AI가 신입 자리를 줄이고 있다 — 그런데 경력자 몸값은 왜 오를까

AI가 신입 자리를 줄이고 있다 — 그런데 경력자 몸값은 왜 오를까

ChatGPT가 세상에 나온 지 3년 반이 지났다. 그 사이 미국 전체 고용은 2.5% 늘었지만, AI에 가장 많이 노출된 상위 10% 산업에서는 오히려 고용이 1% 줄었다. 솔직히, 이 숫자를 처음 봤을 때 “결국 올 것이 왔나” 싶었다. 그런데 같은 산업의 임금 데이터를 보면 이야기가 뒤집힌다. AI 노출도가 높은 산업일수록 임금 상승률이 전국 평균을 앞선다. 대체가 아니라 재편이라는 뜻이다.

이건 좀 불편한 진실이다. AI는 “일자리를 없앤다/안 없앤다”라는 이분법을 거부한다. 실제로는 누구의 일자리를 줄이고, 누구의 가치를 올리는지가 동시에 벌어지고 있다. 그리고 그 기준선이 바로 ‘경험’이다.

한 줄 요약: AI는 코드화할 수 있는 초급 업무를 흡수하면서 경험 기반 판단의 프리미엄을 끌어올리고 있다 — HR은 채용 파이프라인이 아니라 내부 역량 경로를 재설계해야 한다.

임금 데이터가 말하는 것: 경험 프리미엄의 극적인 분화

댈러스 연방준비은행 이코노미스트 J. Scott Davis는 2022년 가을 이후 200개 이상 직종의 임금·고용 데이터를 분석했다. 결론은 명확했다. AI는 교과서적 지식으로 수행 가능한 초급 업무를 대체하면서, 동시에 암묵적 지식(tacit knowledge)에 기반한 경력자의 가치를 높이고 있다.

핵심은 이 분화가 산업이 아니라 직종 내 경험 수준에서 벌어진다는 점이다. 경험 프리미엄이 0에 가까운 직종에서는 AI 노출이 임금 성장률을 0.28%p 끌어내렸고, 반대로 90번째 백분위 경험 프리미엄 직종에서는 0.2%p 끌어올렸다. 같은 “AI 도입”이 누구에게는 위기이고 누구에게는 기회인 셈이다.

개인적으로는 이 데이터에서 가장 주목할 지점이 따로 있다. 댈러스 연은의 Tyler Atkinson 이코노미스트는 AI 노출 산업의 고용 감소가 “해고가 아니라 신규 채용률 급감”에서 비롯된다고 분석했다. 회사가 사람을 내보낸 게 아니라, 처음부터 뽑지 않는다는 뜻이다. 뉴스에 나오는 대규모 정리해고보다 이쪽이 훨씬 구조적이고, 훨씬 조용하다.

역사적 패턴이 보여주는 반전: 왜 대량 실업은 아직 안 왔나

모건스탠리는 2026년 초 발표한 보고서에서 AI 시대의 고용 영향을 150년간의 기술 전환 역사와 비교했다. 전기화, 내연기관, 컴퓨터, 인터넷 — 이 모든 기술이 등장 당시 “일자리가 사라진다”는 공포를 동반했지만, 결국 노동을 대체하지 않았다.

2026년 현재, AI에 가장 많이 노출된 부문의 고용은 여전히 높은 수준을 유지하고 있다. 22~27세 분석가·회계사·법원서기 같은 초급 전문직에서 실업률이 다소 올랐을 뿐, 전반적인 실업 청구 건수는 “역사적 정상 범위” 안에 있다.

그렇다면 왜 이번에도 대량 실업이 안 왔을까? 모건스탠리의 분석은 간결하다. “생성형 AI의 노동 수요 영향은 양면적이다 — 업무를 자동화하는 바로 그 기술이 노동 생산성을 높여 새로운 수요를 만든다.” AI를 1년 이상 도입한 기업의 평균 생산성 향상은 11.5%에 달한다. 2024년 말 16%에 불과했던 “AI 도입으로 정량적 성과를 얻었다”는 기업 비율은 2025년 4분기 30%로 거의 2배 뛰었다.

다만 보고서는 명확한 단서를 붙인다. “AI가 역사적 선례를 뒤집고 더 극단적인 결과를 낳을 가능성을 배제하지 않는다.” 아쉽다면, 이 경고를 대부분의 경영진이 “결국 괜찮을 것”이라는 안도감으로만 읽는다는 점이다. 역사적 패턴이 반복된다는 건 “변화가 안 온다”가 아니라 “변화가 느리게 온다”는 뜻이고, 느린 변화야말로 HR이 선제적으로 대응할 수 있는 창이다.

신입 채용이 줄어드는 진짜 문제: 학습 경로의 단절

여기서 한 가지 불편한 질문이 나온다. 경력자의 경험 프리미엄이 올라가는 건 좋은데, 그 경험을 쌓을 기회가 줄어들면 5년 후의 경력자는 어디서 나오는가?

Metaintro CEO Lacey Kaelani의 지적이 핵심이다. 반복적인 초급 업무를 AI가 가져가면서 “데이터 패턴에 노출되며 일어나는 우연적 학습(incidental learning)”까지 함께 사라졌다는 것이다. 주니어 분석가가 엑셀로 100건의 보고서를 정리하면서 몸에 배우던 업계 감각, 인사 담당 신입이 수백 건의 이력서를 직접 읽으며 기르던 눈썰미 — 이런 것들이 AI 자동화와 함께 증발하고 있다.

이건 좀 심각한 구조적 결함이다. AI가 단순 업무를 대체하는 것 자체는 효율적이지만, 그 단순 업무가 사실은 숙련으로 가는 통로였다면 문제가 달라진다. HR이 이 지점을 놓치면, 조직은 3~5년 뒤에 “중간 허리”가 비어버리는 인재 공동화를 경험하게 된다.

채용이 아니라 성장 경로를 다시 그릴 때

Piramal Finance 사례가 시사하는 바는 분명하다. 이 회사는 AI로 채용 프로세스를 효율화하면서도, 동시에 내부 역량 구축 프로그램에 투자했다. 핵심은 “AI가 가져간 학습 기회를 의도적으로 재설계하는 것”이다.

구체적으로, AI 시대의 내부 성장 경로 설계에는 세 가지 전환이 필요하다.

업무 기반 채용에서 역량 기반 채용으로. 모건스탠리 보고서가 보여주듯 2024년 기준 미국 기업 중 AI를 의미 있는 운영 수준으로 도입한 곳은 10% 미만이다. 지금은 과도기다. 특정 업무 수행 능력보다 “AI와 협업하며 판단할 수 있는 역량”을 기준으로 사람을 뽑아야 다음 단계에 대응할 수 있다.

암묵지의 명시화. 경험 프리미엄이 100%를 넘는 직종 — 변호사, 보험심사역, 신용분석가 — 의 공통점은 교과서에 없는 판단 기준이 업무 핵심이라는 것이다. 이 암묵지를 문서화하고, AI 도구의 프롬프트와 워크플로에 반영하면 신입도 경력자의 판단 프레임을 빠르게 흡수할 수 있다. 솔직히 이걸 “멘토링 자동화”라고 부르기엔 거창하지만, 방향은 맞다.

의도적 학습 설계. AI가 대체한 반복 업무 안에 숨어 있던 학습 요소를 식별하고, 이를 별도의 교육 모듈이나 프로젝트 참여 기회로 재구성해야 한다. Piramal의 BYOD·BYOT 프로그램이 바로 이 접근이다 — “일하면서 배우던 것”을 “배우기 위해 만드는 것”으로 전환한 사례다.

느린 혁명이 가장 위험하다

모건스탠리가 150년 기술사를 들여다보고 내린 결론은 역설적이다. AI가 대량 실업을 만들지 않는 이유는 변화가 느리기 때문이고, 변화가 느리기 때문에 대부분의 조직은 대응이 늦다. 전기화가 공장 생산성을 근본적으로 바꾸기까지 30년이 걸렸듯, AI의 고용 재편도 서서히 진행될 것이다. 문제는 그 “서서히”가 HR에게 안도의 이유가 아니라 경고라는 점이다.

지금 당장 정리해고 뉴스가 나지 않으니 괜찮은 게 아니다. 신입 채용률이 조용히 떨어지고, 경력자 임금은 올라가고, 중간 계층의 경험 축적 경로는 끊기고 있다. 이 세 가지가 동시에 벌어지는데 HR이 “채용 계획 동결”이나 “AI 도구 도입”만으로 대응한다면, 그건 변화를 관리하는 게 아니라 변화에 끌려가는 것이다.

결국 질문은 이렇게 바뀌어야 한다. “AI가 우리 조직에서 몇 명을 대체할 수 있나?”가 아니라 “AI가 바꿔놓은 경험의 경제학 안에서, 우리 조직의 인재는 어떻게 성장할 것인가?”

💡 실무 시사점: AI 도입 효과를 채용 감축이나 비용 절감으로만 측정하면, 3~5년 뒤 조직의 중간 역량층이 고갈된다. 지금 HR이 설계해야 할 것은 AI 도구 도입 로드맵이 아니라, AI가 대체한 초급 업무 안에 있던 학습 경험을 내부 프로그램으로 재구성하는 ‘역량 성장 경로’다. 경력자의 암묵지를 명시화하고, 신입이 AI와 함께 그 판단 프레임을 흡수할 수 있는 구조를 만들어야 한다.

#AI채용전환 #경험프리미엄 #인재성장경로 #HR전략 #암묵지명시화

참고 링크

• Dallas Fed, “AI is simultaneously aiding and replacing workers, wage data suggest” (2026)
• Morgan Stanley, “AI and Jobs: Labor Market Impact Echoes Past Tech Transitions” (2026)
• People Matters, “Every Role Now Works Alongside AI: Piramal Finance CHRO” (2026)

작성: 서재홍 | NODE