AI는 전문직 독점을 해체하는가, 아래부터 솎아내는가

MIT의 데이비드 오터(David Autor)가 올해 가장 많이 인용된 노동경제학 워킹페이퍼에서 던진 명제는 매혹적이다. AI가 의사·변호사·엔지니어에게 독점된 고급 의사결정을 더 많은 노동자에게 확산시켜, 지난 40년간 공동화된 중산층 일자리를 복원할 수 있다는 것. 그러나 이 낙관론에는 원저자가 “if used well”이라는 네 단어로 건너뛴, 결정적인 제도적 간극이 있다. AI가 전문직 지식을 민주화하여 중산층 일자리를 복원한다는 이론은, 전문직 면허 체계가 그 민주화 효과를 흡수·차단하면서 진입장벽 아래의 청년과 보조인력만 솎아내는 현실과 정면 충돌한다.

한 줄 요약: AI의 전문직 지식 민주화는 면허 체계라는 방화벽에 부딪혀, 중산층 ‘복원’이 아닌 신규 진입자 ‘축출’로 귀결되고 있다.

오터의 매혹적 전제 — “전문성의 확산”이라는 미완의 약속

오터의 논증 구조는 단순하면서도 설득력이 있다. 1980년대 이후 정보화 혁명은 정보 접근성을 민주화했지만, 정작 경제적 가치의 원천은 정보 자체가 아니라 의사결정이었다. 정보가 넘쳐도 그것을 해석하고 판단을 내리는 능력은 여전히 소수 전문직에 집중됐다. 의사는 진단을, 변호사는 법률 해석을, 엔지니어는 설계 판단을 독점했다. 그 결과 미국 노동시장은 고숙련·고임금과 저숙련·저임금으로 양극화되고, 중간이 사라졌다.

여기서 AI의 등장이 게임 체인저가 되는 이유는, AI가 단순 정보 전달이 아닌 “정보와 규칙, 축적된 경험을 엮어 의사결정을 보조”할 수 있기 때문이라고 오터는 주장한다. 간호사가 AI 지원으로 일부 진단 판단을, 법률보조사가 계약서 검토를, 테크니션이 소프트웨어 설계 일부를 수행할 수 있다면 — 중산층 일자리가 다시 생긴다는 논리다.

이 주장의 매력은 분명하다. 그런데 “잘 활용된다면(if used well)”이라는 단서 하나가, 사실상 논문의 전제를 통째로 조건문으로 만든다. 기술적 가능성과 현실 사이에 놓인 것은 코드 한 줄이 아니라 자격증 시험, 면허 규정, 업무 범위법(scope of practice law)이다.

면허 체계라는 방화벽 — 기술이 뚫지 못하는 제도의 관성

오터가 명시적으로 다루지 않는 질문이 하나 있다. 만약 AI가 정말로 간호사에게 의사 수준의 진단 보조를 제공한다면, 미국의사협회(AMA)는 이를 환영할까? 변호사가 AI로 자동 생성된 계약서를 비변호사 직원이 검토하도록 허용할까?

답은 이미 나와 있다. 미국 변호사의 96%가 “AI가 법정에서 의뢰인을 대리하는 것은 지나치다(a step too far)”고 응답했다. 모든 미국 주에서 무자격 법률행위는 불법이며, AI는 면허를 받을 수 없고, 법정 모독에 처해질 수도, 징계를 받을 수도 없다. 면허 제도의 규제 아키텍처 자체가 AI를 통한 전문성 확산을 구조적으로 차단한다.

의료계도 마찬가지다. AI 진단 도구가 피부과·영상의학에서 전문의 수준 정확도를 달성했다는 논문은 수백 편에 달하지만, 실제로 간호사나 의사보조인력(PA)에게 독립적 진단 권한을 부여한 규제 변화는 거의 없다. 개인적으로는 이것이 오터 논문의 가장 큰 맹점이라고 본다. 기술적 가능성을 논하면서 제도적 저항의 메커니즘을 분석하지 않으면, 그건 엔지니어의 백일몽에 가깝다.

한국 데이터가 보여주는 패턴 — 면허는 건재, 청년만 퇴장

그렇다면 현실에서 AI는 누구의 일자리를 바꾸고 있는가? 한국은행이 2022년 7월부터 2025년 7월까지 추적한 데이터가 명확한 답을 보여준다.

패턴이 보이는가. 줄어든 것은 ‘전문직 자체’가 아니라 전문직 진입 단계에 있는 청년 인력이다. 세무사·회계사·변호사 자격 소지자의 업무는 AI로 오히려 효율화됐지만, 그 아래에서 문서 정리·데이터 입력·초안 작성을 맡던 보조 인력과 신입 직원이 불필요해졌다. 오터가 상상한 “AI가 비전문가를 준전문가로 끌어올리는” 시나리오의 정반대다 — AI가 전문가의 보조인력 수요 자체를 제거한 것이다.

“경험의 사다리” 소멸 — 중산층 복원은커녕 진입로가 끊긴다

이 현상이 단순한 고용 통계 이상의 문제인 이유가 있다. 전문직으로 성장하는 경로 자체가 소멸하고 있기 때문이다. 신입 변호사는 선배 계약서를 검토하며 배웠고, 주니어 개발자는 코드 리뷰를 받으며 성장했고, 신참 회계사는 장부 정리를 하며 감을 익혔다. AI가 이 도제적 업무를 대체하면, 전문직이 될 사다리의 첫 번째 가로대가 사라진다.

솔직히 이건 오터 논문의 가장 불편한 맹점이다. 그는 AI가 “보완적 지식을 가진 노동자”에게 전문적 판단을 위임할 수 있다고 말한다. 그런데 보완적 지식은 어디서 오는가? 현장 경험이다. 그 현장 경험을 쌓을 신입 자리가 사라지면, 보완적 지식을 가진 노동자 자체가 재생산되지 않는다.

4대 그룹(삼성·SK·현대차·LG)이 12,300명 이상의 고용을 줄이고, 오라클이 전체 직원의 13%(21,000명)을 감원한 것도 같은 맥락이다. 자동화되는 것은 전문직의 ‘핵심 판단’이 아니라, 그 판단을 보조하는 미들·주니어 레이어다.

오터의 “가능성”은 왜 실현되지 않는가 — 세 가지 제도적 잠금

기술이 있어도 제도가 막는다. 구체적으로 세 가지 잠금장치가 오터의 시나리오를 현실에서 차단한다.

첫째, 업무범위법(Scope of Practice). 한국의 의료법은 의사가 아닌 자의 진단 행위를 금지한다. AI가 간호사에게 아무리 정확한 진단 보조를 제공해도, 그 결과를 환자에게 전달하는 행위 자체가 위법이다. 변호사법의 비변호사 법률사무 취급 금지도 동일한 구조다.

둘째, 렌트 보호의 정치경제학. 면허 소지 전문직은 조직화된 로비 집단이다. 대한의사협회, 대한변호사협회, 한국공인회계사회 등은 규제 완화 시도에 체계적으로 저항한다. 이는 음모론이 아니라 공공선택론(Public Choice Theory)이 예측하는 합리적 행동이다. 소수의 고이득 집단은 다수의 저이득 집단보다 정치적으로 효과적이다.

셋째, 책임 귀속의 공백. AI가 보조인력에게 전문적 판단을 위임한 후 오류가 발생하면, 법적 책임은 누구에게 있는가? 현행 법체계에서 답이 없다. 의료과오는 의사에게, 법률과오는 변호사에게 귀속되는 구조에서, AI 보조를 받은 비전문가의 판단 오류는 책임의 사각지대에 놓인다. 이 불확실성 자체가 규제 당국을 보수적으로 만든다.

재분배인가, 창출인가 — 오터가 회피한 제로섬 질문

오터의 프레이밍에는 미묘한 수사학적 장치가 있다. 그는 AI를 통한 중산층 일자리 “복원(rebuild)”이라는 표현을 쓴다. 복원은 긍정적이고 비갈등적인 이미지를 환기한다. 하지만 그의 논리를 끝까지 따라가면, 이건 창출이 아니라 재분배다.

의사가 받는 연봉이 높은 이유는 진단이라는 의사결정이 희소하기 때문이다. AI가 그 희소성을 제거하면 — 더 많은 사람이 진단을 수행할 수 있게 되면 — 의사의 경제적 렌트는 감소한다. 누군가가 중산층으로 올라오면, 누군가의 상위층 프리미엄이 줄어든다. 이건 좀 불편한 진실이지만, 오터는 이 갈등 구조를 명시하지 않는다.

그래서 전문직 집단의 저항은 비합리적 러다이즘이 아니라, 자신의 경제적 이익을 정확히 인지한 합리적 대응이다. AI 민주화가 성공하면 가장 많이 잃는 집단이 바로 그들이니까. “잘 활용된다면”이라는 오터의 단서는, 사실 “전문직이 자발적으로 자기 렌트를 포기한다면”과 동의어다.

한국 실무에 남는 것 — HR이 준비해야 할 세 가지 현실

오터의 논문을 “틀렸다”고 치부할 필요는 없다. 기술적 가능성에 대한 분석은 정교하다. 다만 그 가능성이 현실화되는 경로가 그가 상상한 것과 다르다는 점을 인식해야 한다. AI는 전문직 독점을 해체하지 않는다. 적어도 현재의 제도적 조건에서는 — 면허 소지자의 생산성을 높이고, 보조인력의 필요성을 줄이며, 신규 진입의 사다리를 축소하는 방향으로 작동한다.

💡 실무 시사점 — HR이 이번 분기에 점검할 3가지:

① 주니어 채용 파이프라인을 재설계하라. AI가 신입 업무를 대체하는 환경에서, “5년차가 되어야 제 몫”이라는 전제는 깨진다. 신입이 곧바로 판단 업무에 참여하는 OJT 모델을 설계하지 않으면, 경력자 풀 자체가 5년 후 고갈된다.

② 면허·자격 의존도를 점검하라. 조직 내 “자격증 소지자만 할 수 있는 업무”의 목록을 작성하고, 그 중 AI 보조로 비자격자가 수행 가능한 영역을 식별하라. 규제 변화가 올 때 선제 대응할 수 있는 준비 상태가 경쟁 우위가 된다.

③ 생산성 향상의 수혜자를 추적하라. AI 도입 후 누구의 업무량이 줄고, 누구의 자리가 사라지는지를 구분하라. 시니어의 생산성 향상으로 주니어 TO가 사라지는 패턴이 확인되면, 그건 조직의 장기 역량 재생산 실패의 신호다.

#AI일자리 #전문직면허 #신입채용 #경력사다리 #노동시장양극화

참고 링크

• NBER, “Applying AI to Rebuild Middle Class Jobs” (2024)
• 파이낸셜뉴스, “사람 뛰어넘는 AI에 ‘고용 감축’ 공포…韓 일자리는 무사한가” (2026)
• 리포터라, “26년 5개월 만에 처음 줄었다” (2026)
• KDI 경제교육정보센터, “2025년 직업종사자 61.3% AI·로봇 대체 위험” (2025)

작성: 서재홍 | NODE