AI가 바꾸는 한국 일자리 지도…검침·주차관리부터 사무직까지 ‘923만 명 직무전환’ 과제

AI가 바꾼 채용시장…취업자 3명 중 1명이 '고위험 일자리'

고노출 직종 채용공고 5년간 10.9% 감소…고졸 44.1%·5~9인 사업장 36.6%에 위험 집중

"일자리 소멸보다 직무 재편"…실직 이후 훈련에서 사라지기 전 전환으로

인공지능(AI)과 자동화가 생산성을 높이는 도구를 넘어 채용시장의 구조 자체를 바꾸기 시작했다. 변화는 정보 검색과 자료 정리, 단순 문서 작성, 검침·안내·조립처럼 업무가 표준화된 직종에서 먼저, 그리고 빠르게 나타나고 있다.

한국고용정보원이 2026년 8월 3일 공개한 '자동화 및 인공지능 기술 발전에 따른 고용 구조 변화 분석'에 따르면, 2020년부터 2025년까지 AI 노출도가 높은 직종의 평균 채용공고는 10.9% 줄었다. 같은 기간 중간 노출 직종은 15.7%, 저노출 직종은 25.9% 늘었다. 연구진은 국내 923개 직업의 세부 업무를 분해해 AI가 그 일을 수행하거나 보조할 수 있는 정도를 기준으로 직업별 노출도를 산출했다.

숫자의 방향은 분명하다. 자동화의 물결이 이미 채용 단계에서 작동하고 있다는 뜻이다.

검침원 98.0%, 주차관리원 96.1%…반복·정형 업무부터

변화가 모든 직업에 균등하게 오는 것은 아니다.

전문가 846명을 대상으로 486개 직업을 조사한 결과, 향후 10년 이내 노동력 대체 가능성이 가장 높은 직업은 계기 검침원 및 가스 점검원으로 98.0%였다. 주차 관리원 및 안내원 96.1%, 자동판매기 관리원 94.8%, 전기·전자 부품 및 제품 조립원 91.3%, 전자 부품 및 제품 제조 기계 조작원 89.4%가 뒤를 이었다.

반대편도 뚜렷하다. 외선 전기공은 12.9%, 직업 운동선수 16.3%, 내선 전기공 17.3%에 그쳤다. 현장에서 상황을 판단해야 하거나, 신체적 숙련과 예측 불가능한 환경 대응, 사람과의 복합적 상호작용이 필요한 업무는 기술이 발전해도 곧바로 전면 자동화하기 어렵다는 점을 보여준다.

다만 해석에는 신중해야 한다. '대체 가능성 98%'는 해당 직업 종사자의 98%가 실직한다는 의미가 아니다. 직무 특성과 기술 발전 가능성을 근거로 전문가가 평가한 잠재력 지표일 뿐이며, 실제 고용은 기술 도입 비용과 기업 규모, 규제, 소비자 선호, 인력 부족, 새 업무의 발생 등 여러 변수에 따라 달라진다. 기술적으로 가능한 것과 경제적으로 실행되는 것 사이에는 상당한 간격이 있다.

위험은 균등하지 않다…고졸 44.1%, 대학원졸 8.2%

더 중요한 문제는 충격의 분포다.

고용정보원이 전문가 조사와 2024년 지역별 고용조사를 결합해 분석한 결과, 전체 취업자 2877만 명 가운데 32.1%인 약 923만2000명이 대체 가능성 70% 이상인 '고위험 일자리'에 종사하는 것으로 추산됐다. 취업자 세 명 중 한 명꼴이다.

학력별 격차는 5배를 넘었다. 고졸 취업자의 44.1%가 고위험 일자리에 종사한 반면 대학원 졸업자는 8.2%였다. 사업체 규모별로는 5~9인 사업체가 36.6%로 가장 높았고, 5인 미만 34.3%, 300인 이상 26.9% 순이었다. 업종별로는 운수·창고업 66.5%, 숙박·음식점업 60.9%, 도소매업 56.7%, 제조업 49.9%였다. 직종별로 보면 장치·기계 조작 및 조립 종사자 76.9%, 판매 종사자 62.6%, 사무 종사자 49.8%로 나타났다.

교육과 재훈련에 접근하기 어려운 계층일수록 자동화 위험이 높은 자리에 몰려 있다는 뜻이다. AI 전환이 기술 문제이자 동시에 격차 문제인 이유가 여기에 있다.

"AI 탓만은 아니다"…엇갈리는 진단들

주목할 대목은 AI 노출도가 높다고 해서 모두 쇠퇴하지는 않는다는 점이다.

채용공고 감소가 두드러진 직종에는 콘텐츠·사이트 운영자, 웹 프로그래머, 시스템 프로그래머, 기술 영업원, 조사·분석·통계 종사자, 인바운드 텔레마케터 등이 포함됐다. 과거 자동화가 생산라인의 육체노동을 겨냥했다면, 생성형 AI는 정보 검색과 자료 정리, 문서 초안 작성, 기초 코딩 같은 인지적 반복업무로 범위를 넓히고 있다.

그러나 컴퓨터 시스템 전문가, 해외 영업원, 영업 기획·관리 종사자, 마케팅 전문가 등 일부 고노출 직종의 채용공고는 오히려 늘었다. AI가 대체재가 아니라 보완재로 결합한 경우다.

원인 진단도 단순하지 않다. 고용정보원이 2026년 8월 31일 '고용이슈' 2026년 여름호를 통해 내놓은 별도 분석은 다른 각도를 제시한다. 한국직업정보(KNOW)와 고용행정 데이터베이스를 연계해 415개 직업의 AI 노출도를 산출한 결과, 지난해 고용보험 가입자 1527만5000명 가운데 19.1%인 291만6000명이 AI 고노출군에 속했고, 이 비중은 최근 5년간 18~19% 수준을 유지했다. 고노출 직종의 청년 고용 감소가 챗GPT 출시 이전부터 진행됐다는 점에서 생성형 AI의 영향만으로 해석하기 어렵다고 봤다. 2023년 이후 노출 수준과 무관하게 전 직종에서 고용보험 신규 취득자가 줄었고, 여기에는 청년인구 감소와 경제활동참가율 하락 같은 노동공급 요인이 크게 작용했다는 분석이다.

반면 연령별 충격이 실재한다는 연구도 있다. 한국노동연구원 '노동리뷰' 2026년 2월호는 국민연금 가입자 데이터를 활용한 분석에서 2022년 7월부터 2025년 7월까지 3년간 청년층(15~29세) 일자리가 21만1000개 감소했으며 이 중 98.6%가 AI 고노출 업종에서 발생한 반면, 50대 일자리는 20만9000개 늘었고 그중 69.9%가 AI 고노출 업종에서 증가했다</cite>는 국내 연구를 소개했다. 이른바 '주니어 채용 축소' 현상이다.

사회적 반응도 이 지점에서 갈린다. 노동계는 자동화 설비 도입 과정에서 고용 영향에 대한 사전 협의와 전환배치 원칙이 필요하다는 입장을 지속적으로 제기해 왔다. 경영계는 인력 부족과 국제 경쟁을 이유로 기술 도입 속도를 늦추기 어렵다며, 규제보다 훈련 인프라 확충이 우선이라고 강조한다. 학계에서는 두 진영 모두가 인용하는 통계가 '가능성 지표'와 '실현된 고용 변화'를 뒤섞어 쓰는 경향을 경계해야 한다는 지적이 나온다.

결국 현재의 고용 둔화를 'AI가 일자리를 없앴다'는 단일 인과로 환원하기에는 근거가 충분하지 않다. 동시에 특정 직무의 채용 수요가 구조적으로 줄고 있다는 신호를 무시할 근거도 없다.

검침원은 어디로 가나…'직업'이 아니라 '보유 역량'이 기준

정책 목표는 'AI로부터 기존 일자리를 지키는 것'이 아니라, AI가 바꾼 업무 가운데 사람이 맡아야 할 일을 다시 설계하고 근로자를 그 직무로 이동시키는 것이어야 한다. 그러려면 "AI를 배우라"는 추상적 주문에서 벗어나 구체적 경로를 제시해야 한다.

검침·가스 점검 종사자는 현장 경험을 자산으로 스마트계량기 운영·점검, 에너지 설비 안전관리, 시설관리, 전기·가스 설비 유지보수, IoT 기반 설비 모니터링으로 이동하는 경로를 설계할 수 있다. 주차관리원과 안내원은 무인정산기가 감당하기 어려운 시설 안전관리, 고객 민원 대응, 복합시설 운영지원, 보안·관제 보조, 교통약자 안내로 직무를 넓히는 방식이 현실적이다.

제조 조립·기계조작 근로자에게는 자동화 설비 운용, 품질검사, 장비 유지보수, 산업안전, 로봇 운영 보조로 숙련을 끌어올리는 사다리가 필요하다. 사무직과 텔레마케팅 종사자 역시 단순 입력과 반복 상담에 머무르기보다 AI를 활용한 고객관리, 데이터 검증, 복합 민원 해결, 영업지원, AI 결과물 검수처럼 판단과 책임이 요구되는 업무로의 이동이 한 방향이 될 수 있다.

물론 이 경로가 자동으로 열리지는 않는다. 실제 전직 가능성은 자격요건과 지역별 채용수요, 연령, 기존 경력에 따라 크게 달라진다. '유망직업 목록'을 제시하는 수준을 넘어, 개인별 보유 역량 → 부족 역량 → 필요 훈련 → 실제 채용기업으로 이어지는 연결 체계가 있어야 한다.

반복되는 충격, 사후 대책으로는 감당 못 한다

AI에 따른 고용 충격은 한 번의 사건이 아니라 기술이 고도화될 때마다 되풀이될 구조적 변화다. 대책도 사후 실업대책에서 예방적 직업전환 정책으로 옮겨가야 한다.

첫째, 조기경보 체계다. 직종별 AI·자동화 위험도를 주기적으로 측정해 채용 감소와 자동화 투자, 임금 변화가 동시에 나타나는 직업을 '전환 우선 직종'으로 관리할 필요가 있다. 특히 고졸 근로자와 영세사업장 종사자처럼 위험이 집중된 계층에는 훈련비만이 아니라 훈련기간 소득보전과 취업연계를 함께 설계해야 실효가 있다.

둘째, 기업의 사전 계획이다. 설비를 들인 뒤 잉여인력을 정리하는 방식이 아니라, 도입 이전 단계에서 직무전환 계획을 세우고 기존 근로자에게 새 업무를 우선 학습시키는 구조가 필요하다. 이는 규제이자 동시에 숙련 인력 유지 전략이기도 하다.

셋째, 교육 내용의 전환이다. 모든 근로자를 AI 개발자로 만드는 방식은 현실적이지 않다. 검침원에게 필요한 AI 역량과 마케팅 담당자에게 필요한 AI 역량은 다르다. 'AI 전문가 양성'과 함께 기존 직업 전문성에 AI 활용 능력을 얹는 '직무+AI' 교육이 병행돼야 한다.

정부도 이 방향으로 움직이고 있다. 고용노동부는 2026년 4월 16일 자신의 전문 분야에서 AI를 활용하는 'AI 워커' 직업훈련 시범사업을 발표했고, 4월 20일에는 AI 직업훈련 수강생을 위한 기초역량 가이드북 발간을 알렸다. 7월 8일에는 AI 엔지니어와 AI 앱 개발자를 양성하는 K-Digital Training AI 캠퍼스와 웹디자인·영상제작 등 기존 전문분야에 AI 활용을 결합하는 'AI 워커' 훈련 확대 방침을 밝혔다. 7월 27일에는 AI 기초부터 바이오·기계 등 산업별 AI 융합역량을 다루는 24개 온라인 교육과정 제공 계획을 내놨다.

관건은 규모와 속도다. 고위험 일자리 추정치가 923만 명인 상황에서 시범사업 수준의 훈련 정원이 충격을 흡수할 수 있느냐는 별개의 문제다.

문제는 '몇 개가 사라지느냐'가 아니다

AI 시대의 고용 문제를 '사람 대 기계'의 경쟁으로만 보면 답이 나오지 않는다.

고노출 직종의 채용공고가 5년 사이 10.9% 줄었고 전체 취업자의 약 3분의 1이 높은 대체 가능성을 가진 자리에서 일한다는 분석은, 이 변화가 먼 미래의 이야기가 아님을 보여준다. 그러나 동시에 고노출 직종 중에도 채용이 늘어난 직업이 있고, 최근 고용 둔화에는 인구구조 등 AI 이외의 요인도 작용한다. 'AI가 일자리를 빼앗는다'는 공포와 'AI가 새 일자리를 만들 테니 걱정할 것 없다'는 낙관론 모두 근거가 부족하기는 마찬가지다.

정책의 성패는 결국 속도의 문제다. 기술이 사람을 대체하는 속도보다 사람이 새로운 직무로 이동하는 속도를 더 빠르게 만들 수 있느냐다.

검침원이 스마트계량 설비 관리자로, 단순 조립원이 자동화 설비 운영·품질관리 인력으로, 반복 상담원이 AI를 활용해 고객 문제를 해결하는 인력으로 옮겨갈 수 있도록 교육과 자격, 기업의 채용을 하나의 경로로 이어야 한다.

AI 시대의 고용안전망은 실직한 사람에게 뒤늦게 기술을 가르치는 데서 끝나서는 안 된다. 어떤 업무가 먼저 줄어들지를 미리 찾아내고, 그 일을 하는 사람이 일자리를 잃기 전에 다음 직무로 건너가도록 돕는 것. 923만 명이라는 추정치가 우리 사회에 던지는 진짜 과제는 그것이다.