AI 노출도가 곧 해고를 뜻하지 않는 이유…과업 비중·도입 비용·고용통계 시차가 가른다
직업이 인공지능에 많이 노출됐다는 조사 결과는 그 직업이 곧 사라진다는 뜻과 다르다. 국제노동기구(ILO)의 2025년 생성형 AI 직무 노출 연구와 경제협력개발기구(OECD)의 최근 고용 분석을 함께 보면, 노출 지표는 어디서 기술 변화가 먼저 나타날지를 가리키는 경보에 가깝고 실제 고용 감소는 산업 구조, 기업의 도입 방식, 노동 재배치, 통계가 포착하는 시간차를 거친 뒤에야 확인된다.
독자가 가장 많이 혼동하는 지점도 여기다. 노출도는 현재 직업 안의 과업 가운데 일부가 AI로 자동화되거나 보조될 수 있는 가능성을 뜻한다. 반면 고용 감소는 그 과업 변화가 실제 투자와 조직 개편으로 이어지고, 그 결과 채용 축소나 인원 감축이 통계에 잡혀야 비로소 확인된다. 같은 사무직이라도 어떤 나라에서는 업무 재설계로 끝나고, 다른 나라에서는 신규 채용 억제로 나타날 수 있는 이유다.
ILO가 측정한 것은 ‘대체 확정’이 아니라 ‘과업 노출’
ILO가 2025년 5월 발표한 생성형 AI 직무 노출 지수는 직업 전체를 한 번에 대체 가능한지보다, 그 직업을 이루는 세부 과업이 AI의 영향을 얼마나 받을 수 있는지를 단계별로 분류했다. 이 연구에서 전 세계적으로 어떤 형태로든 생성형 AI에 노출된 직업에 종사하는 노동자는 약 4명 중 1명으로 추정됐지만, 가장 높은 노출 구간에 속한 고용은 전체의 3.3%였다. 노출이 있다고 해서 곧바로 완전 대체가 아니라는 뜻이다.
이 연구는 또 고소득 국가일수록 노출 비중이 높게 나타난다고 봤다. 저소득 국가는 총고용의 11%가 생성형 AI 노출 직업에 속한 반면, 고소득 국가는 34%였다. 이는 생성형 AI가 우선 손댈 수 있는 텍스트 처리, 문서 작성, 정보 정리, 분석 지원 같은 인지적 과업이 고소득 국가의 사무·전문직에 더 많이 몰려 있기 때문이다. 다시 말해 같은 기술이라도 어느 나라에서 더 넓게 퍼질지는 산업과 직업 구성부터 다르다.
ILO는 별도 해설 자료에서 이 같은 노출 지표를 해고 예측으로 읽어선 안 된다고 선을 그었다. 노출 지표는 기술이 할 수 있는 일을 정적으로 보여줄 뿐, 기업이 실제로 그 기술을 살지, 비용 대비 이익이 맞는지, 규제와 노사관계가 허용하는지, 생산성 향상으로 수요가 더 늘어 고용이 유지되거나 확대되는지는 반영하지 못한다는 설명이다.
노출이 고용 감소로 바뀌는 조건은 무엇인가
여러 공식 분석을 종합하면 기술 노출이 실제 고용 감소로 바뀌려면 적어도 네 가지 조건이 겹쳐야 한다. 첫째, 자동화 가능한 과업이 한 직무 안에서 차지하는 비중이 커야 한다. 일부 반복 업무만 대체되는 수준이면 사람의 일자리는 남고 업무 내용만 달라질 가능성이 높다.
둘째, 기업이 AI 도입 비용을 감수할 만큼 경제성이 있어야 한다. 모델 사용료와 시스템 통합, 데이터 정비, 보안 통제, 품질 검수 비용이 큰데도 인건비 절감 효과가 작으면 기업은 해고보다 보조 도구 도입에 머무를 수 있다. 특히 고객 응대, 법률 검토, 회계, 의료 기록처럼 오류 비용이 큰 분야는 사람이 최종 책임을 지는 구조가 유지되기 쉽다.
셋째, 기업이 자동화로 줄어든 과업을 신규 업무와 연결하지 않아야 한다. 하지만 현실에서는 생산성 향상으로 처리 물량을 늘리거나, 직원이 더 복잡한 판단 업무를 맡도록 재배치하는 사례가 적지 않다. OECD가 여러 회원국 기업 사례를 검토한 결과에서도 AI의 영향을 가장 많이 받은 직무에서 일자리가 줄었다는 응답은 일부였고, 그 경우에도 내부 재배치나 자연감소 방식으로 대응한 경우가 많았다.
넷째, 노동시장 제도와 인력 수급 환경이 감원을 허용하는 방향으로 움직여야 한다. 인력난이 심한 산업에서는 기업이 굳이 기존 인력을 줄이기보다 채용 계획만 늦추거나 결원을 AI로 메우려는 유인이 커진다. 이 경우 기술 충격은 해고보다 채용 축소, 직무 재편, 숙련 수요 변화로 먼저 나타난다.
국가별 차이는 기술 수준보다 산업 구조에서 먼저 벌어진다
국가 간 비교에서 가장 큰 변수는 기술 그 자체보다 산업과 직업의 배열이다. OECD는 2026년 고용전망에서 생성형 AI에 크게 노출된 일자리 비중이 지역에 따라 약 16%에서 70%를 넘는 수준까지 벌어진다고 제시했다. 정보통신, 금융, 교육처럼 비정형 인지 과업 비중이 높은 산업이 많은 곳일수록 노출도가 높아진다는 뜻이다.
이 차이는 곧바로 고용 충격의 크기 차이로 번지지 않는다. 같은 고노출 지역이라도 한쪽은 AI를 써서 생산량을 늘리고 다른 쪽은 백오피스 인력을 줄일 수 있기 때문이다. 특히 제조업 중심 지역은 생성형 AI보다 로봇, 산업용 소프트웨어, 전통적 자동화의 영향이 더 먼저 나타날 수 있고, 서비스·전문직 중심 지역은 인원 감축보다 업무 재설계와 숙련 격차 확대가 먼저 드러날 가능성이 크다.
결국 국가별 산업 구조를 보지 않고 직업 노출도만 비교하면 해석이 흔들린다. 사무직 비중이 높은 경제는 노출도가 높게 나오기 쉽지만, 동시에 디지털 인프라와 교육 투자, 보완적 직무 창출 능력도 더 클 수 있다. 반대로 노출도가 낮은 경제라고 해서 안전하다고 보기도 어렵다. 기술 도입이 느린 대신 특정 제조 공정이나 단순 서비스업에서 국지적 충격이 더 크게 나타날 수 있어서다.
한국 사례가 보여준 것은 ‘대규모 해고’보다 ‘과업 재편’
OECD와 한국노동연구원이 2025년에 낸 한국 노동시장 보고서는 이 구분을 비교적 선명하게 보여준다. 보고서에 따르면 한국에서는 2018년부터 2023년까지 전통적 AI 노출이 상용 정규직 고용 증가율 하락, 특히 제조업에서의 둔화와 관련된 흔적이 일부 관찰됐지만, 생성형 AI에 대해서는 같은 관계가 확인되지 않았다. 보고서는 이 결과를 전체 정규직 상용 고용과 총고용이 같은 기간 증가한 맥락에서 해석해야 한다고 덧붙였다.
기업 설문에서도 비슷한 그림이 나온다. 한국의 AI 도입 기업 가운데 95.5%는 부서나 팀 차원에서 아직 인력 변동이 없었다고 답했다. 반면 56.5%는 기존 직무 안의 일부 과업이 AI로 대체됐다고 답했다. 즉 한국에서 먼저 확인되는 변화는 사람 수의 급감보다 업무 단위의 재배치라는 뜻에 가깝다.
이 결과는 ‘AI가 아무 영향이 없다’는 뜻도 아니다. 보고서는 생성형 AI 노출이 높은 일부 직업에서 임금 상승이 더 크게 나타날 수 있다고 봤고, 고숙련 인력 비중 확대와 저숙련 인력 비중 축소 가능성도 함께 제시했다. 고용 총량이 유지되더라도 누가 남고 어떤 기술을 요구받는지는 달라질 수 있다는 의미다.
왜 통계는 항상 기술 변화보다 늦게 보이나
독자가 체감하는 변화와 공식 통계 사이에 간격이 큰 것도 자연스러운 현상이다. 직무 노출 지수는 현재의 과업 설명을 바탕으로 비교적 빠르게 만들 수 있지만, 실제 고용 변화는 기업 도입 결정과 조직 개편, 채용 계획 수정, 퇴직과 전직, 통계 작성 주기를 모두 거친 뒤에야 집계된다. 그래서 같은 해에 발표된 AI 노출 연구와 고용 통계를 바로 1대1로 맞대면 시차가 생긴다.
이번에 확인한 공식 자료만 봐도 그렇다. ILO의 직무 노출 지수는 2025년에 갱신됐지만, OECD가 지역별 생성형 AI 노출을 비교한 자료의 기준 시점은 나라별로 2022년부터 2024년까지 다르다. 한국의 실제 고용 영향 분석도 주로 2018년부터 2023년 자료를 사용했다. 기술은 이미 현장에 들어와 있어도 고용 충격의 방향과 규모를 통계가 확인하려면 몇 년이 더 걸릴 수 있다는 뜻이다.
그래서 단기 기사나 기업 발표를 근거로 ‘AI 때문에 일자리가 줄었다’거나 반대로 ‘영향이 없다’고 단정하면 둘 다 빗나갈 수 있다. 초기에 가장 먼저 잡히는 신호는 해고가 아니라 채용 공고 내용 변화, 직무 기술서 수정, 숙련 요구 상승, 부서 간 인력 재배치, 외주와 프리랜서 활용 방식 변화일 가능성이 크다.
정책이 봐야 할 지표도 ‘직업 소멸’보다 ‘전환 속도’
이 때문에 정책의 초점도 직업 소멸 숫자를 성급히 예측하는 데 맞춰지기보다, 어떤 산업과 지역에서 어떤 과업이 먼저 바뀌고 있는지 추적하는 쪽이 더 현실적이다. 고노출 직업군에서 실제 채용이 둔화하는지, 청년·여성·저숙련층에 충격이 집중되는지, 생산성 향상이 임금과 노동시간에 어떻게 배분되는지를 따로 봐야 한다.
학생과 직장인에게 중요한 해석도 비슷하다. 직업 전체가 사라질지를 묻는 것보다 자신의 일에서 문서 작성, 정보 검색, 번역, 요약, 코딩 보조, 고객 응대 초안 작성처럼 분리 가능한 과업이 얼마나 되는지 따져보는 편이 더 정확하다. 그 비중이 크더라도 최종 판단, 책임, 대면 조정, 현장 대응, 복합 문제 해결이 남아 있다면 일자리의 형태는 사라지기보다 바뀔 가능성이 높다.
정리하면 AI 노출 조사는 노동시장의 종착점이 아니라 출발점에 가깝다. 실제 고용 감소는 높은 과업 노출, 도입의 경제성, 조직 재편, 노동 수요 조정, 그리고 통계 집계라는 여러 단계를 거쳐야 드러난다. 지금까지 확인된 국제기구와 한국의 공식 자료는 대규모 직업 소멸보다 과업 변화와 숙련 재편이 먼저 진행되고 있음을 보여준다.
자료: International Labour Organization, Generative AI and Jobs: A Refined Global Index of Occupational Exposure(2025.05.20); International Labour Organization, Workers’ exposure to AI: What indicators tell us – and what they don’t(2025); OECD, Artificial Intelligence and the Labour Market in Korea(2025); OECD, OECD Employment Outlook 2026: Places and people: The impact of structural change on local labour markets(2026)