NBER이 올 4월 공개한 워킹페이퍼(#35046)는 경제학자, AI 업계 종사자, 정책연구자, 슈퍼포캐스터, 일반 시민 등 다섯 그룹의 전망을 교차 비교했다. 결과는 꽤 일치했다. “2030년까지 AI 역량의 실질적 도약이 온다”는 데 그룹 간 이견이 거의 없었다. 다만 그 이후가 갈렸다. AI가 빠르게 진보하는 시나리오에서 전문가 집단은 연평균 GDP 성장률을 약 4%로 예측했고, 미국 노동참여율은 현재 62%에서 2050년 55%까지 떨어진다고 봤다. 이 7%포인트 하락 중 절반가량 — 약 1,000만 개 일자리 — 은 AI에 의한 대체 효과라는 분석이다.
개인적으로는, 이 숫자가 주는 메시지는 단순하지 않다고 본다. GDP가 올라가는데 사람은 줄어드는 구조. 생산성과 고용이 같은 방향으로 움직이던 시대가 끝나고 있다는 신호다.
한 줄 요약: AI는 GDP를 끌어올리지만 노동참여율은 끌어내린다 — 생산성과 고용의 동행이 깨지는 시대, HR의 역할이 근본적으로 바뀐다.
숫자가 말하는 AI 시대의 노동시장
4%
AI 급진전 시나리오 연평균 GDP 성장률 (기존 전망 2.0% 대비 2배)
NBER Working Paper #35046 / 2026
55%
2050년 예상 미국 노동참여율 (현재 62%에서 7%p 하락)
NBER Working Paper #35046 / 2026
65%
2030년까지 리스킬링이 필요한 인도 노동력 비율
People Matters / 2026
생산성은 오르는데 임금은 내려가는 역설
MIT와 시카고대 연구진이 발표한 또 다른 논문은 자동화의 ‘수요 외부효과’를 분석했다. 자동화가 생산성을 높이고 총산출을 끌어올리는 건 맞다. 하지만 그 과실이 균등하게 배분되지 않을 때, 전혀 다른 역학이 작동한다. 자동화 기술의 소유가 소수에 집중되고 저소득 가구의 임금이 하락하면, 기업 입장에서는 ‘사적으로 최적’인 자동화 수준이 사회 전체로 보면 ‘과도한’ 수준이 된다.
솔직히 이건 좀 불편한 결론이다. 기업 HR 입장에서 자동화 도입은 거의 항상 ‘효율화’라는 이름으로 정당화된다. 하지만 그 효율화가 조직 내 소득 양극화를 만들고, 결과적으로 구성원 몰입도를 떨어뜨린다면? 자동화의 ROI를 계산할 때 “남은 사람들의 이탈 비용”은 빠져 있는 경우가 대부분이다.
연구진이 제시한 핵심 프레임은 이렇다. 자동화 의사결정에서 ‘가구 소비 수요의 변화’와 ‘전체 임금 총량의 변화’를 함께 보라는 것이다. 고숙련 노동자의 소득은 늘어나더라도, 소비 성향이 높은 중·저숙련 가구의 임금이 줄면 내수 경제 전체가 위축된다. 기업이 단기 비용 절감에만 집중하면 장기적으로는 시장 자체가 쪼그라드는 구조적 모순에 빠진다.
사람을 중심에 둔 기술 도입은 어떤 모습인가
글로벌 IT 서비스 기업 Nagarro의 사례는 이 문제에 대한 하나의 답을 보여준다. Nagarro의 People Enablement 총괄 Shruti Tandon은 “기술은 사람에게 권한을 부여하도록 설계되어야 하지, 반대가 되면 안 된다”고 단언했다.
사례 — Nagarro의 ‘Fluidic Intelligence’ 접근법Nagarro는 AI 도입의 기준을 ‘비용 절감’이 아니라 ‘인간 역량 증강(augmentation)’에 두고 있다. 자체 개발한 ‘Happiccino’ 프로그램으로 구성원의 웰빙·몰입·신규 입사자 정서까지 실시간 추적하고, ‘Ginger AI’로 도구 활용 패턴과 학습 참여도를 분석한다. 자폐 스펙트럼 인력을 QA 직무에 배치하는 ‘TestingPro’ 프로그램은 50% 이상의 배치 성공률을 기록했다. 채용 기준도 바뀌었다. 명문대 졸업장 대신 적응력, 지적 호기심, 문제 해결 역량을 본다. Tandon은 “인간과 인공지능의 완벽한 50:50 비율을 찾으려는 것이 아니다. 핵심은 의도, 투명성, 그리고 지속적으로 적응하려는 의지”라고 말했다.
이건 좀 아쉽다 — 이런 접근이 아직 소수 기업에 한정되어 있다는 점이. 대부분의 기업은 여전히 자동화 도입을 ‘기술팀의 프로젝트’로 분류한다. HR이 자동화 의사결정 테이블에 앉아 있지 않으면, “남은 사람들”의 경험은 누구도 설계하지 않는다.
리스킬링 — 선언이 아니라 시스템의 문제
NBER 연구에서 가장 눈에 띄는 분기점은 정책 선호의 차이였다. 전문가 집단은 ‘근로자 재교육’ 같은 타겟 조치를 강하게 선호한 반면, 일반 시민은 재교육에 더해 일자리 보장제나 보편적 기본소득 같은 포괄적 개입까지 지지했다.
이 간극은 무엇을 말하는가. 전문가들은 “바꾸면 된다”고 보지만, 현장의 사람들은 “바꿀 수 있는 여건 자체가 없다”고 느낀다는 것이다. 인도 노동력의 65%가 2030년까지 리스킬링이 필요하다는 추정이 있다. 한국도 사정이 크게 다르지 않다. 고용노동부가 2026년 스타기술인 홍보대사 제도를 확대한 것도 학력보다 숙련기술을 앞세우겠다는 방향 전환의 신호다.
Nagarro의 Campus Learning Programme은 정규 채용 전 단계에서 신입 인력의 역량을 미리 개발하는 모델이다. 핵심이다 — 리스킬링을 “퇴직 직전의 구제 조치”가 아니라 “입사 전부터 시작하는 연속적 과정”으로 재정의한 것. HR이 이 방향을 설계하지 않으면 현장과 정책 사이의 간극은 계속 벌어진다.
자동화 시대, 사람을 남기는 조직의 조건
세 개의 연구를 교차해 보면, 하나의 패턴이 드러난다. AI와 자동화는 되돌릴 수 없는 흐름이고, 총산출은 늘어날 가능성이 높다. 하지만 그 과실의 배분을 의도적으로 설계하지 않으면, 조직 안에서도 사회 전체에서도 양극화가 심화된다.
이 설계의 핵심 주체가 바로 HR이다. 자동화 도입 의사결정에 참여하고, 남은 구성원의 경험을 모니터링하며, 리스킬링을 채용 전부터 퇴직 후까지 연속 설계하는 것. 이게 AI 시대의 HR이 해야 할 일이다. 기술 도입은 기술팀의 몫이지만, 사람을 남기는 건 HR의 몫이다. 그리고 그 ‘남기는’ 방식이 조직의 미래 경쟁력을 결정한다.
실무 시사점: 자동화 ROI 산정 시 ‘이탈 비용’과 ‘몰입도 변화’를 반드시 포함하라. 리스킬링은 퇴직 전 구제가 아니라 입사 전부터 시작하는 연속 설계로 전환해야 한다. AI 도입 의사결정 테이블에 HR이 빠져 있다면, 지금 당장 자리를 만들어야 할 때다.
#AI자동화#노동참여율#리스킬링#HR전략#인간중심AI
참고 링크
- NBER, “Forecasting the Economic Effects of AI” (2026)
- arXiv, “The Demand Externality of Automation” (2026)
- People Matters, “Keeping the Human Spirit Alive at Work” (2026)
작성: 서재홍 | NODE