딥시크 하나로 전 세계 빅테크 주가를 흔들었고, 최근 출시된 시댄스의 영상 퀄리티는 엄청난데요 이러한 배경에 걸맞게 중국에서는 매년 이공계 졸업생만 수백만 명을 배출합니다. 인구가 많고, 정부가 밀어주고, 이공계 인재 풀이 두텁다는 건 AI 경쟁에서 구조적 강점입니다. 그 강점이 가장 먼저, 가장 크게 드러나는 시장이기도 합니다.

그 중국에서 올해 1270만 명이 대학 졸업장을 손에 쥡니다. 역대 최대 규모입니다.

그런데 신입 채용은 줄었습니다.

AI가 한창 뜨는 와중에, AI에 가장 우호적인 환경을 갖춘 나라에서 신입을 덜 뽑고 있습니다. 이 역설이 지금 노동시장이 조용히 보내는 신호에 가깝습니다.

AI 붐 옆에 놓인 취업난

수요가 폭발하는데 문은 좁아지는 구조

숫자를 먼저 보겠습니다.

올해 중국 대졸자는 1270만 명입니다. 전년 대비 48만 명 늘었고, 2022년 처음 1000만 명을 돌파한 이후 매년 최고치를 갱신 중입니다. 서울 전체 인구보다 많은 사람이 한 해에 취업 시장으로 쏟아집니다.

같은 시기, AI 관련 직군의 몸값은 다른 세계 이야기처럼 올라가고 있습니다. 중국 채용 플랫폼 질리안 자오핀 보고서에 따르면 AI 직군이 금융을 밀어내고 신입사원 최고 연봉 업종 1위에 올랐습니다. AI 엔지니어 평균 월급은 약 2만 2천 위안(한화 417만 원 수준)이고, 휴머노이드 로봇 분야 채용 수요는 최근 1년 새 215%를 넘겼습니다.

반면 청년(16~24세) 실업률은 18.9%까지 올랐습니다. 베이징대·칭화대 졸업생의 예상 취업률이 50%를 겨우 넘긴다는 전망이 나올 정도입니다.

AI 산업이 폭발하는데, 신입이 갈 자리는 줄어드는 이상한 구조가 만들어지고 있습니다.

참고 뉴스 : 中청년실업률 6개월 만에 상승…역대급 졸업시즌 앞두고 '설상가상'

기업이 계산법을 바꿨습니다

"일단 뽑고 키우자"는 전제가 흔들리기 시작했습니다.

예전 채용 공식은 단순했습니다. 일단 뽑고, 가르치면서 씁니다. 12년이면 실무에 익숙해지고, 34년이면 팀의 허리가 됩니다.

AI가 초급 업무 상당 부분을 처리하기 시작하면서 그 전제가 흔들리고 있습니다. 신입이 맡던 반복 코딩, 데이터 정리, 리포트 초안 같은 작업들은 이제 "숙련된 시니어 + AI"가 처리합니다. 신입이 온보딩되는 몇 달 동안 팀이 잃는 기회비용을, 기업들이 다시 계산하기 시작한 겁니다.

국내도 다르지 않습니다. 원티드랩이 국내 153개 기업 인사 담당자를 대상으로 진행한 조사에서, 2026년 집중 채용 연차는 4~7년 차가 49.7%였습니다. 신입은 12.4%에 그쳤습니다. 기업들이 인재상에서 가장 중요하게 꼽은 요소는 '직무 전문 역량(64.7%)'이었고요.

"일단 신입 뽑고 키우자"에서 "바로 결과 낼 수 있어야 한다"로, 기준선이 이동했습니다.

중국에서만 나타나는 현상이 아닙니다

한국, 미국, 중국 모두 유사하게 발생하고 있는 좁아지는 취업 문턱

올해 23월 기준, 국내 IT와 전문기술 서비스업 취업자는 1년 전보다 약 14만 7천 명 감소했습니다. 감소폭은 2013년 산업분류 개편 이후 최대였고, 그 중심엔 20~29세가 있었습니다. 특히 사회초년생 쪽이 두드러진 케이스죠.

미국에서도 생성형 AI 도입 이후 entry-level 포지션이 줄어드는 흐름은 여러 채용 분석 기관이 공통으로 짚는 현상이 됐습니다. 전 세계 37,000개 이상 기업 데이터를 분석한 글로벌 HR 플랫폼 딜(Deel)의 보고서에서도 채용 시장의 무게중심이 "비용 효율"에서 "전문 인재 확보 경쟁"으로 이동했다는 분석이 나옵니다.

신입 채용이 줄고, AI 전문 직군 몸값이 오르는 것은 별개의 현상이 아닙니다. 시장이 원하는 기술의 기준선이 올라갔고, 그 아래에 있던 자리들이 줄어드는 과정입니다.

참고 뉴스 : AI 발전에 직장 잃은 청년들…전문직·IT 2030 종사자 감소

지금 시장이 원하는 것은 무엇일까?

단순히 AI툴을 쓸 줄 아는 사람보다는 AI로 무엇을 할 것인지 판단하고 결정하는 사람이 중요해졌다.

프롬프트 작성법, GPT 활용법 같은 콘텐츠는 이미 넘쳐납니다. 단순한 AI 툴 숙련도로는 차별화가 어려운 지점에 왔습니다.

기업들이 프리미엄을 붙이는 역량은 조금 다릅니다. 어떤 문제를 AI에게 맡길지 판단하는 힘, AI 결과물이 맞는지 검증할 수 있는 도메인 지식, 그 출력을 실제 비즈니스 의사결정에 연결하는 감각, 그리고 그 과정을 팀 단위로 설계하는 능력입니다.

도구 숙련도가 아니라, 도구를 언제 어떻게 써야 하는지를 아는 판단력입니다. 중국에서 AI 과학자·책임자급 인력이 월 평균 2천만 원이 넘는 보상을 받는 것도, 단순 AI 활용자가 아니라 AI로 무엇을 만들지 결정하는 사람을 원한다는 신호로 읽힙니다.

마치며

AI 사용 환경에 맞춰 직무를 재 설계 하는 것이 기업과 실무자 입장에서 필수가 되어가고 있음.

신입 채용이 줄었다는 사실은 명확합니다. AI 도입이 entry-level 일자리 일부를 대체하고 있다는 것도 부정하기 어렵습니다.

다만 이것을 "AI 때문에 일자리가 사라진다"는 문장으로만 읽으면, 정작 중요한 부분을 놓치게 됩니다. 더 정확하게 표현하면, 기준선이 올라간 것입니다. 그 기준을 통과하는 사람에게 돌아가는 보상도 같이 올라가고 있습니다.

여기서 HR이 빠지기 쉬운 함정이 있습니다. "더 높은 스펙의 사람을 채용하자"는 결론입니다. 채용 기준을 올리는 것도 하나의 방법이지만, 그보다 먼저 물어야 할 질문이 있지 않을까요.

이 직무가 지금도 원래 형태 그대로 존재해야 하는가.

AI가 업무 일부를 가져가면서 생기는 변화는 단순히 "할 일이 줄었다"가 아닙니다. 한 사람이 맡던 역할의 구성 자체가 달라집니다. HR이 "몇 명을 뽑을까"를 고민하기 전에, 실무자들이 "내 역할에서 AI가 담당하는 부분과 내가 담당해야 하는 부분이 어디서 나뉘는가"를 먼저 정의할 수 있어야 합니다. 그 정의 없이 채용 기준만 올리면, 구조는 그대로인 채 사람만 바뀌는 상황이 반복될 수 있습니다.

직무를 다시 설계하는 것, 그리고 그 설계에 실무자가 참여하는 것 이 두 가지가 맞물릴 때 채용도, 육성도 방향이 생기지 않을까 싶습니다.

'AI Native 백과사전' 구독하기

사이트를 구독하면 새 포스트 등 최신 업데이트를 알림과 메일로 가장 먼저 받아보실 수 있습니다.
Slashpage에 가입하고 'AI Native 백과사전'을 구독하세요!