📑 D1. AI와 일자리 — 논증형 교안 v4

"AI가 일자리를 없앤다"는 공포를 검증한다. "AI는 일자리를 없애는가"를 한 질문으로 따라가, 핵심이 '없앤다'가 아니라 '바꾼다'임을 논증한다.

이 장이 던지는 질문
AI는 일자리를 '없애는가'?  →  주장: 단순히 없애는 게 아니라 '바꾼다'. 자동화되는 건 '직업'이 아니라 직업 안의 '과업'이며, 진짜 위협은 'AI가 사람을 대체'가 아니라 'AI를 잘 쓰는 사람이 못 쓰는 사람을 대체'하는 것이다.
D1
AI와 사회 · 일의 미래
MODULE D1

AI와 일자리

AI는 일을 '없애는가', 아니면 '바꾸는가'
AI가 글·그림·코드를 만들자 가장 큰 불안이 터졌다 — "내 일자리는 안전한가?" 뉴스는 "○○ 직업 소멸"을 외친다. 이 장은 그 공포를 차분히 따진다: AI는 정말 일자리를 '없애는' 걸까, 아니면 다른 일이 벌어지는 걸까?
D1. AI와 일자리
01 / 13
D1 · 이 장의 지도
전체 구성 — 시작 전에 길을 펼친다

하나의 질문을, 여섯 단계로 답한다

"일자리가 사라진다"는 공포를 6단계로 분해한다. 윗줄은 "AI는 일을 없애나 바꾸나"를 논증하고, 아랫줄은 그 변화에 어떻게 대비할지로 잇는다.

AI는 일자리를 없애는가 — 6단계  (p3–p8)
① 통념
"대량 실업이 온다"
p3 · 소멸 공포
② 주장
없앤다기보다 바꾼다
p4 · 재편
③ 왜
자동화되는 건 '과업'
p5 · 직업≠과업
④ 역사
늘 새 일도 생겼다
p6 · ATM 역설
⑤ 반론
"이번엔 다르다"
p7 · 불확실성
⑥ 결론
진짜 위협은 '격차'
p8 · 쓰는 자 vs 못 쓰는 자
변화에 대비하기  (p9–p11)  +  정리·출처
지형
어떤 일이 더/덜 위험
p9 · 위험 지도
근거
왜 과업 단위로
p10 · 정확한 렌즈
기술
적응하는 법
p11 · 재학습
정리
한 줄의 논증으로 회수
p12 · 요약 / p13 출처
→ 자, 출발먼저 통념을 깬다 — "AI는 정말 일자리를 '통째로' 없애는 걸까?"
D1. AI와 일자리
02 / 13
D1 · 논증 1단계
① 통념② 주장③ 왜④ 역사⑤ 반론⑥ 결론
통념 깨기

우리는 'AI가 일자리를 통째로 없앤다'고 겁낸다

"AI 때문에 ○○ 직업이 사라진다"는 뉴스가 쏟아지면서, 많은 이가 대량 실업을 떠올린다. 직업이 통째로 증발하고 사람들이 일자리를 잃는 그림이다. 반대로 일부는 "별일 없을 것"이라며 안일하다. 두 극단 다 실제로 무슨 일이 벌어지는지를 정확히 보지 못한 것이다.

🗣️ 두 극단의 반응

  • "AI가 다 가져가서 일자리가 없어질 거야." (공포)
  • "에이, 설마 내 일은 괜찮겠지." (안일)

🎯 그런데 — 둘 다 빗나간 질문

"직업이 사라지냐 마냐"라는 전부 아니면 전무식 질문 자체가 틀렸다. 실제로는 한 직업 안에서 어떤 일은 자동화되고 어떤 일은 남으며, 일의 내용이 재편된다. '없앤다'와 '그대로다' 사이에 진실이 있다.

🔎 한 걸음 더 역사를 보면 자동화는 거의 늘 "직업 소멸"의 공포를 불렀지만, 실제로는 일의 모양을 바꾸며 흘러왔다. 200년 전 방직기에 일자리를 빼앗긴다며 기계를 부순 러다이트 운동이 그 시작이었다. 공포의 패턴은 반복된다 — 그래서 더 정확히 봐야 한다.
→ 그래서'전부 아니면 전무'라는 틀부터 버리자. 그렇다면 AI가 일에 실제로 하는 일을 정확한 한 단어로 말하면 무엇인가?
D1. AI와 일자리
03 / 13
D1 · 논증 2단계
① 통념② 주장③ 왜④ 역사⑤ 반론⑥ 결론
이 장의 주장

AI는 일을 '없앤다'기보다 '바꾼다'

정확한 단어는 '소멸'이 아니라 '재편'이다. AI가 등장하면 어떤 일은 사라지고, 어떤 일은 새로 생기고, 대부분의 일은 내용이 바뀐다. 마치 자동차가 마부를 줄이는 대신 운전사·정비사·물류라는 새 일의 생태계를 만든 것처럼. 그래서 핵심 질문은 "없어지냐"가 아니라 "어떻게 바뀌고, 나는 어떻게 적응하냐"가 된다.

➖ 사라지는 일

반복적·규칙적 과업 (단순 입력·정형 응대 등)

➕ 생기는 일

AI를 만들고·다루고·감독하는 새 직무 (AI 트레이너·검수자 등)

🔄 바뀌는 일

대부분의 직업 — AI를 도구로 끼고 일하는 방식으로 변함

🔎 한 걸음 더 세계경제포럼 같은 기관들도 매년 "사라지는 일자리 수 + 새로 생기는 일자리 수"를 함께 추정한다. 핵심은 어느 한쪽이 아니라 '대규모 이동(재편)'이라는 점이다. 그렇다면 통째로가 아니라 부분적으로 바뀌는 걸까?
→ 그래서'바꾼다'가 정확하다. 그런데 왜 직업이 통째로 사라지지 않고 '부분만' 자동화될까? 그 비밀은 한 개념에 있다.
D1. AI와 일자리
04 / 13
D1 · 논증 3단계 · 직업 ≠ 과업
① 통념② 주장③ 왜④ 역사⑤ 반론⑥ 결론
메커니즘 — 자동화되는 건 '직업'이 아니라 '과업'

한 직업은 여러 '과업'의 묶음 — AI는 그중 일부만 가져간다

핵심 개념은 직업(job) ≠ 과업(task)이다. 하나의 직업은 여러 개의 작은 일(과업)로 이뤄진 묶음이다. AI는 보통 직업 전체가 아니라 그 안의 일부 과업만 자동화한다. 그래서 직업은 사라지지 않고, 남은 과업 중심으로 재편된다 — 자동화된 부분이 빠지고, 사람은 더 가치 있는 과업에 집중하게 된다.

📋 예 — 회계사라는 '직업'

  • 숫자 입력·계산·분류 ← AI가 잘함
  • 오류 점검·세무 전략 ← 사람+AI
  • 고객 상담·판단·책임 ← 사람

→ '계산'만 자동화, 직업은 상담·판단 중심으로 이동

🧩 그래서 생기는 일

단순·반복 과업이 빠지면, 사람은 판단·관계·창의 과업에 더 집중하게 된다. 직업의 '이름'은 같아도 하는 일의 무게중심이 이동한다. E2의 '실행은 AI, 판단은 사람'이 직업 단위로 일어나는 셈이다.

🔎 한 걸음 더 그래서 경제학자들은 "어떤 직업이 위험한가"가 아니라 "어떤 과업이 자동화되는가"로 분석한다(과업 기반 관점). 같은 직업이라도 과업 구성에 따라 영향이 다르기 때문이다. 이 렌즈가 정확하다(p10에서 자세히).
→ 그런데"부분만 자동화되고 새 일이 생긴다"는 말, 너무 낙관적이지 않나? 역사는 정말 그랬나?
D1. AI와 일자리
05 / 13
D1 · 논증 4단계 · 자동화의 역사
① 통념② 주장③ 왜④ 역사⑤ 반론⑥ 결론
역사의 증거 — 자동화는 새 일도 만들었다

'ATM의 역설' — 기계가 늘었는데 은행원은 안 줄었다

자동화가 일을 줄이기만 하지 않는다는 유명한 사례가 ATM(현금인출기)이다. ATM이 퍼지면 은행원이 사라질 것 같았다. 그런데 실제로는 은행원 수가 줄지 않았다(오히려 한동안 늘었다). 입출금이라는 과업이 자동화되자, 은행은 지점 운영비가 싸져 지점을 더 열었고, 은행원의 일은 단순 창구에서 상담·영업으로 바뀌었기 때문이다.

예상 — 단순한 뺄셈

"ATM이 입출금을 대신하니, 은행원은 필요 없어진다." 직관적이지만 과업이 아니라 직업으로만 본 오류.

현실 — 재편

창구 비용↓ → 지점 증가 → 은행원 수 유지. 단, 일은 입출금→상담·판매로 이동. 직업은 남되 내용이 바뀜.

🔎 한 걸음 더 경제학자 제임스 베센이 분석한 이 'ATM의 역설'은 자동화의 전형을 보여준다 — 한 과업의 자동화가 비용을 낮춰 수요를 늘리고, 사람의 일을 다른 과업으로 옮긴다. 다만 이것이 모든 경우에 항상 성립한다는 보장은 없다 — 그게 다음 반론이다.
→ 그런데여기서 가장 무거운 반론. "과거엔 그랬다 쳐도, 이번 AI는 인지노동까지 한다 — 정말 이번에도 같을까?"
D1. AI와 일자리
06 / 13
D1 · 논증 5단계 · "이번엔 다르다?"
① 통념② 주장③ 왜④ 역사⑤ 반론⑥ 결론
반론 처리 — "이번 AI는 다르다"

"이번엔 다르다"는 반은 맞다 — 그래서 더 정직해야 한다

"과거 기계는 육체노동을 대신했지만, AI는 인지·창의 노동까지 한다 — 그러니 이번엔 일자리가 순감소할 것"이라는 반론은 가볍게 무시할 수 없다. 솔직히 말하면, 이번 변화의 속도와 범위가 과거보다 클 수 있다. 그래서 정답은 막연한 낙관도 비관도 아닌 "불확실하니 대비하라"이다.

✅ 반론의 일리

  • AI는 지식노동(글·코드·분석)까지 한다
  • 변화 속도가 빠르다 — 적응할 시간이 짧다
  • 새 일이 생겨도 다른 기술을 요구한다

⚖️ 그래도 남는 사실

  • 여전히 과업 단위로 영향이 갈린다
  • 판단·관계·책임은 잘 안 넘어간다(E2)
  • 순효과는 아직 확정되지 않았다(논쟁 중)
🔎 한 걸음 더 — 정직한 결론 전문가들도 "이번 AI가 일자리를 순증시킬지 순감시킬지"에 합의하지 못했다. 확실한 건 '대규모 재편'은 온다는 것. 그래서 개인이 할 수 있는 가장 확실한 대비는 특정 예측에 베팅이 아니라 변화에 적응하는 힘(E3)을 기르는 것이다.
→ 따라서'없앤다 vs 안 없앤다'는 결판나지 않았다. 그렇다면 개인에게 진짜 중요한 위협은 무엇인가?
D1. AI와 일자리
07 / 13
D1 · 논증 6단계 · 결론
① 통념② 주장③ 왜④ 역사⑤ 반론⑥ 결론
결론 — 진짜 위협은 'AI'가 아니라 '격차'

진짜 위협은 AI가 아니라, AI를 쓰는 사람이다

개인에게 가장 현실적인 위협은 "AI가 내 직업을 없앤다"가 아니다. 대부분의 직업은 재편되며 남는다. 진짜 변화는 같은 직업 안에서 'AI를 잘 쓰는 사람'과 '안 쓰는 사람'의 격차가 벌어지는 것이다. 흔히 말하듯 — "AI가 당신을 대체하지 않는다. AI를 쓰는 사람이 당신을 대체한다." 그래서 대응은 회피가 아니라 적응이다.

잘못된 프레임정확한 프레임
AI vs 사람 (대결)AI를 도구로 쓰는 사람 vs 안 쓰는 사람
"직업이 사라진다""직업의 내용이 바뀐다"
대응 = 회피·공포대응 = 적응·재학습(E3)
🎯 그래서 당신은 "AI가 내 일을 뺏을까?"가 아니라 "내 일에서 AI에게 맡길 과업은 무엇이고, 내가 키울 과업은 무엇인가?"를 묻는다.
D1. AI와 일자리
08 / 13
D1 · 적용 · 위험 지도
지형근거기술— 결론을 지도로
결론 → 적용 다리

어떤 '과업'이 더 위험하고, 어떤 게 덜한가

과업 단위로 보면 위험 지도가 그려진다. 반복적·규칙적·정형적 과업일수록 자동화되기 쉽고, 대인·창의·판단·예측 불가 과업일수록 덜하다. 단, '안전 지대'라는 말은 조심해야 한다 — 절대 안전은 없고, 모든 일이 'AI를 끼고' 바뀐다.

⚠️ 더 자동화되기 쉬운 과업

  • 정해진 규칙의 반복 작업
  • 정형 데이터 입력·분류·계산
  • 표준화된 정보 응대

🛡️ 상대적으로 덜한 과업

  • 사람을 상대하는 일(돌봄·설득·협상)
  • 맥락·판단·책임이 필요한 일
  • 몸을 쓰는 비정형 손기술, 창의적 방향 설정
⚠️ 주의 — "이 직업은 안전"이라는 단정은 위험하다. 같은 직업도 과업 구성이 다르고, AI는 빠르게 발전한다. 안전한 건 직업이 아니라 '적응하는 사람'이다.
🎓 교실에서 관심 직업 하나를 골라 과업으로 쪼개고, 각 과업을 'AI가 잘할 / 사람+AI / 사람만'으로 분류해 본다. 그 직업이 어떻게 바뀔지를 스스로 예측하게 된다.
→ 그런데왜 '직업'이 아니라 '과업'으로 봐야 이렇게 정확해질까?
D1. AI와 일자리
09 / 13
D1 · 근거: 과업 렌즈가 정확한 이유
지형근거기술
왜 과업 단위인가

'직업'으로 보면 공포, '과업'으로 보면 전략이 보인다

같은 현실을 '직업'으로 보면 "사라지냐 마냐"의 막연한 공포만 남지만, '과업'으로 보면 "무엇이 바뀌고 무엇을 키울지"의 구체적 전략이 보인다. 렌즈를 바꾸면 불안이 행동으로 바뀐다 — 이것이 과업 관점의 진짜 가치다.

🔭 '직업' 렌즈 — 막연함

"내 직업이 없어질까?"는 예/아니오밖에 없어, 답이 공포 아니면 안일로 흐른다. 할 수 있는 게 안 보인다.

🔬 '과업' 렌즈 — 구체성

"내 일의 어떤 과업이 자동화되고, 어떤 과업이 남을까?"는 대비할 항목을 준다. 맡길 것·키울 것이 명확해진다.

🔎 한 걸음 더 경제학자 데이비드 오터는 "왜 아직도 일자리가 이렇게 많은가"를 물으며, 자동화가 일부 과업을 대체할 때 다른 과업의 가치를 오히려 높인다고 분석했다. 한 과업이 싸지면, 그것과 짝을 이루는 사람의 과업이 더 귀해진다. 과업 렌즈가 이 역학을 포착한다.
→ 그래서렌즈를 바꿨으니, 이제 그 위에서 구체적으로 무엇을 준비해야 하나?
D1. AI와 일자리
10 / 13
D1 · 핵심 기술 · 적응하는 법
지형근거기술
변화를 자산으로 — 적응의 기술

대비의 핵심은 '더 빨리 달리기'가 아니라 '적응'이다

일자리 변화에 대한 최선의 대비는 특정 직업을 사수하는 게 아니라, 변화에 적응하는 힘을 기르는 것이다. 이는 E3의 결론과 정확히 같다 — AI를 도구로 익히고, 사람만의 강점(판단·관계·창의)을 키우고, 계속 배우는 태도를 갖추는 것. 미래를 정확히 점치는 사람이 아니라, 어떤 미래에도 적응하는 사람이 안전하다.

🛠️ AI를 도구로

피하지 말고 직접 써서 내 일에 끼우는 법을 익힌다(켄타우로스, E2).

💎 사람 강점 키우기

판단·소통·창의·책임 등 안 넘어가는 과업의 실력을 키운다.

🔄 계속 배우기

한 기술에 안주하지 않고 평생학습 태도로 새 도구를 받아들인다(E3).

📝 한 줄 점검 내 (희망) 직업을 과업으로 쪼개고 묻는다 — "AI에게 맡겨 더 잘할 과업은? 내가 키워야 대체 안 될 과업은? 새로 배워야 할 건?"
🎯 그래서 당신은 일자리 뉴스에 겁먹는 대신 행동한다 — AI를 도구로 익히고, 사람 강점을 키우고, 계속 배운다.
D1. AI와 일자리
11 / 13
D1 · 정리
D1이 증명한 것 — 한 줄의 논증

'일자리 소멸'에서 출발해, '재편과 격차'에 도착했다

이 장은 공포를 키우지도 무시하지도 않고, "AI는 일자리를 없애는가"라는 한 질문을 따라간 추론이었다. 출발은 "대량 실업"이라는 통념, 도착은 "재편되며, 진짜 위협은 격차"라는 결론이었다.

통념AI가 일자리를 통째로 없앤다 (또는 별일 없다)
↓ 그런데
주장없앤다기보다 바꾼다 — 사라지고·생기고·바뀐다(재편)
↓ 왜냐면
자동화되는 건 직업이 아니라 '과업' — 일부만 가져간다
↓ 역사도
역사ATM 역설 — 자동화가 새 일도 만들고 일을 옮겼다
↓ 하지만
반론"이번엔 다르다" 반은 맞다 → 불확실, 그래서 대비
↓ 따라서
결론진짜 위협은 '격차' — AI 쓰는 사람 vs 안 쓰는 사람 → 적응
🎯 한 문장 요약 AI는 일을 없애기보다 바꾸며, 개인의 답은 회피가 아니라 AI를 도구로 익히는 적응이다.
D1. AI와 일자리
12 / 13
더 읽을거리 · 검증된 자료

근거가 된 자료 & 다음 장

  • 제임스 베센, ATM과 은행원 분석 — 자동화가 과업을 옮기고 수요를 늘린 사례 · ④ 역사 근거
  • 데이비드 오터, "Why Are There Still So Many Jobs?"(2015) — 과업 기반 관점·보완 효과 · ③⑩ 근거
  • 세계경제포럼 일자리의 미래 보고서 — 사라지는/생기는 일자리 동시 추정 · ② 주장 근거
  • 러다이트 운동(19세기) — 자동화 공포의 역사적 반복 · ① 통념 보강
다음 장 — D3. 디지털 시민과 AI · 일의 변화를 봤다면, 이제 사회의 변화다. AI를 잘 쓰는 게 '개인의 스킬'로 충분할까? 딥페이크·가짜뉴스·편향이 퍼지는 시대에 필요한 '디지털 시민의식'을 따라간다.
D1. AI와 일자리
13 / 13