지난 9월 25일 오송에 볼 일이 있어 KTX를 이용해 다녀왔습니다. 창밖으로 스치는 사물을 보며 KTX의 속도가 빠르다고 느끼면서, 문득 의문이 들었습니다. “만약 KTX가 언덕 하나 없는 광활한 평지 사막을 달린다면, 우리는 그 속도를 어떻게 느낄 수 있을까?” 창밖은 모래에 반사된 빛과 보이지 않는 공기만 가득합니다. 기차가 얼마나 빨리 달리고 있는지 알 수 있을까요? 오송역으로 질주한 KTX처럼 시속 300km로 질주할 수도 있고, 무궁화호처럼 상대적으로 천천히 달릴 수 있습니다. 그러나 창밖의 환경이 위와 같다면, 열차 안에 탑승한 저로서는 속도를 가늠하기 어렵습니다.

갈릴레오 갈릴레이는, 지구가 우주의 중심이 아니라, 지구가 태양 주위를 돈다는 코페르니쿠스의 이론을 망원경을 통한 천체 관측으로 뒷받침했습니다. 1632년에 출간된 그의 책 ‘두 우주 체계에 대한 대화’에는 유명한 ‘갈릴레오의 배(Galileo’s Ship)’라는 비유가 등장합니다. 갈릴레오의 배는 어느 특정 배를 지칭하는 것이 아니라, 갈릴레오가 사고실험(thought experiment)을 위해 설정한 가상의 배입니다. 갈릴레오는 ‘가정’을 합니다. 균일한 속도로 곧게 나아가는 배의 창문 없는 선실에, 사람이 파리, 나비와 같은 곤충과 함께 있고 물방울이 똑똑 떨어지는 병을 가지고 있습니다. 배가 정지해 있을 때도 그리고 배가 흔들림 없이 일정한 속도로 달릴 때도 곤충은 사방으로 자유롭게 날고, 물방울은 똑바로 아래 그릇에 떨어집니다. 왜 갈릴레오는 이런 비유를 들었을까요? 17세기 천동설을 지지하는 사람의 논리는 “지구가 동쪽으로 빨리 돈다면, 탑에서 떨어뜨린 공은 서쪽으로 빗나가야 하고, 동쪽 또는 서쪽으로 쏜 포탄의 사거리도 달라야 한다”였어요. 갈릴레오 배는 가속이 없는 균일운동에서는 선실 내부 실험만으로 배가 달리는지 멈췄는지 구분할 수 없다는 뜻입니다.

오송으로 향했던 KTX의 속도를 제가 느낄 수 있었던 것은 ‘외부의 사물’ 때문입니다. 밖을 볼 수 없는 배 또는 기차  안에서 외부의 도움이 없다면 속도를 측정하는 것은 불가능하기 때문입니다. 통찰력 있는 사람이라도, 외부 기준이 없으면 속도를 잴 수 없습니다.

AI도 마찬가지입니다. 우리는 천동설과 지동설이 논쟁하던 17세기와 비슷한 상황에 놓여있습니다. 우리는, 아니 인류는 지금 AI라는 ‘밖을 볼 수 없는 갈릴레오의 배’에 함께 탔습니다. 바닥에서 간단치 않은 움직임을 느낄 수 있습니다. AI는 분명 움직이고 있습니다. 그런데 우리는 또는 AI는 얼마나 빨리 달리고 있는 걸까요?

AI가 대다수 일자리를 파괴할까요? 아니면 일부 일자리 변동으로 AI 영향력은 끝이 날까요? 각각 서로 다른 주장을 하는 두 개의 학술연구가 최근 공개되었습니다.

AI가 일자리 전반에 파괴적인 영향을 주기 시작했다

2025년 8월 26일 경제학자 에릭 브린욜프슨(Erik Brynjolfsson)이 이끄는 스탠포드 대학교 연구진이 경고성 논문을 발표했습니다.

이 논문 요약 부분(Abstract)에 아래와 같은 연구 결과에 적혀있습니다. 매우 충격적입니다.

“핵심 수치 하나. AI 고노출 직군의 만 22-25세 고용이 상대적으로 -13%. 기업 요인을 통제해도 결과는 같습니다.
We find that since the widespread adoption of generative AI, early-career workers (ages 22-25) in the most AI-exposed occupations have experienced a 13 percent relative decline in employment even after controlling for firm-level shocks.”

위 논문에 따르면, 우리는 폭 넓은 노동 시장 전체에서 AI의 첫 번째 (부정) 영향을 목격하고 있습니다. 신입 직원이 가장 큰 어려움을 겪기 시작했습니다. 주니어 개발자에 대한 수요가 줄어들고 있다, 컴퓨터 공학과 학부 졸업생의 취업이 어려움을 겪고 있다 등의 이야기는 2025년 쉽게 들을 수 있는 뉴스 내용이었습니다. 개인적으로 무척 좋아하는 The Atlantic의 데릭 톰슨(Derek Thompson)이 2025년 4월말 큰 파문을 일으킨 글을 썼습니다. 데릭 톰슨은 미국의 잘 교육받은 대학 졸업자들 사이에서 실업률이 사상 최고치에 올랐다고 정면으로 지적했습니다.

2025년 5월 Axios에서 후속 보도를 이어갔습니다.

이론적으로 대졸 신입 사원 고용이 축소되는 것은 맞습니다. AI는 긴 문서를 요약하고, 회의록과 브리핑을 작성하고, 검색하고 데이터를 매칭하는 작업에서 완벽하지는 않지만 매우 뛰어난 능력을 보여주고 있습니다. 그런데 이러한 작업은 많은 기업에서 신입 사원에게 할당되는 작업입니다. AI의 발전 속도를 고려할 때, 기업은 신입 사원을 고용하기 전에 이를 주저할 수 밖에 없습니다.

그러나 AI로 인한 신입 사원 고용 시장 축소는 지금까지 추론에 불과했습니다. 노동 시장의 실제 변화가 AI와 직접 관련이 있는지 여부를 판단하기는 매우 어렵습니다. (한국, 유럽, 중국 등의) 경기 침체, (미국) 관세 영향, 높은 이자율, 코로나 팬데믹 직후 발생한 과잉 고용, 기업의 혁신 능력 부족 등 노동 시장에 미치는 변수는 무수히 많기 때문입니다.

AI가 실제로 신입 사원 고용 시장에서 무슨 역할을 하는지 어떻게 알 수 있을까요? 갈릴레오의 배 안에서 배가 얼마나 빨리 움직이는지 알 수 없고, KTX가 언덕 없는 평지 사막을 달린다면 얼마나 빠른지 알 수 없는 것과 같은 이치입니다.

위 스탠퍼드 대학교 연구진은 KTX와 갈릴레오 배의 속도를 측정하기 위해 독특한 방법론을 제시합니다. 연구진은 ‘AI 노출’ 강도가 다른 직군을 자연 비교군으로 삼아, AI가 고용에 미친 실제 효과를 추적합니다. 연구진은 이것이 ‘최초의 연구’라고 설명합니다.

먼저 아래 표는 ‘AI 노출’ 강도에 따른 직군 분류입니다. 1분위가 AI 노출이 가장 약한 직군이며, 5분위가 AI 노출이 가장 강한 직군입니다.

사례(직종)

AI 노출(분위)

22–25세 고용 추세

소프트웨어 개발자
(Software Developers)

상(대표 사례)

큰 폭 감소
(’22년 말 피크 대비 약 −20%)

고객 서비스
(Customer Service Representatives)

상(대표 사례)

감소 (유사 패턴)

마케팅·영업 관리자
(Marketing & Sales Managers)

4분위(상위)

감소
(규모는 개발자/고객서비스보다 작음)

생산·운영 1차 감독자
(First-Line Production & Operations Supervisors)

3분위(중간)

증가
(35세 이상 증가폭보다 작음)

재고 사무/주문 처리원
(Stock Clerks & Order Fillers)

2분위(낮음)

연령 차이 거의 없음

헬스 에이드(간호·정신과·가정 도우미)
(Health Aides)

1분위(최하위)

젊은층이 더 빠르게 증가


이 연구 결과에 따르면, 만 22세-25세 젊은 층의 일자리 기회는 실제로 급격히 감소하고 있지만, 그 영향은 소프트웨어 개발이나  고객 서비스 등 AI에 강력하게 노출되고 있는 직종에서만 감소가 확인되고 있습니다. 아래 그림에서 확인할 수 있는 것처럼, 특히 다른 직업 분야의 고령 직원의 경우 오히려 증가하는 경향이 있습니다. 아래 그림에서 상단 그래프는 개발자 직군이며 하단 그래프는 고객 서비스 직군입니다.


스탠포드 대학교의 연구가 사실이라면 몇 가지 질문을 제기할 수 있습니다.

  • 어떤 기업도 신입 사원을 고용하지 않는다면, 새로운 시니어는 어디에서 오게 될까요?
  • 한국 사회의 경우, 새로운 일자리를 만드는 것보다 기존 일자리를 지키는 데 관심이 더 많다는 것이 제 판단입니다. 그렇다면 AI가 신입 고용에 미치는 부정적 영향은 한국에서 더 클까요?
  • 한국의 젊은 층은 얼마나 더 불공평한 상황에 놓이게 될까요?
  • 한국 경제에서도 ‘AI 노출’ 정도는 미국과 유사할까요? ‘AI 노출’이 강한 직종에서 젊은 층의 일자리는 어떻게 보장되어야할까요?

MIT 연구 결과는 다릅니다

위에서 소개한 스탠포드 대학교 연구진의 논문과는 정반대의 결과를 보인 연구 결과로 인해, 2025년 8월 우리는 AI 버블 논쟁을 경험하고 있습니다. 바로 MIT 연구 결과물입니다. 이 연구물은, OpenAI 샘 올트만이 AI 산업에 거품이 끼고 있다고 경고하면서 더 큰 관심을 받았습니다.

MIT 연구는 미국 기업 경영진 153명을 대상으로 한 인터뷰 결과입니다. 153명이 미국 기업에서 진행된 300여개 이상의 AI 프로젝트를 평가하는 방식입니다. MIT 연구 결과, 300여개의 AI 프로젝트 중 95%가 파일럿 단계 이후 6개월 이내에 ‘유의미하고 지속 가능한’ 생산성 향상을 이끌어내는 데 실패했습니다. 여기서 주의할 부분은 ‘AI 프로젝트’이지 ChatGPT의 직접 효과는 조사 대상이 아니라는 점입니다. 또한 300여개의 AI 프로젝트는 2024년 1월 이후 만들어 진 것입니다. 문제는 OpenAI의 추론(reasoning) 모델 o1 및 o3 등이 세상에 공개되기 전이라는 점입니다.

2023년과 2024년 사이에 (미국) 다수 기업이 진행한 AI 프로젝트는, 임원진의 자랑 행위를 위해서 또는 실험 프로젝트로 구성되었을 가능성이 높습니다. 다시말해 인력 감축을 목표로 하지 않았을 겁니다. 한국의 경우, 2025년 유사한 맥락에서 그러나 추론 모델에 기반해서 AI 프로젝트가 기업에서 진행되고 있습니다.

포츈(Fortune)에서는 MIT 연구를 아래와 같이 해석하고 있습니다.

"문제의 핵심은 뭘까? AI 모델의 품질이 아니다. ‘도구와 조직 모두의 ‘학습 격차(learning gap)’다. 경영진은 흔히 규제 탓, AI 모델 성능 탓을 하지만, MIT의 연구는 진짜 원인으로 ‘허술한 기업 내 통합’을 지목한다.
AI는 왜 개인에겐 효과가 있는데, 기업에선 그 효과가 약할까?
ChatGPT 같은 범용 도구는 유연성 덕에 개인 사용엔 탁월하다. 그러나 기업 현장에선 멈춘다. ChatGPT 같은 AI 도구가 회사 워크플로를 배우지 못했고, 회사 워크플로에 맞춰 스스로 적응하지 못하기 때문이다.
The core issue? Not the quality of the AI models, but the “learning gap” for both tools and organizations. While executives often blame regulation or model performance, MIT’s research points to flawed enterprise integration. Generic tools like ChatGPT excel for individuals because of their flexibility, but they stall in enterprise use since they don’t learn from or adapt to workflows, Challapally explained."

요약하면, ChatGPT 등 생성 AI는 (아직!) 개인에게 큰 도약을 가능하게 하는 유연하고 역동적인 기술이다. MIT 연구 보고서는 이를 아래 그림처럼 명쾌하게 보여주고 있습니다. 기업에서 공식적으로 LLM을 도입해서 직원에게 배포한 비율보다, 지식 노동자 개인이 ChatGPT와 같은 LLM을 이용하고 있습니다.

ChatGPT 등 AI 모델 이용자는 이메일 작성, 요약, 기초 분석 등 ‘단순 작업(Quick tasks)’에서 인간 동료보다 AI를 더 신뢰하고 있습니다.

MIT 연구 결과에서 가장 중요한 점은, (지식) 노동자 다수는 ChatGPT, Gemini, Claude와 같은 범용 AI 모델을 기업에서 제작한 특수 목적의 AI 프로젝트 또는 AI 서비스보다 선호하고 있습니다. 결과물의 차이가 크다는 것이 이유입니다.

기업 적용에 95% 실패하고 있는 것은, ChatGPT 등 범용 AI 서비스가 아니라, 해당 기업에서 진행한 AI 프로젝트입니다. 이를 구별하는 것은 매우 중요합니다.

따라서 제가 판단하는 MIT 연구물의 최종 결론은, (지금까지) AI가 가져온 가장 큰 혁신은 개별 기업에서 제작한 AI 프로젝트가 아니라 ChatGPT 등을 이용하고 있는 사람들입니다.

갈릴레오의 배: 속도가 아니라 방향이 중요

지금 우리는 AI 위에 올라타 있습니다. 이 AI가 달리는 속도는 얼마일까요? AI 혁신의 속도를 측정하는 것은 어쩌면 불가능에 가깝습니다. 저는 초인간적 초지능 AGI이 불과 몇 달 앞으로 다가왔다는 실리콘벨리의 목소리를 신뢰하지 않습니다. 마찬가지로 AI로 인한 인류의 종말이 얼마남지 않았다고 예언하는 사람을 신뢰하지 않습니다.

중요한 질문은 ‘속도’가 아닙니다. 중요한 것은 KTX와 배가 어디로 향하고 있는가입니다. 이를 어떻게 알 수 있을까요?

속도에 집착하기보다, 어디로 가는지—‘방향’을 확인해야 합니다. 조종석과 갑판 위로 올라가 바깥 기준을 확보합시다.

KTX 맨 앞 조종석에 가야합니다. 배 갑판 위로 올라가야 합니다. 이렇게 앞 또는 위로 가면, 보이는 경치가 나쁘지 않을 겁니다.