▲이미지=클립아트코리아
[노동법률] 장지연 한국노동연구원 선임연구위원
생성형 인공지능(AI)이 일터에 들어온 지 몇 해가 지났다. 그사이 AI가 사람이 하던 일의 일부를 대신할 수 있게 됐지만, 기업이 일하던 사람을 더 많이 내보냈다는 증거는 없다. 대신 새로 뽑는 수는 줄였다. 조정은 아직 회사 문 안에 들어서지 못한 사람, 처음 일을 시작하려는 청년에게 몰렸다. 오늘의 신입은 몇 해 뒤 회사가 찾아 나설 경력직이다. 신입을 덜 뽑고 덜 가르치는 지금의 선택은 회사의 인력 운영에 무엇을 남기는가.
챗GPT가 나온 2022년 11월 이후 AI에 많이 노출된 직종에서 청년이 처음 얻는 일자리는 3분의 1 넘게 줄었다. 노출도가 낮은 직종에서는 변화가 없었고, 이미 자리를 잡은 사람들의 고용은 노출 정도와 관계없이 유지됐다. 미국과 한국의 연구가 같은 모습을 보고한다. AI 확산 초기에 경력이 짧은 층의 고용이 먼저 줄어드는 이 현상을 연공편향적 기술변화라고 부른다. 기술이 연차가 낮은 사람의 일부터 대신한다는 뜻이다.
다만 기술만으로 설명하기는 어렵다. 고용 감소는 청년, 정보통신업, 사무직에서 주로 나타난다. AI가 정형 업무 전반을 대신한다면 더 넓게 나타나야 한다. 기존 인력은 조정하기 어려워 신규 채용을 인원 조정의 수단으로 써 온 고용관행이 함께 작용했다고 보는 편이 맞다. 그래서 줄어든 것은 청년의 첫 일자리다.
덜 뽑는 것만이 아니다. 뽑을 때도 다른 회사에서 배워서 온 사람을 찾는다. 300인 이상 사업장에 새로 들어온 사람 가운데 경력자는 2016년 절반 남짓이었는데 지난해에는 셋 중 둘로 늘었다. 경력자 선호는 AI 이전부터 있었지만, AI가 이 흐름을 강화했다. AI를 쓰는 일터에서 신입에게 기대하는 일은 무언가를 만들어 내는 것에서 AI가 만든 것을 확인하는 것으로 옮겨 가고 있다. 확인하려면 무엇이 맞는지 알아야 하고, 그것을 알려면 경험이 있어야 한다. 신입 채용의 문턱이 높아질 수밖에 없다.
덜 뽑는 것과 배워서 오라는 것은 같은 방향을 향한다. 둘 다 사람을 길러 내는 비용을 회사 밖으로 넘기는 방식이다.
문제는 AI가 그 길러 내는 과정 자체를 흔든다는 데 있다. 신입이 일을 배우던 통로는 자료를 정리하고, 초안을 쓰고, 표를 맞추는 정형 업무였다. 바로 AI가 제일 먼저 대신하는 일이다. 신입에게는 AI가 한 작업의 결과를 확인하는 일이 남는다. 그러나 한국노동연구원 조사에 따르면 AI가 내놓은 틀린 정보를 가려낼 수 있다고 답한 사람은 20대에서 열 명 중 네 명이 채 안 됐고, 40~50대에서는 절반에 가까웠다. 만들어 본 적 없는 사람은 확인하는 일도 잘하지 못한다.
이것은 청년의 문제이기 전에 회사의 문제다. 모든 기업이 경력직을 원하지만, 그 경력직은 어딘가에서 누군가 키운 사람이다. 지금 줄인 첫 자리는 몇 해 뒤 경력직 공급 감소로 돌아올 가능성이 크다. 경력직 확보 경쟁과 인건비 상승은 그때 받게 될 청구서다. AI가 만든 결과를 검증하고 책임질 시니어도 그만큼 줄어든다.
가르쳐 놓으면 떠난다는 걱정은 일리가 있다. 한 회사만 놓고 보면 사람을 키우는 비용을 아끼는 편이 합리적이다. 그러나 모든 회사가 그렇게 하면 나중에는 다 같이 문제 상황에 봉착한다. 시장에만 맡겨 두면 초기 경력자의 과업이 바람직한 수준보다 더 많이 자동화된다는 연구 결과도 있다. 그래도 사람을 키울 수 있는 곳은 결국 회사 안이다. 일은 일하면서 배우기 때문이다.
그렇다면 회사는 무엇을 할 수 있는가. 몇 명을 뽑느냐 만큼이나 중요한 것이 뽑은 사람이 무엇을 하며 배우게 하느냐다. 이것이 기업이 마주한 AI 시대 인력 운영의 과제다.
AI를 도입해 업무를 다시 나눌 때, AI에 넘길 일과 신입이 직접 해 볼 일을 직무 설계 단계에서 구분해 두는 것이 출발점이다. 보고서 초안을 먼저 직접 쓰게 한 뒤 AI가 쓴 초안과 비교해 무엇이 다른지 설명하게 하는 식이다. 당장의 효율로는 손해지만, 확인하는 눈이 생긴다.
확인하는 눈은 혼자서는 잘 자라지 않는다. 검증을 선배 한 사람의 성실함에 맡기지 말고 업무의 한 단계로 정해 둬야 한다. 성과를 낸 조직은 모든 결과물에 결재를 받게 하기보다, 사람이 반드시 봐야 할 지점을 정해 두고 그곳에 눈을 모았다. 그 지점에 신입을 세우되 혼자 둬서는 안 된다. 신입이 AI 결과를 확인하면 선배가 확인한 내용을 다시 살피며 무엇을 놓쳤는지 짚어 주는 것이다. AI는 청년이 더 많이 쓰고, 틀린 곳은 경력자가 더 잘 찾는다. 두 사람이 짝을 이루면 예전에 선배에게 고쳐 받던 일이 새로운 모습으로 되살아나고, 검증은 그대로 배우는 일이 된다.
청년 신입 감소가 AI 때문인지 경기상황 때문인지는 연구마다 결론이 다르다. 그러나 충격이 진입 단계에 몰린다는 데에는 이견이 적다. 신입 자리를 없앨지, 배우는 자리로 다시 설계할지는 기술이 아니라 회사가 정하는 일이다. 5년 뒤 경력직 공고를 내고 지원자를 기다리게 될지, 그때 검증을 맡길 사람이 이미 회사 안에 있을지는 올해 신입에게 어떤 '배울 일'을 남겨 두느냐에 달려 있다.