AI 일자리 공포가 미뤄졌다는 신호를 읽는 법

종말론보다 느린 재배치가 먼저 보인다

The Economist 기사는 AI 기술의 초기 고용 효과가 긍정적으로 보인다는 주장을 제기했다. 원문은 접근 제한이 있지만, 공개된 제목만으로도 최근 논쟁의 방향을 잘 보여준다. 2023년 이후 시장은 "AI가 대규모 실업을 만든다"는 서사와 "AI가 새 업무를 만든다"는 서사 사이를 오갔다.

지금 더 현실적인 그림은 급격한 붕괴보다 직무 재배치다. OECD 고용전망과 ILO의 생성 AI와 일자리 보고서는 자동화보다 augmentation 가능성을 크게 봤다. 다만 보완 효과가 곧 모두에게 좋은 결과라는 뜻은 아니다. 누가 더 많은 산출을 만들고, 누가 더 낮은 가격 압박을 받는지가 갈린다.

기업은 직무가 아니라 업무 단위를 바꾼다

AI 도입은 "개발자 1명을 대체한다"처럼 움직이지 않는다. 코드 검색, 초안 작성, 회의 요약, 고객 응대, 리서치, QA 같은 업무 단위가 먼저 바뀐다. 같은 직함 안에서도 AI를 잘 쓰는 사람과 그렇지 않은 사람의 산출 차이가 커질 수 있다. 좋은 문화가 AI보다 큰 생산성 해킹이라는 주장은 도구보다 운영 문화가 병목이라고 지적했다.

한국 기업도 채용 공고에서 "AI 활용 역량"을 요구하기 시작했다. 하지만 역량 정의가 모호하면 생산성 측정은 감에 의존한다. 단순히 Copilot이나 ChatGPT 계정을 나눠주는 것보다, 반복 업무를 재설계하고 검토 책임을 명확히 하는 편이 효과적이다.

초기 지표는 늦게 오는 비용을 숨긴다

노동시장은 기술보다 느리게 움직인다. 기업은 먼저 파일럿을 만들고, 예산을 조정하고, 성과 기준을 바꾼 뒤에야 인력 계획을 수정한다. 그래서 초기 고용 지표가 긍정적이어도 전환 비용은 나중에 나타날 수 있다. AI 회의론도 예측 성적표가 필요하다가 말한 것처럼, 양쪽 주장 모두 시간표와 측정 기준을 공개해야 한다.

Stanford AI Index는 기업 도입, 투자, 성능 개선 속도를 함께 추적한다. 이런 종합 지표가 필요한 이유는 AI가 단일 산업이 아니라 거의 모든 사무직 업무의 보조 기술로 퍼지고 있기 때문이다.

한국 스타트업의 대응은 교육보다 운영 설계다

스타트업은 AI를 채용 축소 명분으로만 쓰기보다 cycle time을 줄이는 운영 도구로 봐야 한다. 예를 들어 고객 문의 초안은 AI가 쓰되 최종 책임자는 사람이 맡고, 코드 변경은 에이전트가 만들되 테스트와 리뷰 정책은 강화하는 식이다. 코딩 에이전트가 고르는 도구가 시장을 정한다는 에이전트가 도구 선택권까지 가져갈 수 있다고 봤다.

고용 논쟁의 핵심은 "일자리가 사라지는가"보다 "학습 경로가 유지되는가"다. 초급자가 하던 반복 업무가 사라지면 숙련자가 될 사다리도 약해질 수 있다. 기업은 생산성 이득 일부를 교육과 검증 체계에 다시 투자해야 한다.

자주 묻는 질문

Q1: AI가 일자리를 늘린다는 뜻인가요?

A: 초기 신호가 긍정적으로 보일 수 있다는 뜻이지, 장기적으로 모든 직무가 안전하다는 뜻은 아닙니다.

Q2: 어떤 직무가 먼저 바뀌나요?

A: 문서 작성, 요약, 코드 초안, 고객 응대, 데이터 정리처럼 반복 가능하고 디지털 기록이 많은 업무가 먼저 바뀝니다.

Q3: 한국 기업은 무엇을 측정해야 하나요?

A: 도구 사용량보다 cycle time, 재작업률, 리뷰 시간, 고객 응답 품질, 신규 직원 학습 속도를 봐야 합니다.

Q4: 해고보다 채용 변화가 먼저 오나요?

A: 가능성이 큽니다. 기존 인력을 즉시 줄이기보다 신규 채용 기준과 업무 배분이 먼저 바뀌는 경우가 많습니다.

Q5: 개인의 대응은 무엇인가요?

A: AI 도구 사용법 자체보다 결과 검증, 문제 정의, 도메인 지식, 협업 기록을 강화하는 것이 오래 갑니다.