AI 시대, 커리어 사다리가 사라질 때 살아남는 법
AI가 무너뜨린 첫 번째 계단, 사라지는 입문직
취업 포털을 들여다보면 공고 수보다 경쟁자 수가 훨씬 빠르게 늘어난다는 느낌이 듭니다. 문제는 경기 침체가 아닌데도 특히 대졸 신입이 이 압박을 정면으로 맞는다는 점입니다. 성장하는 경제에서 학력은 보통 안전벨트 역할을 했는데, 지금은 그 안전벨트가 몸을 조여 오는 모양새에 가깝습니다.
반복 업무를 먹어 치우는 LLM, 단순 자동화가 아니다
예전에는 막내가 맡던 일에는 일정한 패턴이 있었습니다. 엑셀로 숫자를 옮기고, 코드의 틀을 복붙해서 맞추고, 계약서를 여러 번 읽으면서 표시를 붙였습니다. 지금은 대형 언어 모델이 이런 일을 순식간에 처리합니다. 미국 로펌이나 투자은행에서 커스텀 AI를 도입하면 가장 먼저 사라지는 자리가 바로 이 반복 작업을 담당하던 주니어입니다.
표면적으로는 "생산성 향상"입니다. 실제로는 "훈련 과정의 삭제"입니다. 입문 단계에서 몸으로 익혔던 시행착오를 AI가 처리하면서, 신입은 처음부터 결과물을 검수하는 역할을 요구받습니다. 저라면 이 상황을 단순한 업무 효율이 아니라, 경력 성장의 첫 단계를 빼앗기는 구조 변화로 봅니다.
검수할 줄 아는 사람만 필요해지는 역설
문제는 검수가 훨씬 어려운 일이라는 사실입니다. 코드를 처음 짜보는 사람은 코드 리뷰도 제대로 할 수 없습니다. 계약서를 제대로 써본 경험이 없는 사람은 AI가 쓴 문구가 미묘하게 위험한지 판단하기 어렵습니다. 그런데 기업 입장에서는 고급 판단이 가능한 사람만 남기고 싶습니다.
이 지점에서 한국의 20대도 같은 벽을 만납니다. 프로젝트 인턴이나 계약직으로 겨우 들어가면 이미 자동화된 프로세스를 관리하는 역할만 주어집니다. 배울 거리는 얕고, 책임만 늘어납니다. 제 기준에서는 "경험을 쌓으려고 낮은 연봉을 감수하는 선택"이 예전만큼 합리적이지 않습니다. 경력이 안 쌓인 경력 한 줄이 늘어날 뿐인 자리도 있기 때문입니다.
학력 인플레이션과 깨진 대학 프리미엄
많은 20대가 취업이 막히면 가장 먼저 떠올리는 해법은 추가 학위입니다. 학부가 안 통하니 석사, 석사도 불안하니 자격증까지 쌓습니다. 그러나 이 경주가 모두에게 보상을 주는 구조는 이미 아닙니다.
"티켓"에서 "쿠폰"으로, 학위의 의미가 바뀌었다
선진국에서 대학 진학률은 이미 절반에 근접했습니다. 학위의 희소성이 사라졌습니다. 성적도 비슷합니다. 상위 등급이 드물었던 시절에는 성적표 자체가 강력한 신호였지만, 이제는 상위 등급 비율이 크게 늘어 사실상 기본 옵션이 되었습니다.
한국에서도 비슷한 흐름이 진행 중입니다. 학위 자체가 "중산층행 보증서"가 아니라 "지원 자격"에 더 가깝습니다. 이 상황에서 석사까지 연장하면 기회비용은 커지고, 투자금 회수 가능성은 전공에 따라 극단적으로 갈립니다. 저라면 석사 진학을 "안전판"이 아니라 "고위험 투자 상품" 정도로 평가합니다.
전공 선택이 대학 이름보다 중요한 이유
최근 분석을 보면 공학, 간호, 경제학 같은 전공은 여전히 평생 소득 기준으로 큰 플러스가 나옵니다. 반면 예술, 일부 인문사회, 교육 관련 영역은 학비와 시간 대비 수익이 마이너스로 떨어지는 경우가 적지 않습니다. 탑 티어 사립이냐 지방 국립이냐보다 어떤 생산 영역에 연결된 전공이냐가 더 큰 변수가 된 셈입니다.
이 지점에서 페르소나가 갈립니다. 이미 사회에 나와 특정 분야 경력을 쌓는 사람에게 학위는 가속 장치가 될 수 있습니다. 반면 진로가 불분명한 상태에서 "뭐라도 더 배우면 좋아지겠지"라는 마음으로 들어가는 석사는 위험합니다. 현실에서 많이 생기는 함정입니다. 빚과 시간을 들여 졸업했는데, 채용 담당자는 여전히 "실제 프로젝트 경험"을 먼저 묻습니다.
누가 살아남는가: 기술, 돌봄, 세일즈의 세 갈래
이 거대한 압력 속에서도 잘 굴러가는 영역은 분명히 존재합니다. 공통점은 두 가지입니다. 자동화가 쉽지 않거나, 사람이 사람을 상대로 돈을 벌어야 하는 곳입니다.
코드만이 아니라 "도구를 다루는 사람"으로
빅테크의 채용은 예전만큼 뜨겁지 않습니다. 그러나 AI 개발, 보안, 특정 도메인과 결합된 데이터 직무는 꾸준히 수요가 이어집니다. 코드 자체의 가치는 떨어지지만, AI를 활용해 문제를 정의하고 비즈니스와 연결하는 능력의 가치는 올라갑니다.
한국에서도 비슷한 현상이 보입니다. SI처럼 인력 투입형 개발은 단가 경쟁에 시달리는 반면, 제조, 금융, 의료 같은 업종 깊숙이 들어간 개발자는 오히려 몸값이 오릅니다. IT 실무자라면 "어떤 산업 언어를 하나 더 배울 것인가"를 고민하는 편이 단순 기술 스택 확장보다 낫습니다.
늙어가는 사회와 안 죽는 일자리
돌봄과 의료는 자동화가 가장 더딘 영역입니다. 고령화가 빠른 한국에서는 특히 그렇습니다. 병원, 요양, 정신건강, 사회복지와 맞닿은 일은 현장 노동 강도가 높고 근무 환경이 거칠 수 있습니다. 그럼에도 불구하고 수요는 구조적으로 증가합니다.
흥미로운 점은 이 분야에 여성 비중이 높다는 사실입니다. 남성은 여전히 기술, 금융 같은 영역에 몰립니다. 변동성이 큰 산업에 집중된 만큼 경기와 기술 충격을 더 세게 맞습니다. 커리어 경로를 새로 짜는 남성 독자라면, "화이트칼라 남성의 전통적인 인기 업종"에서 한 발 벗어나는 선택이 장기적으로 안전할 수 있습니다.
줌 이후, 오히려 선명해진 오프라인 설득의 가치
팬데믹 당시에는 많은 사람이 "이제 출장은 끝났다"라고 말했습니다. 실제 결과는 정반대에 가깝습니다. 중요한 계약은 다시 비행기를 타고 가서 성사됩니다. 직접 눈을 보고 이야기하는 사람이 신뢰를 가져갑니다. 영상 통화로는 전달되지 않는 미세한 신호가 여전히 존재합니다.
그래서 세일즈, 파트너십, B2B 영업 같은 역할은 쉽게 줄어들지 않습니다. 이동이 많고, 성과 압박이 세고, 예측 가능한 루틴이 적습니다. 그러나 한 번 궤도에 올라가면 AI가 대체하기 어려운 인간 관계 자산이 쌓입니다. 제 기준에서는 "코딩이나 문서 작업만이 안전한 기술직"이라는 생각이 이미 낡았습니다. 데이터를 이해하고, 사람을 이해하는 쪽이 오히려 회복력이 높은 조합입니다.
지금 한국 직장인이 점검해야 할 것들
많은 사람이 여기서 막힙니다. "그래도 결국 학력과 스펙이 답 아니냐"라는 질문입니다. 그러나 지금 구조 변화는 단순 스펙 업그레이드만으로 대응하기 어렵습니다. 그래서 관점을 아예 새로 짤 필요가 있습니다.
이 전략이 맞지 않는 사람부터 구분해야 한다
현재 월급이 빠듯해도 꾸준히 들어오고, 회사가 급격한 구조조정 위험이 적은 30대 중반 이후 직장인은 섣불리 학위나 커리어 전환에 올인하기보다, 내부에서 "AI를 다루는 사람" 포지션을 확보하는 편이 안전합니다. 반대로 졸업을 앞둔 20대라면, "언젠가 하고 싶은 일"보다 "지금 돈을 내는 수요가 존재하는 일"에 더 냉정하게 초점을 맞추는 편이 좋습니다.
여기서 많이 놓치는 부분은 부모 세대의 경로를 여전히 기준으로 삼는 습관입니다. 공채, 연공서열, 내부 승진으로 이어지는 직선형 사다리는 이미 회사 안에서도 형태가 바뀌고 있습니다. 피라미드가 다이아몬드, 나중에는 모래시계로 변할 가능성까지 거론되는 상황입니다. 저라면 "입사"보다 "첫 3년 동안 무엇을 할 수 있게 되는가"에 더 큰 비중을 두겠습니다.
오늘 당장 할 수 있는 첫 행동 하나
거창한 커리어 설계보다 시급한 일은 현실 검증입니다. 지원하려는 산업과 직무가 실제로 어떤 구조인지, 자동화 방향이 어디를 향하는지, 자리를 지키는 사람의 공통점은 무엇인지부터 확인해야 합니다. 채용 공고, 기업 보고서, 업계 커뮤니티를 동시에 보는 것이 좋습니다. 말과 숫자가 다를 수 있기 때문입니다.
그다음에는 AI를 "나 대신 이력서를 써주는 도구"가 아니라, "내 일을 키우는 파트너"로 전환해야 합니다. 같은 한 시간을 써도 AI를 곁에 두고 실험하는 사람과 그렇지 않은 사람의 생산성 격차는 이미 크게 벌어져 있습니다. 현실적으로는 모두가 승자가 될 수 없습니다. 다만 구조가 불리해지는 쪽에 계속 남아 있을 것인지, 덜 불리한 쪽으로 한 걸음 옮길 것인지는 선택할 수 있습니다. 그 선택의 속도가 앞으로 10년, 커리어 사다리가 아니라 커리어 지형 자체를 가를 것입니다.
출처 및 참고 :
이 노트는 요약·비평·학습 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.