AI의 등장 이후 고용 시장은 어떻게 변화했을까? - 언더스코어 × PD수첩

3줄 요약

1. 데이터 분석 미디어 언더스코어(강태영 KAIST, 강현제 교토대 교수, 김선함 KDI 연구위원)가 MBC 《PD수첩》의 연구 지원을 받아 2019년 7월부터 2025년 1월까지 국내 채용 플랫폼에 게시된 공고 1,041만 3,271건과 기업 43만 4,688개(중복 제외)를 조사했다.
2. 사무직과 전문직의 신입 채용 축소는 ChatGPT가 나오기 반년 전인 2022년 여름에 이미 시작됐다. 기준금리 인상과 팬데믹 IT 채용 붐 이후의 감축이 겹친 시기다. 14개 직군 가운데 블루칼라 대조군 대비 유의한 감소와 위약 검정을 모두 충족한 분야는 개발자(-33.5%)와 디지털 디자인(-20.6%) 둘뿐이다.
3. 이와 달리 채용공고의 요구 경력기간은 ChatGPT 출시 직후부터 길어져, 개발자 기준 3.73년에서 2025년 1월 5.18년이 됐다. 기업과 채용 시점, 직무 대분류를 통제한 상태에서도 생성형 AI 노출도가 1표준편차 높은 직무는 요구 경력이 0.073년(비IT 표본은 0.055년) 더 길어졌다.

AI 시대의 고용 감소 논쟁과 세 가지 교란 요인

2022년 11월 말 대화형 생성형 AI인 ChatGPT가 공개된 뒤, 노동경제학계에서는 두 가지 질문이 제기됐다. 첫째, 생성형 AI는 화이트칼라 일자리를 실제로 줄였는가? 둘째, 생성형 AI는 지식 습득을 도와 저연차 노동자에게 유리하게 작용하는가, 아니면 이미 전문 지식을 갖춘 고연차 노동자가 여러 업무를 처리하도록 도와 경력직 선호를 강화하는가?

선행 연구의 결론은 엇갈렸다. 스탠퍼드 연구진(Brynjolfsson, Chandar & Chen, 2025)은 미국 ADP 급여 데이터에서 22~25세 청년층의 AI 고노출 직업 고용이 저노출 직업보다 19% 줄었다는 결과를 제시했다. 이에 대해 이스첸코와 쿠르토 밀레(Iscenko & Curto Millet, 2026)는 고노출 직업 공고 수가 연준 금리 인상 개시 시점인 2022년 3~4월에 이미 정점을 지났다고 지적했다¹. 뉴욕 연준(Audoly, Guerin & Topa, 2026)은 고노출 직업 채용 감소가 ChatGPT 출시 전에 시작됐고 주니어와 시니어 차이가 미미하다고 분석했으며, 덴마크 사업장을 조사한 연구(Humlum & Vestergaard, 2025)도 챗봇 도입 여부에 따른 임금이나 청년 고용 비중 차이가 없다고 밝혔다.

반대로 채용 총량의 감소는 금리와 경기 변동으로 설명되더라도 인력 구성의 변화는 ChatGPT 이후에 고유하게 나타났다는 재반론도 이어졌다. 브린욜프슨 연구진(2026)은 2022년 11월에 고노출 직업과 저노출 직업의 청년 고용 비율이 이미 팬데믹 이전인 2018~2019년 수준과 같아졌다고 설명했다. 따라서 그 이후의 추가 감소를 팬데믹 이전 수준으로의 복귀로 설명할 수 없다고 반박했다. 기준금리 인상이 멈춘 뒤에도 두 직업군 간 고용률 차이가 계속 커졌다는 점도 지적했다. 로데팔크 외(Lodefalk et al., 2026)는 스웨덴 중앙은행의 첫 금리 인상(2022년 4월)과 ChatGPT 출시(2022년 11월) 사이의 7개월 시차를 활용했다. 전체 공고는 금리 인상 이후 감소했으나 청년 고용 비중의 변화는 ChatGPT 이후에 발생했다는 분석이다. 웨스트비, 모데스티노, 쳉(Westby, Modestino & Cheng, 2026)도 미국 소프트웨어 공고 570만 건에서 주니어 공고가 시니어 공고보다 14~15% 더 줄었다고 집계했다.

국내에서도 같은 구도가 반복됐다. 한국은행은 2025년 10월 이슈노트에서 청년 일자리 감소가 AI 고노출 업종에 집중됐다고 기술했다가, 2026년 8월 후속 노트에서는 청년 신규 채용 비중 하락이 ChatGPT 이전부터 진행됐음을 확인하고 AI를 단독 원인으로 지목하는 판단을 유보했다. 소프트웨어 개발직 채용공고에서 신입직(대졸 이하, 요구 경력 3년 미만)이 차지하는 비중도 2022년 53.5%에서 2024년 37.4%로 16.1%p 줄었다(한국노동연구원 지상훈, 2025년 12월). 같은 기간 전체 직종의 신입직 비중 감소 폭은 5.6%p였다.

이처럼 서로 다른 해석이 나온 이유는 ChatGPT 출시 전후 1년 사이에 신입 채용을 동시에 위축시킬 수 있는 세 가지 거시적 교란 요인(confounder)이 동시에 작용했기 때문이다. 첫째로 2020년부터 2021년까지 코로나 시기 디지털 전환 수요로 급증했던 개발자 채용 규모가 2022년 하반기부터 줄어들기 시작했다. 둘째로 한국은행이 2021년 8월, 미국 연준이 2022년 3월부터 기준금리 인상을 시작했다. 셋째로 금리 인상의 여파로 2022년부터 2023년 사이 벤처투자가 급격히 위축됐다.

채용공고 1,041만 건과 직무, 기업 AI 노출도 설계

연구진은 교란 요인과 생성형 AI의 인과적 영향을 분리하기 위해 국내 최대 채용 플랫폼 중 한 곳에서 2017년 2월부터 2025년 4월까지 등록된 채용공고 1,507만 3,974건을 수집했다. 연구진은 2017년부터 2019년 상반기 자료를 제외했다. 오래전에 등록된 공고여서 기업 폐업 등의 이유로 삭제된 비율이 높았기 때문이다. 최종 분석 표본은 접수 시작일이 2019년 7월부터 2025년 1월 사이인 공고 1,041만 3,271건과 이를 게시한 기업 43만 4,688개였다. 기업 수는 중복을 제외해 집계했다².

공고 데이터에서는 세 가지 핵심 변수를 추출했다. 첫째는 직무 분류로, 대분류 태그뿐 아니라 백엔드/서버개발, 프론트엔드, Java, Python, 임베디드, 펌웨어 같은 세부 직무와 기술 키워드까지 파악했다. 둘째는 경력 요건으로, 신입 지원 가능 여부와 평균 요구 경력기간을 연 단위로 수치화했다. 셋째로 기업을 식별했다. 중복을 제외한 기업 43만 4,688개 중 77.6%인 33만 7,158개의 업종, 설립일, 기업 형태를 확보했다. 이 기업들이 게시한 공고는 전체 공고의 87%였다. 공정거래위원회 통신판매사업자 등록부와 금융감독원 전자공시시스템(DART)도 대조했다. 이를 통해 전체 기업의 75.0%에 행정적 사업자등록번호(BRN)를 대응시켰다.

AI가 각 일자리에 미치는 잠재적 영향력은 직무 노출도($\beta$)와 기업 노출도($A$) 두 가지 지표로 정량화했다. 직무 노출도 $\beta$는 엘룬두 외(Eloundou et al., 2023)의 측정 방식을 따른다. 이 지표는 미국 직업정보망(O*NET)의 세부 과업 약 1만 9,000개 가운데 대규모 언어 모델로 작업 시간을 절반 이상 줄이면서 품질을 유지할 수 있는 과업의 비율을 뜻한다. 연구진은 이를 한국 채용공고의 직무 키워드 1,920개(전체 공고의 99.8% 포함)에 대응시켰다³. 채점 결과 백엔드 개발(0.87), 앱 개발(0.87), 경리(0.78)는 직무 노출도가 높게 산출됐고, 단순생산직(0.08)과 간호조무사(0.11)는 낮게 산출됐다.

이와 별도로 해당 기업이 속한 업종의 핵심 산출물을 생성형 AI가 직접 생성할 수 있는 정도를 측정하기 위해, OpenAI의 GPT-5.6 Astra와 Anthropic의 Claude Opus 5 두 모델에 동일한 기준을 주어 기업 노출도 $A$를 채점했다. 두 모델의 채점 상관계수는 0.983에 달했으며, 응용소프트웨어 개발(0.93)과 광고대행(0.89)이 높은 값을, 일반의원(0.07)과 외식업(0.05)이 낮은 값을 기록했다. 또한 채용공고의 조건 변화가 실제 고용 변화로 이어졌는지 대조하기 위해 한국고용정보원의 월별 「고용보험통계현황」에서 산업 대분류별 피보험자 수 데이터를 함께 수집했다.

ChatGPT 이전부터 시작된 변화: 신입 채용 공고 감소

2020년부터 2024년까지 직군별 전체 공고 가운데 신입 지원이 가능한 공고의 비율을 집계하면, 사무직과 전문직 전반에서 2022년 이후 신입 비중이 일제히 감소했다. 개발자와 디지털 디자인, 경리와 회계는 신입 공고와 경력 공고가 함께 줄면서 신입 비중이 낮아졌고, IT 인프라, 물리 디자인, 마케팅, 영업은 경력 공고가 늘어나는 가운데 신입 공고만 줄어들었다. 반면 직무 노출도 0.2 이하 키워드로 정의한 대조군인 블루칼라 직군은 2022년 77.6%에서 2024년 75.0%로 2.6%p 감소하는 데 그쳤다.

연간 평균만 보면 ChatGPT가 출시된 2022년을 기점으로 사무직 신입 채용이 줄어든 것처럼 읽히지만, 월별 신입 가능 공고 지수(2022년 평균=100)를 추적하면 감소가 시작된 시점은 ChatGPT 출시 반년 전인 2022년 여름이었다. 개발자 신입 공고 지수는 코로나 초기인 2020년 5월 49.1에서 2022년 5월 110.4까지 두 배 이상 급증해 정점을 기록한 뒤, 2022년 여름부터 감소하기 시작해 2025년 1월에는 코로나 초기 저점보다 낮은 46.5를 기록했다. 2022년 대비 2024년 월평균 신입 공고 건수는 개발직이 43%, 디지털 디자인이 34%, IT 인프라가 24% 감소했고 블루칼라는 4% 감소했다.

출처: 언더스코어 × PD수첩, 「AI의 등장 이후 고용 시장은 어떻게 변화했을까?」

이 감소 시점이 금리 인상기 및 IT 채용 붐 조정기와 겹치기 때문에, 공고 건수만으로는 경기 변동의 영향과 AI의 영향을 분리하기 어렵다. 그러면서도 연구진은 “스타트업 투자 위축과 테크 기업의 자금난 때문에 개발자 채용이 줄었다"는 통념은 데이터와 부합하지 않는다고 설명한다. 기업 노출도 $A \ge 0.7$인 테크 기업(네이버, 카카오 등)에서 개발자 신입 공고가 블루칼라 대비 48.1% 감소($p<.001$)하는 동안, $A \le 0.35$인 비테크 기업(건설사, 방송사, 엔터테인먼트사 등)에서도 신입 개발자 공고가 23.7% 감소($p<.1$)했기 때문이다.

2022년 12월 이후 게시된 공고를 대상으로 포아송 준최우추정(PPML) 이중차분 모형을 적용해 14개 직군의 변화를 블루칼라 대조군과 대조했다. 본 추정에서 신입 공고 감소가 유의하고 2021년 7월을 가짜 분기점으로 둔 위약 검정에서도 사전 추세가 발견되지 않은 직군은 개발자(-33.5%, $p<.01$)와 디지털 디자인(-20.6%, $p<.05$) 두 곳이다⁴. 경력직 공고 건수는 14개 직군 중 어느 곳에서도 블루칼라 대조군과 유의한 차이가 나타나지 않았다.

출처: 언더스코어 × PD수첩, 「AI의 등장 이후 고용 시장은 어떻게 변화했을까?」

기업 규모와 업력에 따라 개발자 신입 공고 감소율을 블루칼라 대조군과 비교했다. 모든 기업 유형에서 감소가 관찰됐지만, 통계적으로 유의한 집단은 중소기업(-35.0%, $p<.01$)과 설립 20년 미만 기업(설립 10~20년 -31.4%, 설립 10년 미만 -30.1%, 모두 $p<.05$)이었다. 투자 위축으로 주니어 채용을 중단했을 것으로 흔히 지목되던 스타트업의 변화율은 -11.3%($p=.550$)로 블루칼라 대조군과 유의한 차이가 없었다. 실제 고용 변화도 고용보험 피보험자 지수(2022년 상반기=100)로 확인했다. 정보통신업의 29세 이하 지수는 2022년 하반기 105.2로 최고치를 기록한 뒤 3년 연속 감소해 2025년 하반기에는 80.6이었다. 반면 같은 정보통신업의 30대 지수는 110.3, 50세 이상은 145.6으로 증가했고, 제조업의 29세 이하 지수는 100.2로 유지됐다.

ChatGPT 이후 시작된 변화: 요구 경력기간의 상승

공고 건수만으로는 대조군 설정에 따라 유의성이 달라지고 금리 인상과 채용 붐 조정의 영향을 분리하기 어렵다. 연구진은 이를 해결하기 위해 결과변수를 공고 건수가 아닌 각 공고의 요구 경력기간(년)으로 바꾸고, 동일 기업이 같은 달에 같은 직무 대분류 안에서 낸 공고들만 서로 비교하는 고정효과 모형을 설계했다. 이 분석에서 여섯 가지 주요 결과가 확인됐다.

첫째, 개발자 요구 경력기간이 언제부터 달라졌는지를 월별로 추적한 결과다. 코로나 시기를 거치며 채용 규모가 급감했다가 두 배 넘게 급증했던 2019년 7월부터 2022년 7월까지 3년 동안, 개발자 공고의 평균 요구 경력은 3.73년으로 일정했다. 그러던 수치가 ChatGPT 출시 직후인 2022년 12월 4.07년으로 높아졌고, 연평균 기준 2023년 4.22년, 2024년 4.82년에 이어 2025년 1월에는 5.18년에 도달했다. 블루칼라 대조군과 비교한 이중차분 계수는 +0.66년($p<.001$)이다.

출처: 언더스코어 × PD수첩, 「AI의 등장 이후 고용 시장은 어떻게 변화했을까?」

둘째, 임의의 직군 분류를 사용하는 대신 첫 번째 직무 키워드의 생성형 AI 노출도($\beta$)를 기준으로 전체 공고를 5분위로 구분했다. 이 방식으로 비교해도 노출도가 높은 분위일수록 2022년 대비 2024년 요구 경력기간이 더 많이 늘었고, 신입 지원 가능 공고의 비중도 더 많이 감소했다. 노출도가 가장 낮은 1분위(평균 $\beta=0.161$)에서는 요구 경력이 0.066년 늘어난 데 비해, 노출도가 가장 높은 5분위(평균 $\beta=0.781$)에서는 요구 경력이 0.724년(약 8.7개월) 늘어났다.

셋째, 고노출 직무가 IT 기업에 몰려 있어 생기는 업종 착시를 배제하기 위해 기업×월 고정효과와 직무 대분류×월 고정효과를 동시에 투입했다. 같은 달에 같은 회사가 같은 직무 대분류 안에서 낸 공고들만 비교한 이 모형에서도, ChatGPT 출시 이후 직무 노출도 1표준편차당 요구 경력기간은 0.073년씩 더 길어졌다($p<.01$)⁵. 같은 회사가 동시에 낸 채용공고라 하더라도 노출도 최상위(5분위) 직무는 최하위(1분위) 직무보다 2024년 기준 약 5개월 더 긴 경력을 요구한다는 뜻이다. 2021년 7월을 가짜 분기점으로 삼은 위약 검정 계수는 +0.009년으로 0과 다르지 않았으며, IT개발/데이터 직무와 IT 업종 기업을 모두 뺀 비IT 표본에서도 +0.055년($p<.05$)의 증가 폭이 확인됐다. 이 변화를 두 경로로 나눠 보면 노출도가 1표준편차 커질 때마다 신입 지원 가능 공고 비율이 0.77%p 줄어들고($p<.01$), 신입을 뺀 순수 경력직 공고 내부의 요구 경력도 0.088년 길어졌다($p<.01$). 기업들이 신입 대신 경력직을 선호할 뿐 아니라, 경력직 채용에서도 더 높은 연차를 요구하기 시작했다는 뜻이다.

사건연구에서는 직무 노출도 효과를 3개월 단위로 추정했다. 금리 인상기였던 2021년 6월부터 2022년 11월까지 추정치는 0에 가까웠으며 통계적으로 유의하지 않았다. ChatGPT 공개 몇 달 뒤인 2023년 봄, 즉 3~5월에는 +0.059년으로 10% 유의수준에서 유의했다($p<.1$). 같은 해 9~11월에는 +0.075년으로 5% 유의수준에서도 유의해졌다($p<.05$). 2024년 추정치는 +0.085년에서 +0.106년 사이로 증가했다.

출처: 언더스코어 × PD수첩, 「AI의 등장 이후 고용 시장은 어떻게 변화했을까?」

넷째, 연구진은 이 결과가 AI가 아닌 다른 요인의 착시일 수 있다는 네 가지 대안 가설을 차례로 검정해 모두 기각했다.

• 채용 붐 및 금리 민감도 가설 기각: 각 직무의 2021년 채용 붐 규모, 2022년 신입 채용 감소 폭, 금리 민감도를 모형에 추가해 통제해도 직무 노출도 계수는 +0.080년에서 +0.082년으로 거의 변하지 않았다.
• 불황기 고숙련 직무의 채용 조건 강화 가설 기각: 선행 연구에서는 불황기에 기업이 원래 숙련도가 높은 직무의 채용 조건을 강화한다고 설명했다(Hershbein & Kahn, 2018; Modestino et al., 2020). 연구진은 이를 고려해 ChatGPT 공개 이전의 직무별 평균 요구 경력, 4년제 대졸 이상 요구 비중, 제시 연봉 수준을 함께 통제했다. 그러자 AI 노출도 효과는 +0.107년($p<.01$)으로 더 커졌다.
• 기준금리 인상 착시 가설 기각: 한국은행은 2021년 8월부터 2022년 5월까지 기준금리를 0.50%에서 1.75%로 다섯 차례 인상했다. 이 기간에는 같은 기업 내에서 직무 노출도에 따른 요구 경력 차이가 전혀 변하지 않았다. 반면 기준금리가 3.50%로 동결된 2023년 1월부터 2024년 9월까지는 그 차이가 매년 0.073년씩 늘었다.
• AI 관련 업종 효과 가설 기각: 기업 노출도($A$)와 직무 노출도($\beta$)를 각각 3분위로 구분하고, 두 기준을 조합한 9개 집단을 비교했다. 업종 노출도가 가장 낮은 1분위 기업군에서는 고노출 직무의 요구 경력이 0.44년, 저노출 직무는 0.08년 늘었다. 업종 노출도가 가장 높은 3분위 기업군에서는 각각 0.72년과 0.32년 늘었다. 어떤 업종에서나 고노출 직무의 요구 경력이 저노출 직무보다 0.3~0.4년 더 늘었다.

출처: 언더스코어 × PD수첩, 「AI의 등장 이후 고용 시장은 어떻게 변화했을까?」

다섯째, 연구진은 ChatGPT 공개 이후 공고가 3,000건 이상인 직무 중분류 167개를 분석했다. 네 가지 기준을 동시에 적용했다. 2022년 대비 2024년 요구 경력이 0.5년 이상 늘고, 신입 비중이 5%p 이상 감소하며, 신입 공고가 경력 공고보다 20%p 이상 더 감소해야 했다. ChatGPT 공개 이전에는 변동이 없어야 한다는 조건도 적용했다. 네 조건을 모두 충족한 직무는 7개였으며, 전부 IT 분야였다.

여섯째, 채용 조건의 변화는 실제 청년 고용 규모의 감소보다 반기 먼저 나타났다. 개발자 공고의 요구 경력기간이 2022년 하반기 3.76년에서 2023년 상반기 4.10년으로 먼저 높아진 뒤, 정보통신업의 29세 이하 고용보험 피보험자 지수가 2022년 하반기 정점(105.2)에서 2023년 상반기 102.5로 줄어들기 시작했다⁶.

출처: 언더스코어 × PD수첩, 「AI의 등장 이후 고용 시장은 어떻게 변화했을까?」

가장 흥미로운 지점

나는 이번 연구가 신입 공고 건수 감소와 요구 경력기간 상승의 시점과 원인을 각각 구분해 설명했다는 점에 주목했다. 그동안 국내외 연구들이 상반된 결론을 내놓은 이유는 2022년 중반부터 시작된 금리 인상 및 팬데믹 채용 급증 이후의 감축 효과와 2022년 말 ChatGPT 출시 이후의 기술 변화가 같은 시기에 함께 영향을 미쳤기 때문이다. 이번 분석이 설득력을 얻는 지점은 공고 건수 대신 공고에 적힌 요구 경력 연수를 추적하면서 기업과 채용 월, 직무 대분류를 고정해 개별 회사의 자금 사정과 거시 금리 충격을 통제했다는 데 있다. 코로나 시기 채용 규모는 3년 동안 급감했다가 두 배로 급증했다. 그동안 개발자 공고의 평균 요구 경력은 3.73년으로 일정했으나, ChatGPT 출시 이후에는 5.18년까지 늘었다. 이 결과는 생성형 AI가 초급 과업의 처리 시간을 줄이면서 기업이 주니어를 채용해 교육하기보다 고연차 인력을 선호하게 됐음을 보여준다. 기업이 선호하는 인력은 AI 도구를 검증하고 AI에 업무를 지시할 수 있는 사람이다.

건설사나 식품 제조 공장처럼 업종의 생성형 AI 노출도가 낮은 비테크 기업에서도 같은 변화가 나타났다. 백엔드 개발, 경리, 디자인처럼 직무의 AI 노출도가 높으면 요구 경력이 0.3~0.4년 더 늘었다. 채용 조건의 변화가 산업이나 기업 유형보다 개별 직무의 과업 구성에 좌우된다는 뜻이다. 신입이 지원할 수 있는 공고의 비중은 감소했고, 경력직 공고에서도 더 긴 경력을 요구했다. 이 결과는 앞으로 노동 시장에서 일자리 총량을 유지하는 일보다 신입의 초기 경력 형성 경로를 다시 설계하는 일이 더 중요한 과제임을 보여준다. 신입 인력이 실무 경험을 축적해 숙련자로 성장할 수 있도록 해야 한다는 뜻이다.

출처

• 발행 기관 및 저자: 언더스코어 (대표 강태영 KAIST, 강현제 교토대학교 경제학 교수, 김선함 한국개발연구원 연구위원) × MBC 《PD수첩》 연구 지원 (2026)
• 인터랙티브 보고서 원문: https://korean-labor-market-after-ai.vercel.app/
• 학술 논문 초고 (Working Paper): Hyunjae Kang, TaeYoung Kang, Sunham Kim (2026), Raising the Bar: The Impact of Generative AI on Experience Requirements in Job Postings, SSRN (https://papers.ssrn.com/sol3/papers.cfm?abstract_id=7621242, PDF: https://korean-labor-market-after-ai.vercel.app/assets/paper/Kang-Kang-Kim-2026-Raising-the-Bar.pdf)
• 치비 서소영 삽화 3장은 「느낌적인 느낌을 숫자로 옮기는 일」의 치비 서소영 라인아트를 참조해 gpt-image-2.5-flare로 따로 생성했다.