6개 국제기구가 그린 AI 스킬 지도 — 격차는 생각과 다른 곳에 있다

28%. 유럽 성인 노동자 중 이미 직장에서 AI를 쓰고 있는 비율입니다. 그런데 2023-24년에 AI 활용 교육을 받은 사람은 약 15%에 불과합니다. AI가 일터에 도착한 속도와, 그걸 다루는 법을 가르치는 속도 사이의 이 간극 — 6개 국제기구가 공동 서명한 보고서의 조용한 헤드라인이 바로 이것입니다.

2026년 8월에 나온 "Changing Landscape of Skills in the Age of AI"는 ETF·Cedefop·Eurofound·유럽연합 집행위원회·ILO·UNESCO, 즉 직업교육훈련(TVET) 국제기구 협의체(IAG)가 함께 낸 60쪽짜리 보고서입니다. 대부분의 AI×노동 연구는 "어떤 직업이 노출되는가"를 묻지요. 이 보고서는 다른 질문을 던집니다. 당신 직업 안의 어떤 스킬이 가치를 얻고 잃는가. 직업 단위(ILO ASEAN 연구), 과업 단위(미국 첫 과업 단위 채택 조사)에 이은 세 번째 층입니다. 그리고 스킬은 실제로 훈련할 수 있는 유일한 단위예요.

"AI 인력"이 몇 명인지 아무도 합의하지 못한다

모두가 틀리게 알고 있는 숫자부터 봅시다. [사실] 방법론과 정의에 따라, AI를 개발하거나 전문적으로 사용하는 인력의 비중은 전체 고용의 0.3%에서 5%까지 벌어집니다. 보고서가 비교한 연구들 사이의 실제 범위입니다. [추정] 낮은 끝과 높은 끝 사이가 대략 17배 — 측정 도구들끼리 자릿수 단위로 어긋나 있다는 뜻입니다. 다음에 "AI 일자리"에 대한 단일 헤드라인 수치를 보게 되면 이 스프레드를 떠올려 보세요.

높은 끝조차 작습니다. [사실] IMF에 따르면 2025년 미국 채용공고의 거의 5%에 AI 스킬이 등장했는데(2015년 이전엔 1% 미만), 그 절반은 AI 개발자가 아니라 AI 사용자 스킬만 요구합니다. [사실] 유럽 30개국 평균으로 AI 공고는 전체의 약 1%. 영국(16만 8천 건)·독일(10만 2천 건)·프랑스(8만 8천 건)가 유럽 전체의 57%를 차지합니다.

더 쓸모 있는 발견은 부족이 어디에 있느냐입니다. 보고서가 소개하는 한 연구는 AI 스킬을 3개 층위로 나눕니다 — 기초(AI 리터러시 사용자), 중급(소프트웨어·데이터 역량), 고급(AI 연구·엔지니어링). [사실] 중급이 등뼈입니다. AI 언급 공고의 47%, AI 언급 이력서의 63%가 이 중간층이고 수급이 대체로 맞습니다. 불균형은 양 끝에 있어요. 기초 스킬은 공고 29% 대 이력서 22%, 고급은 공고 24% 대 이력서 15%. [추정] 나눗셈을 해 보면 고급층 공급은 표출된 수요의 약 63%, 기초층은 약 76%만 감당합니다. 유럽은 전문가도 부족하고, 평범한 리터러시 사용자도 동시에 부족한 겁니다.

이 산수에 묻힌 반전이 하나 있습니다. "코딩을 배워라, AI 엔지니어가 돼라"는 표준 조언은 가장 작은 층을 겨냥하고 있어요. [주장] 보고서 자체의 종합은 수요의 최대 부피가 피라미드 바닥, 즉 거의 전체 노동력에 필요한 기초 AI 리터러시에 있다고 시사합니다. 소수를 위한 엔지니어링이 아니라요. 고객 서비스 담당자나 재무 분석가로 일하신다면, 스킬 질문은 "모델을 만들 수 있는가"가 아닙니다. "모델을 판단할 수 있는가"입니다.

직업 안에서 실제로 바뀌는 것

보고서의 핵심 메커니즘은 어떤 인지 스킬이 밥값을 하느냐의 이동입니다. [사실] Cedefop의 2024년 조사에서 유럽 노동자의 약 3분의 1은 AI 도입 후 일부 과업을 더 이상 하지 않고, 약 10명 중 4명은 새롭거나 다른 과업을 하며, 67%는 일부 과업을 전보다 빠르게 처리합니다. [사실] OECD의 금융·제조업 사례연구에서는 고용주의 각각 66%와 72%가 "AI가 노동자의 기존 과업을 자동화했다"고 답했는데 — 절반가량은 "전에 없던 과업을 만들어냈다"고도 답했습니다.

비워진 시간을 채우는 건 감독입니다. 보고서는 경제학자 데이비드 오터의 프레임을 빌립니다. 비판적 사고가 정보를 모으는 것에서 검증하는 것으로, 문제를 푸는 것에서 AI 산출물을 통합하는 것으로, 과업을 실행하는 것에서 감독하는 것으로 옮겨간다는 거죠. 이 검증을 건너뛰면 벌어지는 일에는 이제 이름까지 생겼습니다 — "워크슬롭(workslop)". 겉보기엔 전문가 결과물 같지만 인지적 부담을 받는 사람에게 떠넘기는 AI 생성 콘텐츠 말입니다.

직업 내부 수치가 이걸 구체화합니다. [사실] ILO의 과업별 자동화 점수에서 초등교사의 수업 계획 작성 과업은 0.465, 교실 질서 유지 과업은 0.16입니다. [추정] 한 직업 안에서 약 2.9배 차이 — 직업은 살아남고, 과업 구성이 바뀌는 겁니다. 초등학교 교사, 간호사, 외과의사에게도 같은 논리가 적용됩니다. AI는 초안 작성과 모니터링을 가져가고, 인간은 판단과 공감과 예외 처리를 지킵니다. [사실] WEF는 공감·창의성·리더십에 묶인 과업의 AI 전환 가능성을 13%로만 추산합니다.

보고서가 얼버무리지 않는 주름 하나. 소프트 스킬 이야기는 균일하지 않습니다. [사실] 알고리즘 도구를 쓰는 관리자 대상 OECD 조사에서 미국 고용주들은 사회적 스킬 수요가 늘었다고 답한 반면, 유럽 관리자들은 상당한 감소를 보고했습니다. "사회정서 스킬은 언제나 이긴다"는 건 위안이 되는 구호일 뿐, 데이터는 고용주가 일을 어떻게 재설계하느냐에 달렸다고 말합니다.

그리고 보고서의 유럽 직업 분석은 AI를 언급하는 직함을 세 기능으로 분류합니다 — 구축(build), 재설계(redesign), 개선(improve). 구축 칸은 예상대로 소프트웨어 개발자와 데이터 과학자입니다. 그런데 재설계·개선 칸에는 번역가, 기자, 그래픽·제품 디자이너, 마케팅 전문가가 들어 있습니다. AI가 커리어가 아니라 리모델링으로 찾아오는 직업들이지요.

대부분의 노동자가 만나는 AI는 자기를 관리하는 AI다

보고서에서 가장 덜 회자되는 숫자입니다. [사실] 미국에서는 조사 대상 고용주의 약 90%가 노동자를 지시·모니터링·평가하는 알고리즘 도구를 최소 하나 도입했습니다. 프랑스·독일·이탈리아·스페인 평균은 79%, 일본은 40%입니다. [사실] EU 노동자의 24%는 이미 알고리즘이 업무 흐름이나 과업 우선순위를 정하고, 16-17%는 알고리즘이 성과를 모니터링하거나 평가합니다.

사용률과 비교해 보세요. 유럽 노동자의 약 28%가 직접 AI 도구를 씁니다. [추정] 적어도 미국에서는, 알고리즘이 사람을 관리하는 사업장의 비중이 노동자가 능동적으로 AI를 쓰는 비중을 큰 폭으로 웃도는 것으로 보입니다. 많은 사람에게 첫 직장 AI는 자기가 여는 챗봇이 아니라, 한 번도 본 적 없는 스케줄러인 셈이죠. 그러면 "AI 스킬"의 의미도 달라집니다. 내가 어떻게 측정되는지 이해하는 것이 프롬프트 작성만큼 실용적인 스킬이 되고 있습니다.

훈련 시스템은 경주에서 지고 있다

공급 측면은 보고서에서 가장 암울한 대목입니다. [사실] 조사된 유럽 성인 노동자의 40~60%가 AI 리터러시의 기본 축들에 대해 제한적인 이해만 갖고 있습니다. [사실] 호주·독일·싱가포르·미국 4개국 OECD 분석에서 AI 내용을 담은 훈련 과정은 전체의 0.3~5.5%뿐이었습니다. [사실] 한편 2024년 업무에서 AI를 실제로 쓰는 미국 노동자는 25%로, 중국·인도의 약 60%와 대비됩니다. 보고서는 이 격차를 신뢰와도 연결합니다 — AI를 신뢰한다는 응답이 미국은 47%, 중국은 77%거든요.

움직이는 시스템도 있습니다. [사실] 중국은 초등학교부터 연간 최소 8시간의 AI 교육을 의무화했습니다. 에스토니아는 AI 기업들과 제휴해 학생·교사에게 도구를 제공하고, 핀란드의 무료 강좌 Elements of AI는 2018년부터 있었죠. 하지만 보고서의 직설적인 판정은 현재의 훈련 공급이 "수요를 충족하기에 불충분할 수 있다"는 것이고 — AI 교육을 받을 가능성이 가장 낮은 집단이 자동화 노출이 가장 높은 저숙련 노동자라는 점입니다. 훈련은 위험이 아니라 특권을 따라갑니다.

앞으로 12개월, 무엇을 해야 할까

실용적 번역은 화려하지 않습니다. 첫째, 여기 실린 거의 모든 연구가 꼽는 최고 수익률 스킬은 검증입니다. 자기 분야에서 AI 산출물을 확인하고, 맥락에 놓고, 반박하는 능력. 이건 도메인 전문성을 요구합니다 — AI 리터러시는 이미 아는 것의 보완재이지 대체재가 아니에요. 둘째, 공식 훈련이 오지 않는다면(통계적으로 안 옵니다), 보고서 말대로 대부분은 현장에서 배웁니다. 자기 업계가 실제로 쓰는 도구로 의도적으로 연습하는 것이 범용 자격증보다 낫습니다. 셋째, 회사가 알고리즘으로 업무를 어떻게 관리하는지 물어보세요. 그것도 AI 스킬 질문이고, 유럽에서는 노사협의회가 제기할 수 있는 사안입니다.

솔직한 단서 몇 가지. 이 보고서는 기존 연구들의 종합이지 새 1차 데이터가 아닙니다. 표본·연도·정의가 제각각인 조사들에서 숫자를 가져왔고, AI 인력 추정이 0.3%에서 5%까지 벌어지는 이유가 바로 그것입니다. 채용공고 기반 스킬 측정은 기초 스킬을 체계적으로 과소집계합니다 — 고용주는 모두가 가졌다고 가정하는 스킬을 공고에 안 적으니까요. 보고서 스스로 이 점을 인정합니다. 그리고 보고서가 인용하는 ILO 과업 점수는 이 사이트가 쓰는 노출 지표와 같은 방법론 계보에 속합니다. 한쪽의 한계는 다른 쪽의 한계이기도 합니다.

여섯 기구가 무언가에 합의하는 일은 드뭅니다. 이번엔 합의했어요. AI 전환의 희소 자원은 컴퓨팅이 아니라 판단력인데, 그 훈련에 제대로 돈을 대는 곳이 아직 없다는 것. 여러분의 직장은 어떤가요?

Sources

• ETF·Cedefop·Eurofound·유럽연합 집행위원회·ILO·UNESCO (IAG TVET), "Changing landscape of skills in the age of AI," 2026년 8월: https://www.ilo.org/publications/changing-landscape-skills-age-ai
• 보고서 전문 PDF (60쪽): https://www.ilo.org/sites/default/files/2026-08/Final%20version_IAG%20paper_AI%27s%20impact%20on%20skills%20demand_0.pdf

이 글은 AI의 도움을 받아 작성되었으며 사람 편집자의 검토를 거쳤습니다. 모든 수치는 원 보고서 전문과 대조해 검증했고, 자체 계산값은 추정 태그로 표시했습니다.