AI 생산성 확산 속 일자리 수요 구조 변화
재훈련 중심 노동 정책 한계 노출
기술 접근 확대·AI 협력 직무 설계 과제로

본 연구 기사는 유럽 경제 연구소 The Economy의 연구위원(Fellow)들이 작성한 The Economy Review 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 개인적인 의견이며, The Economy 또는 집필자의 소속 기관의 견해와 일치하지 않을 수 있습니다.

선진국들이 기술 낙관론에 기대어 있는 사이 노동시장을 둘러싼 경고 신호가 커지고 있다. 경제협력개발기구(OECD) 분석에 따르면, 현재 기술 수준만으로도 행정 업무를 포함한 전체 직무의 27%는 자동화 대상에 해당한다. 이러한 기술이 앞으로 몇 년 사이 산업 현장에 빠르게 확산될 경우 노동시장 구조 역시 지금과는 다른 방향으로 재편될 가능성이 크다.

이런 흐름 속에서 ‘인공지능 준비도(AI preparedness)’라는 개념의 의미도 달라지고 있다. 기술 변화에 대비한 역량을 뜻하던 표현이 점차 노동자를 가려내는 기준으로 쓰이고 있기 때문이다. 실제로 이 기준을 충분히 충족할 수 있는 노동자는 전체 가운데 극히 일부에 그칠 것으로 보인다.

자동화의 영향은 단순히 업무 일부를 줄이는 수준에 머물지 않는다. 일부 직무 분야에서는 소수의 고숙련 인력이 AI 도구를 활용해 대부분의 업무를 처리하는 구조로 바뀔 것이라는 전망도 제기된다. 이 과정에서 상당수 노동자가 노동시장 경쟁에서 밀려날 수 있다는 우려도 뒤따른다.

재교육의 환상과 구조적 격차

이 같은 변화에도 불구하고 정책 논의의 중심에는 여전히 노동자 재훈련 확대가 놓여 있다. 교육을 늘리고 직무 전환 훈련을 반복하면 노동자가 새로운 일자리를 찾을 수 있다는 가정이 정책의 기본 전제다. 기술 도입 문제를 사실상 시민 교육의 영역으로 접근해 온 셈이다.

그러나 현실의 핵심은 교육 부족이 아니다. 일자리 수요 자체가 구조적으로 줄어들 수 있다는 점에 있다. AI는 소수 인력의 생산성을 급격히 끌어올린다. 같은 업무를 훨씬 적은 인력으로 처리하는 구조가 형성되면서 다수 노동자는 노동시장 경쟁에서 점차 불리한 위치에 놓이게 된다.

AI를 활용하는 운영자 1명이 100명의 일을 해낼 수 있다면 기업의 선택은 분명해진다. 더 적은 인력으로 더 높은 생산성을 낼 수 있는 쪽을 택하기 마련이다. 컨설팅 업체 맥킨지 글로벌연구소(McKinsey Global Institute)는 현재 기술만으로도 대부분의 노동 시간이 변화할 수 있으며, 그 과정에서 창출되는 부가가치가 기술을 먼저 확보한 기업과 인력에게 빠르게 집중될 가능성이 크다고 분석했다.

데이터 권력이 세운 새로운 진입 장벽

실제 업무 현장을 보면 이러한 격차는 더욱 분명하게 나타난다. OECD와 오픈AI(OpenAI) 연구에 따르면, 생성형 AI는 사무직을 포함한 화이트칼라 직무 전반으로 빠르게 확산되고 있지만, 기술 활용은 자본과 데이터를 먼저 확보한 IT 대기업과 일부 고숙련 인력에 집중되는 모습이다.

이 같은 현상은 기술 경쟁의 조건 자체가 달라졌음을 시사한다. 대규모 컴퓨팅 자원과 방대한 데이터에 대한 접근 여부가 새로운 진입 장벽이 되고 있다. 여기에 기술 도입으로 확대된 생산성은 시장 권력을 일부 기업과 인력에게 더 집중시키는 방향으로 작동한다. 결국 기술 확산 속도를 따라가지 못한 지역과 산업은 인재와 양질의 일자리를 동시에 잃는 압박에 놓일 가능성이 커진다.

AI 시대 노동정책 재설계

이처럼 자동화가 일자리 수요 자체를 줄이는 구조로 이어질 가능성이 커지고 있는 만큼, 노동정책의 방향 재검토가 불가피하다. 지금까지 정책의 초점은 모든 노동자의 역량을 끌어올리는 보편적 훈련 확대에 맞춰져 있었다. 그러나 변화의 속도와 규모를 고려하면 보편적 훈련 정책만으로는 대응하기 어렵다. 이제 정책은 기술 접근 기회를 넓히고, 그 과정에서 창출되는 생산성과 이익이 사회 전반으로 확산되도록 제도적 기반을 마련하는 데 초점을 맞출 필요가 있다.

우선 컴퓨팅 자원과 데이터를 공공 인프라로 구축해야 한다. 소수 기업이 이러한 자원을 독점하면 생산성과 수익 역시 그들에게 집중되기 쉽다. 따라서 공공 플랫폼을 통해 중소기업과 학교가 기술에 쉽게 접근할 수 있는 기반 마련이 필요하다.

직무 구조 역시 인간과 기계의 경쟁 구도가 아니라 협력 중심으로 재설계해야 한다. AI가 만든 결과를 검증하고 해석하는 역량을 공식적으로 인증하는 방식이다. 이런 체계가 자리 잡으면 중간 숙련 노동자에게도 인간의 판단이 필요한 안정적인 역할이 생긴다.

일자리 감소가 집중되는 지역에는 강력한 사회보장 장치가 필요하다. 일시적인 훈련 프로그램에 그치지 않고 소득 안정 정책과 지역 투자와 연계된 공공 일자리 마련이 함께 추진돼야 한다. 동시에 오픈소스 모델을 지원하고 데이터 공유 기준을 마련해 특정 기업이나 집단이 기술을 독점하지 못하도록 제도적 장치 강화가 요구된다.

지속 가능한 미래를 위한 선택

이 과정에서 정부 역할을 둘러싼 논쟁도 불가피하다. 일각에서는 정부 역할이 확대되면 혁신이 위축될 수 있다는 우려를 제기하기도 하지만, 공공 인프라는 민주적 감독과 안전 기준 아래 충분히 관리할 수 있다. 결국 핵심은 선택의 문제다. 생산성 이익이 소수 기업에 집중되는 구조를 그대로 둘 것인지, 아니면 공공 인프라를 통해 그 성과를 사회 전반으로 확산시킬 것인지다.

노동 자동화는 거스를 수 없는 흐름이다. 교육이 모든 문제를 해결할 수 있다는 낙관론은 변화의 본질을 제대로 보지 못하게 만든다. 정책 입안자의 과제는 새로운 생산 체제가 만들어낼 막대한 이익을 사회 전체가 어떻게 나눌 것인지, 그 분배 구조를 설계하는 데 역량을 집중해야 한다.

본 연구 기사의 원문은 [Unemployed Growth] Structural Labor Redundancy and the Future of Work을 참고해 주시기 바랍니다. 본 기사의 저작권은 The Economy에 있습니다.