AI 인재가 부족하다면서 미국의 4분의 1만 준다 — 부족과 과잉이 충돌하는 노동시장의 속도 비대칭

AI 인재가 부족하다는 말은 이제 산업 보고서의 단골 문장이 됐다. 대기업 69%가 AI 인력 확대 계획을 세웠고, 글로벌 컨설팅사부터 빅테크까지 “인재 전쟁”을 외친다. 그런데 같은 시기, 미국 노동시장에서는 AI 노출도 높은 직종의 구직률이 눈에 띄게 떨어지고 있다. 한쪽에서는 사람이 모자라고, 다른 쪽에서는 사람이 남는다. 같은 기술이 만든 같은 시장에서. 기업은 양쪽 모두에 같은 처방전을 내밀고 있다 — “훈련”. 그 처방전이 통하는 쪽은 하나뿐이다.

한 줄 요약: AI가 노동시장에 만든 문제는 ‘부족’과 ‘과잉’ 두 개인데, 기업은 둘 다 ‘훈련’으로 풀려 한다. 빌더 쪽 부족의 실체는 임금이고, 대체 쪽 과잉의 실체는 속도다. 훈련은 둘 중 하나만 풀 수 있다.

한국이 AI 인재에게 매기는 가격표

한국은행이 올해 내놓은 이슈노트 하나가 불편한 숫자를 던졌다. 국내 AI 기술 보유자의 임금 프리미엄은 약 6%다. 같은 조건의 미국 수치는 약 25%. 4배가 넘는 격차다. “AI 인재가 부족하다”는 말이 매일 뉴스에 나오는 나라에서, 정작 그 인재에게 붙는 가격표는 미국의 4분의 1에 불과하다.

이 숫자를 글로벌 빅테크의 움직임과 나란히 놓으면 풍경이 달라진다. 한 AI 기업은 1억 달러(약 1,400억 원)를 투입해 2027년까지 1만 명의 ‘Frontier Deployed Engineer’를 양성하겠다고 발표했다. 의료 레지던시 모델을 차용해 12주간 실무에 배치하는 프로그램이다. 기업들이 이 정도 규모의 투자를 감행하는 이유는 단순하다 — AI를 만들 줄 아는 사람은 넘치지만, 실제 비즈니스에 심을 줄 아는 사람은 극소수라는 것.

그런데 핵심은 여기다. 인재가 정말 부족하면 가격이 올라야 한다. 경제학 교과서의 가장 기초적인 원리다. 한국에서는 그 원리가 작동하지 않고 있다. 기업이 AI 인재를 확보하겠다고 말하면서 6%짜리 프리미엄으로 그걸 해내려 하고 있다. 솔직히, 이건 부족이 아니다. 지불 의사의 부족이다.

5.7만 명이 ‘부족’이 되는 구조

한국은행 추정에 따르면 국내 AI 인력은 약 5.7만 명이다. 석·박사 학위 보유자가 58%, 공학 계열이 64%. 절대 숫자만 보면 적지 않다. 그런데 대기업 69.0%와 중견기업 68.7%가 AI 인력 확대를 계획하고 있으니, 수요 쪽이 일제히 올라가는 중이다.

유럽을 분석한 글로벌 보고서가 이 수요 폭증의 내막을 보여준다. 현재 존재하는 역할의 75%가 재설계되거나 완전히 새로운 스킬 조합이 필요해진다. AI가 일자리를 없애는 게 아니라, 기존 일자리의 내용물을 통째로 바꾸고 있다는 뜻이다. 에이전트 오케스트레이터, 하이브리드 매니저, AI 코치 — 2년 전에는 존재하지도 않았던 직무 프로필이 채용 시장에 등장하고 있다. 이 새 역할들은 기술 스킬만 요구하지 않는다. 사회·정서적 역량, 고차 인지 스킬에 대한 수요가 동시에 늘고 있다.

5.7만 명이 부족한 게 아니다. 5.7만 명이 서 있는 자리의 내용물이 바뀌면서, 어제까지 맞던 스킬셋이 오늘은 틀려졌다. 절대 수의 문제가 아니라 수요 속도가 공급 속도를 추월한 것이다.

유출이 부족을 낳고, 부족이 유출을 낳는다

가격을 안 올리면 어떤 일이 벌어지는가. 한국은행 데이터가 답한다. AI 기술 보유자의 해외 취업 확률은 비보유자보다 27%포인트 높다. 이미 해외에서 근무 중인 AI 인력은 약 1만 1천 명, 전체의 16%에 달한다.

악순환의 고리가 선명하다. 국내 프리미엄이 낮으니까 인재가 빠져나간다. 인재가 빠져나가니까 부족해진다. 부족하니까 기업은 임금을 올리는 대신 훈련으로 메우려 한다. 글로벌 빅테크가 1억 달러를 들여 1만 명을 양성하겠다는 프로그램을 만든 것도, 결국 같은 구조의 반영이다 — 시장 임금을 지불하는 것보다 직접 키우는 편이 싸다는 계산이다.

문제는 이 계산이 글로벌 기업에겐 통하지만 한국 시장에선 통하기 어렵다는 점이다. 글로벌 기업의 양성 프로그램은 그 자체가 브랜드이고 커리어 패스다. 한국 기업이 같은 방식을 쓰려면 양성 후에도 떠나지 않을 유인을 만들어야 하는데, 6%짜리 프리미엄으로는 그 유인이 성립하지 않는다.

‘스킬은 이전 가능하다’는 말이 감추는 것

AI 인력 문제의 다른 쪽 — 대체되는 사람들 — 에 대해서는 훨씬 낙관적인 서사가 지배하고 있다. 미국 노동시장 분석 보고서는 현재 고용주가 요구하는 스킬의 70% 이상이 자동화 가능 직무와 불가능 직무 양쪽에서 모두 쓰인다는 데이터를 제시한다. 스킬이 사라지는 게 아니라 적용 맥락이 바뀔 뿐이라는 것이다. 2030년까지 핵심 스킬의 39%가 변화할 것으로 보이지만, 그 변화는 소멸이 아니라 전환이라는 프레이밍이다.

개인적으로는, 이 서사가 위험하다고 본다. 미국 노동시장의 실제 데이터를 분석한 연구가 전혀 다른 이야기를 하고 있기 때문이다. 미국 현행 인구조사(CPS)와 구인·이직 동향조사(JOLTS)를 사용한 경제학 연구에 따르면, 대형 언어 모델 도입 이후 AI 노출도 높은 직종의 구직률(job-finding rate)이 이미 하락하고 있다. 자연실업률이 0.1~0.2%포인트 상승한 것으로 추정된다.

0.1~0.2%포인트는 작아 보인다. 그러나 이건 LLM이 본격 도입된 지 겨우 2~3년 만의 변화다. 그리고 이 숫자가 말하는 건 단순하다 — 스킬이 이전 가능하다는 것과, 실제로 이전되고 있다는 것은 전혀 다른 이야기라는 것이다.

같은 처방전이 다른 병에 투여되고 있다

AI가 노동시장에 만든 문제는 두 개다. 하나는 AI를 만들고 배치할 인력의 부족. 다른 하나는 AI에 대체될 인력의 과잉. 같은 기술이 동시에 만든 두 문제인데, 기업이 양쪽에 내미는 처방전은 놀랍도록 동일하다 — 훈련.

빌더 쪽에서 훈련은 효과가 있다. 글로벌 빅테크의 양성 프로그램이 의료 레지던시 모델을 차용한 데는 이유가 있다. 이미 소프트웨어 엔지니어링 기초가 있는 사람에게 12주간 실무 배치를 시키면, AI 시스템을 비즈니스에 심는 능력은 실제로 길러진다. 이 경우 훈련은 이미 갖고 있는 기반 위에 새 층을 쌓는 것이다.

대체 쪽은 상황이 다르다. 한국 데이터를 보면, AI 노출도가 높은 업종을 중심으로 청년고용 감소가 이미 진행 중이다. 유럽 분석에서 역할의 75%가 재설계된다는 것은, 달리 말하면 기존 스킬셋으로는 75%의 자리에 맞지 않게 된다는 뜻이기도 하다. 여기서 훈련은 기초부터 다시 쌓아야 하는 재건 작업이다. 필요한 시간, 비용, 심리적 비용이 빌더 쪽과는 차원이 다르다.

이건 좀 냉정하게 말해야 할 부분이다. 기업이 “리스킬링”을 말할 때, 실제로 상정하고 있는 대상은 대부분 빌더 쪽이다. AI를 활용할 줄 아는 기존 인력을 업그레이드하는 것. 대체 쪽 — AI 때문에 역할 자체가 사라지거나 변형된 사람들 — 을 위한 재훈련은 비용이 훨씬 크고, 효과가 나타나는 데 훨씬 오래 걸리며, 그래서 대부분의 기업이 실제로는 하지 않는다.

속도의 비대칭이 진짜 위험이다

결국 문제의 핵심은 속도다. AI 빌더를 양성하는 속도는 빠르다. 12주 레지던시, 온라인 부트캠프, 사내 AI 교육 — 경로가 다양하고 수요도 명확하다. 이 쪽은 시장이 작동한다. 투자가 들어가고, 프로그램이 만들어지고, 인재가 배출된다.

AI에 대체되는 인력이 새 역할로 전환하는 속도는 느리다. 스킬의 70%가 이전 가능하다는 보고서 수치가 맞더라도, 그 이전이 실제로 일어나려면 새 직무가 만들어져야 하고, 그 직무에 대한 훈련이 설계되어야 하고, 훈련을 받을 시간과 비용이 확보되어야 한다. CPS/JOLTS 데이터가 이미 구직률 하락을 보여주고 있다는 건, 이 모든 과정이 대체 속도를 따라잡지 못하고 있다는 뜻이다.

이 속도 비대칭은 시간이 갈수록 벌어진다. AI 모델의 성능은 매 분기 업그레이드되지만, 인간의 스킬 전환 속도는 올라가지 않는다. 2~3년 만에 자연실업률이 0.1~0.2%포인트 올랐다면, 앞으로 그 격차가 줄어들 이유는 보이지 않는다.

HR이 이번 분기에 점검할 세 가지

💡 실무 시사점 — HR이 이번 분기에 점검할 3가지:

① AI 인력 임금 벤치마크를 해외와 비교하라. 국내 프리미엄 6%는 글로벌 시장에서 경쟁력이 없다. “훈련으로 키우겠다”는 계획을 세우기 전에, 키운 인재가 떠나지 않을 보상 구조가 있는지부터 확인한다. 미국 25%와의 격차를 인지하지 못한 채 양성 프로그램만 돌리면, 양성 비용만 쓰고 인재는 해외로 보내는 결과가 된다.

② AI 대체 위험 직군의 전환 속도를 측정하라. “리스킬링 프로그램이 있다”는 것과 “그 프로그램이 대체 속도를 따라잡고 있다”는 것은 다른 문제다. 연간 몇 명이 재훈련을 완료했고, 그중 몇 명이 실제로 새 역할에 배치됐는지를 추적하라. 전환율이 대체율보다 낮다면, 프로그램이 아니라 속도를 재설계해야 한다.

③ ‘스킬 이전 가능성’과 ‘실제 이전율’을 분리해서 보고하라. 경영진에게 “우리 인력의 스킬 70%가 새 역할에도 쓰입니다”라고 보고하는 건 반만 맞다. 옆에 “현재 전환 속도로는 새 역할 정착까지 평균 N개월 걸립니다”를 붙여야 전체 그림이 된다.

#AI인력전략 #임금벤치마크 #리스킬링속도 #인재유출방지

참고 링크

• 한국은행, “AI 전문인력 현황과 수급 불균형: 규모, 임금, 이동성 분석” (2025)
• McKinsey Global Institute, “Agents, robots, and us: How AI reshapes work and skills in Europe” (2025)
• McKinsey Global Institute, “Workforce in motion: Skills and pathways to future jobs in the United States” (2025)
• NBER, “Artificial Intelligence and Labor Market Reallocation” (2026)
• Anthropic, “Anthropic invests $100 million to train 10,000 engineers” (2026)

작성: 서재홍 | NODE