사업·마케팅 · 2026.11.16 · 6분
AI 노출 직업의 22~25세 고용, 덜 노출된 또래보다 19% 낮아졌다
스탠퍼드 연구진이 미국 급여 기록을 2026년 6월까지 추적했다. 전체 고용은 멀쩡했지만 AI 노출 직업의 신입 채용만 줄었다.
문의 답장이 밀리기 시작하면 사장님은 두 가지 길 앞에 섭니다. 신입 한 명을 뽑아 상담과 자료 정리를 맡길지, 아니면 AI 챗봇과 자동화 도구를 붙이고 지금 있는 사람끼리 버틸지. 요즘은 두 번째 길을 고르는 곳이 많습니다. 그런데 이 선택이 수많은 회사에서 동시에 일어나면 노동시장에는 어떤 흔적이 남을까요. 미국 급여 기록을 들여다본 스탠퍼드 연구진이 그 흔적을 숫자로 내놓았습니다.
전체 일자리는 멀쩡한데, 사회 초년생이 들어가는 문만 좁아졌습니다
스탠퍼드 디지털 경제 연구소의 에릭 브린욜프슨 연구팀은 미국 급여 대행사 ADP의 익명 급여 기록으로 생성형 AI 이후의 고용을 추적해 왔습니다. 2021년부터 꾸준히 관찰되는 회사들만 묶어 매달 수백만 명의 정규직을 보고, 직업마다 AI가 얼마나 대신할 수 있는 일인지(노출도)를 다섯 단계로 나눠 비교하는 방식입니다. 2026년 8월에 낸 개정판은 2026년 6월까지의 기록을 담았습니다.
먼저 큰 그림은 조용합니다. ChatGPT가 나온 2022년 11월부터 2026년 6월까지 표본 전체의 고용은 약 6% 늘었고, AI 노출이 가장 큰 직업군도 약 4% 늘었습니다. 연구진은 경제 전반에서 AI 때문에 일자리가 대거 사라졌다는 증거는 급여 기록에 보이지 않는다고 적었습니다.
문제는 나이를 나눴을 때 드러납니다. 22~25세 가운데 AI 노출이 가장 큰 두 단계 직업의 고용은 같은 기간 약 11% 줄었고, 노출이 낮은 세 단계 직업의 같은 나이대는 약 10% 늘었습니다. 연구진의 표현으로는 노출이 큰 직업의 젊은 층 고용이, 덜 노출된 또래만큼 늘었을 경우보다 19% 낮은 상태입니다. 경력이 쌓인 연령대에서는 이런 격차가 보이지 않았습니다. 같은 직업 안에서도 신입 자리에서만 변화가 나타났다는 뜻입니다.
이 격차는 시간이 지나며 벌어지고 있습니다. 2025년 7월까지의 자료로 계산했을 때 15%였던 차이가 2026년 6월 자료에서는 19%가 됐습니다. 연구진이 2025년 8월 처음 이 현상을 보고한 뒤로 한 번도 좁혀지지 않은 셈입니다.
사람을 내보낸 것이 아니라 새로 뽑지 않았습니다
고용이 줄어드는 길은 두 가지입니다. 있던 사람이 나가거나, 새 사람을 덜 뽑거나. 연구진은 입사율과 퇴사율을 따로 계산해 이 둘을 갈랐습니다. 결과는 분명했습니다. 젊은 층의 퇴사율은 노출이 큰 직업에서도 줄었고, 오히려 노출이 낮은 직업만큼 혹은 그보다 더 줄었습니다. 해고가 원인이었다면 반대 모습이어야 합니다. 차이는 채용에서 났고, 노출이 큰 직업과 낮은 직업의 젊은 층 입사율 격차는 2022년 이후에 벌어졌습니다.
임금도 크게 움직이지 않았습니다. 연구진은 기본급 흐름을 나이와 노출도별로 비교했지만 뚜렷한 차이를 찾지 못했고, 조정은 임금이 아니라 사람 수에서 일어나고 있다고 정리했습니다. 회사들이 월급을 깎는 대신 신입 자리를 하나 덜 여는 방식으로 AI에 적응하고 있다는 그림입니다. 작은 사업장이 ‘사람을 더 뽑지 않고 AI로 메운다’고 결정하는 장면과 겹쳐 보입니다.
AI가 일을 대신하는 직업과 거드는 직업은 다른 길을 갔습니다
모든 AI 노출 직업이 같은 길을 걸은 것은 아닙니다. 연구진은 Anthropic 경제 지수의 실제 Claude 사용 기록을 가져와, 직업별로 AI가 일을 통째로 대신하는 쓰임(자동화)이 많은지, 사람의 일을 거드는 쓰임(보완)이 많은지를 나눴습니다. 자동화 비중이 높은 직업에서는 젊은 층 고용이 줄었지만, 보완 비중이 높은 직업에서는 고용이 제자리이거나 늘었고 특히 경력자 쪽이 그랬습니다. 대표적으로 신입이 줄어든 직업으로는 소프트웨어 개발과 고객 상담이 꼽혔습니다.
연구진은 그 이유를 지식의 종류에서 찾습니다. 교과서나 매뉴얼처럼 글로 정리된 지식은 AI가 잘 대신하고, 현장에서 몸으로 익힌 경험 지식은 AI가 오히려 키워 준다는 설명입니다. 실제로 글로 정리된 지식이 많이 필요한 직업일수록 신입 고용이 느리게 늘었고, 경험 지식이 많이 필요한 직업일수록 경력자 고용이 빠르게 늘었습니다. 확인하기 쉬운 절차형 업무가 예전에는 신입을 뽑는 이유였는데, 그 업무를 AI가 가져가고 있다는 해석입니다.
다만 이 구분이 안전지대를 보장하지는 않습니다. 스탠퍼드 HAI가 2026년 11월 AI 인덱스 데이터를 새로 정리하며 낸 글에 따르면, AI 노출 직업의 젊은 층 고용 감소는 2026년에도 이어졌고 특히 고객 상담에서 두드러졌습니다. 새로 드러난 점은 AI가 사람을 대신하기보다 돕는 쪽으로 쓰이는 직업, 예컨대 마케팅 관리자나 IT 관리자에서도 감소가 깊어졌다는 것입니다. 같은 글은 올해 전 세계 기업의 AI 투자가 이미 1조 달러를 넘어 2025년 한 해 전체보다 46% 많다고 전하면서, 돈이 가리키는 미래와 사람들이 겪는 현실이 고르지 않다고 짚었습니다.
숫자를 읽을 때 조심할 점과, 작은 사업에 남는 질문
연구진 스스로 이 결과를 인과 추정이 아니라 탄광 속 카나리아 같은 조기 신호로 봐 달라고 적었습니다. 노출이 큰 직업과 낮은 직업은 코로나 시기에 이미 다르게 움직였고, 직업별 학력 수준을 통제하면 격차가 줄어듭니다. ADP 표본은 큰 회사가 많고 직원 10명 미만 회사는 드물며, 전국 설문 자료보다 격차가 더 크게 나타납니다. 그러니 이 숫자를 한국의 작은 사업장에 그대로 옮길 수는 없습니다.
그래도 사업을 꾸리는 사람에게 남는 질문은 분명합니다. AI가 가져간 것은 신입이 하던 정해진 절차형 일이고, 남아서 값이 오른 것은 경험으로 판단하는 일입니다. 문의 답변 초안, 상품 설명 정리, 반복 보고서는 AI에 맡기기 좋은 일입니다. 하지만 어떤 고객에게 먼저 연락할지, 불만 고객에게 무엇을 양보할지 같은 판단은 그 절차형 일을 수없이 해 본 사람에게서 나옵니다. 신입을 뽑지 않고 AI로 메우는 결정은 당장의 비용을 줄이지만, 몇 년 뒤 그 판단을 맡길 사람이 자랄 자리도 함께 없앨 수 있습니다. 혼자 일하는 사람이라면 반대로, 자기 일 가운데 글로 정리할 수 있는 부분은 AI에 넘기고 경험으로만 생기는 판단에 시간을 옮기는 쪽이 이 흐름에 올라타는 방법입니다.
AI는 지금 일자리를 없애기보다 일을 배우는 입구를 좁히고 있으니, 무엇을 맡기고 누구를 키울지 함께 정해야 합니다.
출처와 검증 범위
- 01The Jagged Edge of the AI Boom · Stanford HAI ↗AI 인덱스 데이터 갱신: 2026년 기업 AI 투자 1조 달러·2025년 대비 46%, 젊은 층 고용 감소 지속(고객 상담), 보완형 직업(마케팅·IT 관리자) 감소 심화. 2026-11-15 발표
- 02Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence (2026년 8월 개정판) · Brynjolfsson, Chandar, Chen, Stanford Digital Economy Lab ↗ADP 급여 자료 2026년 6월까지: 22~25세 19% 격차, 채용 축소, 자동화·보완 구분, 임금 변화 작음, 한계(인과 아님·표본 편향). 2026-08
- 03Canaries in the Coal Mine? 논문 소개 · Stanford Digital Economy Lab ↗개정판 요약과 이전 판(2025년 8월)·업데이트(2026년 2월) 경과 확인
- 원문 발표일
- 2026-11-15
- 원문 확인일
- 2026-11-16
- 자료 측정 기간
- 2021년 1월~2026년 6월 급여 기록(비교 기준 2022년 11월), HAI 글은 2026년 데이터 갱신
- 근거 유형
- 대규모 급여 행정자료 기술 분석(ADP, 개정 논문) + AI 인덱스 데이터 갱신 요약
- 한계·미확인
- 인과 추정이 아닌 기술 통계(연구진 명시). ADP 표본은 큰 회사가 많고 10인 미만 회사가 드묾, 전국 설문보다 격차가 크게 나옴, 학력 통제 시 격차 축소, 코로나 시기 사전 추세 존재. 미국 자료라 한국 소규모 사업장에 그대로 적용할 수 없음. HAI 글의 보완형 직업 감소는 대시보드 갱신 요약으로 세부 숫자는 확인하지 못함