LinkedIn CEO on Which Jobs Will Matter in 5 Years, Getting Hired, Advice for Indians & More

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

LinkedIn CEO on Which Jobs Will Matter in 5 Years, Getting Hired, Advice for Indians & More를 중심으로, 미래 직업을 정확히 예측하기보다 성장 가능성이 있는 산업에서 빠르게 일해 보고, 적성과 시장성을 확인하며 방향을 수정하는 편이 낫를 핵심 판단 포인트로 압축 정리한다.

📌 핵심 요점

1. 미래 직업을 정확히 예측하기보다 성장 가능성이 있는 산업에서 빠르게 일해 보고, 적성과 시장성을 확인하며 방향을 수정하는 편이 낫다.
2. 회사의 명성보다 뛰어난 동료와 상사에게 배우는 경험이 오래 남으며, 협업·고객 관계·AI 도구 활용 같은 전이 가능한 기술은 산업이 바뀌어도 경력 자산이 된다.
3. AI 활용 능력은 필수가 되고 있지만 분야 지식과 실무 숙련을 대체하지는 못한다. 경쟁력은 AI와 전문성을 결합해 실제 문제를 해결할 때 생긴다.
4. 생성형 AI로 이력서를 꾸미기 쉬워질수록 학위나 자기소개만으로는 신뢰를 얻기 어렵다. 공개 포트폴리오, 실시간 작업 능력, 검증된 기술과 신뢰받는 사람의 추천이 더 강한 채용 신호가 된다.
5. LinkedIn은 프로필을 단순한 근무 이력에서 신원·기술·작업물·도구 숙련도를 연결하는 동적 자격 증명 공간으로 확장하고, 채용 행정은 AI로 자동화하려 한다.

🧩 배경과 문제 정의

• AI가 업무 수행 방식과 채용 시장을 빠르게 바꾸면서, 청년층은 어떤 산업과 직무를 선택하고 무엇으로 역량을 증명해야 할지 불확실성이 커졌다.
• 경력은 처음 세운 계획대로 이어지지 않으며, 회사의 명성보다 함께 일하는 사람·전이 가능한 기술·시행착오에서 얻는 학습이 장기적인 성장에 더 큰 영향을 줄 수 있다.
• AI로 이력서와 성과를 꾸미기 쉬워진 만큼 학위나 자기소개만으로 지원자를 판별하기 어려워졌고, 실제 작업물·검증된 기술·신뢰할 수 있는 관계의 가치가 높아졌다.

🕒 시간순 섹션별 상세정리

1. 경력을 역설계하는 다섯 가지 기준

• 창업, 컨설팅, 영업, 제품, COO와 CEO로 이어진 비선형 경력을 보유 기술·부족한 기술·중요한 인물·결정적 선택·다시 한다면 바꿀 점으로 나눠 점검한다. [01:24]
• 당시에는 비합리적으로 보였던 결정과 뒤늦게 확인된 역량의 공백을 함께 추적해야, 직함의 나열을 넘어 실제 성장 경로를 이해할 수 있다. [01:46]

2. 대학 시절 창업과 낯선 사람을 설득하는 훈련

• 수학 교수가 되고 싶지 않았던 대학생은 1998년 인터넷의 초기 기회를 활용해 친구와 웹사이트를 만들었고, 학업을 유지하면서 스타트업 환경에 대한 적성을 발견했다. [03:12]
• 경험이 부족하다는 사실조차 몰랐던 대담함은 출발점이 됐지만, 19세에 떨리는 손으로 고객에게 전화해 제품을 판매하면서 낯선 사람을 설득하는 능력을 새로 익혀야 했다. [03:42]

3. 닷컴 붕괴 속 실패와 생존

• 졸업 후 실리콘밸리에서 스타트업을 제대로 배우려 했지만, 2000~2002년 사이 세 회사가 자금난이나 사업 실패를 겪으면서 18개월 동안 세 번 직장을 옮겼다. [04:29]
• 이력서에는 알려지지 않은 회사 세 곳만 남고 뚜렷한 성과도 없었으며, 높은 포부와 임대료를 감당해야 하는 현실 사이에서 계속 일하고 배우는 선택이 생존 전략이 됐다. [05:02]

4. 회사 이름보다 배울 수 있는 사람

• 실패한 회사에서도 동료와 상사에게서 배운 경험은 오래 남았고, 당시 함께 일한 인물 중 한 명과는 그가 컬럼비아대학교 교수가 된 뒤에도 관계가 이어졌다. [05:42]
• 회사 브랜드보다 배울 수 있는 사람을 우선하면 사업이 잘되지 않아도 성장할 수 있지만, 그런 사람이 없는 조직에서는 실패의 부담만 커질 수 있다. [06:15]

5. MBA와 베인에서 넓힌 산업 시야

• 스타트업 침체기를 MBA 과정으로 버틴 뒤 베인에서 4년간 근무했고, 호주에서 1년·인도에서 5개월을 살며 사모펀드의 기업 인수 실사를 수행했다. [06:34]
• 투자 대상 기업의 고객에게 제품 경쟁력과 지속 가능성을 확인하면서 세제·타이어·IT 아웃소싱 등 약 30개 기업을 분석했고, 방대한 데이터에서 핵심 통찰을 추출하는 역량을 키웠다. [07:16]

6. 공개 지원으로 열린 링크드인 영업 경력

• 링크드인 제품을 좋아했지만 아는 사람이 없고 연락도 받지 못하자 적합하지 않은 공고에 지원하면서도 간절함을 담은 자기소개서를 보냈고, 이를 읽은 마이크 갬슨이 다른 직무로 채용했다. [09:28]
• 영업 경험이 전혀 없는 상태에서 기회를 얻은 뒤 개인 기여자에서 4년 만에 1,500명 규모의 조직 책임자로 성장하며 영업·관리·리더십을 집중적으로 익혔다. [10:32]

7. CEO 목표를 위한 제품 직무 전환

• 성공적인 영업 조직을 이끌던 중 당시 CEO 제프 와이너에게 장차 링크드인 같은 회사의 CEO가 되고 싶다는 목표를 밝혔지만, 현재 직무로는 그 경로에 오를 수 없다는 답을 받았다. [11:33]
• 뛰어난 CEO에게는 탁월한 제품 감각이 필요하고 제품은 직접 만들어야 배울 수 있다고 판단해, 대규모 조직 책임자에서 다시 개인 기여자로 내려가 5년간 제품 개발에 몰입했다. [12:01]

8. CEO의 핵심은 오를 언덕을 선택하는 일

• 일반 리더가 주어진 문제를 해결한다면 CEO는 회사가 풀 수 있는 수많은 문제 가운데 시간과 자원을 집중할 하나를 선택하고, 이를 뒷받침할 문화와 팀을 구축해야 한다. [12:50]
• 목표 달성에 필요한 인재가 조직 안에 있는지 판단하고 부족한 역량을 보강해야 하며, AI 시대의 제품 품질이 데이터센터·칩·네트워크에 의존하면서 인프라 학습도 새로운 과제가 됐다. [13:26]

9. 18년 장기근속을 만든 사명과 책임

• 여러 회사를 창업하거나 옮겨 다닐 것이라는 초기 예상과 달리 링크드인에서 18년을 보냈고, 경제적 기회라는 사명이 개인적 가치와 맞닿으면서 다른 문제를 선택하기 어려울 만큼 몰입이 깊어졌다. [15:01]
• AI가 글로벌 노동시장을 재편하는 시기에는 경제적 기회의 중요성이 더 커지며, 전문가들이 경력과 직무의 변화를 이해하도록 돕는 플랫폼 운영에도 더 큰 책임이 따른다. [16:00]

10. COO에서 CEO로 전환하며 시작한 경청

• 고객, 연구개발, 구직자, 창작자 등 여러 영역을 경험했어도 조직 전체가 자신의 리더십을 기준으로 움직이는 CEO가 되면 기존 판단을 내려놓고 정보부터 다시 수집해야 한다. [17:14]
• 고객·회원·창작자·정부 관계자의 요구를 직접 들은 결과 기존 확신 중 일부가 틀렸음을 확인했고, 취임 초기의 경청이 우선순위와 조직 운영 방향을 다시 정하는 기반이 됐다. [17:48]

11. 창작자와 소상공인의 관점으로 본 제품

• 직접 콘텐츠를 올리는 경험만으로는 플랫폼에서 처음 생계를 만들려는 전업 창작자의 위험과 요구를 이해하기 어려우며, 익숙한 제품일수록 자신의 사용 방식에 치우칠 가능성이 크다. [18:28]
• 개인적 선호를 내려놓고 실제 사업을 구축하는 창작자와 소상공인의 관점을 들으면, 대기업 채용 중심이던 링크드인이 지원해야 할 사용자와 제품 범위도 넓어진다. [18:53]

12. 인도 청년에게 필요한 사람과 AI 역량

• 22세에 경력을 시작한다면 관심 분야에서 가장 뛰어난 사람을 찾아 함께 일해야 하며, 장기적으로 남는 학습은 회사 이름보다 마이크 갬슨이나 제프 와이너 같은 구체적인 관계에서 나온다. [20:10]
• AI를 능숙하게 활용하는 사람과 두려움 때문에 피하는 사람의 격차가 벌어지고 있으므로, 좋은 사람에게 배우는 동시에 새 기술을 적극적으로 받아들여 전문성을 확보해야 한다. [20:46]

13. 성장 산업을 탐색하되 완벽한 선택을 기다리지 않기

• 인도에서는 헬스케어·교육·스타트업·로보틱스 등 일자리가 늘어나는 영역을 자료로 추적할 수 있지만, 첫 직업부터 완벽한 산업과 역할을 골라야 한다는 압박은 실행을 늦춘다. [21:46]
• 가능성이 있는 방향을 가정해 직접 일해 보고 적성과 성장성을 확인한 뒤 맞지 않으면 바꾸는 편이 낫고, 선택지가 많은 초기 경력에는 경험·인맥·학습의 축적이 정답 탐색보다 중요하다. [22:12]

14. 산업보다 오래 남는 전이 가능한 기술

• 첫 직장이 헬스케어여도 협업, 고객 관계, AI 도구 활용처럼 다른 산업으로 옮길 수 있는 기술을 쌓으면 잘못된 초기 선택이 경력 전체의 실패로 이어지지 않는다. [23:31]
• 정확한 산업이나 직무를 맞히는 것보다 자신을 더 강한 전문가로 만드는 일이 중요하며, 빠르게 시작하고 뛰어난 동료와 일한 경험은 다양한 역량을 찾는 고용주에게도 유효하다. [23:57]

15. 학위·작업물·관계로 구성되는 직업적 신뢰

• 명문대 학위는 인도 IIM의 ‘데이 제로’ 채용처럼 여전히 강력한 신호지만, 직업적 브랜드를 만드는 여러 경로 가운데 하나이며 산업별로 학위 의존도도 다르다. [24:41]
• 실력을 인정하는 사람과의 관계, AI로 만든 기술이나 로봇 같은 실제 작업물도 역량을 입증할 수 있어 학위가 약한 지원자에게 대체 신뢰 경로가 된다. [25:05]

16. AI 시대의 과장된 지원서와 검증 경쟁

• 생성형 AI로 직무에 완벽히 맞춘 이력서를 쉽게 만들 수 있게 되면서 지원 성과를 과장하는 사례가 늘고, 기업은 수천 건에서 수백만 건에 이르는 지원서 속에서 진짜 학력과 역량을 구별하기 어려워졌다. [26:30]
• 링크드인은 신원·기술·작업물의 진위를 확인하는 검증 체계를 구축하고 있으며, 실제 업무를 아는 사람의 신뢰는 고용 과정에서 가장 직접적으로 검증 가능한 신호가 된다. [27:01]

17. 새로운 직무를 담는 확장형 프로필

• 연구자·콘텐츠 제작자·영상 편집자처럼 새롭게 부상한 직무에는 근무 이력 중심 프로필만으로 부족하며, 실제 작업물과 세부 기술을 보여 주고 사용하는 도구와 역량을 연결할 수 있어야 한다. [28:00]
• ‘연결된 앱’을 통해 AI 도구 제공자가 사용자의 숙련도를 확인하면 고용주는 자기기술보다 강한 외부 검증을 얻고, 프로필은 경력 목록에서 동적인 자격 증명 공간으로 확장된다. [28:32]

18. LinkedIn 기능이 바꾼 구직 문화와 리더십

• ‘Open to Work’에 희망 연봉과 퇴사 통보 기간을 공개하면 인도 기업이 조건에 맞는 인재를 빠르게 선별하고, 지원자의 기대 조건도 채용 초기에 확인할 수 있다. [29:30]
• 과거에는 직원의 LinkedIn 프로필 개설을 불편해하던 기업도 이제 프로필이 없는 지원자를 의심하며, 온라인상의 전문적 존재감이 채용 신뢰를 구성하는 기본 조건이 됐다. [30:11]

19. 인도 시장과 LinkedIn의 사업 구조

• LinkedIn은 전 세계 13억 명의 전문가와 인도 내 1억 8,600만 명의 회원을 확보했으며, 인도는 두 번째로 큰 시장이다. [31:53]
• 사업의 약 40%는 기업의 인재 채용을, 또 다른 약 40%는 기업 성장을 지원하며, Premium은 개인과 중소기업의 평판 구축·사업 기회 발굴·구직을 돕는다. [32:16]

20. AI 채용 자동화의 효율과 정보 과잉

• 채용 담당자는 업무 시간의 약 절반을 지원서 검토, 면접 일정 조율, 피드백 수집 같은 행정 작업에 쓰며, Hiring Assistant는 이를 자동화해 후보자와 직접 만나는 시간을 늘린다. [34:04]
• AI로 지원서와 콘텐츠를 대량 생성하면 기업이 수천·수백만 건의 지원서를 처리하지 못하고, 개인의 실제 통찰이 아닌 콘텐츠까지 넘쳐나는 문제가 생긴다. [34:40]

21. 실제 작업 능력을 검증하는 채용 방식

• 편집자의 실시간 영상 편집이나 엔지니어의 페어 프로그래밍처럼 작업 과정을 직접 확인하면, 완성된 지원서보다 실제 역량과 문제 해결 방식을 더 정확하게 판단할 수 있다. [36:06]
• 라이브 작업 화면은 사실상 실기 면접 역할을 하며, AI가 대신 꾸민 이력서와 개인이 실제로 수행할 수 있는 업무 사이의 간극을 줄일 수 있다. [36:18]

22. 성장하는 직무와 사라지는 과거의 업무 방식

• 프로필에 ‘창업자’를 등록한 사람은 1년 동안 100% 증가했고, 고령화에 대응하는 의료 서비스와 데이터센터 건설 관련 일자리도 빠르게 성장하고 있다. [37:05]
• 고객 현장에 머물며 AI를 구체적인 업무 환경에 적용하는 포워드 디플로이드 엔지니어와 AI 엔지니어 수요가 크게 늘고 있다. [37:35]

23. AI 활용을 둘러싼 효용과 창작의 경계

• 직접 코드를 작성하는 방식을 ‘핸드 코딩’이라고 부를 만큼 AI 활용이 보편화됐지만, AI를 쓰는 사람과 쓰지 않는 사람 사이에는 서로를 낮춰 부르는 문화적 반발도 생겼다. [39:08]
• 코드는 제품이 정상 작동하고 검증 가능하다면 생성 방식보다 효용이 중요하지만, 예술·영상·디자인은 제작자의 노력과 이야기까지 기대하므로 무분별한 자동 생성물이 ‘슬롭’으로 평가받기 쉽다. [39:25]

24. AI 활용 능력과 전문성의 결합

• 앞으로의 경력에는 AI 활용 능력이 필수지만, AI는 분야별 지식과 실질적인 역량을 대신할 수 없다. [40:25]
• 개인용 앱 생성과 1억 명이 동시에 사용하는 서비스를 만드는 일은 전혀 다른 문제이며, 대규모 서비스에는 분산 시스템·확장형 아키텍처·최신 기술·적절한 언어에 관한 깊은 이해가 필요하다. [40:44]

25. 대학 교육의 한계와 개인 학습

• 대학은 직업 준비의 일부만 담당하며, 실제 직장에서는 팀워크와 업무용 의사소통처럼 학업 과정에서 충분히 익히지 못한 역량이 추가로 필요하다. [41:57]
• 대학에서 AI 활용법을 가르치지 않는다면 졸업생은 교육과정만 기다리지 말고, 재학 중 별도의 실습과 학습을 통해 자신의 역량을 구축해야 한다. [42:25]

26. 중견 직장인의 재교육과 경력 자산

• AI에 익숙한 사람에게 직접 배우면 새로운 도구의 진입 장벽을 낮출 수 있고, 오랜 경력에서 축적한 전문성은 AI와 결합할 때 더 큰 생산성으로 계속된다. [43:22]
• 수천 번의 고객 미팅으로 관계 형성 능력을 갖춘 영업 전문가는 기존 숙련도를 버리는 대신 AI를 도구 상자에 추가해 더 강한 성과를 만들 수 있다. [43:40]

27. 창작자 중심의 전문 콘텐츠와 영상 전략

• 산업과 직무를 바꾸는 뉴스가 매일 쏟아지는 환경에서 창작자는 변화가 개인의 일에 미치는 의미를 해석해 주는 신뢰의 창구가 됐고, LinkedIn은 이를 전문 정보 전략의 핵심으로 삼는다. [45:25]
• 창작자 범위에는 경영진, 대규모 팔로어를 보유한 전업 창작자, 본업과 함께 특정 주제의 영향력을 키우는 전문가가 모두 포함되며, 콘텐츠 배포와 브랜드 연결이 주요 지원 영역이다. [46:01]

28. 전문 숏폼 피드와 관심사 기반 추천

• 영상은 LinkedIn에서 가장 빠르게 성장하는 콘텐츠 유형이며, 전문 분야에 집중한 숏폼 영상 피드도 시험 중이다. [47:35]
• 업무 중 짧은 휴식에도 산업 변화를 이해하고 무언가를 배웠다는 만족감을 주는 콘텐츠가 일반 오락 플랫폼과의 차별점이 될 수 있다. [48:32]

🧾 결론

• 첫 직업의 산업과 직함을 완벽하게 고르는 것보다 빠르게 시작해 사람·경험·기술을 축적중요하다.
• AI를 피하지 말아야 하지만, 도구 사용 경험만으로 전문성이 생기는 것은 아니므로 반복적인 실무와 시행착오가 함께 필요하다.
• 채용 경쟁력은 학위, 공개 작업물, 검증된 기술, 신뢰할 수 있는 관계 가운데 두세 가지를 결합할 때 강해진다.
• CEO와 리더의 핵심 역할은 모든 문제를 푸는 것이 아니라 조직이 집중할 문제를 선택하고 필요한 문화와 팀을 구축하는 데 있다.

📈 투자·시사 포인트

• AI 엔지니어, 포워드 디플로이드 엔지니어, 데이터센터 건설, 고령화 대응 의료 서비스처럼 AI 인프라와 현장 적용에 연결된 직무의 성장 흐름을 주목필요가 있다.
• 이력서 생성이 쉬워질수록 신원·기술·작업물 검증, 실기형 면접, 동적 자격 증명과 같은 채용 신뢰 인프라의 중요성이 커질 수 있다.
• Hiring Assistant처럼 지원서 검토와 일정 조율을 자동화하는 제품은 채용 담당자의 행정 부담을 줄이고 후보자와 직접 만나는 시간을 늘리는 방향으로 발전하고 있다.
• 전문 창작자, 숏폼 영상, Creator Marketplace와 B2B 브랜드 연결은 LinkedIn이 채용 플랫폼을 넘어 전문 정보와 평판 시장으로 확장하려는 흐름을 보여 준다.

⚠️ 불확실하거나 확인이 필요한 부분

• 제목은 5년 뒤 중요해질 직업을 묻지만, 본문은 직무별 순위나 5년 단위 전망치보다 전이 가능한 기술과 AI 적응 원칙에 더 집중한다.
• 창업자 등록 100% 증가, 역량의 연간 12% 교체, LinkedIn 회원 및 사업 비중 같은 수치는 인터뷰에서 제시된 값이므로 산정 기준과 비교 기간을 별도로 확인필요가 있다.
• AI 채용 자동화와 프로필 검증이 실제 채용의 정확성, 편향, 개인정보 보호에 미치는 영향은 본문에서 충분히 검증되지 않았다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 현재 직무에서 다른 산업으로 옮겨도 활용할 수 있는 협업, 고객 관계, 분석, AI 도구 활용 역량을 목록화한다.
• 이력서의 주장만으로 설명하던 핵심 역량 하나를 공개 포트폴리오나 시연 가능한 작업물로 전환한다.
• 관심 분야에서 직접 배울 수 있는 뛰어난 실무자나 리더를 찾고, 함께 일하거나 피드백을 받을 구체적인 경로를 만든다.
• 실제 업무에 AI를 적용한 사례를 하나 만들고 사용 목적, 작업 과정, 검증 방법, 한계를 면접에서 설명할 수 있도록 정리한다.

❓ 열린 질문

• 작업물과 연결된 외부 검증이 학위와 경력보다 강한 채용 신호가 되려면 어떤 표준과 신뢰 체계가 필요한가?
• AI가 지원과 선별을 동시에 자동화할 때 실제 역량이 뛰어나지만 온라인 신호가 약한 지원자는 어떻게 발견될 수 있는가?
• AI 활용 능력과 분야 전문성을 함께 평가하는 실기 면접은 직군별로 어떤 형태여야 하는가?