![[기획 3부작: AI 시대 직업의 대격변 ②]](https://timeread.kr/wp-content/uploads/2026/10/38호-기획3부작AI시대직업의대격변.png)
기계가 근육을 대신했을 때, 이번에는 두뇌를 건드렸다
들어가며: 200년 전의 기계와 오늘의 인공지능
1812년 2월 6일, 영국 노팅엄의 행정관 로버트 베이커가 정부에 편지를 보냈습니다.
편지에는 당시 직물 노동자들이 처한 어려움이 담겨 있었습니다. 일감을 얻지 못하는 사람이 있었고, 일부 사업주가 낮은 임금을 지급하는 문제도 있었습니다. 노동자들의 불만은 기계 파괴로 이어졌습니다.
베이커는 기계 파괴에 반대하는 입장이었지만, 실업과 낮은 임금이 갈등의 배경이라는 사실도 기록했습니다.
200년이 넘도록 남아 있는 이 문서는 당시의 저항을 단순한 기계 혐오만으로 설명하기 어렵다는 사실을 보여줍니다.¹)
우리는 이 사건을 러다이트 운동이라고 부릅니다.
러다이트 운동은 1811년 노팅엄셔에서 시작되어 요크셔와 랭커셔 등으로 퍼졌습니다. 지역마다 사정은 달랐습니다. 어떤 곳에서는 기계 도입에 따른 일자리 감소가 문제였고, 다른 곳에서는 임금 삭감과 작업 방식의 변화가 갈등을 키웠습니다.
기계를 부수는 행동이 정당했다는 뜻은 아닙니다.
다만 그들이 무엇을 두려워했는지 이해하려면 기계만 바라봐서는 부족합니다.
그 기계가 들어온 뒤 자신의 일이 어떻게 달라졌는지, 임금은 어떻게 변했는지, 앞으로도 생계를 이어갈 수 있었는지 함께 살펴야 합니다.
오늘날 우리는 다시 새로운 기계 앞에 서 있습니다.
이번에는 공장의 베틀이나 증기기관이 아닙니다. 사무실의 컴퓨터 화면에서 보고서를 작성하고, 자료를 분석하고, 프로그램 코드를 만들어 내는 인공지능입니다.
과거의 기계는 사람이 몸을 움직여 수행하던 많은 작업을 바꾸었습니다. 오늘날의 AI는 사람이 지식을 이용해 처리하던 업무의 일부까지 바꾸고 있습니다.
물론 산업혁명기의 기계가 육체노동만 대신한 것은 아니며, AI가 인간의 사고 전체를 대신하는 것도 아닙니다.
두 시대를 구분하는 핵심은 기계가 맡을 수 있는 업무의 범위가 달라졌다는 사실입니다.
그렇다면 과거의 산업혁명은 오늘의 우리에게 무엇을 알려줄까요.
역사를 돌아보면 기술이 발전하는 과정뿐 아니라, 그 변화 속에서 사람들이 어떤 문제를 겪었고 어떻게 대응했는지도 볼 수 있습니다.
새로운 기계가 등장했을 때 사람의 일은 어떻게 달라졌는가.
생산성이 높아지면서 사람들의 생활도 함께 나아졌는가.
그리고 그 변화에 적응할 기회는 누구에게 주어졌는가.
이 질문들을 따라가면 AI 시대의 직업 문제를 조금 더 넓은 자리에서 바라볼 수 있습니다.
1. 기계가 들어온 공장: 생산은 늘었지만 삶은 저절로 나아지지 않았다
산업혁명 이전에도 사람들은 여러 종류의 기계를 사용했습니다.
물의 힘으로 움직이는 방앗간이 있었고, 실을 잣는 물레와 천을 짜는 베틀도 있었습니다. 무거운 짐을 옮길 때는 가축의 힘을 빌렸습니다.
18세기 후반부터 달라진 것은 동력을 사용하는 방식과 생산의 규모였습니다.
증기기관이 개량되고 공장 생산이 확대되면서 이전보다 많은 물건을 일정한 속도로 만들 수 있게 되었습니다.
직물을 생산하는 일도 크게 변했습니다.
집이나 작은 작업장에서 숙련자가 맡던 작업의 일부가 공장으로 옮겨졌습니다. 여러 공정이 나뉘었고, 노동자는 기계의 작동과 공장의 시간표에 맞추어 일하게 되었습니다.
이전에는 작업자가 자신의 손놀림과 경험에 따라 일의 속도를 조절하는 경우가 많았습니다.
공장에서는 기계가 돌아가는 동안 정해진 자리를 지켜야 했습니다.
작업의 중심이 사람의 손에서 기계와 생산 설비로 이동한 것입니다.
생산량은 늘었습니다.
그러나 생산이 늘어나는 속도와 노동자의 생활이 나아지는 속도는 같지 않았습니다.
산업화 초기의 여러 공장에서는 긴 노동시간과 열악한 작업 환경이 문제가 됐습니다. 어린이도 위험한 작업에 동원됐습니다.
숙련된 기술로 생계를 이어오던 사람들은 기계 도입과 작업 방식의 변화에 따라 이전과 같은 임금을 받기 어려워지기도 했습니다.
그렇다고 모든 노동자가 같은 어려움을 겪은 것은 아닙니다.
새로운 공장에서 일자리를 얻은 사람도 있었고, 기계 제작과 수리처럼 이전에는 규모가 작았던 분야에서 새로운 기회가 생기기도 했습니다.
기술은 기존의 일을 줄이는 동시에 다른 일을 만들어 냈습니다.
문제는 사라지는 일과 새롭게 생기는 일이 같은 사람에게, 같은 장소에서, 같은 시기에 주어지지 않았다는 점입니다.
오랫동안 직물을 짜던 사람이 곧바로 기계를 설계할 수 있는 것은 아니었습니다.
새로운 기술을 배우려면 시간과 비용이 필요했습니다. 일자리가 생긴 지역으로 이동해야 하는 경우도 있었습니다.
그동안의 생활은 누가 책임져야 할까요.
산업혁명 당시에도 이 질문은 쉽게 해결되지 않았습니다.
시간이 흐르면서 노동자들은 임금과 작업 환경의 개선을 요구했습니다. 노동조합이 성장했고, 노동시간과 아동 노동을 규제하는 법률도 점차 만들어졌습니다.
1919년 국제노동기구가 채택한 첫 협약은 산업 분야에서 하루 8시간, 주 48시간 노동을 원칙으로 제시했습니다.²)
오늘날 익숙한 주 40시간 노동은 그 뒤에도 여러 나라에서 오랜 기간에 걸쳐 확대된 제도입니다.
여기에서 중요한 사실이 드러납니다.
증기기관이 발명됐다고 해서 노동시간이 저절로 줄어든 것은 아니었습니다.
생산성이 높아져도 그 성과가 노동자의 휴식과 임금, 안전으로 이어지려면 별도의 결정과 제도가 필요했습니다.
기계는 더 많은 물건을 만들 수 있게 했습니다.
그 성과를 어떻게 나눌 것인지는 사회가 해결해야 할 문제로 남았습니다.
기술이 만들어 내는 가능성과 사람이 실제로 누리는 생활은 같은 것이 아니었습니다.
이 차이를 이해하는 것이 오늘날 AI를 바라보는 첫 번째 출발점입니다.
2. 공장에서 사무실로: 공부가 직업의 기회가 된 시대
오래된 사무실 사진을 보면 책상마다 종이 서류가 쌓여 있습니다.
직원들은 장부에 숫자를 적고, 문서를 분류하고, 거래 내용을 확인합니다.
전화가 울리면 메모를 남깁니다. 회의가 끝나면 논의한 내용을 정리해 관계자들에게 전달합니다.
오늘날 컴퓨터 한 대로 처리하는 업무 가운데 상당수는 여러 사람이 나누어 맡았습니다.
산업이 성장하면서 공장 밖에서도 해야 할 일이 늘어났기 때문입니다.
기업은 생산한 물건을 판매하고 운송해야 했습니다. 거래 내용을 기록하고 대금을 정산해야 했습니다.
은행과 보험회사는 수많은 계약과 숫자를 관리했습니다.
정부와 공공기관에서도 행정 업무가 늘어났습니다.
산업화는 공장 노동을 확대했지만, 동시에 사무직과 전문직, 서비스업이 성장할 토대도 만들었습니다.
이 과정에서 교육의 의미가 달라졌습니다.
글을 읽고 문서를 작성하는 능력, 숫자를 다루는 능력, 전문 지식을 익히는 일이 새로운 직업으로 들어가는 중요한 조건이 됐습니다.
한국에서도 산업화와 경제 성장 과정에서 교육은 더 나은 직업을 얻기 위한 중요한 통로로 여겨졌습니다.
부모 세대는 자녀가 자신보다 나은 환경에서 일하기를 바랐습니다.
학비를 마련하기 위해 지출을 줄이고, 자녀를 먼 지역의 학교로 보내기도 했습니다.
책상 앞에서 공부하는 시간에는 한 사람의 미래가 걸려 있었습니다.
공부를 잘하면 좋은 직업을 얻을 수 있다는 기대가 컸습니다.
물론 학력이 언제나 안정된 생활을 보장한 것은 아닙니다. 같은 학교를 졸업해도 취업 기회는 달랐고, 경기 침체가 찾아오면 전문 지식을 갖춘 사람도 어려움을 겪었습니다.
그럼에도 교육을 통해 이전 세대와 다른 직업에 진입할 수 있는 길이 넓어진 것은 중요한 변화였습니다.
여기에는 하나의 전제가 있었습니다.
학교에서 배운 지식을 업무에 적용하고, 그 일을 반복하면서 경험을 쌓으면 더 높은 숙련에 도달할 수 있다는 전제입니다.
이제 AI가 그 과정을 바꾸고 있습니다.
과거에는 외국어 문서를 읽고 번역하는 데 상당한 시간이 필요했습니다.
이제 번역 도구를 이용하면 짧은 시간에 초안을 얻을 수 있습니다.
자료를 모아 보고서를 작성하는 일도 달라졌습니다.
AI는 여러 자료를 정리하고 문서의 구조를 제안할 수 있습니다.
프로그램을 개발할 때도 반복적인 코드 작성에 도움을 받을 수 있습니다.
이런 변화를 보면서 공부의 가치가 줄어드는 것 아니냐고 묻는 사람이 있습니다.
그러나 지식을 얻는 일이 쉬워졌다는 사실과 그 지식을 이해할 필요가 없어졌다는 말은 다릅니다.
번역문을 받는 일은 쉬워졌지만, 그 번역이 원문의 뜻을 제대로 전달하는지 판단하려면 언어와 맥락을 알아야 합니다.
AI가 작성한 보고서를 읽을 때도 마찬가지입니다.
숫자의 출처가 정확한지, 비교 기준이 적절한지, 결론이 실제 자료에서 나오는지 확인해야 합니다.
그런 능력은 단순히 AI의 사용법을 익힌다고 생기지 않습니다.
관련 분야를 공부하고 실제 업무를 경험하면서 길러집니다.
다만 공부하는 방식은 달라질 필요가 있습니다.
정보를 얼마나 많이 기억하는지만으로는 충분하지 않습니다.
그 정보가 어떤 상황에서 필요한지, 서로 충돌하는 자료 가운데 무엇을 믿을지, 실제 문제에 어떻게 적용할지까지 이해해야 합니다.
AI가 지식을 얻는 시간을 줄여줄수록, 그 지식을 제대로 사용하는 능력이 중요해집니다.
교육의 가치가 사라지는 것이 아닙니다.
배운다는 말의 내용이 바뀌고 있는 것입니다.
3. 사무실과 작업장의 역전: 직업의 이름보다 중요한 것
한 건물의 관리실로 누수 신고가 들어왔다고 가정해 보겠습니다.
관리 직원은 신고 내용을 확인하고 현장으로 향합니다.
물이 새는 곳은 벽 뒤편입니다. 도면에 표시된 배관 위치와 실제 위치가 조금 다릅니다.
직원은 바닥에 남은 물의 흔적을 살피고, 어느 방향에서 물이 흘러왔는지 확인합니다.
문제의 원인을 찾았다고 해도 작업은 끝나지 않습니다.
좁은 공간에서 몸을 움직여야 하고, 다른 설비를 건드리지 않도록 주의해야 합니다.
같은 누수 신고라도 건물의 구조와 배관의 상태에 따라 해결 방법이 달라집니다.
이런 작업에는 자료를 읽는 능력뿐 아니라 현장을 살피는 눈, 손의 감각, 경험에서 얻은 판단이 필요합니다.
반면 사무실에서는 다른 변화가 나타납니다.
공개된 자료를 모아 요약하거나 일정한 형식의 문서를 작성하는 일은 AI의 도움을 받기 쉬워졌습니다.
그래서 뜻밖의 질문이 생깁니다.
오랫동안 책상에서 하는 일이 더 안정적이라고 여겼는데, 앞으로도 그럴까요.
이 문제를 이해할 때 참고할 만한 개념이 ‘모라벡의 역설’입니다.
컴퓨터가 복잡한 계산이나 규칙이 분명한 문제를 해결하는 데 뛰어난 성과를 보이더라도, 사람이 일상에서 자연스럽게 수행하는 감각과 운동 능력을 기계로 구현하는 일은 어려울 수 있다는 관찰입니다.
사람은 컵을 집어 들 때 손가락의 힘을 일일이 계산하지 않습니다.
계단을 내려갈 때도 발의 위치와 몸의 균형을 끊임없이 조절합니다.
그러나 로봇이 다양한 환경에서 이런 행동을 안정적으로 수행하려면 주변을 인식하고 물체의 상태를 파악하며 움직임을 조절해야 합니다.
오늘날 로봇 기술도 빠르게 발전하고 있습니다.
따라서 현장에서 몸을 움직이는 직업이 영원히 자동화되지 않는다고 말할 수는 없습니다.
이미 공장과 물류시설에서는 로봇이 반복적인 운반과 조립 작업을 맡고 있습니다.
다만 정해진 환경에서 같은 동작을 반복하는 일과 매번 조건이 달라지는 현장을 처리하는 일은 기술적으로 요구하는 능력이 다릅니다.
경제협력개발기구(OECD)가 2026년 발표한 분석에서도 현재 AI의 역량은 반복적인 정보 처리와 규칙화하기 쉬운 업무에 상대적으로 가까운 반면, 맥락에 따른 판단과 복잡한 의사결정, 대인 이해와 책임이 필요한 업무에서는 더 큰 차이가 있는 것으로 나타났습니다.³)
이 결과를 읽을 때 주의할 점이 있습니다.
AI의 영향을 많이 받는 직업이 곧바로 사라질 직업이라는 뜻은 아닙니다.
AI가 일부 업무를 지원하면서 사람의 역할이 달라질 수 있습니다.
반대로 현재 생성형 AI의 영향을 적게 받는 현장 업무도 로봇과 자동화 설비의 발전에 따라 변할 수 있습니다.
따라서 화이트칼라가 불리해지고 블루칼라가 유리해진다고 단순하게 결론 내릴 수는 없습니다.
같은 직업 안에서도 어떤 일을 맡느냐에 따라 차이가 생깁니다.
건물 관리 직원은 현장 점검을 직접 하면서 AI를 이용해 정비 기록을 정리할 수 있습니다.
설계자는 AI로 여러 도면을 비교하면서 현장의 제약 조건을 직접 확인할 수 있습니다.
요양보호사는 기록 업무에서 도움을 받을 수 있지만, 돌봄을 받는 사람의 상태를 살피고 적절히 대응하는 일에는 별도의 경험과 주의가 필요합니다.
이런 사례를 살펴보면 직업을 책상과 현장으로 나누는 구분만으로는 충분하지 않습니다.
더 중요한 것은 그 일이 어떤 환경에서 이루어지며, 예상하지 못한 상황을 얼마나 자주 만나고, 사람에게 어떤 책임을 요구하는가 하는 점입니다.
AI 시대에는 직업의 이름보다 실제로 수행하는 업무의 내용을 자세히 들여다볼 필요가 있습니다.
4. 정답이 빨라지는 시대: 무엇을 묻고 무엇을 확인할 것인가
회의를 앞둔 직원이 AI에 질문합니다.
“우리 회사의 매출이 줄어든 이유를 분석해 줘.”
AI는 가능한 원인을 정리합니다.
경쟁 심화, 소비 감소, 가격 변화, 판매 채널의 문제 등이 차례로 제시됩니다.
문장은 매끄럽고 설명도 그럴듯합니다.
그러나 직원은 그 답변만으로 회의에 들어가기 어렵습니다.
어느 제품의 매출이 줄었는지, 어느 지역에서 변화가 컸는지, 경쟁사의 상황은 실제로 어떠한지 확인해야 하기 때문입니다.
질문을 조금 바꾸어 봅니다.
“최근 6개월 동안 제품별 매출 변화를 비교하고, 가격 인상 전후에 판매량이 어떻게 달라졌는지 확인해 줘. 확인할 수 없는 원인은 추정이라고 표시해 줘.”
이제 검토할 방향이 구체적입니다.
필요한 자료도 분명해졌습니다.
그렇다고 두 번째 질문만으로 정확한 답이 보장되는 것은 아닙니다.
자료가 부족하면 분석에도 한계가 있습니다.
잘못된 숫자를 입력했다면 AI가 아무리 정교한 문장을 만들어도 결과는 잘못될 수 있습니다.
따라서 중요한 것은 질문을 멋지게 만드는 기술만이 아닙니다.
무엇을 알고 싶은지 분명히 하고, 어떤 자료가 필요한지 판단하며, 나온 답을 실제 상황과 대조하는 능력입니다.
우리는 오랫동안 정답을 빨리 찾는 능력을 높이 평가했습니다.
시험에서는 정해진 시간 안에 문제를 풀어야 했고, 업무에서도 필요한 정보를 먼저 찾아내는 사람이 유리했습니다.
이제 정보 검색과 초안 작성에 드는 시간은 줄어들고 있습니다.
그렇다면 사람은 그만큼 덜 생각해도 될까요.
실제 일터에서는 오히려 새로운 판단이 필요합니다.
자료가 충분하지 않은데도 결정을 내려야 하는 순간이 있습니다.
숫자로는 좋아 보이지만 현장에서 불편이 커지는 경우도 있습니다.
비용을 줄이는 방법이 여러 가지일 때 어느 방법을 선택할지 결정해야 합니다.
이런 문제에는 계산 외의 요소가 들어갑니다.
회사의 목적, 고객과의 약속, 안전, 장기적인 신뢰 등을 함께 살펴야 합니다.
AI도 이러한 요소를 비교하고 선택지를 제시하는 데 도움을 줄 수 있습니다.
그러나 최종적으로 무엇을 중요하게 여길 것인지는 사람과 조직이 정해야 합니다.
여기에서 통찰력이라는 말이 구체적인 의미를 갖습니다.
통찰력은 남들이 모르는 비밀을 단번에 알아내는 특별한 재능만을 뜻하지 않습니다.
익숙한 자료에서 빠진 부분을 발견하고, 서로 다른 사실 사이의 관계를 살피며, 지금 내려야 할 판단의 기준을 분명히 하는 능력도 통찰력입니다.
예를 들어 매출이 줄었다는 보고서를 읽고 곧바로 판매 인력을 늘리자고 결정할 수 있습니다.
그러나 고객의 불만이 늘어난 시점과 매출이 감소한 시점을 비교하면 다른 문제가 드러날 수 있습니다.
제품의 품질이나 사후 관리가 원인이라면 판매 인력을 늘리는 것만으로 해결되지 않습니다.
필요한 것은 더 많은 정보가 아니라 문제를 정확하게 바라보는 시선입니다.
이 능력은 책상 앞에서만 자라지 않습니다.
현장을 찾아가고, 실제로 일을 해보고, 다른 사람의 설명을 들으며 자신의 판단을 수정하는 과정에서 깊어집니다.
AI가 정보를 빠르게 제공할수록 사람에게는 그 정보를 현실과 연결하는 경험이 더욱 중요해집니다.
답을 얻는 속도가 빨라진 시대에는 답을 받아들이기 전에 무엇을 확인해야 하는지가 새로운 실력이 됩니다.
5. 역사가 남긴 숙제: 기술의 이익을 어떻게 나눌 것인가
산업혁명 당시 공장주와 노동자가 같은 기계를 바라보는 마음은 달랐습니다.
공장주에게 기계는 생산량을 늘리고 비용을 줄일 수 있는 설비였습니다.
노동자에게는 익숙한 기술의 가치가 떨어지거나 임금이 줄어들 수 있다는 불안의 원인이었습니다.
어느 한쪽의 시선만으로 그 시대를 설명할 수는 없습니다.
기계는 실제로 생산성을 높였고, 새로운 산업과 직업이 등장하는 데 기여했습니다.
동시에 기술 변화에 적응할 시간과 자원이 부족했던 사람들은 큰 어려움을 겪었습니다.
그 과정에서 노동시간과 작업 환경, 교육 기회에 관한 사회적 논의가 이어졌습니다.
이 역사는 오늘날에도 중요한 질문을 남깁니다.
AI로 업무 시간이 줄어들면 그 시간은 누구에게 돌아갈까요.
기업이 비용을 절감하면 직원은 새로운 기술을 배울 기회를 얻을까요.
기존 업무가 사라지는 사람에게는 다른 업무로 옮겨갈 준비 시간이 주어질까요.
처음 취업하는 사람은 어디에서 실무 경험을 쌓을까요.
이 질문들은 기술의 성능만으로 답할 수 없습니다.
기업의 채용과 교육 방식, 노동시장 제도, 개인이 이용할 수 있는 학습 기회가 함께 영향을 미칩니다.
산업혁명 이후에도 사람들은 기술이 만든 변화에 적응하기 위해 새로운 기술을 익혔습니다.
그러나 적응을 개인의 노력만으로 해결한 것은 아니었습니다.
학교와 직업교육이 확대됐고, 노동 관련 제도가 바뀌었으며, 기업도 새로운 방식으로 사람을 채용하고 훈련했습니다.
오늘날에도 비슷한 준비가 필요합니다.
기업은 AI를 도입할 때 어떤 업무가 줄어드는지만 살펴서는 부족합니다.
어떤 업무가 새롭게 생기는지, 직원이 무엇을 배워야 하는지, 경험이 적은 사람이 어떻게 숙련을 쌓을 수 있는지 함께 검토해야 합니다.
개인에게도 할 일이 있습니다.
자신이 오래 해온 업무를 하나씩 살펴볼 필요가 있습니다.
반복적인 문서 작업은 AI의 도움을 받을 수 있는지, 현장에서 직접 확인해야 할 사항은 무엇인지, 자신의 경험이 특히 필요한 판단은 어디에 있는지 구분해 보는 것입니다.
오랫동안 한 직장에서 일한 사람이라면 익숙한 방식이 바뀌는 것이 부담스러울 수 있습니다.
새로운 도구를 처음 사용하는 일도 쉽지 않습니다.
그렇다고 그동안 쌓은 경험이 한순간에 의미를 잃는 것은 아닙니다.
오히려 새로운 도구가 만든 결과를 실제 업무와 비교할 때 기존 경험이 도움이 됩니다.
다만 경험이 많다는 이유로 새로운 방식을 무조건 거부해서도 안 됩니다.
기존의 방법과 새로운 도구를 비교해 보고, 어느 쪽이 더 안전하고 정확한지 직접 확인할 필요가 있습니다.
처음부터 모든 기능을 익힐 필요는 없습니다.
자신이 반복해서 하는 업무 하나를 정해 작은 범위에서 시험해 보는 것으로 시작할 수 있습니다.
그 과정에서 줄어드는 일과 새롭게 확인해야 하는 일을 구분할 수 있습니다.
이렇게 하면 기술을 막연한 위협으로만 바라보지 않고 자신의 업무와 연결해 이해할 수 있습니다.
다만 한 가지는 잊지 말아야 합니다.
모든 사람이 같은 조건에서 새로운 기술을 배울 수 있는 것은 아닙니다.
일을 마치고 교육받을 시간이 없는 사람도 있습니다.
비용이 부담스러운 사람도 있고, 회사의 지원을 받지 못하는 사람도 있습니다.
그래서 기술 변화에 적응하라는 말은 개인에게만 요구해서는 충분하지 않습니다.
새로운 기술을 배우라고 요구하는 사회라면, 배울 수 있는 시간과 기회도 함께 마련해야 합니다.
나가며: 기계가 바꾼 것은 일만이 아니었다
200년 전 직물 노동자들은 자신들이 익혀온 기술이 흔들리는 순간을 마주했습니다.
그 뒤로 세상에는 새로운 기계가 계속 등장했습니다.
공장의 설비가 달라졌고, 운송 방식이 바뀌었으며, 사무실에는 컴퓨터가 들어왔습니다.
사람들은 그때마다 일을 배우는 방법을 바꾸어야 했습니다.
그 과정은 언제나 순탄하지 않았습니다.
어떤 사람은 새로운 기회를 얻었고, 어떤 사람은 익숙한 일터를 떠나야 했습니다.
그러나 역사가 보여주는 변화는 직업의 교체만이 아닙니다.
사람들은 노동시간을 줄이기 위해 요구했고, 작업 환경을 개선했으며, 다음 세대가 더 많은 것을 배울 수 있는 길을 마련했습니다.
기술이 바뀌는 동안 일하는 사람의 권리와 생활에 관한 기준도 함께 달라졌습니다.
오늘날 AI는 문서를 작성하고 정보를 정리하며 복잡한 업무의 일부를 지원하고 있습니다.
앞으로 그 범위는 더 넓어질 것입니다.
그렇다고 모든 직업이 같은 방향으로 변하지는 않습니다.
어떤 업무는 크게 줄어들고, 어떤 업무는 AI의 도움으로 더 많은 일을 처리하게 될 것입니다. 새로운 역할도 생겨날 것입니다.
지금 필요한 것은 어느 직업이 마지막까지 남을지 맞히는 일이 아닙니다.
자신이 하는 일의 내용을 정확하게 이해하고, 새로운 도구를 배울 기회를 확보하며, 기술 변화의 성과가 사람들의 생활에도 이어지도록 살피는 일입니다.
산업혁명은 기계가 얼마나 많은 일을 할 수 있는지 보여주었습니다.
그 뒤의 역사는 또 다른 사실을 남겼습니다.
기계가 만들어 낸 풍요가 사람들의 삶에 도달하기까지는 오랜 시간과 사회적 노력이 필요했다는 사실입니다.
AI 시대에도 이 문제는 다시 등장하고 있습니다.
기술은 이전보다 빠르게 발전하고 있습니다.
그러나 사람이 새로운 일을 배우고, 익숙한 생활을 바꾸고, 자신이 맡은 일을 책임지는 데에는 시간이 필요합니다.
기술의 발전 속도만큼 중요한 것은 그 변화 속에서 사람이 배우고 살아갈 길을 마련하는 일입니다.
우리가 과거의 산업혁명에서 배워야 할 가장 중요한 교훈도 여기에 있습니다.
각주
- 영국 국립기록보관소(The National Archives), Why did the Luddites protest?. 1812년 2월 6일 로버트 베이커의 편지를 포함한 사료를 통해 러다이트 운동의 배경을 살펴볼 수 있습니다. 당시 노동자들의 저항에는 기계 도입에 따른 실업 우려뿐 아니라 임금과 노동조건의 변화에 대한 반발도 포함됐습니다.
- 국제노동기구(ILO), Hours of Work (Industry) Convention, 1919 (No. 1). 1919년 채택된 첫 국제노동협약은 산업 분야에서 하루 8시간, 주 48시간 노동을 원칙으로 제시했습니다.
- 경제협력개발기구(OECD), The OECD AI Exposure Measure: Mapping the OECD AI Capability Indicators to Occupations, 2026년 5월. 직업별 업무와 AI 역량의 관계를 분석한 보고서입니다. AI에 대한 노출 정도와 실제 직업의 자동화 가능성을 동일하게 보아서는 안 된다는 점을 이해하는 데 참고할 수 있습니다.
다음 편: [AI 시대 직업의 대격변 ③] 남겨진 사람들의 생존 공식 — 기계의 시대, 나만의 대체 불가능한 고유성을 만드는 실천 전략
![[기획 3부작: AI 시대 직업의 대격변 ①]](https://timeread.kr/wp-content/uploads/2026/10/AI-시대의-무너진-커리어-계단.png)
