AI가 일자리를 끝낸다는 말보다 먼저 볼 것

AI가 신입의 업무를 빠르게 대신하고 한 사람이 여러 자동화 도구를 지휘할 수 있게 된 것은 분명한 변화입니다. 그렇다고 ‘일해서 돈 버는 시대가 끝났다’거나 ‘모두가 1인 사업으로 성공한다’는 결론까지 바로 이어지지는 않습니다. 노출된 업무, 실제 고용 변화, 생산성의 분배와 사업의 현금흐름은 서로 다른 단계입니다.

AI 노출은 일자리 소멸과 같은 숫자가 아닙니다

OECD는 한국 노동자의 약 27.1%가 생성형 AI에 노출돼 있다고 추정합니다. 여기서 노출은 직무 과업의 20% 이상을 생성형 AI로 두 배 빠르게 수행할 수 있다는 뜻입니다. 직업 전체가 사라진다는 뜻이 아닙니다.

OECD와 한국노동연구원의 2025년 보고서도 OECD 전체에서 AI가 총고용을 줄였다는 증거는 아직 제한적이라고 봅니다. 한국에서는 전통적 AI 노출이 청년·저학력·중간학력과 제조업의 정규직 증가 둔화와 연결된 일부 결과가 있지만, 생성형 AI에 대해서는 같은 관계가 확인되지 않았습니다. 평균이 유지돼도 청년과 특정 직무가 먼저 압력을 받을 수 있다는 점은 남습니다.

사라지는 것은 직업보다 과업일 수 있습니다

문서 초안, 단순 분석, 자료정리와 반복 응대처럼 규칙화된 과업은 자동화 속도가 빠를 수 있습니다. 반면 고객의 맥락을 이해하고 책임을 지며, 여러 이해관계를 조정하고, 현장에서 예외를 처리하는 일은 같은 속도로 대체되지 않습니다.

기업은 한 직무를 통째로 없애기보다 같은 인원에게 더 많은 산출을 요구하거나 신입의 담당과업을 줄일 수 있습니다. 그래서 총고용에 그치지 않고 연령별 채용, 정규직과 비정규직, 임금, 근로시간, 직무별 채용공고와 생산성을 함께 봐야 합니다.

1인 AI 사업은 작은 실험으로 먼저 검증합니다

AI로 실제 문제를 해결하고 반복업무를 자동화한다는 아이디어는 유용합니다. 그러나 도구를 만들었다는 사실과 고객이 비용을 지불한다는 사실은 다릅니다. 1인 사업은 제품개발 외에도 영업, 고객지원, 보안, 개인정보, 세금, 유지보수와 플랫폼 변경을 감당해야 합니다.

따라서 퇴사나 큰 투자보다 작은 유료 실험이 먼저입니다. 한 고객의 한 문제를 정하고, 사람이 하던 시간과 AI 사용료, 오류 수정시간, 실제 매출과 환불을 기록합니다. 반복 구매가 없거나 지원비용이 매출보다 크면 자동화가 기술적으로 성공해도 사업은 실패한 것입니다. AI 투자에서도 기술 도입과 반복 가능한 수익은 따로 확인해야 한다는 점은 AI 투자에서 반도체와 플랫폼 중 누가 이익을 가져가는가 에서 더 자세히 살펴볼 수 있습니다.

AI 에이전트에는 권한을 가진 소프트웨어의 관리 원칙이 필요합니다

메일·파일·결제·게시 권한을 가진 자동화는 실수 하나가 외부 피해로 이어질 수 있습니다. 최소권한, 지출 한도, 승인 단계, 로그, 테스트 환경과 되돌리기 절차가 필요합니다. ‘혼자서 여러 AI 직원을 거느린다’는 표현보다 어떤 권한을 어디까지 자동화할지 정하는 편이 현실적입니다.

확인해야 할 세 가지 장부

1. 노동 장부: 어떤 과업이 줄고 새로 생겼는지, 청년 채용·임금·근로시간이 어떻게 변하는지
2. 생산성 장부: 같은 품질의 비교 가능한 작업 한 단위에 드는 시간과 비용이 실제로 줄었는지
3. 사업 장부: 유료고객, 재구매, 획득비용, 오류·지원비용, 플랫폼 의존과 순현금흐름

AI의 미래를 믿는 것과 지금 생계를 걸어도 되는지는 다른 질문입니다. 노동 장부는 사회 전체의 고용 변화를 평가하는 자료이지, 개별 사업의 확대를 위해 먼저 좋아져야 하는 조건은 아닙니다. 실험 규모는 해당 사업의 생산성과 사업 장부를 보고 판단합니다. 같은 품질의 작업 한 단위에 드는 시간과 비용이 줄고, 운영비용을 반영한 순현금흐름과 재구매가 개선되는지 확인해야 합니다. 품질과 매출 없이 제작량만 늘면 중단하거나 설계를 바꿀 수 있습니다.

판단을 바꿀 조건과 반대 신호도 미리 적어야 합니다. 청년 신규채용과 정규직 고용이 생산성 증가와 함께 회복되고, AI를 도입한 사업의 재구매와 순현금흐름이 개선되면 자동화가 새로운 일과 수요를 만든다는 근거가 강해집니다. 반대로 총고용이 유지돼도 신입 채용·임금·근로시간이 지속해서 약해지면 노동시장에 대한 낙관을 낮춰야 합니다. 해당 사업의 오류·지원비용이 매출보다 빠르게 늘면 그 사업의 수익성을 다시 점검해야 합니다.

예언보다 과업과 현금흐름을 봐야 합니다

AI는 일을 없애기보다 일의 묶음과 진입경로를 먼저 바꿀 가능성이 큽니다. 특히 신입의 규칙화된 과업이 줄어드는 위험을 가볍게 볼 수 없습니다. 동시에 고용 소멸과 자동소득을 확정할 근거도 없습니다. 자신의 과업을 나누고 작은 유료 실험으로 생산성과 수요를 측정하는 편이 유용합니다. 교육과 일을 버리게 만드는 예언은 이런 검증을 대신할 수 없습니다.

이 글은 일반적인 정보이며 개인의 진로·창업·투자 결정을 대신하지 않습니다.

확인한 자료

• OECD, Artificial Intelligence and the Labour Market in Korea
• OECD, Korea country note on generative-AI exposure
• ILO, Generative AI and Jobs: A Refined Global Index of Occupational Exposure