[전문가 칼럼] AI와 노동의 미래, 데이터는 무엇을 말하는가
노동의 종말이 아닌 과업의 대재배치
인구 절벽 시대, 한국의 AI 공존 전략
프롤로그: 이번엔 정말 다른가 1811년 영국 노팅엄에서 직조공들이 기계를 부쉈다. '러다이트'라 불린 이 노동자들은 자동 방직기가 자신들의 일자리를 집어삼킬 것이라 확신했다. 공포는 진짜였지만 역사의 결론은 달랐다. 방직기는 수공업자를 밀어냈지만 공장이라는 거대한 새 고용 생태계를 열었고, 20세기의 컴퓨터는 '계산원(Computer)'이라는 직업을 없앴지만 소프트웨어라는 전혀 새로운 대륙을 만들어 냈다. 200년간 기술은 '파괴'보다 더 큰 '창조'를 가져왔다. 경제학자들은 이를 보완 효과(Complementation)와 생산성 효과(Productivity Effect)라 부른다. 그런데 2022년 11월, 챗GPT가 세상에 나왔다. 그리고 우리는 다시 같은 질문 앞에 섰다. "이번에도 역사가 반복될까?" 결론부터 말하자면, 이번에는 사정이 좀 다르다. 과거의 자동화가 공장 노동자의 '손'을 대체했다면, 지금의 AI는 사무실 전문가의 '머리'를 겨냥하고 있기 때문이다. 의사, 변호사, 회계사, 프로그래머 한때 "기계가 절대 넘볼 수 없는 영역으로 여겨졌던 고학력 고소득 전문직의 업무가 AI의 사정거리 안에 들어왔다. 다행히 우리에게는 과거에 없던 것이 하나 있다. 데이터다. 2025~2026년에 걸쳐 MIT, NBER, OECD 등에서 쏟아진 최신 연구들은 AI의 영향을 막연한 미래학이 아닌 실증 경제학(Empirical Economics)의 언어로 분석한다. 실제 기업의 고용 데이터, 수천 명 규모의 현장 실험, 국가 단위의 행정 정보를 바탕으로 "지금 무슨 일이 벌어지고 있는가"를 숫자로 보여주는 것이다. 이 글은 바로 그 숫자들을 따라간다. "일자리가 줄어든다”대 "괜찮을 것이다"라는 단순한 이분법 대신, 누가 이득을 보고, 누가 밀려나며, 어떤 산업이 뒤집히고, 한국은 이 격변 속에서 어디쯤 서 있는지를 촘촘히 들여다보려 한다. 제1부. 평범한 사람이 전문가가 되는 세상 AI가 인간을 대체할 것인가, 도울 것인가. 최근 연구들이 내놓은 첫 번째 대답은 의외로 희망적이다. 지금까지 축적된 데이터는 생성형 AI가 사람을 밀어내기보다 사람의 능력을 끌어올리는 쪽으로 작동하고 있음을 보여준다. 다만, 그 혜택의 분배에는 뚜렷한 편향이 있다. 5,000명의 상담원이 보여준 것 MIT의 브린올프슨(Brynjolfsson) 교수 팀은 2023년, 미국 포춘 500대 기업에 소속된 고객 상담원 5.172명을 대상으로 대규모 실험을 진행했다. 상담원의 절반에게는 고객 채팅을 실시간 분석해 모범 답안을 추천하는 AI 보조 도구를 제공하고, 나머지 절반은 기존 방식 그대로 일하게 했다. AI를 쓴 그룹의 생산성은 평균 14% 올랐다. 그런데 그 14%라는 평균 뒤에 숨겨진 분포를 들여다보면 풍경이 완전히 달라진다. 상위 20%의 베테랑 상담원들은 거의 변화가 없었다. AI가 추천하는 수준의 응대를 이미 스스로 해내고 있었기 때문이다. 반면, 하위 20%의 신입 및 저숙련 상담원들은 생산성이 무려 34%나 치솟았다. 입사 2개월 차 신입이 AI의 도움을 받으니, 6개월 이상 근무한 숙련공 수준의 성과를 냈다. 경제학자들은 이 현상을 '평준화 효과(Leveling-up Effect)'라 부른다. 핵심은 '암묵지(Tacit Knowledge)'- 매뉴얼에는 적히지 않는, 오랜 경험을 통해서만 체득되는 노하우의 전파에 있다. 까다로운 고객을 달래는 말투, 복잡한 문제를 빠르게 분류하는 감각 같은 것들이다. 생성형 AI는 수만 건의 상담 기록에서 이러한 암묵지를 추출하고 패턴화하여, 경험이 부족한 초보자에게 실시간으로 건넨다. 10년 경력의 노하우가 AI라는 파이프라인을 타고 신입에게 전달되는 셈이다. 비슷한 패턴은 다른 영역에서도 반복 확인되었다. 노이(Noy)와 장(Zhang)이 2023년 발표한 연구에서는 대졸 이상 전문직 453명에게 챗GPT를 활용한 글쓰기 실험을 시켰는데, 작문 시간이 40% 단축되었고 품질은 18% 향상되었다. 여기서도 하위 그룹의 성과 향상 폭이 압도적으로 컸다. 코딩 분야도 마찬가지였다. 쿠이(Cui) 등이 2025년 발표한 연구에 따르면, AI 코딩 도구를 쓸 때 주니어 개발자의 생산성 향상 폭이 시니어를 크게 앞질렀다. 시니어 개발자는 AI가 짠 코드를 검토하고 수정하느라 오히려 시간이 더 든 28 정보 속愛 가치를 품다 반면, 주니어는 AI가 제공하는 코드 구조 덕분에 혼자서는 넘지 못했을 장벽을 훌쩍 뛰어넘었다. 동전의 이면: 전문가의 위기 여기까지만 보면 장밋빛이다. 누구나 AI를 잘 쓰기만 하면 전문가 수준에 근접할 수 있으니, 기회의 민주화가 이루어진 것 아닌가. 그러나 동전을 뒤집어 보면 풍경이 달라진다. "평범한 사람이 전문가 수준이 된다"는 말은 곧 "전문가의 희소가치가 줄어든다"는 의미이기도 하다. 기업의 인사 담당자 입장에서, 연봉 1억 원의 시니어 한 명을 뽑는 것과 연봉 4천만 원의 주니어 두 명에게 AI를 쥐여 주는 것 중 어느 쪽이 합리적인가? 평준화 효과가 강해질수록, 오랜 시간 쌓아온 경력 프리미엄은 잠식당할 수밖에 없다. 제2부. 탄광의 카나리아- 사라지는 '첫 번째 기회' 생산성이 올라가면 고용도 늘어날까? 경제학 교과서의 답은 "그렇다"이지만, 현실의 답은 더 복잡하다. 16%의 절벽 브린욜프슨(Brynjolfsson) 교수 팀은 2025년, 이번에는 고용을 추적했다. 미국 최대 급여 처리 업체 ADP의 방대한 채용·급여 데이터를 2018년부터 2025년까지 분석한 것이다. 논문 제목부터 인상적이다. "탄광의 카나리아(Canaries in the Coal Mine)" - 광산에서 유독 가스를 가장 먼저 감지하는 작은 새 말이다. 결과는 충격적이었다. AI에 많이 노출된 직군 카피라이터, 그래픽 디자이너, 초급 개발자 같은 에서 22~25세 초기 경력자의 채용이 다른 직군 대비 16% 이상 줄어든 것이다. 반면, 시니어급 경력직의 고용은 거의 줄지 않았거나 오히려 소폭 늘었다. 기업들이 인력을 줄이는 방식이 "기존 직원을 해고"하는 것이 아니라 "신입을 뽑지 않는" 조용한 방식으로 진행되고 있다는 뜻이다. 사다리의 첫 번째 칸이 잘려 나가고 있다 왜 하필 신입인가. 과거에 기업은 신입 사원에게 자료 조사, 초안 작성, 간단한 코딩 같은 업무를 맡기며 일을 가르쳤다. 신입의 낮은 생산성은 미래의 핵심 인재를 키우기 위한 투자 비용이었다. 이것이 현장 직무 교육(OJT: On-the-Job Training)의 경제학이다. 기업은 단기적으로 손해를 보지만, 장기적으로 조직에 녹아든 숙련 인력을 얻는다. 그런데 AI가 이 방정식을 뒤집어 버렸다. 자료 조사? 챗GPT가 한다. 초안 작성? AI가 5분이면 끝낸다. 간단한 코딩? 코파일럿이 즉석에서 짜준다. 기업 입장에서 신입 사원은 갑자기 "가르치는 데 시간과 비용이 들지만, 하던 일은 AI가 대신하는 존재"가 되어 버린 것이다. 결과적으로 기업은 AI를 능숙하게 다룰 줄 아는 소수의 경력직만 원하게 된다. 노동시장이라는 사다리에서 가장 아랫단 신입이 발을 딛고 올라가는 첫 번째 칸이 잘려 나가고 있는 것이다. 브린욜프슨 교수 팀이 이 현상을 '탄광의 카나리아'에 빗댄 이유가 바로 여기에 있다. 경기가 좋아져도 신입에게 맡길 일 자체가 사라졌다면 채용은 돌아오지 않는다. 20대 구직자들이 겪고 있는 이 채용 절벽은, AI가 노동시장 전반에 가져올 거대한 재편의 첫 번째 경고 신호일 수 있다. 제3부. 사무실이 텅 비고, 공장이 다시 채워진다 수십 년간 우리 사회에는 견고한 통념이 하나 있었다. "공부를 많이 해서 사무실에서 일해야 안전하다."AI 혁명은 이 공식을 정면으로 뒤집고 있다. 브라질이 보여준 반대의 증거 시카고 연방준비은행의 데 소우자(De Souza)가 2026년 발표한 연구 "A.I. in the Office and the Factory"는 브라질의 전수(全數) 행정 데이터를 분석한 대규모 실증 연구다. 결과는 선명했다. AI를 도입한 기업에서 사무직 고용은 줄었다. 데이터 입력, 일정 관리, 기초 보고서 시야를 넓혀 보자. AI가 국가 경제를 얼마나 작성을 맡던 행정 지원 인력이 주된 타격을 성장시킬 수 있는가에 대한 전망은 놀라울 받았다. 반전은 같은 기업의 공장에서 벌어졌다. 생산직 고용은 오히려 늘어난 것이다. AI 비전 인식이나 자동 제어 최적화 덕분에 생산 효율이 올라갔고, 시장 점유율이 확대되면서 더 많은 생산 인력이 필요해졌다. 배경에는 '탈숙련화(Deskilling)'라는 메커니즘이 있다. 과거에 복잡한 정밀 기계를 다루려면 수년의 훈련이 필수였지만, AI가 기계 제어와 불량 검출을 보조해 주면서 경험이 적은 노동자도 빠르게 업무를 수행할 수 있게 되었다. 기술이 업무의 복잡성을 제거하면, 오히려 사람이 그 영역으로 들어올 수 있게 된다. 이 역설은 화이트칼라가 아닌 블루칼라 영역에서 더 강력하게 나타나고 있다. 전문직 시장의 '승자독식' 한편, 고소득 전문직 시장에서는 또 다른 지각변동이 진행 중이다. 햄폴(Hampole) 등이 2025년 발표한 연구에 따르면, 과거 10명의 애널리스트가 나누어 하던 기업 분석을 이제는 1명의 시니어가 AI 에이전트들을 지휘하며 혼자 해치운다. 전문직 시장이 소수의 '슈퍼스타'와 다수의 '대체된 인력'으로 쪼개지는 승자 독식(Winner-takes-all) 구조가 심화되고 있는 것이다. 제4부. 10% 성장의 꿈, 0.06%의 현실 개별 기업과 개인의 이야기를 넘어 경제 전체로 시야를 넓혀 보자. AI가 국가 경제를 얼마나 성장시킬 수 있는가에 대한 전망은 놀라울 정도로 극명하게 엇갈린다. 골드만삭스의 장밋빛과 아세모글루의 냉수 골드만삭스(Goldman Sachs)는 2023년, 생성형 AI가 향후 10년간 전 세계 GDP를 약 7%(약 7조 달러) 추가 성장시킬 것이라 전망했다. 연간 생산성 증가율을 1.5% 포인트나 끌어올린다는 거대한 수치다. 그러나 노벨경제학상 수상자인 MIT의 아세모글루(Acemoglu) 교수는 2024년 논문 "The Simple Macroeconomics of AI 에서 이 낙관론에 찬물을 끼얹었다. 그는 경제를 구성하는 수천 가지 과업(Task)을 하나하나 분해한 뒤, 바닥부터 쌓아 올리는 방식으로 AI의 실질적 기여도를 따져 보았다. 그의 계산에 따르면, AI가 실질적으로 대체하거나 보완할 수 있는 과업은 전체 경제 활동의 약 4.6%에 불과하다. 육체노동, 대면 돌봄, 복잡한 사회적 조율처럼 AI가 아직 건드리지 못하는 영역이 경제의 대부분을 차지하기 때문이다. 이 4.6%에서 아무리 획기적인 비용 절감이 이루어져도 경제 전체로 나누면 효과는 크게 희석된다. 결론은 향후 10년간 AI가 가져올 총요소생산성(TFP, Total Factor Productivity) 증가는 총 0.53~0.66%, 연간 0.06%포인트 골드만삭스 예측의 약 20분의 1이다. '어정쩡한 자동화'라는 함정 아세모글루가 특히 경고하는 것은 '어정쩡한 자동화(So-so Automation)'의 확산이다. 고객센터에 전화를 걸었더니 챗봇이 나온다. 한참을 헤매다 결국 "상담원 연결"을 누르지만, 상담원은 줄어들었으니 대기 시간은 30분이다. 기업은 인건비를 아꼈지만, 서비스 품질은 떨어지고 소비자의 시간은 낭비된다. 진정한 생산성은 오르지 않은 채 고용만 줄어드는 '나쁜 균형'이다. 물론 AI가 신약 개발이나 기초과학 연구를 가속화하여 새로운 시장을 열 수 있다는 반론도 만만치 않다. 그럼에도 아세모글루의 분석이 갖는 가치는 분명하다. "AI만 갖다 놓으면 경제가 알아서 성장할 것"이라는 안이한 기술 낙관론에 대한 학문적 경종이기 때문이다. 기술은 조건이지, 그 자체가 답은 아니다. 제5부. 한국인구 절벽 위의 AI 전략 지금까지의 논의를 한국이라는 맥락 위에 올려놓으면, 풍경이 또 한 번 달라진다. 화려한 평균, 처참한 격차 OECD 보고서(2025)에 따르면, 한국은 로봇 밀도 세계 1위, ICT 인프라 세계 최상위권이다. 그러나 이 화려한 평균 뒤에는 심각한 불균형이 숨어 있다. 대기업은 자체 AI 연구소를 운영하며 최전선에 서 있지만, 전체 고용의 80% 이상을 떠받치는 중소기업은 투자 여력도, 전문 인력도 부족해 크게 뒤처져 있다. 한국의 AI 역량은 '평균'이 아니라 '양극단'으로 읽어야 정확하다. 인구 절벽이라는 역설적 기회 한국이 마주한 가장 심대한 구조적 위기는 인구 절벽이다. 한국은 수년째 세계 최저 수준의 합계출산율을 이어가고 있으며, 이는 머지않아 일할 사람 자체가 절대적으로 부족해진다는 뜻이다. 역설적이게도, 이 위기가 AI에 대한 논의의 틀을 바꾼다. 노동력이 넘쳐나는 나라에서 AI는 "일자리를 빼앗는 위협"이지만, 일할 사람이 부족한 나라에서 AI는 "비어 가는 자리를 메우는 구원투수"가 된다. OECD는 한국의 고령화 속도를 고려할 때, AI가 국가 전체의 노동 생산성을 유지하는 핵심 수단이 될 것으로 전망한다. 한국개발연구원(KDI)도 2023년 보고서에서, 인구 감소로 인한 노동력 부족 충격을 Al 자동화가 상당 부분 상쇄할 수 있다고 분석했다. 한국에서 AI 도입은 단순한 효율화 전략이 아니라, 국가 경제의 지속 가능성을 위한 생존 전략이다. 이중구조라는 오래된 함정 그러나 문제의 복잡성은, 한국 노동시장의 고질적 병폐인 이중구조(Dual Labor Market)와 AI가 만나는 지점에서 극대화된다. 대기업과 정규직은 AI를 활용해 생산성과 보상을 높이는 반면, 중소기업과 비정규직은 도태되거나 '어정쩡한 자동화'에 머물러 일자리만 줄어든다. 여기에 '신입 채용 감소'현상이 한국 특유의 경직된 공채 문화, "경력직 우대"관행과 결합하면 그 충격은 다른 나라에 비해 훨씬 클 수 있다. "경력을 쌓을 기회 자체를 얻지 못하는"청년 세대가 고착화된다면, 소비 위축과 혁신 역량 저하라는 악순환이 한국 사회의 지속 가능성을 근본부터 위협할 것이다. '이기는 법'이 아니라 '함께 사는 법'을 배워야 할 때 여기서 우리는 근본적인 질문 하나와 마주한다. AI와의 관계를 어떻게 설정할 것인가. 지금까지의 담론은 대부분 경쟁의 프레임에 갇혀 있었다. "AI에 대체되지 않으려면 어떻게 해야 하는가", "AI를 이길 수 있는 능력은 무엇인가"-이런 질문들 말이다. 그러나 데이터가 보여 주는 현실은, 이 프레임 자체가 틀렸을 수 있다는 것을 시사한다. AI를 '이겨야 할 상대'로 놓는 순간, 우리는 이 기술이 가진 가장 강력한 가능성-인간의 한계를 확장하는 도구로서의 잠재력-을 놓치게 된다. 필요한 것은 경쟁이 아니라 공존이다. 인류가 AI와 함께 살아가는 법을 배우고 터득하는 것. 이것이 이 시대가 우리에게 던지는 진짜 과제다. 공존은 단순히 AI 도구의 사용법을 익히는 것을 넘어선다. AI는 방대한 데이터를 처리하고 패턴을 찾아내는 데 탁월하다. 반면 맥락을 읽고, 윤리적 판단을 내리고, 전혀 다른 분야의 지식을 연결하여 새로운 의미를 만들어 내는 것은 여전히 인간의 몫이다. 공존이란, 이 상호 보완성을 최대한 살려 내는 것이다. 교육도 이 관점에서 재설계되어야 한다. 암기와 정형화된 기술 습득 대신, AI와 협업하는 능력, 비판적 사고력, 복잡한 현실 문제를 정의하고 분해하는 역량을 길러야 한다. 사회 안전망의 철학도 달라져야 한다. 일자리를 억지로 보존하기 위해 기술 도입을 막는 것은 21세기의 쇄국정책이나 다름없다. 정부의 32 정보 속愛 가치를 품다 역할은 사라지는 일자리를 지키는 것이 아니라, 밀려난 사람이 새로운 성장 영역으로 빠르게 이동할 수 있도록 돕는 것이어야 한다. 한 사람이 평생 여러 직업을 거치는 것이 자연스러운 시대에, 한 번의 실직이 영구적인 탈락으로 이어지지 않도록 하는 것 그것이 AI 시대 사회 안전망의 핵심 원리가 되어야 한다. 결국은 선택의 문제다 AI는 이미 결정된 미래가 아니다. 그것은 강력한 도구일 뿐이다. 이 도구를 통해 노동자를 기계의 부품으로 전락시킬지, 기계와 협력하여 한 차원 더 높은 성과를 내는 존재로 성장시킬지는 결국 우리의 선택에 달려 있다. 인류는 증기기관과도, 컴퓨터와도 공존하는 법을 결국 배워 냈다. 많은 시행착오와 고통을 겪었지만, 결국 기술을 길들이고 기술과 함께 더 나은 세상을 만들어 왔다. AI와의 공존도 다르지 않을 것이다. 다만 이번에는 변화의 속도가 과거와 비교할 수 없을 만큼 빠르다. 그래서 배움도 빨라야 한다. 한국은 세계 최저 출산율이라는 인구 절벽의 위기 속에서, AI라는 시대적 기회를 반드시 잡아야 하는 절박한 위치에 놓여 있다. 지금 우리에게 필요한 것은 막연한 공포도, 근거 없는 낙관도 아니다. 냉철한 데이터에 기반한 전략적 대응, 그리고 AI와 함께 살아가는 법을 겸허하게 배우려는 자세 바로 그것이다. 에필로그: 노동의 종말이 아닌, 공존의 시작 이 글에서 따라간 데이터들이 말해 주는 것을 한 문장으로 압축하면 이렇다. AI는 노동의 종말(End of Work)을 가져오지 않는다. 대신 '과업의 대(大)재배치(Great Reallocation)'를 강요한다. 누군가는 AI의 어깨 위에 올라타 한 사람이 열 사람 몫을 해내는 인재가 되고, 누군가는 시장에서 밀려나는 잉여 인력이 된다. 그 갈림길을 결정하는 것은 AI의 성능이 아니라 사람과 사회의 선택이다. 이사야 UNIST 경영과학부 교수 <본 기고문은 울산도서관 소식지 「글길」 32호 “[전문가 칼럼] AI와 노동의 미래, 데이터는 무엇을 말하는가”라는 제목으로 실린 것입니다.>