신입을 AI로 바꾼 회사는 이익을 다 가져가고, 청구서는 업계가 나눠 낸다

회사가 신입을 뽑지 않고 AI에게 그 일을 맡기는 결정은, 그 회사 하나만 보면 나무랄 데가 없어요. 인건비가 줄고 결과물은 빨라져요. NATO 특수작전대학의 놀런 러벳이 학술지 Human Resource Development Review에 실은 논문은 바로 그 「나무랄 데 없음」이 문제라고 말해요. 결정은 회사가 하는데, 그 결정이 갉아먹는 것은 회사 것이 아니라 업계가 같이 쓰는 전문성이기 때문이에요. 러벳은 이 구조에 「인지 공유지의 비극」이라는 이름을 붙였고, 더 디코더가 8월 15일 이 논문을 소개했어요.

이 글은 그 논문을 소개 기사보다 한 층 더 내려가 읽어요. 논문이 새로 만든 개념 네 가지, 논문이 근거로 든 실측 숫자, 어떤 직업이 먼저 무너지는지 가르는 다섯 가지 잣대, 그리고 「금지하지 말고 투자하라」는 처방까지요. 읽고 나면 「신입을 줄여도 되나」라는 질문이 「줄인 만큼 무엇을 따로 지켜야 하나」로 바뀔 거예요.

풀어서 설명하면, 한 직업의 「제대로 아는 사람들」은 어느 회사의 소유가 아니라 업계가 같이 쓰는 저수지예요. 회사마다 신입을 줄여 물을 아끼면 지금은 괜찮아 보이지만, 10년 뒤 그 저수지에서 길어 올릴 시니어가 없어져요.

목장의 소 한 마리, 회사의 신입 한 명

1968년 생태학자 개럿 하딘은 목동들이 공유 목초지에 저마다 소 한 마리씩을 더 풀어놓는 상황을 「공유지의 비극」이라 불렀어요. 소 한 마리의 이익은 목동 혼자 가져가고, 풀이 줄어드는 손해는 모두가 나눠 지니까 각자에게는 더 풀어놓는 게 합리적이고, 그래서 목초지가 망가져요. 러벳은 이 구도를 한 글자도 바꾸지 않고 AI 도입에 옮겨요. 논문의 표현을 빌리면, 회사는 급여 절감·훈련비 절감·작업 속도라는 효율 이득을 100% 가져가고, 전문성이 마르는 비용은 그 직업의 전문가를 필요로 하는 모든 회사에 분산돼요. 계산은 언제나 「기여」보다 「가져가기」 쪽으로 기울어요.

논문이 「인지 공유지」라 부르는 것은 한 직업 안에서 깊은 도메인 지식·암묵지·튼튼한 정신 모형·독립적으로 판단할 수 있는 능력을 가진 사람들의 저수지예요. 이 저수지에는 소유자가 없어요. 오늘 어느 회사가 경력 10년의 전문가를 채용할 수 있는 이유는, 다른 회사들이 5년에서 20년 전에 그 사람에게 신입 자리를 주고 시행착오를 감당했기 때문이에요. 시장에서 사 오는 전문가는 언제나 남이 길러 놓은 사람이고, 지금 그 「남」이 사라지고 있다는 게 논문의 출발점이에요.

전문성은 두 종류예요 — 몸에 밴 숙련과 AI를 부리는 숙련

논문이 가장 공들인 대목은 전문성을 둘로 가른 부분이에요. 하나는 내면화된 숙련(Internalized Mastery)이에요. 오랜 실무와 「머리 아픈」 씨름을 거쳐 몸에 밴 깊은 도메인 지식, 진단적 판단, 패턴 인식이에요. 다른 하나는 분산 숙련(Distributed Mastery)이에요. 프롬프트를 잘 쓰고, 산출물을 고르고, 사람과 AI의 작업 흐름을 설계해 전문가 수준의 결과물을 뽑아내는 능력이에요. 둘은 다른 것이고, 둘째가 첫째를 대신하지 못한다는 게 논문의 주장이에요.

왜 대신하지 못하나요. 러벳은 검증을 두 층으로 나눠요. 표면 검증은 AI 산출물이 앞뒤가 맞고 형식이 갖춰졌고 그럴듯한지를 보는 일이고, 도메인 지식이 없어도 할 수 있어요. 실질 검증은 그럴듯해 보이지만 틀린 부분을 잡아내는 일이고, 그 분야를 독립적으로 아는 사람만 할 수 있어요. 그리고 AI를 제대로 감독하는 능력은 실질 검증에 달려 있는데, 그 실질 검증의 재료인 내면화된 숙련이 AI 도입으로 마른다 — 이 순환을 논문은 검증 사슬(Validation Tether)이라 불러요. AI를 쓸수록 AI를 감독할 능력이 약해지는 구조예요.

논문이 여기에 붙인 실측은 불편해요. 비센테와 마투테의 2023년 실험에서 참가자의 80.7%는 편향된 AI 추천 안의 오류를 알아챘는데도 그 조언을 계속 따랐어요. 알아채는 것과 뒤집는 것은 다른 능력이라는 거예요. 니더호퍼 팀의 2025년 조사에서는 정규직 직원 40%가 지난 한 달 사이 실질적으로 틀린 AI 산출물을 받았고, 한 건을 바로잡는 데 평균 두 시간 가까이를 썼어요. 벤징 팀의 같은 해 조사에서는 직원 60%가 AI 답변을 믿어서 정확성을 일상적으로 확인하지 않는다고 답했어요. 검증할 사람은 줄고, 검증하지 않는 습관은 늘고 있어요.

신입이 사라지는 두 갈래 길

러벳은 전문성이 침식되는 경로를 둘로 나눠요. 첫째는 눈에 보여요. AI가 신입에게 맡기던 업무를 그대로 가져가면서 자리 자체가 없어지는 경우예요. 둘째는 더 교묘해요. 신입 자리가 남아 있어도, AI를 쓴 신입이 예전엔 몇 년 경력자만 내던 생산성에 곧바로 도달하면, 회사는 더 적은 신입으로 같은 일을 해내요. 더 중요한 건 그렇게 뽑힌 신입이 AI를 부리는 데는 능숙해지면서 내면화된 숙련이 만들어지는 씨름을 건너뛴다는 점이에요. 논문은 이를 「내면화 없는 증강」이라 불러요.

첫째 경로의 증거로 논문은 브린욜프슨 팀의 2025년 연구를 들어요. 미국 노동자 2,500만 명 이상의 급여 데이터를 분석했더니, 2022년 10월부터 2025년 9월 사이 AI 노출이 높은 직군에서 22~25세의 고용은 상대적으로 16% 줄었고, 같은 직군의 35~49세 고용은 8% 넘게 늘었어요. AI 노출이 낮은 직군에서는 모든 연령대가 비슷하게 늘었고요. 햄폴 팀은 링크드인 프로필 5,800만 건으로 같은 무늬를 확인했어요. 경력자 시장이 멀쩡해 보이는 동안 입구만 조용히 닫히고 있다는 뜻이에요.

둘째 경로의 증거는 의료와 훈련 현장에서 와요. 부진 팀의 2025년 연구에서 AI 보조 탐지에 익숙해진 내시경 의사들은 AI 없이 볼 때의 정확도가 이전보다 떨어졌고, 와일스 팀의 2024년 연구에서 AI 도움을 받으며 훈련한 참가자들은 도움 없는 평가에서 별다른 우위를 보이지 못했어요. 쿠마르 팀과 방게를 팀은 AI와 함께한 아이디어 작업에서 실력이 거의 옮겨 가지 않았고, 도메인 판단이 필요한 과제일수록 그 효과가 컸다고 보고했어요. 결과물은 좋아지는데 사람은 늘지 않는 상태예요.

청구서는 2030년에 도착해요

지금 시장에서 활동하는 숙련 전문가는 2003년에서 2020년 사이에 훈련받은 사람들이에요. 논문은 이 시차를 정면으로 겨눠요. 회사들이 2023년부터 신입 자리를 없앴다면 경력자 시장은 한동안 건강해 보이는데, 그건 20년 전의 투자를 지금 수확하고 있기 때문이에요. 건너뛴 투자의 영향은 2030년에서 2045년 사이에야 경력자 공급으로 드러나고, 그때는 원인이 된 결정을 내린 사람들이 자리에 없어요.

러벳은 여기서 인적 예비군의 역설(Human Reserve Paradox)을 꺼내요. 조직은 검증·위기 대응·AI 능력 밖의 새로운 상황을 위해 전문성을 비축해 둬야 하는데, 비용은 혼자 지고 이득은 업계 전체가 나누니 비축할 경제적 유인이 없어요. 데일리의 2025년 수리 모형은 같은 결론을 내요. AI 보조가 계속될 거라 기대하는 합리적 노동자는 자기 인적자본에 덜 투자해요. 그리고 훈련 파이프라인을 지키는 회사는 이미 길러진 전문가를 사 오는 회사보다 경쟁에서 불리해요. 시장은 효율을 보상하고 공유지를 지키는 쪽을 벌해요. 이게 개별 회사가 아무리 선의여도 혼자서는 못 푸는 이유예요.

어떤 직업이 먼저 무너지나 — 다섯 가지 잣대

논문의 가장 실용적인 대목은 직업마다 취약도가 다르다는 점과 그걸 가르는 다섯 가지 요인이에요.

잣대	뜻	취약도가 높아지는 쪽
과업 대체 가능성	신입이 배우던 일을 AI가 얼마나 가져가나	높을수록
규제 강도	문서화된 사람 전문성·감독 실무를 요구하나	낮을수록
안전 결정성	실패가 즉시 눈에 보이는 참사로 이어지나	낮을수록
직능단체의 힘	훈련 기준을 강제할 협회가 있나	약할수록
업무 모듈화	일이 AI 크기의 조각으로 잘리나	잘릴수록

이 잣대로 보면 소프트웨어 엔지니어링·금융 분석·법률 리서치가 가장 취약해요. 대체 가능성이 높고, 의료에 비해 규제가 약하고, 일이 조각으로 잘 잘려요. 반대로 의료와 공학은 규제와 안전 결정성이 제도적 역압을 만들어 「느리지만 없지는 않은」 침식을 겪을 거라고 논문은 봐요. 흥미로운 건 의료 쪽 반례예요. 에버렛 팀의 2025년 연구에서 의사가 AI의 추론에 능동적으로 관여하는 협업 흐름은 진단 정확도를 오히려 높였어요. 델아쿠아 팀의 2026년 연구에서는 엘리트 컨설턴트들이 AI 능력 범위 안의 과제에서는 생산성이 올랐지만, 범위 밖의 과제 — 바로 실질 검증이 필요한 순간 — 에서는 성과가 떨어졌어요. 문제는 AI를 쓰느냐가 아니라 어떻게 쓰느냐이고, 그 「어떻게」를 직업마다 제도가 얼마나 강제하느냐예요.

금지가 아니라 투자 — 논문의 처방

러벳은 규제를 첫째 답으로 내놓지 않아요. 논문 스스로 「새 규제 요건은 이 틀이 제안하는 1차 대응이 아니다」라고 못 박고, AI 도입에 저항하거나 AI 이전의 훈련 경로만을 정답으로 되돌리려는 것도 목표가 아니라고 써요. 대신 세 층위의 처방을 내놔요.

조직 층위에서는 AI를 쓰기 전에 사람의 독립 수행 기간을 두는 인지 예비 관행, 발달 단계를 지키며 AI를 들이는 단계적 도입, 초기 경력자가 알고리즘 도움 없이 의도적 연습을 하는 AI 제한 학습 공간, 그리고 AI의 설명을 답이 아니라 질문의 형태로 주는 작업 흐름을 제안해요. 직능단체 층위에서는 엘리너 오스트롬이 정리한 공유지 관리의 여덟 가지 설계 원칙 — 경계 정의, 비용과 이익의 비례, 집단 선택, 감시, 단계적 제재, 갈등 조정, 조직할 권리, 상위 체계 안의 중첩 — 을 실험해 보자고 해요. 구체적으로는 AI 사용을 막지 않으면서 내면화된 숙련을 따로 인정하는 자발적 계층 자격증, 보수교육에 주기적인 AI 없는 평가를 넣는 안이에요. 정책 층위에서는 AI가 훈련 활동을 없애 버린 직군에 대한 훈련 투자 보조금, 훈련 파이프라인을 지키는 회사에 대한 세액공제와 매칭 펀드, 실험하는 직능단체에 대한 경쟁 보조금, 어떤 재생 경로가 실제로 작동하는지 밝히는 연구비예요. 한 문장으로 줄이면 금지가 아니라 투자예요.

논문은 자기 한계도 분명히 적어요. 이 틀은 「지금의 유인이 어디로 이끄는지에 대한 반증 가능한 설명」이지 「비극이 이미 도착했다」는 주장이 아니고, 인지 공유지는 오늘 대부분의 직업에서 여전히 건강하다고요. 덴마크에서 생성형 AI 도입 첫 두 해 동안 소득과 노동시간에 변화가 없었다는 훔룸과 베스터고르의 연구, 직업과 노동시장에 따라 재훈련 가능성이 크게 다르다는 매닝과 아기레의 연구도 반대 증거로 같이 실었어요. 경고와 유보를 함께 적은 논문이라 더 믿을 만해요.

조직이 지금 할 수 있는 일

이 논문의 다섯 가지 잣대를 산업별로 대 보면, 소프트웨어·금융·법률 리서치가 가장 앞줄에 서요. 특히 소프트웨어는 직능단체가 훈련 기준을 강제하지 않고 일이 조각으로 잘 잘리는 직군이라, 논문이 말한 「제도적 역압」이 가장 약한 자리예요. 반대로 의료와 건설·플랜트 공학처럼 면허와 감독 실무가 법으로 묶인 직군은 침식이 느릴 거예요.

논문이 마지막에 짚은 한 줄은 국가 단위의 이야기예요. 위기 때 밖에서 사 올 수 없는 기능 — 핵심 기반시설, 의료, 사이버보안 — 은 국내 전문가 저수지에 의존하고, 그래서 정책은 금지보다 투자로 가야 한다고요. 기업이 지금 할 수 있는 일은 논문의 조직 층위 처방을 그대로 옮기는 거예요. AI로 대체한 업무 중 일부를 사람이 처음부터 끝까지 손으로 해 보는 훈련 트랙으로 남기고, 그 트랙을 거친 인원에게 AI 산출물의 실질 검증 권한을 몰아주는 이원화예요. 이 비용을 아끼면 5년, 10년 뒤 검증 사슬이 끊긴 조직만 남아요.

여기까지 읽었으면 이 논문이 왜 좋은지도 보일 거예요. 데이터를 새로 만들어서가 아니라, 이미 벌어지는 일에 정확한 이름을 붙이고 그 이름으로 처방까지 밀고 갔기 때문이에요. 「공유지」라는 이름이 붙는 순간 문제의 성격이 바뀌어요. 회사 하나의 채용 정책이 아니라 업계가 함께 관리해야 할 자원의 문제가 되고, 그러면 해법도 「각자 알아서」가 아니라 오스트롬이 정리한 공동 관리의 문법으로 옮겨 가요.

개발 현장에서 이 논리는 이미 체감되고 있어요. 주니어 개발자가 AI 코딩 도구로 시니어 수준의 결과물을 뽑는 걸 보면 다들 놀라요. 그런데 그 주니어가 몇 년 뒤 그 코드가 왜 그렇게 짜였는지, 어디서 실패하는지를 설명할 수 있느냐는 완전히 다른 질문이에요. 예전에는 버그를 직접 추적하며 몸에 익히던 판단력이 지금은 AI의 답을 통과시키는 습관으로 바뀌고 있어요. 결과물의 완성도는 올라가고 그걸 검증할 사람의 수는 줄어드는 역설이에요. 비센테의 80.7%는 이 역설의 숫자예요 — 틀린 걸 보고도 따르는 사람들이요.

앞으로 몇 년 동안 이런 경고는 계속 나오고, 신입 채용을 줄이는 흐름은 멈추지 않을 거예요. 효과가 즉시 나타나지 않는 문제는 늘 뒤로 밀려요. 그래서 이 논문의 진짜 쓸모는 예언이 아니라 점검표예요. 우리 회사의 직군은 다섯 잣대 중 몇 개에서 빨간불인가, AI 없는 훈련 구간이 있는가, 실질 검증을 누가 하는가. 이 세 질문에 답을 못 하는 조직이 2030년대에 「경력 5년차인데 이 정도밖에 못 하나」라는 불평을 가장 먼저 듣게 돼요.