AI 때문에 해고된 54세, AI로 재취업하다: 중장년 재취업에서 통한 반전 전략 3가지

무엇이 그를 다시 취업시켰나?

AI 역량 단독이 아니다. 25년의 도메인 경력에 AI 활용력이 곱해진 조합이다. 그는 바이브코딩(AI에게 말로 요구해 프로그램을 만드는 방식)을 독학해 프로그램과 웹사이트를 만들었고, "몇 달 걸리던 일을 AI가 일주일 만에 끝내는" 경험에서 조직의 비용 절감 가능성을 발견했다. 입사 후에는 기관 신사업 홈페이지와 웹진을 직접 만들고 직원 대상 AI 실무 교육까지 진행했다.

구조를 보면 이렇다. 시장에는 AI를 다루는 젊은 인력도 많고, 경력 많은 중장년도 많다. 희소한 것은 그 교집합이다. 25년의 현장 판단력을 가진 사람이 AI 도구까지 다루면, 조직 입장에서는 "경험으로 무엇을 만들지 판단하고, AI로 직접 만들어내는" 사람을 한 명에 채용하는 셈이 된다. 그가 입사 후 곧바로 홈페이지 제작과 사내 AI 교육을 맡은 것이 그 증거다. 신입이었다면 판단을 맡기기 어렵고, AI가 없었다면 제작에 외주가 필요했을 일이다.

이 조합의 가치는 거시 데이터와도 맞물린다. 맥킨지는 2035년까지 미국에서 1,100만 명이 직종을 바꿔야 할 것으로 전망하면서, 줄어드는 자리와 생기는 자리가 다른 자리라는 점을 짚었다. 전환이 필요한 시대에 가장 유리한 사람은 기술이 가장 새로운 사람이 아니라 옮겨 심을 뿌리(도메인 경험)가 가장 굵은 사람이다. 그 전망의 세부는 맥킨지 2035 직업 전환 분석에서 다뤘다.

나를 밀어낸 기술에 등을 돌리는 것과 그 기술을 내 경력에 붙이는 것. 중장년 재취업의 갈림길은 기술이 아니라 그 선택에 있다.

"AI는 안 쓰겠다"는 마음은 왜 자연스럽고, 왜 위험한가?

상실의 원인을 회피하는 것은 정상적인 심리 반응이다. 문제는 고용 시장이 심리를 봐주지 않는다는 데 있다. AI로 일자리를 잃은 사람이 AI를 거부하면, 다음 일자리에서도 같은 이유로 밀려날 가능성이 가장 높은 지원자가 된다. 반대로 그 기술을 익히면 "대체된 사람"에서 "대체의 흐름을 아는 사람"으로 포지션이 뒤집힌다.

교육 현장에서 세대별 AI 수용성을 관찰하며 알게 된 것이 있다. 임원들은 AI를 의외로 재밌어하고, 오히려 신입들이 피곤해하는 경향이 있다. 평소 노출 맥락의 차이 때문이라고 본다. 신입에게 AI는 이미 업무 압박의 일부고, 임원에게는 신선한 장난감이다. AI 피로는 직급의 역순이다. 이 관찰을 중장년 구직자에게 옮기면 희망적인 결론이 나온다. 중장년에게 AI는 "나를 평가하는 잣대"가 아니라 "처음 만져보는 도구"로 다가올 여지가 크고, 그 가벼움이 오히려 학습에 유리하게 작동할 수 있다. 이철원 씨가 독학으로 바이브코딩까지 간 것도, 시작의 심리적 장벽을 넘은 뒤에는 축적된 업무 감각이 학습을 끌어줬기 때문일 것이다.

같은 도구를 써도 성과 개선폭이 4%에서 65%까지 갈린다는 실측 데이터도 같은 방향을 가리킨다. 격차를 만드는 것은 나이도 도구도 아니고 사용 패턴이다. 자세한 내용은 생산성 격차 4~65% 분석에 있다.

직장인이 지금 준비할 수 있는 반전 전략 3가지

이 사례를 전략으로 번역하면 세 가지다. ① 내 경력을 "AI가 못 하는 판단"의 언어로 다시 쓰기 ② 내 분야의 결과물을 AI로 직접 만들어보기 ③ 가르칠 수 있는 수준까지 가기. 셋 다 재직 중에 시작할 수 있고, 셋 다 이철원 씨가 실제로 밟은 단계다.

① 경력을 판단의 언어로 다시 쓴다

"개발자 교육 25년"은 AI 시대에 약해 보이는 문장이다. 그러나 "어떤 교육이 현장에서 통하고 어떤 교육이 버려지는지 25년간 봐온 사람"은 다르다. 경력기술서에서 업무 나열을 판단 이력으로 바꾸는 것이 첫 단계다. 내가 내린 판단 중 결과가 증명된 것들을 목록으로 만들어보면, AI가 대체하는 부분과 대체하지 못하는 부분이 스스로 분리된다.

② 내 분야의 결과물을 AI로 직접 만든다

강의를 듣는 것과 결과물을 만드는 것은 다르다. 이철원 씨의 이력서에서 가장 강력했을 한 줄은 자격증이 아니라 "바이브코딩으로 웹사이트를 직접 만들었다"였을 것이다. 지금 내 업무에서 반복되는 일 하나를 골라 AI로 자동화하거나, 내 분야의 지식을 담은 작은 결과물(문서 자동화, 미니 웹페이지, 데이터 정리 파이프라인)을 만들어보는 것. 시작 방법은 직장인 AI 자동화 3단계에 정리되어 있다.

③ 가르칠 수 있는 수준까지 간다

그는 입사 후 직원 대상 AI 교육을 진행했다. 쓰는 사람과 가르치는 사람 사이에는 큰 간격이 있고, 조직이 더 비싸게 사는 쪽은 후자다. 배운 것을 팀 동료 한 명에게 설명해보는 것부터가 훈련이다. 가르치려고 정리하는 순간 내 이해의 구멍이 드러나고, 그 구멍을 메우는 과정이 전문성이 된다.

이 사례를 과대 해석하지 않으려면

한 사람의 성공담을 "누구나 AI만 배우면 된다"로 읽으면 곤란하다. 이 사례의 전제 조건은 25년의 축적이었고, 10개월의 구직 기간을 버틸 수 있었다는 점이다. 전환에는 역량만이 아니라 여력이 필요하다.

맥킨지 보고서가 짚었듯, 전환이 필요한 사람과 전환할 여력이 있는 사람은 자주 다르다. 저축이 부족하거나 돌봄 부담이 있는 구직자는 유리해 보이는 경로도 소득 공백 때문에 포기하게 된다. 그래서 이 글의 결론은 "해고된 뒤 10개월을 버티며 배우자"가 아니다. 재직 중에, 월급이 나오는 동안 ①~③을 시작하자는 것이다. 반전 서사는 멋있지만, 반전이 필요 없는 준비가 더 낫다. 자기 업무 유형에 맞는 준비 순서는 AI 시대 커리어 경쟁력, 내 업무 유형 알기에서 이어진다.