채용 문이 좁아지다: AI 노출과 경력 초기 채용 (QWI 분석) 인포그래픽

핵심 수치

대상: AI 노출이 가장 높은 산업·주 단위 상위 20% 집단의 22~24세 인력. 카드를 누르면 정의와 해석상 주의점이 표시된다.

저량(stock)과 유량(flow)을 나누어 보기

채용되지 않은 사람은 해고 통계에 나타나지 않는다. 그래서 고용의 저량과 채용·이탈의 유량을 구별해야 한다. 각 상자를 눌러 보자.

비율의 회복과 기회의 회복은 다르다

두 결과는 서로 모순되지 않는다. 분모인 고용 기반이 줄었기 때문이다.

채용률은 고용 기반을 분모로 한다

채용률 = 채용 건수고용 기반 (분모)

고용 기반이 작아지면 적은 채용 건수로도 이전과 비슷한 채용률이 나온다.

채용률

2025년 초 대체로 회복

2025년 1분기 채용률은 이전 수준에 가까워졌다. (원문에 구체적 수치는 제시되지 않음)

채용 건수

회복하지 않음 (-12.7%)

출시 무렵 약 9% 감소한 뒤 지속적으로 낮았고, 마지막 네 분기 평균은 기준 네 분기보다 12.7% 낮았다.

해석 주의

채용률의 정상화만으로 취업 기회가 정상화되었다고 해석하면 안 된다. 청년 일자리 회복을 평가할 때에는 채용률뿐 아니라 실제 채용 건수, 고용 규모, 졸업자 수 대비 진입 성과를 함께 보아야 한다. (단, 이 연구는 마지막 지표를 직접 추정하지 않았다.)

연구 방법론

자료, 노출 측정, 분석 설계를 탭으로 나누어 정리했다.

Quarterly Workforce Indicators (QWI)

미국 QWI 공개 집계 자료. 행정자료 기반 고용주·근로자 연계 체계에서 만들어진 분기 통계이며 민간부문 고용을 폭넓게 포괄한다.

장점개별 이력서 표본에 비해 포괄성이 높고, 고용·채용·이탈·기업의 일자리 증감을 함께 볼 수 있다.

제약개인의 직업이나 졸업 여부를 직접 관찰하지 못한다. 분기 주기와 거친 연령 구간이라는 제약이 있다.

설계에 따라 달라지는 그림

삼중차분은 단순 사건연구의 해석에 제동을 건다. 토글로 비교해 보자.

원문에 나온 시점 정리

원문에 명시된 시점만 표시했다. ChatGPT 출시 시점과 팬데믹 시점의 정확한 날짜는 원문에 적혀 있지 않다.

2015~2019년

ACS의 직업·산업 고용 구성을 이용해 직업별 AI 노출 지표를 산업 수준에 연결

팬데믹 무렵

삼중차분에서 경력 초기 인력의 상대적 약화가 이 무렵부터 시작된 것으로 보임

ChatGPT 출시 무렵

채용 건수 약 9% 급감, 이후 지속적으로 낮음. 기업 일자리 증감 및 고령자 이탈과 청년 대체채용 간 관계에서 불연속 변화

2022년 4분기 ~ 2025년 2분기

가장 노출된 집단의 22~24세 고용 원자료 기준 15.2% 감소

2023년까지

검토된 통화정책 충격의 기간

2025년 1분기 (2025년 초)

채용률이 이전 수준에 가까워짐. 채용 건수는 회복하지 않음

2025년 2분기

주요 고용 관측 종료 시점 (채용·이탈은 지표별로 마지막 가용 시점이 다름)

통화정책은 얼마나 설명하는가

2025년 2분기까지 상대적 청년 고용 감소 중 최대 약 4분의 1이 2023년까지의 통화정책 충격과 관련될 가능성이 있다.

최대 약 1/4

나머지: AI 몫으로 배분할 수 없음

막대는 원문의 "최대 약 4분의 1"을 시각적으로 나타낸 개념도이며 정밀한 추정 구간이 아니다.

잔여 인과 계산은 성립하지 않는다

통화정책 충격이 고노출 집단의 급격한 채용 감소 시점을 설명한다는 증거는 찾지 못했다.
그러나 남은 4분의 3이 모두 AI 때문이라는 식의 계산은 성립하지 않는다.

두 가지 메커니즘: 현재 대체 vs 미래를 예상한 채용 유예

현재의 업무 대체

이미 쓰는 AI가 신입 업무를 수행했기 때문에 채용이 줄었다는 설명.

정책 함의: 과업·기술 전환이 더 중요해진다.

미래를 예상한 채용 유예 (저자의 가설)

신입 채용은 미래 숙련에 대한 투자. AI 도입률이 낮더라도 기업이 미래 기술 능력과 조직 개편 시점을 불확실하게 느끼면 채용을 미루고 선택의 여지를 보존할 수 있다.

정책 함의: 투자 위험과 진입 기회의 유지 장치가 더 중요해진다.

이 불확실성 설명은 관찰된 시점과 도입률 사이의 간극을 해석하는 가설이며, 직접 검증한 매개효과가 아니다. 설문이나 기업별 연결 자료로 채용 의사결정의 이유를 검증하기 전에는 가설로 남겨야 한다. 저자는 재택근무, 진입 지연, 통화정책과 AI에 대한 기업의 불확실성을 함께 논의한다.

이렇게 읽으면 안 된다

각 문장을 눌러 원문의 해석을 확인하자.

원문AI가 원인임을 확정한 수치가 아니라 노출 수준과 고용 변화의 관계를 나타내는 추정치이다. 'AI가 없앴다'고 단정해서는 안 된다.

원문이 수치들은 감소 인원의 총계나 취업률의 %포인트 변화가 아니다.

원문이탈에는 자발적 퇴사 등이 포함되므로 이를 해고 수치라고 부를 수 없다.

원문고용 기반(분모)이 줄었기 때문에 채용 건수가 회복하지 않아도 채용률은 비슷해질 수 있다.

원문22~24세는 대졸 신입만을 뜻하지 않으며, 집계에서 나타난 현상을 특정 졸업생의 실패 원인으로 환원할 수 없다.

원문QWI는 직접 대체 관계를 보여주지 않는다. 대체채용 분석은 집계 자료의 관계이지 개별 결원 충원 추적이 아니다.

원문AI 노출은 실제 기업별 도입 여부와 다르며 두 지표를 동일시해서는 안 된다.

결론 및 의의 (8가지)

가장 중요한 기여는 고용 규모가 줄어드는 경로를 채용과 이탈로 분해한 데 있다. 관측 결과는 대량 해고보다 진입 문이 좁아지는 상황을 가리킨다. 대학의 진로 지원도 재직자의 업무 자동화뿐 아니라 첫 채용 기회가 사라지는 경로를 따로 살펴야 한다.

22~24세 집계에서 나타난 현상을 특정 졸업생의 실패 원인으로 환원할 수는 없다.

채용률뿐 아니라 실제 채용 건수, 고용 규모, 졸업자 수 대비 진입 성과를 함께 보아야 한다. 취업 지원 프로그램의 평가에서도 참가자 비율과 실제 취업 인원을 구별할 필요가 있다.

이 연구는 졸업자 수 대비 진입 성과를 직접 추정하지 않았다.

두 설명은 정책 대응이 다르다. 전자는 과업·기술 전환을, 후자는 투자 위험과 진입 기회의 유지 장치를 더 중요하게 만든다. 현재 AI 도입률만으로 노동시장 변화를 판단해서는 안 된다.

불확실성 가설은 채용 의사결정의 이유를 검증하기 전까지 가설로 남는다.

학생이 AI로 결과물을 만드는 능력과 결과의 오류를 찾아 설명·수정하는 능력을 함께 보여주는 평가가 가능하다. 초안 작성, 검증, 수정, 최종 책임의 단계를 나누고 일부 단계는 AI 없이 수행하게 하여 독립 역량을 확인할 수 있다.

이 연구는 특정 교수법을 시험하지 않았다. 이는 리뷰에서 도출한 교육 제안이며 검증된 취업 효과가 아니다.

채용 문이 좁아지면 학생은 이력과 현장 학습을 쌓을 기회도 잃을 수 있다. 대학·기업 연계 프로젝트나 인턴십이 실제 책임과 피드백을 제공하도록 설계하고, 모호한 요구를 확인하고 업무를 끝까지 인수인계하는 경험을 남기는 방향이 적절하다.

이러한 프로그램이 채용을 늘리는지는 별도 평가가 필요하며, 무급 경험의 확대나 인턴십의 정규직 대체를 정당화하는 결론도 아니다.

첫 일자리는 경력 사다리의 시작점이다. 향후 연구는 지연된 진입자가 나중에 따라잡는지, 산업을 바꾸는지, 교육을 연장하는지, 첫 직장의 질과 이후 이동이 어떻게 달라지는지를 추적해야 한다.

이 자료만으로 특정 세대의 장기 소득 손실이나 숙련 붕괴를 확정하지 않는다.

행정자료의 포괄성은 표본 대표성 문제를 줄이지만 연구 설계의 교란을 없애지는 않는다. 노출이 높은 산업은 재택근무, 수요 변화, 진입 연령 상승에서도 다를 수 있으며, 삼중차분의 사전 추세가 이 우려를 뒷받침한다.

약 12% 감소를 'AI가 없앴다'고 단정하거나 통화정책 설명을 제외한 나머지를 전부 AI로 배분해서는 안 된다. 한국의 학력·병역·첫 취업 연령과 고용제도가 다르다는 점도 적용 범위에 포함해야 한다.

기업별 실제 AI 도입, 미래 도입 기대, 채용 계획과 실현 채용을 고용주·근로자 자료에 연결해야 현재 대체와 기대에 따른 유예를 구별할 수 있다. 더 긴 사후 기간과 개인별 일자리 이동 기록이 있어야 따라잡기 여부도 판단할 수 있다. 교육 분야에서는 AI 사용 능력과 독립 수행 능력을 구분한 평가를 취업·현장 수행 결과와 연결하는 연구가 필요하다.

연구의 한계 (원문에 명시된 내용)

CES 워킹페이퍼이며 동료심사 학술지 논문이나 Census Bureau의 공식 입장이 아니다.
고용 감소 수치는 AI 노출과 고용 변화의 관계를 나타내는 추정치이며, AI가 원인임을 확정하지 않는다.
QWI는 개인의 직업이나 졸업 여부를 직접 관찰하지 못하며, 분기 주기와 거친 연령 구간이라는 제약이 있다.
AI 노출 지표는 실제 기업별 AI 도입 여부와 다르다.
삼중차분에서도 청년과 고령자에게 다르게 작용하는 동시 충격은 남을 수 있으며, 팬데믹 무렵부터의 사전 추세가 확인되었다.
대체채용 분석은 집계 자료의 관계이며 개별 결원 충원을 추적하지 않는다.
채용 유예의 불확실성 설명은 직접 검증한 매개효과가 아닌 가설이다.
장기 소득 손실이나 숙련 붕괴는 이 자료로 확정할 수 없다. 한국 맥락(학력·병역·첫 취업 연령·고용제도)으로의 적용에는 주의가 필요하다.

한 줄 정리

이 논문의 의의는 확정된 해결책을 주는 데 있지 않고, 무엇을 측정해야 신입 진입의 변화를 정확하게 설명할 수 있는지 보여주는 데 있다.

채용률이 회복되어도,
신입의 자리는 돌아오지 않았을 수 있다