AI 직업 전환 1100만 명, 맥킨지 2035 전망: 지금 내 직무는 안전한가 자기점검 질문 3가지

어떤 직군이 줄고 어떤 직군이 느는가?

줄어드는 쪽은 사무·행정 지원, 소매·판매, 운송·물류다. 늘어나는 쪽은 헬스케어, 건설, 관리(management) 직군이고, 성장하는 일자리의 약 60%가 임금 상위 두 개 분위에 몰릴 것으로 전망됐다. 요약하면 "정형화된 정보 처리"가 줄고, "사람을 다루거나 물리 세계를 다루거나 판단을 내리는" 일이 는다.

가장 뼈아픈 대목은 분배다. 저소득 근로자가 직종을 바꿔야 할 확률은 고소득 근로자의 약 8배로 추정됐다. 옮겨 가야 할 사람과 옮겨 갈 여력이 있는 사람이 다르다는 뜻이다. 보고서는 이 지점을 구체적으로 짚는다. 저축이 부족하거나, 돌봄 부담이 있거나, 유급 훈련 기회가 없는 근로자는 "서류상으로는 유리해 보이는 전환 경로라도, 전환 기간의 소득 공백을 감당할 수 없어 합리적으로 거절하게 된다"는 것이다. 전환이 안 되는 이유가 의지나 능력이 아니라 버틸 자금과 시간이라는 진단이다.

한국 직장인에게 이 목록을 옮겨 보면 체감이 달라진다. 줄어드는 세 직군 중 두 개(사무·행정 지원, 판매)는 한국 화이트칼라의 가장 두터운 층과 겹친다. 실제로 어제 다룬 디지키 사례에서 AI 에이전트가 가져간 것이 정확히 "여러 곳에서 정보를 모아 정리해 처리하는" 사무 지원 업무의 3분의 2였다. 맥킨지의 거시 전망과 개별 기업의 미시 사례가 같은 방향을 가리키고 있다.

직업이 사라지는 속도보다 중요한 것은 내가 옮겨 갈 수 있는 상태인가다. 전환을 막는 것은 능력이 아니라 여력이다.

이 전망을 얼마나 믿어야 하나?

숫자 자체보다 방향과 폭을 읽는 것이 맞다. 600만~1,600만이라는 범위가 말해주듯 정확한 인원은 AI 확산 속도에 달려 있고, 10년짜리 노동시장 예측은 늘 빗나간다. 다만 "총량은 늘지만 이동이 필요하다"는 구조적 결론은 다른 데이터와도 일치한다.

참고할 교차 근거가 있다. 앤트로픽이 실제 AI 사용 데이터로 분석한 결과에서도 AI는 직업을 통째로 대체하기보다 직업 안의 과업(task) 단위로 침투하고 있었고, 인지 노동의 어떤 과업이 먼저 넘어가는지가 구체적으로 드러났다. 그 분석은 앤트로픽 노동시장 분석 정리에서 다뤘다. 맥킨지의 "직종 전환 1,100만"도 결국 과업 침투가 임계점을 넘은 직군에서 일어나는 일이다. 그래서 개인에게 유효한 질문은 "내 직업이 없어지나"가 아니라 "내 직업 안에서 AI가 가져갈 과업이 몇 퍼센트인가"가 된다.

주의할 점도 하나 적어둔다. 이런 전망 보고서는 발표 주체가 컨설팅펌이라는 사실 자체를 감안하고 읽어야 한다. 전환 수요가 커질수록 컨설팅 수요도 커진다. 그렇다고 데이터가 틀렸다는 뜻은 아니지만, "가장 극적인 숫자"가 헤드라인이 되는 구조는 항상 존재한다. 이 글이 1,100만이라는 헤드라인 숫자보다 8배, 60%, 70% 같은 구조 숫자에 지면을 더 쓴 이유다.

지금 내 직무는 안전한가: 질문 3가지

직군 이름으로 판단하지 말고 과업으로 판단한다. ① 내 업무 중 "정보를 모아 옮기는" 비율이 절반을 넘는가, ② AI 보조를 뗐을 때도 내 성과가 유지되는가, ③ 지금 회사가 없어져도 3개월 안에 증명할 수 있는 결과물이 있는가. 세 질문 중 두 개 이상에서 답이 막히면, 직종 전환까지는 아니어도 직무 재편의 대상일 가능성이 높다.

질문 ① 내 업무의 몇 퍼센트가 "수집과 전달"인가

지난주 업무를 시간 단위로 적고, "여러 소스에서 정보를 모아 형식에 맞춰 정리해 넘긴" 시간에 표시해본다. 이 비율이 절반을 넘으면 맥킨지가 말한 감소 직군의 과업 구조와 같다. 대응은 그 부분을 지키는 것이 아니라 먼저 자동화해보는 것이다. 자동화를 당하는 사람과 자동화를 설계한 사람의 다음 자리는 다르다.

질문 ② AI를 뗐을 때 내 실력은 어디에 있는가

AI 보조에 익숙해진 뒤 보조 없이 수행하는 능력이 도입 전보다 떨어질 수 있다는 관찰이 실제 의료 현장 데이터로 확인됐다(역량 감퇴 연구 정리). 판단 능력이 남아 있는 사람에게 AI는 지렛대이고, 판단까지 위임한 사람에게 AI는 대체재다. 주기적으로 보조 없이 일해보는 것 자체가 자기 점검이 된다.

질문 ③ 증명 가능한 결과물이 있는가

맥킨지가 짚은 전환의 병목은 여력이었다. 여력의 다른 이름은 "전환 기간을 줄이는 준비"다. 이직·전환 시장에서 기간을 줄여주는 것은 경력기술서의 문장이 아니라 보여줄 수 있는 결과물이다. 직군이 무엇이든, 내 판단력이 들어간 결과물(개선한 프로세스, 만든 자동화, 운영한 프로젝트)을 분기마다 하나씩 쌓는 것이 저축만큼 실질적인 전환 보험이 된다.

나는 이 전환을 직접 통과한 쪽이다. 커리어의 앞부분은 블록체인 앱과 헬스케어의 UX·프로덕트 디자이너였고, 앱스토어 생산성 12위에 오른 서비스도 그 시절의 결과물이다. 지금은 AI 교육과 서비스 빌딩이 일의 중심이다. 직종 이름으로는 다른 직업이 됐지만, 돌아보면 옮겨 간 것이 아니라 "화면만 그리는 디자이너가 아니라 동작하는 AI 제품을 만드는 디자이너"로 정의를 다시 쓴 것에 가깝다. 직무 전환은 보유 기술을 버리는 일이 아니라, 기술 목록에서 어떤 것을 앞에 세울지 다시 정하는 일이라는 것이 통과해본 사람의 소감이다.

조직과 개인은 각각 무엇을 준비해야 하나?

조직은 재배치 이전에 재훈련 경로를 설계해야 하고(감소 직군의 사람을 내보내는 비용보다 성장 직군으로 옮기는 비용이 대개 싸다), 개인은 직군 이름이 아니라 과업 포트폴리오를 관리해야 한다. 둘 다 공통 전제는 사용 패턴의 상향이다. 같은 AI를 써도 개선폭이 4%에서 65%까지 갈리는 것은 도구가 아니라 쓰는 방식의 차이였다.

그 격차를 만드는 세 가지 사용 패턴은 생산성 격차 4~65% 분석에 정리해뒀다. 자기 유형에 맞는 경쟁력 전략은 AI 시대 커리어 경쟁력, 내 업무 유형 알기에서 이어진다. 1,100만이라는 숫자 앞에서 개인이 통제할 수 있는 변수는 결국 이 두 가지, 사용 패턴과 증명 가능한 결과물이다.