스탠포드 연구진이 지난해 11월에 낸 논문 제목은 "탄광의 카나리아"다. 미국의 급여 처리 업체의 데이터를 살펴봤더니 AI의 영향을 받는 직군에서 22세부터 25세까지의 고용이 상대적으로 16% 줄었다. 나이 많은 쪽은 그대로거나 오히려 늘었다.
소프트웨어 개발 분야가 제일 심했다. 2025년 9월의 22~25세 개발자 수는 2022년 말 정점보다 20% 가까이 줄었다. 고객 응대 직군도 같은 상황이었고, 마케팅·영업 관리직에서도 젊은 층만 빠지는 그림이 나왔다. 반면에, 재고 관리나 주문 처리처럼 AI가 파고들 여지가 적은 쪽은 나이에 따른 차이가 뚜렷하지 않았다. 현장 생산·운영 감독직에서는 젊은 층이 오히려 늘었다.
카나리아가 먼저 쓰러지는 이유는 갱도 맨 앞에 매달려 있기 때문이다. 스물다섯이 먼저 빠지는 것도 같은 이유다. 그 연령대가 맡던 일이 하필 갱도 입구에 있었다.
신입이 하던 일이 하필 AI가 제일 잘하는 일이다
신입에게 맡기던 일을 떠올려 보자. 코드 한 덩어리, 회의록, 경쟁사 자료 정리, 숫자 대조. 하나같이 AI가 손쉽게 자동화한 일들이다. 반대로 답이 없고 정형화되지 않은 일들은 아직 사람 몫으로 남아 있다.
예전 같으면 1년 차 신입이 사흘 붙잡고 만들던 시장 조사 자료를 팀장이 삼십 분 만에 뽑고, 회의록은 알아서 정리되고, 계약서 조항 대조는 붙여 넣기 한 번이면 끝난다. 그러니 굳이 사람을 붙여 시키고, 틀린 것을 고쳐 주고, 왜 틀렸는지 설명할 필요가 없다. 안 뽑고, 안 시키는 것이 합리적인 것처럼 보인다.
그런데 그 팀장은 어떻게 삼십 분 만에 보고서의 수정 사항을 짚어 내는 사람이 됐을까?
십여 년 전 그도 사흘 걸려 만든 자료를 들고 갔다가 통째로 반려당했고, 왜 틀렸는지 삼십 분 동안 귀가 따갑게 들었고, 고쳐서 다시 갔다가 또 반려당했고, 그런 일이 한 3년쯤 쌓이고 나서야 겨우 보고서에서 이상한 데가 눈에 들어오기 시작했다.
회사가 그 3년을 훈련이라고 부른 적은 없다. 그냥 일이었을 뿐이고, 지금의 팀장은 그렇게 일하다가 만들어졌다. 훈련조차 일의 부산물이었던 셈이다. 그런데 지금 없어지고 있는 것이 바로 그 부산물이다.
신입이 사라진 뒤, 그 청구서는 5년 뒤에 날아온다.
지난해 8월의 한 조사에서도 미국 노동자 6,500만 명의 자료를 살펴봤더니, 생성형 AI를 도입한 회사에서 주니어는 줄고 시니어는 거의 그대로였다. 주니어를 해고한 게 아니었다. 2023년 초부터 새로 뽑지 않았을 뿐이다.
신입을 안 뽑아도 올해 손익은 더 좋게 나온다. 인건비가 줄고 가르치는 데 쓰던 시간이 남으니 성과는 오히려 나아 보인다.
그러나 청구서는 5년 뒤에 날아온다. 실무를 통째로 감당할 과장급이 필요한데 안에는 그 자리를 거쳐 온 사람이 없고, 밖에서 데려오려 해도 시장에 없다. 같은 기간 다른 회사들도 똑같이 주니어를 뽑거나 육성하지 않았기 때문이다.
판단은 가르쳐서 생기지 않는다. 틀려 본 사람만이 생긴다.
경력자 몸값이 비싼 이유가 있다. 경력자는 단순한 정답이 아니라 어디서 일이 틀어지는지 알기 때문이다. 납기를 놓쳐 봤고, 구조를 잘못 잡아 봤고, 약속대로 굴러가지 않는 팀을 겪어 봤다. AI는 초안을 대신 써 준다. 그러나 초안을 만들고 재작업하면서 얻게 되는 감각과 경험을 대신 만들어 줄 수는 없다.
단순히 신입 자리를 지키자는 이야기가 아니다. 이전 방식으로 구성원을 육성할 수 없다면, 판단이 필요한 자리에 의도적으로 직원들을 배치하고 이전과 다른 방식으로 공을 들여 육성해야 한다. 과거처럼 시간과 함께 시행착오를 겪으며 시니어가 저절로 육성되는 그런 기회는 다시 오지 않는다.
지금 신입이 사라지고 있는 게 아니다. 지금 아낀 것은 올해 인건비이지만, 동시에 5년 뒤 그 신입이 되어 있을 경력자들을 얻기 위해 들여야 할 비용이 계속 쌓이고 있다.
Source: Erik Brynjolfsson, Bharat Chandar, Ruyu Chen (Nov 2025), "Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence", Stanford Digital Economy Lab Working Paper
Seyed Mahdi Hosseini Maasoum, Guy Lichtinger (Aug 2025), "Generative AI as Seniority-Biased Technological Change: Evidence from U.S. Resume and Job Posting Data", SSRN Working Paper
Soren Kaplan (Jul 2026), "AI Can Do the Work. It Still Can't Replace the One Thing Companies Need Most", Inc.
