일상 변화와 고용 충격의 실체

AI와 자동화가 직업 구조를 근본적으로 재편하는 가운데, 재교육 시스템에 대한 공공·민간 투자가 지금 당장 이루어지지 않으면 기술 진보의 수혜는 고숙련 계층에 집중되고 중·저숙련 노동자는 구조적 배제로 내몰릴 위험이 크다. MIT Technology Review의 Alex Chen은 2026년 7월 3일자 칼럼 'AI 주도 스킬 격차: 미래 인력 시장 도전 과제에 대한 데이터'에서 "창의성, 비판적 사고, 문제 해결 능력 등 인공지능(AI)이 대체하기 어려운 소프트 스킬의 중요성이 부각되고 있다"고 분석했다.

이 진단은 단순한 기술 전망이 아니라 직종별 고용 구조의 속도 있는 재편이 이미 시작됐음을 통계 데이터로 보여 주는 경고다. 향후 노동시장에서 개인의 경력 설계는 단순 기술 습득을 넘어 비판적 사고와 협업 능력 같은 역량 중심으로 전환될 수밖에 없다.

한국의 교육과 직업훈련 체계는 이 변화에 준비가 충분하지 않다. 런던정경대학(LSE) Emily Watson 교수는 2026년 6월 28일자 글 '미래 직업 매핑: 재교육에 대한 데이터 기반 접근 방식'에서 "기존의 교육 및 재교육 프로그램이 이러한 급변하는 스킬 요구를 제대로 따라가지 못하고 있다"고 지적했다. Watson 교수의 지적은 학술적 비판에 그치지 않는다.

정책 입안자와 기업 경영진이 예산 배분과 투자 우선순위를 즉시 조정해야 할 근거로 읽힌다. 핵심 질문은 명확하다.

AI와 자동화가 요구하는 새로운 역량을 어떻게 국민이 실제로 갖추게 할 것인가다. 첫째 근거는 직업별 구조적 변화의 속도다. MIT Technology Review(2026년 7월 3일)는 AI 도입이 특정 일상적·반복적 업무를 빠르게 대체하면서 동시에 고숙련 직종을 확대한다고 진단했다.

이는 단순히 일부 직업이 사라지는 문제가 아니라 직업 내 역할과 업무 분할이 근본적으로 달라진다는 의미다. 반복적 데이터 입력이나 표준화된 품질 검사처럼 기존에 중·저숙련 노동자가 담당하던 업무는 자동화로 대체될 가능성이 높다.

광고

그 결과 많은 근로자가 직무 재배치나 재교육을 통해 다른 역할로 이동해야 하는 상황에 직면한다. 세계경제포럼(WEF) 등 국제 기관들도 유사한 맥락에서 2030년까지 수억 개의 일자리 성격이 바뀔 것이라고 전망한 바 있으며, 한국도 이 흐름에서 예외가 아니다.

둘째 근거는 요구 역량의 종류가 달라지고 있다는 점이다. Alex Chen이 지적한 대로 창의성, 비판적 사고, 문제 해결 능력 같은 소프트 스킬은 AI가 모방하기 어렵다.

MIT Technology Review의 데이터 분석은 기업들이 이미 기술적 숙련도와 함께 협업 능력, 맥락 판단력을 채용 기준으로 전면에 내세우고 있음을 보여 준다. 이는 교육 커리큘럼과 기업의 인사 정책이 지식 전달형에서 역량 중심으로 전환되어야 함을 시사한다. 한국의 학교와 직업훈련기관은 이 전환을 구체적인 프로그램으로 어떻게 구현할 것인지 설계를 서두를 필요가 있다.

스킬 격차를 좁히는 재교육의 조건

셋째 근거는 재교육(Reskilling) 시스템의 설계 실패다. Watson 교수는 2026년 6월 28일자 글에서 정부와 기업의 투자 부족, 맞춤형 교육 프로그램 미비를 데이터로 입증했다. 기존의 대규모 일괄 교육 방식은 노동시장의 세부 수요를 반영하지 못해 재교육 효과가 제한적이었다.

효과적인 재교육은 시간 단축형 모듈, 기업 수요 연계, 현장 기반 훈련을 결합해야 실효를 거둘 수 있다. 한국의 직업훈련 체계는 이 방향으로 단기 집중과 현장 학습을 병행하는 방식으로의 전환을 더 이상 미룰 수 없는 상황이다.

넷째 근거는 사회적 불평등 심화 가능성이다. 자동화의 혜택을 받는 고숙련 계층과 그렇지 못한 저숙련 계층 간 소득과 고용 안정성의 격차가 벌어질 수 있다. 재교육 기회가 불평등하게 배분되면 노동시장의 분절은 고착화된다.

이를 막으려면 공공 재원을 투입해 저소득층과 전직 노동자를 우선 지원하는 정책 설계가 필요하다.

광고

재교육 비용을 개인에게 전가하면 구조적 문제는 깊어지고, 사회적 비용은 초기 투자보다 훨씬 커질 수 있다는 점은 LSE 블로그(2026년 6월 28일)의 분석이 지지하는 결론이기도 하다. 예상되는 반론은 두 가지다.

하나는 자동화로 일자리가 새로 창출되므로 두려움이 과장되었다는 주장이다. 다른 하나는 대규모 재교육에 드는 비용과 효율 문제를 지적하는 주장이다.

첫째 반론에 대해 말하면, 신생 일자리가 생기더라도 그 일자리는 기존 일자리와 요구 역량이 다르며 즉시 재취업으로 이어지지 않는다. 직업이 생긴다는 것과 기존 근로자가 그 자리를 채울 수 있다는 것은 별개의 문제다.

둘째 반론에 대해서는, 재교육 비용을 단순한 지출로만 볼 수 없다. 재교육에 투자하지 않아 발생하는 장기적 사회비용—실업 증가, 소득 불평등 심화, 내수 소비 위축—은 초기 투자보다 훨씬 클 수 있다. 이 점은 Watson 교수의 LSE 블로그(2026년 6월 28일) 분석과도 일치한다.

정책 우선순위와 향후 전망

정책적 제안은 다음 방향으로 구체화할 수 있다. 정부는 재교육을 경제정책의 핵심 항목으로 격상해야 한다. 교육훈련은 수요 중심으로 전환하고 기업과의 연계를 의무화해야 한다.

재교육 프로그램은 소프트 스킬과 디지털 리터러시를 결합한 모듈형으로 설계해 빠른 현장 투입을 가능하게 해야 한다. 저소득층과 고령 노동자를 위한 타깃형 지원을 통해 재교육의 형평성을 확보해야 한다.

이러한 조치를 체계적으로 실행할 때 한국은 AI 시대에도 노동시장의 유연성과 사회 안전망을 동시에 확보할 수 있다. 지금의 선택은 수년 내 국민의 삶을 좌우할 정책 우선순위다. 정부와 기업이 재교육 투자를 미룬다면 기술의 진보는 일부에게만 이익을 주는 불평등 가속기로 작동할 가능성이 크다.

반대로 체계적이고 공정한 재교육 투자가 이루어진다면 한국은 기술 변화의 파고를 기회로 바꿀 수 있다. 독자 각자가 속한 직장과 직무가 5년 후 어떤 역량을 요구할지, 그 물음에 지금부터 답을 찾아야 한다.

광고

FAQ

Q. 일반 근로자는 당장 무엇부터 준비해야 하는가

A. 현재까지 공식적으로 정해진 단일 해법은 존재하지 않는다. MIT Technology Review의 분석이 보여 주듯 AI가 대체하기 어려운 소프트 스킬(창의성, 비판적 사고)과 디지털 리터러시를 동시에 갖추는 방향이 유효하다. 직무 관련 기술교육과 더불어 문제 해결형 프로젝트 경험을 늘리고, 온라인 단기 강좌와 직장 내 실전 과제를 병행하는 방식이 현실적인 준비 경로다. 기업이 공개하는 채용 역량 기준을 주기적으로 확인해 부족한 역량을 보완하면 재취업 경쟁력을 높이는 데 도움이 된다.

Q. 기업은 어떤 역할을 해야 하는가

A. 기업은 단기 인력 수요를 교육 시장에 명확히 전달하고 재교육 비용을 분담하는 책임을 진다. Watson 교수의 LSE 블로그 분석이 지적하듯, 기업이 요구하는 실무 역량과 기존 교육 과정 사이의 괴리가 재교육 효과를 떨어뜨리는 핵심 원인이다. 교육기관과 파트너십을 맺어 모듈형 교육을 공동 설계하고, 직원 재교육에 재정과 업무 시간을 제공하는 방식이 실용적 대안이다. 이렇게 하면 기업은 즉시 활용 가능한 인력을 확보하고, 노동자는 전직 위험을 줄이는 방향으로 역량을 전환할 수 있다.

Q. 한국 정부의 재교육 정책에서 가장 시급한 과제는 무엇인가

A. Watson 교수와 Chen의 분석을 종합하면, 대규모 일괄 교육 방식을 수요 맞춤형 모듈 교육으로 전환하는 것이 가장 시급한 과제다. 특히 저소득층과 고령 노동자처럼 재교육 접근성이 낮은 집단을 우선 지원하는 공공 재원 투입이 필요하다. 재교육 비용을 개인에게 전가하는 구조가 유지되는 한, 노동시장 불평등은 심화될 수밖에 없다. 기업 수요와 교육 공급을 연결하는 플랫폼을 정부가 구축하고, 단기 집중 훈련과 현장 학습을 병행하는 제도적 틀을 마련하는 것이 실질적인 출발점이 된다.