"대한민국 산업의 특수성을 이토록 정확하게 반영하는 데이터는
전 세계 어디에서도 찾기 어려울 겁니다."
한국은행 조사국 고용연구팀 서동현 박사 ⓒ리멤버
대한민국 경제의 컨트롤타워, 한국은행의 경제학자 서동현 박사를 만났습니다. 조사국 고용연구팀에서 노동시장의 맥박을 기록하는 그는, 최근 산업 지형을 뒤흔드는 ‘AI 인력’ 흐름을 추적 중입니다.
질문은 여기서 시작됐습니다. 국내 경제 데이터의 근간을 설계하는 한국은행이 왜 리멤버 리서치를 찾아왔을까요? 그의 말에 반복된 힌트가 있었습니다. 바로 ‘대한민국 직장인의 대표성.’ 리멤버 데이터가 거시 지표 너머의 본질은 물론, 현업의 디테일까지 세밀하게 포착해 준 강력한 도구였다고요.
레퍼런스조차 없었던 고난도 리서치를 성공시킨 비결부터 현장 데이터가 밝힌 대한민국 AI 노동시장의 반전 결과까지. 그 흥미로운 이야기를 자세히 전해드립니다.
인터뷰 하이라이트
한국은행 고용연구팀은 최근 산업의 게임체임저가 된 AI가 인력 시장에 가져올 영향을 분석하기 위해 리멤버 리서치와 손을 잡았습니다.
국내 AI 인력 현황에 대한 참고자료가 전무한 상황. 한국은행은 대한민국 산업 지형이 응축된 대표 표본과 정교한 설계 가이드를 통해 한 달만에 리서치를 성공시켰습니다.
고난도 연구를 완수한 세 가지 핵심 비결과 전문가의 예상마저 뒤집은 AI 노동 시장의 반전 실체까지 지금 공개합니다.
국가 고용 정책의 나침반을 만드는 사람들
Q. AI를 둘러싼 우려와 낙관이 교차하는 요즘, 고용연구팀은 어떤 것에 주목하고 계신가요?
국내 고용에 관한 수많은 연구를 수행하지만 종착지는 같습니다. ‘AI가 사람을 대체할 것인가, 보완할 것인가’죠. 이 질문의 답에 국가 고용의 총량이 달려있기 때문입니다. 현재 국내 산업 현장의 AI 도입 속도는 유례없이 빠릅니다. 저희 팀은 이 변화가 데이터에 어떻게 반영되는지, 또 근로자의 특성이나 제도적 환경에 따라 결과값이 어떻게 달라지는지 면밀히 추적하고 있습니다.
다만, 단순한 동향 파악에 그치진 않습니다. 10년 내 닥칠 대규모 노동 대체 가능성까지 무게 있게 살피는 중이에요. 시장의 거대한 지각변동 앞에서 우리 사회가 무엇을 준비해야 하는지, 구체적인 방법론을 찾는 게 저희 역할이라고 생각합니다.
Q. AI 기술의 변화 속도가 워낙 빨라, 연구에 적합한 데이터를 확보하는 게 쉽지 않을 것 같아요.
아주 중요한 포인트예요. 사실 ‘어떤 데이터를 볼 것인가’라는 시작점부터가 난제였어요. 흔히 AI라고 하면 넷플릭스의 추천 알고리즘이나 머신러닝 등을 떠올리기 쉽지만, 저희가 주목하는 건 현업에서 쓰는 ‘생성형 AI’나 ‘에이전트 기술’이거든요.
문제는 기존의 범용적인 AI 통계로는 현업의 구체적인 변화를 담아내기 어렵다는 점이었습니다. 현장의 속도를 데이터가 따라가지 못하는 거죠. 결국 ‘데이터가 없다면 직접 만들자’고 결정했습니다. 리멤버와 함께한 《AI 인재 채용 및 운용 전략》 조사 역시 산업 현장의 실태를 기록할 새로운 데이터 토대를 구축하는 프로젝트 중 하나였고요.
리멤버와 함께한 정량조사 <국내 AI 인재 채용 및 운용 현황> ⓒ리멤버
‘레퍼런스 제로, 한 달의 승부’
고난도 리서치를 성공으로 이끈 3가지 비결
Q. 사실 조금 놀랐습니다(웃음). 국가 경제의 지표를 설계하는 한국은행에서 먼저 찾아주셔서요. 리멤버를 선택한 이유가 궁금합니다.
경제학자는 늘 양질의 데이터에 목마릅니다. 누구도 본 적 없는 새로운 관점의 데이터라면 더욱요. 그런 면에서 리멤버는 가장 매력적인 선택지였어요. 대한민국 직장인의 정보를 이토록 정교한 구조로 축적해 온 플랫폼은 드무니까요.
이미 명함 앱 유저로서 리멤버의 저력을 체감하고 있었지만, 분석가로서 경험한 데이터의 밀도는 상당히 인상적이었습니다. 단순히 정보를 모은 수준을 넘어 기업 규모, 직무, 직급 등 비즈니스 정보가 아주 촘촘하게 데이터베이스화되어 있더군요. ==국내 산업 현장의 인적 네트워크와 그 이면의 맥락이 데이터 속에 그대로 응축==되어 있다는 느낌을 받았습니다. ==한국의 특수성을 이토록 정확하게 반영하는 데이터는 전 세계 어디에서도 찾기 어려울 겁니다.==
Q. 이번 조사에선 무엇을 확인하고 싶으셨나요?
서 박사는 리멤버 데이터가 지닌 한국 산업의 ‘대표성’에 주목했다 ⓒ리멤버
생성형 AI의 확산으로 국가 차원의 AI 경쟁력 확보가 초미의 관심사로 떠올랐습니다. 흔히 경쟁력을 결정짓는 3대 요소로 AI 학습을 위한 ‘데이터센터’, 이를 가동할 ‘에너지’, 그리고 ‘운용 인력’을 꼽는데요. 그중 인력은 성격이 조금 다릅니다. 자본을 투입해 단기간에 확충할 수 있는 인프라와 달리, 인력은 공급을 단번에 늘릴 수 없는 비탄력적인 자원이기 때문이죠.
아무리 충분한 기술과 자본이 있어도, 이를 움직일 사람이 없다면 AI 엔진은 멈출 수밖에 없습니다. 인력 확보가 곧 국가의 경쟁력과 직결된 사안이 되는 이유죠. 하지만 안타깝게도 국내 AI 전문 인력이 얼마나 되는지, 어떤 역량을 갖췄는지 파악할 실증 자료는 전무했습니다. 어떤 전략을 세우기에 앞서, 건설적인 논의를 시작할 수 있는 데이터 토대를 구축하는 것이 무엇보다 시급하다고 판단했죠.
Q. 레퍼런스가 전무한 리서치. 이끄는 과정이 녹록지 않았을 것 같아요.
리서치를 진행해 본 분들은 공감하시겠지만, 늘 원하는 결과가 나올지에 대한 불확실성을 안고 가야 합니다. 그 성공 여부는 설문 문항에 달려있다고 해도 과언이 아니죠. 참고할 레퍼런스가 없는 상황에서 잘 설계해야 한다는 압박이 컸습니다.
다행히 프로젝트 시작부터 계약 담당자께서 명확한 가이드라인을 제시해 주신 게 큰 도움이 됐어요. 원하는 결과값을 얻으려면 타깃 범위를 얼만큼 설정해야 하는지 같은 실무적인 조언들이요. 만약 혼자였다면 말단 사원부터 임원진까지 무작정 범위를 넓혔을 거예요. 또, 데이터가 겉돌지 않고 조사 목적에 부합하도록 문항을 효율적으로 짜주셨고요.
Q. 응답 타깃을 불특정 다수가 아닌 ‘현업 실무자’로 대폭 좁혔습니다. 기업 규모와 업종별 쿼터까지 나눴고요. 표본 확보가 쉽지 않았을 텐데 우려는 없으셨나요?
솔직히 말씀드리면, 처음엔 마음을 비우고 시작했어요(웃음). 이번 조사의 성패는 ‘AI 인력 채용과 투자의 실질적 의사결정자’라는 좁은 과녁을 얼마나 정확히 맞추느냐에 달려 있었거든요. 단순히 인원수만 채우는 게 아니라 15개에 달하는 업종별 쿼터를 나눠 세밀하게 응답자를 배분해야 해 설계 난도가 높았습니다. 조사 기한마저 한 달로 촉박한 상황이었고요.
하지만 결과는 기대 이상이었습니다. 타깃에 정확히 적중한 응답량은 물론, 답변의 깊이까지 기대만큼 충족했어요. 덕분에 데이터를 다각도로 교차 분석하며 훨씬 입체적이고 흥미로운 결과들을 손에 쥘 수 있었습니다.
AI 인력 채용 및 투자 의사결정권자 기준으로 업종·직급·직무별 쿼터를 설정한 조사 설계 ⓒ리멤버
💡잠깐! 설문조사 결과는 대부분 ‘대학생, 주부’ 응답 아닌가요?
보통의 설문조사가 광범위한 표본(성인 남녀, 특정 연령대 등)에 의존한다면, 특정 산업이나 직무의 실태를 파악하는 비즈니스 리서치는 표본의 해상도가 성패를 가릅니다.
기존 리서치: 대중적인 트렌드나 소비 패턴을 파악하기 유리하나, 특정 산업이나 업종, 직급, 직무 전문성을 검증하기에는 한계가 있습니다.
리멤버 리서치: 명함 데이터 기반으로 응답자의 소속, 직종, 직급 등이 이미 검증된 상태에서 설문을 진행합니다. 덕분에 ‘AI 도입의 실질적 의사결정자’ 같은 좁고 정교한 타기팅이 가능합니다.
Q. 예를 들면요?
‘국내 AI 인력은 정말 부족한가?’
데이터가 가리킨 의외의 지점
처음 세운 가설은 세간의 짐작과 크게 다르지 않았습니다. ‘국내 AI 인력은 양적으로 부족하다.’는 추측이었죠. 결과는 의외였습니다. AI 인력은 생각보다 적지 않았고, 오히려 증가세를 보였거든요. 주요 선진국과 비교해도 성장 속도가 뒤처지지 않았고요. AI 인재들의 임금 프리미엄은 꽤 높았고, 우려했던 ‘대규모 해외 인재 유출’ 역시 예상 만큼 심각한 수준은 아니었습니다. 물론 팬데믹이나 미국의 이민 정책처럼 단기 변수의 영향은 있었겠지만요.
대신 주목해야 할 점은 이겁니다. 인재 개개인의 해외 이동 가능성은 여전히 높고, 세부 전공이나 숙련도에 따라 수급 편차가 극심하다는 사실이죠. 단순히 ‘사람이 없다’는 양적 접근이 아니라, 이 정교한 수급 미스매치를 어떻게 해결할 것인가. 앞으로의 정책이나 후속 연구 역시 이 지점의 실마리를 찾는 데 집중될 것입니다.
조사는 리멤버 앱을 통해 진행되었으며 약 400명의 재직자 응답을 모을 수 있었다 ⓒ리멤버
한국은행의 대표 콘텐츠 ‘BOK 이슈노트’에 활용된 데이터 ⓒ한국은행
Q. 이번 조사에 글로벌 데이터도 활용하셨다고요. 리멤버 데이터와는 어떤 차이가 있었나요?
글로벌 데이터가 놓친 한국의 디테일,
진짜 현장 데이터는 리멤버에 있었다.
글로벌 데이터는 접근성이 좋고 범용적이라는 장점이 있습니다. 하지만 국내 현업의 밀도 높은 디테일까지 담아내기엔 분명한 한계가 있어요. ‘한국 기업들은 정확히 어떤 AI 인재를, 어떤 업무에, 얼마나 확충하려 하는가’ 같은 수요의 구체적인 결은 글로벌 데이터로 파악하기 어려운데요.
리멤버를 통해 그 빈칸들을 모두 채웠습니다. 현재 국내 기업이 보유한 AI 인력 현황부터 향후 채용 계획까지 아주 세밀하게 들여다볼 수 있었죠. 재직자들의 목소리를 직접 모은 덕분에 현업의 체감과 가장 맞닿은 결과를 얻을 수 있었네요.
한국은행이 주목한 리멤버 리서치 차별점 3가지 ⓒ리멤버
통념을 깬 현장의 발견
‘AI인력난의 본질은 무엇인가?’
Q. 이번 조사는 대한상공회의소와 공동 주최한 '제4회 BOK-KCCI' 세미나의 발표 근거로도 활용되어 뜻깊습니다. 당시 리멤버도 패널로 참여해 AI 인력난에 대한 새로운 관점을 제시했는데요. 어떻게 들으셨나요?
AI 인력난, 부족한 건 ‘숫자’가 아니라
‘역할 정의’일 수 있습니다.
100% 공감합니다. 리멤버의 발표를 듣고 초청하길 정말 잘했다고 생각했어요. 제가 이번 보고서를 통해 AI 인력 수급의 현황이라는 ‘첫걸음’을 뗐다면, 리멤버는 기술 도입에 따른 기업 조직 체계의 변화라는 ‘본질적인 문제’를 정확히 짚어주셨거든요.
서 박사는 제4회 BOK-KCCI 에서 리멤버가 제시한 ‘AI 인력 시장의 새로운 관점’을 통해 현업의 생생한 직관을 확인할 수 있었다고 답했다. ⓒ리멤버
사실 많은 기업이 AI 인재 확보가 어렵다고 말하지만, 정작 ‘어떤 사람을 데려와서 어떻게 활용할지’에 대한 정의조차 모호한 경우가 많습니다. 기술이 워낙 생소하다 보니, 기업 스스로도 이 잠재력을 극대화할 최적의 조직 형태를 찾아가는 과도기를 겪고 있는 거죠. 리멤버는 그 현장의 혼란을 데이터로 날카롭게 포착해 주셨습니다.
한국은행과 대한상공회의소가 공동 주최한 AI 세미나에서 리멤버는 AI 인력난을 ‘역할 정의’라는 새로운 해석을 제시해 현장의 시선을 환기했다 ⓒ한국은행 유튜브
Q. 앞으로의 연구 계획이나 후속 테마가 있다면 들려주세요.
마침, 준비 중인 다음 아젠다도 리멤버에서 짚어주신 인사이트와 맞닿아 있습니다. 기술을 담는 그릇인 ‘조직’에 대해 연구해 보려 해요. AI라는 강력한 기술의 잠재력을 극대화하기 위해 기업이 조직 구조를 어떻게 재설계해야 하는지, 그리고 이 변화가 국가 생산성에 어떤 영향을 미치는지 분석할 계획입니다.
현업의 직관이 담긴 리멤버의 인사이트 덕분에 연구 방향에 더 큰 확신을 얻었네요. 이런 고민을 나눌 파트너가 있다는 사실이 연구자로서 참 든든합니다. 기회가 된다면 현장의 생동감이 고스란히 담긴 리멤버의 데이터를 다시 한번 활용해, AI 시대의 새로운 조직 지향점을 증명해 보고 싶습니다.
