2025년 미국 해고 120만 건 중 AI가 진짜 이유인 건 4.5%뿐이었다. 6000개 기업 경영진 80% 이상이 “AI가 고용에도 생산성에도 아무 영향 없었다”고 답했다.
그런데 같은 사람들이 2028년까지 175만 명 감원을 계획하고 있다. 기술의 문제가 아니라 구조의 문제다. 이 반복 패턴을 읽는 순간, 불안 대신 판단력이 생긴다.
2025년 가을, 하나의 숫자가 조용히 공개됐다. 미국 대졸자 구직 성공률 37.1%. 고졸자는 41.5%. 역사상 처음으로 대학을 나온 사람이 고등학교만 졸업한 사람보다 취업이 더 어려워졌다.
같은 시기, 한국에서는 IT 개발자 일자리가 1년 9개월 만에 5,000개 넘게 증발했다. 세계 27개 빅테크 기업이 2026년 1월 한 달에만 24,818명을 해고했다.
이 사건들을 각각 따로 읽으면 “요즘 경기가 안 좋구나”로 끝난다. 그런데 이것들을 한 테이블 위에 올려놓고 보니, 전혀 다른 그림이 보이기 시작했다. 이 글은 그 패턴 인식의 기록이다.
(매일경제 – 한국서도 AI發 고용충격 조짐, IT개발자 일자리 5000개 증발)
(매일경제 – 빅테크, 1월에만 2만5천명 해고)
(SeattleN – 대졸 화이트칼라 AI의 습격)
패턴 인식 첫 번째 단서. “AI 때문”이라고 했다가 “아니다”라고 말을 바꾸는 사람들
이야기의 시작점은 아마존이다.
2025년 6월. 아마존 CEO 앤디 재시가 사내 메모를 보냈다. “AI로 인해 인력이 줄어들 것이다.” 직원들은 긴장했다. 그리고 10월, 약 14,000명 감원이 발표됐다. 그런데 같은 달 실적 발표에서 재시가 한 말은 달랐다. “재정적 이유도, AI 때문도 아니다. 조직 문화를 위한 것이다.”
6월에는 “AI 때문”이라 하고. 10월에는 “AI 때문이 아니다”라고 한다. 왜 메시지가 바뀌었을까?
이 질문을 품고 다른 기업들을 살펴봤더니, 같은 패턴이 반복되고 있었다. 마이크로소프트는 “AI 중심 조직 재편”을 이유로 들었지만 실제로는 클라우드 성장 둔화와 액티비전 인수 후 통합 비용이 핵심이었다. 핀터레스트는 “AI 자동화”를 내세웠지만 광고 수익 둔화가 본질이었다. 메타, 구글, 세일즈포스. 모두 비슷했다.
(조선일보 – 샘 올트먼 “기업들이 해고를 AI 탓으로 돌리며 AI워싱하고 있다”)
(전자신문 – “AI가 사람 대체” 빅테크 구조조정 재점화)
그리고 2026년 2월. AI 업계 최전선의 인물이 이 패턴에 이름을 붙여줬다.
“정확한 비율은 모르지만, 어차피 했을 해고를 AI 탓으로 돌리는 AI 워싱이 존재합니다.”
샘 알트만, OpenAI CEO, India AI Impact Summit 2026
(애플경제 – 샘 앨트먼의 작심 발언, “해고? AI탓 하지말라!!”)
(전자신문 – 샘 올트먼 “일부 기업 AI 핑계로 인원 감축, 실제 AI 영향 적어”)
AI를 만드는 사람 본인이, AI를 핑계로 쓰는 사람들을 지적한 것이다. 여기서 첫 번째 패턴이 잡혔다.
패턴 ①. 실제 원인은 다른 곳에 있는데, “AI”라는 단어가 방패막이로 쓰이고 있다.
두 번째 단서. 숫자가 말해주는 것
패턴을 눈치챈 뒤, 숫자를 모아봤다. 그리고 세 개의 데이터가 하나의 이야기를 만들었다.
숫자 하나. 2025년 미국 전체 해고 약 120만 건 중 “AI”를 공식 이유로 내세운 건 54,836건. 전체의 4.5%에 불과했다. 나머지 95.5%는 AI와 무관하거나 복합적 원인이었다. (갓대희 – AI 워싱 사례 분석, Challenger, Gray & Christmas 데이터)
숫자 둘. NBER(미국 국립경제연구소)이 2026년 2월 발표한 연구. 미국, 영국, 독일, 호주 6,000개 기업 경영진에게 물었다. “지난 3년간 AI가 고용이나 생산성에 영향을 미쳤습니까?” 80% 이상이 “아무 영향 없었다”고 답했다. (뉴스스페이스 – 기업 CEO 80% “AI가 기업생산성과 고용에 아무 영향 없다”)
숫자 셋. 그런데 같은 경영진들에게 “앞으로 AI로 인원을 줄일 계획이 있느냐”고 물으니, 2028년까지 175만 명 감원을 계획하고 있다고 답했다. 아직 효과도 없는데. 이미 해고를 준비하고 있는 것이다. (Threads – NBER 연구 6,000명 임원 조사)
이 세 숫자를 나란히 놓으니 이상한 구조가 보였다. “AI가 아직 아무것도 안 했는데, AI를 이유로 사람을 자르고 있고, 앞으로 더 자를 예정이다.” 그렇다면 이건 기술의 문제가 아니라, 기술의 이름을 빌린 다른 무엇의 문제다.
세 번째 단서. 실제로 AI는 무엇을 할 수 있는가
혹시 내가 틀렸을 수도 있다고 생각했다. AI가 정말로 대단해서 모든 것을 대체하고 있는 건 아닐까? 그래서 반대 방향의 데이터를 찾았다.
Scale AI와 AI 안전 센터가 2025년 10월 공동 발표한 원격 노동 지수(Remote Labor Index). 최첨단 AI 모델에게 실제 프리랜서들이 하는 유료 업무를 시켜봤다. 결과. 97.5%를 허용 가능한 수준으로 완료하지 못했다. 파일이 손상되거나, 결과물이 불완전하거나, 내용이 앞뒤가 맞지 않았다.
(지디넷 – AI 자동화 공포, 과장됐다. 실제 업무 중 2.5%만 해결)
(Scale AI 공식 블로그 – Remote Labor Index)
동시에, 맥킨지는 “이론적으로 미국 전체 노동 시간의 57%를 자동화할 수 있다”고 발표했다. 핵심은 “이론적으로”라는 단어다. 할 수 있다는 것과 하고 있다는 것은 전혀 다른 이야기다.
(포춘코리아 – “AI가 일자리 대체한다고?” 맥킨지의 반론)
패턴 ②. AI의 “가능성”이 AI의 “현실”로 포장되고 있다. 미래의 이야기가 오늘의 해고 사유로 둔갑하고 있다.
네 번째 단서. 돈은 어디로 흘러가는가
사건의 명분이 의심스러우면, 돈의 흐름을 따라가는 것이 가장 확실하다.
2025년. 빅테크 기업들이 미국 워싱턴에 쏟은 로비 자금은 1억 900만 달러(약 1,500억 원). 기술 업계 로비 지출이 연간 1억 달러를 넘긴 것은 역사상 처음이었다. 목표는 명확했다. AI 규제 완화. 엔비디아는 중국 수출 제한 AI 반도체의 판매 승인을 얻었고, 메타와 오픈AI는 미국 주별 AI 규제를 제한하는 행정명령을 이끌어냈다.
(매일경제 – 美빅테크, 워싱턴 로비자금 사상 최대)
(비즈니스포스트 – 미국 빅테크 지난해 로비자금 1억 달러 첫 돌파)
같은 시기, 대서양 건너편에서도 일이 벌어졌다. 세계에서 가장 강력한 AI 규제법을 만든 EU가 고위험 AI 규제 핵심 조항을 16개월 연기했다. 당초 2026년 8월 시행 예정이었는데, 2027년 12월로 밀렸다. 빅테크의 반발과 미국 정부의 압박이 작용했다는 분석이 나왔다.
(Tech42 – EU, 빅테크 반발에 고위험 AI 규제 2027년으로 16개월 연기)
(임팩트온 – EU, AI와 프라이버시 규제 완화안 공개, 빅테크 수혜 논란)
한쪽에서는 로비로 규제를 늦추고, 다른 한쪽에서는 “AI 때문에 어쩔 수 없다”며 사람을 해고한다. 그리고 해고로 줄인 인건비는 마진 개선으로 이어져 주가가 오른다.
패턴 ③. 돈은 위로 올라가고, 비용은 아래로 내려간다. AI라는 단어가 이 이동을 가능하게 해주는 통로 역할을 한다.
다섯 번째 단서. 그 사이에 개인은 무엇을 잃고 있는가
돈이 위로 올라가는 동안, 아래에서는 다른 일이 벌어지고 있었다.
카카오는 2026년 2월부터 이용자의 서비스 이용 기록과 이용 패턴을 수집하기 시작했다. 당초 “필수 동의” 사항으로 넣으려다 민변 등 시민단체가 반발하자, “별도 동의” 방식으로 바꿨지만, 7일 내 거부하지 않으면 동의로 간주하는 구조였다. 직장인 86.5%는 “회사의 정보 수집 동의를 사실상 거부할 수 없다”고 응답했다.
(경향신문 – 싫으면 나가라는 카카오, 개인정보 사실상 강제수집 논란)
(SBS Biz – 카카오 이용패턴수집 약관 오늘 적용, 이용자들 술렁)
동시에 AI를 이용한 사기는 폭발적으로 늘었다. 2025년 국내 사이버 침해사고는 전년 대비 26.3% 급증해 2,383건으로 역대 최대를 기록했다. 딥페이크 사기 피해액은 1조 6천억 원을 넘겼다. CEO 목소리를 복제해 송금을 지시하고, 자녀 얼굴을 합성해 납치 협박을 하는 수법이 반복됐다.
(네이트뉴스, KISA/과기정통부 – 2026년은 자동화된 AI 공격의 해)
(한겨레 – AI에 쫓겨나는 글로벌 빅테크 노동자)
패턴 ④. 기업은 데이터를 더 많이 가져가고, 개인은 더 많은 위험에 노출된다. 그런데 이 과정을 감시할 규제는 느려지고 있다.
이 패턴들을 겹쳐놓으니 보이는 하나의 구조
지금까지 모은 단서들을 겹쳐보자.
- 패턴 ①. AI 워싱. 실제 원인과 다른 명분을 세운다.
- 패턴 ②. 미래를 현재처럼 포장. 아직 일어나지 않은 일을 지금의 이유로 쓴다.
- 패턴 ③. 돈은 위로, 비용은 아래로. 마진은 기업에, 해고는 노동자에게.
- 패턴 ④. 데이터 흡수, 규제 약화. 개인의 것은 가져가고, 감시의 눈은 느려진다.
이 네 가지가 동시에 일어나는 것을 하나의 문장으로 정리하면 이렇게 된다.
“AI”라는 이름이 기업의 비용 절감을 정당화하고, 규제 무력화를 가능하게 하며, 데이터 수집을 가속시키는 만능 통행증으로 작동하고 있다. 그리고 이 과정의 비용은 대부분 개인이 감당하고 있다.
이것은 처음 보는 구조가 아니었다.
역사 속에서 같은 구조를 찾다
18세기 산업혁명 때 방직공들은 기계를 부쉈다(러다이트 운동). 공장주들은 “기계 도입은 불가항력”이라고 했다. 결국 새 일자리가 생겼지만, 그 사이 20에서 30년간 노동자의 삶은 악화됐다. 이익이 노동자에게 돌아오기까지의 시차. 그 시차 동안 고통을 감당한 건 언제나 아래쪽 사람들이었다.
2010년대에는 “친환경”이라는 이름으로 실제로는 환경에 해로운 제품을 포장했다(그린워싱). 2020년대에는 같은 구조가 “AI”로 바뀌었을 뿐이다.
2000년 닷컴 버블 때는 “인터넷”이라는 단어만 붙이면 주가가 올랐다. 지금은 “AI”라는 단어가 같은 역할을 하고 있다. 구글 CEO 순다르 피차이조차 “AI 투자가 비이성적으로 과열되어 있다”고 인정했고, 마크 저커버그도 “AI 거품 붕괴 가능 시나리오”를 언급했다.
(글로벌이코노믹 – AI 투자 급팽창에 다시 등장한 붕괴 경고)
(포춘코리아 – “이번에도 눈물로 끝난다” 비관론자의 AI 버블 경고)
(조세일보 – 월가, 불안한 AI 관련주 움직임에 잇따라 붕괴 경고)
기술의 이름만 바뀌었다. 구조는 같다. “트렌드를 명분으로 세우고, 비용을 개인에게 전가하고, 규제를 늦추고, 이익을 집중시키는” 사이클.
아직 말해지지 않은 것. 이 구조가 향하는 곳
지금까지의 패턴을 따라가면, 아직 뉴스에 나오지 않았지만 데이터가 가리키는 방향이 있다.
첫째. “AI 해고”는 아직 본격적으로 시작되지도 않았다.
지금까지의 해고 대부분은 AI가 실제로 대체해서가 아니라, “AI가 대체할 것”이라는 기대를 명분으로 삼은 것이다. NBER 데이터에 따르면 80%의 기업이 아직 효과를 보지 못했다. 그런데 이미 175만 명 감원을 2028년까지 계획하고 있다. AI 기술이 실제로 성숙하는 순간, 이미 깔려 있는 “해고 인프라” 위에서 진짜 대규모 대체가 시작될 가능성이 있다. 지금은 예행연습이고, 본게임은 아직이라는 뜻이다.
둘째. 한국은 인구 감소와 AI 충격이 동시에 온다.
한국고용정보원에 따르면 15에서 64세 생산가능인구가 이미 감소세에 접어들었다. 여기에 AI가 화이트칼라 일자리부터 줄여나가면, “사람은 줄어드는데 일자리도 줄어드는” 이중 압축이 발생한다. 일본이 겪은 고령화와 자동화의 교차점이 한국에서 더 빠르게, 더 압축적으로 올 가능성이 있다.
(네이트뉴스 – 인구 감소와 AI 충격 본격화, 정부 “노동시장 구조 전환 대응”)
셋째. AI 버블이 꺼지면, “AI 때문에 해고한” 기업들은 어떻게 되는가.
WEF는 AI 버블 형성 과정에서 비(非)AI 부문의 자본 비용이 상승하고, 붕괴 후에는 AI 관련 투자 손실이 실물 경제로 전이될 수 있다고 경고했다. AI를 명분으로 인력을 줄인 기업이 정작 AI에서 수익을 내지 못하면, 줄인 인력을 복구할 수도 없고 AI로 대체할 수도 없는 공백 구간이 생긴다. 이미 2025년 한 조사에서 구조조정 기업의 절반이 “결정을 후회한다”고 답했다.
(조세일보 – 월가, AI 붕괴 시나리오 경고)
(디지털투데이 – “투자 심리 흔들리면 끝”, AI 버블 붕괴 충격 시나리오)
넷째. 규제의 공백이 길어질수록 개인 데이터의 “돌이킬 수 없는 유출”이 누적된다.
한번 수집된 데이터는 되돌릴 수 없다. EU 규제가 16개월 늦춰지는 동안, 그 16개월 치의 데이터는 이미 AI 학습에 쓰인다. 나중에 규제가 시행되어도, 이미 학습된 모델에서 개인 데이터를 “빼는” 것은 기술적으로 거의 불가능하다. 시간이 규제 편이 아니라, 기업 편에서 흐르고 있다.
그런데, 이 분석 자체가 틀릴 수도 있다
패턴 인식에서 가장 위험한 것은, 보고 싶은 패턴만 보는 것이다. 그래서 반대편의 데이터도 모았다.
반대 근거 ①. AI가 실제로 대체하고 있는 영역은 존재한다. 골드만삭스에 따르면 콜센터, 사무직, 초급 프로그래머 분야에서 실제 고용 감소가 확인됐고, 20에서 30대 기술직 실업률이 2025년 초 대비 약 3%포인트 상승했다. 모든 게 “워싱”인 것은 아니다.
반대 근거 ②. WEF는 2030년까지 AI로 인해 9,200만 개의 일자리가 사라지지만 1억 7,000만 개가 새로 생겨, 순 7,800만 개가 증가한다고 전망한다. 역사적으로 기술 혁명 이후에는 언제나 새로운 직종이 등장했다.
(KBS – 사라질까 늘어날까? AI 시대, 인간 노동 가치는?)
반대 근거 ③. 팬데믹 기간(2020에서 2022) 동안 빅테크는 실제로 과잉 채용을 했다. 정상화 과정의 인력 조정은 경영적으로 합리적일 수 있다.
반대 근거 ④. AI 기술이 현재 과대평가되었을 가능성이 있다. 원격 노동 지수(RLI)에서 AI가 실제 업무의 2.5%만 처리할 수 있었다면, AI 위협론 자체가 과장이며, AI 워싱론도 과잉 해석일 수 있다.
이 반대 근거들을 인정하되, 그래도 하나의 질문은 남는다. “효과가 없는데 왜 계속 AI를 이유로 드는가?” 이 질문에 대한 답은 각자가 판단할 몫이다.
행동 가이드. 패턴을 읽는 사람은 어떻게 움직여야 하는가
모든 데이터를 수집하고 모든 패턴을 겹쳐본 뒤, 이 상황에서 개인이 실제로 할 수 있는 행동을 정리했다.
행동 1. “AI 때문”이라는 말을 들으면 세 가지를 확인하라
뉴스든 회사 공지든, “AI 때문에”라는 문장을 만나면 즉시 확인할 것.
그 조직이 실제로 AI를 도입했는가? (도입 계획이 아니라, 지금 운영 중인가)
같은 시기에 재무적 문제(매출 감소, 마진 압박, 투자 실패)가 있지 않았는가?
해고 발표 이후 주가는 어떻게 움직였는가?
이 세 가지를 확인하는 데 10분이면 충분하다. 그 10분이 공포에 빠지느냐, 냉정하게 판단하느냐를 가른다.
행동 2. “누가 이익을 얻는가?”를 자동 반사처럼 물어라
어떤 현상이든, 그 현상이 지속되는 이유는 누군가에게 이익이 되기 때문이다.
“AI가 모든 일자리를 대체한다”는 공포가 확산되면, 노동자의 협상력은 약해지고, 낮은 임금과 불안정한 조건을 수용하게 된다.
“AI 전환이 불가피하다”는 내러티브가 퍼지면, 컨설팅 회사의 AI 전환 컨설팅 수요가 늘어난다.
“AI 규제는 혁신을 막는다”는 논리가 먹히면, 빅테크의 데이터 수집과 시장 독점이 가속된다.
이익의 방향을 추적하면, 내러티브의 출처가 보인다.
행동 3. AI를 두려워하지 말고, AI가 “못 하는 것”에 자신을 위치시켜라
Scale AI의 원격 노동 지수가 보여준 것. AI는 실제 업무의 2.5%만 감당할 수 있다. AI가 잘하는 것은 정형화된 데이터 처리, 패턴 매칭, 반복 작업이다. AI가 아직 못하는 것은 복잡한 맥락 해석, 조직 내 정치적 판단, 불완전한 정보 속에서의 의사결정, 그리고 감정적 지능이 필요한 상황이다.
“AI가 할 수 있는 일을 하는 사람”이 아니라, “AI에게 시킬 줄 아는 사람”이 되는 것이 방향이다.
행동 4. 내 데이터의 이동 경로를 추적하라
“동의합니다” 버튼을 누르기 전에 한 가지만 확인하라. 이 데이터가 AI 학습에 사용되는가? 카카오 사태가 보여줬듯이, “동의하지 않으면 서비스를 쓸 수 없다”는 구조는 실질적 강제다. 하지만 선택적 동의 항목이 있다면 그것만이라도 관리하는 것이 자기 보호의 시작이다. 한번 학습에 쓰인 데이터는 되돌릴 수 없다는 것을 기억하라.
행동 5. “이번에도 같은 구조인가?”를 항상 물어라
산업혁명 때도, 닷컴 버블 때도, 그린워싱 때도, 구조는 같았다. 트렌드를 명분으로 세우고, 비용을 아래로 전가하고, 규제를 늦추고, 이익을 집중시킨다. 기술의 이름만 바뀐다. 이 구조를 알면, 다음에 어떤 이름의 기술이 와도 흔들리지 않는다.
동시에, “이번은 진짜 다를 수 있다”는 가능성도 열어둬야 한다. AI는 이전 기술과 달리 인지 노동을 대체한다는 점에서 질적으로 다른 도전일 수 있다. 양쪽의 증거를 모두 가지고 있는 사람이, 어느 한쪽에만 베팅한 사람보다 더 오래 살아남는다.
행동 6. 이 글 자체를 의심하라
이 글도 하나의 해석이다. 여기서 제시한 패턴이 실제로 존재하는지, 아니면 데이터를 편향적으로 모은 것인지는 독자가 판단할 몫이다. 패턴 인식의 핵심은 남이 보여주는 패턴을 믿는 것이 아니라, 스스로 데이터를 모아서 자기만의 패턴을 그리는 것이다. 이 글에 나온 모든 링크를 직접 클릭해서, 원문이 정말 이 맥락에 맞는지 확인해보는 것부터가 패턴 인식의 시작이다.