AI가 일자리를 대거 없앤다는 종말론은 3년치 실제 데이터와 어긋납니다. AI를 도입한 미국 기업의 90% 이상이 고용 변화가 없었습니다.
진짜 변화는 대량 해고가 아니라 직무 안의 업무 재배치입니다. 채용, 법무, 재무 모두 반복은 줄고 판단은 늘었습니다.
문제는 실직이 아니라 '직무 정의 부채'입니다. 하는 일은 바뀌었는데 직무기술서는 그대로 남았습니다.
당신은 몇 명을 줄일지 묻고 있습니까,
아니면 각 사람이 무엇을 맡을지 묻고 있습니까?
AI가 일자리를 쓸어버린다는 이야기는 이제 상식처럼 들립니다. 헤드라인은 대량 해고를 예고하고, 리더들은 몇 명을 줄일지 계산합니다. 벤처투자자 루벤 도밍게스는 여기에 정면으로 반박합니다. 지난 3년치 데이터가 그 종말론과 어긋난다는 것입니다.
이 글은 두 가지를 보여줍니다. 하나는 AI 도입에도 대부분 기업의 인원이 그대로였다는 사실입니다. 다른 하나는 진짜 변화가 해고가 아니라 직무 안에서 일어난다는 통찰입니다. 며칠 전 약 200명 경제학자가 전환 속도를 경고한 것과는 정반대 각도라, 두 관점을 함께 놓고 보면 지형이 또렷해집니다.
공포는 결정을 왜곡합니다. 대량 실직이 온다고 믿으면, 리더는 AI를 인원 감축 도구로만 씁니다. 그러나 데이터가 그 전제를 흔든다면, 질문 자체가 틀린 것입니다. 도밍게스는 애틀랜타 연준, 인구조사국, 예일 예산연구소 자료를 근거로, 지금 벌어지는 일은 대량 해고가 아니라 업무의 재배치라고 봅니다. 무엇을 준비하느냐가 완전히 달라지는 지점입니다.
첫째, 데이터는 대량 해고를 뒷받침하지 않습니다. 애틀랜타 연준 조사에서, 지난 3년간 AI를 도입한 미국 기업의 90% 이상이 인원 변화가 없다고 답했습니다. 인구조사국 자료에서 고용이 변했다고 답한 기업은 5%에 그쳤고, 그 5%도 증가와 감소로 거의 반반이었습니다. 조직의 43%는 애초에 고용 변화를 예상하지 않았습니다.
둘째, '노동 총량의 오류'입니다. 종말론의 밑바탕엔 일자리 총량이 정해져 있다는 전제가 깔려 있습니다. 이 전제는 200년간 모든 실증 검증에서 틀렸습니다. 기술이 생산성을 높이면 비용이 내려가고, 수요가 새 영역으로 번지며, 전에 없던 일이 생깁니다. 20세기에 농업 고용은 3분의 1에서 2% 아래로 떨어졌지만, 영구 실업으로 이어지지 않았습니다.
셋째, 변하는 건 직무의 내용입니다. 사라지는 건 직업이 아니라 그 안의 반복 업무입니다. 채용담당자는 서류 스크리닝이 줄고 전략과 관계 업무가 늘었습니다. 법무팀은 초안을 쓰는 대신 AI 산출물을 검증합니다. 재무팀은 데이터 취합에서 해석과 판단으로 옮겨갔습니다. 같은 직함, 다른 하루입니다.
| 직무 | 줄어든 일 | 늘어난 일 |
|---|---|---|
| 채용담당 | 반복적 서류 스크리닝 | 전략·관계 업무 |
| 법무 | 초안 작성 | AI 산출물 검증 |
| 재무 | 데이터 취합 | 해석과 판단 |
출처: Dominguez (2026), The VC Corner 내용 재구성.
넷째, 진짜 부채는 '직무 정의 부채'입니다. 도밍게스가 짚은 핵심입니다. 하는 일은 바뀌었는데 직무기술서는 옛날 그대로입니다. 회사는 새 기술을 도입하고도 역할 정의를 갱신하지 않았습니다. 이 격차는 보상 결정, 채용, 성과 평가에서 조용히 터집니다. 공식 책임과 실제 업무가 어긋나 있기 때문입니다.
질문을 바꾸면 답이 바뀝니다. 인원 수는 좋은 역할 설계에서 따라 나오는 결과입니다. 감축이 아니라 설계가 먼저입니다. (이번 주)
AI로 업무가 바뀐 자리부터, 실제로 하는 일과 문서를 맞추세요. 직무 정의 부채를 갚지 않으면 보상과 평가가 계속 어긋납니다. (분기 내)
AI 산출물을 실행하는 능력이 아니라, 그 결과를 판단하고 책임지는 능력에 보상하세요. 새 값어치는 실행이 아니라 판단에 붙습니다. (분기 내)
한쪽 관점입니다. 이 글은 종말론에 대한 반박입니다(도밍게스, 2026). 같은 시기 약 200명 경제학자는 지금 행동하라며 전환 속도를 경고했습니다. 낙관과 경계, 두 관점을 함께 놓고 봐야 균형이 잡힙니다.
신입은 예외입니다. 전체 고용은 안정적이지만, 충격은 22~25세 신입 채용에 집중됐습니다. 기업이 신입 투자에 지갑을 닫았기 때문입니다. 평균의 안정이 특정 집단의 안정을 뜻하지는 않습니다.
데이터는 과거입니다. 3년치 자료는 지금까지의 이야기입니다. AI 도입은 인터넷보다 빠르지만, 종말론이 요구하는 속도보다는 느립니다. 만약 확산이 그보다 빨라지면 결과는 달라질 수 있습니다.
일자리는 사라지는 게 아니라 재정의됩니다. 진짜 위험은 실직이 아니라, 바뀐 일을 낡은 직무기술서로 방치하는 부채입니다.
노동 총량의 오류(Lump of Labor Fallacy): 일자리 총량이 정해져 있다는 잘못된 전제입니다. 기술이 생산성을 높이면 비용이 내려가고 수요가 늘어 새 일이 생깁니다.
직무 정의 부채(Role-Definition Debt): 실제 업무는 바뀌었는데 직무기술서와 평가 기준이 옛것 그대로 남아 쌓이는 격차입니다.
헤드카운트(Headcount): 조직의 인원 수입니다. 이 글은 AI 도입 후에도 대부분 기업의 헤드카운트가 그대로였다고 봅니다.
애틀랜타 연준(Atlanta Fed): 미국 지역 연방준비은행입니다. 기업 설문으로 AI 도입과 고용 변화를 조사했습니다.
판단의 소유권(Judgment Ownership): AI 산출물을 실행하는 것이 아니라, 그 결과를 판단하고 책임지는 역할입니다. 이 글은 여기에 새로운 값어치가 생긴다고 봅니다.
- Dominguez, R. (2026, July). The AI job apocalypse is a complete misread [Newsletter]. The VC Corner. (원문 보기 ↗)