AI가 인프라가 된 시대, 작은 팀의 채용 기준을 다시 쓴다

AI 이미지 생성이 '기능'에서 '인프라'로 넘어갈 때

Stability AI가 7,600만 달러를 추가 유치했다. 누적 조달액은 이제 2억 3,200만 달러다. 숫자만 보면 "또 AI 기업이 돈 끌어왔네" 정도로 읽힌다.

맥락이 다르다. 이 회사는 2023년 사실상 파산 직전까지 갔다가, CEO를 교체하고 오픈소스 전략을 유지한 채 살아남았다. 그 회사가 다시 뭉칫돈을 끌어들였다는 건 — AI 이미지 생성 시장이 거품이 아니라 실제 인프라가 되어가고 있다는 투자자들의 합의다. Canva·Figma·Adobe 어디서도 AI 이미지 생성은 이미 기본 탑재다. Stability AI가 돈을 더 받는다는 건 이 도구가 더 깊숙이 박힌다는 신호다.

작은 팀에게 이건 기회이기도 하고 함정이기도 하다. 그리고 그 이유가 정확히 채용과 역량 이야기로 직결된다. 단, 함정의 위치가 생각보다 미묘한 데 있다.

디자이너를 뽑아야 하나, 말아야 하나

우리 팀 내부에서 이 질문을 여러 번 반복했다. 콘텐츠 사이트를 여러 개 운영하다 보면 썸네일·소셜 카드·헤더 이미지 수요가 꾸준히 발생한다. 예전 방식대로라면 디자이너 한 명이 필요한 볼륨이다.

그런데 Stable Diffusion API 기준으로 이미지 한 장 생성 비용은 대략 $0.040.08 수준이다. 월 500장 생성해도 $2040, 한화로 3~5만 원이다. 주니어 디자이너 월급의 1% 수준. 이 숫자만 보면 "당연히 AI 쓰면 되지"가 된다.

하지만 진짜 트레이드오프가 여기서 드러난다. AI가 못 하는 건 비용이 아니라 판단이다. 브랜드 가이드라인을 이해하고, "이 이미지가 우리 톤에 맞나"를 감각으로 거르는 능력. 이건 아직 프롬프트로 대체되지 않는다. Stability AI가 $2억을 더 받아도 이 판단력은 모델 안에 없다. 그래서 채용 기준이 "디자인을 할 수 있냐"에서 "AI 아웃풋을 옳게 판단할 수 있냐"로 이동하는 것이다.

실제로 경험해보니, 이미지 생성 자동화 자체는 비교적 쉽게 구축했는데 어려운 건 "이 중에 어떤 걸 쓸지"를 고르는 기준을 명문화하는 과정이었다. 그 기준을 만드는 사람이 필요하지, 포토샵으로 이미지를 직접 만들 사람이 필요한 게 아니었다.

"AI 도구를 쓸 수 있나요"는 더 이상 변별이 안 된다

채용 공고 문구가 바뀌어야 하는 이유가 여기 있다.

지금 많은 팀이 채용 공고에 "AI 도구 활용 경험 우대"를 쓴다. 그런데 Midjourney나 ChatGPT를 써본 적 없는 지원자가 2026년에 얼마나 될까. 더 이상 변별력 있는 요건이 아니다. 합격률 높이는 AI 매칭 공고를 만들려면, 공고 자체가 실제로 필요한 역량을 정확히 기술해야 한다.

"AI 생성 콘텐츠의 품질 기준을 수립하고, 모델 아웃풋과 브랜드 일관성을 교차 검수한 경험" — 이런 구체성이 있어야 진짜 쓸 수 있는 사람이 걸러진다. 이 문구 하나로 지원자 풀의 성격이 달라진다.

역으로, 지원자 입장에서도 마찬가지다. AI 도구를 사용했다는 사실보다 "어떤 기준으로 결과물을 골랐는가", "자동화 파이프라인에서 어디서 사람의 판단을 개입시켰는가"를 설명할 수 있는 사람이 작은 팀에 실제 도움이 된다. 이 역량은 포트폴리오에 생성 예시를 쌓는다고 보이지 않는다. 인터뷰에서 "이 이미지를 왜 이걸 골랐냐"는 질문에 논리적으로 답할 수 있는지가 훨씬 중요한 신호다.

도구보다 오래 유효한 역량 세 가지

Stability AI의 다음 버전이 나오고, Adobe가 더 강력한 Firefly를 내놓고, 구글이 Imagen을 API로 공개할 때마다 도구는 계속 바뀐다. 특정 도구 숙련도보다 더 오래 유효한 역량을 지금 내부에 쌓아야 한다.

첫째는 평가 기준 명문화다. "좋은 이미지"가 우리 팀에서 무엇인지를 글로 쓸 수 있어야 한다. 스타일, 톤, 금지 요소, 품질 하한선. 이게 있어야 AI 아웃풋 검수도 되고, 신규 멤버 온보딩도 된다. 도구가 바뀌어도 이 기준은 유효하다.

둘째는 파이프라인 설계 역량이다. AI 이미지 생성을 손으로 하나씩 하는 게 아니라, 어떤 콘텐츠에 어떤 프롬프트를 자동 적용하고 어느 단계에서 사람이 개입할지를 설계하는 능력이다. 디자인 역량이 아니라 프로세스 설계 역량이다. 작은 팀에서는 이런 걸 직접 구축해본 사람이 귀하다.

셋째는 모델 전환 민첩성이다. Stable Diffusion에서 시작했다가 DALL-E가 더 낫다고 옮기고, 다시 Firefly로 바꾸는 — 이 전환 비용을 낮게 유지하는 능력이다. 특정 도구에 종속된 워크플로를 구축하면 이탈 비용이 눈덩이처럼 커진다. API 추상화 레이어를 두거나 프롬프트를 도구 중립적으로 관리하는 방식이 여기 해당한다.

우리 팀이라면 어떻게 접근하나

솔직히 말하면, 우리가 이 질문을 가장 현실적으로 마주하는 건 채용 공고를 쓸 때다. "콘텐츠 운영 담당"을 뽑는데 어떤 AI 역량을 요건으로 적어야 하는지가 애매하다.

내부적으로 정리한 기준은 이렇다. "AI 도구를 사용한 경험보다, AI 아웃풋을 반려한 경험이 있는 사람을 뽑는다." 자동화된 글이나 이미지를 받아서 "이건 기준 미달"이라고 판단하고, 그 이유를 설명할 수 있는 사람. 이게 매일 실제로 필요한 역량이다.

Stability AI가 계속 투자를 받는 동안 이 도구들은 더 강력해지고 더 싸질 것이다. 그럴수록 "도구를 쓸 줄 아는 사람"의 시장 가치는 내려간다. 반대로 "도구의 아웃풋을 판단하고 우리 기준에 맞게 거를 수 있는 사람"의 가치는 올라간다. 채용 기준을 그 방향으로 먼저 바꿔놓은 팀이 유리해지는 이유다.

지금 바로 쓸 수 있는 것들

채용 공고부터 바꿔라. "AI 도구 활용 경험 우대" 대신 "AI 생성 아웃풋의 브랜드 적합성 판단 및 반려 기준 수립 경험 우대"로. 한 문장만 바꿔도 지원자 풀의 성격이 달라지고, 면접에서 나오는 이야기가 달라진다.

인터뷰 질문을 하나 추가해라. "AI 도구로 만든 결과물 중 쓰지 않기로 한 사례가 있나요? 이유가 무엇이었나요?" 이 한 질문이 실제 판단력을 가장 빠르게 드러낸다. 대답이 "없어요"인 지원자는 AI를 사용한 게 아니라 AI가 주는 걸 그냥 받은 것이다.

내부 기준 문서를 지금 만들어라. "우리 콘텐츠에서 AI 이미지를 쓸 수 없는 케이스 다섯 가지"를 팀이 같이 써보는 것. 이게 없으면 새 멤버가 합류해도, 새 도구가 나와도, 기준이 사람마다 달라진다.

마지막으로 분기에 한 번, 현재 쓰는 AI 이미지 도구와 경쟁 도구를 같은 프롬프트로 비교 테스트해라. 이탈 여부보다 "우리 기준으로 어느 쪽이 낫냐"를 판단하는 근육을 팀이 유지하는 게 목적이다. 도구는 Stability AI가 계속 업그레이드한다. 기준은 우리가 직접 쌓아야 한다.

원문: AI News & Artificial Intelligence | TechCrunch