값이 오른 역량, 값이 내린 역량 — AI 시대 커리어 자본의 재평가

게리 베커가 1964년에 정리한 인적자본론에는 지금도 유효한 구분이 하나 있다. 일반 인적자본과 기업특수적 인적자본이다. 앞의 것은 어디로 옮겨도 값이 유지되는 능력이고, 뒤의 것은 지금 이 회사에서만 값이 나가는 능력이다.

베커의 통찰은 누가 이 둘의 값을 치르느냐에 있었다. 일반 능력은 옮겨 갈 수 있으니 회사가 투자를 꺼리고, 특수 능력은 옮겨 갈 수 없으니 회사가 기꺼이 투자한다.

이 구분을 오늘의 질문에 대입하면 프레임이 바뀐다. AI가 일자리를 없애느냐가 아니라, AI가 어떤 인적자본의 값을 떨어뜨리고 어떤 것의 값을 올렸느냐로. 2024~2025년 데이터는 이 질문에 꽤 구체적으로 답한다.

직업이 사라진 게 아니라, 직업 안이 재배치됐다

먼저 규모를 보자. Indeed Hiring Lab이 2024년 5월부터 2025년 4월까지 미국 채용공고 5,350만 건을 분석한 결과, 생성형 AI에 의해 크게 바뀔 수 있는 직무는 26%였다. 중간 정도가 54%, 영향이 가장 작은 쪽이 20%였다.

여기까지만 보면 위협적이다. 그런데 스킬 단위로 내려가면 그림이 다르다. 약 2,900개 업무 스킬을 분류한 결과는 이렇다.

• 거의 바뀌지 않음: 40%
• AI가 보조하는 형태: 19%
• AI가 정형 업무를 처리하고 사람이 감독하는 하이브리드: 40%
• 완전 자동화 가능: 1%

그리고 완전 대체 가능성이 ‘매우 높다’고 평가된 스킬은 19개, 전체의 0.7%뿐이었다.

이 숫자들이 말하는 바는 분명하다. 직무 전체가 통째로 사라지는 게 아니라, 직무 안에서 40% 남짓의 작업이 사람과 기계 사이에 다시 배분되고 있다. 없어지는 것은 직업이 아니라 그 직업 안의 특정 작업이고, 값이 떨어지는 것은 그 작업만 잘하던 역량이다.

값이 오른 쪽 — 판단·공감·창의, 그리고 감독

PwC가 6개 대륙 채용공고 10억 건 이상을 분석해 2026년 6월 15일 공개한 결과는 오르는 쪽을 보여준다.

가장 눈에 띄는 수치는 이것이다. AI 노출도가 높은 직무에 새로 붙는 과업은 공감·판단·창의를 요구할 확률이 2.5배 높았다. 기계가 처리하는 작업이 늘어난 자리에, 기계가 처리한 결과를 판단하고 책임지는 작업이 들어오고 있다는 뜻이다.

같은 분석에서 나온 다른 수치들도 방향이 같다.

• AI 노출도가 높은 직무의 요구 스킬은 두 배 빠르게 변한다(전년 대비 변화율 75% 증가)
• AI 노출도가 가장 높은 기업의 생산성 증가율이 가장 낮은 기업보다 40% 높다
• 이른바 ‘전문화된’ 직무는 2021년 이후 임금 상승이 42% 빨랐다
• 기술·미디어·통신 부문에서는 신규 직무 8개 중 1개꼴이 AI 관련이다

여기서 커리어 자본의 관점으로 정리하면 이렇게 된다. 베커가 말한 일반 인적자본의 범위가 좁아지고 있다. 예전에는 ‘문서를 잘 쓴다’, ‘자료를 잘 정리한다’, ‘코드를 잘 짠다’가 어디서나 통하는 일반 능력이었다. 지금 이 능력들의 상당 부분은 도구로 흡수됐다. 대신 그 도구의 산출물이 맞는지 판단하고, 틀렸을 때 책임을 지고, 맥락에 맞게 조정하는 능력이 새로운 일반 자본의 자리로 올라왔다.

값이 내린 쪽 — 그리고 그 부담이 어디로 갔나

문제는 이 재배치의 비용을 누가 치르느냐다. 답은 신입이다.

스탠퍼드 디지털이코노미랩은 미국 최대 급여 처리업체의 고빈도 행정 급여 데이터를 이용해, AI 노출도가 가장 높은 직군에서 22~25세 초기 경력자의 고용이 상대적으로 16% 감소했다는 결과를 내놨다. 기업 단위 요인을 통제한 뒤의 수치다.

이 결과에는 대조군이 붙는다. 같은 직군의 경력자는 고용이 유지되거나 늘었고, AI 노출도가 낮은 직군의 종사자도 마찬가지였다. 기술 기업과 원격근무가 가능한 직군을 빼고 계산해도 결론은 유지됐다.

또 하나 중요한 관찰은 조정의 형태다. 변화는 임금이 깎이는 방식이 아니라 고용 인원수가 줄어드는 방식으로 일어났다. 임금은 관성이 있어 잘 안 내려간다. 그래서 충격은 이미 들어와 있는 사람의 급여가 아니라, 새로 들어오려는 사람의 자리에서 흡수된다.

PwC 데이터는 같은 현상을 채용공고 쪽에서 확인해 준다. 주니어 AI 노출 직무가 리더십 같은 시니어 스킬을 요구할 확률이 7배 높았고, 이렇게 요건이 올라간 초급 역할은 2019년 이후 35% 증가했다.

정리하면 이렇다. 예전의 신입 업무는 대체로 정형 작업이었다. 자료 취합, 초안 작성, 기초 분석. 이 작업들이 도구로 넘어가면서, 신입에게 남은 일은 처음부터 판단이 필요한 작업이 됐다. 그런데 판단은 경험에서 나온다. 경험을 쌓던 사다리의 아래 칸이 사라진 상태에서 위 칸의 능력을 요구받는 구조가 만들어진 것이다.

기업 입장에서도 이건 비용이다

신입 채용을 줄이면 단기 인건비는 준다. 그런데 초급 역할의 요건이 이미 올라가 있는 상태에서 몇 년을 그렇게 보내면, 3~5년 뒤 중간 관리층이 비는 구멍이 생긴다. 이 구멍은 외부 채용으로 메우기 어렵다. 모두가 같은 시기에 같은 선택을 했다면 시장에도 그 연차가 없기 때문이다.

그래서 이 문제는 개인의 커리어 전략인 동시에 기업의 인력 계획 문제다. 값이 오른 역량이 판단·감독·조정이라면, 그 역량은 훈련으로만 생기고 훈련에는 시간이 든다.

실무 적용 — 그래서 뭘 하면 되나

개인 쪽

• ‘산출물을 만드는 능력’과 ‘산출물을 판정하는 능력’을 나눠서 점검하라 — 도구가 흡수한 것은 앞쪽이다. 자기 이력서를 두 칸으로 갈라 보면 어느 쪽에 몰려 있는지 바로 보인다.
• 틀린 결과를 알아보는 훈련에 시간을 배정하라 — AI 산출물의 오류를 잡아낸 사례를 기록으로 남긴다. 이 기록이 다음 이직에서 실제로 값이 나가는 자산이다.
• 책임이 붙는 일을 자원해서 맡아라 — 공감·판단·창의를 요구하는 과업이 2.5배 늘고 있다면, 그 과업은 대개 결과에 이름이 붙는 일이다.
• 스킬 갱신 주기를 절반으로 줄여라 — 요구 스킬이 두 배 속도로 바뀌는 직무라면, 2년마다 하던 점검을 1년마다 한다.
• 기업특수적 자본에만 몰빵하지 마라 — 사내 시스템·프로세스 숙련은 회사를 나서는 순간 값이 0이 된다. 일반 자본과의 비율을 의식적으로 관리한다.

기업 쪽

• 신입에게 남은 업무가 무엇인지 목록으로 확인하라 — 정형 작업을 도구로 옮긴 뒤 신입의 하루가 무엇으로 채워지는지 실제로 세어 본다. 비어 있다면 그건 채용을 줄일 이유가 아니라 직무를 재설계할 이유다.
• 판단 훈련을 커리큘럼으로 만들어라 — AI 산출물 검토, 오류 사례 리뷰, 의사결정 근거 문서화. 예전에 정형 업무를 하며 자연히 얻던 감각을 이제는 의도적으로 가르쳐야 한다.
• 3~5년 뒤 조직도를 지금 그려 보라 — 올해 신입을 뽑지 않는 결정의 청구서는 그때 도착한다.

AI가 커리어를 끝낸다는 말도, 아무것도 안 바뀐다는 말도 데이터와 맞지 않는다. 실제로 일어나고 있는 일은 훨씬 구체적이다. 어떤 역량의 가격표가 다시 붙고 있고, 그 재조정의 부담이 특정 연차에 집중되고 있다. 어디에 서 있는지를 아는 것이, 지금 할 수 있는 가장 실용적인 일이다.

본문의 고용·채용 통계는 각 기관이 공개한 보고서를 인용했으며, 대부분 미국 노동시장 데이터에 기반한다. 국내 노동시장에 그대로 적용할 때는 산업 구조와 고용 관행의 차이를 감안해야 한다. 이 글은 경영 사례 분석이며 특정 종목의 매수·매도를 권유하지 않는다.