"AI가 내 직업을 빼앗아 가는 걸까?" 요즘 직장인이라면 한 번쯤 이 질문을 떠올렸을 겁니다. 결론부터 말하면, AI는 일자리를 단순히 없애는 것이 아니라 재편하고 있습니다. 어떤 업무는 AI에게 넘어가고, 어떤 업무는 AI 덕분에 더 강력해지며, 아예 새로운 직업도 생기고 있습니다. 지금 필요한 건 막연한 두려움이 아니라, 숫자를 바르게 읽고 AI를 내 일에 먼저 붙여 보는 것입니다.
국제통화기금(IMF)은 2024년 1월 분석에서 전 세계 일자리의 약 40%가 AI의 영향권에 있다고 밝혔습니다. 선진국은 약 60%, 신흥국은 40%, 저소득국은 26%입니다. IMF는 2026년 1월 다보스 포럼에서도 같은 수치를 다시 강조했습니다.
세계경제포럼(WEF)의 '미래 일자리 보고서 2025'는 2025년부터 2030년까지 5년간 전 세계에서 1억 7,000만 개의 일자리가 새로 생기고, 9,200만 개가 사라질 것으로 전망합니다. 순증은 7,800만 개입니다. 다만 사라지는 일자리와 생기는 일자리의 종류가 달라서, 새로 배워야 하는 사람이 많아진다는 점이 핵심입니다.
맥킨지 글로벌 인스티튜트는 2023년 6월, 생성형 AI를 비롯한 기술이 지금 직장인이 일하는 시간의 60~70%를 차지하는 업무 활동을 기술적으로 자동화할 잠재력이 있다고 분석했습니다. 골드만삭스는 2023년 3월, 미국·유럽 분석을 전 세계로 넓혀 잡으면 정규직 일자리 3억 개에 해당하는 업무가 자동화에 노출된다고 추산했습니다.
전망이 아니라 실제 데이터는 무엇을 보여 줄까요. 2025~2026년에 나온 연구들은 비슷한 그림을 그립니다. 전체 고용이 크게 줄었다는 증거는 아직 뚜렷하지 않지만, 신입·청년층 채용에서는 변화가 먼저 나타나고 있다는 것입니다.
한국. 한국은행 조사국은 2026년 8월 보고서 「청년고용 위축, AI 탓인가? 변화하는 경력 사다리와 대응 과제」에서, 2022년 6월부터 2026년 6월까지 15~29세 청년층 일자리가 28만 5,000개 줄었고 그중 94.0%(26만 8,000개)가 AI 노출도가 높은 업종에서 나왔다고 분석했습니다. 같은 기간 50대 일자리는 23만 개 늘었는데, 그 75.2%도 AI 고노출 업종이었습니다. 청년 취업자 감소율이 큰 업종은 정보서비스업(31.4%), 출판업(27.4%), 컴퓨터 프로그래밍·시스템 통합(16.6%), 전문서비스업(11.6%) 순이었습니다.
미국. 스탠퍼드 디지털경제연구소의 에릭 브린욜프슨 연구팀은 미국 최대 급여 처리 회사의 데이터를 분석해, AI 노출도가 가장 높은 직업에서 22~25세 초년생 고용이 상대적으로 16% 줄었다고 보고했습니다(2025년 11월 개정판). 같은 직업이라도 경력자 고용은 유지되거나 늘었습니다.
AI가 사흘 걸리던 일을 하루 만에 끝내 준다면, 회사는 사람을 줄일까요, 일을 늘릴까요? 기술이 정해 주는 것은 '일이 빨라진다'까지입니다. 그다음은 경영 판단이고, 그 판단을 가르는 것은 값이 싸졌을 때 찾는 사람이 얼마나 늘어나느냐, 경제학에서 말하는 가격 탄력성입니다.
은행 ATM이 좋은 예입니다. 경제학자 제임스 베센의 분석에 따르면, 미국에서 ATM이 퍼지면서 도시 은행 지점 하나에 필요한 창구 직원은 1988년 약 21명에서 2004년 약 13명으로 줄었습니다. 그런데 지점 운영 비용이 내려가자 은행들은 도시 지점을 43% 늘렸고, 창구 직원 수는 줄지 않았습니다. 대신 창구 직원의 일은 현금 출납에서 상담과 상품 안내로 바뀌었습니다.
AI도 같은 구조입니다. AI로 어떤 서비스가 싸지고 그만큼 찾는 사람이 늘면, 일은 오히려 늘어날 수 있습니다. 반대로 수요가 크게 늘지 않는 업무라면 같은 일을 더 적은 사람이 하게 됩니다. 같은 AI라도 업종과 회사마다 결과가 다르게 나타나는 이유입니다.
AI가 가장 빠르게 가져가는 업무는 반복적이고 규칙이 분명하며, 많은 데이터를 처리하는 일입니다. 여기서 중요한 구분이 있습니다. "콜센터 상담원"이라는 직업 전체가 사라지는 것이 아니라, 그 직업 안에서 자주 묻는 질문 응대, 반복 민원 처리, 정해진 안내 같은 특정 업무가 자동화됩니다.
다시 말해, 직업이 통째로 사라지는 경우는 드뭅니다. 대신 한 직업 안의 업무 구성이 바뀌고, 그 변화에 맞춰 일하는 방식을 바꾼 사람이 앞서갑니다. 이 점을 이해하는 것이 AI 시대의 출발점입니다.
| 업무 유형 | 구체적인 예시 | AI에게 넘어가는 이유 |
|---|---|---|
| 단순 고객 응대 | 콜센터 1차 상담, 자주 묻는 질문 안내, 예약·취소 처리 | 대화형 AI가 24시간 응대 가능 |
| 데이터 입력·정리 | 스프레드시트 정리, 양식 입력, 문서 분류 | 문서 인식(OCR)·업무 자동화(RPA) 도구가 대량으로 빠르게 처리 |
| 기본 회계·경리 | 영수증 처리, 전표 입력, 단순 정산·집계 | AI가 숫자 패턴을 읽고 분개·보고서 초안을 자동 생성 |
| 단순 번역·요약 | 외국어 문서 초벌 번역, 회의록 요약 | 최신 언어 모델이 쓸 만한 초안을 즉시 생성 |
| 기본 보고서 작성 | 정형화된 주간 보고, 실적 집계 보고서 | 데이터만 연결하면 AI가 자동 생성·배포 |
| 이미지 품질 검수 | 제조라인 외관 불량 검사, 이미지 분류 | 컴퓨터 비전 AI가 일정한 기준으로 빠르게 판정 |
| 기본 법률 리서치 | 판례 검색, 계약서 조항 비교 | 법률 특화 AI가 방대한 문서를 짧은 시간에 분석 |
AI가 모든 것을 대체하지는 않습니다. 오히려 AI와 협업해서 생산성이 크게 높아지는 직무가 분명히 있습니다. 핵심은 AI가 약한 영역, 즉 맥락 이해, 감성 판단, 윤리적 결정, 창의적 문제 해결에서 사람이 가치를 발휘하는 것입니다.
기획자, 크리에이티브 디렉터, UX 디자이너. AI가 초안을 쏟아내면 사람이 맥락과 감각으로 편집·선택합니다. 아이디어 생산량이 크게 늘어납니다.
심리 상담사, 사회복지사, 고객 관계 관리자. 감정 이입과 비언어적 신호를 읽는 일은 여전히 사람의 강점입니다.
경영 전략가, 투자 심사역, 위기 관리자. AI는 데이터를 분석하지만, 불확실한 상황에서 책임지는 판단은 사람의 몫입니다.
AI 결과물의 품질 검수, 편향 탐지, 오류 수정. AI가 많이 쓰일수록 이를 검증하는 사람의 수요도 함께 늘어납니다.
의료 AI를 읽는 의사, AI 법률 도구를 쓰는 변호사, AI 설계 도구를 쓰는 건축가. 도메인 지식과 AI 활용을 함께 갖춘 사람이 가장 희소합니다.
AI 엔지니어, 데이터 과학자, AI 제품 개발자. AI를 도입하는 회사가 늘면서, AI를 실제 업무 시스템에 붙이는 사람의 수요도 함께 늘고 있습니다.
2022년 11월 ChatGPT가 나온 뒤 불과 몇 년 만에 채용 시장에 새로운 직함들이 등장했습니다. 링크드인의 「떠오르는 직업 2025」 미국 순위에서는 AI 엔지니어가 1위, AI 컨설턴트가 2위였습니다.
| 직업명 | 주요 역할 | 지금 흐름 |
|---|---|---|
| AI 엔지니어 | AI 모델을 실제 제품·업무 시스템에 연결해 돌아가게 만듦 | 링크드인 떠오르는 직업 2025 미국 1위 |
| AI 도입 컨설턴트 | 기업의 AI 전환 전략을 세우고 도구 선정·교육·내재화를 지원 | 같은 순위 미국 2위 |
| 컨텍스트 엔지니어 | AI 에이전트가 필요한 자료·도구·기억을 갖고 일하도록 맥락을 설계 | 에이전트 확산과 함께 2025년부터 쓰이기 시작한 직함 |
| AI 제품 매니저 (AI PM) | AI 기능이 들어간 제품을 기획하고 기술과 사용자 경험을 연결 | AI 기능이 기본이 되면서 일반 PM 직무로 확산 |
| AI 윤리·거버넌스 담당 | AI 시스템의 편향·오류를 점검하고 규정 준수 여부를 검증 | EU AI 법, 한국 AI 기본법(2026년 1월 시행) 등 규제 시행과 함께 수요 증가 |
| AI 트레이너 / 데이터 검수자 | AI 학습용 데이터를 검수하고 사람의 평가(RLHF)를 제공 | 전문 분야(의료·법률·코딩) 지식을 가진 검수자 수요가 늘어남 |
| 생성형 AI 크리에이터 | AI 이미지·영상·음악 도구로 콘텐츠를 제작하고 수익화 | 개인 창작자·마케팅 조직 모두에서 확산 |
이제 내 직군에서 구체적으로 무엇을 하면 되는지 살펴봅시다. 핵심은 반복 업무는 AI에게 맡기고, AI로 더 강해질 업무에 시간을 쓰는 것입니다.
| 직군 | AI에게 맡길 업무 | 내가 더 강해질 업무 | 지금 배워 볼 것 |
|---|---|---|---|
| 마케터 | 정형화된 카피 작성, A/B 테스트 보고서 정리 | AI로 초안 수십 개를 받아 최적안 선별, 인사이트 해석 | 대화형 AI(ChatGPT·Claude·Gemini)·이미지 생성 도구, 프롬프트 작성법 |
| HR / 인사 | 이력서 1차 정리, 정형 면접 질문 생성 | 문화 적합성 평가, 후보자 경험 설계, 조직 진단 | AI 채용 도구 이해, 편향 검토 역량 |
| 영업 | 콜드 이메일 작성, 기본 제안서 초안 | 관계 구축, 복잡한 협상, 고객 감정 관리 | AI가 들어간 CRM(Salesforce Agentforce 등), 자동화 워크플로 |
| 기획 / 전략 | 경쟁사 자료 수집, 시장 데이터 정리 | 시나리오 판단, 이해관계자 설득, 의사결정 | AI 리서치 도구(Perplexity·딥 리서치 기능 등), 데이터 해석 역량 |
| 임원 / 리더 | 정형 보고 요약, 반복 회의 브리핑 | 조직 비전 수립, 신뢰 구축, 위기 판단 | AI 전략 리터러시, AI 거버넌스 이해 |
| 개발자 | 반복 코드 작성, 단순 버그 수정, 테스트 작성 | 설계, 요구사항 정리, AI가 만든 코드 검토 | AI 코딩 에이전트(Claude Code·Cursor·GitHub Copilot 등) 활용 |
AI 시대에 가장 아까운 태도는 두 가지입니다. 하나는 "AI가 다 해주겠지"라는 막연한 낙관, 다른 하나는 "어차피 다 바뀔 텐데"라는 체념입니다. 지금 바로 해 볼 수 있는 3가지를 제안합니다.
내가 하루 동안 하는 업무 목록을 적고, 각 항목에 대해 "이 일을 AI가 지금 도와줄 수 있는가?"를 따져 보세요. 맥킨지는 2017년 분석에서 전체 직업의 약 60%가 업무의 30% 이상을 자동화할 수 있다고 봤습니다. 반대로 통째로 자동화할 수 있는 직업은 5% 미만이었습니다. 내 업무 중 어느 부분이 그 30%인지 먼저 알아야 남는 시간을 어디에 쓸지 보입니다. 가장 빠른 방법은 ChatGPT나 Claude에게 업무 목록을 그대로 보여 주고 "이 중에 네가 도와줄 수 있는 게 뭐야?"라고 묻는 것입니다.
AI에 대해 아는 것과 쓰는 것은 완전히 다릅니다. ChatGPT, Claude, Gemini, Copilot 중 하나를 골라 매일 하는 업무에 30일간 써 보세요. 처음 1~2주는 어색하지만, 쓴 시간이 쌓일수록 어디에 맡기면 되는지 감이 잡힙니다. 모두 무료로 시작할 수 있습니다. 신입이나 취업 준비 중이라면 이 경험이 곧 경력입니다. 한국은행이 말한 "AI를 활용하며 숙련을 쌓는 경력 사다리"를 스스로 먼저 만드는 셈입니다.
AI는 패턴을 따르고 확률을 계산하지만, 당신의 현장 경험, 인간관계, 산업 도메인 지식, 팀 안의 신뢰는 데이터로 학습되지 않습니다. 그동안 쌓아 온 것 가운데 AI가 흉내 낼 수 없는 것이 무엇인지 분명히 하는 것이 AI 시대의 진짜 경쟁력입니다. 고객이 굳이 나를 찾는 이유, 동료들이 나에게 묻는 이유가 바로 그 강점의 힌트입니다.