이런 그림을 받았다. 2026년에 배워야 할 것들을 사람 실루엣에 8칸으로 쌓아올린 인포그래픽이다.

2026년에 배울 것들을 AI 도구·프로그래밍·콘텐츠 제작·데이터·마케팅·자동화·투자·소프트스킬 8개 칸으로 쌓아올린 인포그래픽

말풍선은 “AI 시대, 배울 수 있는 것이 폭발적으로 늘었다!” 고 말하고, 맨 아래는 “무엇을 연결하고 활용하느냐가 경쟁력이다” 로 끝난다.

그런데 이 그림은 마지막 한 줄에서 자기 자신을 반박한다. 연결이 경쟁력이라고 말해놓고, 본문은 끝까지 목록이다. ChatGPT·Claude·Gemini·Perplexity, Python·JavaScript·SQL·API, Canva·CapCut·Midjourney·Veo… 8개 칸에 4개씩, 총 32개 항목이 들어가 있는데, 그것들을 어떻게 연결하는지 에 배정된 칸은 0개다.

이건 그림을 만든 사람의 게으름 문제가 아니다. 연결은 목록으로 쓸 수 없어서 안 들어간 것이다. 그리고 지난 1년 사이에 나온 노동시장 데이터들은, 하필 그 “목록으로 쓸 수 없는 것” 과 “목록으로 쓸 수 있는 것” 사이에 선이 그어지고 있다고 말한다.

1. 목록에 적히는 종류의 지식이 먼저 지워진다

가장 최근 국내 1차 자료부터 보자. 한국은행이 사흘 전(2026-08-18) 낸 BOK 이슈노트다. 국민연금 가입자 행정통계와 경제활동인구조사를 쓴 분석이다.

지난 4년간 청년층 일자리는 28.5만개 감소하였으며, 이 가운데 26.8만개(기여율 94%)가 AI 고노출 업종이다. 정보서비스업(-31.4%), 출판업(-27.4%), 컴퓨터 프로그래밍업(-16.6%), 전문서비스업(-11.6%) 등 AI 고노출 업종에서 청년고용이 큰 폭으로 감소한 반면, 같은 업종에서 50대 고용은 증가세를 이어갔다.

— 한국은행, BOK 이슈노트 제2026-19호 「청년고용 위축, AI탓인가? 변화하는 경력 사다리와 대응 과제」 (2026.08.18)

같은 업종에서 청년은 줄고 50대는 늘었다. 한은은 이걸 “연공편향(seniority-biased) 기술변화” 라고 부르는데, 그 앞선 연구(제2025-30호)가 제시한 메커니즘이 핵심이다.

AI는 경력이 적은 청년층의 정형화된(codified) 업무를 상대적으로 쉽게 대체한다. 반면 경력에 기반한 암묵적인 지식(tacit knowledge) 이나 사회적 기술이 필요한 업무에서는 보완적으로 쓰인다.

— 한국은행, BOK 이슈노트 제2025-30호 「AI 확산과 청년고용 위축」 (2025.10.30)

미국 데이터도 같은 곳을 가리킨다. 스탠퍼드 디지털이코노미랩이 ADP 급여 행정데이터로 추적하는 연구다.

22–25세 노동자의 AI 고노출 직종 고용은, 저노출 동년배와 같은 속도로 늘었을 경우 대비 약 19% 아래에 있다. 경력자에게는 이에 상응하는 격차가 없다. (…) 감소는 AI 사용이 주로 인간의 업무를 대체하는 직종에 집중되어 있고, 주로 보완하는 직종에서는 고용이 유지되거나 늘고 있다.

— Brynjolfsson, Chandar, Chen, Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence (2026년 8월 개정판, 2026년 6월까지의 데이터)

그리고 이 논문은 메커니즘을 한은과 똑같은 두 단어로 설명한다. codified knowledge — 교육·교과서·문서화된 절차로 전달되는 형식지 — 를 요구하는 직종일수록 신입 고용 증가가 느리고, tacit knowledge — 실무·멘토링·반복된 실제 상황 노출로 얻는 암묵지 — 를 요구하는 직종일수록 중견·시니어 고용이 빠르다.

한국은행과 스탠퍼드가 서로 다른 나라의, 서로 다른 행정데이터로, 서로 독립적으로 같은 구분에 도달했다.

이제 위 그림을 다시 보자. 8칸 중 7칸이 정형지식이다. 도구 이름은 정의상 문서화되어 있고, 표준화되어 있고, 강의로 전달 가능하다. 그림이 “폭발적으로 늘었다” 고 자랑하는 그 목록은, 두 중앙연구기관의 데이터가 “가장 먼저 대체되는 쪽” 이라고 지목한 범주와 정확히 겹친다.

공정하게 말하면 그림도 이걸 어렴풋이 안다. 여덟 번째 칸이 소프트 스킬(커뮤니케이션·협상·문제 해결·리더십)이고, 실제로 한국은행은 2023년 보고서에서 “AI 는 반복적 업무뿐 아니라 인지적 업무까지 대체할 수 있기에, 사회적 기술·팀워크·의사소통 같은 soft skill 이 앞으로 더 많은 보상을 받을 가능성이 크다” 고 썼다. 방향은 맞다.

문제는 그걸 나머지 일곱 칸과 똑같은 형식으로 넣었다는 것이다. Python 옆에 SQL 을 놓듯 협상 옆에 리더십을 놓으면, 그 넷도 배워서 체크할 수 있는 항목처럼 보인다. 그런데 암묵지의 정의가 바로 “그렇게 전달되지 않는 지식” 이다. 리더십을 네 글자로 적어 체크박스를 만드는 순간, 그 칸은 나머지 일곱 칸과 같은 종류의 물건으로 격하된다. 목록이라는 형식 자체가 암묵지를 정형지식으로 위장시킨다.

2. “그럼 AI 도구 칸을 채우면 되잖아” — 여기가 두 번째 함정이다

그림의 첫 칸은 AI 도구다. 저것만 확실히 챙기면 나머지가 따라온다는 논리는 자연스럽다. 그런데 그 논리를 정면으로 측정한 무작위대조시험(RCT)이 있다.

METR 이 2025년 2~6월에 수행한 실험이다. 오픈소스 경력 개발자 16명이, 평균 5년간 기여해온 자기 저장소(평균 2.3만 스타)에서 실제 이슈 246건을 처리한다. 각 이슈는 AI 사용 허용/불허로 무작위 배정된다.

작업 전 개발자들은 AI 사용이 완료 시간을 24% 줄일 것으로 예측했다. 실험 후에도 20% 단축되었다고 추정했다. 그러나 우리가 실제로 관측한 것은 AI 허용 시 완료 시간이 19% 증가한 것이다.

— Becker, Rush, Barnes, Rein, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity (arXiv:2507.09089)

숫자 자체보다 더 중요한 건 그 옆의 문장이다. 써보고 나서도 20% 빨라졌다고 믿었다. 경제학자 34명과 ML 연구자 54명은 각각 39%·38% 단축을 예측했다. 전부 부호가 반대였다.

즉 도구를 쥔 것과 그 도구로 실제 빨라지는 것 사이에는 간극이 있고, 더 나쁜 건 그 간극을 본인이 느끼지 못한다는 점이다. “AI 도구 4종을 쓸 줄 안다” 는 자기평가는, 이 실험 안에서 34%p 어긋난 자기평가와 구조적으로 같은 종류다.

물론 이건 2025년 상반기 프런티어 모델(Cursor Pro + Claude 3.5/3.7 Sonnet)의 스냅샷이고, 참가자 16명·성숙한 대형 저장소라는 좁은 설정이다. 저자들도 그렇게 못박는다. 이 글에서 이걸 “AI 는 생산성을 떨어뜨린다” 로 읽자는 게 아니다. 읽을 것은 하나다 — 도구 보유량은 역량의 대리변수가 아니고, 자기보고는 그걸 검증해주지 못한다.

3. 데이터가 실제로 가리키는 갈림길은 목록의 길이가 아니다

그러면 무엇이 갈림길인가. 한은과 스탠퍼드가 또 한 번 겹치는 지점이 있다.

AI가 자동화(automation)보다 증강(augmentation) 방식으로 활용된 경우에는 청년고용 감소가 제한적이었다. (…) 이는 AI 도입 그 자체보다 어떤 방식으로 활용(자동화 vs. 증강)되는지에 따라 향후 고용효과가 달라질 수 있음을 시사한다.

— 한국은행 BOK 이슈노트 제2026-19호

스탠퍼드의 다섯 번째 사실이 문장만 다르고 같은 말이다. 대체적으로 쓰이는 직종은 신입이 줄고, 보완적으로 쓰이는 직종은 유지되거나 는다.

여기서 자동화/증강 구분은 두 논문이 직접 만든 게 아니라 앤트로픽 경제지표(Anthropic Economic Index)의 대화 분류를 가져다 쓴 것이다. 그 지표 자체도 볼 만하다.

2025년 11월 데이터는 증강 사용으로의 광범위한 회귀를 가리킨다. 증강으로 분류된 대화 비중이 5%p 올라 52%가 되었고, 자동화는 4%p 내려 45%가 되었다. (…) Claude.ai 에서 3,000개 이상의 고유 업무가 관측되지만, 상위 10개 업무가 표본 대화의 24%를 차지한다.

— Anthropic, Anthropic Economic Index report: Economic primitives

마지막 문장을 붙잡을 만하다. 쓸 수 있는 업무가 3,000종인데 실제 사용의 4분의 1이 10개에 몰린다. “배울 수 있는 것이 폭발적으로 늘었다” 는 그림의 전제는 참이다. 다만 늘어난 건 가능성의 목록이고, 실제로 굴러가는 건 극소수다. 목록의 길이와 실사용의 분포는 다른 변수다.

한 가지 유보 사항. 이건 앤트로픽이 자사 트래픽을 자사 분류기로 잰 값이다. 업계 전체의 중립적 측정치가 아니고, 그런 중립 측정치는 현재 공개된 것이 없다. 그래도 위 두 논문이 이 지표를 실제 노동 데이터와 접합해서 유의한 상관을 찾아냈다는 점은, 이 분류가 최소한 무의미하지는 않다는 방증이다.

4. 그래서 이 그림을 어떻게 다시 그릴 것인가

나는 어젯밤 내 홈랩 K3s 클러스터를 훑는 작업을 AI 에게 통째로 맡겼다. 노드 6대, 파드 전수, 잡 151개, PVC 46개, 인증서 만료, 공개 엔드포인트 — 몇 시간 걸릴 조회를 대신 해줬고 결과도 정확했다. 여기까지가 그림의 첫 칸이 약속하는 것이다.

그런데 그날 실제로 값을 만든 건 그 목록이 아니었다. 운영 네임스페이스의 파드 이미지 목록을 보다가 본체 두 개만 태그 접두사가 다르다는 걸 이상하게 여긴 것 — 거기서 배포 게이트가 뚫려 있었다는 게 나왔다. 조회는 위임했지만, “이건 왜 다르지” 라는 질문은 위임되지 않았다. 그 질문은 이 클러스터의 브랜치 전략이 어떻게 굴러가는지를 몇 달간 몸으로 알고 있어야 나온다. 문서 어디에도 “본체와 위성의 태그 접두사가 같아야 한다” 고 적혀 있지 않았다.

그게 암묵지다. 그리고 그건 그림의 어느 칸에도 안 들어간다. 들어갈 수가 없다 — 내 클러스터에만 있는 지식이라서.

그래서 이 그림의 축을 바꾼다면 이렇게 될 것이다.

그림의 축 데이터가 시사하는 축
무엇을 배울 것인가 (목록) 무엇을 내 것으로 남길 것인가 (맥락)
도구를 몇 개 쓸 수 있는가 도구가 틀렸을 때 알아챌 수 있는가
자동화할 수 있는가 자동화할 것과 붙잡을 것을 가를 수 있는가
형식지의 폭 암묵지의 깊이

오른쪽 칸들의 공통점이 있다. 전부 인포그래픽으로 못 그린다. 고유명사가 없고, 아이콘이 없고, 체크박스로 셀 수 없다. 그래서 이런 그림에서 늘 빠진다. 빠지는 이유가 중요하지 않아서가 아니라 그리기 어려워서라는 것 — 그게 이 그림의 진짜 편향이다.

한 가지 덧붙이면, 그림 맨 아래 “궁극적 목표” 칸(경제적 자유·사업·자산 증식·시간의 자유)은 애초에 스킬이 아니라 결과다. 스킬 목록과 결과를 같은 형식의 칸에 넣어 쌓아두면, 위의 칸을 채우면 아래 칸이 따라온다는 인상이 생긴다. 위의 데이터들은 정확히 그 인상을 부정한다.

5. 과장하지 않기 위한 유보

이 글이 “청년은 끝났다” 로 읽히면 곤란하다. 인용한 기관들이 스스로 붙인 단서를 그대로 옮긴다.

  • 한국은행: 최근 청년고용 부진을 곧바로 AI 영향으로 해석하는 데에는 신중할 필요가 있다. 팬데믹 이후 과잉채용의 정상화, 경력직 중심 채용, 기업 내부교육 약화, 재택근무 확산이 함께 작용했을 수 있다. “AI 만의 직접 효과라기보다 기존의 채용·업무방식 변화를 AI 가 가속화한 결과로 보는 것이 적절하다.”
  • 스탠퍼드: 이 여섯 가지는 인과 추정치가 아니라 초기 서술적 지표(“early, descriptive indicators”)다. 교육 수준을 통제하면 격차가 줄고, 생성형 AI 이전에도 일부 추세 차이가 보이며, ADP 표본에서의 격차가 전국 조사 벤치마크보다 크다.
  • METR: 2025년 상반기 모델·16명·성숙한 저장소라는 한정된 설정이며, 실험 설계의 영향을 완전히 배제할 수는 없다고 저자들이 명시한다.

그리고 한국은행의 결론은 비관이 아니다. 청년층은 새 기술 적응력이 높아 장기적으로 주요 수혜자가 될 수 있으므로, 정책은 기존 초급 일자리를 보전하기보다 청년이 AI 와 함께 경험과 암묵지를 축적할 수 있도록 경력 사다리를 재설계하는 데 초점을 맞춰야 한다는 것이다.

개인 차원으로 번역하면 이렇게 된다. 그림의 32개 칸을 채우는 일은 여전히 필요하다 — 그건 입장료다. 다만 그게 경쟁력이 되는 지점은 목록의 길이가 아니라, 그 도구들을 굴리면서 문서화되지 않은 무언가를 자기 안에 쌓았는가에서 갈린다. 그림 스스로 마지막 줄에 써놓은 “무엇을 연결하고 활용하느냐” 가 바로 그 말이다. 정작 그림은 그 칸을 안 그렸을 뿐이다.

References

인용한 수치는 모두 위 1차 자료의 본문에서 직접 확인한 값이다. 특정 도구·벤더의 성능 우열 주장은 담고 있지 않다. 첨부한 인포그래픽은 독자가 제보한 출처 미상의 이미지이며, 이 글은 그 이미지의 주장을 검증 대상으로 삼았을 뿐 제작자를 특정하거나 평가하지 않는다.