AI 효율성의 역설 — ‘직원 1인당 매출’이라는 시한폭탄

AI 코딩 스타트업 한 곳의 직원 1인당 연간 매출이 130만 달러를 넘었다. 같은 시기 파산한 핀테크 기업의 그 수치는 2만 3천 달러. 56배 차이. 이 숫자만 보면 답은 간단하다 — 사람을 줄이고 AI를 넣으면 된다. 실제로 2026년 상반기에만 기술 업계에서 12만 8천 명이 일자리를 잃었고, 하루 평균 해고 속도는 1,002명에 달했다. 그런데 같은 해, AI로 인력을 줄인 기업의 55%가 그 결정을 후회하고 있다는 설문 결과가 나왔다. 무엇이 어긋난 걸까. 이 글의 주장은 이것이다 — ‘직원 1인당 매출’이라는 새로운 효율성 지표를 좇아 신입을 줄이는 기업들은 3~5년 뒤 자신을 이끌 차세대 시니어 인재의 파이프라인을 구조적으로 파괴하고 있다.

한 줄 요약: AI 효율성의 역설 — ‘직원 1인당 매출’ 극대화를 좇는 기업들이 정작 파괴하고 있는 것은 3~5년 뒤 자신을 이끌 차세대 인재 파이프라인이다.

56배의 격차가 말해주지 않는 것

MIT 경영대학원 연구진이 최근 주목한 개념이 있다. AIDE(AI-Driven Enterprise), 창업 초기부터 모든 기능에 AI를 통합한 기업을 뜻한다. 이들의 성공 지표는 채용 규모가 아니다. 연간반복수익(ARR)을 풀타임 직원 수로 나눈 값, 즉 직원 1인당 매출이다. AI 앱 빌더 Bolt.new는 출시 5개월 만에 이 수치가 130만 달러를 찍었다. 직전 해 파산한 부기 핀테크 Bench의 같은 수치는 2만 3천 달러. 연구진은 이 격차를 근거로 “AIDE가 더 적은 자원으로 더 빠르게 시장을 장악한다”고 결론지었다.

이 프레임이 위험한 건, 그것이 틀려서가 아니라 너무 깔끔해서다. 직원 1인당 매출이 높다는 건 적은 인력으로 많은 수익을 낸다는 뜻인데, 그 ‘적은 인력’ 속에서 가장 먼저 사라지는 건 누구일까. 2026년 상반기 기술 업계 해고 데이터를 들여다보면 패턴이 선명하다. Cloudflare는 직원의 약 20%인 1,100명을 내보내면서 같은 분기 사상 최대 매출을 기록했다. Coinbase는 “lean, fast, AI-native”를 내세우며 700명을 줄였고, PayPal은 전체 인력의 20%에 해당하는 4,760명을 감축했다. 이 기업들의 공통점은 실적이 나빠서 자른 게 아니라는 것이다. AI가 지원 업무를 대체할 수 있게 됐다는 게 공식 사유였다.

해고한 자리에 다시 사람을 앉히다

55%라는 숫자가 단순한 설문 응답이 아니라는 건 실제 채용 데이터가 증명한다. 채용 컨설팅 기업 Robert Half가 2026년 채용 담당자를 대상으로 조사한 결과, 32%가 “AI/자동화를 이유로 역할을 제거하거나 인원을 줄였다가 동일 역할로 재고용했다”고 답했다. HR 전문가 600명을 대상으로 한 별도 서베이에서는 더 적나라한 숫자가 나왔다. 감축된 역할의 절반 이상을 이미 복원한 기업이 전체의 3분의 1을 넘었고, 재고용까지 걸린 시간은 절반 이상이 6개월 이내였다. 1년 넘게 버틴 곳은 2%에 불과했다.

솔직히 가장 뼈아픈 숫자는 따로 있다. 고용주의 3분의 1은 AI 감원으로 아낀 비용보다 재충원 비용이 더 많이 들었다고 보고했다. 줄여서 절감하려 했는데 오히려 더 들었다는 것이다. AI가 문제 없이 역할을 완전 대체한 경우는 약 20%에 그쳤다. 연구진이 “AI로 교체된 직원이 실제로 AI로 대체됐나”를 확인하자, 10번 중 9번은 AI가 아직 준비도 되지 않았고 도입조차 시작되지 않은 상태였다.

이 패턴은 MIT가 제시한 AIDE 모델의 이면이다. 직원 1인당 매출 130만 달러라는 수치는 Bolt.new처럼 태생부터 AI로 설계된 소규모 스타트업에서 나온 것이다. 기존 조직이 이 수치를 따라잡겠다고 사람부터 줄이면, 결과는 Klarna의 전철을 밟을 가능성이 높다.

판단력을 키울 시간이 사라지고 있다

여기서 문제가 한 층 깊어진다. 단순히 “해고했다가 재고용하는 비효율”로 끝나지 않는다. 글로벌 컨설팅 기업의 2026년 7월 보고서는 더 구조적인 위협을 지적한다. AI가 자동화하는 건 단순 반복 업무인데, 그 단순 반복 업무가 바로 신입이 판단력을 키우는 훈련장이었다는 것이다.

1~2년차 직원이 엑셀 데이터를 정리하고, 보고서 초안을 쓰고, 고객 문의에 답하는 과정에서 축적하는 건 ‘스킬’이 아니라 ‘맥락을 읽는 눈’이다. AI가 이 업무를 대신하면 신입은 그 눈을 키울 기회를 잃는다. 보고서는 초급 역할의 성격이 “루틴 업무 처리”에서 “AI 증강 시스템에서의 판단력·감독·적응력 개발”로 바뀌고 있다고 진단했지만, 문제는 새로운 역할 자체가 아직 정의되지도 않았다는 점이다.

같은 시기 ILO가 발표한 「세계청년고용동향 2026」은 이 문제에 글로벌 수치를 씌운다. 전 세계 15~29세 일자리 중 6.1%가 AI 고노출 직종이다. 주로 사무·행정직, 영업직, 제조직 — 중간 숙련도 직무들이다. ILO는 이 직무의 10%만 소멸해도 560만 명의 청년이 영향받는다고 경고했다. 개인적으로는, 10%라는 가정이 보수적이라고 본다. 앞서 본 것처럼 Cloudflare는 한 번에 20%를 줄였다.

6,700만 명의 출입문이 닫히고 있다

ILO 보고서의 숫자들을 나열하면 이렇다. 2025년 기준 글로벌 청년 실업률 12.4%, 실업자 6,700만 명. 여기에 미취업·미교육·미훈련(NEET) 상태의 청년이 2억 5,700만 명 이상, 전체의 20%다. 저소득·중하위소득 국가에서는 청년 노동자의 약 90%가 사회보호 없는 비공식 고용 상태다. ILO 사무총장의 표현을 빌리면, “양질의 일자리를 찾지 못하는 세대는 자신의 미래를 확신할 수 없다.”

한국도 이 구조에서 자유롭지 않다. 한국은행 금융통화위원회는 2026년 7월 기준금리를 2.75%로 인상하면서, 고용시장에 대해 의미심장한 진단을 내놓았다. 취업자 수가 서비스업 중심으로 증가 전환되었지만, 제조업 등 주요 업종에서는 감소세가 이어지고 있다는 것이다. 물가 상승률이 3.2%로 2년 6개월 만에 최고치를 기록한 상황에서 금리를 올렸다는 건, 고용 부진보다 물가 안정에 무게를 둘 수밖에 없었다는 뜻이기도 하다.

이건 좀 씁쓸한 조합이다. 글로벌 차원에서 AI가 초급 일자리를 줄이는 와중에, 한국은 금리 인상으로 기업의 신규 채용 여력까지 줄어든다. 제조업 고용 감소는 AI 자동화와 경기 둔화가 겹친 결과이고, 서비스업 증가세도 청년 일자리의 질을 보장하지 않는다. ILO가 경고한 “AI 고노출 직종의 10% 소멸” 시나리오가 한국에서는 금리·물가라는 거시 변수와 동시에 작동하고 있는 셈이다.

시뮬레이션으로 시니어를 만들 수 있을까

이 위기를 인식한 기업도 있다. Bank of America는 2026년 여름 인턴 및 신규 캠퍼스 채용 규모를 약 4,000명으로 유지했다. 500개 이상 학교에서 선발했고, 전년과 동일한 규모다. 주목할 건 채용 규모가 아니라 훈련 방식이다. 인턴 배치 첫날부터 해당 사업 부문에 특화된 AI 교육을 시작하고, 1~2년차에 루틴 업무를 통해 쌓았던 판단력을 시뮬레이션으로 압축 습득시키겠다는 전략이다.

글로벌 인재 총괄의 표현이 핵심을 찌른다.

“신입이 첫 1~2년간 반복 업무를 하면서 자연스럽게 체득하던 판단력을 이제는 시뮬레이션으로 빠르게 제공해야 한다. AI가 그 업무를 대신하거나 곧 대신할 것이기 때문이다.”

이 접근은 진지하다. 하지만 아직 검증된 모델이 아니라는 점도 분명하다. 시뮬레이션이 실전에서의 실패 경험을 얼마나 대체할 수 있는지는 누구도 증명하지 못했다. 비행기 조종사나 외과의사처럼 시뮬레이션 훈련이 수십 년간 축적된 분야에서도 실전 비행시간과 수술 경험은 여전히 필수 요건이다. HR 업무에서 시뮬레이션의 효과를 검증하려면 최소 3~5년의 추적이 필요하다.

반면 MIT의 AIDE 모델은 이 문제에 대한 해답을 제시하지 않는다. AIDE는 “인간과 AI 에이전트로 구성된 노드 네트워크”로 조직을 재정의하자고 제안하지만, 그 네트워크 안에서 주니어가 어떻게 성장하는지에 대해서는 침묵한다. 직원 1인당 매출을 극대화하면 할수록, 숙련도가 낮은 신입을 고용할 유인은 줄어든다. 이것이 핵심이다 — 효율성 지표 자체가 인재 양성을 구조적으로 불가능하게 만드는 메커니즘으로 작동할 수 있다.

3년 뒤의 시니어는 어디서 오는가

퍼즐을 맞춰보면 이렇다. AI 스타트업들이 증명한 ‘직원 1인당 매출’이라는 지표는 기존 기업들에게 “사람을 줄여라”는 신호로 작동하고 있다. 실제로 2026년 상반기에만 12만 8천 명이 그 신호 아래 일자리를 잃었다. 그중 상당수는 초급 직무였다. 그런데 그 초급 직무를 없앤 기업의 55%가 후회하고, 32%가 동일 역할로 재고용하고, 3분의 1은 재충원에 더 많은 비용을 쓰고 있다.

동시에 글로벌 청년 실업률은 12.4%로 악화되고, AI 고노출 직종의 10% 소멸만으로도 560만 명이 타격을 받는다. 한국은 여기에 기준금리 인상과 제조업 고용 감소까지 겹쳤다. Bank of America처럼 시뮬레이션 훈련으로 파이프라인을 지키려는 시도가 있지만, 아직 그 효과가 검증된 곳은 없다.

결국 문제는 이것이다. 오늘 신입을 줄이는 결정은 3~5년 뒤 시니어 인재가 시장에서 사라지는 결과로 돌아온다. 조직이 필요로 하는 시니어는 하루아침에 만들어지지 않는다. 수년간의 현장 경험, 실패, 맥락 학습이 쌓여야 한다. AI가 그 학습 기회를 대체한다면, 오늘의 효율성은 내일의 인재 고갈이라는 청구서로 돌아올 수밖에 없다. ‘직원 1인당 매출’이라는 매력적인 숫자 뒤에는 “그 직원이 시니어로 성장할 경로가 존재하는가”라는 질문이 빠져 있다.

💡 실무 시사점 — HR이 지금 점검해야 할 3가지:

① 신입 채용을 “비용”이 아닌 “3년 뒤 시니어 파이프라인 투자”로 재프레이밍하라. AI 효율성 지표만으로 채용 규모를 결정하면, 차세대 핵심 인력의 공급 자체가 끊긴다. 경영진에게 이 리스크를 수치로 보여줘야 한다.

② 초급 직무를 없애기 전에 “판단력 훈련 경로”를 먼저 설계하라. AI가 대체하는 루틴 업무 목록을 만들고, 각 업무가 신입의 어떤 역량을 키웠는지 매핑한 뒤, 시뮬레이션·멘토링·프로젝트 순환 등 대안을 먼저 확보해야 한다.

③ “부메랑 재고용” 비용을 추적하라. AI 감축으로 절감한 비용과 재충원에 들어간 비용을 비교하는 대시보드를 만들어라. 기업의 3분의 1은 이미 재충원이 더 비싸다는 걸 경험했다. 이 데이터가 다음 감축 결정의 브레이크가 된다.

#AI인재파이프라인 #신입채용전략 #부메랑재고용 #직원1인당매출

참고 링크

• MIT Sloan, “Why AI-driven enterprises are the future of entrepreneurship” (2026)
• McKinsey, “Building Expertise in the Age of AI: Who Trains the Next Generation?” (2026)
• Fast Company, “This one statistic reveals the AI job takeover has started” (2026)
• Fast Company, “Why some companies are rehiring employees they laid off due to AI” (2026)
• ILO, “Youth unemployment rises as young people face harder road to decent work” (2026)
• 한국은행, “통화정책방향 결정문 — 2026년 7월” (2026)

작성: 서재홍 | NODE