스탠포드 대학의 최근 보고서가 최신 고용 데이터를 분석한 결과, 현재까지 AI가 대규모 일자리 소멸을 초래하지는 않은 것으로 나타났습니다. 한편, '이코노믹 타임스(Economic Times)'의 신규 채용 데이터에 따르면 AI는 전례 없는 일자리 창출을 적극적으로 견인하고 있으며, 특히 글로벌 역량 센터(GCC)의 신규 채용 중 3분의 2가량이 AI 관련 역량을 기반으로 이루어지고 있습니다. 노동 시장의 최전선에서 전해진 이러한 소식들은 우리에게 안도감을 주는 현실을 시사합니다. 즉, 많은 이들이 우려했던 'AI로 인한 일자리 종말'이 갑작스러운 대규모 일자리 소멸 사태로 현실화되지는 않았다는 것입니다.
(때로는 간과되곤 하지만) 핵심은 이것입니다. AI가 실질적인 영향을 미치며 업무의 본질을 광범위하게 변화시키고 있다는 점입니다. 하지만 이러한 변화와 혼란이 새로운 현상은 아닙니다. 경제는 언제나 기존의 일자리를 없애고 새로운 일자리를 만들어왔습니다. 이러한 진화가 발전으로 느껴질지 아니면 붕괴로 느껴질지를 결정하는 것은 단순히 사라지는 일자리의 수가 아니라, 그 변화가 노동 시장에 얼마나 빠른 속도로 닥치느냐 하는 점입니다.
1995년, 빌 게이츠는 '인터넷 해일(The Internet Tidal Wave)'이라는 제목의 메모를 통해 웹을 IBM PC 이후 가장 중요한 컴퓨팅 발전이라고 평가했습니다. 인터넷이 해일이었다면, 인공지능은 쓰나미에 비유할 수 있습니다. 이는 튜링 머신(Turing machine) 이후 컴퓨팅 분야에서 가장 큰 진보라고 할 수 있습니다. 하지만 멀리서 보면 이 파도의 속도를 체감하기 어렵기 때문에, 많은 이들이 거시 경제가 언제쯤 그 영향을 실질적으로 느끼게 될지 궁금해합니다.
이를 제대로 이해하려면 노동 시장에서 이미 나타나고 있는 역사적 패턴을 파악해야 합니다. 미국 노동통계국과 연방준비제도(Fed)의 수십 년 치 데이터를 종합해 보면, 일자리 소멸과 창출이라는 두 곡선이 겹쳐지는 놀라울 정도로 일관된 흐름이 확인됩니다. 지난 20년 동안 미국에서는 변화와 혼란을 겪은 분야에서 약 2천만 개의 일자리가 사라졌습니다. 같은 기간 전체 취업자 수는 2,570만 명 증가했습니다. 이는 사라진 일자리 1개당 약 1.3개의 새로운 일자리가 생겨났음을 의미합니다. 대표적인 사례로 비디오 대여(-98.9%)나 워드 프로세싱(-83%) 관련 일자리는 거의 자취를 감췄지만, 동시에 디지털 경제를 뒷받침하는 데이터 처리(+54%)나 창고업(+260%) 같은 분야에서는 새로운 일자리가 생겨났습니다.
또한 데이터는 감당 가능한 수준의 감소와 혹독한 붕괴를 구분 짓는 초기 신호도 보여줍니다. 바로 '혼란의 반감기(disruption half-life)', 즉 특정 직종의 고용 규모가 정점 대비 절반으로 줄어드는 데 걸리는 시간입니다. 지난 수십 년간 발생한 주요 기술적 변화 사례들을 살펴보면, 반감기의 중간값은 약 10년이었습니다. 사진 현상과 같은 급격한 변화의 경우 1~5년이 걸렸고, 일반적인 변화는 8~13년이 소요되었습니다. 결국 시간이야말로 충격을 완화해 주는 결정적인 요소입니다. 경제 변화가 10년에 걸쳐 서서히 진행되면 급격한 붕괴가 아닌 발전으로 느껴지는데, 이는 고령 근로자에게는 은퇴할 시간을, 젊은 근로자에게는 대비할 시간을 주기 때문입니다.
2022년 현대적 거대언어모델(LLM)이 등장한 이후 AI의 영향을 가장 많이 받는 직종(고객 서비스 담당자, IT 지원 인력, 텔레마케터 등)의 추이를 살펴보면, 초기 데이터는 비교적 온건한 변화를 보여줍니다. 오프쇼어링(해외 이전), 자동화, 팬데믹 이후의 조정 효과 등을 제외하고 보더라도, 3년이 지난 현재의 혼란상은 급격한 붕괴보다는 '전형적인' 변화의 양상에 더 가깝습니다. 이는 '아마라의 법칙(Amara's Law)'이 실시간으로 입증되는 사례입니다. 즉, 우리는 기술의 효과를 단기적으로는 과대평가하고 장기적으로는 과소평가하는 경향이 있다는 것입니다. 초기의 암울한 경고는 이제 더 신중한 전망으로 바뀌었습니다. 2025년, 앤스로픽(Anthropic)의 다리오 아모데이(Dario Amodei)는 AI가 5년 내에 신입 화이트칼라 일자리의 절반을 없앨 수 있다고 경고했습니다. 하지만 2026년에 이르러 그와 오픈AI(OpenAI)의 샘 올트먼(Sam Altman)은 생산성, 경제 성장, 그리고 인간 노동에 대한 지속적인 수요를 강조하고 있습니다.
그러나 전체 고용 수치만 보는 것은 위험한 구조적 위협을 가릴 수 있습니다. 현재의 증거가 인간 노동의 종말을 예고하는 것은 아니지만, AI는 숙련된 노동자를 양성하는 메커니즘을 조용히 무너뜨리고 있습니다.
소프트웨어 엔지니어링 분야가 바로 그 '탄광 속의 카나리아(위험을 알리는 조기 경보)'와 같습니다. 대부분의 종합 지표상 고용은 안정적인 것으로 보입니다. 2026년 6월 실업률은 4.2%를 유지했고, 예일 예산 연구소(Yale Budget Lab)와 같은 기관들도 AI 노출 직종의 절대 일자리 수에는 아직 뚜렷한 영향이 없다고 분석합니다. 하지만 그 이면에서는 고용 구성이 변화하고 있습니다. AP 통신과 옥스퍼드 이코노믹스(Oxford Economics)에 따르면, 지난 4년 동안 주니어 개발자 채용 공고가 약 40% 감소했습니다. 같은 분야의 선배 졸업생들의 고용은 소폭 증가한 반면, 22~27세 컴퓨터 및 수학 전공 졸업생의 고용은 2022년 이후 8% 감소했습니다. 이러한 고용 기반의 잠식 현상은 법률 보조원, 주니어 애널리스트, 일선 지원 인력 등 신입 사원이 주로 반복적인 업무를 수행하던 모든 분야에서 나타나고 있습니다.
역설적인 점은 신입 채용의 문이 좁아지고 있음에도 불구하고 이들 산업은 계속 성장하고 있다는 것입니다. 미국 노동통계국(BLS)은 소프트웨어 개발자와 QA(품질 보증) 애널리스트의 고용이 2034년까지 15% 증가할 것으로 여전히 전망하고 있습니다. 하지만 이 전망은 주니어 인력을 시니어 인재로 성장시키는 경로, 즉 현재 차단되고 있는 바로 그 경로가 원활하게 작동한다는 것을 전제로 합니다.
그 이유는 업무의 본질에 있습니다. 소프트웨어 개발은 판단과 책임이 따르는 과정입니다. 즉, 무엇을 만들지 결정하고 이를 실행에 옮기며, 그 결과에 대해 책임을 지는 일입니다. AI는 이 과정의 중간 단계, 다시 말해 과거 주니어 개발자들이 실무를 익히며 수행하던 명확한 지침에 따른 반복적인 코딩 작업에는 능숙합니다. 하지만 그 앞뒤 단계에서 요구되는 판단력에 있어서는 여전히 역량이 크게 부족합니다. AI가 자동화하는 업무는 바로 주니어 개발자들이 일을 배우기 위해 수행하던 바로 그 업무들입니다.
이는 단순한 학문적 논의가 아니라 자본 배분의 문제입니다. 기술 혁신으로 인한 변화의 속도를 잘못 판단하면 성급하게 인력을 감축했다가 다시 급하게 채용해야 하는 상황에 처하거나, 전환기에 필요한 투자를 너무 늦게 집행하여 핵심 리더급 인재의 씨가 마르는 시점에 심각한 인력난을 겪을 위험이 있습니다.
향후 10년의 과제는 '일의 종말'에서 살아남는 것이 아닙니다. 전통적인 도제식 교육 경로가 사라진 상황에서 차세대 전문가를 어떻게 양성할 것인가 하는 문제입니다. AI에 대한 수요가 계속 증가함에 따라 기업들도 이러한 새로운 현실을 인식하기 시작했습니다. IBM은 신입급 채용 규모를 3배로 늘리는 한편, 해당 직무를 단순 업무가 아닌 AI 감독 및 시스템적 사고 중심으로 재설계하고 있습니다. 신입 인력 유입 경로를 재구축하는 것은 이제 기업 경쟁력을 위한 필수 과제입니다.
신입급 직무는 자선 활동이 아니라 인재 확보를 위한 자본 투자(capex)입니다. AI가 없애는 일자리보다 더 많은 일자리를 창출한다면, 기업에는 여전히 AI를 운영하고, 판단하며, 문제를 해결할 줄 아는 인력이 필요할 것입니다. AI는 지금까지 등장한 기술 중 가장 광범위한 영향력을 미치는 기술일 수 있지만, 바로 그 광범위함이야말로 우리가 낙관론을 펼칠 수 있는 가장 큰 이유입니다. 범용 기술은 모든 산업 분야에 걸쳐 새로운 일자리를 만들어냅니다. 이러한 사실을 인식하고 신입 인력 양성 경로를 보호하며 지금 당장 교육에 투자하는 기업이야말로, 훗날 숙련된 고급 인력 시장을 주도하게 될 것입니다.
댓글 없음:
댓글 쓰기