AI가 채용을 혁신할수록, 청년 일자리는 왜 줄어드는가

AI 채용 도구 시장은 폭발적으로 성장하고 있다. 글로벌 기업의 절반 이상이 이력서 스크리닝에 알고리즘을 쓰고, 35%는 인간의 개입 없이 AI 추천만으로 후보를 탈락시킨다. 이 기술의 약속은 단순했다 — 더 빠르고, 더 정확하고, 더 공정한 매칭. 그런데 데이터를 교차해 보면 이상한 그림이 나타난다. AI 채용이 확산될수록 청년 일자리는 줄어들고, 스크리닝 알고리즘은 적격자를 걸러내며, 이 도구를 가장 적극적으로 쓰는 대기업이 한국 청년의 1순위 희망 직장이다. AI 채용 기술의 진짜 성과는 ‘매칭 정확도’가 아니라 ‘배제 효율성’의 극대화일 수 있다.

3.4% 대 9.6% — 숫자가 드러내는 불편한 격차

미국 소규모 기업 고용 데이터를 추적한 최신 분석이 흥미로운 단서를 던진다. 2023년 1월부터 2025년 11월까지 소기업 전체 고용은 9.6% 성장했다. 같은 기간 AI에 노출된 직종의 고용 성장률은 3.4%에 그쳤다. 단순히 성장이 느린 게 아니다. 22~28세 청년층에 한정하면 AI 노출 직종에서 인원 수가 줄었다. 경력자는 AI를 도구로 활용해 생산성을 높였지만, 신입은 AI와 직접 경쟁하는 구도에 놓인 것이다.

동시에 AI 엔지니어라는 직함은 3년 만에 5배 이상 증가했다. 파운딩 엔지니어는 390% 급증한 반면, 한때 신졸 채용의 대명사였던 소프트웨어 엔지니어 비율은 6.2%에서 5.4%로, 리크루터는 상위 20개 직함에서 아예 사라졌다. 채용 시장 자체가 AI를 중심으로 재편되면서, “AI를 다루는 소수”와 “AI에 밀리는 다수” 사이의 골이 벌어지고 있다.

솔직히 이 격차가 의미하는 바는 꽤 불편하다. 기업은 “AI 인재를 뽑겠다”고 선언하지만, 정작 AI가 대체하는 자리에서 밀려나는 건 경력이 짧은 청년들이다. AI 엔지니어 수요가 5배 늘었다는 뉴스 뒤에는, 전통 직군에서 조용히 사라지는 신입 포지션이 있다.

적격자를 탈락시키는 알고리즘의 구조

기업이 AI 채용 도구를 도입하는 이유는 분명하다 — 수천 장의 이력서를 사람이 읽을 수 없으니 기계가 걸러주길 바란다. 문제는 이 ‘걸러내기’가 어떤 방향으로 작동하는가다. 하버드경영대학원의 대규모 연구는 350건 이상의 선행연구를 검토하고 60명 이상의 전문가를 인터뷰한 끝에 핵심 문제를 짚었다 — 고용주는 숙련 인재를 원하지만, 자격을 갖춘 후보가 기술 장벽에 막혀 아예 접근하지 못한다.

그 장벽의 실체는 이렇다. 기업의 직무기술서는 “역대 가장 장식이 많이 달린 크리스마스트리”처럼 12단락, 수십 개 요건으로 비대해졌다. AI 스크리닝은 이 과부하된 기준을 문자 그대로 적용한다. 요건 하나가 빠지면 자동 탈락이다. 미국 임금노동자의 44%가 역사적 저실업률 속에서도 저임금 일자리에 고착되어 있는 현실은, 시장에 사람이 없어서가 아니라 시스템이 사람을 걸러내고 있기 때문이다.

이건 단순한 정확도 문제가 아니다. 2025년 10월 스탠퍼드 연구진은 AI 이력서 스크리닝 도구가 동일한 데이터로 생성한 이력서에서도 고령 남성 후보에게 체계적으로 높은 점수를 부여한다는 사실을 밝혔다. 또 다른 연구는 AI 도구가 동일 자격의 흑인 남성 후보보다 여성 후보를 체계적으로 선호한다는 결과를 냈다. 감사 결과 47%에서 연령 편향, 44%에서 사회경제적 편향, 30%에서 성별 편향이 발견됐다. 도구가 중립적이라는 전제 자체가 무너진 셈이다.

한국 청년의 꿈, 대기업이라는 역설

여기서 한국 데이터를 겹쳐보면 문제의 윤곽이 더 선명해진다. 통계청의 2025년 사회조사에 따르면 13~34세 한국 청년이 선호하는 직장 유형은 대기업 → 공공기관 → 공기업 순이다. 취업 시 가장 중요한 요소는 소득 → 안정성 → 적성·흥미 순이었다. 임금노동자의 전반적 일자리 만족도는 38.3%로 2년 전보다 3.2%p 올랐다.

개인적으로는 이 조합이 가장 아이러니하다고 본다. 한국 청년이 가장 가고 싶어하는 대기업과 공공기관은, AI 채용 도구를 가장 적극적으로 도입하는 곳이기도 하다. 글로벌 데이터에서 AI 스크리닝이 적격 후보를 배제하고 청년층 고용을 위축시킨다면, 한국 청년의 ‘꿈의 직장’으로 향하는 문은 AI가 지키고 있는 셈이다.

만족도가 오른 건 이미 일자리를 가진 사람들의 이야기다. 정작 문 밖에서 대기 중인 구직자에게는 다른 세계다. 소득과 안정성을 최우선으로 꼽는 청년들이 AI 스크리닝을 통과하려면, 과부하된 직무기술서의 모든 키워드를 맞춰야 한다. 12단락짜리 채용공고를 읽고 이력서를 최적화할 수 있는 사람과 없는 사람 사이의 격차는, 결국 정보 접근성과 디지털 리터러시의 격차다.

이해하기 전에 배치하는 패턴

그렇다면 AI 채용 도구의 효과는 충분히 검증된 것일까. 답은 놀라울 정도로 ‘아니오’에 가깝다. 구글 딥마인드와 스탠퍼드 HAI가 공동으로 개최한 ‘AI와 조직’ 그랜드 챌린지에는 156개 대학에서 200개 이상의 연구팀이 참가했다. 이 팀들이 경쟁한 주제는 세 가지였다 — AI 도구를 활용한 조직 정렬, AI 배치가 인간에게 미치는 영향, 합성 조직을 통한 팀 행동 시뮬레이션. 우승팀이 연구하겠다고 제안한 것은 “조율(coordination)의 문법”이었다. 10만 달러의 상금과 구글 딥마인드 사무실에서의 실험 기회를 건 이 대회가 말해주는 건, AI가 조직 안에서 어떻게 작동하는지 아직 학계도 모른다는 사실이다.

같은 패턴이 소프트웨어 개발에서도 관찰된다. AI 코드 생성 도구의 최전선을 다룬 보도에 따르면, 개발자들은 AI가 작성한 코드를 리뷰 없이 출하하는 빈도가 늘고 있다. 코드 품질, 보안 취약점, 장기적 유지보수에 대한 검증이 뒤로 밀린 채 “일단 배치”가 관행이 되고 있다는 지적이다. 채용에서도 동일한 현상이 벌어지고 있다. AI 스크리닝 도구가 연령·인종·사회경제적 편향을 내재한 채 수십억 건의 지원서를 처리하고 있지만, 그 도구의 조직적 효과는 아직 연구 대상이다.

공공고용서비스의 AI화, 누구를 위한 디지털 전환인가

OECD는 적극적 노동시장정책(ALMP)의 디지털 전환을 적극 추진하고 있다. 공공고용서비스(PES)의 AI 활용은 서비스 전 영역에서 가속화되고 있으며, 프랑스와 그리스에서는 2025~2027년 AI 기반 공공고용서비스 개선 프로젝트가 진행 중이다. 이탈리아에서는 민관 파트너십을 통한 고용서비스 전달 강화(2024~2026)가 추진되고 있다. OECD의 진단은 명확하다 — 고령화, 디지털·그린 전환이라는 메가트렌드 속에서 효과적 정책이 더 많은 사람에게 양질의 일자리 접근을 보장해야 한다.

그런데 OECD 스스로가 핵심 단서를 하나 달았다. “디지털화 여정에서 아무도 소외되지 않도록, 디지털 역량이 제한된 고객과 취약 집단에 특별한 주의를 기울여야 한다.” 이건 좀 생각해볼 대목이다. AI 채용 도구에 의해 체계적으로 배제되는 집단 — 디지털 리터러시가 낮은 구직자, AI 최적화된 이력서를 쓸 줄 모르는 사람, 12단락짜리 직무기술서의 키워드를 해독하지 못하는 지원자 — 은 정확히 공공고용서비스의 핵심 고객이다. 공공고용서비스가 AI로 전환하면서 바로 그 고객을 놓칠 수 있다는 역설이 성립한다.

한국에서도 워크넷과 고용센터의 디지털 전환이 진행되고 있지만, 통계청 데이터가 보여주는 현실은 다르다. 청년들은 여전히 소득과 안정성이 보장되는 대기업·공공기관을 원하고, 이곳의 채용 관문은 점점 더 AI가 관리한다. 공공고용서비스가 AI를 도입해 매칭 효율을 높이겠다는 것은, 민간의 AI 채용 도구가 만들어낸 배제를 공공 영역이 해소해야 한다는 뜻이기도 하다. 그런데 공공 영역마저 같은 도구를 쓴다면?

배제에서 매칭으로 — 방향을 바꾸려면

데이터가 가리키는 방향은 분명하다. AI 채용 도구는 지금 ‘매칭’이 아니라 ‘필터링’에 최적화되어 있다. 최대한 많은 후보를 빠르게 걸러내는 것이 현재 알고리즘의 성공 지표다. 이 방향을 뒤집으려면 세 가지가 필요하다.

첫째, 스킬 기반으로의 실질적 전환. 하버드 연구가 제안하는 것처럼, 기업은 12단락짜리 직무기술서 대신 실제 필요한 핵심 역량을 명시하고, AI 도구가 학력·이력이 아니라 역량 포트폴리오를 기준으로 매칭하도록 재설계해야 한다. “요건 하나 미충족 = 자동 탈락”이라는 로직 자체를 바꾸는 것이다.

둘째, AI 채용 도구의 감사 의무화. 이미 법적 움직임이 시작됐다. 미국에서는 한 HR 테크 기업을 상대로 40세 이상 지원자 집단소송이 조건부 인용됐고, EU는 AI법을 통해 고위험 AI 시스템에 채용 도구를 포함시켰다. 한국도 AI 채용 도구의 편향 감사를 제도화할 시점이다.

셋째, 공공고용서비스의 역할 재정의. OECD가 추진하는 PES 디지털화는 민간 AI 채용의 ‘배제 효과’를 상쇄하는 방향이어야 한다. 공공 시스템이 민간 알고리즘의 복제판이 되면 안 된다. 디지털 취약 계층에게 AI 이력서 최적화를 지원하거나, 아예 알고리즘 우회 채널(인간 상담사 직접 매칭)을 강화하는 게 현실적이다.

한 줄 요약: AI 채용 도구의 실제 성과는 ‘매칭 정확도’가 아니라 ‘배제 효율성’의 극대화이며, 이 방향을 바꾸지 않으면 기술이 발전할수록 청년 고용은 위축된다.

💡 실무 시사점 — HR이 이번 분기에 점검할 3가지:

① 자사 AI 스크리닝의 ‘탈락 사유’ 감사. 지난 6개월간 AI가 탈락시킨 후보 중 실제 면접 가능했던 비율을 역추적하라. 19%가 적격자를 걸러냈다고 시인한 데이터는 평균이다.

② 직무기술서 다이어트. 12단락을 3단락으로 줄이고 ‘필수 요건’과 ‘우대 요건’을 명확히 분리하라. AI가 기준을 문자 그대로 적용하기 때문에, 기술서의 군더더기가 적격 후보의 탈락으로 직결된다.

③ 인간 감독 체크포인트 재설계. 35%의 기업이 인간 개입 없이 AI만으로 탈락을 결정한다. 최소한 최종 탈락 단계에서 인간 리뷰어가 AI 판단을 교차 검증하는 게이트를 두어라.

#AI채용 #스크리닝편향 #스킬기반채용 #HR테크감사

참고 링크

• HBS Working Knowledge, “As AI Upends Recruiting, Job Seekers Need a Waze App for Careers” (2026)
• Gusto, “Nearly a Million New Grads Will Be Hired by Small Businesses This Year” (2026)
• 통계청, “2025년 사회조사 결과(복지, 사회참여, 여가, 소득과 소비, 노동)” (2025)
• OECD, “Reforms of Active Labour Market Policies and Impact Evaluation” (2026)
• Stanford HAI, “Researchers Worldwide Compete to Shape the Future of AI in Organizations” (2026)
• MIT Technology Review, “Anthropic’s Code with Claude showed off coding’s future—whether you like it or not” (2026)

작성: 서재홍 | NODE