1부 변화하는 일자리 환경

1장 AI 시대 일자리 구조 변화와 바이브 코딩 - 2

그림 3. AI 보완도별 취업자수(한국은행)

한국은행의 연구에서 특이한 점은 AI에 노출이 많이 되는 업종이라도 AI를 통해 업무를 강화하여 생산성을 높일 수 있는 직종의 경우는 20대 취업자 수의 감소가 크지 않았다고 분석했다. 그림 3을 보면 취업자 수가 감소한 청년층이라도 보완도가 높은 업종은 보완도가 낮은 업종에 비해서 취업자수 감소가 확연하게 적음을 알 수 있다. 30대의 경우에는 취업자 수가 많아지는 중에 AI 보완도가 높으면 취업자 수가 증가했으며, 40대와 50대에서는 보완도의 영향이 그리 크게 나타나지 않았다. 이렇게 AI 보완도가 큰 업종의 예를 들면 보건업(의료), 교육서비스업 등은 AI에 노출이 많은 업종임에도 불구하고 AI를 활용해서 더 높은 생산성을 달성할 수 있는 분야이기 때문에 20대 취업자 수의 감소가 적게 일어났다고 분석하였다. 의료 분야에서는 AI가 진단을 보조하고 의료기록을 분석할 수 있지만, 최종 판단과 환자와의 소통은 여전히 의료인의 몫이다. 교육 분야에서도 AI가 개인화된 학습 콘텐츠를 제공할 수 있지만, 학생의 동기부여, 정서적 지원 및 학습이 진행되는 동안 학생의 반응에 즉각적으로 반응하는 업무는 교사가 담당한다. 이런 분야에서는 AI가 인간 노동자를 대체하는 것이 아니라 인간 업무를 증강하는 도구로 작용하면서, 오히려 더 많은 일자리를 창출하거나 유지시키는 효과를 보였다.

그림 4. AI 노출도별 임금 변화

그림 4에서는 연령대별 임금 변화이다. 청년층의 경우에는 AI 노출도가 높은 업종이나 낮은 업종이나 임금 차이가 크게 나타나지 않았다. 30대와 40의 경우에도 AI 노출도에 비해서 임금 차이가 크게 나타나지 않았지만, 2024년 하반기부터 AI 노출도가 큰 업종에서 임금 상승이 가파르게 나타났다. 이는 AI로 일어난 생산성 향상이 임금 향상을 불렀다고 볼 수도 있지만, 명확한 변화를 확인하려면 좀 더 지켜봐야 확신할 수 있다. 특이한 것은 AI노출이 많은 업종에서 취업자 수가 큰 폭으로 증가하였던 50대의 임금변화이다. AI 노출도가 높은 업종에서 취업자가 증가하였던 50대의 임금은 오히려 AI 노출이 낮은 업종보다 낮게 나타났으며, 21년 보다도 낮은 수준을 보인다. 이는 증가한 50대 취업자가 과거보다 낮은 임금으로 취업했다는 것으로 추측할 수 있어서, 50대는 AI로 인해 일자리는 증가했지만, 새로운 일자리는 임금이 낮은 기업에서 생긴 일자리라고 추측할 수 있다.

한국은행의 보고서를 바탕으로 필자가 예상하는 미래 직업 시장은 AI를 통해서 생산성을 높일 수 있는 사람이 직장에서 살아남고, AI를 통해 생산성 향상을 충분히 만들어 내지 못하면 취업시장에서 밀려날 것으로 예상한다. 단순히 AI 도구를 사용할 줄 아는 수준을 넘어서, AI의 강점과 약점을 이해하고 자신의 업무에 전략적으로 통합할 수 있는 능력을 의미한다. 특히 우리나라의 경우에는 많은 화이트컬러 노동자의 업무가 석사~4년제 대졸자 업무에 해당하므로 AI로 인한 일자리 감소가 더 많이 일어나고, 사회적 충격이 더 클 것으로 예상한다.