AI는 실업률보다 신입의 경력 사다리를 먼저 흔든다

신입의 문은 해고 뉴스 없이도 좁아질 수 있어요

AI가 일자리를 바꾼다고 하면 대규모 해고부터 떠올리기 쉬워요. 하지만 회사는 기존 직원을 내보내지 않고도 인원을 줄일 수 있어요. 퇴사한 사람의 자리를 채우지 않거나 올해 뽑을 신입을 몇 명 줄이면 돼요. 이 장면은 원리를 설명하기 위한 예시이며 한국은행이 특정 기업의 채용 과정을 직접 관찰했다는 뜻은 아니에요.

한국은행 연구진은 국민연금 가입자 행정자료로 15~29세 청년 일자리와 산업별 AI 노출도를 분석했어요. 보고서가 살펴본 최근 3년 동안 청년 일자리는 21만 1,000개 줄었고, 감소분 가운데 20만 8,000개가 AI 노출도가 높은 산업에서 나타났어요.

여기서 가장 조심해야 할 부분이 있어요. 20만 8,000개는 AI가 직접 없앤 일자리 수가 아니에요. AI 노출도가 높은 산업에서 감소가 집중됐다는 뜻이에요. 국민연금 가입 기록에 잡히지 않는 고용도 있고, 경기 둔화와 청년 인구 변화, 팬데믹 뒤 인력 조정도 함께 작용했을 수 있어요.

같은 기간 50대 일자리는 20만 9,000개 늘었고 이 가운데 14만 6,000개가 AI 노출도가 높은 산업에서 증가했어요. 경력자 전체가 안전하다는 뜻은 아니지만, 같은 기술 변화가 나이에 따라 같은 방향으로 움직이지 않을 수 있다는 신호예요.

단순해 보이던 일은 사실 훈련장이었어요

신입은 보통 자료를 모으고 표를 정리하고 회의록을 쓰고 보고서 첫 장을 만들어요. 바로 이런 일이 AI가 빠르게 대신하기 쉬운 영역과 겹쳐요. 규칙으로 설명하기 쉽고 결과의 범위가 비교적 분명하기 때문이에요. 한국은행 연구진도 AI가 정형화된 반복 업무를 대체하기 쉽다고 설명했어요.

그런데 반복 업무에는 급여명세서에 적히지 않는 기능이 있어요. 신입은 표를 만들며 회사가 어떤 숫자를 중요하게 보는지 배워요. 초안을 고치며 팀장이 왜 한 문장을 빼는지도 익혀요. 작은 실수를 비교적 안전한 범위에서 해보며 판단 기준을 쌓아요.

AI가 첫 초안을 대신하면 속도는 빨라질 수 있어요. 문제는 신입이 건너뛴 연습을 어디에서 다시 하느냐예요. 결과의 근거를 확인하고 오류를 설명하고 작은 결정을 직접 내려보는 새 과정이 없다면, 입문 업무와 함께 학습의 입구도 줄어들어요.

경력자는 경험에서 나온 암묵지와 고객 관계, 조직 안의 조정 능력으로 AI 초안을 판단할 수 있어요. 그래서 초기 충격은 모든 직원을 한꺼번에 밀어내기보다 신입이 올라오던 첫 계단을 더 약하게 만들 수 있어요. 다만 직무와 회사마다 차이가 크므로 보편 법칙으로 단정할 수는 없어요.

올해 아낀 교육비가 미래의 훈련 부채가 될 수 있어요

신입을 덜 뽑으면 올해 인건비가 줄어요. 선배가 가르치는 시간도 아낄 수 있어요. 당장의 손익만 보면 합리적인 선택처럼 보여요. 하지만 신입이 3년 뒤 중간 실무자가 되고 더 오래 지나 팀을 이끌던 흐름도 함께 가늘어져요. 이 숫자는 실제 승진 연한을 뜻하는 것이 아니라 시간차를 설명하기 위한 예시예요.

이 글에서는 당장의 인건비를 아낀 대신 미래 숙련자를 키울 기회를 잃는 조건부 비용을 훈련 부채라고 부를게요. 공식 통계나 한국은행의 지표가 아니라, 신입 채용 축소와 대체 훈련 부재가 이어질 때 생길 수 있는 위험을 쉽게 설명하기 위한 표현이에요.

훈련 부채는 당장 현금으로 빠져나가지 않아 잘 보이지 않아요. 채용 축소가 여러 해 이어진 뒤에야 중간경력자 풀이 얇아질 수 있어요. 그때 외부 경력자 채용 비용이 커질 수 있지만, 아직 이를 국내에서 장기 추적해 확인한 공식 결과는 없어요. 조건부 시나리오로 읽어야 해요.

회사가 피해야 할 선택은 반복 업무만 없애고 학습 책임은 아무에게도 주지 않는 것이에요. AI가 초안을 만들었다면 신입에게 근거를 검증하고 오류를 설명하고 작은 의사결정을 기록하는 역할을 맡길 수 있어요. 첫 계단을 없앴다면 다음 계단으로 가는 연습을 따로 설계해야 해요.

아직 AI 하나로 청년 고용을 설명할 수는 없어요

국가들의 경제와 일자리 정책을 비교하는 경제협력개발기구(OECD)는 2026년 고용전망에서 다른 신호도 보여줬어요. 미국 온라인 채용공고를 분석했더니 기업의 언어모델 사용이 본격화된 2023년 말 이후, AI 노출도가 높은 직종의 신입 공고만 상대적으로 더 줄어드는 뚜렷한 단절은 확인되지 않았어요.

이 결과도 최종 답은 아니에요. 온라인 공고는 회사 안에서 조용히 중단된 채용이나 내부 이동을 모두 보여주지 못해요. 경제협력개발기구도 결론이 예비적이며 특정 직종의 충격을 가릴 수 있다고 밝혔어요. 정보·금융·전문서비스처럼 AI 노출도가 높은 산업이 경기와 금리에 민감해 경기 악화를 AI 효과로 잘못 읽을 위험도 있어요.

유엔에서 노동 문제를 다루는 국제노동기구(ILO)는 2026년 여러 나라의 실험과 기업자료, 플랫폼 연구, 노동자 설문을 한데 살펴봤어요. 지금까지 생성형 AI가 대규모 일자리 대체를 만들었다는 증거는 제한적이지만, 청년이 첫 기회를 얻는 길이 약해질 위험은 주요 과제로 남았다고 정리했어요.

그러므로 지금 확인할 것은 실업률 하나가 아니에요. 신입 공고 수와 첫 직장의 질, 입사 뒤 맡는 과업, 선배에게 피드백 받는 시간, 중간직급으로 이동하는 경로를 함께 봐야 해요. 경력 사다리는 총고용이 크게 움직이기 전에 먼저 흔들릴 수 있어요.

신입과 회사는 새 경력 사다리를 함께 만들어야 해요

취업 준비생에게 필요한 것은 AI보다 빨리 초안을 쓰는 능력만이 아니에요. AI가 낸 답의 근거를 찾고 오류를 설명하고 이해관계자에게 판단을 전달하는 능력이 중요해져요. 결과물을 만들었다는 증거보다 결과에 책임질 수 있다는 증거가 더 중요해질 수 있어요.

회사도 신입이 AI와 함께 배울 자리를 만들어야 해요. 단순 업무를 그대로 보존할 필요는 없어요. 대신 검증과 설명, 고객 맥락 이해, 작은 의사결정을 단계별로 맡기고 선배의 피드백 시간을 정식 업무로 인정해야 해요.

• 신입 공고 수와 입사 뒤 실제로 맡는 과업을 함께 추적해요.
• AI 결과를 검증하고 설명하는 책임을 신입 훈련에 넣어요.
• 선배의 피드백 시간을 비용이 아니라 교육 투자로 기록해요.
• 올해의 채용 절감액과 몇 년 뒤 경력자 확보 비용을 함께 비교해요.

2026년 7월 21일 현재, 국내 청년 채용 축소가 몇 년 뒤 숙련자 부족으로 이어졌다고 확인한 공식 장기 추적 결과는 아직 없어요. 지금 필요한 것은 해고 대란을 예언하는 일이 아니라 첫 계단이 사라질 때 다음 계단을 누가 어떻게 만들지 정하는 일이에요. AI가 신입의 반복 업무를 대신하는 시대에 우리는 무엇을 새 훈련장으로 만들 것인가요?

자주 묻는 질문

청년 일자리 20만 8,000개를 AI가 없앴나요?

아니에요. 청년 일자리 감소분 가운데 20만 8,000개가 AI 노출도가 높은 산업에서 나타났다는 뜻이에요. AI의 직접 인과 수치가 아니며 경기와 인구, 팬데믹 뒤 인력 조정도 함께 봐야 해요.

경제협력개발기구의 미국 자료는 한국은행 결과를 반박하나요?

그렇게 볼 수 없어요. 한국은행은 국내 국민연금 가입 기록을, 경제협력개발기구는 미국 온라인 채용공고를 분석했어요. 국가와 자료, 측정 대상이 달라 서로의 승패를 가르는 비교가 아니에요.

훈련 부채는 공식 통계인가요?

아니에요. 당장의 인건비를 아낀 대신 미래 숙련자를 키울 기회를 잃을 수 있다는 조건부 비용을 설명하기 위해 이 글에서 쓴 표현이에요. 실제 발생 여부는 장기 추적이 필요해요.

회사와 취업 준비생은 무엇부터 확인하면 좋을까요?

실업률만 보지 말고 신입 공고 수, 입사 뒤 맡는 과업, 피드백 시간, 작은 의사결정을 맡는 경로를 함께 보면 좋아요. 취업 준비생은 AI 결과의 근거와 오류를 설명할 수 있는 작업물을 남기는 편이 좋아요.