Tyler Cowen — AI 고용 충격은 실업보다 전환 마찰에서 온다

원문: https://marginalrevolution.com/marginalrevolution/2026/05/some-non-obvious-reasons-why-ai-will-create-some-transitional-problems-in-employment.html | Tyler Cowen, 2026년 5월 13일

핵심 요약

Tyler Cowen은 AI가 곧바로 대량실업을 만든다는 주장에는 회의적이지만, 단기 전환 비용은 과소평가되고 있다고 본다. 핵심은 일자리가 사라지느냐가 아니라 새 일자리가 생기는 속도, AI 역량을 알아보는 채용 능력, 정부 지출이 노동을 제대로 배치하는 능력이다. 이 글은 AI 고용 논쟁을 "몇 명이 대체되는가"에서 "노동시장이 얼마나 빨리 다시 맞물리는가"로 옮겨 놓는다.

실업 공포보다 까다로운 문제

AI와 고용을 둘러싼 논쟁은 대개 극단적으로 흐른다. 한쪽은 사무직 대량실업을 예고하고, 다른 한쪽은 과거의 자동화처럼 더 많은 새 직업이 생길 것이라고 말한다. Cowen의 글이 흥미로운 이유는 이 두 입장 사이의 덜 극적인 공간을 겨냥하기 때문이다. 그는 장기적으로는 기술 변화가 생산성을 높이고 새로운 수요를 만들 수 있다는 쪽에 가깝다. 하지만 그렇다고 해서 전환기가 매끄럽게 지나간다는 뜻은 아니다.

그가 지적하는 첫 번째 마찰은 새 일자리가 생길 장소다. AI가 더 많은 전력, 데이터센터, 의료 실험, 바이오 연구, 원전과 송전망 같은 물리적 인프라를 요구한다면 고용 수요는 분명 생긴다. 문제는 그 영역들이 대체로 규제가 강하고, 허가 절차가 느리고, 지역 정치와 안전 기준의 영향을 크게 받는다는 점이다. 소프트웨어 기능 하나는 하룻밤 사이 배포될 수 있지만, 발전소와 병원 임상시험과 전력망은 그렇게 움직이지 않는다. 따라서 "AI가 새 산업을 만든다"는 말이 맞더라도, 그 산업이 노동자를 흡수하는 속도는 모델 성능 향상 속도보다 훨씬 느릴 수 있다.

AI 시대의 채용은 더 어려워질 수 있다

두 번째 논점은 노동시장 매칭이다. 지금까지 기업은 이력서, 학위, 경력, 과거 프로젝트, 면접 같은 신호를 이용해 사람을 뽑아 왔다. 완벽하지는 않았지만, 적어도 사무직과 전문직 세계는 이 신호들을 해석하는 관행을 쌓아 왔다. 그런데 대부분의 일이 AI와 함께 수행되는 형태로 바뀌면, 기존 신호가 예전만큼 잘 작동하지 않을 수 있다.

예를 들어 좋은 개발자는 코드를 직접 많이 쓰는 사람일까, 모델에게 문제를 잘 쪼개 주고 결과를 검증하는 사람일까. 좋은 분석가는 엑셀과 통계를 오래 다룬 사람일까, 아니면 AI가 만든 초안을 빠르게 의심하고 잘못된 가정을 찾아내는 사람일까. 이 능력은 포트폴리오에 드러나기 어렵고, 면접관 역시 무엇을 봐야 하는지 아직 합의하지 못했다.

이 지점에서 Cowen의 주장은 단순한 비관론이 아니다. 그는 시간이 지나면 AI 자체가 매칭을 개선할 수도 있다고 본다. 하지만 초기에는 기업과 노동자 모두 새로운 역량의 가격을 잘못 매길 가능성이 크다. 어떤 사람은 실제보다 과대평가되고, 어떤 사람은 기존 직함이 낡았다는 이유로 과소평가된다. 이 과정에서 실업률이 폭등하지 않더라도 구직 기간이 길어지고, 이직 실패가 늘고, 회사는 채용을 미루며, 젊은 노동자는 첫 경력을 쌓을 사다리를 잃을 수 있다.

재정정책도 덜 정밀해진다

세 번째는 정부의 역할이다. 경기 침체가 오면 정부는 지출을 늘려 수요와 고용을 떠받치려 한다. 하지만 AI 전환기에는 돈을 푸는 것만으로 충분하지 않을 수 있다. 정부가 어떤 산업과 직무가 AI와 보완 관계인지, 어떤 노동자가 새 업무 방식에 적응할 수 있는지 판단해야 하기 때문이다. 그 판단이 늦거나 틀리면 재정정책은 고용을 만들더라도 생산성이 낮은 자리, 곧 사라질 자리, 혹은 인력과 기술이 맞지 않는 자리로 사람을 밀어 넣을 수 있다.

이 대목은 한국에도 직접적인 시사점이 있다. AI 전환을 다룰 때 정부는 흔히 교육 바우처, 재훈련, 공공 일자리, 창업 지원 같은 익숙한 도구를 꺼낸다. 그러나 문제는 훈련의 양이 아니라 방향이다. 어떤 직무가 AI로 약해지고, 어떤 직무가 AI 덕분에 더 가치 있어지며, 어떤 산업은 규제 때문에 채용이 늦어지는지를 구별하지 못하면 정책은 바쁘지만 효과는 작을 수 있다.

커뮤니티 반응: "느린 압박"과 "검증 병목"

이 글 자체에는 Marginal Revolution 독자들의 댓글이 수십 개 달렸고, 더 넓은 AI 고용 논쟁에서도 비슷한 쟁점이 반복된다. Reddit과 Hacker News식 토론에서 자주 보이는 낙관론은 AI가 직무 전체보다 과업 일부를 자동화한다는 주장이다. 마케팅 담당자가 광고 문구 작성 시간을 줄이고, 개발자가 반복 코드를 덜 쓰며, 분석가가 초안 작성에 쓰던 시간을 줄인다면 해고보다 생산성 향상이 먼저 나타난다는 것이다. 이 관점에서 충격은 절벽이 아니라 채용 둔화와 역할 재편의 형태로 온다.

반론은 두 갈래다. 첫째, 기업이 생산성을 더 많은 산출로 바꾸지 않고 비용 절감으로 가져가면 "같은 일을 더 적은 사람으로" 처리하려는 압력이 커진다. 특히 주니어 사무직처럼 반복 과업 비중이 큰 직무는 새로 뽑지 않는 방식으로 줄어들 수 있다. 둘째, AI가 결과물을 만드는 능력보다 결과물을 검증하는 능력이 더 큰 병목이 된다. 코드와 보고서는 빠르게 생성되지만, 그것이 맞는 문제를 풀었는지 판단하려면 여전히 인간의 도메인 지식과 책임이 필요하다.

LessWrong 계열의 더 비관적인 반응은 과거 자동화와 AI의 차이를 강조한다. 과거에는 한 산업의 일이 사라져도 인간이 다른 인지적 일로 이동할 수 있었지만, AI가 바로 그 인지적 이동 능력까지 압박한다면 재훈련이라는 해법이 약해진다는 것이다. 이 주장은 Cowen보다 훨씬 어둡지만, 양쪽 모두 한 가지에는 동의한다. 전환의 핵심 변수는 기술 가능성 자체가 아니라 노동자가 새 위치로 이동하는 속도와 비용이다.

남는 질문

Cowen의 짧은 글은 AI 고용 논쟁을 더 현실적인 방향으로 조정한다. 앞으로 중요한 질문은 "AI가 사람을 대체할 수 있는가" 하나가 아니다. 대체와 보완이 섞여 나타날 때, 어떤 부문이 새 노동을 흡수할 수 있는가. 기업은 AI와 잘 일하는 사람을 어떻게 알아볼 것인가. 정부는 빠르게 변하는 직무 지도를 보고도 낡은 방식의 경기부양을 반복하지 않을 수 있는가.

낙관론이 맞더라도 전환 비용은 실제 비용이다. 장기적으로 더 많은 생산성과 더 풍부한 서비스가 가능해진다 해도, 그 사이의 몇 년 동안 노동시장은 어긋난 신호, 느린 규제, 부정확한 정책, 사라지는 입문 직무를 겪을 수 있다. AI 시대의 고용정책은 "일자리를 지키자"와 "혁신을 막지 말자" 사이의 구호 싸움으로는 부족하다. 더 어려운 과제는 노동시장의 매칭 장치를 새로 설계하는 것이다. 누가 무엇을 잘하는지, 어떤 일은 인간이 검증해야 하는지, 어느 산업이 실제로 사람을 필요로 하는지 더 빨리 알아내는 사회가 전환기의 승자가 될 가능성이 크다.