 않을까?”로 바꾸면 그것은 동기가 된다.

모르는 것이 많다는 사실은 좌절의 이유가 될 수도 있지만, 동시에 앞으로 배울 것이 많다는 뜻이기도 하다.

이 전환이 중요하다. AI 시대에는 특히 그렇다. 변화가 빠르기 때문에 누구나 모르는 것이 많다. 따라서 모름을 부끄러워하기보다, 배움의 출발점으로 삼는 사람이 더 오래 성장한다.

결국 질문은 하나로 돌아온다

인터뷰의 마지막에서 Jay는 세상에 던지고 싶은 질문으로 이것을 말한다.

당신은 세상에 어떤 영향을 남기고 싶은가?

AI 시대의 커리어 전략을 이야기하다 보면 자연스럽게 도구, 연봉, 시장, 기술 스택 이야기를 하게 된다. 하지만 더 깊이 들어가면 결국 방향성의 문제가 남는다.

내가 왜 배우는지, 무엇을 만들고 싶은지, 어떤 문제를 해결하고 싶은지에 대한 질문이다.

세상은 너무 빠르게 움직인다. 그래서 오히려 가끔은 멈춰서 물어봐야 한다.

나는 무엇을 하고 싶은가.
나는 어떤 문제에 시간을 쓰고 싶은가.
나는 어떤 사람이 되고 싶은가.

AI 시대에 몸값이 오르는 사람은 단순히 AI 툴을 빨리 쓰는 사람이 아닐 수 있다. 오히려 변화의 본질을 이해하려고 하고, 계속 배우고, 직접 만들고, 자신이 풀 문제를 찾아가는 사람일 가능성이 높다.

마무리

이 영상에서 Jay가 반복해서 강조한 메시지는 명확하다.

AI 시대에는 정답이 이미 정해진 길보다, 아직 비어 있는 문제 공간이 훨씬 많다. 그래서 중요한 것은 특정 기술 하나를 외우는 것이 아니라, 새로운 기술이 열어주는 가능성을 이해하고 직접 실험하는 태도다.

요약하면 다음과 같다.

• 시장가치는 실력과 시장 선택이 함께 만든다.
• 트렌드를 읽는 힘은 충분한 맥락에서 나온다.
• AI는 범용성이 크기 때문에 이전 기술 유행과 다르다.
• 뛰어난 사람들은 전체 시스템을 끝까지 이해하려 한다.
• AI는 제품 기능뿐 아니라 업무 흐름 전체를 바꾼다.
• 로보틱스와 버티컬 AI는 앞으로 중요한 기회가 될 수 있다.
• 20대라면 공부만큼이나 많이 만들어봐야 한다.
• 커리어 초반에는 보상보다 실력과 임팩트에 더 집중해야 한다.
• 임포스터 신드롬은 배움의 에너지로 바꿀 수 있다.
• 결국 중요한 질문은 “나는 어떤 영향을 남기고 싶은가”이다.

AI 시대의 커리어는 더 불확실해졌지만, 동시에 더 많은 가능성이 열렸다. 그리고 그 가능성은 대체로 호기심이 많고, 직접 만들며, 계속 배우는 사람에게 먼저 보인다.