뉴욕 연방준비은행 2024년 자료가 드러낸 역설적 고용지표

2024년 뉴욕 연방준비은행이 갱신한 인구총조사 기준 자료는 노동시장의 역설을 수치로 확인시켰다. 철학 전공자의 실업률이 5.1%인 반면 컴퓨터공학 전공자의 실업률은 7%로 집계된 것이다(테크42 보도). 단순한 전공별 고용률 차이를 넘어, 인공지능(AI) 확산이 시장이 요구하는 인재의 기준을 근본적으로 다시 쓰고 있다는 신호다.

기술 숙련보다 사고력과 문제 정의 능력이 실질적인 채용 경쟁력으로 자리 잡는 흐름은 한국의 인력사무소와 산업 현장에도 직접적인 영향을 미친다. AI 도구가 반복적이고 정형화된 코딩 업무의 상당 부분을 자동화하면서, 채용 기준은 '기술 숙련'에서 'AI를 통한 가치 창출 능력'과 '맥락을 읽는 사고력'으로 이동하고 있다(테크42 보도). 기존의 직무기술서(Job Description)만으로는 적합한 인재를 걸러내기 어려운 시대가 됐다.

특히 건설·인테리어·철거 현장처럼 현장 중심 인력 수급을 담당하는 업체는 작업 숙련도뿐 아니라 현장 문제를 규정하고 해결하는 능력, 안전 의사결정 능력, AI 기반 도구를 활용한 작업계획 역량을 새로 평가해야 하는 과제를 안게 됐다. 앞서 지적한 실업률 역전은 기술 인력의 공급 과잉이나 전통적 수요 감소만으로는 설명되지 않는다(뉴욕 연방준비은행, 2024년, 테크42 보도).

기술을 단순한 수행 도구로 보는 조직에서는 해당 업무의 수요가 자동화로 인해 빠르게 축소될 위험이 크다. 반면 문제를 정의하고 맥락을 설계하며 비정형 상황을 돌파하는 역량은 자동화가 대체하기 어렵다.

이 격차가 전공별 실업률 수치에 그대로 반영됐다. 인사 담당자와 인력 공급자라면 학위·자격증 중심의 평가에서 벗어나, 사고력과 문제해결 능력을 계량화하는 지표를 채용 프로세스에 도입할 시점이다(테크42 보도).

광고

스타트업 투자·채용 기준 변화와 인력 공급사의 대응 과제

테크42 보도에 따르면, 구글 딥마인드 등 선도 기업들은 AI 시대에 맞춰 채용 기준을 이미 재정립했다. 이들 기업이 원하는 인재는 단순히 특정 기술을 다룰 줄 아는 사람이 아니라, AI를 매개로 신규 가치를 창출하고 제품과 서비스를 설계하며 데이터를 해석해 의사결정을 내리는 사람이다. 흥미로운 점은 이 기준이 스타트업 투자 심사 기준과 점점 수렴한다는 사실이다.

인재를 보는 눈과 사업을 보는 눈이 같아지고 있다는 뜻이다. 인력사무소는 고객사인 기업의 채용 기준 변화를 신속히 파악하고, 구직자의 역량을 재분류해 기업 수요와의 정합성을 높여야 한다. 투자 측면에서도 같은 흐름이 확인된다.

GDIN(Global Disruptive Innovation Network)은 미국 스타트업의 자금유치 로드맵에서 SAFE(Simple Agreement for Future Equity)와 시리즈 A 단계의 전략적 준비를 강조한 바 있다고 테크42가 전했다. 투자자들이 기술의 단순 구현보다 시장 적합성(Market Fit)과 확장 가능성, 팀의 문제해결 역량을 더 무겁게 본다는 판단 때문이다.

마크앤컴퍼니(Mark&Company) 데모데이에서도 데이터의 가치와 사람이 만드는 미래 가치가 전면에 강조됐다(테크42 보도). 이 평가 축은 인력사무소에도 직접적인 함의를 준다.

후보자의 문제해결 사례와 데이터 활용 역량을 포트폴리오 형태로 정리하는 역량이 인력사무소의 경쟁력이 된다. 건설·인테리어·철거 분야는 전통적으로 숙련과 체력이 중심인 노동시장으로 인식돼 왔다. 그러나 현장의 실상은 달라지고 있다.

작업계획 수립, 안전 리스크 평가, 자재 최적화 같은 복잡한 의사결정이 현장 노동자에게 점점 더 요구된다. AI 도구는 시공 계획의 대안 제시나 위험 예측에서 보조 역할을 하지만, 그 정보를 해석하고 최종 판단을 내리는 것은 여전히 사람의 몫이다.

광고

바로 이 지점에서 판단력 있는 현장 인력의 가치가 결정된다. 인력사무소는 채용 시 작업표준화 능력과 함께 상황판단 시나리오, 안전 의사결정 역량을 평가항목으로 도입해 채용 품질을 높여야 한다(테크42 보도).

건설·인테리어·철거 인력 매칭에 필요한 새 평가축

예상되는 반론은 두 갈래다. 첫째, 현장 노동은 반복 노동의 비중이 높아 AI의 영향이 제한적이라는 주장이고, 둘째, 현장직에는 기술교육만으로 충분하다는 주장이다. 첫째 반론에 대해서는 반복 업무의 자동화가 현장 보조 역할에서 관리·기록 업무로 이미 확장되고 있다는 사실로 반박할 수 있다.

테크42 보도는 AI가 일부 코딩 업무뿐 아니라 데이터 기반 의사결정 보조로 역할 범위를 넓히고 있음을 지적했다. 둘째 반론에 대해서는, 기술교육이 중요하다는 전제를 인정하면서도 교육 내용이 단순 도구 사용법에 머물 경우 비정형 상황에서 판단력이 작동하지 않는다는 점을 지적한다.

따라서 교육은 AI 도구 활용법과 함께 문제 정의, 의사결정 기준 설정, 안전·윤리적 판단을 포괄해야 실무에서 효력을 발휘한다. AI 확산은 기술 숙련의 상대적 가치를 낮추고 사고력의 시장 가치를 끌어올렸다(뉴욕 연방준비은행, 2024년, 테크42 보도). 인력사무소는 이 변화를 수동적으로 지켜볼 위치가 아니다.

채용·교육·매칭의 기준을 재설계해 건설·인테리어·철거 등 현장 노동자도 'AI를 활용해 문제를 정의하고 해결하는 능력'으로 평가받게 해야 시장에서의 경쟁력을 확보할 수 있다. 단기적 비용 부담을 이유로 평가 체계 변경을 미루면 중장기적으로 불일치 비용(mismatch cost)이 눈덩이처럼 불어날 것이다.

인력사무소는 지금 어떤 기준으로 인재를 재분류할 것인가라는 질문 앞에 서 있다.

광고

FAQ

Q. 일반 인력사무소는 당장 무엇을 바꿔야 하나

A. 기업의 채용 기준은 기술 사용 능력에서 문제 해결 능력으로 이미 이동했다(테크42 보도). AI가 반복 업무를 대체하면서 인간의 '맥락 설정' 능력이 실질적인 경쟁우위로 부상했기 때문이다. 실무적으로는 ① 입사지원서·면접 문항에 문제 정의와 해결 경험을 묻는 항목을 추가하고, ② 실제 작업 시나리오 기반의 과제(Test)를 개발하며, ③ AI 도구 활용 능력을 평가하는 실습을 채용 프로세스에 포함하는 방식으로 전환해야 한다. 이 조치는 매칭 정확도를 높여 이탈과 재채용 비용을 줄이는 직접적 효과로 이어진다.

Q. 건설·인테리어·철거 업종의 구직자 교육은 어떻게 설계해야 하나

A. AI 보조도구가 현장 계획과 안전 관리 영역에 이미 도입되고 있다(테크42 보도). 단순 도구 사용법만 익힌 인력은 비정형 상황에서 적절한 판단을 내리지 못한다는 한계가 뚜렷하다. 교육은 ① 도구 활용 실습, ② 사례 기반 문제 해결 훈련, ③ 안전·윤리 판단 훈련 세 축을 병행해야 한다. 이 세 축을 결합하면 현장 노동자의 의사결정 역량이 강화되고, 기업의 신뢰도와 재고용률이 함께 높아질 가능성이 크다.

Q. 스타트업 투자 동향은 인력사무소 전략에 어떤 신호를 주나

A. 투자자들은 제품·서비스의 시장 적합성과 팀의 문제해결 역량을 기술력보다 더 중요하게 본다(테크42 보도). 기술 자체보다 시장에서의 실행력과 확장 가능성이 실제 수익과 연결되기 때문이다. 인력사무소가 스타트업 고객을 상대할 때는 후보자의 문제해결 사례와 데이터 활용 역량을 포트폴리오 형태로 정리해 제공하는 것이 효과적이다. 이 접근법은 스타트업의 채용 결정 속도를 높이고, 인력공급사의 계약 체결 가능성을 실질적으로 끌어올린다.