AI 고노출 업종에서 왜 신입부터 줄었나 — 청년 일자리 감소분의 94%
한국은행 분석을 인용한 8월 18일 보도에 따르면, 2022년 6월부터 2026년 6월까지 줄어든 15~29세 일자리 28만5천 개 중 26만8천 개(94.0%)가 AI 고노출 업종에서 발생했습니다. 같은 기간 50대 일자리는 23만 개 늘었습니다. 이 비대칭이 AI를 만드는 사람에게 무슨 의미인지 짚어봤습니다.
"AI가 일자리를 없앤다"는 말은 너무 많이 들어서 이제 아무 정보도 주지 않습니다. 그런데 8월 18일 나온 한국은행 분석 보도는 그 문장을 연령대와 업종 단위 수치로 쪼갰습니다. 쪼개고 보니 없어진 자리가 한쪽으로 심하게 몰려 있었습니다.
94%가 뜻하는 것, 뜻하지 않는 것
한국은행 조사국 고용연구팀이 국민연금 가입자 등 노동시장 자료로 분석한 결과입니다. 2022년 6월부터 2026년 6월까지 15~29세 일자리는 28만5천 개 줄었고, 그중 26만8천 개가 AI 고노출 업종에서 감소했습니다. **94.0%**입니다.
업종별 감소율은 이렇습니다.
- 정보서비스업 31.4%
- 출판업 27.4%
- 컴퓨터 프로그래밍·시스템 통합 및 관리업 16.6%
- 전문서비스업 11.6%
94.0%는 "AI가 청년 일자리의 94%를 없앴다"는 뜻이 아닙니다. 줄어든 자리가 AI 고노출로 분류된 업종에 몰려 있었다는 뜻입니다. 'AI 고노출'도 도입 실적이 아니라 업무 구성상 영향받을 잠재성이 높다는 분류입니다. 연구진도 이를 AI만의 효과로 단정하지 않았습니다. 코로나19 이후 산업 조정, 경력직 중심 채용, 재택근무 확산이 함께 작용했고 AI가 이를 가속했을 가능성을 제시했습니다.
신입은 줄고, 50대는 늘었다
반대쪽 숫자도 함께 있습니다. 같은 기간 50대 일자리는 23만 개 늘었고, 증가분의 75.2%(17만3천 개)가 역시 AI 고노출 업종이었습니다.
연구진의 설명은 이렇습니다. 정형화된 주니어 업무는 AI가 대체하기 쉽고, 조직 맥락·암묵지·사회적 기술이 필요한 시니어 업무에는 보완적으로 작동할 수 있다는 것입니다. 한국은행 2025년 이슈노트의 표현으로는 '연공편향 기술변화', 즉 같은 기술이 경력 구간에 따라 대체재도 보완재도 되는 현상입니다.
저는 이 대목이 가장 무섭게 읽혔습니다. 신입 자리가 줄어드는 건 "지금 취업이 어렵다"로 끝나지 않습니다. 10년 뒤 시니어가 될 사람의 입구가 좁아진다는 뜻입니다.
문은 두 방향으로 좁아진다
20162019년과 2022년 7월2026년 6월을 비교하면, AI 고노출 업종 청년층의 월평균 유입은 3만2,600명에서 2만9,100명으로 약 11% 줄었고, 유출은 3,700명에서 4,900명으로 약 32% 늘었습니다.
들어오는 문은 좁아졌고 나가는 문은 더 크게 열렸습니다. 신규 채용만의 문제가 아니라는 신호입니다. 2022년 11월 이후 대졸 청년층 평균 실업률이 **7.0%**로 전문대졸 이하 **5.4%**보다 1.6%포인트 높았다는 수치도 나옵니다.
갈라진 지점은 '자동화'와 '증강'이었다
여기까지는 우울한 이야기지만, 실무자가 쥘 손잡이가 하나 있습니다.
AI를 **과업 대체(자동화)**에 쓰는 비중이 높은 업종일수록 청년고용 감소폭이 컸지만, 초안 작성·검증처럼 **사람을 보조(증강)**하는 비중이 높은 업종에서는 같은 패턴이 나타나지 않았습니다.
같은 기술인데 도입 방식에 따라 다른 패턴이 관측됐습니다. 이는 모델 자체보다 도입 설계가 중요하다는 점을 시사합니다. 어떤 과업을 사람에게서 떼어낼지 정하는 건 만드는 쪽의 선택이고, 정책만이 아니라 제품·조직의 결정입니다.
만드는 쪽에서 정해야 할 세 가지
그래서 AI 기능을 붙일 때 확인할 것을 정리했습니다.
- '몇 명을 줄였나'가 아니라 '어떤 과업을 증강했나'를 지표로 잡기. 생산성만 재면 자동화로 기울기 쉽습니다. 사람 검토 지점, 초안-검증 분업, 오류 피드백 루프를 도입안에 명시해 두는 게 안전합니다.
- 주니어의 학습 경로를 따로 설계하기. 코드 초안, 테스트, 문서화를 에이전트에 넘기는 건 합리적입니다. 다만 그 업무가 원래 경험을 쌓는 통로였다는 사실은 자동으로 해결되지 않습니다. 요구사항 해석·리뷰·장애 분석을 배울 자리를 남기지 않으면 단기 효율이 몇 년 뒤 시니어 공급 부족으로 돌아옵니다.
- 직군이 아니라 과업 단위로 평가하기. 'AI 고노출 업종'은 조직 의사결정에 쓰기엔 거친 지표입니다. 같은 개발자 안에서도 정형 과업과 맥락 의존 과업의 대체 가능성이 다릅니다. 도입 전후로 과업별 소요 시간, 개입 지점, 실패율, 재작업률을 남기면 됩니다.
연구진은 청년층의 AI 적응력이 높아 증강형 활용이 퍼지면 장기적으로 이들이 수혜자가 될 수도 있다고 봤습니다. 지금 관측된 것이 초기 충격인지 지속될 흐름인지는 확인되지 않았습니다. 저는 그 갈림길이 저절로 결정되지 않는다는 쪽입니다. 증강이냐 자동화냐는 매번 누군가가 손으로 정하는 일이고, 개발자도 그 '누군가'입니다.
정리
- 한국은행 분석 보도(2026-08-18): 2022년 6월
2026년 6월 1529세 일자리 28만5천 개 감소 중 **26만8천 개(94.0%)**가 AI 고노출 업종에서 났습니다. - 정확한 표현은 "AI가 94%를 없앴다"가 아니라 **"감소분의 94%가 AI 고노출 업종에서 났다"**입니다. 인과는 단정되지 않았습니다.
- 같은 기간 50대는 23만 개 증가(75.2%가 AI 고노출) — 정형 주니어 업무엔 대체재, 맥락 의존 시니어 업무엔 보완재인 연공편향입니다.
- 청년층 유입은 약 11% 줄고 유출은 약 32% 늘어, 입구와 출구가 함께 움직였습니다.
- 자동화형 도입에선 청년고용 감소가 컸지만 증강형에선 같은 패턴이 없었습니다. 관측된 차이는 모델 자체보다 도입 설계가 중요하다는 점을 시사합니다.
참고 자료