AI가 일자리를 없애고 있는지 묻기 전에 세 종류의 숫자를 분리해야 한다. 실제로 관측된 고용, 업무가 AI에 얼마나 노출됐는지 추정한 값, 기업이 앞으로 채용을 어떻게 바꿀지 답한 전망은 서로 다른 지표다. 이 셋을 한 표에 섞으면 아직 일어나지 않은 전망을 이미 발생한 해고처럼 읽게 된다.
이 글의 기준일은 2026년 7월 10일이다. 특정 직군의 5년 뒤 인원수를 단정하지 않고, 공개된 기관 자료가 말하는 범위와 말하지 않는 범위를 함께 표시한다.
지금 관측된 것: 고용시장은 약해졌지만 AI 단독 효과는 확정되지 않았다
OECD Employment Outlook 2026은 2026년 5월 OECD 평균 실업률을 4.9%로, 2026년 1분기 평균 고용률을 72.1%로 제시한다. 전체 고용시장이 붕괴했다는 수치는 아니다. 다만 고용과 노동참가 증가세가 둔화했고, 청년 대졸자의 상대적 구직 어려움이 커졌다고 진단한다.
중요한 제한도 있다. OECD는 청년층의 어려움이 생성형 AI 확산 전부터 시작됐으며, 현재 증거만으로 AI가 원인이라고 단정하기 어렵다고 적는다. 지역별 산업 구성, 경기, 무역 충격, 기업의 채용 방식이 동시에 움직이기 때문이다. 따라서 “AI 관련 공고가 늘었다”거나 “노출도가 높은 직무의 주니어 공고가 줄었다”는 상관 신호를 곧바로 AI가 만든 순고용 감소로 바꾸면 안 된다.
실무적으로는 국가 전체 실업률보다 본인의 직무·경력 단계·지역을 함께 봐야 한다. 같은 직무라도 반복 입력 비중이 큰 역할과 고객 판단·현장 책임이 큰 역할은 업무 구성이 다르고, 같은 AI 노출도라도 기업의 도입 속도와 노동시장 결과가 달라질 수 있다.
노출도: 일자리 4개 중 1개는 영향권이지만, 노출은 해고율이 아니다
ILO·NASK의 2025년 직업 노출도 연구는 약 3만 개 업무에 대한 평가와 전문가 검토를 결합했다. 전 세계 고용의 약 4분의 1이 생성형 AI 노출 구간 중 하나에 속하고, 가장 높은 노출 구간은 전 세계 고용의 3.3%라고 추정한다. 사무·행정 직군의 노출도가 가장 높고, 디지털화된 전문·기술 직무의 노출도도 커졌다.
이 결과는 “4명 중 1명이 일자리를 잃는다”는 뜻이 아니다. ILO는 직업 대부분이 사람의 투입이 필요한 여러 업무로 구성되기 때문에, 현재 방법론상 가장 가능성 높은 결과를 직업의 변형으로 설명한다. 노출도는 기술을 완전히 도입했을 때 영향을 받을 수 있는 상한에 가까운 잠재치이며, 실제 도입 비용·인프라·규제·업무 책임은 반영 결과를 바꾼다.
| 지표 | 답할 수 있는 질문 | 답할 수 없는 질문 |
|---|---|---|
| 고용률·실업률 | 현재 노동시장 전체가 강한가 | AI가 몇 명을 해고했는가 |
| 업무 노출도 | 어떤 업무를 AI가 수행할 잠재력이 큰가 | 해당 직무의 실제 해고율은 얼마인가 |
| 채용공고 변화 | 기업 수요가 어느 방향으로 움직이는가 | 고용 감소의 원인이 AI 하나인가 |
| 기업 전망 조사 | 고용주가 2030년까지 무엇을 예상하는가 | 전망이 그대로 실현되는가 |
전망: 2030년 숫자는 기업 기대를 반영한 시나리오다
WEF Future of Jobs Report 2025은 1,000곳이 넘는 기업의 응답과 ILO 고용 데이터를 결합한다. 기술, 인구, 녹색 전환, 경제·지정학 변화를 모두 합친 거시 추세가 2030년까지 1억7천만 개 역할을 만들고 9천2백만 개를 밀어내 순증 7천8백만 개가 될 것으로 전망한다. 현재 일자리의 22%에 해당하는 생성과 소멸이 함께 일어난다는 시나리오다.
이 숫자는 AI만의 효과도, 이미 관측된 실적도 아니다. 조사에 응답한 고용주의 예상과 모형을 결합한 전망이다. 따라서 “9천2백만 개가 AI 때문에 사라졌다”라고 쓰면 범위를 벗어난다. 이 보고서에서 개인에게 유용한 신호는 AI·데이터·사이버보안 수요와 함께 분석적 사고, 회복탄력성, 협업 같은 인간 역량도 계속 중요하다는 점이다.
내 직무에 적용하는 4단계 점검
- 직업명이 아니라 업무를 쪼갠다. 한 주 업무를 입력·요약, 분석·판단, 고객·현장, 승인·책임으로 나누고 시간을 기록한다.
- 실제 수요를 확인한다. 지난 8~12주 채용공고에서 요구 기술, 경력 수준, 공고 수를 같은 검색 조건으로 저장한다. 한 번의 검색 결과를 추세로 부르지 않는다.
- 자동화와 책임을 분리한다. AI가 초안을 만들 수 있는지와 회사가 최종 판단을 맡길 수 있는지는 다른 문제다. 오류 비용, 개인정보, 규제 책임을 함께 본다.
- 분기마다 전략을 갱신한다. 노출도가 높은 반복 업무는 도구로 줄이고, 검증·의사결정·이해관계자 조율처럼 결과 책임이 남는 업무의 증거를 포트폴리오에 쌓는다.
결론
2026년 7월 현재 공개 자료가 지지하는 결론은 “AI가 모든 일자리를 줄인다”도 “새 일자리가 손실을 자동으로 상쇄한다”도 아니다. OECD 관측치는 노동시장이 아직 높은 고용 수준을 유지하지만 청년과 지역별 위험이 다르다고 보여준다. ILO는 업무 노출이 넓어졌으나 직업 변형이 대체보다 더 가능성 높다고 본다. WEF 수치는 여러 거시 추세를 합친 2030년 기업 전망이다.
개인의 대응은 임의의 직군별 해고율을 믿는 것이 아니라, 본인 업무 구성과 실제 채용 수요를 같은 방법으로 반복 측정하는 데서 시작한다. 위 자료는 국가·직업군 수준의 방향을 보여줄 뿐 개인의 고용 결과를 보장하지 않는다.