사상 리더
여성이 일자리를 잃을 위험이 더 큰 이유 — 직무 재설계가 새로운 진로를 여는 방법

핵심 포인트자동화 가능한 직종에 종사하는 여성은 이중 실직 위험과 AI 직종에서의 과소 대표성에 직면해 있다.
더 보기
- 자동화 가능한 직종에 종사하는 여성은 이중 실직 위험과 AI 직종에서의 과소 대표성에 직면해 있다.
- 남성과 여성 간 42포인트의 AI 기술 격차는 불평등한 교육 접근성으로 인해 지속되고 있다.
- 위험 직종의 기술을 새로운 인간-AI 연계 직무로 매핑하는 역할 재설계가 필요하다.
여성이 일자리를 잃을 위험이 더 큰 이유 — 직무 재설계가 새로운 진로를 여는 방법
기술 업계는 수년간 인재 부족을 걱정해 왔다. AI 엔지니어, 데이터 과학자, AI 아키텍트가 수요를 충족할 만큼 충분하지 않다. 기업들은 소수의 동일한 전문가 집단을 놓고 치열하게 경쟁하며, 그중 대부분은 남성이다.
AI 인재 확보 경쟁이 뉴스의 중심을 차지하는 동안 노동시장 반대편에서는 눈에 덜 띄는 위기가 커지고 있다. 수백만 노동자가 AI로 이미 재편되고 있는 일을 하고 있으며, 이 가운데 여성의 비중은 불균형하게 높다. 이들은 전환을 도울 교육, 도구, 새로운 직무에 동등하게 접근하지 못하고 있다.
그 결과 이중의 딜레마가 생긴다. 업계는 AI 역량을 갖춘 인재를 충분히 찾지 못하는데, 여성은 여전히 노동시장에서 가장 큰 미활용 인재 자원으로 남아 있다. 일자리를 잃는 사람과 얻는 사람 사이의 격차는 우연이 아니다. 거의 모든 주요 경제권의 노동 데이터에서 같은 양상이 나타난다. 해결하지 않으면 이 양상은 향후 10년간 노동시장의 성별 구도를 결정하게 될 것이다.
여성이 일자리를 잃을 위험이 더 큰 이유
핵심 수치는 주목할 만하다. 국제노동기구 (ILO)에 따르면 여성 비중이 높은 직종이 생성형 AI의 영향을 받을 가능성은 남성 비중이 높은 직종의 거의 두 배로, 각각 29%와 16%다. 위험이 가장 높은 범주에서는 격차가 더 크다. 여성 비중이 높은 직무의 16%가 자동화에 가장 취약한 범주에 속하는 반면, 남성 비중이 높은 직무에서는 3%다.
ILO 보고서 『생성형 AI, 직업 분리와 노동 세계의 성평등』는 이러한 현상의 원인으로 세 가지를 지목한다. 여성은 자동화될 가능성이 가장 높은 직무를 맡고 있다. 이런 도구를 만드는 과학·기술·공학·수학(STEM) 분야에는 여성이 부재한다. AI 모델은 사회에 이미 뿌리내린 성별 편향을 자주 반영한다.
이는 우연이 아니다. 여성은 전통적으로 사무직, 행정 지원, 데이터 입력, 고객 서비스에 집중되어 왔다. 이런 업무는 반복적이고, 규칙으로 정리할 수 있으며, 처리량이 많아 AI가 가장 잘 다루는 분야다. ILO의 연구는 분석 대상 국가의 88%를 포괄하며, 그중 거의 모든 국가에서 여성이 남성보다 더 큰 영향을 받는다.
영향을 받을 위험은 문제의 절반에 불과하다. AI가 만드는 직무는 기술 및 전략 분야에 집중되어 있고, 여성은 이 분야에서 역사적으로 과소대표되어 왔다. Interface EU의 2024년 연구에 따르면 전 세계 AI 인력 중 여성은 22%에 불과하다. 세계경제포럼의 2025년 성평등 보고서는 STEM 경력 첫해에 여성의 이탈이 크게 나타나며, 경력 전반에 걸쳐 AI 엔지니어링과 리더십에서 여성의 비중이 낮게 유지된다고 밝혔다.
여성은 사라지는 직무에 불균형하게 집중되어 있고 새로 생기는 직무에서는 과소대표된다. 이는 하나의 문제가 아니라 서로를 악화시키는 두 가지 문제다.
세 번째 층위가 상황을 더욱 악화시킨다. 란스타트의 보고서 『인재 부족의 이해: AI와 형평성』는 남녀 간 AI 역량 격차가 42%포인트이며, 각각 71%와 29%라고 제시한다. 남성은 고용주에게 AI 교육을 제공받을 가능성이 더 높고(35% 대 27%), 직장에서 AI 도구를 제공받을 가능성도 더 높다(41% 대 35%). UC 버클리는 전 세계 노동자 143,000명이 포함된 연구 18건을 종합해 여성이 업무에 생성형 AI 도구를 사용할 가능성이 남성보다 약 20% 낮다고 밝혔다. 이 격차는 교육 수준이나 국가 소득 수준과 관계없이 유지됐다.[1] [2] [3]
직업 분리는 여성을 자동화 가능한 직무에 배치했다. STEM 분야의 낮은 여성 비중은 AI가 새로 만드는 직무에 대한 진입을 막았다. 도구 접근성과 교육의 격차는 두 영역 간 전환을 막고 있다. 각 층위는 다른 층위를 강화한다.
직무 재설계의 실제 의미와 대부분의 기업이 잘못 접근하는 이유
조직이 AI에 대비해 인력을 준비한다고 할 때 보통 두 가지 중 하나를 뜻한다. 기존 직원에게 새로운 도구를 교육하거나, 사라진 직무를 새로운 기술직으로 대체하는 것이다. 두 접근법 모두 핵심을 놓친다.
재교육은 필요하지만 충분하지 않다. 여성 데이터 입력 직원에게 프롬프트 설계 강좌를 제공한다고 진로가 생기는 것은 아니다. 그것은 일련의 기술을 줄 뿐이다. 그 직원에게 필요한 것은 목적지다. 조직 안에 실제로 존재하고 책임이 명확하며 현실적으로 옮겨 갈 수 있는 구체적인 직무가 있어야 한다.
사라진 직무를 기술직으로 대체하면 문제가 더 깊어지는 경우가 많다. AI 엔지니어, 데이터 과학자, 머신러닝 전문가 직책에는 자격과 경험이 필요하지만, 일자리를 잃은 노동자 중 이를 갖춘 사람은 드물다. 이런 직책은 기술 업계를 이미 지배하는 동일한 동질적 인재 집단에서 지원자를 끌어들이는 경향도 있다. 여성은 일자리 상실의 타격을 받지만 대체 직무를 얻지는 못한다.
진정한 직무 재설계는 다른 질문에서 시작한다. AI가 어떤 일을 할 수 있는지가 아니라, AI가 반복 업무를 맡는 세계에서 인간은 어떻게 기여하는가라는 질문이다.
인간 고유의 업무는 관계, 맥락, 윤리와 관련된다. 모호한 상황에 대처하고, 고객 및 동료와 신뢰를 쌓으며, 정해진 틀이 없는 상황에서 판단하는 일이다. 이해관계자가 원한다고 말한 것에 그치지 않고 실제로 무엇을 필요로 하는지 이해하는 일이다.
이 접점에서 등장하는 새로운 직무의 명칭은 업종마다 다르다. AI 도입 조정 담당자, 기술 도입 책임자, 인간과 AI의 연락·조정 담당자, 디지털 윤리 담당자, 변화 관리 전문가 등이 있다. 공통적으로 기술과 인간의 복잡성이 만나는 곳에서 일할 수 있는 사람이 필요하다.
이런 직무에는 판단력, 소통 능력, 조직 운영에 대한 깊은 이해가 요구된다. 다시 말해 오늘날 위험에 놓인 직무의 여성들이 오랜 기간 쌓아 온 역량을 직접 발전시킨 것이다.
올바르게 접근하는 기업은 위험에 놓인 직무에 담긴 역량을 파악한다. 직함이 아니라 개인이 실제로 쌓은 능력을 살피고, 그중 어떤 능력이 AI가 만드는 직무에 맞는지 확인한다.
이는 성평등만의 문제가 아니라 인재 문제다
AI 인재 부족은 현실이며 더 심각해지고 있다. AI 도입으로 생기는 직무에는 기술에 대한 이해와 인간의 판단력을 결합한 역량이 필요한데, 이런 조합은 실제로 드물다. 기업들은 소수 인재를 놓고 치열하게 경쟁한다.
여성은 전문 인력 가운데 가장 큰 미활용 인재 자원이다. 위험에 놓인 직무에 담긴 관계 관리, 운영 조정, 윤리적 추론, 이해관계자 소통 등의 역량은 AI 시대의 새로운 직무가 필요로 하는 것과 정확히 일치한다. 두 사실의 연결은 분명해야 한다.
역량 기반 채용이 이 연결을 가능하게 한다. 자격과 일직선 경력 경로로 지원자를 거르지 않고 실제로 무엇을 할 수 있는지 평가한다. 이는 수년간 행정 및 서비스 업무를 통해 능력을 키운 사람들에게 새로운 직무의 문을 연다. 바로 AI가 지금 자동화하는 업무들이다. 잘 설계된 채용은 인재 집단을 넓히는 데 그치지 않고, AI로 업무가 강화되는 환경에서 조직이 가장 필요로 하는 구체적인 경험을 드러낸다.
조직이 올바르게 실행하는 모습
하나의 정답 모델은 없다. 그러나 의미 있는 진전을 이루는 조직에는 공통적으로 확인할 수 있는 행동이 있다.
이들은 직함이 아니라 역량에서 출발한다. 어떤 직무든 자동화하기 전에 그 일을 하는 사람이 실제로 무엇을 할 수 있는지 파악하고, 조직이 앞으로 필요로 할 능력과 대조한다. 질문은 일자리를 자동화할 수 있는지가 아니다. 그 일을 하는 사람이 무엇을 알고 있으며, 그 지식이 새로 구축하는 체계의 어디에 들어맞는지가 중요하다.
선도 조직은 역량 향상에 대한 막연한 약속을 넘어 명확하고 구체적이며 실행 가능한 경로를 만든다. 미래 기회에 대한 일반적인 희망 대신 현재 직무에서 명확한 미래 직무로 이어지는 경로를 제시하고, 단계와 일정, 지원 체계를 분명히 정한다. 전형적인 직원 한 명이 아니라 전체 인력을 위해 교육을 설계한다. 근무 시간 밖에서 진행되거나 자기주도 학습을 요구하는 프로그램은 돌봄 책임이 있는 사람들을 구조적으로 배제한다. 포용적 설계란 일정을 잡을 수 있는 모듈형 교육을 근무 시간에 제공하고, 실험과 실패가 성과 평가에 영향을 미치지 않도록 심리적 안전을 보장하는 것이다.[1]
이 접근은 노동시장의 근본적인 변화와도 맞닿아 있다. 란스타트 워크모니터 2026은 전통적인 ‘경력 사다리’가 제 기능을 하지 못하고 있으며, 이제 고용주의 72%가 일직선 경력 경로는 시대에 뒤떨어졌다고 동의한다고 밝혔다. 이에 노동자들은 ‘포트폴리오 경력’을 구축하며 위험을 줄이고 있다. 이 새로운 모델은 하나의 직무에서 장기 근속하는 대신 다양성, 자신의 진로를 스스로 결정할 권한, 폭넓은 경험에서 얻는 안정성을 중시한다.
앞으로 24개월의 영향은 오래 지속될 것이다
노동력 전환은 쉽게 되돌릴 수 없다. 지금 형성되는 양상은 수년간 이어지는 경향이 있다.
분명한 목표를 갖고 행동하는 조직은 이 시기를 활용해 지금보다 역량이 뛰어나고 다양한 인력을 구축할 수 있다. AI 전환을 기술 프로젝트로만 여기고 사람 문제를 각주로 밀어 두는 조직은 더 좁은 인재 기반과 더 어려운 채용 문제를 마주하게 될 가능성이 크다.












