21만 개의 사라진 입구 — AI는 일자리를 없애지 않는다, 채용을 멈출 뿐이다

한국의 청년 인구가 줄고 있다. 지난해보다 15만 2천 명이 감소했다. 경쟁이 줄어드니 취업은 쉬워져야 한다. 그런데 고용률은 43.8%로 오히려 2.4%p 떨어졌고, 실업률은 7.2%로 올랐다. 청년이 줄어드는 속도보다 일자리 입구가 닫히는 속도가 더 빠른 것이다. AI가 일자리를 대량으로 파괴하고 있다는 이야기가 아니다. 실제로는 정반대에 가깝다. AI는 기존 일자리를 없애는 게 아니라, 새로 들어오는 사람의 문을 조용히 닫고 있다. 한국은 OECD 평균보다 많은 GDP 0.6%를 고용정책에 쓰면서도 그 돈의 대부분을 ‘일자리 만들기’에 투입해, AI가 이미 닫아버린 채용의 문을 두드리고 있다.

782만 명의 역설 — 줄어드는 청년, 악화되는 고용

통계청이 발표한 2026년 5월 청년층 부가조사 결과는 직관에 반하는 수치들로 가득하다. 청년층(15~29세) 인구는 782만 2천 명으로 전년 대비 15만 2천 명 줄었다. 노동시장에 들어올 사람 자체가 줄었다. 그런데 경제활동참가율은 47.2%로 2.3%p 하락했고, 고용률은 43.8%로 2.4%p 떨어졌다. 실업률은 7.2%로 0.6%p 올랐다.

이 수치만 보면 단순한 경기 침체로 읽힐 수 있다. 그러나 같은 기간 KDI가 발표한 노동시장 미스매치 분석과 겹쳐 보면 다른 그림이 나온다. 미스매치로 인한 고용 손실은 2010년 1만 2천 개에서 2024년 7만 2천 개로 6배 증가했다. 전체 구직 인원은 코로나19 이전 대비 약 30% 감소했는데, 매칭 효율성은 오히려 주요 산업 중심으로 3% 하락했다.

솔직히 이 조합이 불편하다. 사람이 줄었는데 자리를 못 찾는다는 건, 자리가 줄어서가 아니라 사람과 자리를 잇는 통로 자체가 막히고 있다는 뜻이기 때문이다. 졸업 후 첫 일자리까지 걸리는 시간은 11.2개월. 고졸 이하는 1년 5.1개월로 전년보다 0.6개월 더 늘었다. 문이 존재하긴 하는데, 그 문까지 가는 복도가 점점 길어지고 있다.

AI는 해고하지 않는다, 채용을 멈출 뿐이다

한국노동연구원(KLI)이 2026년 2월 발표한 분석은 AI와 고용의 관계에 대한 통념을 뒤집는다. 국민연금 가입자 데이터를 기반으로 2022년 7월부터 2025년 7월까지 3년간의 일자리 변동을 추적한 결과, 청년층(15~29세) 일자리는 21만 1천 개 감소했다. 이 중 98.6%가 AI 고노출 업종 — 정보통신업, 금융업, 사무직 등 인지노동 비중이 높은 분야 — 에서 발생했다.

같은 기간 50대 일자리는 20만 9천 개 증가했다. 그중 69.9% 역시 AI 고노출 업종이었다. 같은 산업에서, 같은 시기에, 청년은 빠지고 중장년은 늘었다. AI가 사람을 밀어내는 게 아니라는 뜻이다. 이미 자리를 잡은 사람은 지키면서, 새로 들어오는 사람의 문을 닫는 것이다.

이 현상에는 한국 특유의 고용관행이 가세한다. 정규직 중심의 강한 고용 보호가 기존 근로자의 해고를 어렵게 만들고, 그 압력이 고스란히 신규 채용 축소로 전이된다. AI가 업무를 자동화해도 기업은 기존 인력을 유지하면서, 그 효율화 여력을 ‘안 뽑기’로 흡수한다. ILO가 2026년 8월 발표한 글로벌 청년고용 보고서도 같은 패턴을 확인한다. AI가 가장 먼저 위협하는 건 고학력 청년의 엔트리 레벨 포지션이다. 글로벌 청년 NEET(비취업·비교육·비훈련)는 2억 5,700만 명, 비율로는 20%에 달한다.

21만 개의 사라진 입구 vs 20만 개의 지켜진 자리

KLI 데이터에서 가장 주목할 숫자는 21만 1천과 20만 9천의 대칭이다. 청년이 잃은 것과 중장년이 지킨 것이 거의 같다. 이건 우연이 아니다. AI 도입으로 생긴 생산성 잉여가 인력 구조 안에서 재분배된 결과다. 한 명을 뽑아야 할 자리에서 AI가 나머지를 채우니, 기존 인력은 유지되고 신규 수요만 사라진다.

통계청 데이터를 겹쳐 보면 이 구조가 더 선명해진다. 취업 경험이 있는 청년 비율은 84.8%로 전년보다 1.6%p 하락했다. 반면 단 한 번의 취업 경험만 있는 비율은 46.1%로 2.9%p 상승했다. 한 번 들어가면 이동하지 못하고, 아예 들어가지 못하는 사람은 더 늘었다. 노동시장이 유리문 안쪽과 바깥쪽으로 갈라지고 있다.

KDI 보고서는 이 분리가 산업 차원에서도 벌어지고 있음을 보여준다. 반도체, 이차전지, 의료·정밀기기 같은 첨단 산업에서는 전문인력이 부족하고, 제조업과 도소매업에서는 구직자 자체가 사라지고 있다. 수도권 집중이 심해질수록 미스매치는 더 깊어진다. 개인적으로는 이 숫자들이 말하는 바가 명확하다고 본다. AI는 노동시장 전체를 줄이는 게 아니라, 노동시장 안의 문턱을 높이고 있다. 그리고 그 문턱 앞에 서 있는 건 청년이다.

GDP 0.6%의 착시 — 왜 돈을 쓰는데 미스매치는 6배가 됐나

한국의 적극적 노동시장정책(ALMP) 지출은 GDP 대비 0.6%다. OECD 평균 0.41%를 훌쩍 넘는다. 38개 회원국 중에서도 상위권이다. 그런데 이 돈이 어디에 쓰이는지를 따져보면, 미스매치가 15년간 6배로 악화된 이유가 드러난다.

OECD가 2026년 발표한 ALMP 개혁 보고서에 따르면, OECD 평균 훈련(training) 지출은 GDP 대비 0.1%, 전체 ALMP의 약 4분의 1 수준이다. 한국은 전체 지출 규모에서는 OECD 평균을 상회하지만, 지출의 중심축이 ‘직접 일자리 창출’에 놓여 있다. 훈련이나 취업 알선의 비중은 상대적으로 낮다. OECD는 한국에 대해 명시적으로 ‘직접 일자리 창출 중심에서 훈련·취업알선 중심으로 구성을 전환하라’고 권고했다.

이건 좀 아이러니한 상황이다. AI가 닫는 건 ‘채용의 문’인데, 정책이 만드는 건 ‘일자리 자체’다. 공공근로, 직접고용 사업으로 만든 자리는 AI가 재편하는 노동시장의 구조와 무관하다. 반도체 전문인력이 부족하다고 공공근로를 늘려봤자 미스매치는 줄지 않는다. OECD 38개국 중 3분의 2 이상이 최근 15년간 ALMP 시스템을 최소 1회 이상 개혁한 이유도 여기에 있다. 2025년에만 6개국이 대규모 개혁에 착수했다. 개혁의 핵심 방향은 하나다. 공공고용서비스의 디지털 전환, 즉 AI와 데이터 기반의 구직자-일자리 매칭이다.

훈련 0.1%의 함정 — AI 전환 교육은 어디에 있나

OECD 보고서가 제시하는 또 하나의 불편한 진실이 있다. 27개 회원국에 대한 설문 조사 결과, 모든 국가가 그린 전환(green transition)을 위한 업스킬링 정책을 보유하고 있었지만, AI 전환을 위한 훈련 카탈로그는 수요 대비 미흡하다는 결론이었다. 그린 전환에는 각국이 수조 원 규모의 훈련 예산을 배정해놨는데, AI 전환에는 비슷한 규모의 체계적 투자가 없다.

NIA(한국지능정보사회진흥원)의 2026 AI 트렌드 전망 보고서는 AI 확산이 경제·산업·사회·기술 4개 분야에서 동시에 가속되고 있음을 확인한다. Gartner, Forbes, Deloitte 등 글로벌 예측 기관의 전망을 취합한 결과, AI는 더 이상 특정 산업의 도구가 아니라 전 분야를 관통하는 인프라가 되고 있다. 그런데 이 가속에 대응하는 인력 전환 시스템은 여전히 ‘특정 기술 교육’ 수준에 머물러 있다.

KLI 데이터를 다시 보자. AI 고노출 업종에서 청년 일자리가 21만 개 줄었다는 건, 이 업종에 진입하려는 청년에게 필요한 역량이 근본적으로 바뀌었다는 신호다. 정보통신업에서 사무직 신규 채용이 줄었다면, 그 자리를 채우는 건 AI이고, 남은 자리에 요구되는 건 AI를 설계하거나 운영하거나 AI가 못하는 일을 하는 역량이다. 그런데 한국의 ALMP 훈련 예산은 이 전환에 맞춰져 있지 않다.

ILO 보고서도 같은 지점을 짚는다. 기술 불일치(skills mismatch)와 제한된 공식 고용 기회가 청년 실업의 핵심 원인이라는 것이다. 글로벌 ‘일자리 격차(jobs gap)’는 4억 800만 명에 달하는데, 이 중 상당 부분이 기술 전환 실패에서 비롯된다. AI 시대에 필요한 역량을 기르는 훈련 시스템이 없으면, 일자리를 만들어도 채울 사람이 없고, 사람이 있어도 맞는 자리가 없다.

글로벌 2.57억 NEET — 한국의 선택지

ILO가 2026년 8월 11일 발표한 글로벌 청년고용 보고서의 숫자는 무겁다. 전 세계 청년 실업률 12.4%. NEET 2억 5,700만 명. 저소득국 NEET 비율 27.9%. ILO는 AI·자동화, 무역정책 불확실성, 인구구조 변화를 3대 메가트렌드로 꼽으며, 이 세 가지가 동시에 청년 고용을 압박하고 있다고 경고한다.

한국의 상황은 글로벌 추세와 닮았으면서도 더 날카롭다. 대학 진학률이 OECD 최고 수준이라는 건, 노동시장에 진입하는 청년 대부분이 ‘고학력’이라는 뜻이다. 그런데 AI가 가장 먼저 위협하는 게 바로 고학력 청년의 엔트리 레벨이다. 대졸자 졸업 소요 기간도 4년 5.7개월로 전년보다 1.3개월 늘었다. 졸업을 늦추면서까지 스펙을 쌓아도, 나가면 AI가 채용 문을 닫고 있다.

OECD가 한국에 권고한 방향은 명확하다. 직접 일자리 창출 중심에서 훈련·취업알선 중심으로의 전환. 공공고용서비스(PES)의 디지털화. 지역 인재와 지역 일자리를 연계하는 구조. 그런데 이 권고가 실행되려면, 먼저 AI가 노동시장에서 작동하는 메커니즘에 대한 정확한 인식이 필요하다. ‘AI가 일자리를 없앤다’는 프레이밍으로는 ‘일자리를 만들자’는 정책밖에 나오지 않는다. AI가 닫는 게 ‘입구’라는 걸 인식해야, ‘입구를 다시 설계하자’는 정책이 가능하다.

입구를 다시 설계한다는 것

여섯 개 보고서를 교차해서 읽으면, 하나의 그림이 떠오른다. AI가 전 분야로 확산되면서(NIA), 기존 일자리는 유지되지만 신규 채용이 줄고(KLI), 청년 인구가 줄어도 고용은 악화되며(통계청), 미스매치는 15년간 6배로 벌어졌고(KDI), 글로벌 청년 NEET는 2.57억 명에 달하는데(ILO), 한국은 OECD 평균보다 많은 돈을 쓰면서도 그 구조가 틀려 있다(OECD).

이 구조를 바꾸려면, 고용정책의 기본 전제를 수정해야 한다. ‘일자리가 부족하다’가 아니라 ‘일자리에 진입하는 경로가 막혔다’로. ‘더 많이 만들자’가 아니라 ‘다르게 연결하자’로.

한 줄 요약: AI는 일자리를 없애지 않는다. 채용을 멈출 뿐이다. 한국이 GDP 0.6%를 쓰고도 미스매치가 6배 악화된 건, 돈이 적어서가 아니라 돈이 가는 곳이 틀렸기 때문이다.

💡 실무 시사점 — HR이 이번 분기에 점검할 3가지:

① 신규 채용 공고의 역량 요건을 AI 이후 기준으로 재설계했는가. AI가 대체하는 업무를 여전히 채용 요건에 넣고 있다면, 지원자와 자리의 불일치는 구조적으로 반복된다. 데이터 입력·문서 작성·단순 분석이 아니라, AI 협업 역량·판단력·비정형 문제 해결을 요건에 반영해야 한다.

② 사내 훈련 예산이 ‘기존 직원 유지’에만 쓰이고 있지 않은가. KLI 데이터가 보여주듯, AI 시대 고용 충격은 기존 직원이 아니라 신규 진입자에게 집중된다. 인턴십·수습 기간의 AI 역량 교육, 엔트리 레벨 직무의 재정의가 필요하다.

③ 지역·중소기업 채용 채널을 다각화했는가. KDI가 지적한 수도권 집중과 중소기업 인력 부족은 같은 현상의 양면이다. 원격 근무·하이브리드 모델을 활용한 지역 인재 확보 전략이 미스매치 해소의 실마리가 된다.

#AI채용전환 #노동시장미스매치 #청년고용 #ALMP개혁 #엔트리레벨재설계

참고 링크

• 한국노동연구원, “AI 기술 확산이 고용에 미치는 영향 — 노동리뷰 2026년 2월호” (2026)
• OECD, “Reforms of Active Labour Market Policies to Meet Evolving Labour Market Needs” (2026)
• ILO, “Global Employment Trends for Youth 2026” (2026)
• KDI, “노동시장 미스매치 현황과 정책적 제언” (2026)
• 통계청, “2026년 5월 경제활동인구조사 청년층 부가조사 결과” (2026)
• NIA, “토픽 분석을 통한 AI 주요 트렌드 및 2026 전망” (2025)

작성: 서재홍 | NODE