첫째, 신입 채용 비중의 감소를 AI 탓으로만 읽을 수 없다. 이 연구는 미국·영국·캐나다·호주의 2017~2025년 채용·공고 자료에서 경력 초기 인력의 채용 비중 감소를 분석했다. AI 노출만 보면 큰 감소가 나타나지만, 같은 직업에 집중된 재택근무(WFH) 노출을 함께 넣으면 AI 계수는 크게 줄고 흔히 통계적으로 유의하지 않다.
둘째, 재택근무 계수는 상대적으로 안정적이다. 이는 AI의 영향이 없다는 증명이 아니라, AI 단독 설명이 가진 식별의 문제를 보여준다. 이 글이 다루는 문헌은 동료심사 학술지 논문이 아닌 LSE CEP 토론논문(Discussion Paper)이다.
배경 및 이론적 맥락
경력 초기 인력의 가치는 현재 생산성뿐 아니라 숙련자로 성장할 미래 가치에도 있다. 논문의 모형에서 원격근무가 선임자의 감독 비용을 높이고 초보자의 학습·승진 속도를 늦추면, 기업이 신입을 투자 대상으로 보는 유인이 약해진다. 다만 감독 비용과 학습 속도는 모형의 메커니즘일 뿐, 멘토링 횟수나 실제 학습 과정을 직접 측정해 입증한 것은 아니다.
연구 방법론
Revelio Labs의 이력서 기반 신규 채용 기록 2억 4,300만 건과 Lightcast의 온라인 구인공고 4억 700만 건을 사용했다. 직업×지역×월 및 기업×직업×연도 패널에 사건연구와 차이의 차이(difference-in-differences) 분석을 적용해 2017~2019년을 기준으로 2023~2025년의 변화를 본다. AI 과업 노출 지표와 2021~2022년 원격·하이브리드 공고 비중을 각각 넣은 모형과 동시에 넣은 모형을 비교했다.
채용 자료의 junior는 직함·이력으로 분류한 7단계 중 Entry-Level과 Junior를 합한 것이며, 졸업 직후 대졸자만을 뜻하지 않는다. 공고 자료에서는 요구 경력이 3년 이하인 공고의 비중을 본다. WFH 도입도 공고의 원격·하이브리드 명시 여부로 측정하므로 실제 출근일을 관찰한 것은 아니다.
연구 결과
AI 노출과 WFH 노출의 직업별 순위 상관은 약 0.77로 매우 높다. 따로 추정하면 각 노출이 2표준편차 높은 경우 2025년까지 신규 채용 중 junior 비중은 약 5%포인트, 경력 3년 이하 공고 비중은 약 3%포인트 더 낮아지는 것으로 추정된다. 그러나 두 노출을 함께 넣으면 WFH 효과는 남는 반면 AI 계수는 크게 줄고 흔히 0과 구별되지 않는다. 원격근무를 제안한 기업을 이용한 분석도 같은 방향이다.
여기서 감소는 전체 채용 중 비중의 변화다. “신입 5%가 해고됐다”거나 “AI 때문에 5%포인트 줄었다”로 읽으면 안 된다.
결론 및 의의
1. 핵심 결론은 “AI의 영향이 없다”가 아니라 “신입 채용 감소의 원인을 다시 식별해야 한다”이다. AI 노출이 높은 직업에서 경력 초기 인력의 채용 비중이 낮아졌다는 사실만으로 AI가 원인이라고 단정할 수 없다. 이 연구에서는 AI와 재택근무 노출을 함께 고려했을 때 재택근무의 음의 계수는 비교적 안정적으로 유지되는 반면, AI 계수는 크게 줄고 여러 분석에서 통계적으로 0과 구별되지 않았다. 대체 노출 지표와 유연한 통제 방식, 측정오차 점검에서도 이러한 상대적 패턴이 유지되었다. 공고에 나타난 기업·지역의 원격근무 도입을 이용한 분석도 같은 방향이다. 따라서 2025년까지 관찰된 신입과 경력자 사이의 상대적 채용 구성 변화에서는 재택근무 관련 조직 변화가 중요한 설명 요인이라는 것이 저자들의 결론이다. 이는 모든 AI 도입의 효과가 0이라는 검정도, AI가 앞으로 일자리를 줄이지 않을 것이라는 예측도 아니다.
2. 이론적 의의는 신입 채용을 “현재의 생산”과 “미래 숙련에 대한 투자”로 함께 보는 데 있다. 기업은 신입이 당장 수행하는 과업뿐 아니라, 학습과 승진을 통해 숙련자로 성장했을 때 얻을 가치까지 고려한다. 논문의 동태적 채용 모형에서는 일정한 조건 아래 감독에 필요한 선임자의 시간이 늘거나 신입의 학습·승진 속도가 느려지면 신입을 채용할 유인이 낮아진다. 이 관점에서 경력 초기 일자리는 단순히 AI가 대체하기 쉬운 과업의 묶음이 아니라, 숙련을 축적하는 경로이기도 하다. 기술이 어떤 과업을 자동화하는지와 조직이 초보자를 어떻게 가르치는지를 함께 분석해야 채용 구조의 변화를 이해할 수 있다. 다만 감독 비용 상승과 학습 속도 저하는 모형이 제시하는 설명 경로이며, 이 연구가 개별 기업의 멘토링 시간이나 학습 성과를 직접 측정하여 매개효과를 입증한 것은 아니다.
3. 조직에 대한 함의는 원격근무 폐지보다 신입 육성 과정의 재설계에 있다. 저자들은 재택근무가 직원과 기업에 주는 이점을 인정하면서, 신입의 감독과 성장을 지원하는 관리 관행의 개선을 강조한다. 따라서 이 결과를 전면 출근 의무화의 근거로 곧바로 사용하는 것은 타당하지 않다. 신입에게 과업을 맡기는 방식, 질문을 받아 줄 담당자, 진행 중 피드백, 업무 지식의 전달 경로를 점검하는 것이 논문의 문제의식에 더 가깝다. 예를 들어 온보딩 기간의 공동 작업과 정기 피드백을 설계하는 방안을 검토할 수 있다. 그러나 특정 출근 빈도나 멘토링 방식이 신입 채용을 회복시킨다는 효과를 이 논문이 추정한 것은 아니다. 이런 방안은 검증이 필요한 실무적 제안이다.
4. 대학 교육에 대한 함의는 AI로 결과물을 만드는 능력과 피드백을 통해 배우는 능력을 구분하는 데 있다. 이하의 교육 제안은 논문의 학습·감독 모형에서 도출한 적용 가능성이지, 저자들이 수업 실험으로 확인한 결과가 아니다. 수업에서는 학생이 AI로 만든 초안을 그대로 제출하는 데서 끝내지 않고, 근거를 확인하고 오류를 설명하며 동료·교수자의 피드백을 반영해 수정하는 과정을 평가할 수 있다. 문제 정의, 자료 선택, 검증, 수정의 이유를 기록하게 하면 최종 산출물과 학습 과정을 구분하여 살펴볼 수 있다. 팀 과제에서도 서로의 작업을 설명하고 질문에 답하는 활동을 포함할 수 있다. 논문이 시사하는 교육적 질문은 “AI를 얼마나 잘 쓰는가”만이 아니라 “도구를 쓰면서도 다른 사람의 도움을 받아 숙련을 쌓을 수 있는가”이다. 다만 이러한 수업 설계가 취업률이나 직무 성과를 높인다는 주장은 별도의 평가 연구가 필요하다.
5. 졸업생의 취업 진입을 위해서는 개인 역량과 기업의 학습 기회를 함께 보아야 한다. 이 연구의 junior는 직함과 경력 이력에 따른 Entry-Level·Junior 범주이며, 대졸 신입만을 가리키지 않는다. 그럼에도 경력 초기 채용이 숙련 축적의 입구라는 문제의식은 대학에서 일터로 이동하는 과정을 살펴보는 데 도움이 된다. 대학과 기업의 연계 활동에서는 인턴에게 실제 과업을 맡기는 것에 더해 누가 피드백을 제공하고 어떤 단계로 책임을 늘릴지 점검할 수 있다. 졸업생 역시 AI 사용 여부뿐 아니라 판단의 근거를 설명하고 피드백에 따라 작업을 개선하는 과정을 보여 줄 수 있다. 이는 논문의 관점에 근거한 제안이며 채용 효과가 입증된 취업 전략은 아니다. 신입 기회 축소를 학생의 능력 부족으로만 돌리면, 기업이 초보자를 육성할 유인이 달라졌다는 조직 측 요인을 놓칠 수 있다.
6. 신입 채용의 비중 감소는 단기 고용을 넘어 숙련 형성의 문제를 제기한다. 신입을 채용하고 가르치는 경로가 지속적으로 좁아지면 현재의 경력 초기 집단뿐 아니라 이후 숙련 인력의 공급에도 문제가 생길 수 있다는 것이 저자들의 우려이다. 그러나 논문이 미래의 생산성 손실이나 졸업생의 생애 소득 감소를 직접 추정한 것은 아니다. 또한 분석 결과는 신규 채용과 구인공고에서 신입·저경력자가 차지하는 비중의 변화이므로, 해고 규모나 전체 일자리의 순감소와 동일하게 해석해서는 안 된다. 정책의 초점 역시 원인에 따라 달라진다. 조직의 학습·감독 비용이 중요한 경우와 AI의 직접적인 대체가 중요한 경우에 필요한 대응은 같지 않다는 점이 이 연구의 정책적 의의이다.
7. 인과 해석과 일반화에는 분명한 한계가 있다. 차이의 차이 추정은 노출 수준이 다른 집단의 평행 추세와 동시 충격에 관한 식별 가정에 의존한다. 여러 강건성 분석을 통과했다고 해서 관찰되지 않은 요인이 모두 제거되는 것은 아니다. 저자들도 실제 원격근무 도입을 이용한 기업 수준의 구인공고 분석 한 패널에서는 기존 하락 추세가 있어 추정치를 원격근무에 귀속되는 감소의 상한으로 읽어야 한다고 명시한다. 이력서 자료의 대표성과 공고의 요구 경력 누락에는 가중치 보정을 적용했지만, 자료의 측정 한계가 사라지는 것은 아니다. 원격근무 도입은 공고의 원격·하이브리드 제안으로 측정하며, 같은 규모와 범위를 가진 기업별 실제 AI 도입 자료는 확보하지 못했다. 분석 시기는 2025년까지이고 대상은 미국·영국·캐나다·호주이다. 한국의 대졸 채용 제도나 기업 문화에 동일한 효과 크기를 적용할 수 없으며, 아직 동료심사를 거친 학술지 논문이 아닌 토론논문이라는 점도 함께 고려해야 한다.
8. 후속 연구는 AI 도입과 조직의 학습 과정을 더 직접적으로 관찰해야 한다. 저자들은 재택근무와 독립적인 변이를 가진 기업별 실제 AI 도입 지표, 그리고 더 긴 도입 이후 관찰 기간이 필요하다고 강조한다. 여기에 모형의 설명 경로를 검증하려면 감독·피드백 시간, 학습·승진 과정, 신입 채용과 이직을 함께 관찰하는 연구가 필요하다는 질문을 덧붙일 수 있다. 교육 분야에서도 AI를 활용한 과제와 사람의 피드백을 결합한 수업이 독립 수행 능력과 일터 적응에 어떤 영향을 주는지 별도로 검증해야 한다. 중요한 것은 AI를 배제하거나 신입의 불안을 개인의 적응 문제로만 환원하는 것이 아니라, AI와 근무 방식이 함께 바뀌는 상황에서 초보자가 실제로 배우고 경력을 시작할 수 있는 조건을 확인하는 일이다.
참고문헌
Lambert, P. J., & Schindler, Y. (2026). The broken ladder: AI, remote work, and early-career hiring (CEP Discussion Paper No. 2193). Centre for Economic Performance, London School of Economics and Political Science. https://cep.lse.ac.uk/pubs/download/dp2193.pdf
위 문헌은 동료심사를 거친 학술지 논문이 아닌 토론논문(working paper)이다.
AI 활용 내역
이 글은 AI(Instinct AI 어시스턴트)를 활용하여 논문의 핵심 내용을 분석·요약하고, 한국어 리뷰 원고를 작성하였습니다. 최종 검토 및 발행은 블로그 운영자가 수행합니다.
댓글 남기기