AI 시대, 청년들은 왜 커리어를 다시 설계하는가 — 대체 불가능한 일의 조건

들어가며: "좋은 직장"의 정의가 바뀌고 있다

2024년까지 "좋은 직장"의 공식은 비교적 단순했다. 대학을 졸업하고, 사무실에 앉아서, 안정적인 월급을 받는 것. 화이트칼라 직종은 곧 안정과 성공의 상징이었다.

그런데 2026년 4월, 풍경이 달라졌다. 보험 회사에서 사무직으로 일하던 20대가 소방관 시험을 준비한다. 컴퓨터공학을 전공하던 대학생이 자퇴하고 전기 기술 직업학교에 등록한다. AI 기업의 고연봉 엔지니어가 퇴사하고 교육 스타트업을 창업한다.

이들의 공통점은 하나다. "AI가 대체할 수 없는 일"을 찾고 있다는 것.

이 글에서는 이 현상이 단순한 유행이 아니라 구조적 변화임을 데이터와 역사적 맥락을 통해 살펴본다. 왜 이런 변화가 일어나고 있는지, 어떤 연구가 이를 뒷받침하는지, 그리고 우리는 어떻게 대응해야 하는지를 다룬다.

---

제1장: 이건 처음 있는 일이 아니다 — 기술적 실업의 200년 역사

AI가 일자리를 위협한다는 불안은 2020년대에 갑자기 등장한 것이 아니다. 인류는 새로운 기술이 등장할 때마다 같은 공포를 경험했다. 역사를 먼저 살펴보면, 지금 벌어지고 있는 일의 본질이 더 명확해진다.

러다이트 운동: 기계에 대한 최초의 반란 (1811)

1811년, 영국 노팅엄의 섬유 노동자들이 방직 기계를 파괴하기 시작했다. 러다이트(Luddites)로 불린 이들은 기계가 자신들의 생계를 빼앗는다고 믿었다. 실제로 숙련 수직공(handloom weaver)의 임금은 1820년대에 약 60% 하락했다.

그런데 장기적으로 벌어진 일은 정반대였다. 기계화로 직물 가격이 떨어지자 수요가 폭발적으로 증가했고, 영국 섬유 산업의 전체 고용은 오히려 크게 늘어났다. 다만 여기서 핵심은 — 새로 고용된 공장 노동자와 일자리를 잃은 숙련 수직공은 같은 사람이 아니었다는 것이다.

ATM과 은행원의 역설 (1970년대)

가장 직관에 반하는 사례는 ATM(현금자동입출금기)이다. 보스턴 대학교의 경제학자 제임스 베센(James Bessen)이 2015년 저서 Learning by Doing에서 분석한 이 사례는 자동화와 고용의 관계를 이해하는 데 필수적이다.

1970년 미국에 ATM이 처음 등장했다. 2010년에는 약 42만 5,000대가 운영되고 있었다. 직관적으로 생각하면 은행 창구 직원(bank teller)이 대규모로 줄었어야 한다.

그러나 실제로는 정반대였다.

메커니즘은 이랬다. ATM이 지점당 필요 인력을 평균 20명에서 13명으로 줄였다. 그러자 지점 운영 비용이 하락했고, 은행은 더 많은 지점을 개설했다. 동시에 은행원의 역할이 단순 현금 처리에서 관계 관리, 금융 상품 상담, 대출 심사 등으로 바뀌었다. 기술이 직업을 없앤 것이 아니라 직업의 내용을 바꿔버린 것이다.

스프레드시트와 회계사 (1980년대)

1979년 최초의 전자 스프레드시트 VisiCalc이 등장하고, 이어 Lotus 1-2-3, Excel이 보급되면서 장부 작성(bookkeeping) 직종은 약 40만 개 감소했다. 그러나 미국 노동통계국(BLS) 데이터에 따르면 1980~2020년 사이 회계·감사 직종 수는 오히려 약 2배 증가했다. 스프레드시트가 복잡한 재무 분석을 가능하게 하면서 새로운 수요를 창출한 것이다.

농업 자동화: 100년의 대전환

가장 대규모의 직업 전환 사례는 농업이다. 1900년 미국 노동력의 약 40%가 농업에 종사했다. 2020년에는 약 1.3%다. 트랙터, 수확기, 관개 시스템이 인력을 대체했고, 방출된 노동력이 제조업과 서비스업으로 이동하면서 경제 전체가 성장했다.

하지만 이 전환에는 수십 년이 걸렸다. 그 과정에서 대공황, 농촌 빈곤, 대규모 도시 이주라는 사회적 비용이 발생했다.

역사가 말하는 핵심 패턴

역사는 두 가지 교훈을 동시에 준다.

첫째, "일자리 총량 고정의 오류(Lump of Labor Fallacy)" — 기술이 일자리를 없애면 그만큼 전체 일자리가 줄어든다는 생각은 역사적으로 반복해서 틀렸다. 새로운 기술은 새로운 수요와 새로운 직종을 만들어왔다.

둘째, 그러나 전환의 고통은 실재한다. MIT 경제학자 데이비드 오터(David Autor)의 말처럼, "우리는 자동화의 단기 효과를 과대평가하고 장기 효과를 과소평가하는 경향이 있다. 그러나 동시에, 전환 과정의 고통도 과소평가한다."

그리고 이번에는 한 가지 결정적으로 다른 점이 있다. 속도다. 농업 자동화는 100년, ATM의 영향은 수십 년에 걸쳐 진행됐다. AI의 전환은 수년 단위로 벌어지고 있다.

---

제2장: 데이터가 말하는 현실 — AI는 정말로 일자리를 없애고 있는가

역사적 교훈을 확인했으니, 이제 2024~2026년의 실제 데이터를 살펴보자. 주요 연구 기관들의 분석 결과는 놀라울 정도로 일관된 그림을 보여준다.

글로벌 연구 기관들의 분석

골드만삭스(2023)는 전 세계적으로 3억 개의 정규직이 AI 자동화에 노출되어 있다고 분석했다. 미국과 유럽 일자리의 약 2/3가 어느 정도 AI 자동화에 노출되어 있으며, 현재 업무의 25~50%가 자동화될 수 있다고 추정했다.

IMF(2024년 1월)는 더 구체적이었다. 전 세계 일자리의 약 40%가 AI에 노출되어 있으며, 선진국에서는 이 비율이 약 60%에 달한다. IMF 총재 크리스탈리나 게오르기에바(Kristalina Georgieva)는 이렇게 경고했다.

"대부분의 시나리오에서 AI는 전반적인 불평등을 악화시킬 가능성이 높다. 취약한 노동자를 위한 포괄적인 사회 안전망과 재교육 프로그램을 선제적으로 구축해야 한다."

세계경제포럼(WEF)의 Future of Jobs Report 2025는 가장 포괄적인 전망을 제시했다. 2025~2030년 사이 1억 7,000만 개의 새 일자리가 생성되는 한편 9,200만 개가 사라져, 순증가 7,800만 개가 될 것으로 예측했다.

사라지는 직종 vs. 성장하는 직종

WEF 보고서가 지목한 직종 변화는 명확한 패턴을 보인다.

패턴이 보이는가? 사라지는 직종은 "정형적 인지 업무(routine cognitive tasks)" — 규칙에 따라 데이터를 처리하고, 서류를 작성하고, 숫자를 계산하는 일이다. 성장하는 직종은 복잡한 판단, 창의적 문제 해결, 물리적 환경에서의 전문 기술을 요구하는 일이다.

"AI 노출"과 "실제 대체"는 다르다

여기서 중요한 연구 하나를 짚어야 한다. MIT CSAIL과 IBM 리서치의 공동 연구(2024, "Beyond AI Exposure")는 비용 효율성 기준으로 AI가 실제로 대체 가능한 업무는 전체 AI 노출 업무의 약 23%에 불과하다고 분석했다. 나머지 77%는 아직 AI 도입 비용이 인건비보다 높아 당분간 자동화되지 않는다.

이 연구는 "AI에 노출된다"는 것과 "실제로 대체된다"는 것 사이에 큰 간극이 있음을 보여준다. 그러나 동시에, 기술 비용은 빠르게 하락한다는 점도 기억해야 한다. 오늘 비용 효율적이지 않은 자동화가 3년 뒤에도 그러리란 보장은 없다.

그런데 실제 사례는 이미 나타나고 있다

이론이 아니라 실제 기업들의 움직임을 보자.

클라르나(Klarna), 스웨덴 핀테크 기업. 2024년 OpenAI로 구축한 AI 고객 서비스 어시스턴트가 첫 달 만에 전체 고객 문의의 2/3를 처리했다. 이는 정규직 700명의 업무량에 해당했다. CEO 세바스티안 시에미아트코프스키(Sebastian Siemiatkowski)는 신규 채용을 중단하고, 직원 수를 약 5,000명에서 2,000명으로 줄이겠다고 밝혔다.

IBM. CEO 아르빈드 크리슈나(Arvind Krishna)는 2023년 약 7,800개의 백오피스 직무에 대한 채용을 중단하겠다고 발표했다. 비고객 대면 직원 약 26,000명 중 30%가 AI로 대체 가능하다고 판단한 것이다.

BT 그룹(British Telecom). 2020년대 말까지 최대 55,000개 일자리를 줄이겠다고 발표. 이 중 약 10,000개가 AI로 대체 가능한 직무다.

Chegg, 온라인 과외 플랫폼. 2023년 5월 ChatGPT가 구독자 성장을 저해하고 있다고 보고한 날, 주가가 하루 만에 50% 이상 폭락했다. 이후 대규모 구조조정을 단행했다.

---

제3장: 청년들이 느끼는 체감 온도

글로벌 데이터를 확인했다. 이제 이 변화를 직접 체감하는 당사자들 — 커리어 초기의 젊은 노동자들 — 의 목소리를 들어보자.

숫자로 보는 불안감

LinkedIn의 Workforce Confidence Survey(2024)에 따르면 Gen Z 노동자의 66%가 생성형 AI가 자신의 커리어 경로를 변화시킬 것이라 답했다. EY의 2024년 설문에서는 Gen Z의 38%가 AI 때문에 커리어 선택 자체를 재고했다고 응답했으며, 특히 사무직·행정직 지원을 기피하고 기술직·의료직·숙련 기능직을 더 고려하는 경향이 나타났다.

한국도 예외가 아니다. 잡코리아·알바몬의 2024년 설문에서 MZ세대 직장인 중 52.3%가 "AI 때문에 내 직업이 사라질 수 있다"고 응답했다. 한국고용정보원은 AI로 인해 향후 5년 내 가장 큰 영향을 받을 직종으로 번역가, 통역사, 텔레마케터, 회계사무원, 은행원을 지목했다.

흥미로운 점은 "제3자 효과(Third Person Effect)"다. Gallup/Northeastern University 조사(2024)에 따르면 미국 성인의 75%가 AI가 전반적으로 일자리를 줄일 것이라 믿지만, 자신의 직업이 위협받는다고 느끼는 비율은 22~25%에 그쳤다. "남들은 영향받겠지만 나는 괜찮다"는 인지 편향이 작동하는 것이다.

그러나 Gen Z에서는 이 간극이 좁아지고 있다. 자신의 일자리가 직접 위협받는다고 느끼는 18~29세 비율이 약 36%로, 다른 세대보다 뚜렷하게 높다(Pew Research, 2023).

"AI-proof 직업" 검색 3배 증가

대학생 취업 플랫폼 Handshake의 2024년 데이터에 따르면, Gen Z 대학생들 사이에서 "AI-proof 직업"에 대한 검색량이 2023년 대비 3배 이상 증가했다. 이 검색어의 폭발적 증가는 불안이 추상적 감정이 아니라 구체적인 행동으로 전환되고 있음을 보여준다.

---

제4장: 세 갈래 길 — 청년들의 선택

이 불안 앞에서 젊은 세대는 크게 세 가지 방향으로 움직이고 있다. 각각의 선택 뒤에는 나름의 논리가 있다.

선택 1: 블루칼라·기술직으로의 이동

보험 업계에서 사무직으로 일하던 한 젊은 노동자의 사례는 상징적이다. 자신의 업무가 자동화될 가능성을 직접 체감한 뒤, 소방관이라는 직업으로 전환을 준비하기 시작했다. 또 다른 사례에서는 컴퓨터공학을 전공하던 학생이 졸업 후 취업 불안정성을 우려해 전기 기술 직업학교로 진로를 바꿨다.

왜 하필 이런 직종인가? 옥스퍼드 대학교의 칼 베네딕트 프레이(Carl Benedikt Frey)와 마이클 오스본(Michael A. Osborne)이 2013년 발표한 기념비적 논문 "The Future of Employment"이 답을 제공한다.

이 연구는 미국의 702개 직업을 분석해, 향후 10~20년 내 47%가 자동화 고위험이라는 결론을 내렸다. 핵심은 자동화의 "병목(bottleneck)" — 즉 기계가 쉽게 대체하지 못하는 능력 세 가지를 식별한 것이다.

이 세 가지 병목에 정확히 해당하는 직종이 바로 숙련 기능직과 대면 서비스직이다. Frey & Osborne의 분석에서 자동화 위험이 가장 낮은 직종 상위권은 레크리에이션 치료사(0.28%), 위기관리 책임자(0.3%), 정신건강 사회복지사(0.31%), 외과의(0.42%)였다.

반면 자동화 위험이 가장 높은 직종은? 텔레마케터(99%), 세무 대리인(99%), 보험 심사역(99%) — 모두 반복적 인지 업무(routine cognitive tasks)를 핵심으로 하는 화이트칼라 직종이다.

골드만삭스의 2023년 분석도 이를 확인한다. 행정·사무 지원(administrative/office support) 직종의 자동화 노출률이 약 46%로 가장 높고, 건설·유지보수(construction/maintenance) 직종은 약 6%로 가장 낮다.

직업학교 등록 급증이 보여주는 것

이런 인식은 이미 행동으로 나타나고 있다. 미국 National Student Clearinghouse Research Center(2024)에 따르면, 2024년 가을학기 커뮤니티 칼리지 등록이 전년 대비 약 4.7% 증가했다. 이는 전체 학부 과정 중 가장 빠른 성장률이다.

특히 기능직 관련 프로그램의 성장이 두드러진다.

동시에 4년제 학위에 대한 신뢰도는 급락하고 있다. Wall Street Journal/NORC 조사(2023)에서 4년제 학위가 "매우 가치있다"고 답한 비율은 25%로, 2013년의 53%에서 반토막났다. Georgetown University 연구에 따르면 학사 학위 없이도 연 $55,000 이상을 벌 수 있는 "중간 기술(middle-skill)" 직종이 미국에 약 3,000만 개 존재한다.

미국 노동통계국(BLS)의 2024~2034년 전망에서도 기능직의 성장세는 뚜렷하다.

선택 2: 직접 사업을 시작하다

두 번째 흐름은 창업이다. "안정적인 직장을 찾기보다 직접 사업을 만들겠다"는 선택.

한 젊은 창업가는 아사이볼 매장을 운영하며 "AI가 내 일을 완전히 대체하기는 어렵다"고 말한다. 물리적 공간에서 고객과 직접 만나는 사업이기 때문이다. 또 다른 사례에서는 AI 관련 고연봉 직장을 떠나 교육 스타트업을 창업하고, 오히려 AI를 도구로 활용해 사업을 확장하는 경우도 있다.

이런 흐름을 뒷받침하는 데이터가 있다. Y Combinator의 2024년 배치에서 AI 관련 스타트업 비율이 60% 이상이었으며, 평균 창업자 연령은 20대 후반이었다. Stripe 데이터는 25세 미만 청년의 신규 사업 등록이 2022~2024년 사이 30% 이상 증가했다고 보여준다.

Upwork의 2024년 조사에 따르면 미국에서 6,400만 명이 프리랜서로 활동하고 있으며(전체 노동력의 38%), AI 도구가 생산성을 높여 더 많은 프로젝트를 수행할 수 있게 되었다고 응답했다.

AI 시대의 창업은 이전 세대와 다른 특징이 있다. AI가 참입 장벽을 극적으로 낮추고 있다는 것이다. 한 사람이 AI 비디오 편집, AI 디자인, AI 글쓰기 도구를 활용해 과거 스튜디오급 품질의 콘텐츠를 혼자서 생산할 수 있다. Shopify는 AI 도구를 사용하는 상인이 매장을 40% 더 빠르게 개설한다고 보고했다.

선택 3: AI를 무기로 쓰다

세 번째 부류는 AI를 피하지 않고 적극적으로 활용하는 방향을 선택한다.

한 대학생은 학업을 중단하고 AI 기반 스타트업을 운영하고 있다. 다른 학생은 자신의 전공에 마케팅을 추가해, AI가 대체하기 어려운 인간적 커뮤니케이션 능력과 기술적 역량을 결합하려 한다.

이 선택의 논리는 학술적으로도 탄탄한 근거가 있다. MIT의 에릭 브린욜프슨(Erik Brynjolfsson), 다니엘 리(Danielle Li), 린지 레이먼드(Lindsey Raymond)가 2024년 발표한 고객 서비스 에이전트 연구는 AI 어시스턴트가 전체 생산성을 평균 14% 향상시켰으며, 특히 경험이 가장 적은 직원에게서 34%의 생산성 향상이 나타났다고 밝혔다.

즉, AI는 전문가와 비전문가의 격차를 줄이는 "위대한 평등화 도구(great equalizer)"로 작동할 수 있다. AI를 효과적으로 활용하는 능력 자체가 경쟁력이 되는 것이다.

Microsoft Work Trend Index 2024에 따르면 전 세계 직장인의 75%가 이미 업무에 AI를 사용하고 있으며, Gen Z의 경우 85% 이상이 AI 도구를 활용 중이다. 이들에게 AI는 위협이 아니라 기본 도구다.

---

제5장: 학문적 프레임워크 — 왜 이런 일이 벌어지는가

지금까지 현상을 살펴봤다면, 이제 이 현상을 설명하는 핵심 이론들을 정리해 보자. 이 프레임워크를 이해하면, 단순히 "AI가 무섭다"가 아니라 구조적으로 무엇이 벌어지고 있는지 파악할 수 있다.

이론 1: 직업 양극화 (Job Polarization) — 데이비드 오터(David Autor)

MIT 경제학자 데이비드 오터는 수십 년간의 노동시장 데이터를 분석해 "직업 양극화(job polarization)" 현상을 설명했다. 기술 변화는 일자리를 균등하게 줄이는 것이 아니라, 중간 숙련도 직종을 집중적으로 타격한다.

그런데 2024년 오터는 중요한 업데이트를 발표했다("The New Frontiers of AI and Work", NBER Working Paper). 생성형 AI는 기존 자동화와 달리 고숙련 인지 업무까지 영향을 미친다는 것이다. 이전에는 "안전하다"고 여겨졌던 법률 분석, 의료 진단, 코드 작성, 전략 기획 같은 화이트칼라 전문직도 AI의 영향권에 들어오고 있다.

더 흥미로운 것은 오터의 최신 연구(2024)에서 제시한 낙관적 시나리오다. AI가 비전문가도 전문가 수준의 작업을 수행할 수 있게 해주면서, "중산층의 핵심인 중간 숙련 직종을 재구성(reconstitute)"할 수 있다는 것이다. 즉, 양극화가 아닌 재통합의 가능성도 열려 있다.

이론 2: 대체 vs. 복원 (Displacement vs. Reinstatement) — 아제모글루 & 레스트레포

MIT의 대런 아제모글루(Daron Acemoglu)와 보스턴 대학교의 파스쿠알 레스트레포(Pascual Restrepo)가 2019년 제시한 프레임워크는 자동화의 영향을 두 가지 힘의 균형으로 설명한다.

이 프레임워크에 따르면, 1947~1987년에는 새 업무 창출이 자동화 대체를 상쇄하여 노동 수요가 유지되었다. 그러나 1987년 이후 자동화 속도가 새 업무 창출을 앞서기 시작해, 노동소득 분배율(labor share)이 하락했다.

아제모글루는 2024년 노벨 경제학상을 수상한 연구자로, AI에 대해 가장 비관적인 목소리를 내는 학자 중 하나다. 그는 AI가 주로 "자동화(automation)" — 즉 노동자를 대체하는 방향 — 으로 배치되고 있으며, "증강(augmentation)" — 노동자를 돕는 방향 — 으로는 충분히 활용되지 않고 있다고 경고한다.

"현재 AI의 경로는 불평등을 늘리고 GDP에서 노동이 차지하는 몫을 줄일 가능성이 더 높다." — 대런 아제모글루

그의 추정에 따르면 향후 10년간 AI로 인한 GDP 증가 효과는 0.5~1.5% 수준에 그칠 수 있다 — 골드만삭스의 7% 예측과 크게 대비된다.

이론 3: 튜링 함정 (The Turing Trap) — 에릭 브린욜프슨

스탠퍼드 디지털 경제 연구소의 에릭 브린욜프슨(Erik Brynjolfsson)은 "튜링 함정(The Turing Trap)"이라는 개념을 제시했다. 우리가 AI를 설계할 때 '인간을 얼마나 잘 흉내내는가(튜링 테스트)'에 집착하면, AI가 인간을 대체하는 방향으로만 발전하게 된다는 경고다.

브린욜프슨은 AI의 가장 큰 경제적 가치는 인간을 대체하는 것이 아니라 인간의 능력을 증강하는 것에서 나온다고 주장한다.

"AI에서 가장 큰 경제적 보상은 인간의 역량을 대체하는 것이 아니라 증강하는 데서 올 것이다." — 에릭 브린욜프슨

세 이론의 교차점

세 학자의 분석을 종합하면, AI가 일자리에 미치는 영향은 기술 자체의 문제가 아니라 사회적 선택의 문제라는 결론에 도달한다. AI를 '노동자 대체'에 쓸 것인가, '노동자 증강'에 쓸 것인가. 이 선택이 향후 10년의 노동시장을 결정한다.

---

제6장: 교육의 대전환 — 2026년, 배움의 방식이 바뀌고 있다

일자리 지형이 바뀌면, 교육도 바뀌어야 한다. 2026년 현재, 전 세계 교육 시스템이 전례 없는 속도로 변화하고 있다.

AI 리터러시: 읽기·쓰기만큼 기본이 되다

UNESCO는 2024년 '교사를 위한 AI 역량 프레임워크'와 '학생을 위한 AI 역량 프레임워크'를 발표하며, AI 리터러시를 K-12 교육과정에 통합하도록 권고했다. 기술적 스킬뿐 아니라 윤리, 편향 인식, 사회적 영향까지 포괄해야 한다고 강조했다.

한국은 이 흐름의 최전선에 있다. 교육부는 2024년 초·중·고 전 과정에서 AI 교육 의무화를 발표했고, 전용 AI 교과서 개발과 교사 연수 프로그램에 약 4,000억 원(~3억 달러)을 투자했다. KAIST AI 대학원은 교수진 100명 이상으로 아시아 최대 규모의 AI 전문 학술 기관으로 성장했다.

유럽에서는 핀란드가 선도적이다. 헬싱키 대학교와 Reaktor가 만든 무료 온라인 과정 "Elements of AI"는 핀란드 인구의 1%(약 55,000명) 교육을 목표로 시작했으나, 2024년까지 전 세계에서 100만 명 이상이 등록했다.

미국에서는 MIT가 컴퓨터공학뿐 아니라 모든 학부 전공에 AI/ML 과목을 필수로 지정했고, 애리조나 주립대학교(ASU)는 OpenAI와 파트너십을 맺어 10만 명 이상의 학생과 교직원에게 ChatGPT Enterprise를 제공하고 있다.

AI가 교육 자체를 바꾸고 있다

교육 시스템이 AI에 대해 가르치는 것과 동시에, AI가 교육 방식 자체를 변혁하고 있다.

1984년 시카고 대학교의 교육심리학자 벤자민 블룸(Benjamin Bloom)은 "2 시그마 문제"를 발표했다. 1:1 개인 과외를 받은 학생이 일반 교실 수업 학생보다 2 표준편차(σ) 높은 성적을 보인다는 발견. 문제는 모든 학생에게 전담 과외 선생님을 붙이는 것이 비용적으로 불가능하다는 것이었다.

40년 만에 AI가 이 문제에 근접한 답을 제시하고 있다.

기업의 리스킬링 투자: 수십억 달러 규모

교육 변화는 학교에서만 일어나는 것이 아니다. 기업들도 대규모 리스킬링에 투자하고 있다.

WEF Future of Jobs Report 2025는 2030년까지 전 세계 노동력의 59%가 리스킬링 또는 업스킬링이 필요하다고 추정했다. LinkedIn Learning의 AI 관련 과정 수강은 2024년 전년 대비 160% 증가했고, Coursera에서는 생성형 AI 과정 등록이 ChatGPT 출시 이후 1,060% 폭증했다.

국가별 대응: 누가 잘하고 있는가

공통점이 보인다. AI 전환을 성공적으로 관리하는 국가들은 강한 사회 안전망 + 적극적 재훈련 프로그램 + 선제적 교육 투자를 결합하고 있다. 시장의 힘에만 맡기는 것이 아니라, 정책적으로 전환을 관리하는 것이다.

---

제7장: 전문가들의 전망 — 낙관과 비관 사이

AI와 일자리를 둘러싼 전문가들의 의견은 크게 두 갈래로 나뉜다. 양쪽의 논거를 모두 이해해야 균형 잡힌 판단이 가능하다.

낙관론: "AI는 인간을 대체하는 것이 아니라 증강한다"

에릭 브린욜프슨(Stanford)은 AI를 "증강(augmentation)" 도구로 본다. 그의 2024년 연구에서 AI 어시스턴트가 초보 직원의 생산성을 34% 높인 것은, AI가 전문가와 비전문가의 격차를 줄이는 "위대한 평등화 도구"가 될 수 있음을 시사한다.

데이비드 오터(MIT)는 2024년 연구에서 AI가 중산층을 "재구성(reconstitute)"할 수 있다고 주장했다. 비전문가도 AI의 도움으로 전문가급 업무를 수행할 수 있게 되면, 그동안 고학력·고숙련자에게만 허용되었던 직무의 문턱이 낮아진다는 논리다.

샘 올트먼(OpenAI CEO)은 2024년 "AI는 역사상 가장 강력한 경제적 역량 부여의 힘이 될 것"이라고 밝혔다.

비관론: "전환 비용을 과소평가하고 있다"

대런 아제모글루(MIT, 2024 노벨 경제학상)는 가장 강력한 회의론자다. 그의 분석에 따르면 AI가 향후 10년간 미국 생산성을 올리는 효과는 0.5~0.7%에 불과하며, AI가 현재 주로 "자동화(대체)" 방향으로 배치되고 있어 불평등이 심화될 가능성이 크다.

칼 베네딕트 프레이(Oxford)는 장기적 결과가 긍정적이더라도 전환기의 피해가 심각할 수 있다고 경고하며, 산업혁명 시기의 사회적 격변과 비교했다.

튜링상 수상자 제프리 힌턴(Geoffrey Hinton)은 2023년 구글을 떠나면서, AI가 새로운 일자리가 생기는 속도보다 더 빠르게 기존 일자리를 없앨 수 있다고 우려를 표명했다.

핵심은 "아직 결정되지 않았다"

두 진영의 차이를 정리하면 이렇다.

현재 데이터가 보여주는 것은 "대규모 일자리 소멸"보다는 "초기 신호와 변화의 흐름"이 나타나는 단계라는 것이다. McKinsey는 업무 시간의 60~70%가 자동화 잠재력이 있다고 분석하지만, MIT·IBM 연구는 실제 비용효율적으로 자동화 가능한 것은 23%에 불과하다고 반박한다.

확실한 것 하나는 있다. 향후 3~5년의 정책적 선택이 AI가 광범위한 번영으로 이어질지, 불평등 심화로 이어질지를 결정한다는 것이다. 기술 자체는 중립적이다. 문제는 그것을 어떻게 쓰느냐다.

---

제8장: 실무자를 위한 로드맵 — AI 시대에 어떻게 커리어를 설계할 것인가

이론과 데이터를 종합했다. 이제 실질적인 질문으로 넘어가자. 당신이 지금 커리어를 설계하거나 재설계해야 한다면, 무엇을 고려해야 하는가?

원칙 1: "직업"이 아니라 "업무(Task)"로 생각하라

데이비드 오터(MIT)가 반복적으로 강조하는 핵심 통찰이다. AI는 직업(job) 전체를 대체하는 것이 아니라 업무(task)를 대체한다. 한 직업 내에서도 자동화되는 업무와 그렇지 않은 업무가 공존한다.

예를 들어 "회계사"라는 직업은 사라지지 않지만, 장부 입력이라는 업무는 자동화된다. 대신 재무 전략 수립, 고객 상담, 복잡한 세무 판단 같은 업무의 비중이 커진다. 당신의 직업 내에서 AI가 대체할 수 있는 업무와 대체할 수 없는 업무를 구분하라. 그리고 후자에 집중하라.

원칙 2: Frey & Osborne의 "세 가지 병목"을 기억하라

AI가 쉽게 넘지 못하는 세 가지 벽 — 비정형적 수작업, 창의적 지능, 사회적 지능. 당신의 커리어가 이 세 가지 중 하나 이상에 기반하고 있다면, AI 시대에도 경쟁력을 유지할 가능성이 높다.

원칙 3: AI를 피하지 말고 활용하라

MIT 브린욜프슨의 연구가 보여주듯, AI 도구를 효과적으로 활용하는 능력 자체가 새로운 경쟁력이다. LinkedIn Learning의 AI 과정 수강이 160% 증가한 것은 이 흐름을 반영한다. AI를 위협으로만 보는 것과 도구로 보는 것의 차이는, 5년 뒤 전혀 다른 커리어 궤적을 만든다.

원칙 4: "T자형 인재"에서 "π자형 인재"로

하나의 전문성에 기반한 "I자형" 커리어는 AI 시대에 취약하다. 하나의 깊은 전문성 + 넓은 일반 지식의 "T자형"은 나은 편이지만, 더 강력한 것은 "π자형" — 두 가지 이상의 깊은 전문 영역을 결합하는 것이다.

앞서 소개한 사례처럼 전공에 마케팅을 추가하는 학생이 이에 해당한다. 기술적 역량 + 인간적 커뮤니케이션 능력의 조합은 AI가 단독으로 대체하기 극히 어렵다.

원칙 5: 평생 학습은 선택이 아니라 생존 전략이다

WEF는 2030년까지 전 세계 노동력의 59%가 리스킬링이 필요하다고 추정한다. 고용주의 39%가 직원의 기술이 5년 내 구식이 될 것으로 예상한다. 이는 한 번의 교육으로 커리어를 유지할 수 있는 시대가 끝났음을 의미한다.

Coursera, LinkedIn Learning, Google Career Certificates 같은 플랫폼은 기존 대학 교육 시스템의 대안을 제공하고 있다. Google은 자사의 Career Certificate를 4년제 학위와 동등하게 취급한다고 밝혔다.

---

마치며: 불확실성 속의 확실한 것들

2026년 4월, 우리는 AI가 노동시장에 미치는 영향의 초기 단계에 있다. 아직 "대규모 일자리 소멸"이 확인된 것은 아니다. 하지만 변화의 신호는 분명하다.

확실한 것들을 정리하면 이렇다.

첫째, 정형적 인지 업무는 빠르게 자동화되고 있다. 데이터 입력, 기본적 분석, 반복적 문서 작성 — 이런 업무가 핵심인 직종은 실질적으로 축소되고 있다.

둘째, 물리적 기술과 인간적 상호작용은 여전히 AI의 한계다. 배관공, 전기기사, 간호사, 소방관 같은 직종은 오히려 인력 부족 상태다. 미국 건설업에서만 50만 명 이상의 추가 인력이 필요하다.

셋째, AI를 활용하는 능력이 새로운 격차를 만들고 있다. AI를 효과적으로 활용하는 노동자와 그렇지 못한 노동자 사이의 생산성 격차는 점점 벌어지고 있다.

넷째, 전환의 속도가 핵심 변수다. 역사적으로 기술 변화는 결국 더 많은 일자리를 만들어왔다. 하지만 이번에는 전환 속도가 수십 배 빠르다. 교육과 정책이 이 속도를 따라잡을 수 있느냐가 결정적이다.

보험 사무직에서 소방관을, 컴퓨터공학에서 전기기사를, 대기업 엔지니어에서 스타트업 창업을 선택하는 젊은 세대의 움직임은 공포에 의한 도피가 아니라, 변화를 읽는 합리적 판단이다. 이들은 AI가 만들어내는 새로운 지형에서 자신만의 자리를 찾고 있다.

MIT 경제학자 데이비드 오터의 말이 이 상황을 가장 잘 요약한다.

"자동화는 노동을 대체한다 — 그러나 동시에 노동을 보완하고, 산출을 늘리며, 새로운 일에 대한 수요를 만든다."

문제는 "AI가 일자리를 없앨 것인가"가 아니다. "우리가 AI를 어떻게 사용할 것인가"다. 그 답은 기술이 아니라 사람이 만든다.

---

참고 문헌

• Frey, C. B., & Osborne, M. A. (2013). "The Future of Employment: How Susceptible Are Jobs to Computerisation?" Oxford Martin School.
• Autor, D. (2015). "Why Are There Still So Many Jobs?" Journal of Economic Perspectives.
• Autor, D. (2024). "The New Frontiers of AI and Work." NBER Working Paper.
• Acemoglu, D., & Restrepo, P. (2019). "Automation and New Tasks." Journal of Economic Perspectives.
• Acemoglu, D., & Restrepo, P. (2020). "Robots and Jobs: Evidence from US Labor Markets." Journal of Political Economy.
• Brynjolfsson, E., Li, D., & Raymond, L. (2024). "Generative AI at Work." NBER Working Paper.
• IMF (2024). "Gen-AI: Artificial Intelligence and the Future of Work." Staff Discussion Note.
• World Economic Forum (2025). "Future of Jobs Report 2025."
• Goldman Sachs (2023). "The Potentially Large Effects of AI on Economic Growth."
• McKinsey Global Institute (2024). "A New Future of Work."
• MIT CSAIL & IBM Research (2024). "Beyond AI Exposure."
• Bessen, J. (2015). Learning by Doing: The Real Connection between Innovation, Wages, and Wealth. Yale University Press.
• Bloom, B. S. (1984). "The 2 Sigma Problem." Educational Researcher.
• UNESCO (2024). "AI Competency Framework for Teachers / Students."