AI 일자리 변화: 수도권 집중·20대 감소와 준비할 역량

한국은행 최신 보고서로 생성형·에이전틱·피지컬 AI가 직업과 지역 고용에 미치는 영향을 설명합니다. 수도권 집중과 20대 일자리 감소를 구분하고 개인의 준비 방향을 정리했습니다.

1. AI 노출도가 높다는 말부터 정확히 이해하자

‘AI 노출도가 높은 직업’이라는 표현을 보면 곧 사라질 직업이라고 받아들이기 쉽다. 하지만 한국은행 보고서에서 노출도는 AI를 활용하거나 자동화할 잠재적 가능성을 뜻한다. AI가 업무 일부를 대신할 수도 있고, 사람이 AI를 이용해 더 많은 일을 처리하면서 고용이 늘 수도 있다. 따라서 노출도와 대체 위험은 같은 개념이 아니다.

한국은행은 2026년 9월 15일 BOK 이슈노트 ‘AI와 지역 노동시장’을 발표하면서 AI를 세 유형으로 나눴다. 생성형 AI는 글·이미지·정보 처리처럼 결과물을 만드는 기술, 에이전틱 AI는 목표를 받아 여러 단계를 계획하고 실행하는 기술, 피지컬 AI는 로봇이나 장비와 결합해 물리적 작업을 수행하는 기술로 이해할 수 있다. 유형에 따라 영향을 많이 받는 직업과 지역이 다르기 때문에 하나의 ‘AI 일자리’로 묶어 말하면 중요한 차이를 놓치게 된다. 한국은행 공식 보고서

생성형 AI 노출도는 문서작성과 정보처리 비중이 큰 사무직, 판매직, 전문가 직군에서 높았다. 에이전틱 AI는 관리직이 가장 높고 사무직과 판매직이 뒤를 이었다. 반면 피지컬 AI는 장치·기계조작, 단순노무 직군에서 노출도가 높았다. 사무직만 AI 영향을 받는 것도 아니고, 생산직이 모두 같은 방식으로 자동화되는 것도 아니다.

개인의 직업명보다 실제 업무를 쪼개 보는 것이 중요하다. 같은 사무직이라도 자료 요약과 반복 보고서 작성 비중이 높은 사람, 고객 관계와 현장 판단 비중이 높은 사람은 영향이 다르다. 같은 제조업이라도 설비를 단순 조작하는 업무와 공정 이상을 진단하고 개선하는 업무의 대체·보완 관계가 다르다. 내 업무 중 AI가 잘하는 부분, 사람이 책임져야 하는 부분, 두 영역을 연결하는 부분을 나눠야 현실적인 준비가 가능하다.

2. 늘어난 AI 고노출 일자리는 왜 수도권에 몰렸나

보고서가 확인한 초기 변화 중 가장 눈에 띄는 것은 수도권 집중이다. 생성형 AI가 본격적으로 확산된 2023년 이후 3년간 생성형 AI 고노출 직업 취업자는 24만7천 명 늘었고, 이 가운데 수도권 증가분은 19만9천 명으로 80.8%였다. 에이전틱 AI 고노출 직업도 2025년 증가분 10만5천 명 가운데 9만3천 명, 88.3%가 수도권에 집중됐다. 이는 AI가 곧 모든 일자리를 줄인다는 단순한 주장과 다른 결과다.

지역별 직업·산업 구조가 배경이다. 생성형 AI 노출도는 서울, 세종, 경기, 인천 순으로 높았고 에이전틱 AI도 서울, 세종, 경기, 대전 순이었다. 지식서비스업과 사무직, 관리자, 전문가가 수도권에 많이 모여 있기 때문이다. 보고서는 지식서비스 종사자의 수도권 비중을 71.9%, 반도체 제조업은 74.4%로 제시하며 AI 투자와 숙련 인재가 이미 집적된 지역으로 더 모일 가능성을 위험 요인으로 봤다.

반대로 피지컬 AI 노출도는 경북, 전남, 충북, 울산 순으로 높았다. 제조업과 농림어업, 운수, 숙박·음식업 등 물리적 작업과 연결되는 산업의 비중이 큰 지역이다. 피지컬 AI가 빠르게 발전하면 비수도권의 장치·기계조작과 단순노무 등에 고용 감소 압력이 커질 수 있다. 그러나 이 역시 기술 보급 속도와 기업 투자, 직무 재설계에 따라 달라질 전망이지 이미 확정된 해고 규모가 아니다.

한국은행은 이번 결과를 AI 확산 초기의 징후로 설명하며 인과관계를 단정하기 어렵다고 명시했다. AI 노출도가 높은 지역에서 취업자가 늘었다고 해서 AI만이 증가의 원인이라고 말할 수 없다. 산업 경기, 인구 이동, 기업 입지와 다른 정책이 함께 영향을 줬을 수 있다. 블로그에서도 상관관계와 원인을 구분해야 과도한 공포나 낙관을 피할 수 있다.

3. 20대 일자리 감소는 무엇을 보여주나

전체 연령에서는 생성형·에이전틱 AI 고노출 직업의 취업자가 늘었지만 20대만 보면 수도권과 비수도권 모두 감소했다. 지역 간 차이는 뚜렷하지 않았다. 이는 늘어난 AI 관련 업무 기회가 곧바로 청년에게 돌아간 것이 아니라 경력과 전문성을 가진 인력에 더 유리하게 작용했을 가능성을 보여준다. ‘AI 때문에 20대 일자리가 모두 사라졌다’고 단정할 수는 없지만, 신입이 경험을 쌓던 초급 업무가 변화하고 있다는 신호로 읽을 수 있다.

생성형 AI는 자료 검색, 초안 작성, 단순 분석처럼 신입이 맡던 업무를 빠르게 처리한다. 기업은 같은 인원으로 더 많은 일을 하거나 AI 결과를 검토할 수 있는 경력자를 선호할 수 있다. 문제는 초급 업무가 줄면 청년이 중간 숙련자로 성장할 경력 사다리도 약해질 수 있다는 점이다. 교육은 도구 사용법만 가르치기보다 결과 검증, 문제 정의, 현장 지식과 책임 있는 의사결정을 함께 다뤄야 한다.

지역 청년에게는 이중 과제가 생긴다. AI 활용도가 높은 지식서비스 일자리가 수도권에 몰리면 취업을 위해 이동해야 한다는 압력이 커질 수 있다. 반면 원격근무와 AI 기반 개인화 서비스가 확산되면 지역에서도 새로운 고객을 확보할 기회가 생길 수 있다. 보고서는 저숙련 근로자의 생산성을 더 크게 높이는 균등화 효과와 지역 서비스업 성장 가능성도 기회 요인으로 제시한다.

따라서 취업 준비생은 ‘AI 자격증 하나’보다 지원 직무의 실제 업무를 AI와 결합한 결과물을 만드는 편이 낫다. 회계 직무라면 문서 자동화만이 아니라 오류 검증과 규정 적용을 보여주고, 마케팅은 이미지 생성보다 고객 데이터 해석과 성과 측정을 보여주는 식이다. 제조 직무는 센서 데이터, 설비 이상 판단, 안전 절차처럼 피지컬 AI와 사람이 연결되는 영역을 익힐 수 있다.

4. 직장인과 구직자가 준비할 네 가지

첫째는 업무를 단계별로 분해하는 능력이다. 입력자료 수집, 초안 생성, 검증, 승인, 고객 설명 가운데 AI에 맡길 수 있는 단계와 사람이 책임질 단계를 정한다. 단순 사용 횟수보다 업무시간과 오류가 얼마나 줄었는지 기록하면 이력서와 평가에서 구체적인 성과가 된다.

둘째는 검증 역량이다. AI는 자연스러운 문장을 만들지만 사실·숫자·출처가 틀릴 수 있다. 산업 규정과 개인정보, 저작권, 보안 기준을 확인할 수 있는 사람이 필요하다. 특히 금융·세무·의료·안전처럼 오류 비용이 큰 업무에서는 결과를 그대로 복사하는 능력보다 틀린 답을 찾아내는 능력이 중요해진다.

셋째는 현장 지식과 관계 역량이다. 고객의 모호한 요구를 구체적인 문제로 바꾸고, 여러 부서의 이해관계를 조정하고, 결과에 책임지는 일은 단순 자동화만으로 끝나지 않는다. AI가 초안을 빠르게 만들수록 문제를 제대로 정의하는 사람의 가치가 커질 수 있다. 자신의 업종에서 반복되는 예외 상황을 모아 해결 사례로 정리해 두자.

넷째는 지역과 산업을 함께 보는 것이다. 수도권 지식서비스 직무만 쫓기보다 지역 주력산업에서 필요한 AI 활용을 찾을 수 있다. 제조지역에서는 품질검사·예지정비·물류 최적화, 관광지역에서는 다국어 안내와 개인화 추천, 농어촌에서는 생육·수요 예측처럼 현장 데이터와 결합한 역량이 필요하다. 한국은행도 지역별 AI 준비도 격차를 줄이기 위해 인프라뿐 아니라 교육훈련과 조직 역량이 함께 필요하다고 본다.

이번 보고서는 투자할 종목이나 확정된 직업 전망을 제시한 자료가 아니다. AI 고노출 일자리의 변화와 지역 격차가 나타나는 초기 신호를 분석한 것이다. 개인에게 필요한 결론은 ‘AI가 내 일자리를 없앨까’라는 질문에 머무르지 않는 것이다. 내 업무에서 자동화되는 부분과 더 중요해지는 판단을 구분하고, 실제 결과물과 검증 능력을 쌓는 것이 가장 현실적인 대응이다.