채용 43% 급감 vs 임금 변화 제로 — AI 노동시장에서 진짜 사라지고 있는 것

43% 급감과 0% 변화 사이에서

2025년 한국 대기업의 정규직 신입 채용 공고가 전년 대비 43% 줄었다. IT·통신은 67%, 건설은 53%. 기업들은 이유를 묻는 질문에 “AI 도입에 따른 구조 효율화”를 내세운다. 그 진단은 직관적이고, 언론도 대부분 수긍한다. 그런데 같은 시기 덴마크의 행정 데이터 320만 건을 분석한 실증 연구는 정반대의 결론을 내놓았다. ChatGPT 출시 2년 후, AI에 가장 많이 노출된 직종에서도 임금과 근로시간의 변화는 2% 미만 — 사실상 제로. AI가 실제로 바꾸고 있는 것은 일자리의 수가 아니라 일자리의 내용이며, 한국 기업은 측정할 수 없는 변화를 공포로 대체한 채 채용이라는 가장 비용이 큰 의사결정을 내리고 있다.

한 줄 요약: 사라지고 있는 것은 일자리의 ‘수’가 아니라 일자리의 ‘내용’이다. 한국은 이 보이지 않는 재편을 측정할 인프라 없이, 공포에 기반한 채용 축소를 AI 전략으로 포장하고 있다.

채용 공고가 말해주는 것, 말해주지 않는 것

한경비즈니스가 집계한 수치를 산업별로 뜯어보면 패턴이 드러난다. IT·통신 67% 감소, 건설·토목 53%, 판매·유통 44%, 서비스 38%, 제조·생산 33%, 은행·금융 31%. 전문가들은 이를 “대규모 공채에서 기존 인력 유지로의 구조적 전환”이라 평가하면서, AI 확산을 주요 원인으로 지목한다.

그런데 같은 시점 통계청 고용동향을 보면 이상한 일이 벌어진다. 2026년 2월 기준 전체 취업자는 23만 4천 명 증가했다. 15~64세 고용률도 69.2%로 0.3%p 올랐다. 대기업 신입 채용이 반토막 났는데, 전체 고용 지표는 오히려 개선된 것이다.

이 괴리가 말해주는 건 분명하다. 대기업 정규직 신입이라는 특정 고용 형태가 줄고 있을 뿐, 노동시장 전체가 위축된 건 아니다. 그런데 채용 축소의 원인으로 지목된 AI는 정말 일자리를 줄이고 있는 걸까, 아니면 일자리의 진입 경로를 바꾸고 있는 걸까. 이 질문에 답하려면 한국 밖의 데이터를 봐야 한다.

잔잔한 수면 아래의 급류

NBER 워킹페이퍼 “Still Waters, Rapid Currents”는 제목부터 이 역설을 포착한다. 덴마크 전체 노동시장의 행정 데이터를 분석한 이 연구는, AI에 가장 많이 노출된 직종에서도 임금과 근로시간에 통계적으로 유의미한 변화가 없음을 확인했다. 연구진은 2% 이상의 효과를 배제할 수 있다고 명시한다. 수면은 잔잔하다.

하지만 수면 아래에서는 급류가 흐르고 있었다. AI 노출 직종의 고용주 대부분이 이미 챗봇 기반 업무 프로세스를 도입했고, 세 가지 완전히 새로운 과업이 등장하고 있었다. 콘텐츠 생성, AI 감독(AI가 만든 결과물을 검토·수정하는 업무), AI 통합(AI 도구를 기존 워크플로에 연결하는 업무). 이 과업들은 2년 전에는 직무기술서에 존재하지 않았다.

이 발견이 한국 맥락에 시사하는 바는 직접적이다. 한국 기업들이 “AI 때문에 사람이 덜 필요해졌다”는 전제로 채용을 줄이고 있다면, 그 전제 자체가 실증 데이터와 충돌한다. 덴마크에서 관찰된 건 사람이 덜 필요해진 게 아니라, 다른 종류의 일을 하는 사람이 필요해졌다는 것이다. 채용을 줄이는 건 대응이 아니라 회피다.

‘노출 지표’라는 신기루

그렇다면 어떤 직종이, 얼마나 AI에 영향을 받는지 어떻게 알 수 있을까. 현재 가장 널리 쓰이는 도구는 ‘AI 노출 지표'(AI exposure index)다. 직종별로 AI가 대체하거나 보완할 수 있는 과업의 비율을 추정한 것이다. 문제는 이 지표들이 서로 합의하지 않는다는 점이다.

국제노동기구(ILO)의 분석은 이 불일치를 정면으로 다룬다. 고숙련·고임금 직종이 AI에 가장 많이 ‘노출’되지만, 노출이 곧 일자리 소멸을 의미하지는 않는다. 노출과 대체는 별개의 현상이다. 동일한 방법론을 적용해도 데이터 소스에 따라 상반된 결론이 나온다. 한 연구는 AI 노출 직종에서 젊은 근로자의 고용이 줄었다고 보고하고, 다른 연구는 오히려 실업이 덜 증가했다고 보고한다.

미국 기업 중 실제로 AI를 사용하는 비율은 20% 미만이다. 직종별 변화 속도는 1980~90년대 기술 도입기와 유사한 수준이다. AI가 노동시장에 미치는 영향에 대한 연구는 아직 1회초라는 표현이 적절하다. 그런데 한국 기업들은 이 1회초의 불완전한 데이터로 9회말의 결정을 내리고 있다. AI 노출 지표를 근거로 채용을 줄이는 것은, 환율 예측 모델 하나로 해외 사업 전체를 접는 것과 다르지 않다.

같은 기술이 만드는 다른 충격파

불완전한 측정이 위험한 진짜 이유는, 보이지 않는 변화가 균등하게 일어나지 않기 때문이다. ILO가 공개한 글로벌 데이터는 이 비대칭을 수치로 보여준다. 여성 지배 직종의 29%가 생성형 AI 자동화 위험에 노출된 반면, 남성 지배 직종은 16%. 최고 위험 카테고리로 좁히면 격차는 더 벌어진다. 여성 16%, 남성 3% — 5배 이상의 차이.

원인은 구조적이다. 비서, 접수원, 급여 담당, 회계 보조 — 이런 직종은 과업이 정형화되어 있고 코드화가 가능하다. 그리고 이 직종에 여성이 집중되어 있다. 반면 건설·제조처럼 물리적 과업이 중심인 직종은 AI 자동화에 상대적으로 저항력이 높고, 남성 비율이 높다. AI는 기술 중립적이지만, AI가 침투하는 업무의 지형은 성별 중립적이지 않다.

한국의 상황은 이 글로벌 패턴에 자국 통계를 겹쳐놓으면 더 선명해진다. 2026년 2월 기준 한국 청년(15~29세) 취업자는 전년 대비 14만 6천 명 감소했고, 청년 실업률은 7.7%로 5년 만에 최고치를 기록했다. 대기업이 신입 채용을 줄인 충격이 청년층에 집중되고 있다는 의미다. 여기에 성별 변수를 추가하면 — 행정·사무직에 집중된 여성 청년의 AI 노출이 남성보다 구조적으로 높다는 ILO 데이터를 감안하면 — 한국의 청년 고용 위축은 AI 자동화의 비대칭 충격이 가장 먼저 도착하는 지점일 수 있다.

전도사의 시대가 끝나고

스탠퍼드 인간중심 AI연구소(HAI)의 2026년 전망은 이 전환점을 명확하게 진단한다. AI 전도(evangelism)의 시대가 AI 평가(evaluation)의 시대로 넘어가고 있다. “AI를 도입했는가”가 아니라 “AI 도입이 실제로 무엇을 바꿨는가”를 물어야 할 때라는 것이다.

주목할 건 스탠퍼드 연구진이 채용 시장의 변화를 읽는 방식이다. 비판적 사고(critical thinking)가 AI 기술 스킬보다 더 중시되는 추세가 나타나고 있다. AI를 잘 쓰는 사람보다 AI가 만든 결과를 잘 판단하는 사람이 더 희소하고, 더 가치 있다는 시장의 신호다. 앞서 NBER 연구에서 새로운 과업으로 등장한 ‘AI 감독’과 정확히 같은 맥락이다.

한국 기업 대부분은 아직 전도의 프레임에 머물러 있다. AI 도입률, AI 투자 규모, AI 파일럿 프로젝트 수 — 이런 투입 지표를 추적한다. 실제로 업무가 어떻게 재편되고 있는지, 어떤 직군에서 과업이 소멸하고 어떤 직군에서 새로운 과업이 생기는지를 측정하는 기업은 드물다. 그 결과 AI 도입의 효과를 ‘효율화 = 인원 감축’이라는 단일 공식으로 환원하게 되고, 채용 축소가 유일한 전략적 대응처럼 보이게 된다.

측정 없는 대응은 전략이 아니라 도박이다. 그리고 이 도박의 비용은 기업이 아니라 노동시장 진입을 기다리는 청년에게 전가된다.

측정 인프라가 전략을 결정한다

지금까지의 논의를 정리하면 하나의 결론에 수렴한다. AI가 일자리를 없앤다는 공포는 실증적 근거가 약하다. 글로벌 데이터가 일관되게 보여주는 건 일자리의 소멸이 아니라 업무 내용의 재편이며, 이 재편은 전통적 고용 지표로는 포착되지 않는다. AI 노출 지표들은 서로 모순되고, 노출이 곧 대체를 의미한다는 전제는 입증되지 않았다. 그런데 이 보이지 않는 변화가 성별·연령·직종에 따라 비대칭적으로 집중되고 있다.

한국의 현재 상황은 이 비대칭을 가장 나쁜 방식으로 경험하고 있다. 대기업은 측정 없이 채용을 줄이고, 그 충격은 청년에게 집중되며, 여성 사무직은 글로벌 데이터가 가리키는 가장 높은 리스크 구간에 놓여 있지만 이를 추적하는 시스템은 존재하지 않는다. AI 전도 시대의 질문(“도입했는가?”)에서 AI 평가 시대의 질문(“무엇이 바뀌었는가?”)으로 전환하지 못하면, 한국 HR은 잘못된 문제에 올바른 답을 내놓는 함정에 갇힌다.

💡 실무 시사점 — HR이 이번 분기에 점검할 3가지:

① 채용 축소의 근거를 재검증하라. “AI로 효율화했으니 인원이 덜 필요하다”는 가설은 덴마크 320만 건 데이터와 충돌한다. 채용 결정 전에 실제 업무 과업(task)이 어떻게 변했는지 측정하라. 줄어든 과업, 새로 생긴 과업, 이동한 과업을 매핑하지 않은 채 인원 계획을 세우는 건 감(感)에 의존하는 경영이다.

② 업무 재편의 비대칭 영향을 추적하라. AI 자동화 위험은 여성·사무직에 5배 집중된다. 한국 기업 내 행정·경영지원·재무 직군의 과업 변화를 성별·연령별로 모니터링하는 체계를 갖추라. 전사 평균은 문제를 은폐한다.

③ AI 도입 지표에서 AI 성과 지표로 전환하라. 도입률·투자 규모 같은 투입 지표를 추적하는 단계는 끝났다. 어떤 직무에서 어떤 과업이 AI로 대체되었고, 그 결과 생산성·품질·직무만족이 어떻게 변했는지를 측정하는 산출 지표로 전환하라. 측정하지 못하면 관리할 수 없다.

#AI업무재편 #채용전략 #HR측정인프라 #성별비대칭 #청년고용

참고 링크

• 한경비즈니스, “대기업 정규직 신입 자리 43% 줄었다” (2025)
• NBER, “Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI” (2025)
• ILO, “New ILO data confirm women face higher workplace risks from generative AI than men” (2025)
• ILO, “Workers’ exposure to AI: What indicators tell us – and what they don’t” (2025)
• 통계청, “2026년 2월 고용동향” (2026)
• Stanford HAI, “Stanford AI Experts Predict What Will Happen in 2026” (2026)

작성: 서재홍 | NODE