AI 노출도는 실직률이 아니다: 고용 전망을 읽는 세 가지 기준

1. 같은 일자리를 이야기하지만 측정하는 것은 다르다

AI 관련 고용 기사를 읽을 때 먼저 확인할 것은 숫자의 크기가 아니라 무엇을 셌는가입니다. 어떤 연구는 직업을 구성하는 과업 중 AI가 처리할 수 있는 범위를 평가합니다. 다른 연구는 기업의 채용·감원 계획을 묻습니다. 실제 고용 통계는 그 계획이 실행된 뒤의 결과를 측정합니다. 세 자료는 함께 참고할 수 있지만 서로를 대신하지는 못합니다.

이 분석은 ILO가 2025년 5월 20일 공개한 직업 노출도 연구[1]와 WEF의 2025년 고용 전망 중 고용 증감 분석[2]을 비교합니다. 원문 확인일은 2026년 10월 16일입니다. 확인일이 최근이라는 이유로 연구에 쓰인 데이터까지 2026년 관측치로 취급하지 않습니다.

2. ILO의 4명 중 1명은 해고 전망이 아니다

ILO 연구에서는 전 세계 근로자 약 4명 중 1명이 어느 정도 생성형 AI에 노출된 직업에 종사하며, 가장 높은 노출 단계에 해당하는 비중은 전체 고용의 3.3%로 제시됩니다. 사무 직종의 노출도가 가장 높고, 일부 디지털화된 전문·기술 직종에서도 노출이 확대됐습니다.[1]

이 수치는 직업별 과업의 기술적 노출을 평가한 결과입니다. 기업이 해당 기술을 실제 도입했는지, 도입 비용을 회수했는지, 인력을 줄였는지를 직접 측정한 것은 아닙니다. 연구 역시 사람의 개입이 필요한 과업이 남아 있어 직업의 변화 가능성을 강조합니다.[1]

따라서 특정 직업이 고노출로 분류됐다는 사실만으로 그 직업의 일정 비율이 사라질 것이라고 계산해서는 안 됩니다. 반대로 사람의 역할이 남는다는 이유로 임금·채용·업무 강도에 변화가 없을 것이라고 결론 내리는 것도 이 자료가 뒷받침하는 범위를 벗어납니다. 이는 노출 지표를 읽는 데 적용한 NEXTWORK의 해석 원칙입니다.

3. WEF의 순증 전망은 AI만의 효과가 아니다

WEF는 2030년까지 새로운 일자리 1억 7,000만 개와 대체되는 일자리 9,200만 개를 전망하고, 차이를 7,800만 개 순증으로 제시합니다. 해당 분석은 기술 변화뿐 아니라 녹색 전환, 인구 변화, 경제 불확실성, 지정학적 분절 등 여러 요인을 함께 다룹니다.[2]

산술적으로는 1억 7,000만에서 9,200만을 빼면 7,800만이 됩니다. 그러나 이 차이를 ‘AI가 만드는 순증 일자리’라고 이름 붙일 수는 없습니다. 보고서의 설명에 따르면 추정에 쓰인 직무 집합은 약 11억 8,000만 명의 근로자를 포괄하는 일부 범위이며, 세계 전체 고용에 대한 완전한 집계로 취급해서는 안 됩니다.[2]

전망과 관측치도 구분해야 합니다. 기업의 예상과 고용 자료를 결합한 미래 전망은 준비 방향을 논의할 때 유용하지만, 이미 발생한 신규 채용이나 감원의 실적표는 아닙니다. 미래에 순증이 현실화하더라도 줄어든 직무의 종사자가 늘어난 직무로 같은 시기에 이동한다는 보장은 이 합계에 들어 있지 않습니다.

4. 두 연구를 비교할 때 남겨야 할 차이

측정 대상 — ILO는 과업을 바탕으로 생성형 AI에 대한 직업 노출을 평가합니다. WEF는 여러 구조적 변화에 대한 기업의 전망을 바탕으로 고용 증감을 추정합니다.[1][2]

시간의 의미 — 노출도는 기술이 업무에 미칠 잠재 영향을 나타내는 분류입니다. 2030년 고용 전망은 미래 결과에 대한 예상입니다. 둘 모두 특정 기업에서 오늘 발생한 해고의 원인을 곧바로 증명하지 않습니다.

의사결정에 쓸 수 있는 범위 — 노출도가 높은 직업은 업무 구성이 어떻게 바뀌는지 더 자세히 볼 대상이 됩니다. 고용 전망은 늘거나 줄 것으로 예상되는 직무와 그 배경을 살펴볼 출발점이 됩니다. 개인의 퇴사·전공 변경을 이 두 숫자만으로 결정하기에는 지역, 경력, 채용 조건에 관한 정보가 부족합니다. 이 문단은 연구의 예측을 추가한 것이 아니라 자료 활용에 대한 편집부의 판단입니다.

5. 기업 발표 뒤에는 네 가지 기록이 필요하다

첫째, 발표의 단위를 보존합니다. 정규직 인원, 외주 계약, 채용 예정 인원, 인력 환산 처리량은 서로 다른 기록입니다. 같은 표에 넣더라도 단위와 기준 기간을 별도 칸으로 두어야 합니다. 처리량이 사람 몇 명에 해당한다는 설명을 실제 감원 인원으로 바꾸어 쓰지 않습니다.

둘째, 원인에 관한 회사 설명과 확인된 결과를 분리합니다. 경영진이 AI를 이유로 들었다는 사실은 기록할 수 있습니다. 다만 매출 감소, 사업 철수, 조직 통합이 동시에 진행됐다면 AI만의 기여분은 별도로 검증해야 합니다. 회사 설명을 인과관계가 확정된 결론으로 옮기지 않는 것이 기준입니다.

셋째, 발표와 후속 자료를 같은 범위에서 비교합니다. 다음 분기의 인원이나 비용이 줄었더라도 연결 범위가 바뀌었다면 직접 비교가 어려울 수 있습니다. 재배치, 자발적 퇴사, 신규 채용도 함께 살펴야 합니다. 이 항목들은 특정 회사에 그런 변화가 있었다는 주장이 아니라 향후 추적 장부의 확인 항목입니다.

넷째, 비용과 품질을 함께 봅니다. 상담 업무라면 처리 건수만이 아니라 재문의, 해결 여부, 사람에게 넘어간 비중과 같은 지표가 필요할 수 있습니다. 공개되지 않은 값은 추정해 채우지 않고 ‘미공개’로 남깁니다. 지표 공개 여부 자체가 분석의 신뢰 범위를 결정합니다.

6. 결론을 바꿀 수 있는 반대 근거

업무가 변화할 가능성이 크다는 설명은 감원이 일어나지 않는다는 보장이 아닙니다. 실제로 특정 직무에서 지속적인 인원 감소와 업무 대체가 확인된다면, 그 사례에서는 노출이 고용 축소로 이어졌는지 검토해야 합니다. 동시에 인원 감소만 있고 업무량이나 사업 범위 자료가 없다면 원인을 하나로 확정하기 어렵습니다.

반대로 AI 도입 뒤 고용이 늘었더라도 AI가 일자리 증가를 만들었다고 단정할 수 없습니다. 수요 증가, 시장 확대, 인수 효과와 같은 다른 설명을 점검해야 합니다. 이 리포트의 입장은 낙관이나 비관 중 하나를 고르는 데 있지 않습니다. 동일한 검증 기준을 고용 증가와 감소 모두에 적용하는 데 있습니다.

7. 다음 검토에서 확인할 사항

후속 리포트에서는 기업 한 곳을 선정해 발표일, 실행 대상, 실제 인원, 외주·재배치, 비용과 품질 지표를 같은 기간으로 맞춰 추적할 계획입니다. 자료가 충분하면 발표와 관측 결과를 나란히 제시하고, 충분하지 않으면 확인되지 않은 항목과 다음 확인 시점을 표시합니다.

이번 초안의 한계도 분명합니다. 두 개의 2025년 연구를 해석하는 방법에 집중했으며, 2026년 전체 노동시장의 실측 결과나 한국의 특정 직업별 실직 확률을 산출하지 않았습니다. 산업·국가별 최신 실증 연구를 망라한 문헌 검토도 아닙니다. 발행 전 검수에서는 숫자의 범위와 원문 문맥, 제목과 결론 사이의 일관성을 다시 확인해야 합니다.