4,000명이 사라진 자리, AI 에이전트가 앉다
에이전트 AI가 노동시장을 재편하는 방식과 그 이면
작성일: 2026년 3월 29일
참조: raylogue.com, Threads @ray_etranger, 최신 검색 데이터 기반 상세 분석
들어가며: 한 CEO의 고백이 드러낸 것
2026년 3월, 마크 베니오프(Marc Benioff) 세일즈포스(Salesforce) CEO는 팟캐스트 《The Logan Bartlett Show》에 출연해 아무렇지 않게 이 말을 꺼냈다.
“나는 서포트 인원을 9,000명에서 5,000명으로 줄였습니다. 인원이 덜 필요하기 때문입니다.”
248억 달러 규모의 기업을 이끄는 인물이, 자신의 회사에서 4,000개의 일자리가 사라졌다는 사실을 이렇게 담담하게 발언했다는 것은 상징적이다. 세일즈포스는 이 변화를 “헤드카운트 재조정(headcount rebalance)”이라고 불렀다. 시장은 “효율화”라고 평가했다. AI 산업은 이를 “에이전트 AI 성공 사례”로 홍보했다. 그러나 직업을 잃은 4,000명의 관점에서 이 사건을 어떻게 불러야 할까.
이 문서는 세일즈포스 사례를 출발점 삼아, 에이전트 AI가 노동시장에 가져오는 변화의 실체를 다층적으로 분석한다. 추론 비용의 붕괴라는 물질적 토대, 가트너의 시장 전망, 경력 사다리의 구조적 해체, 규제의 공백, 그리고 “디지털 동료”라는 언어가 은폐하는 것들을 차례로 살펴본다.
1부: 세일즈포스 사례의 전모
무슨 일이 일어났는가
베니오프가 밝힌 내용의 핵심은 이렇다. 세일즈포스는 2025년 초 자사의 AI 에이전트 플랫폼 ‘에이전트포스(Agentforce)’를 고객 서비스에 전면 도입했다. 자사의 고객 지원 사이트 help.agentforce.com을 공개하고, AI 에이전트가 직접 고객 문의를 처리하게 했다. 그 결과, AI 에이전트와 인간 상담원이 각각 150만 건의 고객 대화를 처리하는 체제가 만들어졌다. 상호작용의 약 절반을 AI가 맡게 된 것이다. 그 직후, 고객 지원 인력은 9,000명에서 5,000명으로 줄었다.
베니오프가 강조한 몇 가지 수치가 있다. 고객 만족도(CSAT) 점수가 AI와 인간 상담원 사이에서 거의 동일하게 나왔다는 점, AI 도입 이후 지원 비용이 2025년 초 대비 17% 감소했다는 점이다. 그는 이것이 “커리어 중 가장 흥미로운 시기”라고 말했다.
세일즈포스 측의 공식 입장은 조심스럽게 프레이밍되었다. “에이전트포스의 효율 덕분에 지원 케이스 수가 감소했고, 지원 엔지니어 역할을 적극적으로 보충 채용할 필요가 없어졌다. 수백 명의 직원을 전문 서비스, 영업, 고객 성공 부문으로 성공적으로 재배치했다.” 4,000명이 해고된 것이 아니라 일부는 재배치되었고, 일부는 자연 감소로 충원하지 않은 것이라는 설명이다.
숫자의 함정: ‘재배치’와 ‘해고’ 사이
세일즈포스 측의 설명을 그대로 받아들이면, 이 이야기는 성공적인 AI 전환 사례처럼 들린다. 그러나 몇 가지 사실이 이 서사에 균열을 낸다.
첫째, 베니오프 본인이 불과 두 달 전인 2025년 8월 《AI for Good Global Summit》에서 “AI가 화이트칼라 일자리의 대규모 해고를 초래하지는 않을 것”이라고 공개 발언한 바 있다. “내가 아는 AI로는 그런 대규모 해고가 일어나지 않을 것입니다”라고 명시했다. 발언 두 달 후, 자신의 회사에서 4,000명이 사라졌다.
둘째, 세일즈포스는 2025년 2월에도 1,000명을 감원하면서 동시에 AI 역할 채용을 확대했다. “재배치”의 실제 규모는 회사 측 발표보다 훨씬 작을 가능성이 높다. “수백 명”이 재배치되었다면, 나머지 3,000~3,600명은 어디로 간 것인가.
셋째, 이 사례는 세일즈포스만의 일이 아니다. 스웨덴의 핀테크 기업 클라나(Klarna)는 AI 에이전트가 700명의 고객 서비스 직원이 하던 일을 대신한다고 발표했다. 마이크로소프트는 2025년에 총 15,000명을 감원했는데, 그 중 9,000명이 7월 한 달에 집중됐다. 메타는 3,600명을 내보냈다. 기술 섹터 전반에서 2025년에만 64,000개 이상의 일자리가 사라졌다.
베니오프가 실제로 말한 것
고객 서비스 외에, 베니오프는 영업 영역의 AI 전환에 대해서도 구체적으로 언급했다. 세일즈포스는 26년간 고객으로부터 받은 1억 개 이상의 리드(lead)를 인력 부족으로 콜백하지 못했다고 한다. “AI 에이전트 영업팀”이 지금은 매주 10,000건 이상의 리드를 콜백하고, 파이프라인이 가득 차고 있다는 것이다.
그는 이 하이브리드 체제를 테슬라의 자율주행 기술에 비유했다. 에이전트가 처리할 수 없는 상황이 되면, 테슬라 오토파일럿이 운전자에게 제어권을 넘기듯, 인간 상담원에게 상황을 넘긴다는 것이다. 그리고 ‘옴니채널 수퍼바이저’가 이 협업을 관리한다.
이 발언을 정리하면 세일즈포스의 고객 서비스 운영 모델은 이미 근본적으로 변했다. “50%는 에이전트, 50%는 인간”이라는 비율은 숫자가 아니라 새로운 운영 아키텍처다. 그리고 이 아키텍처가 안착한 결과로 9,000명이 5,000명이 되었다.
2부: 추론 비용의 붕괴가 만든 임계점
숫자로 보는 비용 하락
에이전트 AI의 부상을 가능하게 한 물질적 토대를 이해하려면 AI 추론(inference) 비용의 급락 추이를 먼저 봐야 한다. 이 숫자들은 추상적이지 않다. 이것이 기업들이 “사람 대신 AI”라는 계산을 하게 만드는 경제적 조건이다.
스탠퍼드 인간중심AI연구소(Stanford HAI)의 2025 AI Index Report는 핵심 데이터를 제공한다. GPT-3.5에 상응하는 성능을 내는 AI 모델을 구동하는 비용이 2022년 11월의 100만 토큰당 20달러에서 2024년 10월에는 0.07달러로 떨어졌다. 18개월 만에 280배 이상 하락한 것이다.
Epoch AI의 2025년 3월 연구는 이 추세를 더 정밀하게 분석한다. 6개의 주요 벤치마크에 걸쳐 LLM 추론 가격이 연간 9배에서 900배까지 하락했으며, 중앙값은 연간 50배라는 결론을 냈다. 더 주목할 만한 것은 2024년 1월 이후의 데이터만 분리했을 때의 결과다. 중앙값이 연간 200배로 급격히 높아진다. 최근 들어 비용 하락이 가속되고 있다는 뜻이다.
이 추세가 의미하는 바는 단순하다. 2년 전에 100만 토큰당 20달러이던 비용이 지금은 0.4달러 수준이다. 같은 성능을 내는 AI를 사용하는 비용이 매년 수십 배, 수백 배씩 떨어지고 있다. 이 속도의 비용 하락이 기업의 경제적 계산을 어떻게 바꾸는지는 명확하다. 기업은 더 이상 “AI가 이 일을 할 수 있는가?”가 아니라, “사람과 AI 중 어느 쪽이 더 싼가?”를 묻는다.
비용 하락의 비대칭성: 가트너의 경고
그러나 여기서 중요한 뉘앙스가 있다. 비용이 내려간 AI가 대체하는 것은 인간 노동 가운데 교과서에서 배울 수 있는, 즉 체계화된 지식(codified knowledge) 기반의 업무다. 단순하고 반복적이고 예측 가능한 상호작용이 저렴해진 것이지, 복잡한 판단을 요구하는 업무까지 싸진 것은 아니다.
가트너는 2026년 3월 보고서에서 이 점을 명확히 경고했다. 단순한 AI 작업의 비용이 내려갔다고 해서, 고난도 추론 비용까지 같이 내려간 것은 아니라는 것이다. 쉬운 일을 처리하는 AI는 거의 공짜에 가까워지고 있지만, 복잡한 판단을 처리하는 AI를 운용하는 데 필요한 컴퓨팅 자원은 여전히 비싸다. 이 구별이 중요한 이유는, 비용이 내려간 영역이 정확히 신입과 주니어 직원들이 담당하던 업무 영역이기 때문이다.
에이전트 AI는 기존 AI와 무엇이 다른가
기존의 생성형 AI는 도구였다. 사용자가 “이 이메일을 써줘”라고 지시하면 텍스트를 생성해주는 방식이다. 에이전트 AI는 이와 근본적으로 다르다. 에이전트 AI는 “이번 분기 마케팅 캠페인을 기획하고 실행해”라는 목표를 받아, 스스로 계획을 세우고, CRM과 ERP 같은 외부 시스템에 접근하며, 다단계 작업을 자율적으로 완수한다.
전통적 자동화가 “이 조건이면 이것을 실행하라”는 규칙을 따랐다면, 에이전트 AI는 “이 목표를 달성하라”는 지시만 받고 나머지를 스스로 결정한다. 규칙 기반 시스템은 예측 가능하다. 목표 기반 시스템은 유연하며, 그 유연성이 더 넓은 범위의 업무를 처리할 수 있게 한다. 이 차이가 에이전트 AI가 기업의 경제적 계산을 바꾸는 이유다. AI가 단순히 텍스트를 만드는 것이 아니라, 다단계 워크플로우 전체를 자율적으로 수행할 수 있다면, 기업은 주니어 분석가의 연봉과 AI 운영비를 직접 비교할 수 있게 된다.
3부: 가트너의 전망, 위상 전이(Phase Transition)
1년 사이에 8배: 수치가 의미하는 것
가트너(Gartner)는 2025년 8월 발표한 연구에서 2026년 말까지 기업 애플리케이션의 40%가 태스크별 AI 에이전트를 탑재할 것이라고 전망했다. 2025년의 수치가 5% 미만이었음을 고려하면, 1년 사이에 8배 가까이 성장하는 셈이다.
이것은 점진적 변화가 아니다. 기술 도입이 특정 임계점을 넘으면 비선형적으로 가속되는 위상 전이(phase transition)에 가깝다. 가트너가 덧붙인 또 다른 전망은 에이전트 AI가 2035년까지 기업 소프트웨어 시장에서 약 30%의 매출을 담당할 것이며, 규모는 4,500억 달러를 넘을 것이라는 내용이다. 2025년의 기여도가 2%에 불과하다는 사실을 감안하면, 10년간 15배 이상 성장하는 시장이 형성된다는 예측이다.
에이전트 AI 진화의 5단계
가트너는 에이전트 AI의 기업 내 정착을 5단계 프레임워크로 설명한다.
1단계(2025년 말)는 ‘모든 앱에 AI 어시스턴트’ 단계다. 거의 모든 기업 애플리케이션에 어떤 형태로든 AI 어시스턴트가 내장되지만, 이 시스템들은 인간의 입력에 의존하여 작동한다.
2단계(2026년)가 핵심이다. 기업 앱의 40%에 태스크별 에이전트가 통합되어 독립적으로 행동한다. 코드 작성, 장애 관리, 지원 케이스 해결 같은 작업을 자율 수행한다.
3단계(2027년)에서는 에이전트들이 애플리케이션 내에서 서로 협력하기 시작한다. 서로 다른 전문성을 가진 에이전트들이 결합하여 더 복잡한 작업을 처리한다.
4단계(2028년)에서는 에이전트 생태계가 애플리케이션 경계를 넘어 확장된다. 사용자는 개별 앱과 상호작용하는 대신, 에이전트 네트워크와 상호작용하게 된다. 사용자 경험의 1/3이 네이티브 앱 인터페이스에서 에이전트 프론트엔드로 전환될 것으로 가트너는 본다.
5단계(2029년)는 ‘새로운 일상(new normal)’이다. 지식 노동자의 절반 이상이 AI 에이전트를 생성하고 관리하며 복잡한 작업을 수행하기 위해 온디맨드로 활용하는 능력을 갖추게 된다.
현실의 온도: 주류라기보다는 혼재
단, 가트너 자신도 에이전트 AI의 현실이 서사와 다르다는 점을 인정한다. McKinsey의 2025년 AI 현황 조사에서 39%의 기업이 에이전트를 실험하고 있지만, 실제로 하나의 사업 부문에서라도 에이전트를 본격적으로 확대 도입한 기업은 23%에 불과했다. 가트너는 에이전트 AI 프로젝트의 40% 이상이 거버넌스 부재, 관찰 가능성(observability) 결여, ROI 미달로 인해 2027년까지 취소 위험에 처할 것이라고 경고했다.
기업들은 에이전트를 실험하고 있지만, 이것을 기업 전반으로 확산시키는 것은 완전히 다른 수준의 도전이다. 기술이 존재한다는 것과 그것이 전사적으로 배포 가능하다는 것은 별개의 문제다.
4부: 경력 사다리의 가장 아래쪽 가로대가 부러지고 있다
신입 직원의 ‘유급 학습 곡선’이 사라지는 이유
에이전트 AI가 노동시장에 가져오는 가장 심각한 구조적 변화는 개별 직업의 소멸이 아니라, 경력의 진입 경로 자체가 무너지고 있다는 사실이다.
기업은 전통적으로 신입 직원에게 반복적이고 체계적인 업무를 맡기면서, 그 과정에서 조직의 암묵적 지식(tacit knowledge)을 체화하게 했다. 데이터 입력, 기초 코드 작성, 회의록 작성, 초안 작성, 리서치 작업 같은 업무는 두 가지 기능을 동시에 수행했다. 하나는 기업에 즉각적인 산출물을 제공하는 것이고, 다른 하나는 신입이 경험을 쌓으며 더 복잡한 판단 업무로 성장할 발판을 마련하는 것이었다. 이 과정이 바로 “유급 학습 곡선(paid learning curve)”이었다.
에이전트 AI가 이 영역을 장악하면, 경제 논리가 달라진다. AI 에이전트는 24시간 일하고, 임금 인상을 요구하지 않으며, 교육 기간 없이 즉시 운용 가능하고, 연차가 쌓여도 관리직 전환 비용이 들지 않는다. 같은 업무를 처리하기 위해 연봉 수천만 원의 주니어를 고용할 경제적 이유가 사라지는 것이다.
데이터가 보여주는 진입 장벽의 상승
이 현상은 이미 데이터로 확인되고 있다. Revelio Labs의 분석에 따르면, 미국의 신입 일자리 공고가 2023년 1월부터 2025년 6월 사이에 35% 급감했다. AI가 유일한 원인은 아니지만, AI 노출도가 높은 신입 직종에서의 감소가 가장 두드러졌다.
스탠퍼드 디지털경제연구소(Stanford Digital Economy Lab)의 연구는 더 정밀한 데이터를 제공한다. 2022년 말 이후 AI 자동화에 가장 많이 노출된 직종에서 일하는 22~25세 초기 경력자의 고용이 16% 상대적으로 감소했다. 같은 기간 경력자들에게서는 이에 상응하는 감소가 나타나지 않았다. AI의 노동시장 충격이 경력에 따라 극도로 비대칭적으로 분포한다는 것을 보여주는 가장 명확한 데이터 중 하나다.
규모 측면에서도 움직임이 나타나고 있다. PwC는 신입 채용 거점을 72개 도시에서 13개 도시로 줄였다. 15대 주요 기술 기업의 신입 채용이 2023년에서 2024년 사이에 25% 감소했다는 SignalFire 보고서도 있다. 세계적으로 고용주의 약 1/3이 AI로 신입 역할을 대체할 계획이라고 밝히고 있다. 그리고 앤스로픽(Anthropic)의 CEO 다리오 아모데이(Dario Amodei)는 AI 기술이 고도화될 경우 향후 5년 내에 화이트칼라 신입 일자리의 약 50%가 사라질 수 있다고 예측했다.
‘종자 옥수수를 먹어치우는’ 위험
이 상황이 단기적 고통으로 끝나지 않을 수 있다는 경고가 이미 나오고 있다. 신입 직원이 쌓아야 할 경험의 기회 자체가 구조적으로 사라진다면, 미래의 시니어는 어디서 오는가.
데이터 과학자, 소프트웨어 엔지니어, 법률 분석가 같은 직종의 경력 사다리를 생각해보자. 1단계(데이터 정리, 기초 코드, 문서 작성)를 AI가 대체한다. 그렇다면 2단계(중간 수준의 분석, 아키텍처 설계, 복잡한 판단)를 담당할 인력은 어떻게 양성되는가. 1단계의 경험 없이 2단계 역량을 개발하는 것이 가능한가.
커뮤니티에서는 이를 “seed corn을 먹어치우는(eating your seed corn)” 위험으로 표현한다. 지금 주니어를 채용하지 않는 기업은, 2030년에 시니어를 확보할 수 없을 것이다. AI 추상화 레이어 아래의 시스템을 이해할 수 있는 진정한 의미의 숙련 인력이 사라지는 것이다. “벽돌을 한 번도 쌓아보지 않은 건축가”들만 남는 세계가 될 수 있다.
보완인가, 대체인가: 데이터가 보여주는 이중 운동
하버드 경영대학원의 수라지 스리니바산(Suraj Srinivasan) 교수 연구팀이 2026년 3월 HBR에 발표한 연구 “Displacement or Complementarity?”는 이 이중적 현상을 정밀하게 포착했다. 2019년부터 2025년 초까지 미국의 거의 모든 구인 공고를 분석한 결과, 자동화 집중 직종에서 채용 공고가 13% 감소한 반면, 인간-AI 협업이 핵심인 직종에서는 20% 증가했다.
달러스 연방준비은행(Dallas Fed)의 연구는 이 현상에 경제학적 설명을 제공한다. AI는 체계적 지식(codified knowledge), 즉 교과서에서 배울 수 있는 지식 기반 업무를 대체하지만, 경험을 통해서만 습득되는 암묵적 지식(tacit knowledge) 기반 업무는 보완한다. AI에 노출된 직종일수록 경험 프리미엄(경력자와 신입의 임금 격차)이 크다는 데이터가 이를 뒷받침한다. 법률, 보험 심사, 신용 분석, 마케팅 같은 직종에서 경험 프리미엄은 100%를 넘는다.
이것이 의미하는 바는 명확하다. AI 시대에 가장 취약한 것은 경력의 시작점, 즉 신입 직원이다. 그리고 신입이 없으면 시니어도 없다.
5부: WEF의 낙관론과 그것이 포착하지 못하는 것
순증 7,800만이라는 숫자의 위험
세계경제포럼(WEF)은 2025년 1월에 발표한 《미래 일자리 보고서 2025(Future of Jobs Report 2025)》에서 1,000개 이상의 기업과 1,400만 명의 노동자를 대상으로 한 분석 결과를 내놓았다. 2030년까지 1억 7,000만 개의 신규 일자리가 창출되고 9,200만 개가 소멸하여, 순증 7,800만 개가 될 것이라는 전망이다.
이 숫자만 보면 안심할 수 있다. 그러나 이 낙관론에는 중대한 전제가 숨어 있다. 개인은 순증을 경험하지 못한다.
사라지는 일자리에 있던 사람이 새로 생기는 일자리를 채울 수 있는가? 소멸하는 9,200만 개의 일자리와 창출되는 1억 7,000만 개의 일자리가 동일한 사람을, 동일한 위치에서, 동일한 기술 세트로 연결되지 않는다. WEF 스스로도 이 보고서에서 “이것들은 동일한 위치에서 동일한 개인들에게 일어나는 직접적인 교환이 아니다”라고 명시했다.
그 사이의 간극에 존재하는 것들이 있다. 재교육에 필요한 시간, 지리적 이동의 비용, 심리적 전환의 부담, 가족의 생계가 달려 있는 수개월의 공백. 이것들을 거시 통계는 포착하지 못한다.
WEF는 또한 2030년까지 현재 업무 스킬의 약 39%가 진부해질 것이며, 77%의 고용주가 재교육에 투자할 계획이라고 밝혔다. 재교육이 해결책이 될 수 있다는 암묵적 메시지다. 그러나 40세의 콜센터 직원이 AI 오케스트레이션 엔지니어로 전환하는 데 필요한 시간, 비용, 심리적 자원을 갖추고 있는지는 별개의 문제다.
McKinsey가 더하는 현실
McKinsey의 2025년 말 연구는 현존하는 기술로 미국 전체 노동 시간의 약 57%가 자동화 가능하다고 추산했다. 이것은 57%의 일자리가 사라진다는 뜻이 아니다. 현재 노동 인구 전체에 걸쳐, 절반 이상의 업무 시간이 AI 시스템으로 처리할 수 있는 작업을 포함하고 있다는 뜻이다.
미국 국가경제연구소(NBER)의 2025년 직종 분석은 이 그림을 더 정밀하게 만든다. 미국 노동자의 약 3.9%, 약 500~600만 명이 AI 노출도가 높으면서 적응 역량이 낮은 교차점에 위치한다. 이들이 실질적인 고통이 집중되는 집단이다. 반복 업무를 담당하고, 저축이 적으며, 대안적 고용 옵션이 제한된 지역 노동 시장에 속한 사람들이다.
6부: 규제의 시차, 책임의 공백
EU AI법과 에이전트 AI의 사각지대
EU는 AI Act에 따라 고위험 AI 시스템에 대한 규제를 2026년 8월 2일부터 본격 적용한다. 세계 최초의 포괄적 AI 규제 프레임워크다. 수용 불가 위험(금지), 고위험(엄격한 요건), 투명성 의무, 최소 위험(규제 최소)으로 AI 시스템을 분류하는 리스크 기반 접근법을 채택했다.
그러나 이 법은 에이전트 AI를 직접 염두에 두고 설계되지 않았다. 에이전트 AI의 핵심 특성은 자율적 다단계 의사결정인데, 이에 대한 책임 귀속 체계가 EU AI Act에는 명확히 정립되어 있지 않다. 자율적 의사결정 체인에서 누가 책임을 지는가. 모델 제공자(예: Anthropic, OpenAI)인가, 에이전트 시스템을 구축한 기업인가, 그것을 실제 업무에 배포한 최종 기업인가. 아직 명확한 답이 없다.
전통적 자동화가 “이 조건이면 이것을 실행하라”는 규칙을 따랐다면, 에이전트 AI는 “이 목표를 달성하라”는 지시만 받고 나머지를 스스로 결정한다. 규칙 기반 시스템의 오류는 예측 가능하고 규제 가능하다. 목표 기반 시스템의 오류는 그렇지 않다. 에이전트가 목표를 추구하는 과정에서 의도하지 않은 방식으로 행동했을 때, 법적·도덕적 책임은 어디에 귀속되는가.
기술 확산과 규제 형성의 구조적 시차
기술의 확산 속도와 규제의 형성 속도 사이에는 구조적 시차가 존재한다. 가트너가 예측하는 기업 앱의 40%가 에이전트를 탑재하는 시점(2026년 말)과, EU AI Act의 고위험 규칙이 실제로 집행되는 시점(2026년 8월)이 거의 겹친다. 이것은 많은 기업이 규칙의 윤곽이 명확해지기 전에 이미 시스템을 구축하고 있다는 뜻이다.
한국의 경우 AI 기본법이 2026년 1월 시행에 들어갔다. 그러나 에이전트 AI의 자율적 의사결정에 대한 구체적 규정은 마찬가지로 부재하다. 글로벌 규제 공백 현상이다.
이 공백이 의미하는 바는 단순하다. 에이전트 AI가 잘못된 결정을 내렸을 때, 그 비용을 누가 지불하는지가 불명확하다. 그 불명확성 속에서 기업은 비용 절감의 인센티브를 극대화할 수 있다. 그리고 그 외부비용은 일자리를 잃은 노동자, 잘못된 AI 결정에 영향을 받은 소비자, 그리고 사회 전체가 지불하게 된다.
7부: “디지털 동료”라는 메타포를 해부하면
언어가 현실을 어떻게 재프레임하는가
에이전트 AI를 둘러싼 담론에서 가장 빈번하게 등장하는 메타포는 “디지털 동료(digital coworker)”다. 세일즈포스의 Agentforce, Microsoft의 Copilot, 다양한 AI 스타트업들이 이 표현을 쓴다. “대체”나 “자동화”가 아니라 “동료”라는 단어를 선택함으로써, 기술 기업은 에이전트 AI를 인간과 나란히 일하는 협력자로 프레이밍한다.
이 언어 선택은 의도적이다. “동료”는 권리를 가진 주체다. 동료를 팀에 추가하는 것은 중립적인 행위다. “AI를 도입해서 직원을 해고했다”는 말 대신 “디지털 동료와 함께 팀을 재구성했다”는 표현이 사용되면, 해고가 “팀 재구성”이라는 중립적 언어로 포장된다.
에이전트 AI는 소프트웨어다. 비용 구조를 가지고 있고, 기업의 경제적 이해관계에 따라 배포되고, 노동 분쟁에서 권리를 행사하지 않으며, 해고 통보를 받지 않는다. 이 둘을 같은 범주에 놓는 수사는 매우 정교한 형태의 현실 왜곡이다.
세일즈포스 베니오프의 발언 중 하나가 이 역학을 명확하게 보여준다. 그는 에이전트 AI를 테슬라의 오토파일럿에 비유했다. “에이전트가 처리할 수 없는 상황이 되면, 테슬라가 운전자에게 제어권을 넘기듯 인간에게 넘긴다.” 이 비유에서 인간 노동자는 백업 드라이버다. 평상시에는 감시자이고, 예외적 상황에서만 필요한 존재다.
현장의 실체: ‘제한된 자율성’
현실의 에이전트 AI는 “동료”보다 “제한된 자율성(bounded autonomy)”에 더 가깝다. 허용된 도구만 사용하고, 측정 가능한 업무만 수행하고, 감사 로그를 생성하는, 감시 하에 놓인 자율성이다.
에이전트의 기술적 한계도 여전히 미해결이다. 에이전트의 메모리 문제, 즉 장기·중기·단기 기억의 부재가 대표적이다. 메모리 없는 에이전트는 본질적으로 LLM 채팅 세션과 크게 다르지 않다. 맥락을 기억하지 못하고, 이전 상호작용에서 학습하지 못한다. 이것이 현재의 에이전트가 “동료”라는 표현이 함의하는 수준의 협력 파트너가 아닌 이유다.
그럼에도 기술의 방향성은 명확하다. 2024년에 없던 기능이 2025년에 추가되고 있다. 메모리 문제가 해결되고, 다중 에이전트 협업이 정교해지고, 추론 비용이 계속 하락하면서 에이전트가 처리할 수 있는 업무의 범위는 꾸준히 확장되고 있다. “아직은 한계가 있다”는 현재의 위안이 “이제 한계가 없다”로 바뀌는 데 얼마나 걸릴지는 아무도 모른다.
8부: 효율의 언어가 가리는 것, 권력의 언어로 보기
이득은 비대칭적으로 분배된다
에이전트 AI의 기술적 진보는 부인할 수 없다. 그러나 이 기술이 사회에 배치되는 방식은 기술 자체가 아니라, 기술을 둘러싼 경제적 인센티브와 권력관계가 결정한다.
MIT의 경제학자 대런 애쓰모글루(Daron Acemoglu)가 반복적으로 지적하듯, 자동화 기술의 이득은 비대칭적으로 분배된다. 에이전트 AI를 설계하고 배포하는 것은 기술 기업과 대기업이다. 비용 절감의 이익은 주주에게 돌아간다. 해고, 경력 단절, 진입 장벽 상승 같은 비용은 개별 노동자가 지불한다.
이 비대칭성은 노동자 사이에서도 심화된다. PwC 분석에 따르면 AI 역량을 갖춘 노동자는 같은 직무의 비AI 숙련 노동자보다 56% 더 높은 임금을 받는다. AI를 다룰 줄 아는 사람과 그렇지 못한 사람 사이의 임금 격차가, 기술 도입과 함께 구조화되고 있다.
세일즈포스는 4,000명을 줄이고 고객 지원 비용을 17% 절감했다. 이 절감분은 어디로 갔는가. 세일즈포스의 2025 회계연도 2분기 실적 발표에 따르면, Data Cloud와 AI 부문의 연간 반복 매출(ARR)이 전년 대비 120% 증가하여 12억 달러를 넘었다. 주주에게는 기록적 실적의 해였다.
K자형 노동시장의 심화
이것은 이른바 “K자형(K-shaped)” 노동시장의 심화다. 경제 회복이나 기술 전환의 이익이 고학력, 고숙련, AI 역량 보유자에게는 위쪽(↗)으로, 반복 업무 종사자와 저숙련 노동자에게는 아래쪽(↘)으로 향하는 구조다. AI는 이 분기를 만들지 않았지만, 그것을 가속하고 있다.
WEF는 현재 기술 수준에서 AI와 정보처리 기술이 전 세계적으로 1,100만 개의 일자리를 창출하고 900만 개를 대체할 것으로 본다. 순증 200만 개다. 그러나 이 보고서는 사라지는 일자리와 생기는 일자리의 상대적 위계를 명시하지 않는다. 사라지는 것이 주로 저임금 반복 업무직이고, 생기는 것이 주로 고숙련 AI 관련직이라면, 순증 200만이라는 숫자 뒤에는 900만 명의 하향 이동이 숨어 있다.
분석이 아닌 홍보가 되는 순간
에이전트 AI 담론의 가장 위험한 맹점은 “효율”이라는 중립적 언어 아래 권력관계를 은폐하는 것이다. “에이전트 AI가 인간의 지적 노동을 재정의하고 있다”는 말은 참이다. 그러나 “재정의”라는 말이 “누구에 의해, 누구를 위해, 누구의 비용으로”라는 질문을 포함하지 않는다면, 그것은 분석이 아니라 홍보다.
세일즈포스 베니오프가 4,000명을 줄이고 그것이 “커리어 중 가장 흥미로운 일”이라고 말할 때, 그 흥분은 실재한다. 그리고 일자리를 잃은 4,000명의 경험도 실재한다. 이 두 실재는 동시에 존재하며, 하나가 다른 하나를 지워서는 안 된다.
9부: 한국적 맥락에서 보기
한국 노동시장의 구조적 취약성
한국의 맥락에서 에이전트 AI의 노동시장 충격을 볼 때 몇 가지 구조적 특수성이 있다. 첫째, 한국은 대기업과 중소기업 간 생산성 격차가 OECD 국가 중 매우 큰 편이다. 에이전트 AI의 도입 역량은 대기업에 집중되어 있으며, 이것은 기존의 격차를 더 심화시킬 수 있다.
둘째, 한국의 청년 고용 문제는 AI 등장 이전부터 심각했다. “공시족”(공무원 시험 준비생)으로 대표되는 안정 지향적 직업 선택은 이미 민간 섹터의 신입 고용이 충분한 경력 사다리를 제공하지 못한다는 인식을 반영한다. 에이전트 AI가 신입 일자리를 더 빠르게 대체한다면, 이 문제는 더 악화된다.
셋째, 한국의 AI 기본법은 2026년 1월 시행에 들어갔지만, 에이전트 AI의 자율적 의사결정과 그에 따른 노동 영향에 대한 구체적 규정이 부재하다. 글로벌 규제 공백과 같은 문제를 한국도 공유하고 있다.
서비스업 고용의 취약성
한국의 고객 서비스, 콜센터, 금융 서비스 업종은 에이전트 AI의 직접적인 영향권에 있다. 세일즈포스의 사례가 보여주듯, AI 에이전트는 반복적 고객 상호작용을 인간 상담원에 필적하는 CSAT 점수로 처리할 수 있다. 한국의 금융기관, 통신사, 유통 대기업이 이 기술을 채택할 때, 그 과정에서 나타나는 노동 전환의 속도와 규모는 한국 사회에도 유의미한 충격을 줄 것이다.
교육 시스템의 전환 지체
한국의 대학 교육 시스템은 AI 시대의 요구에 맞는 역량을 충분히 빠르게 공급하고 있지 못하다. 프로그래밍, 데이터 과학, AI 시스템 운용 능력 같은 역량은 기존 커리큘럼에 더하는 방식으로는 충분하지 않다. 에이전트 AI가 처리하는 업무와 그것이 요구하는 인간의 역량 사이의 관계는, 교과서와 강의실에서 가르치는 방식으로 충분히 전수되기 어렵다. 이것은 교육 시스템의 구조적 전환을 요구하는 문제이며, 그 전환에는 시간이 걸린다.
10부: 결론을 대신하여 — 이 질문들에 답해야 한다
에이전트 AI는 인간의 지적 노동을 재정의하고 있는가. 그렇다. 이것은 사실이다. 그러나 이 재정의의 과정에서 제기되어야 할 질문들이 있다. 기술이 이 질문들에 자동으로 답해주지는 않는다.
첫째, 경력 사다리의 복원 문제다. 에이전트 AI가 신입 업무를 대체한다면, 기업은 어떤 방식으로 미래의 시니어를 양성할 것인가. 도제식 교육, 유급 견습 제도, 대학과의 협업 프로그램 등 다양한 대안이 논의되고 있지만, 어떤 것도 기존의 “유급 학습 곡선”만큼 광범위하게 적용되지 않았다. 이것은 기업 개별의 문제가 아니라 교육 정책, 노동 정책, 산업 정책이 함께 움직여야 하는 문제다.
둘째, 전환 비용의 사회화 문제다. AI 도입으로 인한 생산성 이익은 기업과 주주가 가져가지만, 전환 비용(재교육, 실업급여, 사회적 갈등 비용)은 사회 전체가 부담한다. 이 비용 배분이 현재의 구조 하에서 공정한가. AI로 이익을 얻는 기업이 전환 비용의 일부를 부담하게 하는 메커니즘(AI세, 자동화세 등)에 대한 논의가 더 이상 이론적 차원에 머물 수 없다.
셋째, 규제 프레임워크의 현실화 문제다. 에이전트 AI가 고위험 결정을 내릴 때의 책임 귀속 체계가 명확해져야 한다. EU AI Act는 첫걸음이지만, 에이전트 AI의 자율적 의사결정 특성에 맞게 보완되어야 한다. 한국도 AI 기본법의 구체적 시행 규칙을 빠르게 정비해야 한다.
넷째, 담론의 정직성 문제다. 기술 기업은 “디지털 동료”라는 메타포를 사용할 때, 그것이 무엇을 은폐하는지 인식해야 한다. CEO들은 “재구성”과 “해고”를 구별할 때 더 정직해야 한다. 언론과 시민 사회는 효율의 언어 뒤에 있는 권력관계를 가시화해야 한다.
에이전트 AI는 누군가의 효율이고, 동시에 다른 누군가의 실업이다. 그리고 이 질문에 답하는 것은 기술의 몫이 아니라, 기술을 감시하는 시민과 제도의 몫이다.
주요 참조 및 데이터 출처
| 기관 / 출처 | 주요 내용 | 날짜 |
|---|---|---|
| Marc Benioff, The Logan Bartlett Show | 세일즈포스 고객 지원 인력 9,000→5,000명 감축 확인 | 2025년 8월 말 |
| Gartner | 2026년 말까지 기업 앱 40%에 AI 에이전트 탑재 전망 | 2025년 8월 26일 |
| Epoch AI (Cottier et al.) | LLM 추론 비용 연간 9~900배 하락, 중앙값 50배 | 2025년 3월 |
| Stanford HAI, AI Index 2025 | GPT-3.5 수준 추론 비용 18개월간 280배 이상 하락 | 2025년 4월 |
| WEF Future of Jobs Report 2025 | 2030년까지 1.7억 개 창출, 9,200만 개 소멸, 순증 7,800만 개 | 2025년 1월 |
| Stanford Digital Economy Lab | AI 고노출 직종 22~25세 고용 16% 상대적 감소 | 2025년 |
| Revelio Labs | 미국 신입 일자리 공고 35% 감소 (2023.1~2025.6) | 2025년 |
| McKinsey State of AI 2025 | 현존 기술로 미국 노동 시간의 57% 자동화 가능 | 2025년 말 |
| PwC | AI 역량 보유 노동자 임금 프리미엄 56% | 2025년 |
| NBER | AI 고노출·저적응 교차점 미국 노동자 3.9% (500~600만 명) | 2025년 |
| HBR, Srinivasan et al. | 자동화 직종 채용 13% 감소, 협업 직종 20% 증가 | 2026년 3월 |
| Dario Amodei (Anthropic CEO) | 향후 5년 내 화이트칼라 신입 일자리 50% 소멸 가능 예측 | 2025년 |
| EU AI Act | 고위험 AI 규제 2026년 8월 2일부터 본격 시행 | 2026년 8월 예정 |
이 문서는 raylogue.com의 분석 및 Threads @ray_etranger의 글을 참고하여, 최신 공개 데이터와 연구 결과를 추가하여 상세히 재구성한 것입니다.
© 2026 — 인용 및 참조 시 원출처 명기 바랍니다.