현재 가장 믿을 만한 데이터는 AI의 영향을 가장 크게 받는 직종에서 첫 직장을 구하기가 더 어려워지고 있으며, 그 타격이 해고가 아니라 채용 공고 감소로 나타난다고 말합니다. 수백만 건의 급여 기록을 추적한 Stanford 연구에 따르면, AI 노출도가 가장 높은 직종의 22~25세 근로자 고용 수준은 노출도가 낮은 또래와 같은 흐름을 따랐을 때보다 19% 낮습니다(Stanford Digital Economy Lab). 같은 직종의 26세 이상 근로자에게서는 이에 견줄 만한 격차가 나타나지 않습니다.
그렇다고 "AI가 모든 일자리를 빼앗고 있다"는 뜻은 아닙니다. 저자들 스스로 이 수치를 초기 단계의 기술적(descriptive) 결과라고 말하고, 다른 연구자들은 경제 전반의 충격이 없다고 보며, 일부 추세는 ChatGPT 이전에 이미 시작되었습니다. 그래도 미국인들은 불안을 느끼는 듯합니다. AP-NORC 여론조사에서 64%가 AI가 너무 빠르게 발전하고 있다고 답했습니다(AP).
이 글에서는 신뢰할 만한 연구가 무엇을 말하는지, 어디서 의견이 갈리는지, 어떤 직무의 노출도가 가장 높은지, 그리고 주니어와 채용 담당자가 무엇을 할 수 있는지 정리합니다. 아래 수치는 모두 올해 직접 열어본 출처에서 가져왔고, 매번 출처를 밝혔습니다.
이 네 수치는 방법론이 다른 세 연구에서 나온 것이므로 단순히 더하면 안 됩니다. 하나의 패턴을 서로 다른 각도에서 본 것으로 읽으시기 바랍니다. AI가 초안 작성을 가장 잘하는 직무일수록 신입 채용이 줄어든다는 패턴입니다.
Stanford 연구가 밝힌 내용
이 연구의 제목은 "Canaries in the Coal Mine?"이며, Stanford Digital Economy Lab 연구진이 2025년에 처음 발표했습니다. 최신 개정판은 2026년까지의 ADP 급여 데이터를 사용했고, 첫 발표 이후 격차가 꾸준히 벌어졌다고 밝힙니다(Stanford). 연구진은 이 결과를 인과 추정이 아니라 "초기의 기술적 지표"라고 표현합니다.
격차는 뚜렷합니다. 2022년 말부터 2026년까지 22~25세 고용은 AI 노출도가 가장 높은 두 개 5분위 직종에서 11% 감소했고, 노출도가 가장 낮은 세 개 5분위 직종에서는 10% 늘었습니다(Stanford update). 26세 이상 근로자에게서는 비슷한 격차가 나타나지 않으며, 연구는 이 효과가 이직·퇴직 증가보다는 젊은 근로자 채용 감소를 통해 나타난다고 설명합니다.
막대를 보면 헤드라인 격차가 어느 한쪽 수치보다 큰 이유를 알 수 있습니다. 한 집단은 뒤처지고 다른 집단은 앞서 나갔기 때문에, 둘 사이의 거리는 11% 하락폭보다 넓습니다.
저자들은 하나의 메커니즘을 제시합니다. 젊은 근로자는 교실에서 배우고 문서에 적힌 형식지(codified knowledge)를 가져오는데, AI는 바로 이런 지식을 잘 복제합니다. 경력자는 수년간 몸에 익힌 암묵지에 의존합니다. 연구에 따르면 AI가 노동을 대체하는 곳에서는 고용이 집중적으로 감소하고, AI가 노동을 보완하는 곳에서는 고용이 일정하거나 늘어납니다(Stanford). 한 가지 검증으로 유력한 경쟁 가설도 배제되었습니다. AI 노출도가 높은 직종은 평균적으로 다른 직종보다 금리에 덜 민감하며, 연구진은 금리 변화가 신입 고용 감소를 설명한다는 주장에 "강한 근거를 찾지 못했다"고 말합니다(Stanford on interest rates).
같은 방향을 가리키는 다른 데이터
Anthropic의 경제학자들은 다른 경로로 비슷한 결론에 도달했습니다. 2026년 논문은 언어 모델이 할 수 있는 일과 사람들이 실제로 업무에서 Claude를 쓰는 방식을 결합한 "관측 노출도(observed exposure)" 지표를 만들었습니다. 컴퓨터 프로그래머가 업무 커버리지 75%로 1위이고, 데이터 입력 사무원이 67%로 뒤를 잇습니다. 논문은 ChatGPT 출시 이후 노출 직종의 22~25세 구직 성공률이 14% 감소했다고 보고하면서도, 통계적 유의성은 간신히 확보한 수준이라고 밝힙니다(Anthropic).
Indeed의 Hiring Lab은 채용 공고를 분석했습니다. 노출도가 가장 높은 직종(소프트웨어 개발, IT 지원, 데이터·분석, 마케팅, 금융)에서 신입 공고 비중은 2021년부터 2026년 사이 29%에서 10%로 떨어졌고, 시니어 비중은 22%에서 47%로 올랐습니다(Indeed Hiring Lab). 같은 분석에서 공고 임금은 노출 직종이 2021년 이후 46% 올라 노출도가 가장 낮은 직종의 25%보다 빠르게 상승했지만, 이 프리미엄은 거의 전부 경력직 몫입니다.
이 점들은 AI의 혜택을 가장 많이 보는 사람이 이미 그 일을 아는 사람이라는 점을 보여줍니다. 노출 직종의 신입 공고는 저노출 직종보다 임금이 2%p 더 오르고, 중간급은 12%p, 시니어는 17%p 더 오릅니다. Indeed는 AI가 "대체재라기보다 숙련 근로자의 보완재 역할을 해왔다"고 스스로 요약합니다.
LinkedIn 데이터는 좀 더 넓은 차원에서 이 그림과 맞아떨어집니다. 2026 졸업생 가이드에 따르면 미국 신입 근로자의 계절 조정 채용률은 겨울 분기에 전년 같은 기간보다 6% 떨어졌고, 기업들이 AI 역량을 찾는데도 많은 학생이 AI가 일상 업무에 어떻게 녹아드는지 거의 경험하지 못한 채 졸업합니다(LinkedIn).
근거가 엇갈리는 지점
회의론자들의 주장부터 보겠습니다. 이들에게도 실제 데이터가 있습니다. Yale Budget Lab은 직업 구성이 어떻게 변하는지, 사람들이 실업 상태로 얼마나 오래 머무는지 추적합니다. 이 보고서는 AI와 일자리에 대한 불안이 널리 퍼져 있지만 "우리 데이터로 볼 때 이는 여전히 대체로 추측에 불과하다"고 말하고, 상임이사 Martha Gimbel은 Fortune에 현재로서는 거시경제에 큰 영향이 없다고 말했습니다. 같은 Fortune 기사는 Challenger, Gray & Christmas 데이터를 사용한 Oxford Economics의 분석을 인용합니다. 2025년 처음 11개월간 발표된 미국 감원 중 AI 때문이라고 한 것은 약 5만 5,000건으로, 전체의 4.5%에 불과했습니다. 기사는 다른 이유로 인한 감원을 기업이 AI 탓으로 돌리는 "AI 워싱(AI washing)"의 가능성도 제기합니다(Fortune).
Anthropic의 논문도 큰 그림에서는 동의합니다. 2022년 말 이후 노출도가 높은 근로자의 실업률이 체계적으로 상승한 흔적은 없습니다. 저자들은 젊은 근로자의 채용 둔화를 실업보다 채용에서 먼저 나타나는 조기 경보로 설명합니다(Anthropic).
Stanford 연구 안에도 단서가 있습니다. 이 효과는 전국 설문 기준치보다 ADP 표본에서 더 뚜렷하고, 학력을 통제하면 줄어들며, 격차의 일부는 생성형 AI가 본격화되기 전에 시작되었습니다(Stanford).
졸업생에 관한 최신 수치도 파국적이지는 않습니다. New York Fed의 최신 수치에서 최근 졸업생(22~27세)의 실업률은 약 5.6%이고, 불완전 고용률은 42%로 소폭 오르고 있습니다(New York Fed).
경제학자들의 시각도 움직이고 있습니다. Indeed의 최신 분기별 경제학자 설문에서 대졸 근로자에 대한 AI 대체 위험의 확산지수는 55.6이었고(50을 넘으면 위험 증가를 뜻합니다), 패널의 45%는 AI의 순고용 효과를 소폭 부정적이라고 답했습니다. 패널은 행정 지원과 소프트웨어 개발에서 가장 큰 감소가 나타날 것으로 예상했습니다(Indeed Hiring Lab).
여론은 데이터보다 앞서 달리고 있습니다. 성인 2,140명을 대상으로 한 AP-NORC 조사에서 27%는 AI가 적당한 속도로 발전하고 있다고, 8%는 너무 느리다고 답했으며, 약 10명 중 8명은 정부가 AI를 인간의 통제 아래 두는 것이 매우 또는 대단히 중요하다고 답했습니다(AP). 일자리에 대한 걱정도 그 일부입니다. 걱정이 대체의 증거는 아니지만, 젊은 층과 부모가 취업 시장을 바라보는 방식에는 영향을 줍니다.
다음 세 가지가 나타나면 우리의 판단도 달라질 것입니다. 노출 직종 젊은 근로자의 실업률 상승(채용 둔화가 일자리 상실로 번지고 있다는 뜻입니다), 노출 직종 신입 공고의 회복, 또는 2026년 채용 데이터가 더 쌓인 뒤 Stanford가 보고한 격차의 축소입니다. 이 중 하나가 나타나기 전까지는 위에서 말씀드린 신중한 입장이 맞습니다.
우리의 판단은 이렇습니다. AI가 일부 직종에서 사다리의 맨 아래 칸을 조용히 깎아내고 있다는 주장은 근거가 충분합니다. AI가 전반적인 일자리 붕괴를 일으키고 있다는 주장은 그렇지 않습니다. 데이터가 원인까지 확정해 준다고 말하는 사람은 연구보다 앞서 나가는 것입니다.
노출도가 가장 높은 직무와 가장 낮은 직무
노출도는 산업이 아니라 업무 단위로 결정됩니다. Anthropic의 업무 커버리지 상위 직종은 프로그래머, 고객 서비스 담당자, 데이터 입력 사무원 순입니다. 반대편 끝에서는 근로자의 약 30%가 데이터상 커버리지가 0이며, 요리사, 오토바이 정비사, 인명구조원, 바텐더, 설거지 담당자 등이 여기에 속합니다(Anthropic).
아래 그림은 흔한 신입 직무를 두 가지 질문에 따라 배치한 편집부 나름의 분류입니다. 업무가 얼마나 반복적이고 문서화되어 있는지, 그리고 그 업무를 처리하는 데 AI가 얼마나 쓰이는지입니다. 측정값이 아니라 판단을 돕는 도구이므로, 본인 경험과 맞지 않는 점은 직접 옮겨 보시기 바랍니다.
오른쪽 위 군집은 이미 사회초년생 채용이 줄어든 영역입니다. 마케팅과 금융은 중간에 있으며, Indeed의 공고 데이터는 두 직종을 모두 노출도가 가장 높은 그룹에 넣습니다. 왼쪽 아래 직무는 손, 현장 존재감, 실시간 판단에 의존하기 때문에 노출 데이터에 거의 잡히지 않습니다.
한 가지 짚을 점이 있습니다. 노출도가 낮다고 해서 보수가 높거나 전망이 좋다는 뜻은 아닙니다. Anthropic에 따르면 노출도가 높은 근로자는 평균 47% 더 많이 벌기도 하므로, 압박을 받는 직무는 사람들이 가장 공들여 준비해서 들어간 직무인 경우가 많습니다. 두려움이 아니라 적성을 기준으로 길을 고르시기 바랍니다.
압박이 해고가 아니라 채용에 나타나는 이유
회사가 주니어를 모델로 대체했다고 발표하는 일은 거의 없습니다. 그냥 채용 요청서를 열지 않을 뿐입니다. AI 도구로 괜찮은 초안을 얻을 수 있는 시니어 엔지니어는 인력을 한 명 더 요청할 이유가 줄어들고, 충원될 예정이던 자리는 누구의 해고 통계에도 잡히지 않습니다.
장기적인 우려는 이 도표의 오른쪽에 있습니다. 신입 일자리는 늘 업무의 암묵적인 부분을 배우는 곳이었습니다. USC의 Georgios Petropoulos는 MIT Technology Review 기고문에서, 주니어 업무를 자동화하면 조직이 역량을 쌓는 방식이 훼손될 수 있다고 주장하며, 사회초년생 채용을 유지하기 위한 유급 co-op, 견습 제도, 기업 인센티브를 제안합니다(MIT Technology Review).
기업이 주니어에게 원하는 것
기업들은 AI 역량이 신입 직무 요건으로 빠르게 들어오고 있다고 말합니다. 기업을 대상으로 대학 졸업생 채용을 조사하는 NACE에 따르면, 이제 신입 일자리의 3분의 1 이상이 AI 역량을 요구하며 이는 가을 조사 때의 거의 세 배입니다. 기업의 28%는 AI를 쓸 줄 아는 사회초년생을 찾고 있고, 거의 60%는 인턴에게 AI 도구를 쓰는 프로젝트를 맡기고 있습니다(NACE).
학생들이 모두 따라가고 있는 것은 아닙니다. NACE의 2026 학생 설문에는 1만 7,000명 넘는 학생이 참여했는데, 졸업을 앞둔 4학년 중 31%는 AI 역량이 커리어에 거의 또는 전혀 중요하지 않다고 답했고, 40%는 매우 또는 대단히 중요하다고 답했으며, 50.5%는 아직 그 역량을 쌓고 있지 않았습니다(NACE).
이 막대들은 행동으로 옮길 만한 불일치를 보여줍니다. 기업은 인턴을 대상으로 AI 역량을 시험하고 있는데, 졸업을 앞둔 학생의 절반은 아직 시작도 하지 않았습니다. 한 가지 주의할 점은, 기업 수치가 응답하기로 한 185개 조직에서 나온 것이므로 전수조사가 아니라 방향성으로 받아들여야 한다는 것입니다. NACE 설문에서는 기업의 절반 넘게가 AI가 신입 업무를 줄이고 있지 않다고 답했고, AI가 일자리를 대체하는 문제를 논의했다는 곳은 11%뿐이었습니다.
주니어의 채용 경쟁력을 높이는 역량과 도구
NACE 조사 대상 기업이 설명하는 역량은 실무형입니다. 과제에 맞는 AI 도구를 고르고, 좋은 prompt를 쓰고, 결과물을 검토하고 수정하는 능력입니다(NACE). 신입 졸업생에게 모델을 학습시키라고 요구하는 곳은 없습니다. 모델을 쓰고 그 실수를 잡아낼 수 있는 사람을 원합니다. Petropoulos는 승리 공식을 AI 활용 능력에 도메인 전문성을 더한 것이라고 말합니다(MIT Technology Review).
앞으로 30일 동안 실천할 수 있는 순서를 정리했습니다.
- 목표 직무를 하나 정하고, 해당 직무의 최근 공고 열 개를 읽어보세요. 두 번 이상 나오는 도구와 업무를 기록해 둡니다.
- 범용 어시스턴트 두 가지를 제대로 익히세요. ChatGPT와 Claude가 가장 무난한 조합이며, 비교용으로 세 번째 선택지가 필요하다면 ChatGPT 대안 가이드가 도움이 됩니다.
- 실제 업무 하나에 AI를 쓰고 그 기록을 남기세요. 리서치 메모, 데이터 정리, 작은 앱 등 무엇이든 좋습니다. AI가 무엇을 틀렸고 그것을 어떻게 잡아냈는지 적어 두세요. 면접관이 기억하는 것은 바로 이 검증 경험입니다.
- 목표가 기술 직무라면 GitHub Copilot, Cursor, Claude Code 같은 코딩 어시스턴트로 연습하고, 직접 입력하지 않은 코드도 설명할 수 있게 준비하세요. AI 코딩 어시스턴트 순위에서 각 도구를 비교해 볼 수 있습니다.
- 목표가 글쓰기, 리서치, 운영이라면 Perplexity 같은 리서치 도구, Notion AI 같은 워크스페이스 어시스턴트, Grammarly 같은 편집 도구를 더하고, 실제 문서의 전후 비교를 보여주세요.
- 체계적인 강의를 하나 들어서 역량을 증빙으로 남기세요. Coursera의 Google Prompting Essentials나 AI For Everyone, 또는 LinkedIn Learning이 있습니다. 더 넓은 AI 학습 순위에서 더 많은 강의를 볼 수 있습니다.
- 지원서를 다듬으세요. AI 이력서 빌더 순위에 있는 Resume Worded 같은 이력서 도구와 면접 준비 순위에 있는 Interview Sidekick 같은 연습 상대가 도움이 됩니다. 단, 최종 문장은 본인의 것이어야 합니다.
강의만으로는 차별화되지 않습니다. 다른 사람들도 다 듣기 때문입니다. 차이를 만드는 것은 짧고 구체적인 포트폴리오와 AI를 어떻게 썼는지에 대한 솔직한 설명입니다. 구직 측면에 대해서는 구직자를 위한 AI 도구 가이드를 참고하세요.
진로를 정하기 전에, 목표로 하는 직무가 얼마나 노출되어 있는지 확인해 보세요. 아래 퀴즈는 위의 연구 결과를 다섯 가지 질문으로 정리한 것입니다.
결과는 예측이 아니라 생각해 볼 계기입니다. 점수가 높다고 해서 그 직무를 피하라는 뜻은 아닙니다. 더 강력한 실적 증빙과, AI 결과물을 감독할 수 있음을 보여줄 분명한 방법이 필요하다는 뜻입니다.
연구 결과에 부합하는 네 가지 커리어 전략
연구에서 논리적 근거가 있는 몇 가지 전략을 끌어낼 수 있습니다. 어느 것도 성공을 보장하지는 않습니다.
AI 비중이 높은 직무는 도구를 잘 감독한다는 것을 보여줄 수 있을 때 유효합니다. 기업이 채용 공고에 추가하고 있는 역량이 바로 그것이기 때문입니다. 현장 중심 분야는 일종의 헤지입니다. Anthropic 데이터에서 이런 직무의 커버리지가 가장 낮기 때문입니다. 소규모 팀은 주니어에게 더 넓은 업무 범위를 일찍 맡기는 경우가 많지만, 이에 대한 채용 데이터는 없으므로 합리적 추론에 근거한 베팅으로 보셔야 합니다. 실적 증빙은 세 가지 모두에 해당합니다. 프로젝트와 인턴십이 빈약한 이력서를 신뢰할 만한 이력서로 바꿔 줍니다.
가장 걱정해야 할 사람은 누구일까요? 소프트웨어 개발, 고객 지원, 데이터 입력을 표준 지원 경로로 노리면서 학위만 믿는 사람입니다. 조금 안심해도 되는 사람은 누구일까요? 물리적 현장 존재, 자격 면허, 지속적인 대인 접촉이 필요한 일을 향해 가는 사람입니다. 그런 사람도 기본 도구는 익혀야 합니다. NACE 수치가 요건이 퍼지고 있음을 보여주기 때문입니다.
주니어를 채용하는 입장이라면
이 연구는 관리자에게도 경고입니다. 주니어라는 사다리 칸이 사라지면 암묵지를 가진 미래의 시니어 공급도 함께 사라집니다. Indeed 데이터에서 노출 직무 공고의 시니어 비중은 이미 47%로 올랐는데, 그런 사람들도 어디선가는 나와야 합니다.
세 가지를 권합니다. 주니어 역할을 초안을 손으로 쓰는 일이 아니라 AI 결과물을 감독하고 예외를 처리하는 일 중심으로 재설계하세요. 모든 주니어에게 담당 시니어를 지정하고 첫 주부터 실제 리뷰 업무를 맡기세요. 그리고 실제로 쓰는 AI 역량을 명시해서 공고를 쓰세요. 모호한 요구는 좋은 지원자를 밀어냅니다. 기업의 거의 60%가 인턴에게 AI 기반 프로젝트를 맡긴다는 NACE의 조사 결과를 보면, 선도 기업에서는 이미 표준 관행이라고 할 수 있습니다.
자주 묻는 질문
AI가 정말 신입 일자리를 빼앗고 있나요?
일부 직종에서 채용을 줄이고 있지만, 그것이 사람을 해고한다는 뜻은 아닙니다. 가장 강력한 근거는 Stanford 급여 연구와 Indeed 공고 데이터이며, 둘 다 노출 직종에서 주니어 채용 공고가 줄었음을 보여줍니다. 우리가 읽은 어떤 출처도 전반적인 일자리 붕괴를 보여주지는 않습니다.
AI로부터 가장 안전한 신입 직무는 무엇인가요?
Anthropic 데이터에서는 요리사, 바텐더, 인명구조원처럼 물리적 현장 존재나 지속적인 대인 접촉이 필요한 직무의 노출도가 가장 낮습니다. 안전하다고 해서 보수가 좋다는 뜻은 아니므로 보수와 성장성도 함께 따져 보세요.
그래도 컴퓨터공학이나 회계를 공부해야 할까요?
근거를 보면 소프트웨어 및 관련 분야의 신입 채용은 약해졌지만, 그 역량이 쓸모없다는 뜻은 아닙니다. Stanford 저자들은 학력을 통제하면 효과가 줄어든다고 하고, 채용 둔화도 경력자보다 주니어에게서 더 컸습니다. 진입하신다면 AI를 활용한 프로젝트와 실제 인턴십 경험을 보여줄 계획을 세우세요.
기업은 신입 졸업생에게 실제로 AI 역량을 원하나요?
네, 그리고 그 비중은 늘고 있습니다. NACE에 따르면 이제 신입 일자리의 3분의 1 이상이 AI 역량을 요구하지만, 직무 기술서에 명시적으로 언급한 곳은 16.5%에 불과합니다. 요구되는 역량은 적합한 도구를 고르고, prompt를 잘 쓰고, 결과물을 검증하는 실무형 역량입니다.
졸업생 취업 시장이 부진한 이유가 AI인가요?
후보 중 하나입니다. Stanford 연구진은 금리를 검증한 결과 이 패턴을 설명하지 못한다고 밝혔고, 일부 추세는 생성형 AI가 본격화되기 전에 시작되었다고 말합니다. 단일 원인으로 설명하는 이야기는 의심해 보시기 바랍니다.