7. 진로탐색, 직무분석, 직무매칭에서의 AI

평가 다음에 진짜 어려운 일이 시작된다

앞 장에서 우리는 AI가 직업평가와 기능평가를 더 촘촘하게 읽게 도와준다는 점을 살펴보았다. 그런데 현장에서 더 어려운 순간은 그다음이다. 평가 결과를 손에 쥐고도 실무자는 종종 멈춘다. 이 사람의 강점은 알겠는데, 그래서 어떤 일자리와 연결해야 할까. 보호자는 안정적인 직업을 원하고, 당사자는 해보고 싶은 일이 따로 있고, 지역 노동시장은 좁고, 기업의 직무기술서는 모호하고, 실제 업무는 공고문과 다를 때가 많다. 이 복잡한 퍼즐을 맞추는 과정이 바로 진로탐색, 직무분석, 직무매칭이다.

이 지점에서 AI는 꽤 강력한 역할을 한다. 앞선 단계에서 수집한 사람의 정보와 바깥 세상의 일자리 정보를 서로 번역해 주기 때문이다. 한쪽에는 내담자의 경험, 강점, 피로 패턴, 선호, 환경 요구가 있고, 다른 한쪽에는 직무기술서, 채용공고, 임금, 지역 수요, 기술 변화, 기업 문화가 있다. AI는 이 둘 사이에서 공통 언어를 만들어 준다. 직업재활 현장에서 말하면, 사람의 가능성을 현실의 일자리 문장으로 바꾸는 도구라고 할 수 있다.¹²

하지만 여기서도 기본 원칙은 변하지 않는다. AI는 길을 보여줄 수는 있어도, 삶의 방향을 결정할 수는 없다. 진로는 점수표가 아니라 서사다. 특히 장애가 있는 구직자의 진로는 단순히 적성의 문제가 아니라, 접근성, 이동, 피로, 돌봄, 사회적 낙인, 보조공학, 합리적 편의, 지원체계까지 함께 엮여 있다. 그러므로 좋은 AI 활용은 사람을 직업에 끼워 맞추는 일이 아니라, 사람과 일의 관계를 더 정교하게 조정하는 일이어야 한다.

이번 장에서는 그 연결 과정을 구체적으로 살펴본다. 직무기술서를 AI로 어떻게 읽을지, 기술 격차를 어떻게 나눠 해석할지, 강점 기반 진로 추천은 어떻게 해야 하는지, 노동시장 정보를 어떻게 쉽게 풀어 줄지, 그리고 마지막으로 기존 일자리에 사람을 맞추는 데 그치지 않고 직무를 재설계하고 맞춤형 직무개발로 확장하는 방법까지 차근차근 다루어 보자.

왜 진로탐색과 직무매칭은 생각보다 자주 빗나가는가

겉으로 보면 진로탐색은 간단해 보인다. 흥미를 파악하고, 적합한 직무를 추천하고, 채용공고를 연결하면 끝날 것 같다. 하지만 실제로는 세 가지 이유 때문에 자주 빗나간다.

첫째, 직무명은 같은데 실제 일은 다르다. 같은 사무보조라도 어떤 곳은 자료 입력이 중심이고, 어떤 곳은 전화 응대가 중심이며, 어떤 곳은 문서정리보다 갑작스러운 잡무가 더 많다. 둘째, 내담자가 가진 역량은 이력서 언어로 잘 번역되지 않는다. 예를 들어 정리정돈을 잘하고 루틴을 잘 지키는 강점은 분명하지만, 이를 채용공고의 언어로 바꾸지 못하면 그냥 '경험 없음'으로 보일 수 있다. 셋째, 노동시장은 너무 빨리 변한다. 몇 년 전에는 안정적이던 직무가 지금은 줄어들고, 반대로 새롭게 생긴 직무는 아직 익숙하지 않아 실무자가 설명하기 어렵다. 최근 대규모 채용공고 분석을 다룬 틸노트 글도 반복적이고 실행 중심의 일부 직무는 줄어드는 반면, 전략, 조정, 문제 해결, AI 인프라와 결합된 역할은 늘고 있음을 보여 준다.³

그래서 진로탐색의 실패는 종종 사람을 잘못 본 결과라기보다, 사람과 일 사이의 번역이 부정확한 결과다. AI는 바로 이 번역 문제를 줄이는 데 강하다. 자유응답, 상담 기록, 평가 결과를 요약해 강점 언어로 바꾸고, 수많은 공고를 읽어 공통된 기술과 환경 요구를 뽑아 내며, 둘 사이의 겹침과 간격을 빠르게 보여줄 수 있기 때문이다.¹²

AI는 진로탐색에서 어떤 역할을 하는가

진로탐색에서 AI의 역할은 크게 네 가지로 정리할 수 있다.

첫째, 내담자의 경험을 구조화한다. 학교생활, 훈련 경험, 자원봉사, 가정 내 역할, 실패 경험, 좋아하는 활동처럼 흩어진 이야기를 기술, 선호, 작업 조건, 지원 필요라는 틀로 다시 정리해 준다. 둘째, 직업 정보를 해석한다. 직업명만 나열하는 것이 아니라 실제 업무, 필요한 역량, 작업 환경, 성장 가능성, 접근성 문제를 쉬운 언어로 풀어 준다. 셋째, 매칭 후보를 넓힌다. 내담자와 실무자가 익숙한 직업 몇 개만 떠올리는 대신, 비슷한 역량이 쓰이는 인접 직무까지 확장해 보여 준다. 넷째, 다음 단계 행동을 제안한다. 당장 지원 가능한 일자리, 보완이 필요한 기술, 현장실습이 필요한 분야, 직무개발이 필요한 방향을 나누어 보여 준다.¹⁴

이런 흐름은 국내 공공 고용서비스의 AI 기반 진로지원 서비스에서도 확인된다. 한국고용정보원의 JobCare는 적성, 흥미, 지식, 훈련, 자격, 경력경험과 노동시장 정보를 함께 연결해 필요한 역량과 진로 로드맵을 제시하도록 설계되어 있다. 즉, 사람의 정보와 시장 정보를 따로 보지 않고 한 화면에서 연결하는 방식이다.²

중요한 점은 여기서 추천이 곧 결정이 되어서는 안 된다는 것이다. AI가 '당신에게 맞는 직업'을 말하는 순간 매력적으로 느껴지지만, 직업재활에서는 오히려 '당신에게 지금 탐색해 볼 만한 직업 후보'라고 말하는 편이 더 안전하고 더 정확하다. 진로탐색은 예언이 아니라 실험이기 때문이다.

직무기술서 분석: 공고문 속 진짜 일을 읽어내는 법

직무기술서는 겉으로는 친절해 보이지만, 실제로는 많은 것을 숨긴다. '문서 작성 가능자', '원활한 커뮤니케이션 능력', '멀티태스킹 가능자', '업무 적응력이 뛰어난 분' 같은 표현은 흔하지만, 내담자에게 필요한 건 이런 추상어가 아니다. 실제로 하루 종일 무엇을 하는지, 얼마나 자주 바뀌는지, 소음이 어떤지, 속도 압박이 있는지, 혼자 하는 일이 많은지, 사람 응대가 얼마나 예측 가능한지, 체크리스트가 있는지, 교육 기간은 충분한지가 중요하다.

AI는 직무기술서를 다음과 같은 층위로 쪼개 읽는 데 유용하다.

• 과업: 실제로 반복하는 행동이 무엇인가

• 기술: 컴퓨터, 도구, 언어, 계산, 대인응대 등 어떤 역량이 필요한가

• 환경: 소음, 조명, 이동, 자세, 속도, 사회적 상호작용 강도는 어떤가

• 조건: 근무시간, 교대 여부, 재택 가능성, 지역, 임금, 계약 형태는 어떤가

• 숨은 요구: 눈치, 즉흥 대응, 다중과제 처리, 감정노동처럼 공고에 약하게만 드러난 요소는 무엇인가

예를 들어 '카페 보조'라는 공고를 AI로 분석하면 단순히 음료 제조 보조가 아니라, 주문 피크 시간 대응, 뜨거운 물체 취급, 반복 세척, 미끄러운 바닥, 짧은 대기 시간, 고객 질문 응대, 팀원과의 빠른 협업이 중요한 직무라는 점이 드러날 수 있다. 반대로 '도서 정리 보조'는 반복 분류, 시각적 규칙 준수, 조용한 환경, 비교적 안정적인 루틴이 강점으로 떠오를 수 있다. 이 차이를 보지 못하면 둘 다 그냥 '단순 서비스직'으로 묶여 버린다.

직업재활 실무자는 AI에게 직무기술서를 읽게 할 때, 반드시 '적합/부적합' 판단보다 '직무의 구성요소를 드러내기'에 집중해야 한다. 그래야 직무분석이 낙인이 아니라 이해로 이어진다. 또한 최근의 고도화된 매칭 연구는 좋은 직무-인재 매칭이 단순한 문장 유사도만으로는 되지 않으며, 위치, 학력 수준, 선호, 맥락 같은 요소를 함께 읽어야 한다고 보여 준다.⁵ 직무기술서 분석도 마찬가지다. 문장만 맞는다고 좋은 매칭이 아니다.

기술 격차 파악: 부족한 것을 찾는 일이 아니라, 메울 수 있는 간격을 설계하는 일

현장에서 '기술 격차'라는 말은 종종 사람을 움츠러들게 만든다. 가진 것보다 없는 것이 먼저 보이기 때문이다. 하지만 직업재활에서 기술 격차 분석은 '이 사람이 부족하다'를 말하는 도구가 아니라, '어떤 간격은 훈련으로, 어떤 간격은 지원으로, 어떤 간격은 직무 재설계로 메울 수 있다'를 구분하는 도구가 되어야 한다.

AI는 이 작업에서 아주 실용적이다. 직무기술서와 내담자 프로필을 비교해 이미 가진 역량, 빠르게 학습 가능한 역량, 시간이 필요한 역량, 그리고 훈련보다 환경조정이 더 적절한 영역을 나눠 보여줄 수 있기 때문이다.¹² 예를 들어 문서정리 직무를 희망하는 내담자가 기본 컴퓨터 조작은 가능하지만 엑셀 함수는 어렵고, 대신 정확성과 반복성은 높다고 해 보자. 이 경우 AI는 '사무직 불가'라고 결론내리면 안 된다. 오히려 '기본 데이터 입력과 파일 정리는 바로 가능, 고급 함수는 단기 훈련 필요, 속도보다 정확도 중심의 배치가 적합'처럼 간격을 작게 나누어야 한다.

이때 격차는 적어도 네 종류로 나누어 보는 것이 좋다.

• 즉시 보완 가능한 격차: 짧은 교육이나 체크리스트 제공으로 해결되는 간격

• 훈련이 필요한 격차: 일정 기간의 반복 훈련과 피드백이 필요한 간격

• 보조공학·편의로 해결되는 격차: 음성입력, 화면읽기, 소음조절, 업무분할 등이 핵심인 간격

• 직무 재설계가 필요한 격차: 원래 직무 묶음 자체를 다시 구성해야 하는 간격

이렇게 보면 '부족함'이라는 단어가 훨씬 덜 무섭다. 실제로는 사람의 결함보다 직무 설계의 문제인 경우가 많기 때문이다. 장애인 직업훈련 데이터로 취업 가능 직종을 예측해 맞춤형 훈련 설계를 시도한 국내 연구도 개인 특성과 기초 역량 데이터를 토대로 적합 직종과 훈련 방향을 연결하려 했다.⁶ 중요한 것은 예측 결과를 낙인으로 쓰지 않고, 훈련 설계의 출발점으로 쓰는 태도다.

강점 기반 진로 추천: '못 하는 것 회피'가 아니라 '잘 살아나는 조건 찾기'

장애가 있는 구직자의 진로상담이 쉽게 빠지는 함정이 있다. 위험을 피하려다 보니 결국 너무 좁은 직업군만 남는 것이다. 실수하면 안 되고, 갈등이 적어야 하고, 신체 부담이 적어야 하고, 이동이 쉬워야 한다는 조건을 하나씩 얹다 보면, 진로 추천은 점점 축소된다. 그리고 어느 순간 내담자는 자신이 선택받는 사람이 아니라 걸러지는 사람처럼 느끼게 된다.

그래서 AI를 쓸 때 더욱 필요한 것이 강점 기반 접근이다. 여기서 강점이란 단순히 '잘하는 것'만이 아니다. 오래 버티는 방식, 안정감을 느끼는 조건, 배우는 속도, 실수를 줄이는 전략, 몰입이 살아나는 과업 유형까지 포함한다. 구글의 Career Dreamer 같은 도구가 시도하는 것도 바로 이런 방향이다. 사용자의 역할, 경험, 기술, 흥미를 바탕으로 자신의 경력 정체성을 문장으로 표현하고, 그와 연결되는 다양한 경로를 시각적으로 탐색하게 돕는다.⁴ 직업재활 현장에서는 이것을 더 사람 중심적으로 바꿔 쓸 수 있다.

예를 들어 '반복 작업을 잘한다'는 표현은 너무 납작하다. 하지만 이를 다시 쓰면 '규칙이 분명한 환경에서 정확도가 높고, 절차가 안정되면 속도가 올라가며, 예외 상황이 적을수록 강점이 살아난다'가 된다. '말수가 적다' 역시 '불필요한 사회적 소모가 적고, 조용한 집중 과제에서 지속성이 높다'로 번역될 수 있다. 반대로 '사람을 좋아한다'도 그냥 넘기면 안 된다. '일대일 응대는 편안하지만 동시에 여러 사람의 요구가 몰리면 피로가 커진다'처럼 조건을 붙여야 한다.

좋은 AI 기반 진로 추천은 직업명부터 던지지 않는다. 먼저 강점 문장을 만든다. 그다음 그 강점이 쓰일 수 있는 직무군을 넓게 펼친다. 그리고 마지막에 지역, 임금, 접근성, 훈련 필요를 반영해 현실적인 우선순위를 다시 조정한다. 이 순서가 중요하다. 앞에서부터 현실만 넣으면 진로가 지나치게 보수적으로 좁아지고, 앞에서부터 희망만 넣으면 실행 가능성이 떨어진다.

노동시장 정보 해석: 숫자를 보여주는 것이 아니라, 선택을 이해하게 만드는 일

많은 내담자에게 노동시장 정보는 너무 차갑다. 채용공고 수, 평균임금, 증가율, 자격증 요구, 지역별 수요 같은 정보는 분명 중요하지만, 그대로 제시하면 그냥 숫자 더미로 느껴진다. 그래서 AI의 진짜 장점은 노동시장 정보를 많이 모으는 데만 있지 않고, 그 숫자가 한 사람의 선택과 무슨 관계가 있는지 풀어주는 데 있다.²

예를 들어 어느 지역에서 물류보조 공고가 많다고 하자. 이것만 보면 좋은 기회처럼 보인다. 하지만 AI가 함께 읽어 주어야 할 질문은 더 많다. 대부분 서서 일하는가, 출퇴근 시간대가 혼잡한가, 반복 중량물이 있는가, 야간이나 교대가 많은가, 숙련보다 속도가 중요한가, 지원 장비가 있는가 같은 것들이다. 반대로 공고 수는 적더라도 재택 또는 하이브리드가 가능한 데이터 라벨링, 문서 검수, 온라인 고객응대, 디지털 운영보조 같은 직무는 특정 내담자에게 더 지속 가능할 수 있다.

틸노트의 'AI와 일' 관련 글들이 반복해서 보여 주는 것도 바로 이 점이다. AI의 핵심 가치는 단순한 시간 절약이 아니라, 사람이 더 깊은 판단과 문제 해결에 머물게 하는 업무 재구성에 있다.⁷ 이 관점을 직업재활에 옮기면, 노동시장 해석도 '어느 직업이 뜬다'보다 '어떤 업무가 자동화되고, 어떤 업무는 인간의 강점과 결합해 더 중요해지는가'를 읽어야 한다. 그래야 내담자에게 '이 직업이 유망합니다'라는 막연한 말 대신, '이 분야에서는 반복 입력만 하는 역할은 줄 수 있지만, 정확성 검토, 예외 상황 판단, 고객 맥락 이해 같은 역할은 더 중요해질 수 있습니다'라고 설명할 수 있다.³⁷

또 하나 중요하게 봐야 할 것은 지역성과 접근성이다. 전국 평균 통계가 좋아도, 당사자에게 의미 있는 것은 집에서 1시간 이내 통근 가능한 범위에 어떤 일자리가 있는지, 해당 지역 사업장이 장애 친화적인지, 실제 훈련 연계가 가능한지다. WGU Labs와 Daivergent의 분석도 직업재활 현대화의 핵심 중 하나로 원격 코칭과 AI 기반 매칭이 지리적 장벽을 줄이고, 고수요 산업과 더 빨리 연결되게 한다고 본다.⁸ 즉, 노동시장 정보는 전국 단위 거시 정보와 개인의 생활권 정보를 함께 읽어야 한다.

직무매칭: 닮은 문장을 찾는 것이 아니라, 지속 가능한 만남을 설계하는 것

직무매칭은 겉으로 보면 추천 기술의 문제처럼 보이지만, 실제로는 관계 설계의 문제다. 좋은 매칭은 이력서와 공고문의 키워드가 비슷하다고 끝나지 않는다. 이 사람이 그 환경에서 무리 없이 시작할 수 있는지, 배움의 사다리가 있는지, 합리적 편의가 가능한지, 고용주가 조정 의지가 있는지, 이동과 돌봄을 포함한 생활 조건이 맞는지까지 봐야 한다.

그래서 직업재활에서 AI 기반 매칭은 최소한 다음 요소를 함께 봐야 한다.

• 역량 적합도: 현재 가진 기술과 직무 요구의 겹침

• 선호 적합도: 흥미, 작업 방식, 사회적 상호작용 선호

• 환경 적합도: 소음, 속도, 자세, 이동, 감각 자극, 감독 방식

• 지원 적합도: 보조공학, 훈련, 직무지도, 합리적 편의 가능성

• 생활 적합도: 통근, 근무시간, 복지, 임금, 가족 돌봄과의 조화

한국고용정보원의 AI 기반 일자리 매칭 서비스도 전공, 자격, 훈련, 경력, 경험뿐 아니라 지역, 임금, 선호, 행동 데이터까지 반영해 추천을 고도화하고 있다.² 해외에서도 최근 매칭 모델은 문장 유사도만으로는 충분하지 않다고 보고, 위치나 선호 맥락을 함께 반영하는 방향으로 발전하고 있다.⁵ 이는 직업재활에 매우 중요한 시사점을 준다. 장애 관련 지원 필요를 고려하지 않은 '표면적 매칭'은 시작은 화려하지만 유지에는 실패하기 쉽기 때문이다.

또 하나 주목할 점은 설명 가능한 매칭이다. Indeed와 OpenAI의 협업 사례를 소개한 틸노트 글에 따르면, AI는 단순히 일자리를 추천하는 데서 나아가 왜 이 공고가 당신과 잘 맞는지 맥락을 설명하는 방향으로 진화하고 있다.⁹ 직업재활에서는 이 설명 기능이 특히 중요하다. 내담자는 추천 결과 자체보다 추천 이유를 이해할 때 더 주체적으로 선택할 수 있기 때문이다. '당신에게 맞는 일자리입니다'보다 '당신의 반복 정확성, 고객 기록 정리 경험, 낮은 자극 환경 선호를 고려할 때 이 직무를 먼저 검토할 수 있습니다'가 훨씬 낫다.

맞춤형 직무개발과 직무 재설계: 사람을 바꾸는 대신 일을 다시 짜기

직업재활에서 AI 활용이 가장 빛나는 장면 중 하나는 기존 일자리에 사람을 끼워 맞추지 않고, 직무를 다시 설계할 때다. 특히 중증장애인, 발달장애인, 정신장애인, 중도장애인의 경우 기존 공고를 그대로 매칭하는 방식만으로는 가능성을 충분히 살리기 어렵다. 이때 필요한 것이 맞춤형 고용, 직무 조각내기, 직무 재배치, 과업 묶음 재구성 같은 접근이다.

AI는 이 과정에서 사업장 직무를 세분화하고, 그중 어떤 과업이 특정 내담자의 강점과 잘 맞는지 찾아내는 데 도움을 줄 수 있다. 예를 들어 한 사업장의 사무지원 업무를 분석했더니 전화 응대, 회의 준비, 파일 정리, 데이터 입력, 문서 스캔, 택배 수발신이 한 사람에게 한꺼번에 묶여 있다고 하자. 그런데 실제로는 파일 정리와 스캔, 정기적 자료 입력은 매우 구조화되어 있고 반복성이 높아 어떤 내담자에게 잘 맞을 수 있다. 반면 즉흥 전화 응대와 빠른 우선순위 전환은 다른 직원이 더 적합할 수 있다. AI는 이런 과업 구조를 정리하고 재배치 시나리오를 만드는 데 유용하다.

이것은 단지 효율을 높이기 위한 일이 아니다. 권리기반 접근의 관점에서 보면, 직무 재설계는 '이 사람은 이 일에 안 맞는다'는 결론을 '이 일을 어떻게 다시 구성하면 함께 일할 수 있을까'라는 질문으로 바꾸는 실천이다. 직업재활에서 AI 지원 보조기술과 지원 시스템의 도입이 효과를 가지려면, 수요자 중심이고 참여적인 방식으로 개발·도입되어야 하며, 실제 현장에서 낮은 부담으로 사용 가능해야 한다는 논의도 같은 맥락을 보여 준다.¹⁰

맞춤형 직무개발에서 AI가 특히 유용한 질문은 다음과 같다.

• 한 직무를 이루는 세부 과업은 무엇인가

• 그중 정확성, 반복성, 시각적 규칙 준수가 중요한 과업은 무엇인가

• 그중 즉흥 대응, 감정노동, 고속 전환이 필요한 과업은 무엇인가

• 보조공학이나 체크리스트가 붙으면 수행 가능성이 올라가는 과업은 무엇인가

• 기존 팀의 부담을 줄이면서도 새로운 역할을 만들 수 있는 틈은 어디인가

이렇게 보면 AI는 단순 추천 엔진이 아니라 직무개발 보조자에 가깝다.

현장에서 바로 적용할 수 있는 AI 기반 진로탐색 워크플로

실무자가 실제 사례에서 적용할 수 있도록 흐름을 단순하게 정리해 보자.

처음에는 평가 단계에서 얻은 자료를 진로 언어로 바꾸어야 한다. 강점, 어려움, 선호, 피로 패턴, 지원 필요, 환경 조건을 짧은 문장으로 정리한다. 이때 중요한 것은 '장애 특성 요약'이 아니라 '일할 때 중요한 조건 요약'이다.

그다음에는 희망 직무나 관심 공고를 몇 개 모아 AI로 분석한다. 공고문을 그대로 넣고 핵심 과업, 필요한 기술, 사회적 상호작용 수준, 감각 환경, 숨은 부담 요소를 뽑게 한다. 이 과정에서 직무명이 아니라 실제 업무구조가 보이기 시작한다.

세 번째 단계에서는 내담자 프로필과 공고 분석 결과를 비교해 겹치는 부분과 간격을 나눈다. 바로 지원 가능한 요소, 훈련이 필요한 요소, 지원이 있으면 가능한 요소, 직무 재설계가 필요한 요소로 나누면 된다.

네 번째 단계에서는 노동시장 정보를 붙인다. 지역, 임금, 채용공고 수, 원격 가능성, 계절성, 산업 변화, 자격 요구를 함께 보고 우선순위를 정한다. 이때 유망성만 보지 말고 지속 가능성을 같이 본다.

다섯 번째 단계에서는 3가지 경로를 만든다. 바로 지원 경로, 단기 훈련 후 지원 경로, 맞춤형 직무개발 경로다. 이 세 갈래가 있어야 내담자가 한 번의 실패를 인생 전체의 부정으로 받아들이지 않는다.

마지막으로 당사자와 함께 결과를 검토한다. 추천된 직무가 정말 해보고 싶은 일인지, 빠진 강점은 없는지, 설명이 낙인처럼 느껴지지 않는지 확인한다. 이 확인 단계가 빠지면 아무리 정교한 매칭도 사람 중심이라고 말하기 어렵다.

세 가지 사례로 보는 적용 방식

첫 번째 사례는 발달장애 청년의 진로탐색이다. 학교와 가정에서는 늘 '조용하고 성실하다'는 평가를 받았지만, 본인은 무엇을 좋아하는지 잘 말하지 못했다. 전통적인 흥미검사에서는 점수가 고르게 낮게 나와 진로추천이 애매했다. 이때 AI는 학교 실습 기록, 일상 루틴, 좋아하는 활동, 작업표본 결과를 함께 읽어 '분류, 정리, 누락 확인, 시각 규칙 따르기'라는 강점 묶음을 찾아낼 수 있다. 이후 여러 공고를 분석해 보면 도서관 자료정리, 의료기록 스캔 보조, 물품 재고정리, 문서 아카이빙 같은 직무군이 공통적으로 떠오를 수 있다. 이때 실무자는 여기서 멈추지 않고, 각각의 직무에서 소음, 속도, 대인응대, 동선 조건을 비교해 가장 적합한 현장을 찾아야 한다.

두 번째 사례는 척수손상 이후 재취업을 준비하는 중도장애인이다. 이전에는 현장 중심 관리직으로 일했지만, 이제는 이동과 체력 부담이 큰 역할은 어렵다. 그러나 경험 자체는 매우 풍부하다. AI는 과거 경력을 통째로 버리지 않고, 그 안에서 문서 검토, 일정 조정, 고객 맥락 이해, 문제 상황 판단, 후배 교육 같은 이전 가능 기술을 뽑아낼 수 있다. 이후 채용공고를 분석하면 재택 가능한 운영지원, 원격 고객관리, 품질 모니터링, 온라인 상담 지원 같은 인접 직무가 드러난다. 이 경우 기술 격차 분석은 컴퓨터 협업도구와 온라인 커뮤니케이션 적응 정도를 파악하는 데 집중하면 된다.

세 번째 사례는 정신장애 경험이 있는 청년이다. 대인관계 갈등 경험 때문에 서비스직을 두려워하지만, 실제로는 일대일 응대와 문제 해결 감각이 뛰어나다. AI는 상담 기록 속 반복 표현을 분석해 '예측 가능한 상호작용에서는 안정적, 불규칙 다중요구 상황에서는 과부하'라는 패턴을 정리할 수 있다. 그러면 광범위한 고객센터보다는 예약 기반 상담보조, 온라인 문의 분류, 회원관리, 사례접수 보조처럼 상호작용의 구조가 분명한 역할을 우선 탐색할 수 있다. 이처럼 AI는 사람을 단순히 '대인관계 취약'으로 묶지 않고, 어떤 형태의 관계에서 강점이 살아나는지 보여 주는 데 유용하다.

윤리적 위험은 피하는 것이 아니라, 앞단에서 예방하고 관리해야 한다

진로탐색과 직무매칭에서 AI를 쓰면 속도도 빨라지고 정보도 많아진다. 그러나 바로 그 때문에 위험도 커진다. 특히 이 단계의 AI는 사람의 미래에 직접 영향을 미치므로 작은 편향도 큰 결과를 만든다.

가장 흔한 위험은 자동화 편향이다. 추천 결과가 그럴듯해 보이면 실무자도 내담자도 쉽게 믿는다. 하지만 추천은 언제나 데이터와 규칙의 산물이다. 과거에 장애인이 적게 진출했던 직무는 AI가 덜 추천할 수 있고, 반대로 실제 유지가 어려운 공고를 지나치게 긍정적으로 제시할 수도 있다. 둘째는 결핍 중심 언어의 강화다. AI가 내담자 설명을 요약하는 과정에서 강점보다 제한사항을 더 많이 드러내면, 진로상담 전체가 방어적으로 바뀐다. 셋째는 대리변수 차별이다. 장애 여부를 직접 넣지 않아도 통근거리, 경력 공백, 특정 훈련 이력 같은 정보가 차별의 우회 지표로 작동할 수 있다. 넷째는 설명 불가능성이다. 왜 이 직무를 추천했는지 설명하지 못하면 내담자는 선택의 주체가 될 수 없다. 다섯째는 개인정보 위험이다. 상담기록, 건강 정보, 영상, 평가자료를 외부 AI 서비스에 무심코 입력하면 심각한 문제가 생길 수 있다.¹¹⁰

이런 위험을 줄이기 위해서는 몇 가지 운영 원칙이 필요하다.

• AI는 '후보 생성'까지만 맡기고, '최종 결정'은 사람과 당사자가 함께 한다.

• 공고 추천 이유를 반드시 문장으로 설명하게 하고, 설명이 빈약하면 추천도 보류한다.

• 추천 결과를 검토할 때 강점, 환경, 지원 필요가 균형 있게 적혔는지 확인한다.

• 민감정보는 익명화하거나 최소화하고, 공개형 AI 도구에는 식별 가능한 정보를 넣지 않는다.

• 내담자가 추천 결과에 이의를 제기하고 수정 요청할 수 있어야 한다.

• 접근성 검토를 함께 한다. 추천 도구 자체가 시각, 청각, 인지 접근성을 갖추지 못하면 이미 불공정하다.

여기서 핵심은 '윤리 문제를 피한다'는 소극적 태도보다 '윤리 문제를 설계 단계에서 관리한다'는 적극적 태도다. 어떤 데이터를 넣을지, 어떤 표현은 쓰지 않을지, 어떤 판단은 AI에게 맡기지 않을지를 미리 정해야 한다. 그래야 현장에서 속도와 안전을 함께 잡을 수 있다.

사람 중심 매칭을 위한 다섯 가지 질문

실무자가 AI 결과를 받아 들었을 때, 마지막으로 꼭 확인해야 할 질문이 있다.

첫째, 이 추천은 내담자의 강점을 기반으로 만들어졌는가, 아니면 제한사항 회피만으로 만들어졌는가. 둘째, 이 추천은 현재 가능한 일자리만 보여 주는가, 아니면 성장 가능한 경로도 함께 보여 주는가. 셋째, 이 추천은 직무의 현실 조건을 충분히 반영하는가, 아니면 직업명만 그럴듯하게 맞춘 것인가. 넷째, 이 추천은 필요한 지원과 편의를 고려했는가, 아니면 사람만 바꾸려고 하는가. 다섯째, 이 추천을 들은 당사자가 스스로 '해 볼 만하다'고 느끼는가.

이 다섯 질문을 통과하지 못하면, 추천 결과가 아무리 정교해 보여도 직업재활의 언어로는 좋은 매칭이 아니다.

결국 좋은 매칭은 좋은 해석에서 나온다

진로탐색, 직무분석, 직무매칭은 직업재활에서 내담자의 가능성이 가장 직접적으로 현실 일자리와 만나는 장면이다. 그래서 기대도 크고 실망도 크다. AI는 이 장면을 바꿀 힘이 있다. 직무기술서를 더 잘 읽게 하고, 기술 격차를 더 잘게 나누고, 강점을 더 선명한 언어로 바꾸고, 노동시장 정보를 덜 차갑게 풀어 주며, 맞춤형 직무개발의 힌트까지 제공할 수 있다.¹²⁸

그러나 마지막 문장은 여전히 사람의 몫이다. 이 사람은 어떤 방식으로 일할 때 살아나는가. 어떤 환경이라면 지치지 않고 오래 갈 수 있는가. 어떤 지원이 붙으면 가능성이 현실이 되는가. AI는 이 질문에 대한 단서를 많이 줄 수 있지만, 답을 대신 살아 주지는 못한다.

그래서 직업재활에서 좋은 AI 활용은 결국 이런 모습에 가깝다. AI는 일자리와 사람 사이의 번역가가 되고, 실무자는 그 번역을 삶의 언어로 다시 풀어 주며, 당사자는 그 선택의 최종 주체가 된다. 바로 그때 진로탐색은 추천 기술을 넘어, 가능성을 현실로 연결하는 실천이 된다.

참고

¹Using AI in Vocational Rehabilitation

²Enhancement of Employment Services Based on New Technologies

³2025년 AI가 대체한 직업 변화, 1억8천만 건 데이터로 확인한 최신 트렌드

⁴Explore Your Possibilities with Career Dreamer

⁵RankPO: Preference Optimization for Job-Talent Matching

⁶인공지능(AI) 기반 직업 훈련 평가 데이터 분석 및 취업 예측프로그램 구현

⁷새로운 직장 필수 교양, 'AI와 일'에 대한 진짜 이야기

⁸New Analysis: How Modernizing Vocational Rehabilitation Can Unlock a $645 Billion Workforce Opportunity

⁹인공지능이 만드는 완벽한 맞춤형 취업 추천, Indeed와 OpenAI 이야기

¹⁰AI in Vocational Rehabilitation—Intelligent Assistance for People with Disabilities