3줄 요약

  1. CCIA(컴퓨터통신산업협회)가 2026년 2월에 발행한 기사다. ATM과 영상의학과라는 두 역사적 사례를 축으로, AI 자동화가 고용에 미치는 영향을 실증 연구 기반으로 정리한다.
  2. MIT Sloan, Brookings, Brynjolfsson 등의 연구를 종합한 핵심 발견: 직무 내 일부 과업만 자동화하면 고용은 오히려 증가하고, 대부분의 과업을 자동화해야 비로소 ~14% 감소한다.
  3. 기업들이 해고를 AI 탓으로 돌리는 ‘AI-워싱’ 현상을 경고하며, 현 시점에서 AI는 노동자를 대체하기보다 보완하는 경향이 지배적이라고 결론짓는다.

ATM 역설: 자동화가 일자리를 만들다

ATM을 사용하는 여성

1970~80년대에 ATM이 대규모 도입되었을 때, 은행 창구 직원의 종말이 예고되었다. 현금 인출과 입금을 기계가 대신하니 논리적으로 당연한 예측이었다.

데이터는 정반대를 말했다. Boston University의 James Bessen이 기록한 바에 따르면, 1980년부터 2010년까지 미국에 ATM ~40만 대가 설치되는 동안 은행 창구 직원 수는 ~50만 명에서 ~60만 명으로 증가했다.

메커니즘은 이렇다. 현금 거래라는 루틴 과업이 기계로 넘어가자, 창구 직원은 관계 금융 — 복잡한 고객 상담, 금융 상품 판매, 개인화된 관계 구축 — 으로 역할이 전환되었다. 과업이 자동화된 것이지, 직업이 소멸한 것이 아니다.

은행 창구 직원 수가 실제로 감소한 것은 2010년대의 모바일 뱅킹 때문이었다. 모바일 뱅킹은 개별 과업이 아니라 고객의 지점 방문 자체를 대체했다. 자동화의 범위가 질적으로 달라진 것이다.

힌튼의 예측과 9년 뒤의 현실

2016년, 튜링상 수상자 Geoffrey Hinton이 의료계를 뒤흔든 예측을 내놓았다.

“People should stop training radiologists now. It’s just completely obvious that within five years deep learning is going to do better than radiologists.”

9년 뒤의 현실: 영상의학과 전문의 수는 줄지 않고 늘었다. Mayo Clinic만 해도 영상의학과 인력이 ~260명에서 400명 이상으로 55% 확대되었다. 전국적으로는 인력 부족이 문제이며, 영상 판독 적체가 몇 개월에 이르는 시설도 있다.

Hinton 본인도 오류를 인정하고, ‘대체가 아닌 증강’으로 수정 예측을 제시했다.

실증 연구가 보여주는 것

미국 은행 창구 직원 수와 ATM 대수 추이

여러 실증 연구가 ATM·영상의학과 사례와 일관된 패턴을 보고한다.

Babina & Fedyk (Brookings Institution)

AI를 도입한 기업은 해고가 아니라 더 빠른 성장, 더 많은 채용, 더 높은 혁신 집약도를 보였다. 기업 수준에서 AI는 노동을 대체하기보다 보완하는 경향이 집계적으로 확인된다.

Brynjolfsson, Li & Raymond

5,000명 이상의 고객 서비스 에이전트를 대상으로 한 연구에서 생성형 AI 도구는 평균 15% 생산성 향상을 가져왔다. 핵심은 분포다.

  • 경험 적은 하위 숙련 노동자: 30% 이상 향상
  • 숙련 노동자: 미미한 효과

AI가 상위 수행자의 모범 사례를 하위 수행자에게 전파하여 격차를 줄이는 역할을 한다. 이전 자동화 물결에서 기술이 고숙련 노동을 보완하고 저숙련 노동을 대체했던 패턴(skill-biased technological change)을 뒤집는 발견이다.

MIT Sloan

AI의 고용 영향은 자동화의 범위에 결정적으로 의존한다.

  • 직무 내 대부분의 과업을 자동화할 때: 기업 수준 고용 ~14% 감소
  • 일부 과업만 자동화할 때: 고용이 오히려 증가 — 노동자가 AI가 못하는 고부가가치 활동으로 재배치

자동화의 ‘범위’가 고용 영향의 방향을 결정하는 임계값으로 작용한다는 정량적 근거다.

AI-워싱: 기업 내러티브와 실제의 괴리

최근 기업들이 해고를 AI 탓으로 돌리는 관행이 늘고 있다. NYT는 이를 ‘AI-워싱(AI-washing)’이라 명명했다. 실제 동기는 팬데믹 과잉 채용 정정, 비용 압박, 경기 둔화 대응인 경우가 많다.

  • Wharton의 Peter Cappelli: “AI를 실제 도입한 기업에서 해고 증거는 거의 없다. 대부분 인력을 줄이지 않는다.”
  • Goldman Sachs: AI의 노동 시장 영향은 아직 제한적이며, 대부분의 노동 시장 지표에 유의미한 영향 징후가 없다.
  • Forrester: AI를 이유로 해고한 뒤 재고용한 사례를 문서화. 기술 역량에 대한 경영진의 성급한 낙관이 반영된 것.

정보에 기반한 낙관이 최선이다

WEF는 AI와 관련 기술이 2030년까지 1.7억 개의 새 일자리를 만들고 9,200만 개를 대체하여 순 7,800만 개 증가를 전망한다. 물론 과업 전환과 이행 과정에서의 마찰은 불가피하다.

기사가 반복적으로 짚는 분석 오류의 핵심: 과업의 자동화를 직업의 소멸과 혼동하는 것이다. 직무(job)는 과업(task)의 묶음이다. 일부 과업이 자동화되면 나머지 과업의 가치가 올라가고, 새 과업이 생기며, 수요가 이동한다. 정태적 분석으로는 이 적응 과정을 포착할 수 없다.

은행 창구 직원은 사라지지 않고 관계 은행가가 되었다. 영상의학과 전문의는 여전히 AI 도구의 보조를 받으며 판독하고 있다.

가장 흥미로운 지점

MIT Sloan의 ‘범위 임계값’ 발견이 가장 인상 깊다. “자동화가 고용을 늘리느냐 줄이느냐"라는 이분법적 논쟁에 정량적 경계선을 긋기 때문이다.

ATM이 현금 거래만 자동화했을 때는 Jevons Paradox가 작동하여 오히려 창구 직원이 늘었지만, 모바일 뱅킹이 지점 방문 자체를 대체하자 창구 직원이 줄었다. MIT Sloan의 14%는 이 전환점의 정량적 근사치로 읽힌다.

출처

CCIA (Computer & Communications Industry Association), 2026년 2월 원문: https://ccianet.org/articles/what-bank-tellers-and-radiologists-can-tell-us-about-our-job-security-in-the-ai-era/