AI 때문에 사라진다는 일자리, 실제로 어떤 순서로 바뀌나요

"AI가 일자리를 없앤다"는 말이 놓치는 것

AI 때문에 사라질 직업 순위 같은 목록은 이미 많습니다. 그런데 그 목록들은 대체로 직업 단위로 이야기합니다. 실제로 벌어지는 변화는 직업이 통째로 사라지는 방식이 아니라, 직업을 구성하는 업무(task) 단위로 먼저 일어납니다.

한 사람의 일은 수십 개의 작은 업무로 쪼개져 있습니다. 회계 담당자라면 전표 입력, 대사 확인, 자료 취합, 이상 항목 판단, 보고, 관계 부서 조율 같은 것들이죠. AI가 잘하는 건 이 중 몇 개이지 전부가 아닙니다. 그래서 실제로는 이런 순서로 진행됩니다.

1. 특정 업무의 처리 시간이 줄어든다
2. 그 업무에 쓰던 인원이 다른 업무로 재배치된다
3. 남은 업무의 구성이 바뀌면서 요구되는 역량이 달라진다
4. 신규 채용 규모가 조정된다
5. 시간이 더 지나면 직무 정의 자체가 바뀐다

핵심은 4번입니다. 대체로 기존 인원을 해고하는 방식보다, 새로 뽑지 않는 방식으로 먼저 나타납니다. 그래서 이미 일하고 있는 사람보다 처음 취업하는 사람이 변화를 먼저 체감합니다.

어떤 업무가 먼저 영향을 받는가

업무의 성격을 기준으로 보면 대략 이렇게 갈립니다.

여기서 오해하기 쉬운 부분이 있습니다. "AI가 할 수 있다"와 "AI에게 맡긴다"는 다릅니다. 기술적으로 가능해도 책임 소재, 규제, 도입 비용, 조직의 관성 때문에 실제 도입은 훨씬 느립니다. 특히 틀렸을 때 손해가 큰 영역일수록 사람이 최종 확인을 계속 맡습니다.

없어지는 것보다 많이 생기는 변화

과거 기술 변화에서 반복된 패턴이 있습니다. 없어진 일자리는 눈에 잘 보이고, 새로 생긴 일자리는 이름이 없어서 잘 안 보인다는 것입니다.

현재 늘어나고 있는 쪽은 대략 이런 성격입니다.

• AI가 낸 결과를 검증하고 책임지는 역할
• AI를 업무 흐름에 끼워 넣는 설계 역할
• 데이터를 정리하고 품질을 관리하는 역할
• AI 도입에 따른 규정·리스크 관리 역할
• AI가 못 하거나 맡기지 않는 영역의 대면·현장 업무

이 중 상당수는 별도의 신규 채용이라기보다, 기존 직무에 얹히는 형태로 나타납니다. 마케터가 마케터인 채로 AI 도구를 다루게 되고, 인사 담당자가 인사 담당자인 채로 채용 과정의 AI 활용 기준을 만들게 되는 식입니다.

직군별로 체감이 다른 이유

같은 회사 안에서도 부서마다 온도차가 큽니다. 몇 가지 대표적인 경우를 보면 왜 그런지 짐작할 수 있습니다.

사무·관리 직군

문서 작업 비중이 높아 변화를 가장 먼저 체감합니다. 보고서 초안, 회의록 정리, 자료 취합처럼 형식이 정해진 일이 빠르게 줄어듭니다. 대신 정리된 자료를 근거로 무엇을 결정할지 제안하는 일의 비중이 커집니다.

개발 직군

코드 작성 속도는 확실히 빨라졌지만, 그만큼 검토·설계·통합의 비중이 늘었습니다. 만들 수 있는 양이 늘어나면 무엇을 만들지 정하는 일이 병목이 됩니다. 주니어에게는 진입 장벽이 낮아지는 동시에, 기본기 없이 통과하기 어려워지는 양면이 있습니다.

고객 응대 직군

단순 문의는 자동 응대로 넘어가고, 사람에게는 복잡하거나 감정이 얽힌 건만 남습니다. 건수는 줄지만 난도는 올라갑니다. 인원이 줄어도 남은 사람의 업무 강도가 낮아지지는 않는다는 뜻입니다.

현장·기술 직군

물리적 작업과 현장 변수 대응이 많아 변화가 느립니다. 다만 진단·점검 보조나 서류 작업 쪽에서는 영향이 나타납니다.

전문 직군(의료·법률·회계 등)

자료 조사와 초안 작성은 빠르게 바뀌지만, 최종 판단과 책임은 사람에게 남습니다. 규제와 자격 요건이 도입 속도를 늦추는 대표적인 영역입니다.

회사가 AI를 도입할 때 실제로 벌어지는 일

거창한 전사 프로젝트로 시작하는 경우는 드뭅니다. 대개 이런 순서를 밟습니다.

• 개인이 알아서 도구를 쓰기 시작한다 (보안 규정 없이)
• 회사가 그 사실을 알고 사용 가이드를 만든다
• 특정 팀에서 시범 도입한다
• 효과가 확인된 업무만 정식 프로세스에 들어간다
• 그 과정에서 직무 기술서와 채용 요건이 조정된다

지금 다니는 회사가 몇 번째 단계에 있는지 보면, 내게 변화가 언제 올지 대략 가늠할 수 있습니다. 아직 1단계라면 사내에서 먼저 정리하는 사람이 되는 것이 가장 확실한 포지션입니다.

그래서 지금 뭘 해야 하나

"AI를 배워야 한다"는 조언은 너무 막연합니다. 좀 더 실행 가능한 형태로 바꾸면 이렇습니다.

1) 내 일을 업무 단위로 쪼개 본다

일주일 동안 한 일을 20~30개 항목으로 적어보세요. 그리고 각 항목에 대해 "이걸 지금 AI에게 시키면 몇 % 정도 나올까"를 표시합니다. 80% 이상 나오는 항목이 많다면, 그 부분의 시간을 줄이고 다른 데 쓸 준비를 해야 한다는 신호입니다.

2) 검증하는 능력을 키운다

AI가 만든 결과물이 맞는지 판단하려면, 그 분야를 알아야 합니다. 역설적으로 AI를 잘 쓰는 사람일수록 도메인 지식이 더 중요해집니다. 틀린 답을 걸러내지 못하면 도구를 쓰는 의미가 없습니다.

3) 결과가 아니라 과정을 남긴다

산출물만 내는 사람은 대체되기 쉽고, 판단 근거와 맥락을 관리하는 사람은 남습니다. 왜 이렇게 결정했는지를 설명할 수 있는 위치로 옮겨가는 것이 안전합니다.

4) 도구보다 흐름을 익힌다

특정 서비스 사용법은 금방 바뀝니다. 대신 "어디까지 자동화하고 어디서 사람이 확인할 것인가"를 설계하는 감각은 오래 갑니다.

시기를 예측하려 하지 마세요

몇 년 안에 어떤 직업이 사라진다는 식의 예측은 대부분 빗나갑니다. 기술 발전 속도보다 제도, 책임, 조직 문화가 도입 속도를 결정하기 때문입니다. 규제가 강한 산업일수록 더 느리고, 실수 비용이 낮은 영역일수록 빠릅니다.

개인 입장에서 유효한 전략은 시점을 맞히는 게 아니라, 어느 방향으로 가든 손해가 적은 선택을 쌓는 것입니다. 도메인 지식을 깊게 하고, 도구를 실제로 써보고, 판단과 책임을 다루는 자리로 조금씩 이동하는 것. 이 세 가지는 AI가 빨리 오든 늦게 오든 손해가 아닙니다.

정리

• 변화는 직업이 아니라 업무 단위로 먼저 온다
• 해고보다 채용 축소로 먼저 나타나므로, 신규 진입자가 먼저 체감한다
• 기술적 가능성과 실제 도입 사이에는 책임·규제·비용이라는 시차가 있다
• 개인이 할 일은 예측이 아니라 검증 능력과 도메인 지식을 쌓는 것

산업별 도입 속도와 정책 방향은 계속 바뀌고 있습니다. 구체적인 통계나 정책 내용이 필요하다면 고용노동부, 관련 연구기관의 공식 자료에서 최신 기준을 확인하시기 바랍니다.

함께 읽으면 좋은 글

• AI 규제가 강해지면 내 업무는 어떻게 바뀌나요
• AGI가 온다는 말, 지금 기술 수준에서 뭘 의미하나요
• AI 도구와 데이터 분석: 활용 가이드
• 2026년 이직 준비를 위한 필독서 BEST 10