[아웃소싱타임스 김민수 기자] 인공지능(AI)이 불러온 일자리 충격이 고임금 화이트칼라와 청년층 채용에서 먼저 모습을 드러내고 있다.

코딩과 고객상담, 데이터 분석 등 디지털 업무가 빠르게 자동화되면서 기업들은 기존 인력을 줄이는 동시에 남은 직원들을 AI 업무로 재배치하고 있다. 당장 대규모 실업보다 신입 채용 축소와 직무 통합, 경력 사다리의 약화가 더 현실적인 위험으로 떠올랐다.

이번 변화는 AI가 사람의 일자리를 일괄적으로 빼앗는 단순한 대체 과정과는 다르다. 기업은 반복적인 지식업무를 AI에 넘기고 사람에게는 문제 정의와 결과 검증, 고객 설득, 최종 승인을 맡기는 방향으로 조직을 재설계하고 있다. 실행자는 줄어드는 반면 AI가 만든 결과를 판단하고 책임질 수 있는 숙련자의 가치는 오히려 커지는 구조다.

KDI 경제교육·정보센터가 7월 발간한 『나라경제』 428호는 ‘AI와 미래 ① 일자리의 지각변동’을 통해 국내외 고용시장 변화와 인간의 미래 역량, 신규 직업, 노동법 개편 방향을 집중적으로 다뤘다. 오현우 중앙일보 IT산업부 기자와 이상욱 한양대 교수, 이경전 경희대 교수, 권혁 고려대 노동대학원 교수의 분석을 종합하면 AI 시대의 핵심 과제는 사라질 일자리의 숫자를 예측하는 데 그치지 않고, 근로자가 새로운 직무로 이동할 수 있는 숙련·교육·제도적 기반을 구축하는 데 있다.

■ AI가 가장 먼저 파고든 곳은 고임금 화이트칼라

오현우 중앙일보 IT산업부 기자가 작성한 ‘AI가 가장 먼저 빼앗을 일자리는 무엇일까?’는 과거 자동화와 달리 이번 AI 혁신이 고학력·고임금 화이트칼라 직종을 먼저 겨냥하고 있다고 진단했다.

근거로 제시된 자료가 앤트로픽(Anthropic)이 지난 3월 5일 공개한 ‘AI가 노동시장에 미치는 영향’ 연구다. 앤트로픽은 미국 800여 개 직종을 대상으로 AI의 이론적 업무 수행 가능성과 실제 클로드 이용 데이터를 결합한 ‘관측 노출도’를 산출했다.

컴퓨터 프로그래머의 관측 노출도가 74.5%로 가장 높았고 고객서비스 담당자 70.1%, 데이터 관련 직종 67.1%, 시장분석가 64.8%, 재무분석가 57.2%가 뒤를 이었다. 반면 요리사와 정비공, 구명요원, 바텐더, 환경미화원처럼 물리적 작업 비중이 큰 직종은 관측 노출도가 거의 없었다.

과거 산업 자동화가 생산직과 단순노무직의 육체노동을 기계로 대체했다면 생성형 AI는 문서와 데이터, 소프트웨어를 다루는 지식노동의 비용을 먼저 낮추고 있다. AI 도입에 따른 비용 절감 효과가 큰 고임금 직종일수록 기업이 자동화를 검토할 유인도 커진다는 분석이다.

■ 노출도 74.5%가 해고 확률 74.5%라는 뜻은 아니다

관측 노출도를 해당 일자리가 사라질 확률로 해석해서는 안 된다. 특정 직업 종사자의 74.5%가 실직하거나 해당 직무가 74.5% 줄어든다는 의미가 아니라, AI가 실제 업무에 활용되는 정도를 이론적 수행 가능성과 결합해 나타낸 수치다.

앤트로픽 연구진은 AI 노출도가 높은 직종일수록 미국 노동통계국이 전망한 2034년까지의 고용 증가율이 낮아지는 상관관계를 확인했다. 노출도가 10%포인트 높아질 때 해당 직종의 예상 고용 증가율은 0.6%포인트 낮아졌다.

그렇다고 AI가 이미 대규모 실업을 일으켰다고 보기는 어렵다. 연구진은 2022년 말 이후 고노출 직종에서 실업이 체계적으로 증가했다는 증거를 찾지 못했다. 다만 젊은 근로자의 채용이 둔화하는 초기 신호는 포착됐다.

AI 고용 충격이 기존 숙련자의 즉각적인 해고보다 청년과 신입사원의 취업문을 좁히는 방식으로 먼저 나타날 수 있다는 의미다. 기업 입장에서는 숙련자를 해고하는 것보다 퇴직자의 빈자리를 채우지 않거나 신규 채용을 줄이는 편이 비용과 조직 저항을 최소화할 수 있다.

■ 빅테크, 감원과 AI 인력 재배치 동시에 진행

아마존은 2025년 10월 사무직 약 1만4천 명을 줄인 데 이어 2026년 1월 약 1만6천 개 직무를 추가로 감축한다고 공식 발표했다. 오라클도 최근 1년간 약 2만1천 명을 감축한 것으로 보도됐다.

다만 글로벌 기업의 감원을 모두 AI 대체의 결과로 단정하기는 어렵다. 경기와 비용 절감, 조직 중복 해소, 대규모 AI 인프라 투자에 필요한 재원 확보가 복합적으로 작용하고 있어서다.

메타는 지난 5월 전체 직원의 약 10%인 8천 명을 감원하고 7천 명 이상을 AI 관련 업무에 재배치한 것으로 보도됐다. 직원을 줄이는 데 그치지 않고 기존 인력과 예산을 AI 중심으로 옮기는 조직 재편이 동시에 이뤄진 셈이다.

직원의 업무 활동을 AI 학습에 이용하려는 움직임도 나타났다. 메타는 미국 직원 대다수의 키보드 입력과 마우스 움직임 등을 수집하는 ‘모델 역량 이니셔티브’를 운영했으나 직원 반발과 데이터 관리 논란이 불거지면서 지난 6월 프로그램을 중단했다. AI 전환이 생산성 문제를 넘어 직원 감시와 개인정보, 알고리즘 인사평가의 정당성 문제로 번지고 있음을 보여준다.

■ 한국은 해고보다 신입 채용 축소가 먼저 올 수 있다

국가데이터처 경제활동인구조사에 따르면 2026년 4월 전문·과학·기술서비스업 취업자는 전년 동월보다 11만5천 명 감소했다. 연구개발과 전문서비스 등 고학력 인력 비중이 높은 업종의 취업자 감소라는 점에서 주목할 만하다.

그러나 이 같은 감소를 AI의 단독 효과로 단정할 근거는 아직 충분하지 않다. 경기 흐름과 기업 투자 감소, 프로젝트 종료, 업종별 구조조정 등이 복합적으로 반영될 수 있기 때문이다.

한국 기업의 고용 조정도 미국과 똑같은 방식으로 진행되지는 않을 가능성이 크다. 정리해고 요건과 고용 관행을 고려하면 대규모 감원보다 신규 채용 축소, 퇴직자 결원 미충원, 외주 프로젝트 축소, 기존 직원의 업무 범위 확대가 먼저 나타날 수 있다.

AI가 신입사원에게 맡겨 온 자료 조사와 보고서 초안, 기초 코딩, 데이터 정리, 단순 고객응대를 수행하기 시작하면 기업은 적은 인원으로 기존 업무를 처리할 수 있다. 청년층이 노동시장에 진입할 수 있는 초급 일자리부터 줄어들 수 있다는 우려가 나오는 배경이다.

■ 초급업무가 사라지면 ‘경력 사다리’도 무너진다

초급업무는 생산성이 낮은 반복 작업이면서 동시에 신입사원이 산업과 직무를 배우는 훈련 과정이다. AI가 이를 모두 가져가면 기업은 단기적으로 인건비를 절감할 수 있지만 신입사원이 실무를 익혀 중간 숙련자로 성장하는 경로까지 잃을 수 있다.

이상욱 한양대 철학과·인공지능학과 교수는 『나라경제』 기고문 ‘탈숙련을 경계하라’에서 AI를 많이 사용하는 능력과 잘 사용하는 능력을 구분해야 한다고 지적했다.

전문가가 자신의 핵심 업무를 AI에 계속 위임하면 오랜 훈련을 통해 쌓은 전문성이 약화될 수 있다. 아직 전문성을 확보하지 못한 초심자는 더 큰 위험에 놓인다. AI 없이 직접 업무를 수행하고 시행착오를 겪으며 판단력을 기를 기회 자체를 잃을 수 있어서다.

기업의 AI 교육도 프롬프트 작성법이나 도구 사용법에 머물러서는 안 된다. AI 결과의 품질을 평가하고 오류의 이유를 설명하며 여러 전문 분야의 판단을 연결하는 능력, 경제적·사회적·윤리적 위험을 점검하는 능력을 함께 길러야 한다.

AI 활용량만 성과로 평가할 경우 개인의 단기 생산성은 높아져도 조직 전체의 판단력과 검증 능력은 약해질 수 있다. 기업이 신입 채용과 현장 교육을 동시에 줄이면 몇 년 뒤 AI 결과를 제대로 검증할 중간 숙련자가 부족해지는 ‘숙련의 공동화’가 발생할 가능성도 배제하기 어렵다.

■ AI가 실행해도 최종 판단과 책임은 인간의 몫

탈숙련 위험이 모든 일자리의 소멸을 뜻하지는 않는다. 이경전 경희대 빅데이터응용학과 교수는 『나라경제』 기고문 ‘AI는 결코 문명의 최종 책임자가 될 수 없다’에서 AI가 노동비용을 낮추는 데 그치지 않고 새로운 수요와 직업을 만들어내는 성장 동력이 될 수 있다고 전망했다.

AI 번역이 단순 번역업무를 줄이더라도 번역비용 하락으로 해외에 유통되는 콘텐츠가 늘어나면 AI 모델 감독과 데이터 정제, 전문영역 검수 수요는 커질 수 있다. 제조업에서도 단순 조립공의 수요는 감소할 수 있지만 로봇에게 작업을 가르치는 로봇 트레이너, AI 품질관리자, 분산 생산시스템을 조정하는 전문가가 필요해진다.

AI 에이전트가 구매와 판매, 보험과 여행 알선 등을 수행하는 시장이 확대되면 에이전트의 부당한 행동과 담합을 감시하는 AI 행위 감사관, 에이전트 경험 설계자, AI 상거래 최적화 전문가가 새로운 직업으로 자리 잡을 가능성도 있다.

이 교수의 주장은 새로운 직업의 탄생에만 머물지 않는다. AI가 보고서를 작성하고 거래를 실행하며 로봇을 움직일 수 있더라도 법적·사회적 책임까지 대신 질 수는 없다는 것이 핵심이다. 물리적 실체와 법적 책임 능력이 없는 AI는 문명의 최종 책임자가 될 수 없으며, 기술이 발전할수록 목표 설정과 결과 검증, 최종 승인, 사고에 대한 책임은 더욱 중요해진다는 분석이다.

인간의 역할은 직접 실행하는 사람에서 문제를 정의하고 작업 기준을 설계하며 결과를 승인하는 사람으로 이동할 가능성이 크다. 실행 업무의 비용이 낮아질수록 사람에게 남는 판단과 책임의 가치는 오히려 높아질 수 있다.

다만 기존 근로자가 교육과 지원 없이 새로운 직무로 자연스럽게 이동할 것이라는 낙관은 경계해야 한다. 직무전환 비용을 개인에게만 맡기면 AI 전환의 이익은 기업과 고숙련자에게 집중되고 중·저숙련 근로자는 노동시장 밖으로 밀려날 수 있다.

■ 노동법, 일자리 보호 넘어 고용능력까지 지켜야

권혁 고려대 노동대학원 교수는 『나라경제』 기고문 ‘AI 시대 노동법제 개편을 위한 세 가지 방향’에서 특정 고용관계의 유지뿐 아니라 근로자가 언제라도 새로운 일자리로 이동할 수 있는 고용능력을 보호해야 한다고 제안했다.

AI 시대에는 한 직장에서 하나의 직무를 오랫동안 수행하는 방식이 약화하고 일자리의 소멸과 생성, 직무전환이 일상화할 가능성이 크다. 기업은 근로자가 새로운 직업능력을 갖출 수 있도록 교육 기회를 제공하고 정부는 기업과 근로자의 재교육 비용을 지원하는 체계를 마련해야 한다.

고용능력 보호가 해고 규제 완화의 명분으로 사용돼서는 안 된다. 기업이 어떤 업무를 AI로 자동화하는지, 직원 데이터가 어떻게 수집되는지, 알고리즘이 인사평가와 승진·해고에 어떤 영향을 미치는지 근로자에게 설명하고 협의하는 절차가 함께 마련돼야 한다.

AI가 직원의 성과를 평가하거나 해고 대상 선정에 관여할 경우 근로자가 평가 기준을 설명받고 잘못된 판단에 이의를 제기할 권리도 보장할 필요가 있다. AI는 법적 책임을 질 수 없기 때문에 결과에 대한 최종 책임은 시스템을 도입하고 사용한 기업과 관리자에게 돌아갈 수밖에 없다.

■ 아웃소싱기업, 인원 공급에서 AI 운영사업자로

AI 고용 충격은 아웃소싱산업에 더 직접적으로 다가올 전망이다. 고객상담과 사무보조, 번역, 데이터 입력, 회계 지원, 기초 개발 등 아웃소싱 비중이 높은 업무가 AI 노출도가 높은 직무와 상당 부분 겹치기 때문이다.

고객사가 반복 업무를 자체 AI로 처리하기 시작하면 투입 인원과 근무시간에 따라 대가를 받는 전통적인 아웃소싱 계약은 위축될 수 있다. 반면 AI와 사람이 함께 수행한 업무의 정확도와 처리시간, 오류율, 고객 만족도, 개인정보 보호 수준을 관리하는 새로운 운영 수요는 늘어날 가능성이 크다.

아웃소싱기업의 경쟁 기준도 보유 인력 규모에서 업무 설계와 AI 운영 능력으로 이동해야 한다. 고객사의 업무를 분석해 AI가 수행할 부분과 사람이 담당할 부분을 나누고, AI 결과를 검수하며, 서비스 수준 협약(SLA)에 따라 품질과 사고 책임을 관리하는 역량이 필요하다.

AI 상담 운영대행과 AI 결과 검수, 데이터 정제, 알고리즘 감사, 현장 근로자 재교육, 인간·AI 협업 프로세스 설계 등은 아웃소싱기업이 선점할 수 있는 새로운 사업 영역이다. 인력을 보내는 기업에서 고객사의 AI 업무체계를 운영하고 최종 품질과 책임을 관리하는 기업으로 사업모델을 바꿔야 한다는 의미다.

이대성 대진대 경영학과 교수는 “AI 시대의 아웃소싱기업은 단순 인력공급을 넘어 고객사의 업무를 사람과 AI 사이에 재배치하는 운영 설계자가 돼야 한다”며 “AI 도입으로 줄어드는 업무만 볼 것이 아니라 결과 검증과 데이터 관리, 근로자 재교육을 하나의 서비스로 묶어 새로운 시장을 만들어야 한다”고 제언했다.

AI가 최종적으로 얼마나 많은 일자리를 없애고 새로 만들지는 아직 단정하기 어렵다. 분명한 사실은 화이트칼라와 청년층 채용부터 변화가 시작됐고, 업무의 실행 비용이 낮아질수록 판단과 검증, 승인과 책임의 가치가 커지고 있다는 점이다.

정부에는 직무전환과 평생학습을 뒷받침할 제도 개편이, 기업에는 신입사원도 전문성을 축적할 수 있는 새로운 경력 경로의 설계가 요구된다. 아웃소싱업계 역시 사람의 시간을 판매하던 모델에서 벗어나 인간과 AI가 함께 만든 성과와 품질, 책임을 관리하는 산업으로 전환해야 할 시점이다.

■ 이 기사의 이해를 돕는 핵심 Q&A

Q1. 프로그래머의 AI 노출도 74.5%는 일자리 74.5%가 사라진다는 뜻인가?

A. 아니다. 관측 노출도는 해당 직종의 업무 가운데 AI가 실제로 활용될 수 있는 정도를 나타낸 수치다. 실직 확률이나 고용 감소율을 의미하지 않는다. 현재까지 고노출 직종에서 실업이 체계적으로 증가했다는 증거는 없지만 청년층의 신규 채용이 둔화할 가능성은 나타나고 있다.

Q2. 생성형 AI가 생산직보다 화이트칼라 일자리에 먼저 영향을 주는 이유는 무엇인가?

A. 생성형 AI는 문서 작성과 코딩, 데이터 분석, 번역, 고객상담처럼 디지털화된 지식업무를 빠르게 처리한다. 특히 인건비가 높은 직종은 AI 도입으로 얻을 수 있는 비용 절감 효과도 크다. 과거 자동화가 육체노동을 먼저 대체했다면 이번 변화는 사무·전문직의 업무 구조부터 흔들고 있다.

Q3. AI 확산이 신입사원의 ‘경력 사다리’를 무너뜨릴 수 있다는 것은 무슨 의미인가?

A. 자료 조사와 보고서 초안, 기초 코딩, 데이터 정리 같은 초급업무는 단순한 반복 작업이면서 신입사원이 실무를 배우는 훈련 과정이기도 하다. AI가 이 업무를 대부분 맡으면 기업의 신규 채용 수요가 줄고 청년층이 숙련자로 성장할 기회도 좁아질 수 있다. 장기적으로는 AI 결과를 검증할 중간 숙련자가 부족해지는 ‘숙련의 공동화’로 이어질 가능성이 있다.

Q4. AI 시대에 사람에게 더 중요해지는 능력과 새로 생길 수 있는 직업은 무엇인가?

A. 문제를 정확히 정의하고 AI가 만든 결과를 검증하며 오류와 위험을 설명하는 능력이 중요해진다. 고객과 이해관계자를 설득하고 최종 결정을 내리며 결과에 책임지는 역할도 사람에게 남는다. 로봇 트레이너와 AI 품질관리자, 데이터 정제 전문가, AI 행위 감사관, 에이전트 경험 설계자 등이 새로운 직업으로 성장할 가능성이 있다.

Q5. 정부와 기업, 아웃소싱업계는 무엇을 준비해야 하나?

A. 정부는 직무전환과 평생학습을 지원하고 알고리즘 인사평가에 대한 설명·이의제기 절차를 마련해야 한다. 기업은 신입사원이 AI를 사용하면서도 전문성을 축적할 수 있는 새로운 교육과 경력 경로를 설계해야 한다. 아웃소싱기업은 인원과 근무시간을 판매하는 방식에서 벗어나 AI 운영, 결과 검수, 데이터 관리, 서비스 품질과 책임을 함께 관리하는 사업자로 전환할 필요가 있다.