[AI MEMO] AI 시대, 학력의 권위가 무너지고 역량의 질서가 세워지는 순간

고용의 기준이 학력에서 역량으로 이동하는 전환의 시점
교육과 채용의 속도가 어긋나면 자동화는 배제
사람을 잃지 않는 전환이 AI 시대의 유일한 성장 공식

본 기사는 스위스 인공지능연구소(SIAI)의 SIAI Research Memo 시리즈 기고문을 한국 시장 상황에 맞춰 재구성한 글입니다. 본 시리즈는 최신 기술·경제·정책 이슈에 대해 연구자의 시각을 담아, 일반 독자들에게도 이해하기 쉽게 전달하는 것을 목표로 합니다. 기사에 담긴 견해는 집필자의 개인적 의견이며, SIAI 또는 그 소속 기관의 공식 입장과 일치하지 않을 수 있습니다.

AI는 단순한 기술 혁신이 아니다. 노동시장의 질서를 다시 짜는 중심 변수로 떠올랐다. 국제통화기금(IMF)은 선진국 일자리의 60%가 자동화의 영향권에 있다고 분석한다. 그 절반은 급격한 임금 변동과 채용 축소를 겪고, 나머지는 AI와 협업을 통해 효율이 높아질 전망이다. 문제는 일자리의 수가 아니라 구조의 재편이다.

이 변화는 생산성의 문제가 아니라 생존의 문제다. 기업은 방대한 데이터를 실시간으로 다루지만, 사람이 개입할 여지는 빠르게 줄고 있다. 보고서 작성, 회계, 번역, 일정 관리처럼 규칙이 명확한 업무는 이미 자동화가 흡수했다. 남는 것은 판단과 책임이 필요한 영역뿐이다.

위험은 기술이 아니라 관성에서 온다. 학력 중심의 평가 방식은 변화의 속도를 따라가지 못한다. 학위가 있어도 디지털 도구를 다루지 못하면 현장에서 바로 투입되기 어렵다. AI의 결과를 해석하지 못하면 판단이 필요한 자리에도 설 수 없다. 기업의 질문은 “무엇을 전공했는가”에서 “무엇을 다룰 수 있는가”로 바뀌었다. 고용의 기준이 이력에서 역량으로 이동하고 있다.

학력의 시대에서 역량의 시대로

채용의 기준이 빠르게 달라지고 있다. 지난 10년간 글로벌 기업들은 ‘학위 요건 완화’를 시도했고, 팬데믹 이후 그 흐름은 가속화됐다. 그러나 실제 채용 단계에서는 여전히 학력 필터가 작동했다. 학위는 평가가 쉽지만, 실무 능력은 검증이 어렵기 때문이다. 이 변화는 단순한 인사정책의 수정이 아니다. 노동시장의 신뢰 구조가 새로 짜이고 있다. 기업은 학위를 대신할 새로운 신호를 찾고 있지만, 아직 객관적 기준을 세우지 못했다. 지원자의 잠재력을 수치로 평가하던 방식은 더 이상 작동하지 않는다.

이제 그 구조가 무너지고 있다. AI가 반복 업무를 대신하면서 눈에 보이는 실적보다 보이지 않는 판단력이 중요해졌다. 목표를 세우고, AI를 활용해 문제를 정의하며, 결과를 해석하는 능력이 새 경쟁력으로 부상했다. 단순 수행보다 해석의 깊이가 평가의 기준이 된다. 과거에는 대학이 이력서를 대신 만들어줬지만, 지금은 현장이 그 역할을 맡고 있다. 실제 프로젝트 경험과 협업 기록, 데이터 해석 능력이 이력서를 대체하고 있다. 문제는 공정성이다. 교육과 채용의 연결이 느슨하면, AI를 다루는 기회를 먼저 잡은 상위계층이 시장을 선점한다. 이미 일부 산업에서는 ‘AI 활용 경험’ 자체가 새로운 입장권이 됐다. 대학 간, 국가 간 기술 접근 격차도 빠르게 벌어지고 있다. 학력 중심 사회가 기술 접근 중심 사회로 바뀌는 것뿐이다. 결국 불평등의 구조만 형태를 바꿔 계속 작동한다.

기업과 학교는 이 전환의 기준을 함께 세워야 한다. 기업은 실제 역량을 객관적으로 검증할 수 있는 평가 체계를 마련하고, 학교는 그 기준에 맞는 학습 과정을 설계해야 한다. 교육의 속도가 채용보다 느리면, 자동화의 속도는 곧 배제의 속도로 바뀐다. ‘AI와 함께 일할 수 있는 사람’을 길러내지 못한다면, 역량 중심 채용은 평등이 아니라 새로운 차별로 귀결된다. 기술을 이해하고 활용하는 능력이 진짜 격차를 만든다.

학교가 준비해야 할 다음 단계

교육의 무게중심 또한 바뀌고 있다. 과거의 교육이 지식을 전달했다면, 이제는 지식으로 문제를 해결하는 능력을 길러야 한다. 교실은 더 이상 정답을 외우는 공간이 아니다. 학생이 스스로 과제를 정의하고, 그 절차를 설계해야 한다. 이 과정에서 AI는 문제 해결의 도구이자 검증의 파트너로 작동한다.

이 변화는 먼 미래의 이야기가 아니다. 최근 연구에 따르면 AI 보조 학습을 활용한 학생은 기존 수업보다 짧은 시간에 더 높은 성취를 보였다. 특히 교사의 숙련도가 낮은 지역일수록, AI의 피드백이 학습 격차를 줄였다. 이는 AI가 교사를 대체하는 기술이 아니라, 교사를 학습 설계자로 바꾸는 도구임을 보여준다. 학교는 이런 변화를 제도에 녹여야 한다. 성적표 한 장으로는 학습의 깊이와 과정을 증명할 수 없다. 문제 해결 과정과 오류 수정 기록, AI 협업 데이터가 함께 남아야 학습의 증거가 된다. 유럽연합(EU)은 이미 단기 학습 인증 제도를 도입해 대학과 기업이 같은 기준으로 성취를 검증하도록 설계했다. 학습의 결과가 곧 자격이 되는 구조다.

결국 학교는 취업 준비 기관이 아니라, 역량이 형성되는 출발점이 되어야 한다. 교사는 정보를 전달하는 사람이 아니다. 학습의 감독자이자 설계자다. 학생 역시 지시를 따르는 수동적 존재에서 벗어나, 스스로 문제를 구성하고 해법을 탐색하는 주체로 옮겨가야 한다. 교육의 목적이 ‘배우는 사람’을 만드는 데 머문다면, 자동화의 속도를 따라잡을 수 없다. 이제 학교가 가르쳐야 할 것은 정답이 아니라 판단의 근거다.

사람을 잃지 않는 전환

AI는 사람을 밀어내는 기술이 아니다. 인간의 선택을 시험하는 기술이다. 기계가 사고를 모방할 수는 있지만, 그 결과를 책임지는 것은 여전히 사람이다. 자동화가 확산하는 현실에서 핵심은 ‘어떤 기술을 쓰는가’가 아니라 ‘누가 그 기술을 다룰 수 있는가’다. 기술은 방향을 제시하지 않는다. 사용하는 사람의 판단이 그 방향을 정한다.

현장은 이미 변화를 보여주고 있다. 한 중년 근로자가 온라인 과정을 통해 AI 활용법을 익히고 다시 일터로 복귀했다. 업무는 달라졌지만, 적응은 가능했다. 학습이 이어질 때 노동은 다시 움직인다. 변화의 가능성은 기술이 아니라 인간의 학습에서 비롯된다. 이 작은 복귀 사례가 보여주는 것은 단순한 성공담이 아니다. 기술의 시대에도 배움은 여전히 인간의 해답이라는 점이다. 노동시장은 숫자로 움직인다. 그러나 그 숫자의 뒤에는 이름이 있고, 경력이 있고, 삶이 있다. 자동화의 그래프가 상승할수록, 사람의 이야기도 함께 기록돼야 한다. 역량 중심 채용의 핵심은 효율이 아니다. 더 많은 사람이 다시 기회를 가질 수 있도록 구조를 고치는 일이다. 그 구조가 바로 사회의 신뢰다.

AI는 이미 도착했다. 문제는 기술의 속도가 아니라, 우리가 정한 기준의 속도다. 누가 이 변화를 설계하고, 누가 책임질 것인가. 정부와 학교, 기업 모두의 역할이 여기에 닿아 있다. 기술은 파도다. 그 파도를 피할 수는 없지만, 방향을 정할 수는 있다. 사람을 잃지 않는 전환이야말로 AI 시대의 유일한 성장 공식이다.

본 연구 기사의 원문은 Skills-First Hiring in the Age of Agentic AI: What Schools Must Do Now을 참고해 주시기 바랍니다. 본 기사의 저작권은 스위스 인공지능연구소(SIAI)에 있습니다.