AI 채용공고의 75-85%는 STEM 직업 — 10개국 연구가 보여준 새로운 채용 격차

75%에서 85%. 미국부터 인도네시아까지, 새 연구가 분석한 10개국 전부에서 AI 관련 채용공고가 STEM 직업에 몰려 있던 비율입니다. [사실] 3분의 1도 아니고, "경제 전반으로 골고루 확산 중"도 아닙니다. 4분의 3에서 5분의 4가 단 하나의 직업 군집에 쏠려 있었어요.

"AI 스킬은 곧 엑셀처럼 모두의 필수가 된다"는 말, 많이 들어보셨을 겁니다. 그런데 채용공고 데이터는 다른 이야기를 합니다. 이게 다행인지 경고인지는, 당신이 이 격차의 어느 쪽에서 일하고 있느냐에 달렸습니다.

연구진이 실제로 측정한 것

Rafiazka Hilman과 Júlia Koltai — 부다페스트 MTA-TK 디지털 사회과학 연구그룹, 암스테르담 대학교, ELTE 소속 연구진 — 는 2025년 12월부터 2026년 5월까지 LinkedIn, Indeed, Glassdoor에서 수집한 채용공고를 분석했습니다. [사실] 표본은 5개 대륙 10개 노동시장: 미국, 영국, 독일, 네덜란드, 브라질, 인도, 인도네시아, 중국, 싱가포르, 남아프리카공화국입니다.

방법론이 중요한데, 채용공고 연구는 추출 품질에서 갈리기 때문입니다. 연구진은 2단계 접근을 썼습니다. 먼저 규칙 기반 자연어처리로 공고 원문에서 스킬 언급을 뽑아내고, 규칙이 놓친 부분은 오픈 웨이트 LLM(GPT-OSS)의 제로샷 분류로 보완했습니다. [사실] 그다음 직업과 스킬을 잇는 이분(bipartite) 네트워크를 만들고, 이를 직업 간 유사도 지도로 투영한 뒤, Louvain·Leiden 커뮤니티 탐지로 어떤 직업들이 한데 묶이는지 확인했습니다. 두 직업의 스킬 요구가 얼마나 겹치는지는 Jaccard 유사도로 쟀고요.

쉽게 말하면 이렇습니다. "어떤 직업들이 같은 것을 요구받고 있는가"의 지도를 그리고, AI 수요가 그 지도를 어떻게 다시 그리는지를 지켜본 겁니다.

핵심 스킬 4개, 하나의 코어

집중도는 뚜렷했습니다. 10개국 전부에서 AI 관련 공고의 약 75-85%가 STEM 직업에 있었고, 국가 간 편차는 크지 않았습니다. [사실] 고용주들이 요구한 스킬은 연구진이 "압축적인 데이터 역량 코어"라고 부르는 것 — Python, SQL, 머신러닝, 데이터 분석이 모든 부문·모든 국가의 순위를 지배했습니다. [사실]

그 코어의 중심에 있는 직업들도 익숙합니다. 데이터 과학자, 소프트웨어 개발자, 통계학자, 컴퓨터 네트워크 아키텍트가 AI 집약 채용을 이끌었고, 가장자리에는 마케팅 리서치 분석가와 운영 관리자 같은 비즈니스 직군이 등장합니다. 기술 스킬셋을 점점 빌려 쓰는 자리들이죠.

스킬 4개. 직업 몇 개. 전혀 다른 10개 경제에서, 패턴은 하나였습니다.

나머지 95%: AI 채용이 닿지 않는 곳

이제 반직관적인 부분입니다. 보건·교육, 서비스, 생산·물류, 공공서비스·돌봄 — 이 4개 광역 부문은 각각 AI 공고의 5% 미만을 차지했습니다. [사실]

이 대목을 잘 읽어야 합니다. 지배적인 서사와 정반대거든요. 당신이 간호사이거나 교사라면, 2026년 중반 현재 당신 분야의 고용주들은 대부분 당신에게 Python이나 머신러닝을 요구하지 않고 있습니다. "모든 직업이 곧 AI 스킬을 요구할 것"이라는 널리 퍼진 예측은, 적어도 오늘 고용주들이 공고에 실제로 쓰는 문장에서는 근거를 찾을 수 없습니다. [주장]

다만 이게 안전하다는 뜻은 아닙니다. 아래에서 다시 이야기하죠.

신입에게 가장 무거운 요구

이 연구에서 가장 불편한 발견은 연차에 관한 것입니다. 네트워크에 더 엄격한 임계값을 적용했을 때, entry level(신입) 포지션이 AI 스킬 수요와 가장 강한 연결을 유지한 반면, 디렉터·임원급 포지션은 AI 스킬 코어에서 분리됐습니다. [사실]

연구진의 해석은 이렇습니다. AI 역량은 경력 중반의 승진 도구가 아니라 "직업 진입의 전제조건"으로 작동하고 있다는 것. [주장] 다시 말해, 관문이 입구에 세워져 있습니다. 첫 분석가 자리에 지원하는 22살은 면접관인 부서장이 한 번도 충족할 필요가 없었던 — 그리고 지금 공고 패턴으로는 여전히 요구받지 않는 — AI 스킬 요건을 마주합니다.

커리어를 시작하는 사람에게 "일단 들어가서 배우면 되지"는 점점 위험한 전략이 되고 있습니다. 요구가 실리는 곳이 정확히, 당신의 협상력이 가장 약한 사다리의 그 칸이기 때문입니다.

수렴과 분화가 동시에

그래서 AI는 노동시장을 동질화하고 있을까요, 쪼개고 있을까요? 연구의 답은: 둘 다, 그것도 특정하고 불평등한 방식으로. STEM 코어 내부에서는 직업들이 수렴합니다 — 데이터 과학자, 개발자, 통계학자가 점점 같은 압축 스킬셋을 요구받으면서 프로필이 서로 교환 가능해집니다. [사실] 반면 그 코어와 나머지 전체 사이의 거리는 벌어지고 있습니다. 연구진은 이를 이렇게 요약합니다: 이미 유리한 AI 노출 코어 내부의 수렴, 그리고 그 코어와 나머지 직업 구조 사이의 분화 — 두 갈래로 갈라진 기술 변화. [사실]

그리고 이 연구를 흔한 미국 중심 보고서 이상으로 만드는 발견이 있습니다. 이 패턴이 선진국과 개도국에서 똑같이 나타났다는 것. [사실] 브라질, 인도, 인도네시아, 남아공이 미국, 독일, 싱가포르와 같은 코어-대-나머지 구조를 보였습니다. 후발 산업화 경제가 시간이 지나면 통과할 발전 단계가 아니라, AI가 노동시장에 진입하는 방식 자체의 구조적 특징으로 보입니다. [주장]

이 연구가 말해주지 않는 것

솔직한 한계 세 가지입니다. 이 숫자를 어떻게 써야 하는지가 여기서 달라지거든요.

첫째, 채용공고는 AI를 "만들고 배치하는" 수요를 재지, AI를 "쓰는" 일은 잡아내지 못합니다. 매일 아침 ChatGPT로 수업 계획을 다듬는 교사는 이 데이터에 나타나지 않습니다. 공고에 언급이 없으니까요. 공고 속 AI 침투율이 낮다고 해서 그 직업에 대한 AI의 영향이 작은 게 아닙니다 — 태스크 수준 자동화는 채용공고의 예고 없이 도착합니다. [주장]

둘째, 관측 기간이 6개월(2025년 12월-2026년 5월)이고, 출처가 영어 인터페이스 플랫폼 3곳입니다. LinkedIn, Indeed, Glassdoor는 화이트칼라·도시·공식부문 채용을 과대 대표합니다. 비공식 고용 비중이 큰 브라질, 인도, 인도네시아, 남아공에서는 특히요. 경제 전체 기준 집중도는 몇 %p 다를 수 있습니다. 다만 10개국에서 일관되게 나타난 만큼 핵심 발견 자체는 견고해 보입니다. [추정]

셋째, 표본에 일본도, 한국도, 중동도 없습니다. 채용 플랫폼 생태계가 다른 동아시아 시장에서도 같은 패턴이 성립하는지는 검증되지 않았습니다.

그래서 어떻게 해야 하나

STEM 코어 안에서 일한다면: 수렴은 당신의 스킬 프로필이 인접 직군과 점점 겹친다는 뜻입니다. 데이터 직군과 소프트웨어 직군 사이의 이동성이 커지는 만큼, 당신 자리에 지원할 수 있는 사람의 풀도 커집니다. 4개 코어 스킬이 기본값이 되면 차별화는 도메인 지식으로 넘어갑니다. 병원 운영이나 공급망을 이해하는 데이터 과학자가 툴킷만 아는 데이터 과학자를 이깁니다.

5% 미만 부문에서 일한다면: 지금 공고에 AI 요구가 없는 것은 유예기간이지 면제가 아닙니다. 이 시간을 쓰세요. 채용 요건보다 훨씬 먼저 직업에 도달하는 태스크 수준 자동화 노출도는 간호사, 운영 관리자를 비롯한 1,000여 개 직업 상세 페이지에서 확인할 수 있습니다.

커리어 초입이라면: 이 연구의 가장 실용적인 메시지는 당신을 향해 있습니다. AI 스킬 요구는 정확히 당신의 단계에 집중돼 있습니다. Python, SQL, 머신러닝 기초, 데이터 분석 — 이 4개 스킬 코어는 유한하고, 배울 수 있고, 지금은 점점 넓어지는 "첫 직장들"의 입장료입니다. 지금 공고 패턴대로라면 이 입장료는 사라지기보다 인접 신입 직군으로 번질 가능성이 더 높습니다. [추정]

AI는 노동시장을 평평하게 만들고 있지 않습니다. 분류하고 있습니다 — 그리고 그 분류는 입구에서 시작됩니다.

---

AI 지원 분석: 이 글은 아래 인용된 프리프린트를 바탕으로 AI의 지원을 받아 조사·작성되었습니다. 모든 통계는 원 논문과 대조해 검증했으며, [주장]·[추정] 표시가 붙은 문장은 논문의 발견이 아닌 분석적 판단입니다.

출처

• Hilman, R., & Koltai, J. (2026). Occupational Convergence or Divergence? Mapping Labor Market Structural Shifts Driven by AI Penetration. arXiv:2607.28798. https://arxiv.org/abs/2607.28798