사라지는 직업들: 숫자가 말하는 것

2022년 11월 30일.

달력에서 특별할 것이 없는 날이었다. 미국 샌프란시스코의 한 스타트업이 웹사이트 하나를 공개했다. 이름은 ChatGPT였다. 보도자료도 없었고, 대규모 마케팅도 없었다. 그냥 올려놨다.

5일 만에 100만 명이 몰렸다. 두 달 만에 1억 명이 사용했다. 인터넷 역사상 어떤 서비스도 이렇게 빠르게 사람들에게 퍼진 적이 없었다. 넷플릭스가 100만 가입자를 모으는 데 3년 반이 걸렸다. 인스타그램은 2년 반이 걸렸다. ChatGPT는 5일이었다.

그날 이후 세상이 바뀌었다고 말하면 과장처럼 들린다. 하지만 데이터는 그 날짜 이전과 이후가 실제로 다르다는 것을 보여주고 있다.

그날 이전과 이후

스탠포드 디지털경제연구소의 경제학자 에릭 브린욜프슨과 동료들은 2025년 8월 논문 한 편을 발표했다. 미국 최대 급여 처리 기업 ADP의 데이터를 바탕으로 수백만 명의 고용 변화를 추적한 연구였다.

이 연구가 특별한 이유가 있다. 통계청이나 정부 기관의 공식 집계가 아니라, 실제 기업이 직원들에게 임금을 지급한 급여 데이터를 분석했다는 것이다. 설문조사가 아니다. 누군가가 실제로 임금을 받았는지, 받지 못했는지의 기록이다. 경제학자들이 "행정 데이터"라고 부르는 것으로, 당사자들이 의식하지 않은 상태에서 자연스럽게 축적된 기록이기 때문에 설문조사보다 훨씬 신뢰도가 높다.

결과는 명확했다. ChatGPT가 출시된 2022년 말 이후, AI에 가장 많이 노출된 직종에서 22~25세 초기 경력 노동자의 고용이 13% 감소했다. 소프트웨어 개발자와 고객 서비스 담당자 같은 직종이 대표적이었다. 특히 소프트웨어 개발자의 경우, 연구 기간 내에 신입 채용이 20% 가까이 하락했다.

숫자만 보면 작게 느껴질 수 있다. 13%면 열 명 중 한두 명이다. 그런데 맥락을 보면 달라진다. 같은 기간, AI에 덜 노출된 직종 — 요양보호사, 유지보수 기술자, 택시 운전사 같은 직종 — 에서는 젊은 노동자의 고용이 오히려 안정적으로 유지되거나 늘었다.

두 방향이 동시에 갈라지고 있는 것이다. 지식 노동은 줄고, 몸을 쓰는 일은 버티거나 늘고 있다.

여기서 반론이 하나 나온다. 이 하락이 정말 AI 때문인가. 구글의 선임 경제학자들은 다른 설명을 내놨다. 이들은 AI에 노출된 직종의 채용 감소가 ChatGPT 출시보다 몇 달 앞선 2022년 초부터 시작됐다는 점을 지적했다. 금리가 급격히 오른 시점과 정확히 겹친다는 것이다. AI 노출 직종이 테크 산업에 집중되어 있는데, 테크 산업이 금리 변화에 특히 민감하다는 설명이었다. 실제로 2022년 미국 연준이 금리를 인상하면서 테크 기업들의 주가가 크게 떨어졌고, 메타와 구글 등 대형 테크 기업들이 대규모 감원을 단행했다.

스탠포드 연구진은 이 반론을 직접 검토했다. 그들이 찾은 방법은 이것이었다. 금리는 회사 전체에 영향을 미친다. 금리 때문에 채용이 줄었다면, 같은 회사 안에서도 AI 노출이 높은 부서와 낮은 부서가 비슷하게 영향을 받아야 한다. 그런데 데이터는 달랐다. 같은 회사 내에서도 AI 노출이 높은 부서의 신입 채용이 더 많이 줄었다. 금리로는 설명되지 않는 부분이 있다는 것이다.

논쟁은 아직 끝나지 않았다. 어느 쪽이 더 큰 원인인지, 학계 안에서도 의견이 나뉜다. 다만 데이터가 가리키는 방향은 한쪽으로 기울어져 있다.

학력이 높을수록 더 위험하다는 역설

직관적으로 생각하면 AI에 가장 먼저 대체되는 것은 단순 반복 노동이어야 한다. 공장 라인의 조립 작업, 데이터 입력, 물건 나르기. 하지만 데이터는 다른 방향을 가리킨다.

한국고용정보원이 2025년 발표한 분석에 따르면 화이트칼라 직종의 AI 직무대체율은 2024년 41%에서 2027년 71%로 높아질 것으로 전망됐다. 같은 기간 비화이트칼라 직종의 대체율은 35%에서 62%다. 대학을 나와 사무실에 앉아 있는 사람이, 현장에서 일하는 사람보다 더 빠르게 AI에 밀려나고 있다.

왜 그런가. 대답은 AI가 무엇을 잘하는지에 있다.

산업혁명 시기의 기계는 근육을 대체했다. 농부가 밭을 갈던 일, 짐꾼이 무거운 물건을 나르던 일을 기계가 가져갔다. 그러자 인간은 두뇌를 쓰는 일로 이동했다. 분석하고, 작성하고, 번역하고, 설계하는 일. 고등교육의 시대가 열렸다. 대학 진학률이 높아지고, 사무직이 늘었다. 두뇌를 쓰는 사람이 더 많은 보상을 받는 구조가 굳어졌다.

지금의 AI는 그 두뇌 노동을 겨냥하고 있다. 법률 문서 검토, 재무 데이터 분석, 보고서 작성, 코드 개발. 이것들이 AI가 가장 빠르게 잘하게 된 분야다. 반면 배관을 수리하고, 노인을 돌보고, 요리를 하는 일은 AI가 아직 물리적으로 대체하기 어렵다. 세계경제포럼(WEF)이 2025년 미래 일자리 보고서에서 향후 5년간 가장 빠르게 줄어들 직업으로 꼽은 목록은 우체국 직원, 행정 비서, 급여 담당자처럼 사무실에서 정보를 처리하는 직종들이었다. 반면 상대적으로 안정적이거나 늘어날 직종으로는 돌봄 서비스, 기계 정비, 건설 관련 직종들이 포함됐다.

MS 리서치는 2025년 7월 보고서에서 이것을 직종별로 구체화했다. 연구진은 마이크로소프트의 AI 도우미 코파일럿(Copilot) 사용자 20만 명의 대화 데이터를 분석해 각 직종 업무와 AI 능력의 겹치는 정도를 수치로 계산했다. AI가 그 직종의 핵심 업무를 얼마나 잘 처리할 수 있는지를 측정한 것이다.

가장 높은 점수를 받은 직종은 통번역가였다. 이어서 역사가, 승객 안내원, 서비스 영업사원, 작가·저자, 고객 서비스 담당자 순이었다. 10위는 방송 아나운서였다.

상위 10개 직종을 다시 보라. 전부 지식 노동이다. 몸을 쓰는 일은 하나도 없다. 그리고 이 목록의 상당수는 지금 40~50대 학부모들이 자녀에게 권하고 싶어하던 직업들이다. 외국어 잘하면 통번역가 될 수 있다, 글 잘 쓰면 작가나 방송 일도 있다, 이런 이야기들이 진로 상담에서 나오던 직종들이다.

다만 여기서 중요한 주석이 있다. MS 리서치 연구진 스스로가 이 수치를 직업 대체 지표로 해석하는 것에 명확히 선을 그었다. 이 연구는 AI가 특정 직종의 업무에 얼마나 유용하게 쓰일 수 있는지를 측정한 것이지, 해당 직업이 사라진다고 결론 내린 것이 아니라는 것이다.

이 구분은 중요하다. AI가 번역 작업의 상당 부분을 처리할 수 있다는 것과, 번역사라는 직업이 사라진다는 것은 다른 이야기다.

실제로 통번역 업계에서는 엇갈린 목소리가 나온다. "오히려 기회다"라는 쪽의 논리는 이렇다. AI가 기초 번역을 처리해주면서, 사람은 AI가 잘 못하는 고부가가치 영역 — 의료·법률·외교·문학 번역 같은 영역 — 에 집중할 수 있게 됐다는 것이다. 단순 번역 물량은 줄겠지만, 전문 번역사의 역할은 더 명확해질 수 있다는 논리다. 반대쪽의 논리는 간단하다. 기초 번역으로 입문하는 신입 번역사들의 일이 줄어들면, 그 경험을 거쳐 전문가로 성장하는 경로 자체가 막힌다. 고급 번역사가 되려면 낮은 단계부터 올라와야 하는데, 그 낮은 단계가 사라지고 있다는 것이다.

어느 쪽이 맞는지는 지금으로서는 알 수 없다. 양쪽 다 근거가 있다. 이 책이 하려는 것은 한쪽을 선택하는 것이 아니라, 이 질문 자체가 부모들이 직시해야 할 질문이라는 것을 보여주는 것이다.

"AI가 새 일자리를 만든다"는 주장

AI가 일자리를 빼앗을 것이라는 공포는 새로운 것이 아니다. 산업혁명 때도 똑같은 공포가 있었다. 1811년 영국에서 러다이트(Luddite) 운동이 일어났다. 직물 노동자들이 공장의 기계를 부쉈다. 기계가 자신들의 일자리를 빼앗는다고 믿었다.

그런데 결과는 달랐다. 기계는 일부 일자리를 없앴지만 더 많은 일자리를 만들었다. 농업 인구가 제조업으로, 제조업 인구가 서비스업으로 이동했다. 경제 전체의 파이가 커졌다. 1800년 영국의 농업 종사자 비율은 약 36%였다. 1900년에는 12% 이하로 떨어졌다. 대신 제조업과 서비스업에서 수백만 명의 새 일자리가 생겼다.

이 논리를 AI에 적용하면 비슷한 결론이 나온다. AI가 일부 직종의 일자리를 줄이더라도 새로운 직종이 생겨난다. AI 엔지니어, AI 윤리 감사자, AI 훈련 데이터 전문가, AI 프로덕트 매니저. 이미 생겨나고 있는 직종들이다. WEF의 같은 보고서에서는 기업들이 향후 5년간 AI 전문가, 데이터 분석가, 사이버보안 인력에 대한 수요가 크게 늘어날 것이라고 답했다.

이 주장은 틀리지 않았다. 다만 전제가 있다.

산업혁명 때 농부에서 공장 노동자로의 이동은 한 세대가 걸렸다. 공장 노동자에서 사무직으로의 이동은 또 한 세대가 걸렸다. 사회 전체가 조금씩 적응할 시간이 있었다. 농부의 자식이 공장에 들어가고, 공장 노동자의 자식이 사무실에 들어갔다. 세대가 바뀌는 동안 교육도 바뀌고, 제도도 바뀌고, 사람들이 적응했다.

AI의 속도는 다르다. ChatGPT가 나온 것이 2022년 11월이었다. 2년 후인 2024년, 스탠포드 연구가 채용 데이터에서 이미 변화를 잡아냈다. 기술이 배치되고 노동시장이 반응하는 시간 간격이 수십 년에서 수 년으로 줄었다.

스탠포드 연구진의 분석에 따르면 고용주들은 GPT-4의 능력을 2023년에 파악했고, 그 직후 신입 채용 계획을 멈췄다. 회의실에서 결정이 내려지고, 그 결과가 채용 공고에 나타나는 데 걸린 시간이 6개월도 안 됐다는 것이다. 그 결과가 2024~2025년 고용 데이터에 나타난 것이다.

새 일자리가 생기는 것은 맞다. 하지만 두 가지 문제가 남는다.

첫째, 새 일자리의 수가 사라지는 일자리보다 적을 수 있다. 산업혁명 때는 대규모 제조업이 수백만 명의 일자리를 만들어냈다. 하지만 AI 전문가, 데이터 분석가로 흡수될 수 있는 인원의 규모는 제조업 일자리만큼 크지 않을 수 있다.

둘째, 새 일자리가 요구하는 능력이 지금 학교를 다니는 아이들이 훈련받고 있는 것과 다르다. AI 전문가, 데이터 분석가, AI 결과물을 비판적으로 검토하는 능력. 이런 역할은 수학 공식을 암기하거나 영어 지문의 요지를 파악하는 훈련으로 채워지지 않는다.

러다이트 운동 이후 세대가 바뀌는 동안 교육도 함께 바뀌었다. 문제는 지금은 세대가 바뀔 만한 시간이 없다는 것이다. 지금 초등학생인 아이들이 대학을 졸업하는 것은 10년 후다. 그 10년 동안 AI는 계속 발전한다.

신입의 문이 닫히고 있다

직무대체율이 올라간다는 것은 현재 일하고 있는 사람들의 이야기다. 그런데 지금 학부모에게 더 직접적으로 중요한 것은 따로 있다. 새로 진입하려는 사람들의 문이 닫히고 있다는 것이다.

스탠포드 연구가 포착한 것이 정확히 이것이다. AI에 가장 많이 노출된 직종에서 22~25세 초기 경력 노동자의 고용이 3년 사이 13% 감소했다. 소프트웨어 개발자의 경우 같은 기간 20% 가까이 하락했다. 반면 30세 이상 경력자의 고용은 안정적으로 유지됐다.

기업들이 하고 있는 것은 단순하다. 기존 직원이 AI를 써서 더 많은 일을 하게 만든다. 신입 개발자 2명이 하던 일을 기존 개발자 1명이 AI와 함께 처리할 수 있다면, 신입 2명을 뽑을 이유가 없다. 당장의 비용은 절감된다. 기업 입장에서는 합리적인 결정이다.

그 결과가 한국에서도 나타나고 있다. 2025년 취업 준비생들이 모이는 온라인 커뮤니티에는 이런 글이 올라왔다. 개발자를 꿈꾸며 비전공자 국비 학원을 6개월 다녔는데, 신입 채용 공고 자체를 찾기가 너무 어렵다는 내용이었다. SBS가 2025년 이 현상을 취재했을 때 확인된 스타트업 신입 공채의 경쟁률은 105대 1이었다. 100명이 지원해서 1명이 들어간다. 나머지 99명은 경험을 쌓을 기회조차 얻지 못한다.

네이버와 카카오를 비롯한 주요 IT 기업들은 2023년 이후 신입 공채 규모를 꾸준히 줄여왔다. IT 국비 학원들은 수강생 모집에 어려움을 겪고 있다. 개발자가 되면 취업이 잘 된다는 공식이 흔들리기 시작하면서, 비전공자들이 개발을 배우기 위해 몰려들던 흐름이 주춤해진 것이다.

그런데 스탠포드의 브린욜프슨은 이것이 장기적으로 기업에도 문제가 된다고 지적했다. 경험 있는 시니어 개발자를 계속 공급받으려면 경험이 없는 주니어가 들어와야 한다. 주니어가 5년, 10년 경험을 쌓아야 시니어가 된다. 지금 주니어 채용이 막히면, 10년 뒤에는 시니어 공급이 줄어든다. 기업이 단기 비용을 줄이는 선택이 장기적으로는 인력 공급망을 망가뜨린다는 논리다.

이 논리를 구체적인 숫자로 따라가보면 더 선명해진다. 2025년 현재 30대 중반의 숙련 개발자는 2010년대 초반에 주니어로 입사해 10년 이상 경험을 쌓은 사람들이다. 그때는 신입 공채가 있었다. 문이 열려 있었다. 그런데 지금 20대 중반은 다르다. 신입 채용이 2.6%인 시장에서 첫 발을 내딛지 못한 사람들이다. 이들이 10년 후인 2035년에 35살이 될 때, 기업들이 원하는 "AI 결과물을 비판적으로 판단할 수 있는 경험자"가 어디서 나오겠는가. 현장에서 경험을 쌓은 사람이 없으면 그 역할을 채울 사람이 없다. 기업들이 지금 당장 비용을 줄이는 선택이 10년 후 자신들에게 돌아온다는 역설이다. 하지만 이것은 10년 후의 문제고, 기업의 경영자들은 지금 당장 수익을 내야 한다.

성적표를 다시 보는 법

2022년 11월 30일 이전에 세워진 계획들이 있다. 어떤 대학에 가서 어떤 학과를 선택하면 어떤 직업을 가질 수 있다는 경로. 부모가 자녀를 위해 그려둔 지도다.

그 지도가 틀렸다는 것이 아니다. 지도가 그려진 시점과 지금 사이에 무언가 바뀌었다는 것이다.

MS 리서치의 목록으로 돌아가보자. 통번역가, 역사가, 작가·저자, 방송 아나운서. 이 직종들이 사라진다는 것이 아니다. MS 리서치 스스로 그 결론에 선을 그었다. 다만 이 직종의 업무 내용이 바뀌고, 진입 방식이 달라지고 있다는 것이다. 5년 전에 통용되던 스펙과 역량이 지금도 동일하게 통용된다는 보장이 없어졌다.

여기서 중요한 질문이 남는다. 지금 학교는 이 변화를 얼마나 반영하고 있는가. 수학 문제를 빠르게 푸는 능력, 영어 지문을 읽고 요지를 파악하는 능력, 역사적 사건의 연도를 기억하는 능력. 이것들을 훈련하는 시스템은 2022년 11월 30일 이전에 설계된 것이다. 지금 초등학교에 입학한 아이가 대학을 졸업하는 2033년까지, 그 시스템은 얼마나 달라져 있을까.

학교가 변화를 감지하고 커리큘럼에 반영하는 데는 시간이 걸린다. 교육과정 개정은 수년의 논의를 거친다. 교사 재교육에는 더 오랜 시간이 필요하다. 2026년에 문제의식을 갖고 정책이 만들어져도, 실제 교실에서 작동하려면 2030년은 되어야 한다. 그때 지금 중학교 1학년이 고3이 된다. 변화 속도와 제도 반영 속도의 차이가 바로 지금 이 챕터가 이야기하는 공백이다. 그 공백을 학교가 채우기 전에, 가정이 먼저 인식해야 하는 이유가 여기 있다.

자녀의 성적표를 마지막으로 확인한 것이 언제인가. 그 성적표를 보면서 어떤 질문을 던졌는가. "이번에 몇 점 받았어?"는 누구나 묻는다. "이 문제를 왜 틀렸어? 어떻게 생각해서 그 답을 골랐어?"를 물어본 적이 있는가. 그 두 번째 질문이 ChatGPT 출시 이전의 성적표와 이후의 성적표를 다르게 읽는 방법이다. 숫자가 아니라 사고 방식을 보는 것. 그 질문을 던지는 부모와 그렇지 않은 부모는 성적표 앞에서 완전히 다른 정보를 읽고 있다.

이 질문이 어려운 이유가 있다. 사고 방식을 보려면 부모 자신이 어떤 사고 방식이 지금 세상에서 유효한지 알고 있어야 한다. 그것을 알려면 지금 기업들이 실제로 사람에게 무엇을 원하는지를 봐야 한다. 이 챕터의 수치들 — 신입 채용 13% 감소, AI 노출 직종의 변화, 스탠포드의 경고 — 이 그 방향을 가리키고 있다.

오늘 저녁, 그 두 번째 질문을 한 번이라도 던져본 적이 있는가.