AI 일자리 문제, 정부는 ‘훈련’을 말하고 기업은 ‘해체’를 말한다

올해 5월 기준 한국 청년 고용률은 43.8%. 1년 전보다 2.4%p 떨어졌다. 더 불편한 건 일자리의 질이다. 생애 일자리를 한 번만 경험한 청년이 46.1%로 3년째 오르고 있다. 이 숫자 앞에서 정부는 ‘AI 시대 직업훈련 확대’를 해법으로 꺼내들었다. 더 많이, 더 빨리 가르치겠다는 것이다. 그런데 AI를 실제로 도입한 조직들의 현장은 전혀 다른 이야기를 하고 있다. 그들은 사람을 더 가르치는 게 아니라, 일의 구조 자체를 해체하고 있다. AI 시대 고용 위기의 본질은 ‘기술 부족’이 아니라 ‘일의 구조’ 자체가 바뀌고 있다는 것이며, 직업훈련 확대만으로는 조직 재설계와 심리적 저항이라는 두 장벽을 넘을 수 없다.

한 줄 요약: 직업훈련으로 AI 시대를 돌파하겠다는 전략은 ‘일의 구조’ 재설계와 ‘심리적 저항’ 해소라는 두 전제를 건너뛰고 있다.

43.8%의 경고 — 숫자 뒤에 숨은 구조적 변화

통계청이 발표한 2025년 5월 경제활동인구조사 청년층 부가조사를 들여다보면, 표면적 수치보다 내부 구조가 더 심각하다. 15~29세 청년 인구는 782.2만 명으로 전년 대비 15.2만 명 줄었다. 인구가 줄어드는데 고용률도 같이 떨어진다는 건, 남아 있는 청년마저 일을 구하지 못하고 있다는 뜻이다.

특히 주목할 지점은 1회성 일자리 비중 46.1%다. 전년보다 2.9%p 올랐다. 청년들이 처음 얻는 일자리가 커리어의 발판이 아니라 단발성 경험에 그치고 있다. 고용노동부가 ‘직업훈련 확대’를 내세울 때, 이 훈련의 목적지가 되는 일자리 자체가 안정적이지 않다면, 훈련은 어디를 향하고 있는 걸까. 정부의 대응은 분명하다. AI 시대에 필요한 기술을 더 많이 가르치겠다는 것. 하지만 가르칠 대상인 ‘직무’가 6개월 뒤에도 같은 형태로 존재할 것이라는 보장이 없는 시대에, 훈련량을 늘리는 것만으로는 근본적 한계가 있다.

정부는 훈련을 확대하고, 가장 빠른 기업은 조직을 해체했다

고용노동부는 올해 AI 시대 청년 일자리 대책으로 직업훈련 확대를 발표했다. K-뉴딜 아카데미를 비롯해 반도체·AI·신재생에너지 분야 훈련 과정을 늘리겠다는 전략이다. 논리는 단순하다. 미래 산업에 필요한 기술을 가르치면, 그 기술을 갖춘 인력이 채용될 것이라는 가정. 솔직히 이 가정이 여전히 유효한지부터 물어야 한다.

AI를 가장 빠르게 도입한 기업들의 현장은 정반대 방향으로 움직이고 있다. 실리콘밸리의 AI-네이티브 기업들은 기능별 부서(마케팅팀, 개발팀, 디자인팀)라는 전통적 구조를 버리고 ‘미션 포드(Mission Pod)’라는 새로운 단위로 재편하고 있다. 미션 포드는 고객 문제나 매출 목표 같은 결과를 중심으로 조직된 소규모 팀이다. 고객 이해부터 프로토타이핑, 출시, 성과 측정, 반복 개선까지 한 팀이 전부 책임진다.

이 조직에서 ‘훈련’의 의미는 완전히 달라진다. 특정 기술을 가르치는 것이 아니라, 인간이 할 일과 AI가 할 일의 경계를 긋는 능력 자체가 핵심 역량이 된다. 정부의 직업훈련 확대가 ‘파이썬을 가르치자, AI 모델 활용법을 가르치자’에 머문다면, 실제 현장에서 요구하는 역량과의 괴리는 점점 벌어질 수밖에 없다.

AI를 가장 많이 쓰는 직원이 가장 강하게 저항한다

직업훈련 확대론의 전제에는 또 하나의 구멍이 있다. 기술을 가르치면 사람들이 AI를 받아들일 것이라는 가정이다. 최근 HBR이 공개한 2,000명 대상 교차국가 조사 결과는 이 가정을 정면으로 뒤집는다.

기업 88%가 AI를 정기적으로 사용한다. 직원 86%가 AI가 업무를 개선할 것이라 믿는다. 여기까지만 보면 AI 도입은 순항 중이다. 하지만 동시에 80%의 직원이 최소 한 가지 이상의 ‘AI 불안 요인’을 강하게 느끼고 있다. 65%가 ‘AI를 더 잘 아는 사람에게 대체될까 두렵다’고 답했고, 44%는 ‘AI가 자신을 멍청하게 만들고 있다’고까지 표현했다.

가장 놀라운 건 이 대목이다. 불안이 높은 직원 그룹은 업무의 65%에 AI를 사용한다. 불안이 낮은 그룹(42%)보다 오히려 더 많이 쓴다. 그러면서도 AI에 대한 저항은 2.2배 더 강하다. 이건 무엇을 의미하는가. 많이 쓴다고 받아들인 게 아니다. 사용량은 ‘자기 보호’의 반영이지, 신뢰나 혁신의 결과가 아니라는 것이다. 연구자들은 이를 ‘순응적 복종(performative compliance)’이라 불렀다.

AI-First 기업들의 분석도 이 패러독스를 뒷받침한다. 그들이 꼽는 핵심 함정 중 하나가 ‘토큰맥싱(tokenmaxing)’ — AI 사용량 자체를 성과로 착각하는 것이다. 블로그 글을 2분 만에 쓰는 속도(0→1)가 아니라, 초안을 고객 반응에 맞게 개선하는 반복 학습의 속도(V1→V2)가 진짜 지표라는 지적이다. 훈련으로 AI 도구 사용법을 가르치는 것과, 그 도구를 조직의 가치 창출에 연결하는 것은 완전히 다른 문제다.

직무 재설계의 진짜 의미 — 90%가 자동화된 다음에 남는 것

그렇다면 대안은 무엇인가. HR 현장에서 나오는 답은 ‘직무 재설계’다. 하지만 이 단어가 실무에서 무엇을 의미하는지는 아직 대부분의 조직에서 정의되지 않았다.

국내 대형 사업장의 사례를 분석한 보고에 따르면, AI 기반 ERP 통합으로 정형 업무의 90%가 자동화되었다. 한 기업은 ‘Running Lab’이라는 이름으로 20명의 시범 팀에서 시작해 130명 이상으로 확대했다. 여기서 핵심은 세 가지 원칙이다. 먼저, 조직의 역량과 인력의 AI 준비도를 정확히 진단한다. HRBP를 각 사업부에 매치해 현장 수요를 파악한다. 다음으로, AI 자동화에 적합한 프로세스를 선별하고 교차기능 TF를 통해 솔루션을 개발한 뒤, 검증을 거쳐 확대한다. 마지막으로, 장비·조직·인프라·교육방식이 함께 진화해야 한다.

AI-First 기업들이 제시하는 새로운 측정 기준은 이 문제를 정면으로 겨냥한다. 개인의 산출 속도 대신 ‘구성원당 성과(performance per employee)’를, 토큰 사용량 대신 ‘백만 토큰당 매출(revenue per million tokens)’을 본다. 매일의 점검 질문은 “오늘 어제 없던 무엇이 만들어졌나? 무엇을 배웠나?”다. 직무 재설계란 결국 ‘사람이 하던 일을 AI에 넘기는 것’이 아니라, 사람의 가치가 드러나는 새로운 측정 체계를 설계하는 것이다.

주니어 채용을 멈추면 5년 뒤 인재 파이프라인이 끊긴다

AI-First 기업들 사이에서도 경고하는 함정이 있다. AI가 초급 업무를 대체하니 신입 채용을 줄이자는 유혹이다. 단기적으로는 합리적으로 보이지만, 이 결정은 50년간 쌓인 인재 육성 인프라를 한 번에 무너뜨린다. 주니어가 들어오지 않으면 시니어도 나오지 않는다.

통계청 데이터가 보여주는 현실도 이와 맞닿아 있다. 재학 중 일 경험이 있는 청년 비율은 41.1%로 전년 대비 2.1%p 떨어졌다. 경험 유형도 아르바이트(74.2%)에 편중돼, 현장실습은 8.3%에 불과하다. 청년들이 실무와 접점을 맺는 경로 자체가 좁아지고 있다. 여기에 주니어 채용까지 축소되면, 앞서 말한 ‘1회성 일자리 46.1%’ 현상은 더 가속될 수밖에 없다.

이건 핵심이다. 정부의 직업훈련 확대가 공급 측면(사람의 기술 수준)만 다루고, 수요 측면(기업의 조직 구조와 채용 행태)을 건드리지 않는다면, 훈련받은 청년이 들어갈 조직 자체가 사라지거나 변형되는 상황을 막을 수 없다. HBR이 지적한 AI 프로젝트 실패의 핵심 원인도 기술이 아니라 조직변화관리(OCM)의 부재다. HR이 AI 도입 과정에서 조직 재설계와 인재 육성의 중심 역할을 해야 한다는 것, 그런데 대부분의 조직에서 HR은 아직 그 역할을 받지 못했다.

훈련이 아니라 설계 — 한국 HR의 과제

다섯 개의 서로 다른 보고서를 교차해보면, 한 가지 결론으로 수렴한다. AI 시대의 고용 위기는 ‘기술 격차’가 아니라 ‘설계 격차’다. 정부는 사람에게 기술을 가르치겠다고 하고, 기업은 조직 구조를 바꾸고 있고, 직원은 AI를 쓰면서 동시에 두려워하고 있다. 이 세 층위가 따로 움직이는 한, 어느 쪽도 해결되지 않는다.

필요한 건 세 가지를 동시에 연결하는 설계다. 직무를 재정의하고, 조직을 그에 맞게 재편하고, 보상과 측정 체계를 인간-AI 협업에 맞게 바꾸는 것. 그리고 그 모든 전환 과정에서 직원의 심리적 안전을 확보하는 것. 훈련은 이 설계가 완성된 뒤에 와야 의미를 갖는다. 설계 없는 훈련은 도착지 없는 출발이다.

💡 실무 시사점 — HR이 이번 분기에 점검할 3가지:

① 직무 경계선을 그어라. 현재 부서별 업무 중 AI로 자동화 가능한 영역과 인간 판단이 필수인 영역을 분류한다. ‘Running Lab’ 방식의 소규모 시범부터 시작해 검증 후 확대.

② 측정 기준을 바꿔라. 개인 산출량(처리 건수, 보고서 수) 대신 ‘팀 단위 학습 속도’와 ‘고객 성과 기여도’를 시범 적용한다. 토큰 사용량이 아니라 ‘백만 토큰당 매출’을 추적.

③ 불안을 관리하라. AI 사용량을 KPI로 강제하면 ‘순응적 복종’만 늘어난다. 대신 AI가 대체할 수 없는 역할(고객 접점, 판단, 창의)을 명시적으로 인정하고 보상 체계에 반영.

#AI직무재설계 #조직변화관리 #HR전략

참고 링크

• 고용노동부, “인공지능(AI) 시대 청년 일자리, 직업훈련 확대로 돌파구 찾는다” (2026)
• 통계청, “2025년 5월 경제활동인구조사 청년층 부가조사 결과” (2025)
• HR인사이트, “AI 시대, 직무 재설계의 핵심 원칙” (2026)
• nfx, “How the Fastest AI-First Companies Actually Work” (2026)
• HBR, “Why AI Adoption Stalls, According to Industry Data” (2026)
• HBR, “5 Mistakes That Stall AI Projects — and How to Fix Them” (2026)

작성: 서재홍 | NODE