AI가 임금격차를 좁힌다는 계산, 옆칸엔 정반대 숫자가 있었다 — 0.1550과 0.1920 사이

AI가 일자리를 몇 개 없앨 것인가. 지난주 나온 한 국책 연구보고서를 두고 언론이 뽑아낸 건 거의 예외 없이 이 질문에 대한 답 하나, “10년 후 연간 25만 6천 명”이었다. 그런데 같은 보고서 182쪽 표 하나를 열어보면 훨씬 흥미로운 게 들어 있다. 10년 뒤 직종 간 임금격차를 나타내는 지니계수가 0.1550으로 떨어지기도 하고 0.1920으로 치솟기도 한다. 같은 AI, 같은 시점, 같은 모형인데 답이 정반대로 갈린다. 무엇이 방향을 가르는지가 이 글의 주제다.

한 줄 요약: AI가 한국의 임금격차를 좁힐지 벌릴지는 AI 성능이 아니라 기업이 임금으로 조정하느냐 고용으로 조정하느냐가 정한다. 그 선택지를 규정하는 건 기술이 아니라 노동법과 인사제도다.

먼저, 숫자가 층층이 줄어드는 구조를 봐야 한다

분석은 537개 세분류 직업의 수행직무기술서에서 6,824개 단위과업을 뽑아낸 뒤, 결과측정 가능성·데이터 가용성·맥락 의존성·인간 판단 필요성·에이전트화 가능성이라는 다섯 지표로 각 과업의 자동화 가능성을 계량하는 방식이다. 여기에 국내 임금수준과 데이터·컴퓨팅 비용을 반영한 비용모형을 얹어, 기술적으로 가능할 뿐 아니라 돈이 되는 자동화 과업만 걸러낸다.

그렇게 나온 값이 아래다. 넓은 기준에서 좁은 기준으로 한 칸만 옮겨도 숫자가 5분의 1로 쪼그라든다.

보고서는 이 축소를 “보수적인 그림”이라 부르며 안심의 근거로 쓴다. 전면적이고 급작스러운 고용 충격은 오지 않는다는 것이다. 맞는 말이다. 다만 이 문장은 142만과 26만 사이에 남은 116만 명을 논의에서 지워버린다.

대체되지 않는 116만 명이 이 이야기의 주인공이다

116만 명은 노출 판정은 받았지만 좁은 기준의 자동화 대상에는 들어가지 않은 사람들이다. 직업별로 보면 이 격차가 어디에 몰려 있는지 선명하다. 경영 관련 사무원은 단순노출 기준 31만 명이 걸리지만 경제성을 따지면 5.5만 명으로 줄고, 영업 종사자는 14만 명에서 2만 명으로, 돌봄 및 보건 서비스 종사자는 8.5만 명에서 2.5만 명으로 내려간다. 사무·영업·돌봄, 그러니까 한국 사무직과 대인서비스직의 한복판이다.

여기서 흔한 오해가 생긴다. 대체되지 않으면 영향도 없다는 것. 보고서 자신의 다른 분석이 이를 반박한다. 지난 10년(2014~2024년) 직종별 데이터를 보면 정형과업 비중이 높은 직종일수록 고용증감률이 낮고 임금상승률도 낮았다. 실제로 자동화된 양과 무관하게, ‘자동화될 수 있는 일’로 분류되는 것 자체가 이미 그 직종의 임금 경로에 실려 있었다는 뜻이다.

같은 표 안에 정반대 답이 나란히 있다

이제 문제의 표다. 2024년 기준 직종 간 지니계수는 0.1704. 여기에 10년 뒤 시나리오를 얹는데, 보고서는 충격의 경로를 둘로 나눠 각각 계산했다.

임금으로 조정하면 격차가 좁아진다. AI 노출이 고임금·중고숙련 직종에 집중돼 있어서, 임금상승률 둔화도 위쪽부터 걸리기 때문이다. 반면 고용으로 조정하면 격차가 벌어진다. 고임금 직종에서 자리 자체가 더 많이 사라지는 재배치 효과가 분포를 뒤틀어놓기 때문이다. 그리고 둘을 함께 넣으면 0.1744, 즉 고용조정이 만드는 불평등 심화가 임금압축 효과를 이긴다. 보고서 본문도 이 점을 명시한다.

결론 장의 문장은 이렇다. “임금압축 현상이 나타나 직종 간 임금불평등은 지니계수 기준 소폭 하락하거나 현 수준을 유지할 것으로 예상되었다.” 보수적으로 잡은 제한적 영향 시나리오의 값(0.1705와 0.1675)을 그대로 옮긴 문장이고, 같은 장에서 나란히 계산된 포괄적 영향 시나리오의 0.1744 — 본문이 “고용조정이 가져오는 불평등 심화 효과가 우세해질 수 있음을 시사한다”고 쓴 그 숫자 — 는 결론에 오르지 않았다. 어느 쪽을 표제로 삼을지는 저자의 판단이고, 보수적으로 가는 데는 이유가 있다.

이건 좀 다른 얘긴데, 정작 중요한 건 그 선택이 아니다. 두 시나리오 어느 쪽을 골라도 결과는 같은 모양이다. 임금으로 조정하면 격차가 좁아지고(포괄 0.1550, 제한 0.1607), 고용으로 조정하면 벌어진다(포괄 0.1920, 제한 0.1778). 시나리오를 바꿔도 부호가 뒤집히지 않는다. 방향을 정한 건 AI 성능도, 시나리오 선택도 아니었다.

-0.033과 -0.0058, 한국 기업은 이미 한쪽으로 기울어 있다

어느 쪽 시나리오가 현실이 될지는 추상적인 질문이 아니다. 보고서가 실증에서 뽑아 시뮬레이션에 넣은 준탄력계수가 힌트를 준다. 고용은 -0.033, 임금은 -0.0058. 직종의 정형과업 비중이 같은 폭으로 오를 때 고용이 임금보다 약 5.7배 민감하게 반응한다는 뜻이다. 짚어둘 게 있다. 이 계수는 생성형 AI 상용화 이전인 2014~2024년 자동화 압력에 한국 노동시장이 실제로 어떻게 반응했는지를 추정한 값이고, 시뮬레이션은 그 반응계수를 미래 AI 노출도에 곱한다. 그러니까 이 모형이 예측하는 미래에는 한국 기업이 지난 10년간 조정해온 습관이 이미 들어가 있다.

한국 노동시장의 제도적 조건을 얹으면 이 비대칭은 더 뚜렷해진다. 기존 근로자의 임금을 내리는 일은 취업규칙 불이익변경 동의, 단체협약, 개별 근로계약이라는 세 겹의 문턱을 넘어야 한다. 반면 자리를 줄이는 쪽은 정리해고까지 가지 않고도 방법이 있다. 퇴사자 자리를 채우지 않고, 신규 채용 규모를 조용히 줄이고, 결원을 외주와 계약직으로 메우면 된다. 절차적 비용이 압도적으로 싼 쪽으로 조정이 흐르는 건 자연스러운 결과다.

flowchart TD
    A[AI 노출 직무 142만 명] --> B{조정 수단}
    B -->|임금으로 조정| C[상위 직종 임금상승률 둔화]
    B -->|고용으로 조정| D[신규채용 축소·결원 미충원]
    C --> E[지니 0.1550 — 격차 축소]
    D --> F[지니 0.1920 — 격차 확대]
    E --> G[사람은 남고 상승분이 깎임]
    F --> H[남은 사람은 무사, 못 들어온 사람이 부담]

두 경로는 부담을 지는 사람이 다르다. 임금조정은 이미 안에 있는 사람들이 나눠 진다. 고용조정은 아직 들어오지 못한 사람, 즉 신규 진입자와 경력 단절자가 혼자 진다. 지니계수라는 한 개의 숫자로는 이 차이가 보이지 않는다는 게 핵심이다.

생산성 이득과 조정 부담은 애초에 다른 곳에 쌓인다

분배 문제는 직종 안에서만 벌어지지 않는다. 기업 쪽 분석을 보면 AI를 도입한 기업은 상용근로자 1인당 매출이 약 20%, 총매출이 약 10% 유의하게 늘었다. 고용 감소는 통계적으로 유의하지 않았다. 문제는 이 효과를 누리는 모집단이 좁다는 것이다. AI를 활용하는 기업 비중은 2017년 1%대에서 2023년 6% 수준으로 올라오는 데 그쳤고, 그마저 250인 이상 대기업과 정보통신·금융에 몰려 있다.

영향받는 인원과 영향받는 매출이 서로 다른 산업에 있다는 사실도 그냥 지나칠 게 아니다. 종사자 수 기준 상위는 교육 서비스업(약 22만 명), 육상운송(약 16만 명), 사업지원 서비스업(약 14만 명), 보건·사회복지다. 매출 기준 상위는 보험 및 연금업(1.2%), 금융업(1.1%), 전자부품·컴퓨터·통신장비 제조업(0.7%)이다. 사람이 걸리는 곳과 돈이 걸리는 곳이 겹치지 않는다.

거시 결과가 미시 결과에 비해 소박한 것도 이 맥락에서 읽힌다. 10년간 총요소생산성 증가폭은 기준 시나리오 2.3%, 연간으로는 0.23%p다. 민감도를 넓혀도 1.5~3.5%(연 0.15~0.35%p) 범위다. 개별 기업에서 20%씩 오른다는 생산성이 경제 전체로는 이 정도로 수렴한다.

기술이 아니라 제도가 시나리오를 고른다

정리하면 이렇다. 지금 시점(2025년)에 경제성 있는 대체 규모는 1,462명, 근로자의 0.01%다. 10년 뒤에도 영향권 63만 7,600명 중 경제성 있는 대체는 25만 5,703명이다. 언론이 받아쓴 그 숫자는 사실 가장 좁게 잡은 값이다. 반면 라벨이 붙은 채 대체되지는 않는 116만 명은 지금 이 순간에도 임금 경로와 채용 경로에서 조용히 처리되고 있다.

그리고 그 처리 방식은 AI가 정하지 않는다. 취업규칙 불이익변경의 문턱 높이, 정리해고 요건, 통상임금 판례의 흐름, 직무급 전환 속도, 파견·도급 규율이 정한다. 0.1550과 0.1920을 가르는 스위치는 GPU가 아니라 인사제도와 노동법 쪽에 달려 있다.

💡 실무 시사점 — HR이 이번 분기에 점검할 3가지:

① 직무기술서의 ‘정형·반복’ 서술을 감사하라. 자동화 도입 계획이 없는 직무에까지 관행적으로 붙은 노출 표현이 직무평가 등급과 임금테이블 조정 근거로 인용되고 있는지 확인한다. 라벨은 도구보다 먼저 도착하고, 한 번 붙으면 협상 테이블에서 되돌리기 어렵다.

② 조정 수단의 기본값이 무엇인지 문서로 확인하라. 최근 2년간 결원 미충원과 신규채용 축소로 흡수한 인원, 임금체계 개편으로 흡수한 금액을 각각 집계해본다. 대부분의 조직은 자기도 모르게 고용조정 쪽으로 기울어 있고, 그 부담은 재직자가 아니라 신규 진입자에게 몰린다.

③ 생산성 지표를 매출에서 분리하라. AI 도입 효과를 1인당 매출로만 보고하면 경쟁사에서 옮겨온 몫과 실제 절감분이 섞인다. 도입 직무의 처리건수·소요시간·재작업률을 별도로 남겨야 투자 판단과 인력 재배치 판단이 갈라진다.

#AI노동시장 #임금격차 #직무급 #고용조정 #HR전략

AI가 노동시장에 무엇을 할 것인가라는 질문은 이제 예측의 문제가 아니라 설계의 문제에 가깝다. 같은 모형, 같은 계수, 같은 10년으로도 정반대 분포가 나온다는 걸 이 보고서가 스스로 보여줬기 때문이다. 어느 칸을 고를지는 아직 정해지지 않았고, 그 결정은 기술부서가 아니라 인사와 법무가 앉은 자리에서 내려진다.

참고 링크

• KDI, “AI의 거시경제 영향 분석” (2026)
• 헤럴드경제, “KDI ‘AI 확산에 10년 뒤 연간 일자리 25만개 감소’…기업 생산성 20%↑” (2026)
• 시사저널, “KDI ’10년 후 AI로 연간 일자리 25만6000개 사라진다’” (2026)
• 이투데이, “KDI ‘AI 확산으로 10년 후 연간 일자리 25만개 감소…기업 생산성은 향상’” (2026)
• 청년일보, “KDI ‘AI 확산에 10년 후 일자리 연 25만6천개 감소 전망…생산성은 최대 3.5%↑’” (2026)

작성: 서재홍 | NODE