일자리의 절벽 - 거대한 변화가 시작되었다

번역가 김민주(38)씨는 낯선 공지를 받았다.

"김민주님, 그동안 감사했습니다. 회사 방침상 앞으로는 내부 AI 시스템을 사용하기로 했 습니다."

그녀의 가장 큰 거래처였다. 매달 30%의 고정 수입이 사라졌다. 스스로를 위로했다. 괜찮아, 한 곳쯤은 바뀔 수도 있지. 하지만 2주 뒤, 또 다른 거래처가 같은 메일을 보냈다. 한 달 후, 세 번째 메일이 도착했다. 이유는 모두 같았다. AI 번역 도구를 조합하니 품질이 충분하다는 것이었다.

10년 경력, 영어와 일본어 자격증, IT와 의료 전문 분야. 그녀는 자신의 경쟁력을 믿었다. AI는 아직 완벽하지 않아, 결국 사람의 감수가 필요할 거야. 하지만 현실은 달랐다.

6개월 뒤, 그녀의 월수입은 3분의 1로 줄었다. 남은 거래처는 단 두 곳, 그마저도 불안했다.

김민주씨가 놓친 한 가지가 있었다. AI는 완벽할 필요가 없다. 충분한 수준에만 도달해도 시장 논리는 작동한다.

기업 입장에서 보자. 인간 번역가는 A4 10장 번역에 일주일이 걸린다. 비용은 100만 원이 다. 품질은 최상급이다. AI는 같은 분량을 1시간에 끝낸다. 비용은 10분의 1 수준이다.

품질이 80% 수준이라 해도, 긴급 보고서나 실시간 대응이 필요한 비즈니스 환경에서 속 도의 가치는 압도적이다. 많은 기업이 이미 선택했고, 앞으로도 선택할 것이다.

더 큰 문제는 AI의 학습 속도다. 불과 몇 년 전만 해도 어색하던 AI 번역이 이제는 전문 용어까지 정확히 구사한다. 인간과의 격차가 기하급수적으로 좁혀지고 있다.

골드만삭스는 2023년 3월 보고서 “The Potentially Large Effects of Artificial Intelligence on Economic Growth” 에서 생성형 AI가 전 세계 약 3억 개의 일자리에 직접적 영향을 미칠 것으로 전망했다. 이는 전체 일자리의 약 18%, 즉 다섯 개 중 한 개가 AI 자동 화의 영향을 받는다는 의미다.

보고서는 특히 선진국 백색칼라(white-collar) 직종이 처음으로 대체 압력을 받는다고 지 적했다. 구체적으로는 미국·유럽의 사무·행정직의 46%, 법률보조 및 회계직의 44%, 고객 서 비스직의 37%가 업무의 절반 이상이 자동화 가능 영역으로 분류되었다. 반면 육체노동이나 현장직은 10% 미만으로 상대적으로 낮았다. AI는 머리를 쓰는 직업부터 바꾸기 시작한 것 이다.

맥킨지 글로벌 연구소(MGI)는 2021년 “The Future of Work After COVID-19” 보고서 에서 팬데믹이 디지털 전환을 3~4년 앞당겼다고 분석했다. 자동화 기술 도입률은 팬데믹 이 전보다 1.5배 이상 빨라졌으며, 특히 사무지원·데이터 처리·고객 응대·단순 분석 업무에서 변 화가 가장 뚜렷했다.

이 보고서는 2030년까지 미국 노동력의 25% 이상이 직무 전환(upskilling)을 경험해야 할 것으로 내다봤다. 단순 반복적 루틴 업무는 AI·로봇·RPA(Robotic Process Automation)에 의해 빠르게 대체되고, 사람은 비판적 사고·협업·창의적 설계 업무로 이동하게 된다.

PwC의 “Global Artificial Intelligence Study(2023)” 역시 비슷한 결론을 제시했다. AI의 경제효과는 2030년까지 GDP 15.7조 달러를 추가로 창출하지만, 동시에 업무 자동화로 30% 의 직무가 변형될 것이라 분석했다. 특히 금융·보험·행정·법률·미디어 분야가 가장 큰 구조적 변화를 겪을 것으로 전망했다.

결국 위험한 직업군의 공통점은 명확하다.

① 반복적이고 규칙 기반의 업무,

② 표준화된 절차와 데이터로 수행 가능한 작업,

③ 창의성이나 인간적 판단이 개입되지 않는 직무. AI는 이런 일을 가장 먼저, 가장 빠르게 대체한다.

MIT의 경제학자 다론 아세모글루(Daron Acemoglu) 는 인간의 일을 세 가지로 구분했다.

① 루틴(반복적 업무), ② 비루틴 인지 업무(문제 해결과 판단), ③ 비루틴 수작업(창의· 감정이 필요한 일).

그는 이 중 루틴 업무(Routine Task)가 기계 학습과 로봇 자동화에 가장 먼저 대체된다고 보았다. 그의 연구팀은 1990~2007년까지 미국 제조업의 로봇 도입 데이터를 분석했다.