AX 전략

AI가 일자리를 없앤다는데 데이터는 왜 다르게 말하나

AI 일자리 통계가 엇갈리는 이유는 측정 대상이 다르기 때문입니다. 해고보다 직무 재구성이 먼저 나타나고 있습니다.

저자 및 인사이트: 이동훈(코드프레소 대표) · 편집 및 재구성: AXMOS 콘텐츠팀 | 최종 수정 2026-10-02

핵심 요약

AI 일자리 데이터가 엇갈리는 이유는 측정 대상이 다르기 때문입니다. 기업 임원 설문은 회사 전체의 고용을, 급여 자료는 청년의 신규 채용을, ILO는 직업별 과업 노출도를 측정합니다.
NBER 워킹페이퍼(2026)에서 미국, 영국, 독일, 호주 기업 임원의 평균 90% 이상은 최근 3년간 AI가 자사 고용에 영향을 주지 않았다고 답했습니다. 같은 응답자들은 향후 3년간 고용이 0.7% 줄 것으로 예상했습니다.
Stanford 연구(2026년 8월 개정)는 경제 전반의 일자리 대체 증거는 없다고 하면서도, AI 노출 직업에서 22~25세 고용이 덜 노출된 동년배보다 19% 낮다고 보고했습니다.
ILO(2025)는 대부분의 직업에 사람의 투입이 필요한 과업이 남아 있어 일자리가 사라지기보다 바뀔 가능성이 크다고 봅니다. 그래서 기업이 먼저 볼 지표는 인원표보다 과업 구성입니다.

AI 일자리 데이터는 왜 서로 다르게 말하나?

AI 일자리 데이터가 엇갈리는 이유는 측정 대상과 기간, 단위가 서로 다르기 때문입니다.

“AI가 일자리를 없앤다”는 주장과 “아직 변화가 없다”는 주장은 같은 질문에 답하지 않습니다. 앞의 주장은 주로 특정 연령과 직업군의 신규 채용을 보고, 뒤의 주장은 기업이 전체 인원을 얼마나 바꿨는지를 묻습니다. 한 회사의 총 인원은 그대로여도 신입 채용 계획과 과업 배분은 달라질 수 있습니다.

아래 표는 2025~2026년에 나온 주요 자료를 측정 대상 기준으로 나란히 놓은 것입니다. 수치를 하나씩 비교하기 전에 어떤 집단에서, 어떤 방식으로 얻은 숫자인지 먼저 확인해야 합니다.

자료	측정 대상	주요 결과	읽을 때 주의할 점
NBER, Firm Data on AI (2026)	미국, 영국, 독일, 호주 기업의 임원 응답. 조사 시점은 2025년 11월~2026년 1월	최근 3년간 고용에 영향이 없다는 응답이 평균 90% 이상	임원의 자가 응답이며 직무별, 연령별 변화는 보이지 않음
Stanford Digital Economy Lab (2026년 8월 개정)	미국 ADP 급여 자료(2026년 6월까지). AI 노출 직업의 22~25세	덜 노출된 동년배와 비교해 고용이 19% 낮음	저자들이 인과 추정이 아닌 초기 지표라고 명시
한국은행 이슈노트 제2025-30호	국민연금 가입자 자료. 15~29세 일자리	최근 3년간 청년 일자리 21.1만 개 감소 중 20.8만 개가 AI 고노출 업종	업종 단위 분석이며 집필자 개인 견해
ILO (2025년 5월)	직업별 과업의 생성형 AI 노출도	전 세계 근로자 4명 중 1명이 어느 정도 노출된 직업에 종사	노출도는 가능성을 나타내며 실제 감소 수치가 아님
Yale Budget Lab (2025년 10월)	미국 월간 고용 자료의 직업 구성 변화	ChatGPT 출시 후 33개월간 뚜렷한 교란은 관찰되지 않음	경제 전체 지표이며 세부 집단은 표본이 작음

표의 다섯 자료는 서로 모순되지 않습니다. 기업 전체 고용은 큰 변화가 없고, 신규 채용과 일부 직업군에서는 변화가 시작됐으며, 노출도가 높은 직업에서도 과업이 바뀌는 쪽이 더 흔하다는 그림이 됩니다.

기업 열 곳 중 아홉 곳은 왜 고용에 변화가 없다고 답했나?

AI 도입 효과가 기업 전체의 인원수에 드러날 만큼 커지지 않았고, 조사 방식도 임원의 체감에 의존하기 때문입니다.

Yotzov, Barrero, Bloom 등이 쓴 NBER 워킹페이퍼 34836은 미국, 영국, 독일, 호주 네 나라에서 고위 임원 약 6,000명에게 같은 질문을 던진 설문을 합쳤습니다. 네 설문에서 평균 90% 이상의 기업이 최근 3년간 AI가 고용에 영향을 주지 않았다고 답했습니다. 국가별로는 독일 95%, 미국과 영국 각각 89%, 호주 81%였습니다. 노동생산성에 영향이 없다는 응답도 89%였습니다.

이 숫자를 읽을 때는 세 가지를 함께 봐야 합니다. 첫째, 응답자가 임원입니다. 논문에 따르면 미국 설문의 응답자 약 70%가 CEO, CFO 등 고위 관리자였고, 영국은 90% 이상이 고위 직책이었고, 독일 설문은 CEO와 CFO를 대상으로 합니다. 둘째, 응답자 본인의 AI 사용 시간은 평균 주 1.5시간이었고, 28%는 업무 중 AI를 전혀 쓰지 않았습니다. 현장에서 일어나는 변화를 임원이 충분히 알지 못할 가능성이 있습니다. 셋째, 기업 수준의 인원 변화라는 단일 지표만 묻습니다.

같은 설문에서 임원들은 향후 3년간 AI가 생산성을 1.4% 높이고 산출을 0.8% 늘리며 고용을 0.7% 줄일 것으로 예상했습니다. 2025년 12월 미국 직장인 약 3,000명에게 같은 질문을 한 결과, 직원들은 고용이 0.5% 늘 것으로 답했습니다. 임원과 직원의 전망이 엇갈린다는 점이 이 논문의 중요한 발견입니다.

한국 자료도 같은 방향입니다. 한국은행 조사국의 이슈노트 제2026-12호는 전국 15~64세 취업자 5,512명을 조사해, AI 활용으로 업무시간이 평균 3.8%(주당 약 1.5시간) 줄었다고 추정했습니다. 그러나 줄어든 시간과 실제 생산 증가 사이의 상관계수는 0이었습니다. 집필자들은 개별 작업의 효율이 업무 흐름 개선, 조직 구조 변화, 인력 재배치로 이어지지 못한 ‘생산성 단절’이 나타난 것으로 해석했습니다. 인원을 줄일 만큼 일이 바뀐 조직이 아직 많지 않다는 뜻과 맞닿아 있습니다.

청년 채용 감소는 AI 때문일까?

AI 노출이 큰 직업에서 청년 고용이 상대적으로 낮다는 증거는 있지만, 원인을 AI 하나로 단정할 수는 없습니다.

Brynjolfsson, Chandar, Chen이 쓴 Canaries in the Coal Mine?은 미국 최대 급여 소프트웨어 업체 ADP의 자료를 사용합니다. 2025년 8월 첫 버전은 상대 고용 감소를 13%로 보고했고, 2026년 8월 개정판에서는 AI 노출 직업의 22~25세 고용이 덜 노출된 동년배 대비 19% 낮은 수준이라고 밝혔습니다. 같은 개정판은 광범위한 일자리 대체의 증거는 찾지 못했고, 격차는 주로 해고 증가보다 청년 채용 감소에서 생긴다고 설명합니다. 저자들은 이 결과를 인과 추정으로 보지 말고 초기의 기술적 지표로 읽어야 한다고 적었습니다.

한국 자료에서도 비슷한 방향이 나타납니다. 한국은행 이슈노트 제2025-30호(2025년 10월 30일)는 국민연금 가입자 자료로 보았을 때 지난 3년간 청년층(15~29세) 일자리가 21.1만 개 줄었고, 이 가운데 20.8만 개가 AI 고노출 업종에서 나왔다고 밝혔습니다. 같은 기간 50대 일자리는 20.9만 개 늘었고 그중 14.6만 개가 AI 고노출 업종이었습니다. 이 보고서는 AI가 경력이 적은 청년의 정형화된 업무를 상대적으로 쉽게 대체하고, 경력에 기반한 암묵적 지식이 필요한 업무에서는 보완적으로 쓰인다고 설명합니다. 이슈노트에는 내용이 집필자 개인의 견해이며 한국은행의 공식 견해와 다를 수 있다는 안내가 붙어 있습니다.

반대 방향의 경고도 있습니다. Yale Budget Lab은 ChatGPT 출시 후 33개월 동안 노동시장 전체에서 뚜렷한 교란이 없었다고 분석하면서, 청년층에서 보이는 차이는 경기 둔화로도 설명될 수 있어 조심해서 해석해야 한다고 적었습니다. Stanford 연구진도 2026년 2월 보충 글에서 금리 변화가 격차를 더 잘 설명한다는 강한 근거는 찾지 못했다고 밝혔습니다. 다만 다른 요인을 더 엄격하게 통제하면 고용 감소가 2022년 말보다 늦은 2024년부터 뚜렷해진다고 덧붙였고, AI가 고용을 결정하는 유일한 요인으로 해석하지 말라고 당부했습니다. 그래서 이 수치는 기업이 신규 채용 계획을 점검하는 신호로 쓰는 것이 적절합니다.

직무는 없어지기보다 어떻게 바뀌나?

직무는 여러 과업의 묶음이어서, AI는 직무 전체보다 그 안의 일부 과업부터 바꿉니다.

ILO가 2025년 5월에 낸 Generative AI and Jobs: A Refined Global Index of Occupational Exposure는 전 세계 근로자 4명 중 1명이 생성형 AI에 어느 정도 노출된 직업에 있다고 추정했습니다. 노출이 가장 높은 등급에 속한 고용은 전체의 3.3%였습니다. 소득 수준별로는 저소득국 11%, 고소득국 34%로 차이가 컸습니다. ILO는 대부분의 직업에서 여전히 사람의 투입이 필요한 과업이 섞여 있으므로 일자리의 변형이 가장 가능성이 큰 영향이라고 판단했습니다. 직업군 가운데에서는 사무 지원직(clerical)의 노출도가 가장 높았습니다.

OECD도 비슷한 진단을 내놓았습니다. OECD Employment Outlook 2023은 AI를 포함한 자동화 기술 전체를 고려할 때 자동화 위험이 가장 높은 직업이 회원국 평균 고용의 약 27%를 차지한다고 추정했습니다. 그러면서도 당시까지의 연구에서는 AI로 인한 유의미한 고용 감소 증거가 거의 없다고 썼습니다. 그 이유로는 낮은 도입률과 함께, 기업이 해고보다 자발적 퇴사와 은퇴로 인력을 조정하는 경향을 들었습니다. 해고 없이 채용이 줄어드는 Stanford 연구의 결과와도 맞물리는 대목입니다. 이 보고서가 생성형 AI 확산 이전의 문헌에 주로 의존한다는 점은 감안해야 합니다. 그래도 “일자리를 대체하기보다 일자리와 필요 기술을 바꾸고 있다”는 결론은 이후 자료와 큰 차이가 없습니다.

그렇다면 직무 재구성은 어떤 모습일까요. 아래 표는 AXMOS가 설명을 위해 구성한 가상의 예시이며, 실제 고객 사례나 측정값과는 관계가 없습니다. 과업 단위로 쪼갠 뒤 AI와 사람의 몫을 다시 정하는 방식을 보여 줍니다.

과업(예: 견적 담당자)	AI가 맡는 부분	사람이 맡는 부분	검증 지표
고객 요청서 정리	요청 항목 추출과 누락 표시	모호한 요구사항 확인	누락 건수, 재문의율
과거 견적 검색	유사 건 후보 제시	적용 가능 여부 판단	후보 채택률
견적서 초안 작성	표준 양식 채움	특수 조건과 가격 승인	수정 횟수, 승인 소요 시간
고객 협상	회의 요약과 쟁점 정리	조건 조정과 관계 관리	수주율, 마진

이 표에서 직무명은 그대로입니다. 바뀌는 것은 하루 일과의 구성입니다. 시간이 남는 과업에 무엇을 채울지, 검증은 누가 맡을지를 정하지 않으면 한국은행이 지적한 ‘생산성 단절’이 그대로 남습니다. 조직 구조의 변화는 AI 도입 후 조직도는 어떻게 바뀌나에서, 효과를 숫자로 확인하는 방법은 AI 프로젝트 ROI 측정법에서 이어서 볼 수 있습니다.

기업은 AI 일자리 데이터를 어떻게 읽어야 하나?

수치의 조사 대상, 기간, 지표를 확인하고 자사의 과업 데이터로 다시 계산해야 합니다.

외부 통계는 방향을 알려 주지만 우리 회사의 의사결정을 대신하지 못합니다. 다음 다섯 단계로 읽으면 과장된 주장과 지나치게 안심하는 주장을 가려내는 데 도움이 됩니다.

측정 단위를 확인합니다. 기업 수, 근로자 수, 직업 수, 채용 건수는 서로 바꿔 쓸 수 없습니다.
응답자를 확인합니다. 임원의 체감인지, 급여 기록인지, 과업 분석인지에 따라 신뢰할 수 있는 범위가 달라집니다.
기간과 시점을 확인합니다. 2025년 조사와 2026년 개정판은 같은 질문이어도 결과가 다릅니다. Stanford의 격차가 13%에서 19%로 커진 것이 한 예입니다.
상관과 인과를 구분합니다. ‘AI 노출 직업에서 청년 고용이 낮다’는 결과가 ‘AI가 청년을 밀어냈다’는 결론으로 곧바로 이어지지 않습니다.
자사 업무로 다시 계산합니다. 핵심 업무 하나를 골라 과업별 소요 시간, 오류 비용, AI 적용 가능성을 직접 측정합니다.

AXMOS는 이 가운데 5번을 가장 중요하게 봅니다. 외부 통계가 어떻게 나오든 자사의 견적, 정산, 고객 응대 같은 업무는 자사의 자료로만 판단할 수 있기 때문입니다. 자동화한 뒤에도 일이 줄지 않는 이유는 AI 자동화의 역설에서 다룬 바 있습니다.

자주 묻는 질문

Q. AI가 일자리를 없애고 있다는 말은 사실인가요?

일부 집단에서는 근거가 있지만 경제 전체로 확대하기는 어렵습니다. Stanford 연구진은 광범위한 일자리 대체 증거는 찾지 못했고, AI 노출이 큰 직업에서 22~25세 고용이 낮아졌다고 보고했습니다. 연구진은 이 수치를 인과 추정이 아닌 초기 지표로 규정했습니다.

Q. 기업 90%가 고용 변화가 없다고 답한 조사는 믿을 만한가요?

조사 설계를 알고 읽으면 참고할 수 있습니다. 미국, 영국, 독일, 호주 기업의 임원이 지난 3년을 돌아보며 답한 설문이고, 임원의 AI 사용 시간도 주 1.5시간 수준이었습니다. 직무별 변화나 신규 채용 감소는 이 자료로 확인할 수 없습니다.

Q. 청년 채용 감소를 AI 탓으로 단정해도 되나요?

단정하기는 이릅니다. 미국 자료에서는 AI 노출 직업의 청년 고용이 상대적으로 낮았고, 한국 국민연금 가입자 자료에서도 비슷한 방향이 나타났습니다. 다만 두 연구 모두 경기와 금리 같은 다른 요인을 함께 점검해야 한다고 전제합니다.

Q. 직무 재구성은 구체적으로 무엇을 바꾸는 일인가요?

직무명과 인원을 유지한 채 과업의 구성을 바꾸는 일입니다. 반복적인 정리와 초안 작성은 AI에 맡기고, 예외 판단과 검증, 고객 대응은 사람이 맡도록 책임을 다시 나눕니다. 승인 기준과 성과 지표도 함께 바꿔야 합니다.

Q. 우리 회사에서는 어디부터 확인해야 하나요?

업무 한 가지를 과업 단위로 쪼개 보는 작업부터 시작하십시오. 과업마다 걸리는 시간, 오류 비용, AI 적용 여부, 사람이 맡을 검증 단계를 표로 정리하면 인원 조정 논의보다 먼저 봐야 할 지점이 드러납니다.

그래서 기업은 무엇을 해야 하나?

AXMOS는 AI와 일자리 논쟁에서 기업이 먼저 내려야 할 결정은 인원 감축 여부가 아니라 어떤 과업을 어떻게 다시 나눌지라고 봅니다. 지금까지 나온 외부 자료를 종합하면, 기업 전체의 고용은 아직 크게 흔들리지 않았고, 신규 채용과 정형화된 업무부터 변화가 시작됐습니다.

먼저 진단합니다. 핵심 업무 하나를 과업으로 나누고, 과업별 시간과 오류 비용, 사람이 꼭 판단해야 하는 지점을 확인합니다. 다음으로 실행 구조를 만듭니다. AI가 맡을 과업, 사람이 맡을 검증, 승인 기준을 정하고 현업 담당자와 함께 실제 업무에 적용합니다. 마지막으로 검증합니다. 처리 시간, 재작업률, 고객 결과를 기준으로 변화를 확인하고 채용 계획과 교육 계획에 반영합니다. 결과는 업무 범위와 환경에 따라 달라질 수 있습니다.

우리 회사의 어떤 업무부터 과업을 다시 나눠야 할지 정리하고 싶다면 AX 진단 문의하기로 문의하십시오. AXMOS의 접근 방식은 AXMOS 알아보기에서 확인할 수 있고, 전략 글은 AX 전략 글 모음에서 이어집니다.