Ramp 채용 데이터, AI가 일자리를 늘린다는 조건

고강도 AI 도입 기업은 2년 뒤 더 많이 뽑았다

Ramp Economics Lab은 2026년 6월 30일 글에서 AI를 많이 도입한 기업이 이후 고용을 더 늘렸다고 발표했다. Ramp는 자체 기업 지출 데이터와 Revelio Labs의 인력 데이터를 결합해 2만1천 개 이상의 미국 기업 표본을 분석했고, AI에 고강도로 투자한 기업의 총고용이 도입 후 2년 동안 10.2% 증가했다고 밝혔다. 신입급 인력은 12% 늘었다.

이 결과는 "AI가 일자리를 없앤다"는 단순한 서사와 충돌한다. 그러나 반대로 "AI는 무조건 일자리를 만든다"는 결론도 위험하다. Ramp가 말하는 효과는 고강도 도입 기업에 집중됐다. 저강도 도입 기업은 통계적으로 유의한 변화가 없었고, 고용 증가는 도입 직후가 아니라 6개월에서 12개월 이후 나타났다. 즉 AI는 도구를 사는 순간이 아니라 조직이 쓰는 법을 배운 뒤에 영향을 낸다.

Agenthub의 RAISE US AI 노동 전환 분석, Codex 업무 연구, 브라운 AI 시험 논란을 함께 보면 노동시장의 핵심은 대체냐 보완이냐보다 "어떤 조직이 어떤 방식으로 흡수하느냐"다.

중요한 caveat: 성장 기업이 먼저 AI를 잘 쓴다

Ramp는 AI 도입 기업이 이미 더 크고, 엔지니어링 집약적이며, 벤처 투자를 받았고, 더 빠르게 성장하는 경향이 있다고 설명했다. 이는 매우 중요한 단서다. AI가 고용 증가의 원인일 수 있지만, 원래 성장성이 높은 기업이 AI도 더 빨리 도입했을 가능성을 배제할 수 없다. 연구가 통제군을 두더라도 현실의 기업 선택 편향은 완전히 제거하기 어렵다.

그래도 데이터가 의미 없는 것은 아니다. 오히려 이 단서가 실무에 더 유용하다. AI 도입 효과는 균등하게 퍼지지 않는다. 네트워크, 자본, 인재, 실험 문화가 있는 기업이 먼저 혜택을 가져간다. Ramp는 VC 지원 여부가 섹터보다 AI 도입을 더 잘 예측할 수 있다고도 봤다. 이는 한국 스타트업과 대기업 계열사 사이에서도 비슷하게 나타날 수 있다.

신입 채용의 의미가 바뀐다

Ramp 데이터에서 가장 흥미로운 부분은 신입급 인력 증가다. 최근 몇 년 동안 AI가 주니어 개발자와 사무직 초입을 압박한다는 이야기가 많았다. 실제로 일부 기업은 AI를 이유로 채용을 줄이거나 구조조정을 설명했다. 그러나 고강도 AI 도입 기업은 오히려 신입을 더 많이 뽑았다는 결과가 나왔다. 이는 신입이 사라진다는 말보다 신입에게 요구되는 능력이 바뀐다는 쪽에 가깝다.

AI를 잘 쓰는 신입은 단순 반복 업무만 하는 사람이 아니다. 모델에게 일을 나누고, 결과를 검수하고, 도구를 연결하고, 오류를 발견하고, 팀의 업무 지식을 빠르게 흡수하는 사람이다. 기업 입장에서는 숙련자의 시간을 줄이면서도 업무량을 늘릴 수 있다면 신입 채용의 경제성이 다시 좋아질 수 있다.

Stanford AI Index와 World Economic Forum의 Future of Jobs도 AI가 직무를 없애는 동시에 새로운 역량 수요를 만든다고 본다. 문제는 교육기관과 기업 온보딩이 이 변화 속도를 따라가느냐다. 한국의 신입 채용은 공채, 직무교육, OJT에 강점이 있지만 AI 도구 사용 능력을 체계적으로 평가하는 방식은 아직 초기다.

한국 기업에 주는 메시지

한국 기업이 Ramp 데이터를 받아들일 때 가장 위험한 해석은 "AI 도입하면 고용도 늘고 생산성도 오른다"는 자동화된 낙관론이다. 데이터의 조건은 고강도 도입, 학습 기간, 성장 기업 편향이다. 도구 계정만 지급하고 업무 프로세스를 그대로 두면 저강도 도입에 머물 가능성이 높다. 그런 조직에서는 비용만 늘고 성과는 보이지 않는다.

반대로 제대로 설계하면 AI는 인력 감축보다 업무 확장을 가능하게 할 수 있다. 작은 팀이 더 많은 고객을 지원하고, 개발팀이 더 많은 실험을 돌리고, 재무팀이 더 많은 시나리오를 검토하고, 마케팅팀이 더 많은 소재를 테스트할 수 있다. 이때 채용은 줄어드는 것이 아니라 다른 형태로 늘 수 있다. 다만 새로 뽑는 사람은 AI를 금지당한 사람이 아니라 AI와 함께 일하는 사람이어야 한다.

실무적으로는 세 가지가 필요하다. 첫째, 직무별 AI 사용 수준을 측정해야 한다. 둘째, 신입 온보딩에 프롬프트 교육만 넣지 말고 검수 기준, 데이터 보안, 자동화 실패 사례를 넣어야 한다. 셋째, AI 도입 성과를 인력 감축 목표와만 연결하지 말고 매출 실험 수, 처리량, 품질, 학습 속도와 함께 봐야 한다.

자주 묻는 질문

Q1: Ramp 데이터는 AI가 일자리를 늘린다는 증거인가요?

A: 고강도 AI 도입 기업에서 고용 증가가 관찰됐다는 증거다. 모든 기업과 모든 직무에 일반화하기는 어렵다.

Q2: 왜 저강도 도입 기업은 효과가 없었나요?

A: 단순 구독이나 가벼운 챗봇 사용만으로는 업무 방식이 바뀌지 않는다. 여러 도구와 API, 코딩 에이전트를 깊게 쓰는 조직에서 효과가 컸다.

Q3: 신입에게 좋은 소식인가요?

A: AI를 잘 쓰는 신입에게는 기회가 될 수 있다. 다만 기존 방식의 반복 업무만 기대하는 신입에게는 요구 수준이 높아질 수 있다.

Q4: 한국 기업은 채용을 늘려야 하나요?

A: 무조건 늘리기보다 AI로 확장할 업무를 먼저 정해야 한다. 업무량이 늘어나는 부서에서 신입과 숙련자의 역할을 다시 설계하는 것이 좋다.

Q5: 성과 측정은 어떻게 해야 하나요?

A: 6~12개월 지연을 감안해 처리량, 검수 시간, 품질, 매출 실험, 고객 응답 속도, 직원 학습 속도를 함께 추적해야 한다.