🎯 파이프라인을 재배선하라 — 스킬 갭은 채용이 아니라 양성 구조로 푼다

회사마다 “AI 인재가 없다”고 아우성이다. 채용 공고를 올려도 지원자는 오지 않고, 온다 해도 기대에 미치지 못한다. 그래서 대부분의 HR 팀이 택하는 해법은 ‘더 좋은 사람을 더 빨리 뽑는 것’이다. 채용 자동화 도구를 도입하고, 보상 패키지를 높이고, 헤드헌터 계약을 확장한다. 그런데 NBER이 2026년 4월 내놓은 연구 결과는 이 논리에 정면으로 의문을 던진다.

Dillon, Kahn, Venator, Dalton이 미국 전역의 주정부 인력개발 프로그램 데이터를 분석한 결과, 스킬 갭을 가장 효과적으로 줄인 기업들은 인재를 외부에서 ‘수입’한 곳이 아니라 내부에서 ‘재배선’한 곳이었다. 그리고 한국 고용노동부가 아세안+3 노동장관회의에서 공유한 K-디지털 트레이닝·AI 캠퍼스 모델도 같은 방향을 가리키고 있다. 채용 파이프라인이 아니라 양성 파이프라인을 먼저 재설계해야 한다는 것.

한 줄 요약: AI 시대 스킬 갭은 채용이 아니라 ‘양성 파이프라인’을 재설계해야 메워진다 — 그리고 그 파이프라인의 핵심 도구가 바로 AI다.

왜 채용만으로는 안 되는가

스킬 갭 담론의 고질적인 오류는 갭을 ‘이미 어딘가에 존재하는 인재를 찾지 못하는 문제’로 환원한다는 데 있다. 그러나 NBER 연구팀이 포착한 현실은 다르다. 고용주들이 가장 공격적으로 외부 채용에 나서는 시장은 아이러니하게도 직원 이탈 위험(poaching risk)이 높은 시장이다. 즉, 비싼 인재를 뽑아도 경쟁사에 금방 빼앗길 수 있다는 구조적 불안이 존재한다.

이 시장 실패를 극복한 기업들은 어떻게 했나. 국가 보조를 받아 자사 직원에게 직접 훈련을 제공했다. 그리고 훈련 이후 주목할 만한 변화가 나타났다. 기업의 채용 공고에서 요구하는 스킬 수준이 낮아졌다. 처음엔 역설처럼 보이지만 사실 이건 매우 합리적인 신호다. 내부에서 스킬을 키울 수 있다는 자신감이 생기면, 처음부터 ‘완성형 인재’를 고집하지 않아도 된다. 입구 장벽이 낮아지고, 더 많은 사람에게 기회가 열린다.

파이프라인을 ‘교육-고용 직결 구조’로 재배선하기

SHRM이 네브래스카주에서 진행한 E²(Education-to-Employment) 이니셔티브는 이 구조 재설계의 가장 구체적인 사례 중 하나다. 고용주, 교육기관, 정책 입안자가 한 테이블에 앉아 커리큘럼 자체를 함께 만든다. 학생이 교육을 마친 뒤 취업 시장에 나오는 게 아니라, 교육 과정 안에 이미 취업 경로가 내장돼 있는 구조다.

솔직히 말하면, 이 모델의 핵심은 ‘선의’가 아니라 ‘설계’다. 고용주가 교육 과정에 개입하는 것 자체가 낯설게 느껴질 수 있다. 그러나 SHRM의 최고행정책임자 Emily Dickens가 지적하듯, 고용주가 파이프라인 끝에서 기다리는 구조는 이미 시대착오가 됐다. “고용주와 근로자가 겪는 도전은 별개가 아니다. 같은 문제다.”

AI는 파이프라인의 도구인가, 구조 자체인가

한국 정부가 아세안+3 회의에서 공유한 K-디지털 트레이닝 모델은 이 질문에 흥미로운 답을 제시한다. AI 캠퍼스는 단순히 AI를 가르치는 곳이 아니다. AI를 활용해 훈련 콘텐츠를 개인화하고, 실습 프로젝트를 설계하고, 수료 후 취업 매칭까지 연결하는 플랫폼이다. 1300억 원의 예산을 투입해 연 1만 명을 배출한다는 목표 안에는, AI가 ‘교육 대상’이자 ‘교육 도구’라는 이중 역할이 담겨 있다.

NBER 연구가 포착한 또 다른 변화도 이 맥락에서 읽힌다. 훈련을 받은 기업들에서 채용 공고 성장이 가장 두드러진 직군은 고숙련 전문직이 아니라 프런트라인(최전선) 직군이었다. 고급 AI 인재만 키우면 된다는 통념과 정반대다. 파이프라인을 제대로 재설계하면, 고숙련과 저숙련의 경계 자체를 조금씩 이동시킬 수 있다는 것이 이 연구의 가장 도발적인 함의다.

실무에서 파이프라인을 바꾼다는 것의 의미

개인적으로는, 여기서 HR이 가장 조심해야 할 함정은 ‘대규모 업스킬링 프로그램’을 선언하는 것과 ‘파이프라인을 재설계’하는 것을 혼동하는 것이라고 본다. 전자는 이벤트다. 후자는 구조다.

구체적으로 파이프라인 재설계는 세 가지 축에서 동시에 움직여야 한다. 하나는 입구 설계다 — 채용 공고의 스킬 요건을 ‘완성형’에서 ‘성장 가능형’으로 낮추고, 학교·훈련기관과 공식 협약을 맺는다. 다른 하나는 내부 이동 경로다 — 현재 직무에서 AI 연계 직무로 이동할 수 있는 사내 크로스-스킬링 경로를 명시적으로 만든다. 마지막은 데이터 루프다 — 어떤 훈련이 실제 직무 성과와 연결됐는지를 추적해, 다음 훈련 설계에 피드백한다.

NBER 연구가 발견한 ‘훈련 이후 채용 기준 완화’ 현상은 이 세 가지가 동시에 작동할 때 자연스럽게 나타나는 결과다. 요건을 낮추는 것이 목표가 아니라, 내부 역량을 키웠기 때문에 요건이 낮아지는 것이다.

이건 좀 불편한 질문이기도 하다. 지금 당신 회사의 AI 관련 채용 공고는 ‘이미 완성된 사람’을 찾고 있는가, 아니면 ‘우리가 만들 수 있는 사람’을 찾고 있는가. 그 답이 전자라면, 파이프라인은 아직 시작도 안 된 것이다.

💡 실무 시사점: 스킬 갭 해소는 채용 예산을 늘리는 것이 아니라 ‘양성 파이프라인’의 입구·경로·피드백 루프를 동시에 재설계하는 데서 시작된다. AI는 이 파이프라인의 교육 대상이기도 하지만, 훈련 개인화·매칭·성과 추적의 핵심 도구이기도 하다. 두 가지를 분리해서 생각하는 순간, 파이프라인은 다시 이벤트로 돌아간다.

#스킬갭 #인재파이프라인 #AI업스킬링 #K디지털트레이닝 #HR전략 #인력개발

참고 링크

• NBER, “Do Workforce Development Programs Bridge the Skills Gap?” (2026)
• SHRM, “Building Stronger Talent Pipelines: SHRM’s E² Initiative in Action in Nebraska” (2026)
• 고용노동부, “아세안+3 노동장관회의 — NCS·K-디지털 트레이닝 등 직업훈련 정책 공유” (2026)

작성: 서재홍 | NODE