Generative AI and Early-Career Hiring: Counts, Entry Rates, and the Employment Base

새로운 기술이 노동력을 어떻게 변화시키는지에 대한 이야기는 흔히 기계가 인간을 대신하고 사람들이 뒤처지는 순간, 즉 급격한 변화의 순간으로 이야기되곤 합니다. 하지만 실상은 대개 훨씬 더 미묘하며, 헤드라인에 등장하기 훨씬 전부터 채용과 고용 안정성의 조용한 메커니즘 속에서 서서히 전개됩니다. 경제학자들은 노동의 변화를 측정하는 두 가지 서로 다른 방식, 즉 신규 채용 인원의 순수 숫자와 기존 인력 규모 대비 채용이 발생하는 비율을 살펴봄으로써 이러한 변화를 연구합니다. 전체 근로자 수가 줄어들고 있는 공장을 상상해 보십시오. 설령 공장이 이전과 동일한 수의 신규 인력을 채용하더라도, 전체 인력 대비 채용 '비율'은 다르게 보일 수 있습니다. 단순히 신규 근로자의 수를 세는 것과 수학적인 채용 비율 사이의 차이를 이해하는 것은 매우 중요합니다. 왜냐하면 신규 채용 인원의 감소가 반드시 고용주들이 인재를 찾는 것을 멈췄음을 의미하지는 않기 때문입니다. 그것은 단지 그들이 채용하는 숙련된 근로자의 풀(pool)의 크기나 구성이 변했을 가능성을 의미할 수도 있습니다. 이러한 구분은 특히 인공지능, 구체적으로 인간처럼 글을 쓰고 추론할 수 있는 새로운 세대의 도구들이 경력을 시작하려는 젊은이들에게 어떤 영향을 미치고 있는지 조사할 때 매우 중요해집니다.

텍사스 대학교 오스틴 캠퍼스의 연구자 이우(Yi Wu)의 최근 연구는 바로 이 질문을 조사합니다. 이 논문은 생성형 AI의 부상이 기존의 숙련된 근로자들과 비교했을 때, 초기 경력 단계의 근로자(22세에서 34세 사이로 정의됨)의 채용에 특정한 감소를 일으켰는지 묻습니다. 답을 찾기 위해 연구자는 기업들의 생각에 대한 설문조사나 추측에 의존하지 않았습니다. 대신, 그들은 '분기별 노동력 지표(Quarterly Workforce Indicators)'라는 방대하고 상세한 정부 데이터셋을 활용했습니다. 이 데이터는 미국의 수천 개 산업 분야에서 발생하는 실제 채용 사건을 추적하며, '모든 신규 채용'과 '안정적인 신규 채용'을 구분합니다. 안정적인 채용이란 특정 유형의 직업 기록을 의미합니다. 이는 신규 직원이 전체 노동력의 완전하고 안정적인 일원으로 간주될 만큼 충분히 오래 해당 직무에 머물렀을 때만 집계됩니다. 이 안정적인 채용에 초점을 맞춤으로써, 본 연구는 단기직이나 시험적 직책이 아닌 실제로 지속되는 일자리를 살펴봅니다.

연구자는 언어 기반 인공지능에 노출도가 높은 산업과 그렇지 않은 산업을 비교했습니다. 노출도는 해당 산업의 전형적인 과업들이 글쓰기, 코딩, 또는 텍스트 분석과 같이 AI 도구가 현재 수행할 수 있는 기술에 얼마나 의존하는지에 따라 측정되었습니다. 연구 결과, 이러한 AI 도구들이 널리 보급된 2022년 이후, AI 노출도가 높은 산업에서 낮은 산업에 비해 젊은 층의 안정적인 신규 채용이 현저히 감소한 것으로 나타났습니다. 이 감소는 단순한 작은 변동이 아니라 명확하고 측정 가능한 하락이었습니다. 그러나 연구는 이 하락이 모든 채용보다 안정적인 채용에서 훨씬 더 두드러지게 나타났다는 점을 발견했는데, 이는 AI의 영향이 장기적인 고용으로 이어지는 일자리에 구체적으로 영향을 미치고 있음을 시사합니다.

여기서 이야기는 놀라운 국면을 맞이합니다. 연구자가 왜 젊은 층의 채용 수가 줄어드는지 파악하기 위해 수치를 세분화했을 때, 그 감소는 기업들이 기존 인력 대비 젊은 사람을 채용하는 빈도에 통계적으로 유의미한 변화를 일으켰기 때문이 아님을 발견했습니다. 대신, 그 감소는 거의 전적으로 노동력 자체의 규모에 집중되어 있었습니다. 연구는 채용 수를 두 부분, 즉 채용률(기존 인력 단위당 신규 채용 인원)과 고용 기반(이미 급여를 받고 있는 안정적인 근로자의 총수)으로 나누었습니다. 데이터에 따르면 젊은 층의 채용률은 통계적으로 신뢰할 만한 감소를 보이지 않았습니다. 사실, 채용률에 대한 추정 계수는 양수였으나 부정확했으며, 데이터를 변환함에 따라 그 부호가 달라졌으므로 진입률의 뚜렷한 하락에 대한 증거는 덜 확고하게 뒷받s니다. 젊은 층의 신규 채용 수의 전체적인 감소는 AI 노출 산업 내의 안정적이고 숙련된 근로자 풀이 줄어들거나 변화하여 분모가 작아졌기 때문에 발생한 것이었습니다.

이 발견은 흔한 가정을 뒤집습니다. 많은 이들은 만약 AI가 인간의 노동을 대체한다면, 기업들이 단순히 예전만큼 젊은 사람을 채용하지 않을 것이라고 예상할 것입니다. 하지만 이 연구는 다른 메커니즘을 제시합니다. 젊은 층의 채용 감소는 팬데믹 이전에 이미 진행 중이었고 팬데믹 이후에도 지속된, 노동력 구성의 장기적인 추세의 결과로 보입니다. AI 노출 산업에서의 '고용 기반'은 이미 하향 곡선을 그리고 있었으며, 새로운 AI 도구들이 반드시 채용 활동의 갑작스러운 중단을 초래한 것은 아니었습니다. 오히려 채용 부족은 채워질 수 있는 안정적인 일자리의 풀 자체가 줄어드는 데 집중되어 있습니다. 연구는 이 패턴이 가장 유명한 AI 챗봇들이 널리 보급되기 전에도 데이터에서 관찰되었다는 점을 명시하며, 작용하는 힘이 최근의 기술적 붐보다 더 깊고 오래된 것임을 시사합니다.

연구는 또한 이 추세가 과거로부터의 갑작스러운 단절인지 아니면 오래된 패턴의 연속인지를 조사했습니다. 2023년 이후의 데이터를 2017년에서 2019년 사이의 추세와 비교했을 때, 연구는 2023년 이후 채용 수가 약간 가속화되었음을 발견했습니다. 그러나 이러한 가속화 역시 채용률의 갑작스러운 붕괴가 아니라 주로 고용 기반의 변화에 의해 주도되었습니다. 연구는 AI 노출과 젊은 층 채용 감소 사이에 명확한 상관관계가 있음을 보여주지만, 이것이 AI의 유일한 원인임을 증명하는 것은 아니라고 주의를 기울입니다. 팬데믹으로부터의 경제 회복이나 다른 산업 변화와 같은 다른 요인들도 기여할 수 있습니다. 그럼에도 불구하고, 증거는 젊은 층의 채용 감소가 기존 근로자당 채용 인원이 줄어든 결과가 아니라, 채용률은 상대적으로 일정하게 유지된 반면 젊은 층을 위한 안정적인 일자리의 총수가 감소했음을 보여줍니다.

이 논문의 가장 중요한 시사점 중 하나는 '수(count)'와 '비율(rate)'의 구분입니다. 만약 젊은 층의 총 채용 수만을 본다면, AI가 밀집된 분야의 경력 전망에 재앙이 닥친 것처럼 보일 것입니다. 하지만 기존 인력 규모 대비 채용되는 비율을 본다면, 그 모습은 훨씬 덜 극적입니다. 연구는 노동 시장이 기술에 의해 어떻게 변화하는지 이해하려 할 때, '근로자 흐름(flows)'만큼이나 '고용 기반(employment base)'도 주목받아야 한다고 결론짓습니다. 젊은 층 채용의 감소는 실재하지만, 이는 채용 활동 자체를 나타내는 분자가 아니라 분모, 즉 안정적인 노동력의 크기에 집중되어 있습니다. 이는 AI와 초기 경력 근로자에 관한 이야기가 단순히 기업들이 채용을 중단하고 있다는 것이 아니라, 현재의 AI 파도보다 훨씬 전부터 시작된 노동력 구조의 복잡한 변화에 관한 것임을 의미합니다.

연구는 이 현상이 어떻게 미래의 노동에 영향을 미칠지에 대한 미스터리를 해결했다고 주장하거나, 상황이 절망적이라고 제안하는 것이 아닙니다. 단지 지금 일어나고 있는 일에 대해 더 명확하고 정밀한 지도를 제공할 뿐입니다. 채용률과 고용 기반을 분리함으로써, 연구는 젊은 층의 채용 감소가 고용주들에 의한 젊은 인재의 갑작스럽고 날카로운 거부가 아님을 밝혀냅니다. 대신, 그것은 AI가 가장 밀접한 관련이 있는 산업 내에서 노동력 구성의 더 넓고 느리게 움직이는 변화를 반영합니다. 이 연구 결과는 초기 경력 근로자들이 직면한 과제들이 해당 산업의 구조에 깊이 뿌리박고 있으며, 노동력의 규모와 안정성을 이해하는 것이 신규 채용 인원을 세는 것만큼이나 중요하다는 점을 시사합니다. 결국, 이 논문은 기존의 서사에 대해 조용하지만 강력한 교정을 제공합니다. 문제는 반드시 기업들이 젊은 사람들을 채용하는 것을 멈춘 것이 아니라, 그들이 채용하는 환경이 근본적으로 변화했으며, 그 변화는 최초의 AI 챗봇이 온라인에 등장하기 훨씬 전부터 시작되었다는 것입니다.