AI가 해고하지 않아도 채용문은 좁아진다…텍사스의 2.6%
2026년 9월 1일 공개된 댈러스 연은의 텍사스 채용공고 분석 은 생성형 AI 자동화 노출이 전체 Lightcast 온라인 공고를 2024년 약 1.8%, 2025년 약 2.6% 줄였다고 추정했다. AI 노출도가 높은 기존 기업의 공고 감소 폭은 2024년 중반 약 5~6%에서 2026년 초 약 8~9%로 커졌다.
같은 날 공개된 뉴욕 연은의 지역기업 조사 에서는 AI 사용 서비스 기업의 4%가 지난 6개월 동안 AI에 대응해 직원을 해고했다고 답했다. AI가 없었을 때보다 덜 채용했다는 기업은 약 15%, AI 활용을 위해 더 채용했다는 기업은 약 13%였고, 3분의 1이 넘는 서비스 기업은 기존 직원을 재교육했다.
해고율과 텍사스의 2.6%는 다른 지표다
2.6%는 해고된 근로자의 비율이 아니다. 텍사스에서 온라인에 게시됐을 것으로 추정되는 채용공고 가운데 생성형 AI 자동화 노출과 연관된 감소분이다. 해당 수치만으로 재직자가 일자리를 잃었는지, 기업이 공석을 없앴는지, 예정했던 증원을 취소했는지는 알 수 없다.
뉴욕 연은 조사의 4%도 근로자 기준 해고율이 아니다. 조사 지역에서 AI를 사용한다고 답한 서비스 기업 가운데 AI 때문에 해고를 실시한 기업의 비중이다. 한 기업이 몇 명을 해고했는지나 전체 고용에서 그 인원이 차지하는 비율은 이 조사로 확인되지 않는다.
두 결과를 하나의 ‘AI 일자리 감소율’로 합치면 실제 충격의 위치와 크기를 모두 오해하게 된다. 고용 변화는 다음처럼 구분해야 한다.
- 해고: 이미 고용된 근로자와의 고용관계가 종료된다.
- 미충원: 퇴사자의 후임을 뽑지 않거나 승인된 자리를 비워 둔다. 해고 없이도 팀 인원은 줄 수 있다.
- 신규 공고 감소: 외부 구직자에게 공개되는 기회가 줄어든다. 공고는 노동 수요의 신호이지만 실제 채용 인원과 같지는 않다.
- 순고용 변화: 채용, 퇴직, 해고 등 모든 유입과 유출을 합친 결과다. 공고 감소율만으로 계산할 수 없다.
텍사스 추정치는 자동화 가능한 업무를 따라갔다
댈러스 연은 연구진은 직업 전체를 자동화 가능 또는 불가능으로 나누지 않았다. O*NET의 직업별 업무와 Anthropic의 Claude 실제 사용 자료를 연결해 생성형 AI가 자동화할 수 있는 과업의 비중을 산출하고, 이를 텍사스의 분기별 Lightcast 온라인 공고와 결합했다.
그다음 같은 산업 안에서 자동화 노출도가 높은 직종과 낮은 직종의 공고 변화를 비교했다. 산업 전체의 경기 둔화가 결과를 좌우할 가능성을 줄이기 위한 설계다. 분석에서는 2022년 11월 ChatGPT 공개 이후 소프트웨어 개발, 웹 디자인 등 컴퓨터 중심 직종과 관리자·사무직·편집자 등 일부 화이트칼라 직종에서 상대적으로 큰 공고 감소가 나타났다.
기존 기업만 추린 균형 패널에서도 같은 방향이 관찰됐다. 공고 감소를 인력이 적은 AI 기반 신생기업의 등장이나 기존 기업의 퇴출만으로 설명하기 어렵고, 계속 운영되던 기업도 자동화 노출도가 높은 직무의 외부 채용 수요를 줄였다는 의미다.
다만 이는 무작위 실험이 아니라 AI 노출도와 공고 변화의 관계를 토대로 한 추정이다. Texas Today의 독립 보도 도 이 결과가 텍사스 전체 고용이 같은 비율로 감소했다는 뜻은 아니라고 구분했다. 온라인 공고에 상대적으로 적게 잡히는 농업·건설·건물 유지관리·개인 서비스 등의 채용도 충분히 대표되지 않을 수 있다.
뉴욕권에서는 대체보다 채용 조정과 재교육이 많았다
뉴욕 연은 조사는 뉴욕과 북부 뉴저지 기업에 최근 6개월 동안 AI 때문에 인력을 어떻게 조정했는지를 물었다. 텍사스 분석처럼 게시된 공고를 직무별로 추적한 자료가 아니라 기업이 직접 응답한 조사다. 지역과 표본, 측정 단위가 모두 다르므로 두 결과가 서로를 반박한다고 볼 수 없다.
서비스 기업에서는 해고와 채용 축소뿐 아니라 AI 활용을 위한 추가 채용도 함께 나타났다. 제조업체는 2025년과 2026년 조사에서 AI 관련 해고를 보고하지 않았고, 2026년 조사에서는 AI 때문에 채용을 늘렸다는 응답도 없었다. AI가 고용에 미치는 방향이 업종과 활용 방식에 따라 달라질 수 있음을 보여주는 대목이다.
가장 흔한 대응은 기존 직원의 재교육이었다. 서비스 기업에서는 3분의 1 이상, 제조업체에서는 20% 이상이 재교육을 실시했다고 답했다. 교육은 완전히 새로운 직업으로 옮기는 과정이라기보다 현재 업무에서 AI 도구를 사용하고, 반복 작업을 자동화하며, 결과의 정확성과 편향을 검토하는 데 주로 맞춰졌다.
따라서 ‘AI 해고가 적다’는 사실을 ‘AI가 채용에 영향을 주지 않는다’는 의미로 확대하면 안 된다. 재직자를 유지한 채 자연 감소분을 충원하지 않거나 신규 승인을 줄이는 기업에서는 해고 지표가 안정적으로 보여도 외부 채용문은 좁아질 수 있다.
줄어든 공고는 신입과 전직자에게 먼저 닿는다
텍사스 연구가 사용한 자료에서는 기업의 일반적인 공고 중 절반 미만만 2년을 초과하는 경력을 명시적으로 요구했고, 5년 초과 경력을 요구한 공고는 매우 적었다. 연구진이 공고 감소의 부담이 노동시장에 처음 진입하거나 직업을 바꾸려는 사람에게 더 크게 돌아갈 수 있다고 본 근거다.
기존 직원은 조직 안에서 AI를 보완하는 업무로 재배치되거나 교육을 받을 수 있다. 반면 최근 졸업자와 전직자는 기업이 아예 게시하지 않은 자리에는 지원할 수 없다. 같은 이유로 대량해고가 관찰되지 않는 동안에도 노동시장 진입 경로는 약해질 수 있다.
한국 독자가 미국 사례를 해석할 때는 조사 범위를 그대로 유지해야 한다. 텍사스의 온라인 공고 추정치는 한국 전체 취업자 수 전망이나 특정 직업의 소멸 확률이 아니다. 뉴욕권 기업 비율도 미국 전체 기업이나 근로자를 대표하는 전국 통계로 바꿔 읽을 수 없다.
현재 확인된 것은 생성형 AI에 더 노출된 업무에서 텍사스의 온라인 채용 수요가 상대적으로 약해졌고, 뉴욕권 AI 사용 기업에서는 해고보다 재교육과 서로 엇갈린 채용 조정이 더 흔했다는 점이다. 공고 감소가 실제 취업자 수와 임금에 얼마나 반영되는지, 사라진 공고가 다른 직무로 이동했는지는 향후 행정자료와 장기 고용자료가 나와야 판단할 수 있다.
함께 읽기:
뉴스레터 구독
최신 Web3, AI, 암호화폐 뉴스를 이메일로 받아보세요.