미국의 무작위 대조 연구 56건을 새로 합산했습니다. 직업 훈련을 제공하면 고용률이 2~3%p 오르고 연 소득이 약 1천 달러 늘어납니다.
프로그램 한 사람당 비용은 약 1만 3천 달러입니다. 정부는 세수와 급여 절감으로 절반 넘게 회수해 대략 본전에 가깝습니다.
연구진의 결론은 냉정합니다. AI가 광범위한 실직을 일으키면 지금의 재훈련으로는 부족합니다.
직원 재교육 예산을 늘리면 안심이 되십니까?
그 돈이 실제로 무엇을 바꿨는지 재 보셨습니까?
AI 실직 이야기의 결론은 대개 같은 자리로 갑니다. 재교육을 늘리자는 것입니다.
그 처방이 실제로 얼마나 듣는지 물은 연구가 나왔습니다. 미국에서 무작위 대조로 진행된 연구 56건이 합산됐습니다. 훈련을 받은 사람의 연 소득은 약 1천 달러 늘었습니다. 그 1천 달러를 만드는 데 든 비용은 1인당 약 1만 3천 달러였습니다.
지난달 챌린저 리포트는 AI가 노동시장을 옮기되 해체하지는 않는다고 짚었습니다. 그 글의 결론은 감축안이 아니라 이동 경로를 설계하라는 것이었습니다. 이번 연구는 그 이동 경로가 실제로 작동하는지를 잽니다. 답은 반쯤 작동한다는 쪽입니다.
첫째, 근거의 양이 이 연구의 무게입니다. 독립 연구자 데이비드 루드먼과 앤트로픽의 맥심 마센코프가 함께 작업했습니다. 미국의 무작위 대조 연구 56건을 모아 새로 메타분석했습니다. 유럽의 실험 증거도 함께 검토했습니다. 개별 프로그램의 성공담이 아니라 전체 분포를 본 작업입니다.
둘째, 효과는 있지만 작습니다. 훈련 기회를 받은 사람은 받지 못한 사람보다 고용률이 2~3%p 높았습니다. 연간 소득은 약 1천 달러 늘었습니다. 방향은 분명히 플러스입니다. 규모가 기대에 못 미칠 뿐입니다.
셋째, 납세자 관점에서는 대략 본전입니다. 1인당 1만 3천 달러가 들지만, 정부는 늘어난 세수와 줄어든 급여 지출로 그중 절반 넘게 되돌려 받습니다. 재정에 큰 부담을 지우는 정책은 아니라는 뜻입니다. 손해도 아니고 도약도 아닌 자리에 있습니다.
넷째, 예외가 하나 있습니다. 수요가 많은 분야의 고용주와 직접 짝지어 설계한 프로그램은 성과가 몇 배 컸습니다. 연구진은 이런 유형을 섹터 프로그램이라 부릅니다. 무엇을 가르칠지 학교가 정하지 않고 사람을 뽑을 회사가 정한다는 점이 다릅니다.
다섯째, 그 예외가 잘 복제되지 않습니다. 성공한 섹터 프로그램을 다른 지역이나 다른 대상에 옮겼을 때 결과가 자주 미달했습니다. 성과가 프로그램 설계에서 나왔는지 가려지지 않았습니다. 그 지역의 고용주와 노동시장 조건이 만든 결과일 수도 있습니다. 확장을 전제로 예산을 짜면 여기서 어긋납니다.
| 유형 | 성과 | 확장 가능성 |
|---|---|---|
| 일반 직업 훈련 | 고용 2~3%p, 연 소득 약 1천 달러 | 안정적이나 작음 |
| 섹터 프로그램 | 일반 대비 몇 배 | 재현에서 자주 미달 |
출처: Roodman & Massenkoff (2026, August 12), 메타분석 결과 재구성.
여섯째, 연구진의 결론은 경고에 가깝습니다. AI가 넓은 범위에서 일자리를 지우는 상황이 오면 기존 재훈련 프로그램으로는 부족하다고 적었습니다. 지금 효과가 마이너스라는 말이 아닙니다. 규모가 맞지 않는다는 말입니다. 수만 명 단위의 이동을 2~3%p짜리 도구로 감당할 수 없습니다.
그래서 이들이 제안한 우선순위는 프로그램 확대가 아닙니다. 어떤 모델이 실제로 통하는지 입증하고 엄밀하게 평가한 뒤 키우는 쪽입니다. 돈을 더 쓰기 전에 무엇에 쓸지 가려내자는 순서입니다.
일곱째, 사내 재교육 예산도 같은 구조 위에 있습니다. 공공 프로그램의 문제는 회사에서 그대로 반복됩니다. 수료 인원과 만족도는 잡히는데 배치와 소득 변화는 잡히지 않습니다. 실제 수요 부서와 짝짓지 않은 교육이 가장 흔한 형태입니다. 섹터 프로그램이 성과를 낸 이유가 정확히 그 반대였습니다.
교육을 마친 인원 수 대신, 6개월 안에 다른 직무로 옮겨 자리 잡은 인원 수를 세세요. 앞의 숫자는 늘 좋게 나옵니다. (이번 분기 보고)
인사팀이 커리큘럼을 정하지 말고, 인원이 필요한 부서장이 무엇을 할 줄 알아야 하는지 먼저 적게 하세요. 섹터 프로그램의 핵심이 이 순서입니다. (다음 교육 설계부터)
첫 기수의 성과를 확장 근거로 쓰지 마세요. 두 번째 기수에서 같은 결과가 나오는지 확인한 뒤에 예산을 키우세요. (이번 분기)
교육비 총액이 아니라 1인당 투입액과 1인당 임금 변화를 같은 표에 놓으세요. 이 연구가 드러낸 격차가 그 표에서 보입니다. (이번 달)
미국의 공공 프로그램이 주된 대상입니다. 56건은 대체로 미국에서 공적으로 운영한 직업 훈련입니다. 기업이 자체 예산으로 돌리는 사내 교육과는 대상과 조건이 다릅니다.
AI 대량 실직은 아직 벌어지지 않았습니다. 연구진의 결론은 그런 상황이 왔을 때의 대응력을 평가한 것입니다. 실제로 그 상황이 올지, 온다면 어떤 규모일지는 이 연구가 다루지 않습니다.
섹터 프로그램의 재현 실패 원인은 밝혀지지 않았습니다. 설계 문제인지 지역 조건 문제인지 가려지지 않았습니다. 원인을 모르면 어떤 조건에서 복제할 수 있는지도 알 수 없습니다.
공동 저자 한 명이 앤트로픽 소속입니다. AI 실직 대응을 다루는 주제에서 AI 개발사가 연구에 참여했습니다. 방법론은 방법론대로 보되 위치는 감안해야 합니다.
재훈련이 통한다는 말과 대규모 실직을 감당한다는 말은 다릅니다. 지금 증거는 앞의 문장만 지지합니다.
무작위 대조 연구: 참여자를 무작위로 나눠 한쪽에만 프로그램을 제공하고 결과를 비교하는 방식입니다. 인과를 가리는 데 쓰입니다.
메타분석: 같은 주제를 다룬 여러 연구의 결과를 통계적으로 합쳐 전체 그림을 보는 방법입니다.
섹터 프로그램: 인력이 부족한 특정 분야의 고용주와 함께 설계한 직업 훈련입니다. 무엇을 가르칠지 채용할 회사가 정합니다.
퍼센트포인트(%p): 비율끼리의 차이를 나타내는 단위입니다. 고용률이 60%에서 63%가 되면 3%p 오른 것입니다.
재정 중립: 정부가 쓴 돈을 세수 증가와 지출 감소로 대부분 회수해 순부담이 거의 없는 상태입니다.
- Roodman, D., & Massenkoff, M. (2026, August 12). Reviewing the evidence on worker retraining programs [Article]. Anthropic. (원문 보기 ↗)