
AI 시대에 살아남을 직업
노트에는 'AI 시대에 살아남을 직업'이라고만 적혀 있었다. 자기 일을 에이전트에게 다 맡기고 나니 할 일이 없다는 옛 동료들의 이야기에서 출발해, 지금 실제로 무엇이 대체되고 있는지를 기업 사례와 2026년 연구로 살핀다. 이어 불안을 파는 시장, 러다이트에서 전화 교환원·ATM·스프레드시트·영상의학과까지 200년 동안 되풀이된 '기계가 일을 가져간다'는 예언과 그 결과를 따라가고, 에이전트에게 실제 일을 통째로 맡긴 시험들의 성적을 본다. 결론은 직업이 아니라 과업이 넘어간다는 것, 그리고 현장에 들어가 AI로 문제를 푸는 사람과 새로운 것을 만드는 사람은 여전히 사람이 훨씬 잘한다는 것이다. 내 일을 과업으로 쪼개 에이전트 몫을 셈해 보는 놀이판, 없어진다던 직업 14가지의 예언과 실제, 새로 생긴 일의 기록도 넣었다. 오늘의 한 페이지 서른한 번째 글.

오늘 펼친 노트에는 짧게 이렇게만 적혀 있었다.
AI 시대에 살아남을 직업.
요즘 예전에 같이 일하던 친구들을 만나면 비슷한 이야기를 자주 듣는다. 자기가 하던 일을 대부분 AI 에이전트에게 맡겨 버렸더니 정작 할 일이 없다는 것이다. 보고서 초안은 에이전트가 쓰고, 회의록은 저절로 정리되고, 코드는 에이전트가 짜서 테스트까지 돌려 놓는다. 사람은 결과물을 훑어보고 승인 버튼을 누른다. 처음에는 자랑처럼 들렸는데 몇 번 듣다 보니 그 말 끝에 불안이 묻어 있었다. 이렇게 할 일이 없으면 회사가 나를 언제까지 쓸까.
기사와 영상도 같은 이야기를 한다. AGI에 거의 다 왔다는 모델이 몇 달마다 새로 나오고, 그때마다 사라질 직업 목록이 따라 나온다. 그 불안을 상품으로 파는 사람도 늘었다. 'AI가 당신의 직업을 빼앗기 전에'로 시작하는 강의와 전자책이 피드에 끝없이 올라온다.
그런데 내가 일하는 현장에서 보는 풍경은 조금 다르다. AI를 들여와 실제 문제를 푸는 일은 여전히 사람이 붙어 있어야 굴러간다. 아주 새로운 것을 만들어 내는 일도 아직은 사람이 훨씬 잘한다. 오늘은 이 두 풍경 사이를 숫자와 사례로 메워 보려고 한다.
할 일이 없어졌다는 사람들
친구들의 이야기가 혼자만의 경험은 아니다. 앤트로픽은 클로드가 실제로 어떤 일에 쓰이는지를 대화 기록에서 뽑아 「경제 지수」라는 보고서로 낸다. 2025년 2월 첫 보고서에서는 사람이 AI와 주고받으며 같이 일하는 '증강'이 57%, 일을 통째로 맡기는 '자동화'가 43%였다. 그해 9월 보고서에서는 '맡기고 끝내는' 지시형 대화가 39%까지 올라 처음으로 자동화가 증강을 앞섰고, 기업이 API로 붙여 쓰는 대화는 77%가 자동화 패턴이었다. 2026년 1월 보고서에서 지시형은 32%로 다시 내려갔다. 사람들은 맡겨 보고, 물러서고, 다시 맡기기를 되풀이하고 있다.
회사들의 선언은 더 과감하다. 2024년 2월 스웨덴 핀테크 회사 클라르나는 AI 비서가 첫 달에 상담 230만 건, 전체 채팅의 3분의 2를 처리했고 상담원 700명 몫의 일을 했다고 발표했다. 2025년 4월 쇼피파이의 토비 뤼트케 CEO는 사람을 더 뽑아 달라고 하기 전에 AI로는 왜 안 되는지부터 보이라는 메모를 돌렸다. 같은 달 듀오링고는 'AI 먼저'를 선언하며 계약직이 하던 일을 AI로 바꾸겠다고 했다. 세일즈포스의 마크 베니오프는 2025년 9월 고객 지원 인력을 약 9,000명에서 5,000명으로 줄였다며 "머리가 덜 필요하다"고 말했다. 2026년 2월에는 블록의 잭 도시가 직원 4,000여 명, 약 40%를 줄이면서 회사가 어려워서가 아니라 AI 때문이라고 했고, 그날 주가는 최대 24% 올랐다고 보도됐다.
하지만 같은 회사들의 다음 장면도 봐야 한다. 클라르나의 700명은 해고 인원이 아니라 업무량을 사람 수로 환산한 숫자였다. 그리고 2025년 5월 시에미아트코프스키 CEO는 블룸버그 인터뷰에서 비용이 너무 지배적인 기준이었고 결과는 품질 저하였다며 사람 상담원을 다시 뽑기 시작했다. 듀오링고는 반발이 커지자 정규직 해고는 없었다고 해명했다. IBM의 아르빈드 크리슈나 CEO는 2025년 5월 AI 에이전트가 인사 업무 수백 명분을 대신했지만 전체 직원은 오히려 늘었고, 아낀 돈으로 개발자와 영업 인력을 뽑았다고 했다.
지금 보이는 신호, 두 갈래
그래서 지금 실제로 무슨 일이 일어나고 있느냐고 물으면 답이 둘로 갈린다. 어느 쪽 숫자를 고르느냐에 따라 정반대 기사를 쓸 수 있다.

먼저 대체 쪽이다. 가장 많이 인용되는 연구는 스탠퍼드 디지털경제연구소의 「탄광 속 카나리아」다. 미국 최대 급여 대행사 ADP의 급여 자료로 직종별 고용을 따라가 보니, AI에 많이 노출된 직종에서 22~25세 고용이 덜 노출된 직종의 추세보다 크게 낮았다. 2025년 8월 원판에서 13%였던 격차는 2026년 6월까지의 자료를 넣은 8월 개정판에서 19%로 커졌다. 경력자에게는 이런 격차가 없었고, 줄어든 방식도 해고가 아니라 신입을 덜 뽑는 쪽이었다. AI가 일을 거드는 직종보다 일을 통째로 맡는 직종에 감소가 몰려 있었다.
한국도 방향이 같다. 보도에 따르면 한국은행은 2026년 8월 이슈노트에서 2022년 6월부터 2026년 6월까지 15~29세 일자리가 28만 5천 개 줄었고, 그중 94%가 AI 고노출 업종에서 나왔다고 분석했다. 같은 기간 50대 일자리는 23만 개 늘었다. 정보서비스업은 청년 일자리가 31.4%, 출판업은 27.4% 줄었다. 다만 한국은행은 AI가 혼자 만든 변화라기보다, 이미 진행되던 경력직 선호를 AI가 앞당겼다고 해석했다. 채용 플랫폼 진학사 캐치의 집계로는 대기업 정규직 신입 공고가 2025년 1~11월 3,741건에서 2026년 같은 기간 2,145건으로 43% 줄었고, IT·통신 분야는 67% 줄었다.
반대쪽 숫자도 만만치 않다. 예일대 버짓랩은 챗GPT가 나온 뒤 직종 구성, AI 사용량, 이중차분 분석을 번갈아 돌려 왔는데, 2026년 10월 갱신까지도 경제 전체에서 AI의 흔적은 뚜렷하지 않다고 본다. 5월 분석에서는 고용과 실질임금에 대한 효과가 0과 구분되지 않았다. 해고 통계도 해석이 갈린다. 미국 재취업 컨설팅 회사 챌린저의 집계로 2026년 1~7월 해고 가운데 회사가 AI를 사유로 든 것이 약 24%였고, AI는 다섯 달 연속 해고 사유 1위였다. 그런데 이것은 회사가 밝힌 사유다. 옥스퍼드 이코노믹스는 2025년 1~11월 AI 사유 해고가 전체의 4.5%로 경기·시장 사유의 4분의 1에도 못 미쳤고, 정말 AI가 사람을 대거 대신했다면 생산성이 빨라져야 하는데 오히려 둔화됐다고 지적했다. 수요가 줄었다거나 팬데믹 때 너무 많이 뽑았다고 말하는 것보다 AI 때문이라고 말하는 편이 투자자에게 좋게 들린다는 것이다. 이런 걸 'AI 워싱'이라고 부른다. 오픈AI의 샘 올트먼도 2026년 2월 인도에서 어차피 했을 해고를 AI 탓으로 돌리는 경우가 있다고 인정했다.
되돌림도 늘었다. 컨설팅 회사 오그뷰가 2025년 9월 임원 1,000명에게 물었더니, AI를 이유로 사람을 줄인 조직의 55%가 잘못된 결정이었다고 답했고 32%는 다시 채용했다.
두 갈래를 함께 놓으면 그림이 조금 선명해진다. 경제 전체가 무너지고 있지는 않다. 하지만 사회에 막 들어서는 사람들이 밟던 첫 계단은 실제로 좁아지고 있다. 나는 이 두 번째 사실을 가볍게 넘기고 싶지 않다. 이 이야기는 끝에서 다시 꺼내겠다.
불안을 파는 사람들
불안이 크면 그것을 파는 시장이 생긴다. 가장 큰 목소리는 AI 회사 자신에게서 나온다. 앤트로픽의 다리오 아모데이는 2025년 5월 미국 매체 액시오스와의 인터뷰에서 AI가 1~5년 안에 초급 사무직의 절반을 없애고 실업률을 10~20%로 올릴 수 있다고 경고했다. 이 말은 흔히 '5년 안에 사무직 절반이 사라진다'로 줄어 돌아다니는데, 원래 문장에는 '초급', '1~5년', '할 수 있다'가 붙어 있었다. 엔비디아의 젠슨 황은 한 달 뒤 파리에서 그의 말에 "거의 전부 동의하지 않는다"고 받아쳤다. 일론 머스크는 2024년 5월 같은 행사에서 "아마 우리 중 누구도 직업이 없게 될 것"이라고 했다. 날짜가 없는 예언이라 맞았는지 따질 방법도 없다. 아모데이는 1년 뒤인 2026년 5월 뉴욕에서 제이피모건의 제이미 다이먼과 같은 무대에 올라, 일의 90%를 자동화하면 모두가 나머지 10%를 하게 되고 그 10%가 하는 일의 전부가 될 수 있다며 결이 다른 이야기를 했다.
기술을 만드는 회사가 그 기술이 무섭다고 말할 때는 한 번 더 생각해 볼 필요가 있다. 위협이 크다는 말은 그만큼 기술이 강력하다는 광고이기도 하다.
그 아래층에는 불안을 강의로 바꾸는 시장이 있다. 구조는 대개 같다. 먼저 AI가 당신의 직업을 빼앗는다고 겁을 준다. 다음으로 AI를 쓰는 사람이 쓰지 않는 사람을 대체한다며 해법을 하나로 좁힌다. 마지막으로 그 해법을 유료 강의와 전자책, 일대일 코칭으로 판다. 공포와 해답을 같은 사람이 판다. 한국소비자원에 들어온 '온라인 부업 강의' 피해구제 신청은 2024년 11건에서 2025년 42건으로 네 배 가까이 늘었다. AI 강의만 따로 센 통계는 아니지만, 결제액은 100만~400만 원이 89.8%였고 해결된 것은 33.9%뿐이었다. 공정거래위원회는 지금 AI가 거의 없거나 보조 수준인데도 AI를 내세우는 광고를 'AI 워싱'으로 규정하는 표시·광고 가이드라인 초안에 대해 11월 11일까지 의견을 받고 있다.
200년 동안 되풀이된 예언
기계가 사람의 일을 가져간다는 말은 새롭지 않다. 오히려 산업 사회에서 가장 오래된 이야기 가운데 하나다.

1811년부터 영국 중부의 직공들은 밤마다 모여 양말 짜는 틀과 방직기를 부쉈다. 가상의 지도자 '네드 러드'의 이름을 따서 러다이트라고 불렸다. 흔히 기계를 미워한 사람들로 기억되지만, 그들은 임금을 깎거나 값싼 견습공을 쓰는 특정 고용주의 기계를 골라 부쉈다. 기계 자체보다 기계를 핑계로 한 임금 인하와 싸운 것이다. 영국 의회는 1812년 틀을 부수면 사형까지 할 수 있게 법을 고쳤고, 이듬해 요크 재판에서 여럿이 처형됐다. 숙련 직공 개인은 실제로 몰락했다. 기계는 멈추지 않았고 섬유 산업은 더 커졌다.
1930년 존 메이너드 케인스는 「손주 세대의 경제적 가능성」에서 '기술적 실업'이라는 말을 썼다. 일을 아끼는 기술이 새 일을 찾는 속도보다 빨라서 생기는 실업이다. 이 글은 경고문으로 자주 인용되지만, 케인스는 이를 일시적인 부적응으로 보고 100년 뒤 손주들은 주 15시간만 일해도 풍요롭게 살 것이라고 내다봤다. 생활 수준은 대체로 그의 예상대로 올랐고, 노동 시간은 예상만큼 줄지 않았다. 2030년까지 4년 남았다.
1964년 3월에는 노벨상 수상자 라이너스 폴링 등이 서명한 「삼중 혁명」이라는 메모가 린든 존슨 대통령에게 전달됐다. 컴퓨터와 자동화가 대량 실업을 부를 테니 소득을 보장해야 한다는 내용이었다. 존슨은 그해 8월 자동화 위원회를 만들었고, 위원회는 1966년 보고서에서 기술은 일자리를 없애지만 일을 없애지는 않는다고 결론 냈다.

실제로 사라진 직업도 있다. 1920년대 초 미국 최대 고용주였던 AT&T는 직원의 절반 넘게가 전화 교환원이었다. 교환기가 자동으로 바뀌면서 이 일은 줄어들었고, 1978년 캘리포니아 산타카탈리나섬을 끝으로 AT&T의 수동 교환은 사라졌다. 경제학자 파이겐바움과 그로스가 2024년 발표한 연구에 따르면 당시 일하던 교환원들은 실제로 타격을 입었다. 나이 든 교환원일수록 다른 일을 찾지 못했다. 그런데 다음 세대의 젊은 여성들은 고용이 줄지 않았다. 비서와 사무원처럼 새로 늘어난 일자리로 옮겨 갔기 때문이다. 직업은 사라졌고 사람은 다른 곳으로 갔다. 그 사이에 낀 세대가 비용을 치렀다.
경제학자 제임스 베센은 1950년 미국 센서스에 실린 직업 270개를 따라가 봤다. 그중 자동화 때문에 완전히 사라진 직업은 엘리베이터 운전원 하나였다. 나머지 직업들도 일의 일부는 기계로 넘어갔지만, 직업 자체는 모양을 바꿔 남았다.
은행 창구는 자주 인용되는 사례인데 결말이 알려진 것과 조금 다르다. 1970년대부터 현금 자동 지급기가 퍼졌지만, 베센의 분석으로는 1988~2004년 미국 도시 지점 하나에 필요한 창구 직원이 20명에서 13명으로 줄어든 대신 지점 수가 43% 늘어 창구 직원 전체 수는 유지됐다. 지점 하나를 여는 비용이 싸지자 은행은 지점을 더 냈고, 창구 직원은 돈을 세는 사람에서 상품을 파는 사람이 됐다. 여기까지가 흔히 듣는 이야기다. 미국 창구 직원은 2007년 약 60만 명으로 정점을 찍은 뒤 모바일 뱅킹이 퍼지면서 줄어, 미국 노동통계국 기준 2025년 33만 9천 명이 됐고 앞으로 10년 동안 13% 더 줄 것으로 전망된다. ATM은 창구 직원을 줄이지 못했지만 휴대폰은 줄였다. 같은 일을 하는 기술이라도 일을 어떻게 다시 짜느냐에 따라 결과가 달라진다.

사무실도 같은 일을 겪었다. 100년 전 사무실에는 이렇게 넓은 타자실이 있었다. 미국에서 워드프로세서·타자 직종은 2023년 3만 7,200명이 남았다. 1979년에 스프레드시트 프로그램 비지캘크가 나왔을 때는 장부를 계산하던 사무원들이 끝났다는 말이 돌았다. 미국 공영 라디오 NPR의 「플래닛 머니」가 2015년 셈해 본 바로는 1980년 이후 부기·회계 사무원은 약 40만 명 줄었지만 회계사는 약 60만 명 늘었다. 계산이 싸지자 '이렇게 바꾸면 어떻게 될까'를 묻고 따지는 일이 늘었다.
AI 시대의 출발점이 된 숫자도 다시 볼 만하다. 2013년 옥스퍼드대의 프레이와 오즈번은 미국 일자리의 47%가 자동화 고위험군이라고 발표했다. 이 숫자는 '10~20년 안에 일자리 절반이 사라진다'로 인용되곤 하지만, 원래는 자동화 가능성이 높은 직업에 속한 고용의 비중이고 언제 사라진다는 시점은 없었다. 2016년 OECD가 직업이 아니라 직업 안의 과업 단위로 다시 쟀더니 21개국 평균 9%, 한국은 가장 낮은 6%가 나왔다. 그 뒤 미국의 비농업 고용은 오히려 늘었다.
영상의학과 의사는 어떻게 됐나
AI 쪽에서 가장 유명한 예언은 딥러닝의 아버지로 불리는 제프리 힌턴에게서 나왔다.

2016년 11월 토론토의 한 행사에서 힌턴은 지금 당장 영상의학과 의사 양성을 멈춰야 하며 5년 안에 딥러닝이 그들보다 잘할 것이 분명하다고 말했다. 영상을 보고 이상을 찾는 일은 딥러닝이 가장 잘하는 일처럼 보였다. 실제로 판독 보조 AI는 그 뒤 널리 쓰이게 됐다.
그 뒤의 결과는 반대였다. 2025년 5월 뉴욕타임스에 따르면 메이요 클리닉의 영상의학과 인력은 약 260명에서 400명 넘게 늘었다. 미국 영상의학과 레지던트 모집은 2025년 역대 최대인 1,208자리였고, 평균 소득은 2015년보다 48% 넘게 오른 약 52만 달러였다. 힌턴도 너무 넓게 말했다고 물러섰다. 영상을 읽는 일은 영상의학과 의사가 하는 일의 일부였다. 애매한 소견을 최종 판정하고, 조직 검사와 시술을 하고, 다른 과 의사들과 협진하고, 환자에게 설명하는 일이 함께 있었다. 게다가 영상 촬영 자체가 늘었다.
바둑도 비슷하다. 2016년 알파고가 이세돌 9단을 이긴 뒤 사람이 두는 바둑은 의미가 없어질 거라는 말이 많았다. 2023년 미국 국립과학원회보(PNAS)에 실린 신민규 등의 연구는 1950년부터 2021년까지 프로 기사들의 수 580만 개 이상을 분석했는데, 초인 수준의 AI가 등장한 뒤 사람이 두는 수의 질이 좋아졌고 이전에 없던 새로운 수도 늘었다. AI는 기사를 없애지 않고 공부 도구가 됐다.
다만 모든 이야기가 이렇게 끝나지는 않는다. 번역은 정직하게 봐야 할 사례다. 미국 번역가 수는 2024년 7만 5,300명으로 줄지 않았고 앞으로도 조금 늘 것으로 전망된다. 그런데 2025년 프레이 등의 연구는 기계 번역이 없었다면 미국에 번역가 일자리가 2만 8천 개쯤 더 생겼을 것으로 추정했다. 한국에서는 고객사가 AI 번역본을 붙여 보내며 번역료를 10~30%, 많게는 절반 넘게 깎아 달라고 한다는 보도가 나왔다. 직업은 남았지만 일의 값이 내려가고 있다. 살아남는다는 말과 예전처럼 산다는 말은 같은 뜻이 아니다.
에이전트에게 실제 일을 맡겼더니
그렇다면 지금의 에이전트는 실제 일을 얼마나 해낼까. 시험 문제가 아니라 실제 업무를 그대로 옮겨 놓은 시험들이 최근 여럿 나왔다.

2025년 10월 스케일 AI와 AI안전센터(CAIS)는 프리랜서 플랫폼에 실제로 올라왔던 의뢰 240건을 모아 「원격 노동 지수」를 만들었다. 게임 개발, 제품 디자인, 건축 도면, 데이터 분석처럼 사람이 돈을 받고 했던 일이다. 에이전트에게 맡겨 의뢰인이 받아들일 만한 결과를 낸 비율은 가장 좋은 에이전트가 2.5%였고, 모든 모델이 3%를 넘지 못했다. 이후 후속 발표에서 10%대 중반까지 올랐다는 소식이 있지만, 출처마다 숫자가 달라 아직 확인하지 못했다.
카네기멜런대 연구진이 만든 「디 에이전트 컴퍼니」는 가상의 소프트웨어 회사를 차려 놓고 에이전트에게 사원 노릇을 시킨다. 사내 메신저로 동료에게 묻고, 문서를 찾고, 코드를 고치고, 일정을 잡는 175가지 업무다. 끝까지 해낸 비율은 첫 판에서 24.0%, 개정판에서 30.3%였다. 오픈AI가 2025년 9월 내놓은 「GDP밸」은 44개 직업의 과업 1,320개를 두고 모델의 결과물과 사람 전문가의 결과물을 전문가들이 블라인드로 비교한 시험인데, 가장 좋은 모델이 전문가와 같거나 낫다고 판정된 비율은 47.6%였다. 과업이 길고 복잡할수록 승률은 떨어졌다.
몸을 쓰는 일은 더 어렵다. 스탠퍼드의 BEHAVIOR-1K는 로봇에게 집안일 1,000가지를 시키는 시험인데, 2025년 대회 최고 팀의 성공률이 12.4%였다. 사람에게 어려운 체스와 미적분은 기계에게 쉽고, 사람에게 쉬운 걷기와 물건 집기는 기계에게 어렵다는 '모라벡의 역설'은 40년이 지난 지금도 유효하다. 무인 택시를 운행하는 웨이모는 차가 판단하기 어려운 상황에서 조언해 주는 원격 지원 요원 약 70명을 상시 둔다. 2026년 2월 미국 상원의원의 질의로 알려졌다. 요원은 운전대를 잡지 않고, 막힌 차에 방향을 알려 준다.
일을 잘하는 사람에게도 AI가 늘 도움이 되는 건 아니었다. 비영리 연구소 METR이 2025년 7월 발표한 무작위 대조 실험에서는, 자기가 오래 다뤄 온 오픈소스 프로젝트에서 일하던 숙련 개발자 16명이 AI 도구를 쓰자 일이 오히려 19% 더 오래 걸렸다. 본인들은 20% 빨라졌다고 믿었다. 2026년 2월 후속 실험에서는 빨라지는 방향이 나왔지만, AI 없이 일하기 싫다는 개발자들이 실험에서 빠져나가 표본이 치우쳤다며 METR 스스로 이 결과를 믿기 어렵다고 밝혔다. MIT 연구진은 2025년 7월 보고서에서 기업들이 생성형 AI에 300억~400억 달러를 썼지만 95%가 손익에 측정 가능한 효과를 보지 못했다고 했다. 표본이 작고 자기 보고라는 한계가 있는 조사지만, 현장에서 내가 보는 풍경과 크게 다르지 않다.
에이전트는 분명 빠르게 좋아지고 있다. 1년 사이에 숫자가 몇 배씩 뛴다. 그래도 이 시험들이 공통으로 보여 주는 건 짧고 경계가 분명한 과업은 잘하지만, 길고 애매하고 현장과 사람이 얽힌 일일수록 성적이 떨어진다는 점이다.
직업이 아니라 과업이 넘어간다
이 지점에서 경제학자들이 오래 해 온 말이 와닿는다. AI는 직업을 통째로 대신하지 않는다. 직업 안의 과업 일부를 가져간다. MIT의 다론 아세모글루는 2024년 「AI의 단순한 거시경제학」에서 이런 과업 단위의 계산으로 AI가 앞으로 10년 동안 미국의 총요소생산성을 0.66% 안팎 끌어올리는 데 그칠 것으로 추정했다. AI가 할 수 있는 과업이 생각보다 적고, 그중 비용을 아낄 만한 과업은 더 적다는 것이다. 과장된 예측과는 거리가 먼 숫자다.
그래서 직업 이름을 놓고 살아남느냐를 묻기보다, 내 한 주를 과업으로 쪼개 보는 편이 쓸모 있다고 생각했다. 놀이판의 첫 탭은 직업 열 가지의 한 주 40시간을 과업 여섯 개로 나누고, 과업마다 여섯 가지 성질에 0~3점을 매겨 놓았다. 반복적이고 규칙이 분명한가, 화면 안에서 끝나는가가 에이전트에게 넘기기 쉬운 쪽이다. 현장에서 몸을 써야 하는가, 결과에 책임을 지는 판단인가, 처음 보는 문제인가, 사람의 신뢰가 필요한가가 사람이 붙잡는 쪽이다. 점수와 계수는 내가 정한 것이라 예측이 아니라 생각을 정리하는 틀이다. 막대를 눌러 점수를 바꾸거나 내 과업을 직접 넣어 볼 수 있다.
지금 수준의 에이전트를 두고 돌려 보면, 콜센터 상담원은 자주 묻는 질문에 답하고 주문·환불을 입력하고 상담 기록을 정리하는 시간이 거의 다 넘어가 한 주의 절반 가까이를 에이전트가 가져간다. 실력을 '훨씬 강한 에이전트'로 올리면 56%까지 간다. 그래도 화난 고객을 달래는 일, 규정 밖의 예외를 판단하는 일, 되풀이되는 민원의 원인을 찾아 올리는 일은 끝까지 남는다. 같은 '2026 · 지금' 기준으로 번역가는 38%, 회계 담당자는 32%, 소프트웨어 개발자와 영상의학과 의사는 26%, 약사와 초등 교사는 21%다. 내 셈법이 거칠다는 건 안다. 그래도 직업마다 넘어가는 몫보다 남는 일이 무엇인지가 더 분명하게 갈린다.
가장 적게 넘어가는 것은 몸으로 현장을 다루는 전기 기사(12%), 그리고 마지막에 넣은 '현장 AI 엔지니어'(16%)였다. 현장 AI 엔지니어는 화면 앞에서 일하는 직업인데도 그렇다. 데이터를 정리하고 코드를 쓰는 시간은 에이전트와 나눠 하지만, 현장에 가서 사람들이 실제로 어떻게 일하는지 지켜보는 일, 그중 무엇을 풀지 정하는 일, 시범 운영이 실패한 원인을 찾는 일, 현장 사람들을 설득하고 가르치는 일이 한 주의 대부분을 차지하기 때문이다. AI를 만드는 일과 AI를 현장에 들여 문제를 푸는 일은 다른 일이다.
새 일은 늘 나중에 보인다

1930~40년대 미국 항공자문위원회(NACA)에는 '컴퓨터'라는 직함을 단 사람들이 있었다. 풍동 실험 자료를 손과 기계식 계산기로 계산하던 여성들이다. 랭글리 연구소의 여성 계산원은 1935년 5명에서 1946년 약 400명으로 늘었다. 지금 보면 사라진 직업의 대표 사례지만, 당시에는 새로 생긴 직업이었다. 전자 컴퓨터가 들어오자 이 직함은 기계의 이름이 됐다. 계산원 팀을 이끌던 도로시 본은 IBM 기계가 들어오는 것을 보고 포트란을 익혀 팀원들과 함께 프로그래머가 됐다. 1962년 존 글렌이 지구 궤도를 돌 때 캐서린 존슨은 IBM 7090이 낸 궤도 계산을 손으로 검산했다.

사라지는 직업은 이름이 있어서 잘 보인다. 새로 생기는 일은 이름이 붙기 전까지 통계에 잡히지 않는다. MIT의 데이비드 오터 연구진은 미국 센서스의 직업 목록이 새 직함을 추가해 온 기록을 따라가, 2018년 미국 일자리의 약 60%가 1940년에는 존재하지 않던 직무라는 결과를 2024년 발표했다. 80년 전 사람에게 오늘 일자리 절반 이상의 이름을 들려주면 무슨 일인지 모를 것이다.
AI 시대의 새 일도 이미 이름을 얻기 시작했다. 가장 눈에 띄는 것이 '현장 배치 엔지니어(FDE)'다. 원래 팔란티어가 고객 회사에 엔지니어를 보내 현장에서 소프트웨어를 맞춰 쓰게 하던 직무인데, 지금은 오픈AI와 앤트로픽이 앞다퉈 뽑는다. 채용 플랫폼 인디드에 올라온 FDE 공고는 2025년 4월 643건에서 2026년 4월 5,330건으로 늘었다. 한국에서도 LG CNS가 FDE 조직을 새로 만들었고, 삼성SDS는 2026년 9월 연말까지 FDE 200명을 확보하겠다고 발표했다. 모델을 만드는 회사들이 정작 가장 부족하다고 느끼는 것이 고객의 현장에 들어가 그 모델로 문제를 풀어 줄 사람인 셈이다.
AI는 몸을 쓰는 일도 새로 만들어 낸다. 데이터센터를 짓고 전기를 끌어오려면 전기 기사가 필요하다. 마이크로소프트의 브래드 스미스 사장은 2026년 3월 전기 인력 부족을 미국 데이터센터 확장의 첫 번째 문제로 꼽았다. 구글은 5,000만 달러를 들여 미국 전기 노조의 견습 정원을 연 1만 9,500명에서 3만 명으로 늘리기로 했다.
새로운 것을 만드는 쪽에서도 사람과 AI가 같이 만든 결과가 쌓이고 있다. 2024년 노벨 화학상은 알파폴드로 단백질 구조를 예측한 딥마인드의 데미스 하사비스와 존 점퍼에게 돌아갔다. 알파폴드가 예측한 단백질 약 2억 개의 구조를 190개국 200만 명 넘는 연구자가 쓰고 있다. 2025년 8월 MIT의 제임스 콜린스 연구진은 생성형 AI로 후보 물질 3,600만 개를 만들고 걸러, 기존 항생제와 구조가 전혀 다른 임질·MRSA 치료 후보를 찾아 생쥐 실험에서 효과를 확인했다. AI가 후보를 쏟아 냈지만 무엇을 찾을지 정하고, 걸러 내고, 실험실에서 확인한 건 사람이었다.
작은 팀이 할 수 있는 일의 크기도 달라졌다. 이스라엘의 마오르 슐로모는 2024년 10월 혼자 바이브 코딩 서비스 Base44를 만들기 시작해 6개월 만에 사용자 25만 명을 모았고, 직원이 6명이던 2025년 6월 윅스에 8,000만 달러에 팔았다. 스웨덴의 러버블은 회사 발표 기준으로 정규직 45명일 때 연 반복 매출 1억 달러를 넘겼다. 현장은 더 가까운 곳에도 있다. 보도에 따르면 경북 안동의 사과 시범 단지는 해충을 자동으로 세고 알려 주는 IT 트랩을 들인 뒤 해충 피해율이 2021년 16%에서 2025년 1.6%로 줄었다. 그 트랩을 어느 나무에 달고, 알림이 오면 무엇을 할지 정한 건 과수원 사람들이었다.
살아남는다는 말 대신
다시 노트의 한 줄로 돌아간다. AI 시대에 살아남을 직업. 오늘 따라가 본 숫자와 사례로는 이 질문에 직업 이름으로 답하기 어렵다. 영상의학과 의사처럼 가장 먼저 사라질 것 같던 직업이 더 늘기도 하고, 번역가처럼 이름은 남아도 일의 값이 내려가기도 한다. 은행 창구처럼 첫 번째 기술은 버텼는데 두 번째 기술에 줄어들기도 한다. 직업 이름보다 그 안에서 내가 하는 과업이 무엇인지가 더 많은 것을 말해 준다.
과업으로 쪼개 보면 넘어가는 쪽과 남는 쪽이 꽤 분명하게 갈린다. 화면 안에서 끝나고, 규칙이 분명하고, 이미 정답이 있는 일은 넘어간다. 내 친구들이 할 일이 없어졌다고 말한 건 대개 이 부분이 그들 일의 큰 몫이었기 때문일 것이다. 반대로 현장에 들어가 무엇이 진짜 문제인지 알아내는 일, 결과에 책임을 지고 판단하는 일, 처음 보는 문제를 푸는 일, 사람을 설득하는 일은 남는다. 에이전트가 실제 일을 통째로 맡은 시험에서 가장 많이 실패한 곳도 바로 여기였다.
그래서 나는 이렇게 생각한다. 현장에서 AI를 써서 문제를 해결하는 사람, 그리고 아직 세상에 없던 무언가를 만들어 내는 사람이 될 수 있다면 세상이 바뀌어도 크게 걱정할 일은 없다. 둘 다 AI를 피하는 사람이 아니라 AI를 가장 많이 쓰는 사람이다. 에이전트가 반복적인 일을 가져가 준 덕에, 그들은 하루의 더 많은 시간을 현장과 새로운 문제에 쓸 수 있게 된다. 할 일이 없어졌다는 친구들에게 해 주고 싶은 말도 이것이다. 일이 없어진 게 아니라, 일의 다음 단계로 갈 시간이 생긴 것이다. 그 시간을 무엇에 쓰느냐가 앞으로 몇 년을 가를 것이다.
다만 한 가지는 마음에 걸린다. 스탠퍼드와 한국은행의 숫자가 보여 주듯, 지금 가장 먼저 좁아지는 건 사회에 처음 들어서는 사람들의 첫 계단이다. 현장에서 문제를 푸는 능력은 대개 반복적인 일을 하며 현장을 익히는 시간에서 자랐다. 그 반복적인 일을 에이전트가 가져가면 신입은 어디서 현장을 배울까. 전화 교환원의 시대처럼 직업이 바뀌는 사이에 낀 세대가 비용을 치르는 일은 이번에도 되풀이될 수 있다. 이 문제는 개인이 혼자 풀 수 없고, 신입에게 현장을 맡겨 보는 회사와 그런 자리를 만드는 사회가 함께 풀어야 한다. 불안을 파는 강의가 이 부분을 말하지 않는다는 점도 기억해 둘 만하다.
『오늘의 한 페이지』는 아이디어 노트를 아무 데나 펼쳐, 거기 적힌 한 줄에 그날의 생각을 얹는 연재다. 오늘은 AI 시대에 살아남을 직업이라는 한 줄이 서른한 번째 글이 됐다. 숫자나 사례에서 잘못된 곳이 보이면 알려 주시면 고치겠다.
참고
- Erik Brynjolfsson 외, 「Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence」, 스탠퍼드 디지털경제연구소(2025, 2026.8 개정)
- 예일대 버짓랩, 「Tracking the Impact of AI on the Labor Market」(2026.10 갱신)
- Anthropic, 「Anthropic Economic Index: January 2026 Report」
- Challenger, Gray & Christmas, 「July 2026 Job Cuts Report」
- Fortune, 「AI layoffs are a convenient corporate fiction, Oxford Economics says」(2026.1)
- Orgvue, 「New research exposes the complexity of deploying AI systems in the workforce」(2025)
- SBS Biz, 한국은행 청년 고용과 AI 노출 업종 보도(링크, 2026.8)
- Fortune, 「Dario Amodei on the Jevons paradox」(2026.5)
- James Bessen, 「Toil and Technology」, IMF Finance & Development(2015.3)
- James Feigenbaum·Daniel Gross, 「Answering the Call of Automation」, QJE(2024)
- Melanie Arntz 외, 「The Risk of Automation for Jobs in OECD Countries」, OECD Social, Employment and Migration Working Paper 189(2016)
- Deena Mousa, 「AI isn't replacing radiologists」, Works in Progress(2025.9)
- Minkyu Shin 외, 「Superhuman artificial intelligence can improve human decision-making by increasing novelty」, PNAS 120(12)(2023)
- Scale AI·Center for AI Safety, 「Remote Labor Index」(2025.10)
- Frank F. Xu 외, 「TheAgentCompany」(2024~2025)
- METR, 「Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity」(2025.7)
- Daron Acemoglu, 「The Simple Macroeconomics of AI」, NBER(2024)
- David Autor 외, 「New Frontiers: The Origins and Content of New Work, 1940–2018」, QJE(2024) · MIT News 요약
- Waymo, 「Advice, not control: the role of remote assistance」
- 노벨위원회, 「The Nobel Prize in Chemistry 2024」 · MIT News, 「Using generative AI, researchers design compounds that can kill drug-resistant bacteria」(2025.8)
- 사진: 「The Leader of the Luddites」(1812) · 포츠담 회담 미 육군 여군 교환원(1945, 미국 국립문서기록관리청) · 독감 마스크를 쓴 엘리베이터 운전원(1918, Webster & Stevens/MOHAI) · 미 해군성 타자실(1918~19, 미 해군 역사유산사령부 NH 52909) · NACA 여성 계산원과 프리든 계산기(1952, NASA) — 모두 퍼블릭 도메인, 위키미디어 공용