숫자는 충분하지만 현장에 바로 쓰일 역량은 부족
시간 단축 중심 정책과 채용 기준 사이의 간극
공공 투자만큼 요구되는 연구 훈련의 깊이

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.

한국의 인공지능(AI) 인력 규모는 겉으로 보면 충분해 보인다. 한국은행에 따르면 2024년 기준 국내에서 활동하는 AI 전문 인력은 약 5만7000명으로 추정된다. 이 수치만 놓고 보면 산업 전반의 수요를 감당할 여력이 있는 것처럼 보인다. 하지만 이러한 계산은 현장의 체감과는 다소 거리가 있다. 실제 채용 과정에서 기업들은 “바로 쓸 수 있는 인재가 부족하다”는 평가를 반복한다. 채용 공고는 늘었지만, 프로젝트에 즉시 투입할 수 있는 인력은 제한적이라는 지적이 이어진다. 인력의 총량과 활용 가능성 사이에 간극이 형성된 셈이다. 이 간극은 AI 박사 패스트트랙을 바라보는 기준을 더욱 분명하게 만든다. 학위 취득 시점을 얼마나 앞당겼는지가 아니라, 졸업 이후 현장에서 어떤 결과물을 만들고 어떤 문제를 해결할 수 있는지가 판단의 중심으로 떠오르고 있다.

숫자보다 역량이 가르는 채용 기준

AI 박사 패스트트랙을 둘러싼 핵심 쟁점은 배출 규모보다 실질 역량에 맞춰져 있다. 인력 수가 늘어났는데도 채용이 쉽지 않다면, 교육의 깊이가 충분한지부터 점검할 필요가 있다. AI 연구는 데이터 조건이 달라지는 순간 결과가 흔들리고, 작은 판단 착오가 전체 시스템 실패로 이어지기 쉽다. 이 특성 때문에 기업은 학위 취득 속도에 경계심을 보인다.

한국은행이 제시한 5만7000명이라는 수치는 AI 인력이 존재한다는 사실을 보여준다. 다만 이 숫자만으로 현장 투입 가능성을 판단하기는 어렵다. 실제 채용 과정에서 기업이 확인하는 대상은 학위 명칭이 아니다. 연구 성과의 완성도, 문제를 정의하고 해결한 경험, 결과를 검증하고 설명할 수 있는 능력이 기준으로 작동한다.

이런 조건이 갖춰지지 않으면 박사 학위는 채용 신호로 힘을 갖기 어렵다. 결국 AI 박사 패스트트랙의 성패는 속도가 아닌, 졸업생이 축적한 역량을 얼마나 분명하게 드러낼 수 있는지에 달려 있다.

시간 단축 중심 정책, 엇갈린 기업 시선

정부의 AI 인재 정책은 속도와 규모를 중심으로 설계됐다. 2025년 11월 교육부는 학사·석사·박사 과정을 5.5년 만에 마칠 수 있도록 하는 AI 인재 육성 계획을 발표했다. 동시에 AI 특화 학교 수를 730곳에서 2028년 2000곳으로 확대하고, 과학고·특목고도 14곳에서 27곳으로 늘리겠다는 목표를 제시했다. 투자 규모는 약 1조4000억원이다. 정책의 방향과 의지는 수치로 분명하게 드러난다.

그러나 기업이 인재를 평가하는 기준은 이와 다른 궤적을 보인다. 경제협력개발기구(OECD)에 따르면 한국의 25~34세 가운데 대졸 비율은 71%로 OECD 국가 중 가장 높다. 반면 석·박사 비율은 3%에 그쳐 OECD 평균을 밑돈다. 학위 취득은 보편화됐지만, 고급 연구 훈련은 상대적으로 얕게 자리 잡았다는 해석이 나온다. 이 구조에서는 학위가 사회적 자격으로 소비되고, 연구 역량은 뒷순위로 밀리기 쉽다.

시간이 정책의 핵심 지표로 작동할 경우 위험은 더 커진다. 교육 과정에서 고급 수학, 통계, 시스템 반복처럼 시간이 많이 드는 핵심 내용이 축소될 가능성이 높아진다. 연구 과정에서 시행착오를 거치며 문제를 다시 설계하는 경험도 줄어들 수 있다. 이런 변화는 단기간 성과를 내는 데는 유리해 보일 수 있다. 다만 연구의 깊이를 담보하기는 어렵다. 결국 정책의 성과는 졸업 연한이 얼마나 줄었는지가 아니라, 그 과정에서 어떤 연구 결과가 축적됐는지로 평가받게 된다.

공공 투자와 훈련 깊이의 비례 관계

막대한 공공 자금이 투입되는 만큼 교육의 질은 국가 차원의 문제로 이어진다. 한국은 2023년 국내총생산(GDP)의 4.96%를 연구개발(R&D)에 사용했다. 국제 비교에서도 최상위권에 해당하는 투자 규모다. 이 정도의 자원이 투입되는 상황에서는 교육과 훈련의 결과가 곧 국가 경쟁력으로 연결된다. 훈련이 얕아질수록 손실의 범위도 함께 커진다. 세금으로 인재를 키운 뒤, 현장에서 발생한 실패 비용을 기업이 다시 떠안는 구조가 만들어진다.

속도는 충분한 역량이 축적됐을 때 의미를 갖는다. 연구 성과가 뒷받침되지 않은 채 졸업 시점만 앞당겨지면 대학의 평판에도 부담이 쌓인다. 연구 결과가 축적되지 않는 과정은 외부 평가에서 바로 드러난다. 평판은 장기간에 걸쳐 형성되지만, 신뢰가 흔들리는 데는 긴 시간이 필요하지 않다. 일부 프로그램의 성과 부진이 전체 대학과 학문 분야로 확산될 가능성도 배제하기 어렵다.

공공 투자의 효과를 지키기 위해서는 패스트트랙의 성격이 분명해야 한다. 졸업 속도를 줄이는 제도가 아니라, 연구 성과와 검증 과정을 통과한 인재를 선별하는 경로로 작동해야 한다. 연구의 깊이를 담보하지 못하는 속도는 단기 성과로 보일 수 있지만, 장기적으로는 공공 자금의 효율을 떨어뜨린다. 결국 공공 투자가 성과로 이어지느냐는 훈련의 깊이를 어디까지 확보하느냐에 달려 있다.

채용 시장에서 검증되는 박사 신호

AI 박사 패스트트랙의 가치는 채용 시장에서 드러난다. OECD는 한국에서 AI를 사용하는 기업의 56.5%가 일부 업무에서 대체 효과를 경험했고, 동시에 더 높은 수준의 기술을 요구하게 됐다고 분석했다. 특히 중소·중견기업에서는 데이터 분석 역량에 대한 수요가 가장 빠르게 늘고 있다. 채용 기준이 학위 명칭에서 실무·연구 역량으로 이동하고 있다는 신호다.

노동시장 여건도 기업의 선별 기준을 강화한다. 한국은행은 2024년 기준 한국 AI 인력의 약 16%에 해당하는 1만1000명이 해외에서 일하고 있다고 추정했다. 임금 프리미엄은 미국 등 주요국 대비 약 6% 수준에 머물렀다. 인력 유출과 비용 부담이 동시에 작용하는 환경에서 기업은 준비되지 않은 인력을 채용할 여지가 줄어든다. 이 때문에 포트폴리오, 연구 성과, 재현 가능한 실험 기록을 확인하는 절차가 강화되고 있다.

수급 전망은 이러한 판단을 뒷받침한다. 2027년 AI 인력 수요는 6만6100명으로 예상되는 반면, 공급은 5만3300명에 그쳐 약 1만2800명의 격차가 발생할 전망이다. 소프트웨어정책연구소(SPRi·Software Policy & Research Institute) 조사에서도 2354개 기업 가운데 81.9%가 인력 부족을 호소했다. 숫자상 부족이 분명한 상황에서도 기업이 채용에 신중한 이유가 여기에 있다.

해법의 방향은 분명하다. 학위 취득 속도를 앞세우는 접근보다, 검증된 연구 결과와 현장 투입이 가능한 역량을 갖춘 졸업생을 늘리는 데 초점을 둬야 한다. 이 조건이 충족될 때 AI 박사 패스트트랙은 채용 위험을 낮추는 신호로 기능하고, 기업의 의사결정 비용도 함께 줄어든다.

본 연구 기사의 원문은 Korea’s AI PhD Fast Track Won’t Fix the Talent Gap Unless It Fixes the PhD을 참고해 주시기 바랍니다. 본 기사의 저작권은 스위스 인공지능연구소(SIAI)에 있습니다.