미국 해고 사유 1위 'AI 때문에'

프리미엄 AI 매거진 AXyNow, 손상윤입니다.

작년에 미국 샌프란시스코와 뉴욕 타임스스퀘어에 "인간 채용을 멈춰라(Stop Hiring Humans)"라는 빌보드가 깔렸습니다. AI 영업사원을 파는 Artisan이라는 회사였죠. 처음엔 다들 어그로라고 봤어요. 실제로 창업자도 나중에 "처음부터 레이지베이트가 목적이었다"고 인정했고요.

결론 선공. 그 빌보드는 농담이었지만, 데이터는 농담이 아니었습니다. 미국에선 'AI 때문에 잘렸다'가 이미 해고 사유 1위입니다.

그래서 어그로인 줄 알고 넘겼던 그 문장을, 통계를 열어보고 다시 봤습니다. 빌보드는 과장이었는데, 정작 현실이 그 빌보드를 따라잡고 있더라고요.

해고 사유 1위가 'AI'가 된 달

미국에서 감원 통계를 50년 넘게 집계해 온 챌린저(Challenger, Gray & Christmas)라는 곳이 있습니다. 기업이 감원을 발표할 때 "왜 자르는지" 사유를 같이 추적하는데, 여기에 'AI'라는 항목이 생긴 게 2023년이에요. 그 비중이 이렇게 움직였습니다.

2025년 한 해 동안 'AI 때문'이라고 사유를 단 감원이 약 5만 5천 건, 전체의 5%였습니다. 그런데 2026년은 상반기도 다 안 지났는데 벌써 8만 7천 건을 넘겼어요. 전체 감원의 22%입니다. 작년 1년치를 반년 만에 추월했네요. 특히 2026년 5월은 'AI'가 모든 해고 사유를 제치고 1위에 올랐습니다.

급여 명세서에서 확인된 팩트

"기업이 핑계로 AI를 댄 거 아니냐"고 의심할 수 있습니다. 그러나 이건 루머가 아니라 실제 '급여 데이터'를 기반으로 검증이 된 팩트입니다.

스탠퍼드 디지털이코노미랩이 미국 최대 급여대행사 ADP의 데이터를 뜯어봤습니다. 누가 월급을 받고 누가 안 받는지, 수백만 명의 실제 명세서를 들여다본 거죠. 결과는 한 문장으로 요약됩니다. AI 노출도가 높은 직무의 22~25세 사회초년생 고용이 약 13% 줄었습니다. 같은 직무라도 나이 많은 숙련자는 안 줄었는데, 딱 신입만 빠졌습니다.

연구를 이끈 에릭 브리뇰프슨의 진단은 이렇습니다. "젊은 노동자가 아는 것과, LLM이 대체할 수 있는 것이 겹친다." 신입이 일을 배우며 처리하던 정형 업무를 AI가 더 싸고 빠르게 해버리니, 사다리의 첫 칸부터 사라진다는 겁니다.

이름이 박힌 대체

거시 통계만 있는 게 아닙니다. 회사 이름과 숫자가 박힌 사례가 이미 줄을 섭니다.

출처: CNBC·Fast Company 보도(2025), 조회 2026-06-14.

세일즈포스는 비운 자리를 다시 채우지 않았습니다. 콜센터 응대, 1차 코딩, 표준 문서 작성처럼 '정형화된 반복'이 핵심인 일부터 칼이 들어간 거예요.

그런데 '전멸'은 아니다

여기서 멈추면 저도 공포팔이가 됩니다. 팩트체커라면 반대쪽 데이터도 봐야죠.

클라르나는 700명 몫을 AI로 돌렸다고 자랑했다가, 1년도 안 돼 "너무 깊게 잘랐다"며 고급 상담 인력을 다시 뽑았습니다. CEO가 직접 "AI만 쓰니 상담 품질이 떨어지더라"고 인정했어요. 스탠퍼드 연구도 모든 직무가 줄어든 게 아니라고 못 박습니다. AI가 사람을 '대체'하는 직무는 줄었지만, AI가 사람을 '거드는(augment)' 직무는 오히려 늘었거든요. 같은 신입이라도 요양보호처럼 AI가 거들기 어려운 일은 멀쩡했고요.

그러니 정확한 그림은 "AI가 일자리를 없앤다"가 아닙니다. AI가 믿고 맡길 만큼 잘하는 정형 업무만 골라 정밀 타격하는 중이라고 봐야 맞습니다.

그럼 한국은? 과연

여기가 진짜 질문입니다. 미국에서 대체가 일어난 이유는 단순해요. 그 직무에서 AI가 사람만큼, 때로는 더 믿을 만했기 때문입니다. 영어 콜센터 응대나 전 세계 표준 코드 같은 건 AI가 안정적으로 해내거든요.

그럼 한국 실무는요? AXyNow가 직접 측정하는 AXyBench로 재보면, 글로벌 1등 모델조차 한국 현장 앞에서 자신있게 틀립니다. 예금자보호 한도처럼 한국 사람이 매일 부딪히는 질문에서 옛날 값을 천연덕스럽게 답해요. 틀린 답을 90점짜리 매끄러운 문장으로 내놓으니, 전문가가 아니면 틀린 줄도 모릅니다.

지난번에 세무·노무·법무 과제를 AI한테 직접 시켜봤을 때도 똑같았습니다. '아는 일'은 90점으로 해치우지만, '지금 바뀐 규정을 아는 일'과 '결과에 책임지는 일'은 못 했죠. 미국에서 칼을 맞은 영어 콜센터·표준 코드와, 한국의 세무·노무·법률은 'AI를 믿어도 되는 정도'가 다른 겁니다. 그래서 한국에선 대체의 칼이 닿는 범위가 미국과 똑같이 오지 않습니다. 더 좁고, 다른 모양으로 그려져요.

여전히 한국 비즈니스 AX는 갈 길이 멀어요. 아직도 인간 중심, 포지션 중심으로 AI를 도입하려는 사고방식이 흔합니다. AI로 굴러가는 회사 시스템을 개발하고 서비스하고 있는 제가 보기에는 조금 답답한 면이 있습니다.

제 회사에서 AI는 이미 직원처럼 일해요. 계좌와 카드 내역을 조회해서 장부에 기록하고, ERP에 등록하여 세무 사무를 합니다. 문서는 너무나도 당연하고요, 각 조건에 따라 매일매일 다양한 업무가 이미 자동화가 되어있습니다. 인간 중심이 아니라 '업무(task)'단위로 말이죠. 일자리가 사라진 게 아니라 역할이 재배치된 거예요. 반복과 기록은 AI가, 검증과 판단은 사람이.

결론: 지금은 AX 시대 진입중

"AI가 내 일자리를 없애나요?"는 사실 틀린 질문입니다. 미국 데이터가 보여준 진짜 질문은 이거예요. "내 일에서 AI가 믿고 맡길 만큼 잘하는 조각이 어디까지고, 나는 그 위층에 있나."

미국은 이미 칼이 들어왔습니다. 빌보드 카피가 아니라 해고 통계와 급여 명세서에 찍혔어요. 한국도 옵니다. 다만 그 칼이 닿는 범위는 'AI가 한국 실무를 진짜 믿을 만큼 해내느냐'에서 갈립니다. 그리고 그 범위를 한 칸씩 재는 게 AXyBench가 하는 일이고요.

정형 반복만 붙들고 있으면 위험합니다. 그 조각은 미국에서 보듯 가장 먼저 도려내져요. 살길은 단순합니다. AI에게 반복을 넘기고, 나는 검증하고 기획하고 책임지는 위층으로 올라가는 것. 칼은 이미 들어왔고, 이제 어느 층에 서 있느냐만 남았습니다.

자세한 벤치마크 결과는 → AXyBench 전체 결과 보기