AI 일자리 위기, 진짜 위험은 “절반만 도입”에 있다

AI가 일자리를 뺏는 건 ‘완전 자동화’가 아니다

AI 시대의 일자리 논쟁은 대부분 같은 구도를 반복한다. “AI가 일자리를 없앨 것이다” 대 “AI가 새 일자리를 만들 것이다.” 양쪽 모두 한 가지를 전제한다 — AI 도입은 진행형이고, 결국 어딘가에 도착한다는 것. 그런데 최근 노동경제학 모델링이 드러낸 진짜 위험은 전혀 다른 곳에 있었다. AI 도입이 ‘중간’에 멈출 때, 즉 부분적으로만 스며들어 완전히 뿌리내리지 못하는 상태가 고정될 때 고용 손실이 가장 극대화된다. 그리고 한국 노동시장의 현재 모습 — 개인은 세계 최고 수준으로 AI를 쓰지만 기업 조직은 따라가지 못하는 기묘한 괴리 — 이 정확히 그 함정의 입구다.

한 줄 요약: AI 고용 위기의 본질은 ‘완전 도입’이 아니라 ‘부분 도입 균형’에 갇히는 것이며, 한국의 개인↑ 기업↓ 괴리가 이 함정을 가속하고 있다.

세 갈래 균형 — 왜 ‘중간’이 가장 나쁜가

2025년 발표된 한 노동탐색 모델은 생성형 AI를 learning-by-using 기술로 정의하고, AI가 노동시장에 만들어내는 균형점을 세 가지로 분류했다. 첫째, AI를 아예 도입하지 않는 균형. 둘째, 부분적으로 도입한 균형. 셋째, AI가 내생적 성장을 견인하는 무한 확장 균형이다.

직관적으로는 세 번째가 가장 위험해 보인다. AI가 완전히 지배하는 세계니까. 그런데 모델의 결론은 반대다. 고용 손실 23%는 두 번째 균형 — 부분 도입 — 에서만 발생한다. 세 번째 무한 확장 균형에서는 오히려 고용 충격이 최소화된다. AI가 충분히 깊게 침투하면 새로운 직무·산업이 내생적으로 만들어지기 때문이다. 반면 부분 도입은 기존 직무를 잠식할 만큼은 강력하되, 새 직무를 창출할 만큼은 충분하지 않은 — 가장 불안정한 지점이다.

솔직히 이 결론은 불편하다. “AI를 도입하되 천천히, 조심스럽게” 하자는 정책적 합의가 사실은 최악의 시나리오를 향한 길일 수 있다는 뜻이니까.

생산성 3배, 고용 마이너스 — 이 조합이 만드는 함정

생산성이 3배 이상 뛰는데 고용이 23% 줄어든다. 이 조합을 곱씹어보면 부분 도입 균형의 작동 메커니즘이 보인다. AI가 일부 업무에 투입되면 해당 업무의 생산성은 급등한다. 기업은 같은 아웃풋을 더 적은 인력으로 달성할 수 있게 된다. 여기까지는 ‘완전 도입’과 동일하다.

차이는 그다음이다. 완전 도입 상태에서는 AI가 새로운 산업과 직무를 내생적으로 만들어낸다. 마치 인터넷이 웹 개발자·UX 디자이너·데이터 분석가라는 직종을 창조한 것처럼. 그러나 부분 도입 상태에서는 AI의 침투력이 기존 직무를 파괴할 만큼은 강하되, 새 직무를 체계적으로 생성할 만큼은 깊지 않다. 파괴 역량 > 창조 역량인 상태가 고착되는 것이다.

개인적으로는, 이건 ‘기술의 힘’이 아니라 ‘조직의 관성’ 문제에 가깝다고 본다. AI가 조직 전체에 스며들어야 새로운 업무 방식과 직무가 생기는데, 표면적 도입에 그치면 그냥 비용 절감 도구로만 쓰이고 만다.

한국의 기묘한 괴리 — 개인은 세계 1위, 조직은 OECD 하위

한국은행이 올해 발표한 이슈노트 데이터가 이 모델의 위험을 생생하게 보여준다. 한국 근로자의 63.5%가 생성형 AI를 활용하고, 업무 목적 사용도 51.8%에 달한다. 미국보다 약 2배 높은 수준이며, 인터넷 초기 확산 속도의 8배다. 주당 평균 5~7시간을 AI와 함께 일한다.

그런데 기업 수준으로 시선을 돌리면 풍경이 달라진다. OECD 조사에서 한국 중소기업의 AI 도입률은 31%로 주요국 하위권이다. 중견기업(50~249인)은 27.4%, 대기업(250인 이상)만 63.3%다. 미도입 기업 중 53%가 ‘직원 역량 부족’을 장벽으로 꼽는데 — 실제로 직원 63.5%가 이미 AI를 쓰고 있다는 사실과 정면으로 배치된다.

이 데이터를 합치면 그림이 선명해진다. 한국 근로자 개개인은 세계에서 가장 적극적으로 AI를 활용하지만, 그 활용이 조직의 업무 프로세스·의사결정 구조에는 반영되지 않는다. 개인이 ChatGPT로 보고서 초안을 뽑아도, 조직은 여전히 ‘수기 작성 → 검토 → 수정 → 재검토’ 프로세스를 따른다. AI가 개인 생산성은 끌어올리되 조직 수준의 직무 재설계로 이어지지 않는 상태 — 이것이 바로 부분 도입 균형의 한국형 변종이다.

왜 이 괴리가 고용에 독인가

개인의 AI 활용이 조직 혁신 없이 누적되면 무슨 일이 벌어지나. 근로자 한 명의 산출량이 올라간다. 한국은행 데이터로는 주당 1.5시간(3.8%) 절감이다. 아직은 작아 보인다. 그러나 이 절감이 조직 차원에서 인식되는 순간 — “아, 3명이 하던 일을 2명이 해낼 수 있구나” — 구조조정의 근거가 만들어진다.

문제는 이때 AI가 ‘새로운 일’을 만들어줄 만큼 깊게 조직에 뿌리내리지 못했다는 점이다. 만약 AI가 조직 전체의 업무 방식을 바꿨다면, 절감된 인력은 AI와 협업하는 새 직무(프롬프트 엔지니어, AI 트레이너, 자동화 설계자)로 재배치될 수 있다. 그러나 AI가 개인 도구에 머물러 있으면 조직은 단순히 인원을 줄이는 것 외에 선택지를 모른다. 글로벌 데이터가 이를 뒷받침한다 — 2026년 첫 두 달만에 기술 기업에서 32,000건의 감원이 발생했고, 2025년에는 55,000건이 직접적으로 AI에 귀인되었다.

시장은 왜 스스로 교정하지 못하는가

경제학에서는 시장이 비효율을 교정한다고 가정한다. 호시오스 조건(Hosios condition) — 노동시장에서 근로자와 기업의 교섭력 배분이 효율적인 상태 — 이 충족되면 시장은 최적 균형에 도달해야 한다. 그런데 이 모델이 보여주는 불편한 결론은, 호시오스 조건이 충족되더라도 부분 도입 균형은 비효율적이라는 것이다.

이건 좀 놀라운 지점이다. ‘시장에 맡기면 된다’는 논리가 AI 도입에서는 성립하지 않을 수 있다는 뜻이니까. 왜 그런가? AI는 학습 기술이다. 근로자가 AI를 사용할수록 AI가 학습하고, AI가 학습할수록 근로자의 생산성이 오르고, 생산성이 오를수록 고용주에게 인력 대체 유인이 커진다. 이 learning-by-using 피드백 루프는 근로자가 자발적으로 자신의 대체재를 훈련시키는 구조를 만든다. 시장 메커니즘이 이 역설을 해결할 도구를 갖고 있지 않다.

한국에서 이 피드백 루프의 속도는 특히 빠르다. 근로자의 AI 활용 강도가 미국보다 높으니, AI에 공급되는 학습 데이터도 그만큼 풍부하다. 개인이 AI를 더 열심히 쓸수록 AI는 더 빨리 그 개인의 업무를 대체할 수 있게 된다.

정책 처방이 가르쳐주는 것 — 보조금의 규모가 비정상이다

이 모델은 ‘대체 위험 직무에 대한 최적 보조금’을 계산했다. 결과가 이례적이다. 단기 후생 개선 26.6%, 장기 50% 이상. 고용 보조금 하나로 이 정도 후생 개선이 나온다는 건, 역으로 보조금 없이 방치할 경우의 손실이 그만큼 막대하다는 뜻이다.

개인적으로 이 숫자가 시사하는 바가 크다고 보는데, 현재 한국 정부가 AI 관련으로 편성한 예산 방향과 대조해보면 그 이유가 분명해진다. 정부는 6.94조원(약 50억 달러)을 2027년까지 AI 개발에 투자할 계획이다. AI를 만드는 데 집중하는 것이다. 그런데 모델이 말하는 건 AI를 만드는 비용이 아니라, AI가 대체할 일자리를 보호하는 비용의 중요성이다. 투자 방향이 기술 개발에 쏠려 있을 때, 노동시장 전환 비용은 누가 부담하는가?

‘전부’가 ‘절반’보다 안전하다 — 실무적 전환

이 모든 분석이 한국 사업장 현장에서 의미하는 바를 정리하면 역설적 결론에 도달한다. AI를 더 많이, 더 깊게 조직에 통합하는 것이 고용을 덜 위협한다. ‘조심스러운 부분 도입’이 오히려 최악의 선택지다.

이건 직관에 반한다. 대부분의 실무자는 “AI 도입을 서두르면 일자리가 위험하다”고 생각하니까. 그러나 모델이 시사하는 건 반대다. AI를 개인 생산성 도구에 머물게 두면, 기업은 ‘같은 일을 더 적은 사람으로’라는 비용 논리만 학습한다. AI를 조직 전체에 내재화하면 — 업무 프로세스를 재설계하고, AI 기반 신규 서비스를 만들고, 기존 직원을 AI 협업 직무로 재배치하면 — 비로소 ‘새로운 일’이 생긴다.

현재 한국 노동시장은 한 가지를 증명하고 있다. 근로자 개인의 적응력은 탁월하다는 것(63.5%가 스스로 AI를 학습해 활용 중). 부족한 건 개인의 역량이 아니라 그 역량을 흡수할 조직 아키텍처다. AI 도입의 전환점은 ‘어떤 AI를 쓸 것인가’가 아니라 ‘조직을 어떻게 재설계할 것인가’에 있으며, 후자에 실패할 때 부분 도입 함정은 닫힌다.

💡 실무 시사점 — 부분 도입 함정을 피하기 위해 점검할 3가지:

① AI 활용을 ‘개인 생산성’ 너머로 확장하라. 직원이 개별적으로 AI를 쓰는 것과 업무 프로세스가 AI를 전제로 재설계되는 것은 질적으로 다르다. HR은 ‘누가 AI를 쓰는가’보다 ‘어떤 프로세스가 AI 기반으로 전환됐는가’를 추적해야 한다.

② 대체 위험 직무를 식별하고 전환 경로를 설계하라. 모델이 보여주는 최적 보조금의 핵심은 ‘대체 위험 직무’에 대한 사전 식별이다. 3.8% 시간 절감이 조직 전체로 합산될 때 어떤 직무가 축소 대상이 되는지 — 이걸 밖에서 맞기 전에 내부에서 먼저 매핑해야 한다.

③ ‘느린 도입’이 안전하다는 착각을 버려라. 모든 데이터가 가리키는 방향은 동일하다. 부분 도입이 완전 도입보다 위험하다. 개인이 이미 AI를 쓰고 있는 상황에서 조직이 뒤처지는 건 ‘신중함’이 아니라 고용 리스크의 축적이다.

#AI도입전략 #부분도입함정 #직무재설계 #조직혁신

참고 링크

• NBER, “Artificial Intelligence and Technological Unemployment” (2025)
• 한국은행, “AI의 빠른 확산과 생산성 효과: 가계조사를 바탕으로” (2025)
• OECD, “The impact of AI on the labour market: is this time different?” (2025)

작성: 서재홍 | NODE