인공지능이 일자리를 빼앗는 방식은 생각보다 조용하고 잔인하다

이틀 전 Anthropic에서 흥미로운 보고서 하나를 내놨다. 자기들이 만든 Claude가 노동 시장에 어떤 영향을 주고 있는지 직접 조사한 내용이다. 제목은 'Labor Market Impacts of AI’인데, 기존의 추상적인 예측들과는 결이 조금 다르다. 실제로 사람들이 Claude를 어떻게 쓰고 있는지 데이터를 결합해서 분석했기 때문이다. 이 보고서를 보면 겉으로 드러난 숫자보다 그 이면에 숨겨진 신호들이 훨씬 더 무겁게 다가온다. 많은 이들이 인공지능이 인간의 일자리를 당장 빼앗을 것처럼 말하지만, 실제 데이터는 조금 더 복잡하고 교묘한 이야기를 하고 있다.

기존의 AI 노동시장 연구는 대부분 한 가지 질문에만 집중했다. 'AI가 이 업무를 할 수 있는가?'라는 질문이다. 2023년 OpenAI 연구진이 발표한 자료를 보면 미국 내 약 800개 직업의 업무를 분석해서 대규모 언어 모델이 이론적으로 업무 속도를 얼마나 높일 수 있는지 점수화했다. 하지만 여기에는 치명적인 약점이 있었다. '할 수 있다’는 것과 '실제로 하고 있다’는 것 사이의 거대한 간극을 무시했다는 점이다. 약국에서 처방전 정보를 제공하는 일은 이론적으로 AI가 완벽하게 수행할 수 있지만, 실제 현장에서는 법적 제약이나 검증 절차 때문에 AI가 침투하기 어렵다. Anthropic은 이 지점을 파고들었다.

Anthropic은 '관측된 노출(Observed Exposure)'이라는 새로운 지표를 만들었다. 기존의 직업별 업무 목록과 AI의 수행 가능성 점수에 실제 Claude 사용 데이터를 결합한 것이다. 결과는 꽤나 충격적이다. 이론적으로 컴퓨터나 수학 관련 직군의 업무 중 94%가 AI로 수행 가능하지만, 실제 현장에서 관측된 커버리지는 33%에 불과했다. 이론과 현실 사이에 약 3배의 격차가 존재한다는 뜻이다. 이는 우리가 뉴스에서 접하는 '내일 당장 해고될지도 모른다’는 공포가 아직은 이론의 영역에 머물러 있다는 사실을 보여준다.

하지만 안심하기엔 이르다. 보고서에서 가장 많이 언급되는 수치 중 하나가 프로그래머의 업무 중 74.5%가 AI에 노출되어 있다는 것이다. 이 숫자의 의미를 정확히 읽어야 한다. 이는 프로그래머가 당장 74.5% 잘려 나간다는 소리가 아니다. 해당 직업의 업무 중 이론적으로 AI가 할 수 있으면서, 동시에 실제 사용 데이터에서 자동화 패턴이 관찰된 비율이 그만큼 높다는 뜻이다. 여기서 중요한 점은 이 데이터가 Claude 사용량에만 기반했다는 점이다. ChatGPT나 GitHub Copilot 같은 다른 도구들까지 합치면 실제 노출 범위는 훨씬 더 넓을 것이다.

보고서의 결론 중 하나는 아직 대규모 실업은 발생하지 않았다는 것이다. 연구진은 2016년부터의 미국 인구현황조사 데이터를 활용해 AI 노출도가 높은 직군과 그렇지 않은 직군의 실업률을 비교했다. 그 결과 통계적으로 유의미한 실업률의 변화는 포착되지 않았다. 이걸 보고 누군가는 '역시 AI는 도구일 뿐이구나’라며 가슴을 쓸어내릴지도 모른다. 하지만 나는 여기서 진짜 위협을 본다. 실업률은 이미 직장을 가진 사람들의 퇴장을 의미하지만, 진짜 문제는 입구에서 벌어지고 있기 때문이다.

진짜 신호는 실업률이 아니라 '진입률’에 있었다. 보고서의 뒤쪽을 보면 22세에서 25세 사이의 청년층 직업 진입률이 나온다. AI 노출도가 높은 직업군에서 청년층의 월간 신규 취업률이 2024년부터 눈에 띄게 하락하기 시작했다. 2022년 대비 약 14%가 감소했는데, 이는 통계적 유의성의 경계선에 걸쳐 있는 수치다. 반면 AI 노출이 낮은 직업군에서는 청년층 취업률이 안정적으로 유지되었다. 25세 이상의 연령대에서는 이런 하락이 나타나지 않았다는 점이 핵심이다. 즉, 기존 인력은 자리를 지키고 있는데 새로운 인력이 들어갈 자리가 조용히 사라지고 있다는 뜻이다.

이 현상은 스탠포드 디지털경제연구소의 연구 결과와도 일맥상통한다. 미국 최대 급여 처리 회사인 ADP의 데이터를 분석한 결과, 소프트웨어 개발 분야에서 22~25세 인력은 20% 가까이 감소한 반면 35세 이상은 오히려 소폭 증가했다. 이건 무엇을 의미할까. 기업들이 더 이상 ‘가르쳐서 써야 하는’ 주니어를 뽑지 않는다는 것이다. 시니어 한 명이 AI 도구를 활용해 주니어 셋이 할 일을 해낼 수 있게 되면서, 기업은 신입 사원을 뽑아야 할 이유를 잃어버렸다. 해고는 법적 리스크와 비용이 발생하지만, 채용을 하지 않는 것은 아무런 마찰 없이 진행되는 가장 효율적인 구조조정이다.

기업 입장에서 생각해보자. 회사는 원가 절감이 생존의 핵심인 곳이다. 상담 업무나 단순 개발 업무에서 AI가 사람보다 빠르고 정확하며 비용까지 저렴하다면 경영진은 당연히 AI를 선택한다. 한국은 노동법상 해고가 쉽지 않기 때문에 미국처럼 눈에 보이는 대규모 해고 사태가 당장 터지지는 않을 것이다. 하지만 기업들은 자연 감소 인원을 충원하지 않는 방식으로 몸집을 줄여나갈 것이다. 결국 '주니어의 종말’은 현실이 되고 있고, 이는 곧 전체 일자리의 축소로 이어진다. 신규 채용이 사라지는 것은 시간 문제일 뿐, 그 다음 타겟은 결국 기존 인력이 될 수밖에 없다.

나는 이 보고서를 읽으며 데이터 분석가들이 흔히 범하는 오류를 경계해야 한다고 생각했다. 실업률은 노동 시장의 변화를 포착하기에 너무 둔감한 지표다. 일을 하고 싶어도 일자리가 없어 구직을 포기한 사람이나, 다른 저숙련 노동 시장으로 밀려난 사람들은 실업률 통계에 제대로 잡히지 않는다. '아직 괜찮다’는 통계적 수치 뒤에 숨은 '진입 차단’이라는 잔인한 현실을 직시해야 한다. 시장의 변화는 퇴장보다 진입 차단에서 먼저 나타난다는 비즈니스 전략의 기본 원리가 노동 시장에서도 그대로 적용되고 있다.

흔히들 AI가 인간을 돕는 '증강’의 시대가 올 것이라고 낙관적으로 말한다. 하지만 현실에서의 증강은 결국 1인당 생산성의 극대화를 의미하고, 이는 동일한 결과물을 만드는 데 필요한 인원수의 감소를 뜻한다. 셋이 하던 일을 한 명의 시니어가 AI와 함께 처리한다면 나머지 둘은 어디로 가야 할까. 기업이 사회적 책임을 다하기 위해 굳이 필요 없는 인원을 유지할 것이라고 기대하는 것은 순진한 생각이다. 이미 AI 상담사나 번역 업무, 단순 코딩 영역에서는 실질적인 대체가 일어나고 있다.

그렇다면 우리는 무엇을 해야 할까. 예전에 썼던 글에서도 강조했지만, 이제는 '자기만의 시스템’을 갖추는 것이 유일한 생존 전략이다. 회사에 내 노동력을 팔아 생계를 유지하는 모델은 갈수록 위험해진다. 주니어 포지션이 사라진다는 것은 경력을 쌓을 기회 자체가 박탈된다는 뜻이기도 하다. 이제는 조직에 들어가서 배우는 것이 아니라, 스스로 AI를 활용해 가치를 만들어내고 수익을 창출하는 구조를 먼저 구축해야 한다. 천 명 중 한 명꼴이라는 '진짜 AI 에이전트 활용 능력’을 갖추는 것이 그 어느 때보다 중요하다.

단순히 API를 호출할 줄 안다는 수준을 넘어서야 한다. 비즈니스의 문제를 AI로 해결하고, 그 과정을 자동화해서 스스로 돌아가는 시스템을 만들어본 경험이 있는 사람만이 살아남을 것이다. 북미의 헤드헌터들이 주니어에게도 LLM 역량을 필수로 요구하는 이유는 명확하다. 이제는 도구를 잘 쓰는 수준이 아니라, 도구와 하나가 되어 압도적인 퍼포먼스를 내야만 고용할 가치가 있다고 판단하기 때문이다. 우리나라도 이 흐름에서 결코 예외가 될 수 없다. 지금의 버퍼는 곧 사라질 것이다.

결국 인공지능이 일자리를 빼앗지 않는다는 데이터의 속삭임은 일종의 착시 현상이다. 입구가 막힌 댐은 겉보기에 평온해 보이지만, 안에서는 이미 수위가 차오르고 압력이 한계에 다다르고 있다. 해고가 없다고 해서 일자리가 안전한 것은 아니다. 우리가 서 있는 경력의 사다리 아래 칸이 하나씩 사라지고 있다는 사실이 훨씬 더 무서운 신호다. 공포에 질려 있을 시간은 없다. 지금 당장 자기만의 AI 비즈니스나 시스템을 구축하는 핸즈온 경험을 시작해야 한다. 그것만이 조용히 좁아지고 있는 저 문을 통과하거나, 아예 새로운 문을 만드는 방법이다.

이 보고서가 우리에게 주는 진짜 교훈은 '아직 시간이 있다’는 안도감이 아니라, '변화의 방식이 바뀌었다’는 경고다. 대규모 해고라는 폭풍우 대신, 신규 채용 중단이라는 가뭄이 시작되었다. 가뭄은 폭풍우보다 조용하지만 훨씬 더 치명적이다. 모든 것이 말라버리기 전에 스스로 물길을 찾아야 한다. 데이터가 말하지 않는 진실은 언제나 우리가 가장 외면하고 싶은 곳에 숨어 있는 법이다. 구조적 문제를 파악하고 나만의 해결책을 고민하는 것, 그것이 지금 동호로서 내가 내린 결론이다.