일자리는 늘어도 커리어 전환은 막힌다: McKinsey 1,100만 명 AI 직업 이동 보고서

AI 일자리 뉴스를 볼 때마다 “결국 일자리가 사라지는 것 아닌가?”라는 질문으로 돌아가게 된다. 그런데 9월 29일 공개된 McKinsey Global Institute 보고서는 질문을 조금 바꾼다. 미국 경제가 자동화로 줄어드는 일보다 더 많은 일자리를 만들 수도 있지만, 그 과정에서 약 1,100만 명​이 다른 직업으로 이동해야 할 수 있다는 전망이다.

더 불편한 숫자는 따로 있다. 전환이 필요한 사람 가운데 바로 성장 직업으로 이동할 수 있는 경로는 약 7명 중 1명​뿐이다. 일자리가 총량으로 늘어난다는 말과 내 커리어가 쉽게 이어진다는 말은 전혀 다르다. 나는 이번 보고서의 핵심이 해고 예언이 아니라 “내가 다음 직업으로 건너갈 다리를 지금 만들고 있는가”라는 질문에 있다고 본다.

내 커리어 전환 로드맵 만들기 AI 시대 이력서 문장으로 바꾸기

1. 1,100만 명은 해고 숫자가 아니라 이동해야 할 사람의 숫자다

McKinsey는 2025년부터 2035년까지 자동화와 산업 변화로 수요가 줄어드는 직업에서 약 1,100만 명이 다른 직업으로 이동할 수 있다고 추정한다. 동시에 새로 생기거나 커지는 일자리는 더 많을 수 있다. 여기서 “일자리가 더 많으니 괜찮다”고 결론 내리면 중요한 부분을 놓친다.

줄어드는 직업과 커지는 직업은 같은 사람을 자동으로 연결해주지 않는다. 사무·행정지원, 소매·영업, 운송·물류에서 줄어드는 업무와 의료, 건설, 관리직에서 커지는 업무는 요구하는 기술과 자격이 다르다. 채용공고가 늘어도 내가 그 공고에 지원할 수 없다면, 개인에게는 성장 없는 시장과 같다.

이 숫자는 한국 고용시장에 그대로 대입할 수 없다. 미국 직업 데이터와 보고서 모델이기 때문이다. 그래도 방향은 유효하다. AI 시대의 커리어 리스크는 “내 직업이 내일 사라지는가”보다 “내 직업의 다음 단계로 가는 연결 업무가 사라지는가”에 더 가깝다.

2. 커리어 경로는 세 종류로 나뉜다

보고서는 직업 간 이동을 직접 경로, 우회 경로, 막힌 경로로 나눠 설명한다. 직접 경로는 기존 기술이 새 직업에서도 통하고 추가 자격이나 임금 손실이 작다. 우회 경로는 재교육이나 낮은 임금을 잠시 감수해야 한다. 막힌 경로는 기술 격차, 자격증, 지역, 언어 같은 장벽이 너무 크다.

경로	현실의 모습	지금 만들 증거
직접	기존 업무와 새 직무의 기술이 바로 이어진다.	같은 성과를 새 산업의 언어로 번역한 사례.
우회	교육, 자격, 프로젝트를 거쳐야 한다.	8~12주 학습 계획과 실제 결과물.
막힘	기술·자격·지역 장벽이 커서 지원 자체가 어렵다.	장벽을 하나씩 낮추는 선행 조건과 비용.

내가 이 분류를 좋아하는 이유는 “열심히 하면 된다”는 말의 허점을 보여주기 때문이다. 목표 직업을 정한 뒤 필요한 자격과 학습 기간, 임금 변화, 이동 가능 지역을 계산해야 한다. 커리어 전환은 의지의 문제가 아니라 경로 설계의 문제다.

3. AI 시대에 값이 오르는 기술은 하나의 도구가 아니다

보고서에서 AI 활용 능력 수요는 2022년부터 2026년 사이 약 11배 커졌다. 적응력은 약 5배, 회복탄력성·호기심·학습 의지는 약 3배 늘었다. 이 수치를 보고 AI 툴 목록을 더 많이 외우라는 뜻으로 받아들이면 곤란하다.

기업이 원하는 것은 새 도구를 한 번 써본 사람이 아니라, 업무가 바뀌었을 때 빠르게 배우고 결과를 검증하며 다른 직무의 언어로 협업하는 사람에 가깝다. 예를 들어 고객지원 담당자가 AI 답변을 만들었다면, 다음 단계는 답변 생성 자체가 아니다. 개인정보를 걸러내고, 예외 문의를 분류하고, 재문의율이 줄었는지 측정하는 일이다. 이것이 새 직무로 이동할 때 가져갈 수 있는 기술 묶음이다.

4. 30일 안에 내 경로를 지도처럼 그려보자

첫째 주에는 현재 업무를 반복 처리, 판단, 고객·팀 조율, 결과 책임으로 나눈다. 둘째 주에는 관심 있는 성장 직업의 공고 20개를 모아 반복해서 나오는 기술과 자격을 표시한다. 셋째 주에는 기존 업무와 새 직업 사이의 공통 기술을 하나 골라 작은 프로젝트를 만든다. 마지막 주에는 전후 시간, 오류, 승인 기준을 기록해 이력서 문장으로 바꾼다.

좋은 이력서는 “AI를 공부했다”고 말하지 않는다. “고객 문의 200건을 분류하고 AI 초안을 만들었지만, 개인정보와 환불 예외는 사람이 승인하도록 흐름을 바꿔 재문의율을 측정했다”고 말한다. 실제 수치가 없다면 만들어내지 말고, 측정 계획과 범위를 정직하게 적어야 한다.

나는 AI가 장기적으로 많은 직업을 대체한다고 생각한다. 동시에 과거의 기술 전환처럼 새로운 직업과 산업도 생길 것이다. 다만 기회가 자동으로 기존 경력자에게 연결되지는 않는다. 이제 필요한 것은 “AI를 배울까 말까”가 아니라, 내가 가진 기술을 다음 직업의 성과로 번역하는 다리​를 만드는 일이다.

AI 노출 전공의 첫 취업 경로 읽기 비개발 직무로 번지는 AI 수요 보기 검증 가능한 커리어 증거 만들기