AI로 직원 700명을 자른 기업의 55%가 그 결정을 후회하고, 조용히 사람을 다시 뽑고 있었다.해고된 사람과 살아남은 사람의 차이는 학벌도 연차도 아니었고, 새로운 것을 빠르게 배우면서 낡은 것을 과감히 버리는 적응적 학습력이었다.
한국 직장인 62%는 AI 활용 능력에 따라 연봉 격차가 벌어질 것이라 느끼고 있고, 그 격차는 이미 시작됐다.
2024년 초, 스웨덴 핀테크 기업 클라르나(Klarna)의 CEO 세바스찬 시에미아트코브스키는 카메라 앞에서 자신 있게 말했다. “AI 챗봇이 상담원 700명이 하던 일을 해내고 있습니다.” 회사의 전체 인력은 5,527명에서 3,422명으로 줄었다. 월가는 환호했다. 그의 인터뷰는 전 세계 뉴스에 실렸다.
(CNBC – Klarna CEO says AI helped company shrink workforce by 40%)
그런데 1년이 지나자 이상한 일이 벌어졌다. 서비스 품질이 떨어졌다. 고객 불만이 쌓였다. 클라르나는 공식적으로 인정하지 않았지만, 일부 인력을 조용히 다시 뽑기 시작했다. 그리고 이건 클라르나만의 이야기가 아니었다.
(애플경제 – AI자동화로 해고했던 직원들 재고용 추세?)
여러 곳의 데이터를 모아 조합해보니, 하나의 패턴이 보이기 시작했다. 지금 벌어지고 있는 변화의 한가운데에 적응적 학습력이라는 단 하나의 변수가 놓여 있었다.
적응적 학습력, 해고와 재고용 사이에 숨어 있던 변수
장면 1. 해고, “AI가 하면 되니까”
2025년은 AI 해고의 해였다. 미국에서만 AI를 이유로 약 55,000명이 일자리를 잃었다. 아마존 3만 명. 마이크로소프트 1만 5천 명. 메타 600명. IBM은 인사(HR) 부서를 AI 챗봇으로 대체하며 수백 명을 내보냈다. 대한민국에서도 “AI 안 쓰면 해고”라는 사장님의 최후통첩이 뉴스가 됐다.
(CNBC – AI job cuts: Amazon, Microsoft and more cite AI for 2025 layoffs)
(PADO – 사장님의 최후통첩 “AI 안 쓰면 해고”)
기업들은 확신에 차 있었다. AI가 사람보다 빠르고, 싸고, 쉬지 않는다고.
장면 2. 후회, “절반이 결정을 되돌리고 싶다”
그런데 시장조사기관 포레스터(Forrester)가 조사해보니, 놀라운 숫자가 나왔다. AI를 이유로 구조조정을 단행한 기업의 55%가 그 결정을 후회하고 있었다. AI가 기대만큼 생산성을 높이지 못했다. 핵심 인력이 빠진 자리에 업무 공백이 커졌다. 포레스터는 이 현상에 이름을 붙였다. “조용한 재고용(quiet rehiring)”이라고.
(CIO – AI로 인한 인력 감축, 기업 절반 이상이 후회, 포레스터)
(지디넷코리아 – AI 해고의 역풍, 구조조정 기업 절반 결정 후회한다)
해고할 때는 “AI 전환”을 이유로 내세웠다. 다시 뽑을 때는 아무 말 없이 진행했다. Wired에 따르면, 뉴욕에서 AI로 직원을 대체했다고 공식 인정한 기업은 단 하나도 없었다.
(Wired – No Company Has Admitted to Replacing Workers With AI in New York)
장면 3. 진짜 이유, AI의 성과가 아니라 “기대”에 베팅했다
하버드 비즈니스 리뷰(HBR)가 2026년 1월에 내놓은 분석이 이 이야기의 핵심을 관통했다. 기업들이 직원을 해고한 이유는 AI가 실제로 잘 작동해서가 아니었다. AI가 곧 잘 작동할 것이라는 기대 때문이었다. 성과(performance)가 아니라 잠재력(potential)에 베팅하며 사람을 내보낸 것이다.
(HBR – Companies Are Laying Off Workers Because of AI’s Potential, Not Its Performance)
여기에서 발견한 것이 있다. 해고된 사람과 살아남은 사람, 그리고 다시 뽑힌 사람 사이에 공통된 차이점이 있었다. 학벌도 아니었다. 경력 연차도 아니었다. 새로운 기술을 빠르게 익히면서 동시에 기존의 방식을 과감히 버릴 수 있는 능력이었다. 그것이 적응적 학습력이었다.
숫자들이 가리키는 곳
연봉 격차가 벌어지고 있다
2026년 3월, HR 테크 기업 원티드랩이 한국 직장인 209명을 조사했다. 결과를 보니, 응답자의 62.3%가 “향후 3년 내 AI 활용 능력에 따라 연봉 격차가 최소 10% 이상 벌어질 것”이라 답했다. 잡코리아 HR 머니 리포트 2026에서는 AI와 개발, 데이터 직무 평균 연봉이 4,947만 원으로 21개 주요 직무 중 1위를 기록했다.
(코리아데일리 – 직장인 62% AI 활용 능력따라 연봉 격차 10% 벌어질 것)
(전자신문 – AI 잘 다루면 월급 더 받는다)
이 데이터를 조합하면 하나의 그림이 그려졌다. AI를 쓸 줄 아는 사람과 그렇지 못한 사람 사이에서, 디지털 격차가 소득 격차로 번역되기 시작한 것이다.
기술의 39%가 5년 안에 쓸모없어진다
세계경제포럼(WEF) 미래 직업 보고서 2025가 1,000개 이상 글로벌 기업을 조사했다. 현재 직원들이 가진 기술의 39%가 향후 5년 내 쓸모없어지거나 완전히 바뀔 전망이다. 기업의 63%는 기술 격차(skills gap)를 사업 전환의 최대 장벽으로 꼽았다.
(WEF – The Future of Jobs Report 2025)
쉽게 말하면 이렇다. 지금 내가 가진 능력 10개 중 4개가 5년 안에 쓸모없어진다. 그 4개를 붙잡고 있으면 뒤처진다. 과감히 버리고 새로운 4개를 채우면 살아남는다.
600만 명이 AI에 가장 노출되면서 적응력은 가장 낮은 상태에 있다
브루킹스 연구소(Brookings Institution)가 2026년 1월에 낸 연구를 보면 더 구체적이다. 미국 노동자 3,710만 명, 전체의 약 23%가 AI 노출도가 높은 직업에 종사한다. 그런데 이 중 약 600만 명은 적응 역량(adaptive capacity)이 낮다. 주로 사무직과 서기직이며, 소도시 지역에 집중되어 있다.
(Brookings – Measuring US workers’ capacity to adapt to AI-driven job displacement)
한국도 마찬가지였다. 산업연구원 분석에 따르면, AI를 활용할 역량이 부족한 직종일수록 오히려 고용 감소폭이 더 컸다. AI를 쓸 줄 아는 전문직은 고용이 늘었다. 못 쓰는 직종은 줄어들었다. 양극화가 이미 진행 중이었다.
(아웃소싱타임스 – 직무가 운명을 가른다)
“버리는 사람”이 살아남고 있었다
여기서 흥미로운 흐름을 하나 더 발견했다.
2023년부터 경영학과 심리학 분야에서 “언러닝(Unlearning)”이라는 개념이 급부상했다. 기존에 알던 성공 법칙, 사고방식, 행동 양식을 고의로 잊거나 폐기하는 것이다. 매일경제의 김경일 교수 칼럼은 “AI 시대에 인간에게 필요한 건 배운 것도 과감히 버릴 수 있는 것”이라 했다. 한겨레는 “이전의 공부가 더 많은 지식을 수집하는 활동이었다면, 언러닝은 과거 지식과 신념 체계를 비우는 노력”이라 정리했다.
(매일경제 – 언러닝의 시대를 사는 법)
(한겨레 – 인공지능 시대, 알던 지식을 비워라)
한국 직장인 대상 조사에서 AI 시대 핵심 역량 1위로 꼽힌 것도 흥미로웠다. “AI가 만든 결과물을 판단하고 검토하는 능력”이 33.9%로 1위였다. AI를 잘 쓰는 것이 아니라, AI가 내놓은 답이 맞는지 평가할 수 있는 사람이 필요한 것이다. 그 평가력은 기존 지식에만 의존해서는 생기지 않는다. 계속 배우고, 계속 버리는 사람만이 가질 수 있는 것이었다.
(플래텀 – 직장인 99% AI 쓰지만 핵심 역량은 결과물 판단력)
딜로이트 2026 글로벌 인적자본 트렌드 보고서도 같은 방향을 가리켰다. 딜로이트가 전 세계 조직을 조사해보니, 변화를 효과적으로 관리하고 있다고 답한 곳은 27%에 불과했다. 나머지 73%는 변화 관리에 실패하고 있었다. 딜로이트는 적응 가능한 인력(adaptable workforce)을 만드는 것이 2026년 최우선 과제라고 결론 내렸다.
(Deloitte – Creating an adaptable workforce)
아무도 크게 말하지 않는 이야기, 앞으로 벌어질 일에 대한 예측
이 데이터들을 연결하면, 아직 공개적으로 이야기되지 않는 몇 가지 상황이 보였다.
예측 1. “18개월 쇼크”가 온다.
2026년 2월, 마이크로소프트 AI CEO 무스타파 술레이만은 “12에서 18개월 내 거의 모든 화이트칼라 업무가 AI로 자동화될 수 있다”고 말했다. 시트리니 리서치는 “2028년 글로벌 지능 위기”를 경고했다. 이 발언들을 시간표에 올려놓으면, 2027년 하반기에서 2028년 초에 화이트칼라 직종의 대규모 구조 변동이 한 번 더 올 수 있다. 지금이 조용한 전환기라면, 그때가 본격적인 지각 변동의 시작점이다.
(Fortune – Microsoft AI chief gives it 18 months)
(매일경제 – AI가 부른 화이트칼라의 몰락)
예측 2. “조용한 재고용”이 “조용한 학습 전쟁”으로 바뀐다.
포레스터의 조용한 재고용 현상은 곧 끝날 것이다. 기업들이 깨달은 것은 AI만으로는 안 된다는 것이 아니다. AI를 다룰 줄 아는 사람이 필요하다는 것이다. 재고용되는 사람은 예전과 같은 사람이 아니다. AI와 협업할 수 있도록 스스로 적응한 사람이 돌아온다. 적응하지 못한 사람은 돌아오지 못한다. 이 격차는 조용히, 그러나 매우 빠르게 벌어지고 있다.
예측 3. 한국에서 “AI 연봉 계급”이 형성된다.
직장인의 62%가 “AI 활용 능력에 따라 연봉 격차가 벌어질 것”이라 느끼고 있다면, 이 느낌은 곧 현실이 된다. 같은 회사, 같은 직급, 같은 연차인데 AI를 쓰는 사람과 안 쓰는 사람의 연봉이 다른 시대가 온다. 이미 AI와 데이터 직무가 연봉 1위를 기록하고 있다. 적응적 학습력이 높은 사람은 올라간다. 낮은 사람은 정체된다. 이 구조가 고정될 가능성이 높다.
예측 4. 가장 위험한 사람은 “중간”에 있는 사람이다.
AI를 전혀 모르는 사람은 오히려 물리적 숙련 직종에서 안전할 수 있다. 배관공, 전기기사, 간병인 같은 일이다. AI를 깊이 아는 사람은 새로운 시장에서 기회를 잡는다. 가장 위험한 것은 AI를 조금 쓸 줄 알지만, 깊이 있는 적응은 하지 않은 중간 지대의 사무직이다. 아마존이 줄인 3만 명이 공장 노동자가 아니라 기업직, 즉 화이트칼라였다는 사실이 이를 보여준다.
(Fortune – Amazon layoffs AI middle managers)
(라디오코리아 – AI, 공장 노동자 보다 중간 관리직 먼저 해고)
그렇다면, 구체적으로 무엇을 해야 하는가. 행동 가이드
지금까지의 데이터를 종합해서 발견한 행동 패턴을 정리한다. 조언이 아니다. 살아남은 사람들에게서 관찰된 공통점이다.
행동 1. 매달 하나씩, “이것은 더 이상 유효한가?”를 점검한다
WEF 데이터는 기술의 39%가 5년 안에 바뀐다고 했다. 이를 역산하면, 매년 내가 가진 능력의 약 8%가 쓸모를 잃는다는 뜻이다. 매달 자신의 업무 스킬 목록을 꺼내놓고 “이 기술은 AI가 더 잘하는가?”를 묻는 습관이 관찰됐다. AI가 더 잘하게 된 것은 과감히 내려놓고, 그 시간에 AI가 아직 못하는 것을 배우는 사람들이었다.
행동 2. AI를 “쓰는 사람”에서 “심판하는 사람”으로 올라간다
한국 직장인 조사에서 1위 역량은 AI 결과물 판단력, 33.9%였다. AI가 만든 보고서, AI가 쓴 코드, AI가 뽑은 데이터를 “이게 맞아?”라고 물을 수 있는 사람이 살아남고 있었다. 이를 위해서는 자기 분야의 깊은 이해가 있어야 했다. 역설적으로, AI를 잘 쓰려면 AI 없이도 판단할 수 있는 실력이 먼저였다.
행동 3. “회사 교육”에 기대지 않는다
액센추어 조사에 따르면, AI와 협업하는 방법에 대한 교육을 받았다고 답한 직원은 26%에 불과했다. 딜로이트 조사에서는 조직의 73%가 변화 관리에 실패하고 있었다. 회사가 가르쳐줄 때까지 기다리면 늦는다. 스스로 학습 루트를 설계하고, 매주 최소 2에서 3시간은 새로운 AI 도구를 직접 써보는 시간을 확보하는 사람들이 눈에 띄었다.
(CIO – AI 업스킬링에 실패하는 이유와 해법)
행동 4. 공포 뉴스에 반응하지 말고, “재고용 뉴스”를 추적한다
해고 뉴스는 크게 나온다. 재고용 뉴스는 조용하다. 그런데 그 조용한 뉴스에 더 중요한 정보가 있었다. 어떤 사람이 다시 불려갔는지, 어떤 능력이 부족해서 AI가 실패했는지, 어떤 직무가 AI만으로는 안 되는 것으로 판명됐는지. 이 정보를 추적하면, 내가 어디에 시간을 투자해야 하는지가 보였다.
행동 5. “전문성의 이동성”을 만든다
브루킹스의 적응 역량 지표에는 학력이나 기술 수준만이 아니라 노동 시장의 유연성과 개인의 이동성도 포함되어 있었다. 하나의 전문성에 올인하지 않는 사람들이 관찰됐다. 그 전문성을 다른 분야에 연결할 수 있는 응용력을 키우는 것이다. 예를 들어, 마케터라면 AI 프롬프트 엔지니어링을 익혀 AI 마케팅 전문가로 확장하는 식이다. 회계사라면 AI 자동화 감사 도구를 능숙하게 다루는 방식이다. 한 직장에 인생을 거는 대신, 내 전문성을 여러 형태의 일에 조합할 수 있는 구조를 만드는 사람들이었다.
행동 6. “나는 괜찮다”는 착각을 경계한다
Slalom의 2026 AI 리서치 리포트에서 가장 인상적인 숫자가 있었다. 리더와 직원의 68%는 “우리 조직은 AI 속도를 따라가고 있다”고 답했다. 그런데 같은 사람들의 93%는 “기술 격차 등 인력 장벽이 있다”고 인정했다. 괜찮다는 자신감과 안 된다는 현실이 한 사람 안에서 공존하고 있었다. 이 인지 부조화가 가장 위험했다. 적응적 학습력의 첫 번째 조건은, 모르는 것을 모른다고 인정하는 것이었다.
(Slalom – AI research report, The ambition execution gap)