최근 미국 버니 샌더스(Bernie Sanders) 상원의원은 오픈AI의 챗GPT를 활용해 ‘AI와 로봇 기술은 화이트칼라(사무직)와 블루칼라(현장직) 전반에서 광범위한 직종 대체로, 향후 10년 내 미국 안에서만 최대 1억 개의 일자리가 사라질 것’이라는 내용이 담긴 보고서를 발표했다.

 

이 보고서는 AI의 영향으로 간호사의 40%, 트럭 운전사의 47%, 회계사의 64%, 교육 보조원의 65%, 패스트푸드 종사자 89%가 일자리를 잃을 수 있다는 우려를 나타냈다.

생성형 AI 확산이 일자리 변화에 큰 영향을 미치면서 생성형 AI 활용능력을 배우고, AI 윤리성도 함께 향상시키는 일이 중요해졌다.

이상은 부산시 AI위원회 위원(DMN 대표)은 최근 국회에서 ‘생성형 AI 활용능력·사용자 윤리성 향상을 위한 제도적 지원 방안’ 정책토론회을 열었다. ‘미래 일자리를 위한 AI 활용교육’이라는 주제로 기조발제한 이 위원은 "현재 우리는 ‘속도 격차’의 시대에 살고 있다”는 분석을 내놨다.

 

◇ 생성형 AI 등장으로 우리 사회는 급격한 변화

 

최근 우리 사회는 생성형 AI의 등장으로 급격한 변화를 겪고 있다. 기존 인재양성 시스템은 산업사회형 모델로 ‘연(年)’ 단위, ‘공급자’ 중심으로 운영됐고, 교육과정 개편, 자격증 신설 모두 1년 단위로 그 주기에 맞춰 만들어지고 사라졌다. 또 수요자가 아닌 공급자 중심의 커리큘럼에 맞춘 자격증에 기반한 전문성은 안정적인 사회생활의 척도가 되어왔다.

그러나 ‘생성형AI’의 등장은 기존의 ‘연’ 단위 틀을 사정없이 깨뜨리고 있다. AI 모델·도구가 일상에 접목되며 변화의 주기는 연 단위에서 ‘주(週)’ 또는 ‘월(月)’ 단위로 단축되며 기존 시스템으론 이 속도를 따라잡을 수 없게 됐다. 이와 함께 공급자가 아닌 수요자 중심으로 커리큘럼이 변화되고, 자격증 우대가 아닌 실시간 역량 증명(Proof)만이 성공을 좌우하는 시대가 됐다.

미래 일자리의 패러다임도 ‘학위’ 중심에서 ‘현안-검증-일자리’ 루프로 바뀌고 있다. 공공과 산업의 실제 수요는 ‘현안 과제(Problem)’로 정규화하고 레지스트리에 상시 공개한다. 역량 검증(Proof)은 표준화된 직무(Agile Job Standard, AJS)를 수행하고, 수요자-동료-기관이 3자 공동검증(CCC)한다. 일자리는 신뢰 가능한 포트폴리오를 바탕으로 즉시 채용, 계약 또는 리테이너(선불로 수수료를 지급하고 서비스를 확보하는 것)로 연결한다.

 

◇AI 활용중심 인재 전략, ‘AJS와 CCC 기반 실무 역량 혁신’

‘연’ 단위의 기존 인재 양성 시스템과 ‘주/월’ 단위의 AI 모델·도구 활용한 변화 주기 간 속도 격차가 발생한 주된 원인은 AI 개발과 AI 활용을 각각의 특성에 맞춰 별도로 접근하지 않고 동시에 지원하려고 하는 데서 따른 것으로 분석된다.

 

이중 AI 개발 트랙은 △교육 △AJS △KPI △경로 등 네 가지로 분류할 수 있다. 먼저 ‘교육’에는 수학/통계, 머신러닝(ML), 시스템, MLOps(머신러닝 작업), 보안 등으로 구성되는데, ‘AJS’는 모델 개발, 파이프라인, 평가, 배포 등이, ‘KPI’에는 정확도, 리소스, 내재 안전, SLA 등으로 구성된다. ‘경로’에는 연구소, 플랫폼 기업, 대규모 기관이 포함된다.

AI 활용 트랙에서 ‘교육’에는 도메인 과제 정의, 데이터, 자동화, 서비스가, ‘AJS’는 도메인 SSoT(Single Source of Truth, 단일 진실의 원칙), 정답 카드, 자동화 에이전트가, ‘KPI’는 TTP/TTJ, 전환율, 민원 감소, 정정률이, ‘경로’는 기관·지방자치단체, 기업 현업, 스타트업 등이 포함된다.

미래 일자리의 핵심은 ‘AI 활용(Application)’에 달려 있다. 먼저 ‘도메인 지식’에서는 관광, 헬스케어, 공공 등 산업 고유의 지식과 과제 정의 능력을 갖춰야 한다. 또 ’AI 활용 리터러시‘ 측면에서는 프롬프트, 결과 평가, 자동화, 윤리적 거버넌스 등 공통 역량이 필요하다.

산업 현장에서 인공지능 기술을 실질적으로 활용할 수 있는 실무형 인재를 ‘AI-Ready 현업 인재’라고 칭한다. 이들은 단순한 AI 개발자가 아니라, 도메인 지식과 AI 기술을 융합해 문제를 해결하는 역량을 갖춘 전문가를 뜻하며, 이는 곧 미래 일자리의 핵심 인력이 될 수 있다.

 

◇ 새로운 국가 보조하는 표준은?

새로운 국가를 보조하는 표준은 먼저 ‘수요’와 ‘직무’의 표준화가 필요하다. 첫 번째는 현안 과제의 레지스트리다. 공공기업의 실제 수요(KPI, 데이터, 예산, 윤리 제약 등)를 표준화된 ‘현안 과제’로 상시 수집하고 공개해야 한다. 이는 곧 국가 인프라가 된다. 이를 통해 교육과 실제 수요를 직접 연결하고, 산업·지역 간 매칭 비용을 급감시킬 수 있다.

두 번째는 AJS(Agile Job Standard), 즉 NCS를 보완하는 ‘민첩한 직무 설계표준’이다. 이는 미션, 태스크, 도구, HITL(Human in the Loop, AI 작동하는 과정에서 인간이 개입해 검증·피드백을 주는 방식), KPI(Key Performance Indicator, 핵심성과지표), SLA(Service Level Agreement, 서비스 수준 계약)를 정의해 실제 과제 수행의 기준이 된다.

 

이 표준은 ‘관광 Live 편집자’, ‘병원 상담봇 오퍼레이터’ 등 즉시 활용 가능한 직무 라이브러리를 제공한다.

또 새로운 국가를 보조하는 표준은 ‘검증’과 ‘신뢰’를 표준화해야 한다. 먼저 CCC(3자 공동 검증)는 기존의 자격증을 대체하는 ‘신뢰 가능한 실무 역량 검증’을 뜻하는 것으로, 현장 담당자(수요자), 동료(커뮤니티), 운영기관(중립)이 3자 공동으로 검증·서명하는 것을 의미한다.

 

근거 기반 평가는 ‘결과 1장+근거 1장(데이터, 로그)’ 및 ‘정정 이력’을 기반으로 평가해 신뢰를 확보하고 채용으로 연결하는 것이다. 또 단순히 합격·불합격이 아닌, 숙련도에 따라 L1(입문)-L3(리더)와 같이 ‘역량 배지’를 부여해 지속적인 성장을 유도하는 시그널도 필요하다.

 

◇책임 있는 AI 시대, 정정 문화와 HITL 거버넌스 필요

정정 SLA(Service Level Agreement)를 갖춰야 한다. ‘오류 0%’를 목표로 해서는 안 된다. ‘오류 정정 시간(TAT)을 48시간 이내로 맞추는 것을 평가지표에 포함해 신속한 정정 문화를 만들어야 한다. 또 HITL(Human-in-the-Loop) 거버넌스에 기반해야 한다.

 

직무표준을 설계할 때 특히 의료·금융 등 고위험 분야는 ‘인간의 최종 승인’을 필수 조건으로 강제해야 한다. 접근성 및 교차성에서는 직무 설계 및 평가에 ‘웹 접근성 점수’, ‘다양한 집단에 대한 교차성 고려’를 의무화해 AI 소외 계층을 방지하려는 노력도 필요하다.

AI 활용에 기반해 운영적인 측면에서 혁신을 이루기 위해서는 ‘연간 개편’에서 ‘상시 업데이트’로 시스템을 바꿔야 한다. 모델·도구가 변화할 때마다, ‘평가 테스트셋, 루브릭, 커리큘럼’을 즉시 동기화해 ‘상시 업데이트’로 배포한다. 이는 개발자 커뮤니티에서의 ‘패치 노트’ 방식과 같다. 모델의 속도를 교육의 속도로 직결시키는 유일한 방법이기도 하다.

AI 활용이 대중화되는 시대에 정부는 ‘선도 실험장(Testbed)’의 역할을 해아 한다. 공공부문이 ‘첫 번째 고객’이 되어야 한다. 민간 기업은 리스크로 초기 실험을 회피할 수밖에 없다. 정부가 ‘현안 과제’를 상시 공고하고, ‘소액·신속 PoC 조달’로 검증된 템플릿을 만들어야 한다. 공공이 실험한 이후 검증된 모델을 민간으로 이식하는 것이 가장 빠른 확산 전략이 될 수 있다.

◇교육 분야 AI 활용 위한 세 가지 방안은?

AI 활용을 위한 방안의 첫 번째는 ‘교육 및 평가 아키텍처’다. 표준화 모듈형 교육에서는 공통 리터러시 6개 모듈이 있다. 이는 ①프롬프트·작업분해 ②평가·루프릭 ③데이터·권리 ④HITL·거버넌스 ⑤자동화·에이전트 ⑥전환·성과 등이다. 여기에 더해 도메인 융합 모듈의 예시를 살펴보면 관광·문화(혼잡도 예측), 헬스·보험(상담 팩트북), 제조·공공(민원·재고 관리) 등 산업별 맞춤형 과제 등이 될 수가 있다.

다음으로 ‘LAJ+HITL 혼합 평가’다. 1차 평가는 LLM(거대언어모델)이 루브릭 기반으로 자동수행하고, 윤리·권리 등 ‘경계 사례’만 사람이 검수해 속도와 신뢰를 모두 확보한다. 테스트셋을 정상(일반)-경계(윤리)-금지(안전) 등 3단계로 구조화해 위험을 체계적으로 관리해야 한다.

두 번째는 ‘공공 선도를 위한 실행안’이다. 먼저 조달 혁신(소액·신속)에서는 4~8주 기간으로 1억원 미만의 소액 신속 PoC(Proof of Concept, 개념 검증) 트랙을 신설한다. ‘현안 과제 레지스트리’에서 상시 발주하고 민원 감소 등 성과와 연동시킨다. 또 창직형 공공 인턴십을 활용, 청년·미래 세대가 AI를 활용해 기존 직무가 아닌 새 직무를 스스로 기획하고 공공 ‘현안 과제’를 해결하는 실전형 인턴십을 제공한다. 또 ‘첫 역량 검증(CCC)’을 확보하도록 지원한다.

세 번째는 심리적 양질의 일자리를 통한 ‘지속가능성의 확보’다. 직무 디자인의 원칙은 해당 직무를 담당하는 직원이 일의 구조나 방식에서 심리적·신체적 부담을 얼마나 완화했는지를 체크해 ‘얼마나 덜 아프게 만들었는가’를 KPI로 연결하는 것이 중요하다.

 

또 자율성을 확보해 주간 단위의 작은 실험권을 보장하고, ‘정정’이 ‘공로’가 되는 문화, 실패 기록의 비가악(非苛惡)화를 방지해야 한다. 양질의 일자리를 측정하는 방식은 정량적인 측면에서 전환율, 리드타임, 정정률, 접근성을, 정성적인 측면에서 NPS, 소진 지표, 윤리 이의제기 처리 속도 등을 확인한다. 또 이에 따라 L2/L3 배지, 리테이너 계약, 멘토 승급 등의 보상이 따라줘야 한다.

 

◇미래 일자리, ‘수요-검증’ 운영모델 정착 필요

미래에 양질의 일자리를 위해 국가는 ‘학위를 확대’하는 것이 아니라 ‘수요-검증 루프’라는 국가 운영모델을 설계하는 것이 필요하다. 이를 위해 ‘현안 과제 레지스트리’를 설치하고 ‘AJS/CCC’ 국가 보조 표준을 채택해야 한다. 또 ‘개발 및 활용’의 이중 트랙으로 분리, ‘공통+도메인’ 모듈 교육을 의무화할 필요가 있다. ‘소액·신속 PoC 조달’ 및 ‘창직형 공공 인턴십’의 도입과 함께 ‘LAJ+HITL’ 평가를 통해 ‘정정 SLA’, ‘접근성·윤리’ 지표를 의무화해야 한다.

생성형 AI의 급속한 확산은 산업 전반의 일자리를 위협하며, 기존의 연 단위 인재 양성 시스템이 주·월 단위로 변화하는 기술 발전 속도를 따라가지 못한다. 이에 따라 ‘학위’ 중심에서 ‘실시간 역량 검증’ 중심으로 일자리 패러다임이 전환되고 있으며, AI 활용 능력과 윤리적 감수성을 갖춘 ‘AI-Ready 현업 인재’ 양성이 시급하다.

 

이를 위해 도메인 기반 교육, 민첩한 직무 표준(AJS), 3자 공동검증(CCC), 상시 업데이트 시스템 등 새로운 제도적 기반이 요구된다.

미래 일자리는 AI 개발보다 AI 활용에 초점이 맞춰진다. 이에 정부는 공공이 선도하는 실험장을 통해 민간 확산을 유도해야 한다. 교육은 속도와 신뢰를 동시에 확보하는 구조로 재편되어야 하며, 윤리는 시스템에 내장되어야 한다. 이를 토대로 심리적·사회적 마래 지속가능성을 고려한 양질의 일자리를 설계하는 것을 핵심으로 삼아야 한다. 아울러 자율성과 정정 문화, 역량 기반 보상체계로 뒷받침되어야 할 것이다.