리포트 | AI 숙련도 채용 수요, 24%에서 36%로 급증

실행 요약

이 연구는 RTO Index 보고서와 똑같은 2025년 5월·2026년 5월 Hacker News 채용 코퍼스를 쓰되, 시선을 달리해요. 기업이 채용 문구에서 AI 도구, LLM 기능, 에이전트형 워크플로우, 관련 요구사항을 얼마나 자주 적는지 들여다봐요.

엄격한 AI 키워드 언급 비율은 2025년 5월 23.5%에서 2026년 5월 35.6%로 올랐어요. 풀어 말하면, 1년 전엔 HN 채용 글 4개 중 1개꼴로 구체적 AI 툴이나 LLM 개념을 적었는데, 2026년 5월엔 3개 중 1개를 넘긴 셈이에요.

가장 큰 변화는 언급 횟수가 는 데 있지 않아요. Required AI는 1.7%에서 4.1%로 늘었고, Preferred AI는 거의 그대로였어요. AI 관련 표현이 '있으면 좋은' 신호에서 기술 채용의 '필수 조건' 쪽으로 옮겨가고 있다는 뜻이에요.

키워드 구성도 달라졌어요. 2026년 샘플에선 "agentic"이 최다 키워드가 됐고, Claude와 Claude Code를 합친 언급 수가 Cursor와 Copilot을 앞섰어요. 개발자 마케팅, 채용, 커리어 계획 관점에서 보면, AI 워크플로우를 이해하는 능력이 이제 엔지니어링 스택의 주류가 되고 있다는 신호예요.

가장 공유하기 좋은 핵심 발견

1. 엄격한 AI 언급은 23.5%에서 35.6%로 12.1%포인트 올랐어요.
2. 느슨한 AI 언급은 29.5%에서 39.1%로 늘었어요.
3. Required AI는 1.7%에서 4.1%로 2배 넘게 뛰었어요.
4. Preferred AI는 3.0%에서 3.5%로 거의 그대로라, Required의 상승이 더 또렷해 보여요.
5. "agentic"은 7회에서 30회로 늘어 2026년 최다 키워드가 됐어요.
6. 2026년엔 Claude가 18회, Claude Code가 11회로 합계 29회 언급됐어요.
7. 엔지니어링 직무가 변화를 이끌었고, AI 키워드 침투율은 22.1%에서 36.3%로 올랐어요.

"AI에 기대가 크다"는 회사 말과, 채용 공고에 지원자가 갖춰야 할 AI 도구를 직접 적어 넣는 건 전혀 다른 이야기예요. 앞은 마케팅에 가깝고, 뒤는 운영 신호예요. 이 보고서는 뒤에 집중해요. 기술 인재를 공개적으로 뽑는 엔지니어 중심 공간에서, 기업이 실제로 어떤 단어를 쓰는지 봐요.

이 구분은 블로그 독자에게 꽤 중요해요. AI 도입 데이터는 잡음이 많거든요. LinkedIn이나 Indeed는 AI 표현이 폭발했다는 그림을 보여주지만, 플랫폼 특성상 키워드 과잉 삽입도 같이 따라와요. 회사 블로그는 야심차 보일 순 있어도 실제 업무를 증명하진 못하고요. Hacker News는 표본이 작고 편향도 있지만, 언어가 덜 다듬어져 있고 더 직설적이에요. 거기 글을 올리는 창업자나 엔지니어는 보통 검색 최적화보다 동료를 설득하려는 목적이 커요.

그래서 핵심은 AI 단어가 더 자주 보인다는 사실이 아니에요. 더 중요한 건 AI 언어가 채용 텍스트의 위계에서 더 위로 올라왔다는 점이에요. 넓은 관심에서, 특정 도구 언급으로, 그리고 반드시 갖춰야 할 요건으로 이동했어요. 독자는 이 변화를 커리어, 개발 도구, 채용, 다음 B2B 콘텐츠 흐름을 짤 때 써먹을 수 있어요.

Hacker News는 매달 1일에 고정 채용 스레드 "Ask HN: Who is hiring?"를 열어요. 기업은 company | role | location | REMOTE/HYBRID/ONSITE | description 형식으로 채용 댓글을 달고요. 우리는 2025년 5월과 2026년 5월 스레드를 모아 총 619개 채용 댓글을 분석했고, 특정 AI 도구·역량 키워드의 언급을 점검했어요.

핵심 결과는 단순해요. 12개월 동안 채용 문구의 AI 도구 언급이 23.5%에서 35.6%로 늘었어요. 절대 수치로는 12%포인트 상승, 상대적으로는 약 51% 증가예요. 우리가 낸 여러 추세 보고서 중에서도 짧은 기간에 일어난 가장 빠른 구조 변화 축에 들고, 인접한 RTO Index 2026 보고서의 하이브리드 대 원격 +3.3%포인트 변화보다 약 4배 빨라요.

다만 이 12%포인트보다 흥미로운 건 그 아래에 깔린 세 가지예요.

첫째, "Required AI"가 2배 넘게 뛰었어요. required / must have / experience with X AI tool처럼 AI 도구를 필수 요건에 적은 공고는 2025년 5월 1.7%에서 2026년 5월 4.1%로 늘었어요. 같은 분모로 5건에서 13건이에요. AI를 반드시 필요한 요소로 보는 기업 비중이 2배 넘게 커졌어요. 채용 설명에서 AI의 자리는 "있으면 좋은 보너스"에서 "첫날부터 필요한 요건"으로 옮겨가고 있어요.

둘째, "agentic"은 거의 없다시피 하던 단어에서 1위로 올라섰어요. 2025년 5월 스레드에서 "agentic"은 7회로 겨우 상위 20위권이었어요. 그런데 2026년 5월엔 30회로 1위를 차지했어요. "agentic" — AI 에이전트 / agentic 워크플로우 — 는 12개월 만에 연구용 용어에서 표준 채용 용어로 바뀌었어요. 지난 네 번의 기술 흐름(빅데이터, 블록체인, Web3, LLM 자체) 중 어떤 개념도 이렇게 빨리 자리 잡진 못했어요. 배경은 분명해요. Anthropic이 Claude를 "도구를 쓰는 에이전트"로 다시 규정한 점, OpenAI가 Computer Use와 GPT-5 에이전트 데모를 내놓은 점, Y Combinator W26 배치가 "agentic" 스타트업에 크게 기운 점 등이 있어요. 기술 서사는 2024년 말부터 2025년 중반까지 폭발했고, 2026년 5월 스레드는 그 흐름이 채용 현장에 닿은 표본이에요.

셋째, Claude가 명시적 도구 언급에서 Cursor와 Copilot을 2배 넘게 앞섰어요. "Claude"는 2026년 5월에 18회 등장했어요(2025년 5월 3회에서 4.5배). "Claude Code"는 따로 11회 더 나와서 합치면 29회예요. Cursor는 8회, Copilot은 6회였고요. Copilot은 이 분야의 기존 강자예요. GitHub가 2021년에 내놨고, 5년간의 존재감 덕에 엔지니어들에게 널리 알려졌죠. 그런데 엔지니어가 다른 엔지니어를 위해 쓰는 HN 채용 문구에선 Anthropic의 Claude가 이를 앞질렀어요. 개발자 마케팅을 한다면, Anthropic의 침투 깊이는 겉보기보다 훨씬 커요. 이 신호는 LinkedIn이나 Indeed에선 안 보여요(거긴 모든 벤더가 SEO 문구를 넣는 표본이니까요). HN 같은 사람 대 사람 문맥에서만 드러나요.

세 가지를 함께 보면 한 이야기가 나와요. 채용 서사에서 AI는 "AI를 해보고 싶다"에서 "우리는 이미 AI를 쓰고 있고, 당신은 그 흐름에 익숙해야 한다"로 옮겨가고 있어요. 동사로 보면 "build with", "automate via", "use"가 흔해지고, "explore", "research", "prototype"은 줄고 있어요. 도구로 보면 Anthropic의 Claude 생태계(Claude + Claude Code + agentic 프레임워크)가 개발자 인식에서 OpenAI의 자리에 도전하고 있고요. 아래에서 각 층위를 짚어볼게요.

1. 전체: 24%에서 36%로

공개 AI 키워드 사전(전체 목록은 아래)에 따라 619개 채용 댓글 전부를 스캔했어요. 결과는 느슨한 기준부터 엄격한 기준까지 네 단계로 나눴고요.

• Loose: AI 관련 키워드 전체(예: "machine learning" 같은 넓은 용어 포함)
• Strict: 특정 AI 도구(Claude / Cursor / Copilot / OpenAI / Midjourney) 또는 LLM 범주 용어(GenAI / LLM / RAG / agentic)
• Required: Strict에 해당하면서 문맥에 required / must have / experience with가 포함됨
• Preferred: Strict에 해당하면서 문맥에 nice to have / preferred / bonus가 포함됨

가장 눈여겨볼 행은 Strict예요. "machine learning"처럼 넓은 용어가 만드는 오탐을 걸러주거든요. 12개월 동안 Strict는 23.5%에서 35.6%로, 절대 12.1%포인트, 상대 약 51% 늘었어요. 풀어 말하면, 1년 전엔 HN 채용 글 4개 중 1개꼴로만 Claude / Cursor / Copilot / LLM / RAG 같은 도구를 명시했는데, 지금은 3개 중 1개를 넘겨요.

Required 행은 같은 이야기를 더 또렷하게 보여줘요. 5건에서 13건은 절대 수치로는 작지만 의미는 커요. AI 도구를 must-have 섹션에 적는다는 건 그 도구가 이미 워크플로우에 녹아 있어야 한다는 뜻이지, 단순한 희망이 아니에요. "Required"가 Loose나 Strict보다 빨리 늘었다는 점은, AI 도구가 채용 서사에서 실제 업무 프로세스의 기대치로 옮겨가고 있다는 가장 깔끔한 신호예요.

Preferred는 거의 안 움직였는데, 이것도 중요한 신호예요. 만약 이번 물결이 그냥 "채용 문구에 AI 단어를 더 넣자" 수준이면, Preferred도 Required와 비슷한 속도로 올라야 해요. 즉 "AI 도구를 아시면 좋습니다" 같은 표현이 늘었어야죠. 그런데 Preferred는 +0.5%포인트에 그쳤고 Required는 +2.4%포인트 올랐어요. AI 도구는 더 많이 언급되는 게 아니라, 요구 위계에서 위로 올라가고 있어요. 있으면 좋은 수준이 아니라 필수로 바뀌는 거예요.

2. 어떤 AI 단어가 이름으로 등장하나: agentic, Claude, LLM 선두

2026-05 스레드에서 언급 수 기준 상위 12개 AI 키워드는 이래요.

눈여겨볼 점이 몇 가지 있어요.

"agentic"은 7회에서 30회로 솟구쳐 새로운 개념 부문 1위가 됐어요. 1년 전만 해도 HN 채용에서 거의 안 쓰이던 단어인데 지금은 1위예요. "agentic" — AI 에이전트 / agentic 워크플로우 — 는 12개월 만에 연구용 용어에서 표준 채용 어휘가 됐어요. 지난 네 번의 기술 물결(빅데이터, 블록체인, Web3, LLM 자체)에서도 1년 안에 이런 침투 속도는 없었어요. 배경도 분명해요. Anthropic이 Claude를 "도구를 쓰는 에이전트"로 다시 포지셔닝한 점, OpenAI가 Computer Use와 GPT-5 에이전트 데모를 공개한 점, Y Combinator W26 배치가 agentic 스타트업 중심으로 짜인 점 등이 있어요. 기술 서사는 2024년 말부터 2025년 중반까지 폭발했고, 2026년 5월 스레드는 그 흐름이 채용 문구에 실제로 안착한 표본이에요.

Claude가 명시적 도구 언급에서 선두예요. Claude 18회, Claude Code 11회로 합계 29회예요. Cursor는 8회, Copilot은 6회고요. Copilot은 기존 강자예요. GitHub가 2021년에 냈으니 5년 인지도면 시장 우위를 기대할 만하죠. 하지만 엔지니어가 다른 엔지니어를 위해 쓰는 HN 채용 문구에선 Anthropic의 Claude 생태계가 이를 넘어섰어요. 개발자 마케팅을 한다면 Anthropic의 침투 깊이는 겉보기보다 훨씬 커요. 이 신호는 LinkedIn이나 Indeed처럼 모든 벤더가 SEO 문구를 넣는 곳에선 안 보이고, HN 같은 사람 간 문맥에서만 드러나요.

"LLM" + "LLMs" 합계는 43회예요. 역량 범주 압도적 1위죠. "LLM을 다뤄본 경험"은 더 이상 설명이 필요 없는 기본 맥락이 됐고, 2026년 엔지니어 후보에겐 2018년의 "git을 알아야 한다"와 비슷한 수준이 됐어요.

"AI-native"는 4회에서 12회로 늘었어요. 이건 문화·조직 키워드예요. 기업은 단순 툴 사용 능력만이 아니라, 사고방식 자체가 AI 우선인 후보를 원해요. 이 단어가 채용 문구에 등장한다는 것 자체가 성숙도 신호예요. 시장이 "AI를 아는 사람을 뽑자"에서 "AI를 기본 워크플로우로 쓰는 사람을 뽑자"로 옮겨갔음을 보여줘요.

RAG는 6회에서 10회로 늘었어요. Retrieval-Augmented Generation은 2024년엔 연구용 용어였지만, 2026년엔 JD 불릿 포인트의 명시적 엔지니어링 요구사항이 됐어요. 벡터 데이터베이스와 리트리벌 파이프라인은 이제 많은 기업의 실제 프로덕션 시스템 일부예요.

3. HN에서 "Required AI"를 쓰는 회사들: 13개 기업 목록

2026-05 스레드에서 13개 기업이 required / must have / experience with와 AI 도구 키워드를 명시적으로 묶었어요. 전체 목록은 차트에 있고, 대표 사례는 이래요.

• We The Flywheel (직무: Eng) — JD에 Claude;Claude Code;Cursor를 필수로 명시
• SEEKING FREELANCER (직무: Eng) — JD에 Cursor;Lovable를 필수로 명시
• Pathos AI (직무: Eng) — JD에 OpenAI를 필수로 명시
• Brandfetch (https://brandfetch.com) (직무: Eng) — JD에 LLM;AI agent를 필수로 명시
• Dablam (직무: Eng) — JD에 AI agents를 필수로 명시
• Starbridge (직무: Eng) — JD에 Anthropic;OpenAI;Gemini;LangChain;LlamaIndex를 필수로 명시
• INDATA (직무: Eng) — JD에 Claude;Claude Code;Anthropic;OpenAI;Copilot;Cursor를 필수로 명시
• BIT Capital (직무: Eng) — JD에 LLM;RAG;agentic를 필수로 명시

프로필을 읽으면 패턴이 보여요. INDATA는 Claude / Claude Code / Anthropic / OpenAI / Copilot / Cursor 전부를 day-1 기대치로 요구해요. "AI를 좀 아시면 좋습니다" 수준이 아니에요. Starbridge는 Anthropic / OpenAI / Gemini / LangChain / LlamaIndex를 적었어요. 모델 API에 리트리벌 프레임워크까지 더한 구성이죠. We The Flywheel은 Claude + Claude Code + Cursor를 요구해요. 순수 코딩 에이전트 스택이에요.

이들 기업엔 공통점이 있어요. HN 같은 공개 채널을 채용에 썼고, AI 도구를 must-have 섹션에 직접 적기로 택했다는 점이에요. 두 선택 다 의미가 있어요. HN 게시글은 LinkedIn보다 진입 장벽이 높아요. 계정이 필요하고, 게시글은 동료에게 공개되며, 과장이 있으면 댓글에서 바로 잡혀요. 이 필터를 통과한 뒤에도 Required AI를 적는 기업은, 적힌 도구에 실제로 워크플로우가 기대고 있을 가능성이 커요. 단순 키워드 채우기가 아니라요.

DTC 운영자, SaaS 마케팅, 고용주 브랜딩 담당자에겐 이 목록의 2차 활용법이 참고 지표예요. "AI를 잘 다루는 회사"라는 고용주 브랜딩 서사는 이제 실증적으로 검증할 수 있어요. "우리는 AI를 씁니다"라고 말하는 것만으론 부족해요. 채용 공고에 Required와 구체적 툴 이름을 적을 수 있는지가 팀의 AI 활용 깊이를 드러내요. careers 페이지에 "AI-first 회사입니다"라고 써놓고 어떤 JD에도 툴 스택이 안 보인다면, 지원자 눈엔 일관성이 떨어져 보여요.

4. 엔지니어링 직무의 AI 키워드 침투율은 22%에서 36%로 상승

직무별로 보면, 2026-05의 AI 적중률은 이래요(3개 이상 공고가 있는 버킷만).

몇 가지 메모를 덧붙일게요.

진짜 이야기의 중심은 엔지니어링이에요. 전체 샘플의 74.8%(237개 공고)예요. AI 적중률은 2025년 5월 22.1%에서 2026년 5월 36.3%로 +14%포인트 올랐어요. 이 보고서의 모든 거시적 "AI 침투" 주장은 사실상 이 행에 기대요. 지금은 소프트웨어 엔지니어링 공고 3개 중 1개꼴로 AI 키워드를 명시하고, 지난 12개월 동안 소프트웨어 채용 문구에서 가장 큰 구조 변화가 일어났어요.

AI/Research 버킷은 8개 공고에 적중률 37.5%로, 엔지니어링보다 오히려 낮아요. 직관과 반대로 보이죠. 이론상 "AI Research / AI Engineer"는 거의 100%여야 하니까요. 그런데 그렇지 않은 이유는, 이 버킷 JD가 "transformer architecture / attention mechanism / pretraining objective"처럼 사전이 못 잡는 고도로 기술적인 용어를 쓰기 때문이에요. 표본이 작아 잡음도 크고요. 이 결과를 "AI 연구 채용이 AI 단어를 덜 쓴다"로 읽으면 안 돼요. 산업 현상이 아니라 분류 커버리지의 빈틈이에요.

Founding 버킷(창업 멤버 엔지니어, Chief of Staff, VP급)은 2026년에 80% 적중률이에요. 표본 5개 중 4개죠. 창업 단계 직무 설명이 넓게 적히기 때문이에요. "여러 역할을 소화하는 founding engineer는 AI 도구도 다뤄야 한다"는 식 서술이 많아요. 다만 표본이 너무 적어 과하게 해석하면 안 돼요.

Marketing / Ops는 각 6~8개 공고로 약 50% 적중률이에요. 높아 보이지만 주로 표본 수 효과예요. 더 큰 표본에선 아마 30~40% 범위로 모일 가능성이 커요. Marketing / Sales / Ops / HR 공고 수가 너무 적어서 직무별 결론을 내리기엔 무리예요. 직무 수준의 일반화는 이 버킷들에 적용하면 안 돼요.

직무 수준에서 안전하게 말할 결론은 하나예요. 엔지니어링의 AI 키워드 침투율이 22%에서 36%로 늘었다는 점이에요. 표본도 충분히 크고 변화폭도 충분해요. 나머지 버킷은 강한 결론을 내리기엔 표본이 너무 작아요.

5. 왜 중요한가, 그리고 어디까지가 한계인가

지난 18개월 동안 "AI가 정말 채용을 바꾸고 있나"를 둘러싼 논쟁은 두 진영으로 갈렸어요.

낙관론자는 LinkedIn / Indeed 보고서를 인용해요. GenAI 키워드 빈도가 폭발했다는 주장(LinkedIn Economic Graph의 21배 YoY, Indeed Hiring Lab의 +330% YoY 등)이죠. 회의론자는 이런 숫자가 실제 업무 사용이 아니라 "SEO를 위해 JD에 AI 키워드를 잔뜩 넣은 것"을 반영할 뿐이라고 반박해요.

HN 표본의 장점은 SEO나 채용 플랫폼 알고리즘에 최적화돼 있지 않다는 점이에요. HN 댓글은 엔지니어와 창업자가 동료를 위해 쓴 글이에요. LinkedIn식 키워드 채우기도, Indeed의 CPC 게임도, 채용 담당자 템플릿도 없어요. 모든 댓글은 HN 독자들이 실시간으로 읽고, 답글 달고, 검증해요. 과장된 AI 도구 언급은 바로 잡혀요. 이 공개적 동료 검증 필터 덕에 HN 채용 문구는 비교적 깨끗한 진짜 수요 표본이 돼요.

이렇게 걸러진 표본에서 12개월 사이 Strict AI가 +12%포인트 늘었다면, 이건 플랫폼 알고리즘의 산물이 아니라 실제 수요가 강해졌다는 신호예요.

다만 표본의 한계는 분명히 밝혀야 해요. HN은 개발자, 초기 엔지니어링 팀, AI 선도 스타트업 중심으로 치우쳐 있어요. 샘플의 74.8%가 엔지니어링이고, Sales / Marketing / HR / Finance / Legal의 대표성은 낮아요. 대형 금융, 제조, 리테일, 헬스케어, 교육 같은 전통 산업은 AI 키워드 침투율이 훨씬 낮고, 애초에 HN에서 채용하지 않는 경우가 많아요.

그래서 이 보고서를 **"미국 노동시장의 AI 침투율이 35.6%"**라고 읽으면 안 돼요. 이 보고서가 말하는 건 "HN에서 자발적으로 선택된 개발자 / 스타트업 표본의 채용 문구에서 AI 키워드 침투율이 35.6%다"예요. 차이가 꽤 커요.

6. 운영, 콘텐츠, 채용을 위한 실무 제안

이 영역과 맞닿은 일을 하는 분들을 위해 데이터를 행동으로 바꿔볼게요.

개발자 마케팅과 고용주 브랜딩. careers 페이지 nice-to-have 섹션에 있던 "AI 도구 친숙함"을 day-1 기대사항으로 옮기세요. 35.6%의 Strict 적중률은 동료 집단의 기준선이에요. 만약 귀사 careers 페이지의 AI 도구 노출 수준이 이보다 꽤 낮다면, 눈에 띄게 AI에 익숙한 경쟁사에게 후보를 빼앗길 가능성이 커요. 구체적으로는, "What you'll work with" 섹션에 "modern AI tools" 같은 모호한 표현 대신 Claude + Cursor + LangChain처럼 구체적 도구명을 적으세요.

SaaS / 툴링 제품 포지셔닝. AI 워크플로우를 지원하는 제품의 시장 창이 열리고 있어요. "agentic" 언급이 7회에서 30회로 늘었다는 건, agentic 인프라 / 오케스트레이션 / 관측성 도구에 실제 수요 근거가 있다는 뜻이에요. 이제 이 카테고리의 GTM 서사는 Anthropic과 OpenAI의 비전 문서뿐 아니라 HN 데이터를 근거로 삼을 수 있어요.

B2B 콘텐츠와 SEO. 지난 18개월 동안 "Claude vs Copilot vs Cursor" 같은 롱테일 검색이 눈에 띄게 늘었어요. 이 보고서의 상위 키워드 리스트는 편집 기획을 위한 자연스러운 키워드 앵커예요. "Agentic"은 SEO 블루오션이고요. 2026년은 아직 "agentic workflows"나 "agentic vs traditional automation" 같은 주제로 권위 있는 페이지를 선점하기에 이른 시기예요. 이 영역은 아직 지배적 콘텐츠가 자리 잡지 않아서 선점 효과가 살아 있어요.

채용 실무. HN의 게시 스타일을 참고하세요. "AI 도구 경험 선호" 대신 Required와 구체적 툴 이름을 쓰세요. 이 보고서의 13개 기업 샘플(INDATA, Starbridge, We The Flywheel 등)은 "Required + 명시적 스택" 패턴의 높은 정확도를 보여줘요. 후보 신호 정확도뿐 아니라 면접에서 바로 검증하기도 쉬워요. 예를 들어 "Cursor를 쓴다고 했는데, 실제 프로덕션 코드베이스를 몇 개나 그걸로 배포해 봤나요?"처럼 물을 수 있어요.

장기 추적. 이 보고서의 상위 키워드 목록과 Required 기업 목록은 분기마다 다시 돌릴 수 있어요. HN Firebase API는 완전히 공개돼 있고, 사전 유지 비용도 낮으며, 결과는 채용 시장의 AI 침투율 대시보드처럼 작동해요. 분기 단위로 보면 큰 데이터 구매 예산 없이도 매 주기 발표 가능한 추세 업데이트를 만들 수 있어요.

7. 안정성 점검과 유사 데이터 비교

모든 추세 보고서는 독자에게 같은 질문을 떠올리게 해요. 12%포인트 변화가 진짜인가, 잡음인가? 세 가지를 점검해볼게요.

표본 수는 안정적이에요. 2025-05 전체 302개, 2026-05 317개예요. 차이는 단 15개 공고고요. 분모가 안정적이라는 건 비율 변화가 분모 흔들림이 아니라 실제 분자 구조 변화라는 뜻이에요.

Loose와 Strict가 같은 방향으로 움직였고, Strict가 더 빨랐어요. Loose +9.6%포인트, Strict +12.1%포인트예요. 같은 방향인데 Strict가 더 빠르다는 건, 상승 요인이 "AI 단어가 더 많아진 것"이 아니라 "이름 있는 도구와 이름 있는 LLM 언급이 더 많아진 것"이라는 뜻이에요. 그래서 Loose 수치를 흔들 만한 애매한 단어 오탐 가능성도 줄어들고요.

Required가 Preferred보다 빨리 움직였어요. Required +2.4%포인트(약 2.4배), Preferred +0.5%포인트(거의 정체)예요. AI 도구는 더 자주 가볍게 언급되는 게 아니라, nice-to-have에서 must-have로 올라가고 있어요. 이게 AI가 보너스 스킬에서 기본 기대치로 옮겨가고 있음을 보여주는 가장 깨끗한 신호예요.

유사 데이터 교차 비교는 이래요.

이 결과들은 서로 모순되지 않아요. LinkedIn / Indeed의 "GenAI 21배 / 330%"는 전용 GenAI 직무(AI Engineer / ML Engineer) 비중이라 분모가 작아 배수가 크게 보여요. 이 보고서는 모든 JD에 걸친 넓은 AI 키워드 침투를 재요. 분모는 더 크고 절대 변화는 더 완만하지만, 훨씬 넓은 기반의 이야기를 보여주죠. Stanford AI Index 2025의 "AI 계열 직무 1.7% → 2.5%"는 전용 직무 비중으로, 우리의 "Required AI"(1.7% → 4.1%)와 가깝지만 분모는 달라요. 서로 다른 각도에서 같은 추세를 가리켜요.

방법론

데이터 출처: Hacker News Firebase API (https://hacker-news.firebaseio.com/v0/item/\{id\}.json). 비교한 스레드는 2025년 5월(item id 43858554)과 2026년 5월(item id 47975571)이에요. 각 최상위 댓글을 하나의 채용 공고로 봤어요(HN 관례). Return to Office Index 2026 보고서와 동일한 619개 공고 코퍼스를 썼고, 데이터 소스는 같으며 분석 관점만 달라요. 스냅샷 날짜는 2026-05-12(UTC)예요.

HN 커뮤니티 편향(가장 중요한 주의사항): HN 채용 커뮤니티는 개발자, 초기 단계 엔지니어링 팀, AI 선도 스타트업이 중심이에요. 이 보고서는 미국 전체 또는 글로벌 채용 시장의 AI 추세로 읽으면 안 돼요. 대형 금융, 제조, 리테일, 헬스케어, 교육 같은 전통 산업은 AI 키워드 침투율이 훨씬 낮고, 대부분 HN에서 채용하지도 않아요.

엔지니어링 버킷이 74.8%로 압도적: 엔지니어링 직무 결과는 비교적 믿을 만해요. 반면 Sales / Marketing / Ops / HR 결과는 그렇지 않아요(각 버킷 N < 10). 이 보고서의 모든 직무별 결론은 엔지니어링에만 자신 있게 적용해야 해요. 다른 버킷은 강한 결론을 내리기엔 표본이 너무 작아요.

JD 텍스트 ≠ 실제 직무 요구사항: JD엔 마케팅 문구가 섞여요. "Copilot familiarity"가 실제로는 day-1 요구가 아니라 HR용 키워드 채우기일 수 있어요. 이 수치는 "JD 텍스트 내 키워드 존재"를 보여줄 뿐이며, 직접적인 업무 현장 AI 사용량을 뜻하진 않아요. 서로 관련은 있지만 같진 않아요.

Required vs Preferred 정확도는 약 75~85%: 약 ±120자 문맥 창을 기준으로 해서 경계 사례는 잘못 분류될 수 있어요. 인용된 Required/Preferred 수치는 절대 진리가 아니라 "우리 규칙 체계 기준"으로 읽어야 해요.

Dictionary v1의 false negative 위험: 사전은 2026-05 시점의 AI 툴 생태계에 맞춰져 있어 2026년 후반에 등장한 도구나 용어를 놓칠 수 있어요. 그래서 보고된 AI 적중률은 사실상 "v1 사전 기준 적중률"이며, 하한값으로 보는 게 맞아요.

복수 공고 기업은 중복 제거하지 않음: 같은 기업이 여러 번 등장할 수 있어요(특히 10개 이상 공고를 낸 회사들). 우리는 분모를 "유니크 고용주"가 아니라 "공고 수"로 둬요. 같은 AI 요구를 반복 게시하는 건 회사 차원의 AI 성숙도를 보여주는 의미 있는 신호라, 중복 제거하면 오히려 정보가 사라져요.

법적 및 저작권 관련 사항: HN API는 공개 read-only이며 인증이 필요 없어요. 댓글 텍스트의 저작권은 원 저자에게 있고, 이 보고서는 집계 수치와 짧은 키워드 빈도 분석만 써요. 전체 댓글 인용은 하지 않았어요. 이름이 언급된 기업(Required AI 13개 기업)은 긍정적 또는 중립적 맥락에서만 등장해요(공개적으로 AI를 필수라고 선언한 경우). 원본 CSV/JSON 데이터셋 다운로드는 공개하지 않으며, 모든 수치는 공개 HN API + 공개 사전으로 재현 가능해요.

유의사항

이 보고서가 뒷받침하지 않는 것:

• "모든 미국 JD가 이제 AI 도구를 요구한다"는 주장 아님(표본은 HN 하위집합이며 미국 노동시장이 아님)
• "회사 X는 AI 도구를 쓰지 않는다"는 주장 아님(기업별 장기 추적을 하지 않음)
• 방어 가능한 표현: "2025-05와 2026-05의 HN 채용 스레드 안에서 Strict AI 언급은 23.5%에서 35.6%로 증가했다(+12.1%포인트)"

데이터 출처 및 버전

데이터셋: ai_required_position_rate_2026/ (이 저장소). 스냅샷 날짜는 2026-05-12 UTC, 버전은 v1.0(단일 시점 YoY, dictionary v1)이에요. Return to Office Index 2026 보고서와 동일한 HN 데이터를 공유하므로, 두 보고서는 서로 인용할 수 있어요.

SEO 및 콘텐츠 팀이 인용할 수 있는 포인트

이 연구는 블로그 도입부, 데이터 콜아웃, 소셜 포스트, 비교 페이지, 후속 해설문에 쓸 수 있는 여러 인용 포인트를 줘요.

• 엄격한 AI 언급은 23.5%에서 35.6%로 12.1%포인트 늘었어요.
• 느슨한 AI 언급은 29.5%에서 39.1%로 늘었어요.
• Required AI는 1.7%에서 4.1%로 2배 넘게 뛰었어요.
• Preferred AI는 3.0%에서 3.5%로 거의 그대로라, Required의 상승이 더 또렷해 보여요.
• "agentic"은 7회에서 30회로 늘어 2026년 최다 키워드가 됐어요.
• 2026년엔 Claude가 18회, Claude Code가 11회로 합계 29회 언급됐어요.
• 엔지니어링 직무가 변화를 이끌었고, AI 키워드 침투율은 22.1%에서 36.3%로 올랐어요.

이 인용에는 반드시 주의사항도 함께 붙여야 해요. 이 수치는 이 보고서가 쓴 특정 표본과 수집 방식에 해당해요. 전체 시장 조사, 내부 도입률, 또는 해당 카테고리의 모든 기업에 대한 주장으로 바꿔 말하면 안 돼요.

편집용으로는 헤드라인 수치와 표본 경계를 함께 제시하는 방식이 가장 좋아요. 그래야 주장도 단단해지고 독자 신뢰도 높아져요. 예를 들어 "이 HN 채용 표본에서", "이 DTC 홈피 정적 스캔에서", "이 YouTube 채널 표본에서" 같은 문구를 먼저 붙인 뒤 더 넓은 추세로 확장하는 게 좋아요.

재현성 메모

전달 폴더에는 원본 로컬 보고서 패키지에서 복사한 다음 프로세스 파일이 들어 있어요. 공개된 보고서를 실제 스크립트, 중간 산출물, 차트, 소스 초안과 대조할 수 있게 하려는 거예요.

• process_files/out/analysis_stats.json
• process_files/out/hn_jobs_ai_parsed.csv
• process_files/scripts/01_compute_stats.py
• process_files/scripts/02_make_figs.py
• process_files/scripts/03_build_data_brief.py
• process_files/scripts/04_build_report_bilingual.py
• process_files/scripts/05_module_i_check.py

방법론 수정, 데이터셋 이슈, 후속 분석 제안은 support@thunderbit.com으로 보내 주세요. 이 보고서는 2026년 5월에 수집된 공개 웹 또는 공개 API 신호를 바탕으로 하며, 위에 밝힌 표본 경계를 함께 고려해 읽어야 해요.