IMF 보고서: 이스라엘 근로자 23.1%, AI 대체 고위험 직업에 종사
IMF 신규 보고서에 따르면 이스라엘 근로자의 23.1%가 AI 노출은 높고 보완성은 낮은 직업에 종사합니다. 가장 취약한 집단은 의외로 판매직, 경영·행정 전문직, ICT 전문가입니다.
23.1%. 이스라엘 노동력 중 AI 노출도는 높지만 보완성은 낮은 직업 — IMF가 생산성 향상이 아니라 실질적인 대체 위험으로 분류하는 조합 — 에 종사하는 근로자의 비율입니다. [사실] 판매직, 경영·행정, 심지어 ICT 분야에서 일하고 있다면, 이 범주에는 당신과 같은 일을 하는 사람들이 포함되어 있습니다. 이 보고서에서 정말 흥미로운 부분은 누가 어느 쪽에 서게 되는가인데, 솔직히 그 답은 "AI가 어떤 직업을 먼저 위협하는가"에 대한 통념과 정반대입니다.
이 결과는 2026년 7월 13일 발행된 IMF Selected Issues Paper(2026/061) "The Impact of Artificial Intelligence on Israel's Labor Market"(저자 Ece Ozge Emeksiz)에서 나왔습니다. [사실] 이 논문은 IMF가 2023년 국가 간 AI·노동시장 연구에서 개발한 노출도-보완성 프레임워크를 이스라엘의 직업 구조에 적용했습니다. [사실]
핵심 결론은 양날의 검입니다. 대다수 이스라엘 근로자는 오히려 이득을 볼 가능성이 큽니다. 노출도는 높지만 보완성도 높은 직업, 즉 AI가 일을 대체하기보다 증강하는 직업에 종사하기 때문입니다. [사실] 하지만 근로자 5명 중 약 1명은 고노출·저보완 구간에 있습니다. 그리고 스펙트럼의 반대편에는 AI 노출 자체가 낮은 직업에 종사하는 32.8%의 근로자가 있습니다. 주로 현재 AI 시스템이 거의 건드리지 못하는 육체노동과 대인 서비스입니다. [사실]
위험 구간에 있는 사람들
IMF는 경영·행정 전문직, 판매직, ICT 전문가, 일부 사무직을 대체 압력이 가장 큰 집단으로 지목합니다. [사실] 이 직업들의 공통 구조는 문서 작성, 거래 처리, 기록 대조, 표준화된 고객 응대 같은 반복적 인지 업무 중심이라는 점입니다. 바로 생성형 AI가 지금 저렴하게, 대규모로 수행하는 업무 프로필입니다.
섹터별로 보면 보고서는 ICT, 금융, 보험, 전문 서비스에서 가장 큰 인력 조정을 예상합니다. [사실] 이 목록에 없는 것에 주목하세요. 트럭 운전사도, 공장도, 건설 현장도 없습니다. 이스라엘 경제의 대체 위험은 화이트칼라 고부가가치 산업, 즉 지난 20년간 성장을 이끌었던 바로 그 산업에 집중되어 있습니다.
인구학적 패턴도 직업 패턴을 따라갑니다. 고등교육 이수자는 AI 노출 직업에 크게 집중되어 있고, IMF는 청년층이 이 변화를 가장 빠르게 체감하고 있다고 분석합니다. [사실] "자동화는 나이 많고 교육 수준이 낮은 근로자부터 친다"는 고정관념은 이스라엘 같은 지식 경제에서 AI가 실제로 하고 있는 일과 전혀 맞지 않습니다.
이는 우리 사이트의 직업별 데이터와도 밀접하게 겹칩니다. 영업 담당자, 행정 보조원, 재무 분석가의 위험 프로필은 IMF가 설명하는 것과 같은 패턴을 보여줍니다. 현재 AI 역량과 업무가 크게 겹치되, 결정적 변수는 그 역할에서 판단과 관계가 차지하는 비중이라는 점입니다.
테크 역설: 이스라엘의 강점이 곧 노출
대체 위험 목록에 ICT 전문가가 올라 있다는 것이 이 보고서에서 가장 반직관적인 발견입니다. 이스라엘의 기술 섹터는 경제의 엔진이고, 그 종사자들은 세계에서 가장 AI에 익숙한 인력입니다.
하지만 보고서 자체가 뒷받침하는 반론이 있고, 진지하게 받아들일 가치가 있습니다. 높은 노출이 자동으로 일자리 상실을 뜻하지 않는다는 것입니다. IMF는 이스라엘 노동시장이 비슷한 유럽 경제들보다 AI발 대체에 덜 취약하다고 분석하는데, 정확히 노동력 전반의 보완성이 더 높기 때문입니다. [사실] ICT 종사자는 AI를 대체재가 아니라 생산성 승수로 전환하기에 가장 유리한 집단이기도 합니다. 섹터 평균보다 기술 직군 내부의 분화가 더 중요합니다. 반복적인 구현·테스트 업무는 실질적인 대체 압력을 받는 반면, 시스템 설계, 아키텍처, 문제 정의는 여전히 확고하게 인간의 영역입니다. 소프트웨어 개발자와 컴퓨터 시스템 분석가에 대한 우리 데이터도 정확히 이 내부 분화를 반영합니다.
그러니 정직한 해석은 "이스라엘 테크 일자리는 끝났다"가 아닙니다. 이스라엘 기술 섹터가 경제의 다른 어떤 부분보다 먼저, 그리고 빠르게 재편될 것이며, 적응하는 근로자에게는 큰 이득이, 업무가 대부분 반복적이었던 근로자에게는 실질적 손실이 돌아간다는 것입니다.
상대적으로 안전한 사람들 — 그리고 그게 간단하지 않은 이유
저노출 직업에 종사하는 이스라엘 근로자 32.8%는 신체적·대인적 업무에 집중되어 있습니다. 기능직, 돌봄, 대면 서비스입니다. [사실] 교육·의료 같은 공공서비스에 대해 IMF는 AI가 직원을 대체하기보다 효율을 개선할 것으로 예상합니다. [주장]
그럼 안전한 걸까요? 고용 측면에서는 대체로 그렇습니다 — 지금은요. 하지만 낮은 노출은 양면적입니다. 이 근로자들은 AI발 생산성 이득을 가져갈 위치에서도 가장 멀리 있습니다. 여기서 보고서의 프레임워크가 가리키는 분배 문제가 나옵니다. AI가 주로 고보완성 지식노동의 임금을 끌어올린다면, 대체는 억제되더라도 AI로 증강된 직업과 AI가 닿지 않는 직업 사이의 격차는 오히려 벌어질 수 있습니다. [추정]
분명히 짚어야 할 한계가 하나 있습니다. 노출도와 보완성 점수는 실제 일자리 상실이 아니라 잠재적 위험을 측정합니다. 직무 기술 기반의 직업 단위 추정치이므로, 개별 기업이 AI를 실제로 어떻게 도입할지, 근로자가 직무 내에서 얼마나 빠르게 업무를 전환할지는 포착하지 못합니다. 23.1%라는 수치는 위험을 설명하는 것이지 실업 예보가 아닙니다.
IMF가 이스라엘에 요구하는 것
보고서의 핵심 정책 결론은 포괄적 평생학습 전략입니다. 축소되는 직업 종사자를 위한 재교육(reskilling), 재정의되는 직무를 위한 역량 강화(upskilling), 그리고 비상 대응이 아닌 노동시장의 상설 기능으로서의 경력 중기 훈련입니다. [주장]
이 처방은 위의 위험 지도와 연결하기 전까지는 뻔하게 들립니다. 이스라엘에서 가장 위험한 근로자는 신입이나 저숙련 노동자가 아니라 경력 중반의 고학력 전문직입니다. 대부분 국가의 훈련 시스템은 청년과 실업자를 위해 설계되어 있습니다. 45세 경영·행정 전문가를 인접한 고보완성 직무로 재훈련하는 시스템은 완전히 다른 제도적 과제이고, IMF가 가리키는 것이 바로 그것입니다.
이 직업들 중 하나에 종사하고 있다면
보고서의 논리에서 나오는 실천적 시사점 세 가지입니다.
첫째, 자신의 업무 구성을 점검하세요. 위험은 직함이 아니라 일주일 중 반복적 인지 업무에 쓰는 시간의 비중에 붙어 있습니다. 역할을 판단, 고객 관계, 부서 간 조율 쪽으로 옮기는 것이 가장 직접적인 방어책입니다.
둘째, 판매·행정·재무 운영 분야에 있다면 AI 도구를 지금 필수 소양으로 취급하세요. IMF 프레임워크에 따르면 당신의 결과는 AI가 당신의 일을 보완하는가에 달려 있고, 보완성은 이 시스템과 경쟁하는 대신 지휘하는 법을 배움으로써 부분적으로 스스로 선택할 수 있는 것입니다.
셋째, 경력 중반이라면 국가 훈련 프로그램이 당신에게 도달하기를 기다리지 마세요. 보고서 스스로의 결론이, 이스라엘 제도에는 아직 대규모 경력 중기 재훈련 역량이 없다는 것입니다. 먼저 움직이는 근로자는 스스로의 판단으로 움직이는 사람일 것입니다.
보고서의 결론은 23.1%라는 헤드라인보다 사실 훨씬 희망적입니다. 대다수 이스라엘 근로자는 AI 도입으로 이득을 봅니다. 하지만 그 문장에서 "대다수"라는 단어가 조용히 무거운 일을 하고 있습니다. 5명 중 1명에게는, 증강과 대체의 갈림길이 앞으로 몇 년간 본인과 이스라엘 정책결정자들이 무엇을 하느냐로 결정될 것입니다.
출처
- IMF Selected Issues Paper 2026/061 — The Impact of Artificial Intelligence on Israel's Labor Market
- 보고서 전문 PDF (imf.org)
이 글은 IMF Selected Issues Paper 2026/061에 대한 AI 보조 분석으로 작성되었습니다. 모든 통계는 IMF 보고서에 귀속되며, 위에 링크된 직업별 위험 데이터는 자체 ONET 기반 분석입니다.*
본 분석은 Anthropic Economic Index, 미국 노동통계국(BLS), O*NET 직업 데이터를 기반으로 합니다. 방법론 자세히 보기
업데이트 이력
- 2026년 8월 3일에 최초 게시되었습니다.
- 2026년 8월 3일에 최종 검토되었습니다.