AI 생산성 과실, 누가 가져가는가 — 산업전환 기본계획이 던진 분배 문제와 사업주의 선택

KJob 뉴스 보도 AI 생산성 과실, 누가 가져가는가 — 산업전환 기본계획이 던진 분배 문제와 사업주의 선택

2026년 7월 9일, 정부가 공개한 '산업전환 고용안정 기본계획'은 단순한 고용 정책이 아니라 AI 시대의 소득 분배 원칙을 새로 쓰는 중대한 분기점이었다. 이 계획의 핵심은 AI와 로봇 도입으로 창출되는 생산성 증가분을 기업과 자본이 독점할 경우, 중소기업 근로자·플랫폼 노동자·청년층의 소득 손실이 구조화될 수 있다는 경고를 공식 의제로 채택했다는 점이다. 문제는 이 거대한 정책 변화가 사업주의 투자 의사결정과 인력 운영 방식에 실질적인 재검토를 요구한다는 데 있다. 단기적 인건비 절감이라는 유혹 뒤에 숨은 장기적 리스크, 즉 공급망 인력 이탈과 숙련 손실, 법적 분쟁 비용을 사업주가 직시해야 할 시점이 도래한 것이다.

기획의 출발점은 AI 전환의 피해가 특정 계층에 집중되는 구조적 불평등에 대한 진단이었다. 시사의창에 기고한 김세전 전략사업부 대표는 AI 전환의 진짜 위기가 일자리 총량 감소가 아니라 전환기의 손실이 특정 세대와 계층에 편중되는 데 있다고 지적했다. 대기업 숙련 인력은 AI를 도구로 활용해 성과를 높이고 소득을 확대할 여지가 있지만, 중소기업 노동자와 플랫폼 노동자, 경력 초기 청년은 전환 비용을 고스란히 개인이 감당해야 하는 구조라는 것이다. 특히 주목할 점은 피해 계층이 더 이상 저학력·저소득층에 국한되지 않는다는 사실이다. 생성형 AI가 언어·판단·기억·설계 능력의 일부를 기계화하면서, 여성과 청년, 고학력·고소득 화이트칼라 근로자의 AI 노출도가 상대적으로 높게 나타났다. 여기에 로봇이 결합된 '피지컬 AI'가 확산되면 회계·번역·고객 상담·코딩 같은 지식 노동뿐 아니라 물류·운전·조립·돌봄 보조 등 블루칼라 직무까지 전면적 재편 대상이 된다. 이는 과거 제조업 자동화 시대와는 질적으로 다른 전환의 신호다.

정부는 이러한 변화에 대응하기 위해 2027년까지 한국형 AI 노출지수를 개발하고, AI 고노출 직무의 고용 변화를 실시간으로 보여주는 '한국형 카나리아 대시보드'를 운영하겠다고 발표했다. 모니터링 체계 구축은 의미 있는 첫걸음이지만, 본질은 그 다음에 있다. 모니터링 결과가 단순한 통계에 머물지 않고 사업주의 고용·임금·교육 정책 설계에 실질적인 구속력을 갖게 될 가능성이 크기 때문이다. 기고문과 정부 계획이 공통으로 제시한 제도 장치는 세 가지다. 공공자금 투입 시 수익 공유 권리 확보, 대규모 자동화 투자에 대한 고용 영향 평가 의무화, 재직자 대상 유급 학습 및 전환 휴가 보장이다. 이는 단순한 복지 지원책이 아니라 '생산성 증가분을 어떻게 나눌 것인가'라는 분배의 규칙을 정하는 핵심 메커니즘이다.

사업주의 관점에서 이 정책 변화는 비용 구조의 재편을 의미한다. 자동화 투자로 단기간 인건비가 줄어들더라도, 생산성 증가분의 분배 방식에 따라 총 노동비용의 실질적 변화는 완전히 달라진다. 생산성 이익이 대부분 기업 수익으로 귀속될 경우, 협력업체에 대한 납품단가 압박과 하청 노동자의 임금 하락으로 이어지고, 이는 결국 공급망 단절과 노무 분쟁 증가로 귀결된다. 공공자금이 투입된 AI 사업에서 수익 공유 규정이 미비하면 세제·보조금 회수 이슈까지 발생할 수 있다. 또한 재직자 대상 유급 학습과 전환 휴가가 보장되지 않으면 숙련 인력 이탈과 현장 생산성 저하로 인해 구인난이 심화될 가능성이 높다. 이 세 가지 논거는 모두 사업주가 투자 의사결정 시 투입 자본의 회수 기간 산정, 협력업체와의 비용 분담 합의, 재직자 교육·휴가 비용을 포함한 총비용 계산을 동시에 고려해야 한다는 실용적 결론으로 수렴된다.

물론 반론도 만만치 않다. 일부에서는 '기업 경쟁력이 약해진다'고 주장하며, 특히 중소기업은 규제 부담을 우려한다. 그러나 이 같은 반박은 규제의 본질을 오해한 측면이 있다. 규제는 단순히 비용을 늘리는 장치가 아니라 경쟁력의 지속 가능성을 좌우하는 투자 설계의 일부로 기능할 수 있다. 예컨대 고용 영향 평가 결과를 정부의 전환기 보조금과 연계하면 초기 투자 부담을 실질적으로 낮출 수 있다. 노사협의를 통해 전환 계획을 사전에 마련하면 산재·임금체불·분쟁에 따른 법적 비용과 간접 손실도 줄어든다. 단기 비용은 발생하지만, 리스크 관리를 통해 장기 비용을 절감할 여지가 충분하다는 의미다. 정책 환경이 이 방향으로 수렴되고 있는 이상, 이를 외면한 투자 설계는 중장기적으로 더 큰 비용을 초래할 가능성이 크다.

에듀테크 업계에 이 기사가 주는 시사점은 각별하다. AI 전환의 핵심 과제가 기술 개발이나 인프라 구축을 넘어 '생산성 과실의 분배'로 이동하고 있다는 점은, 교육 기술 기업의 사업 모델에도 근본적인 질문을 던진다. 그동안 에듀테크 기업들은 AI 기반 개인화 학습, 지능형 튜터링 시스템, 자동 평가 도구 등을 통해 학습 효율성을 높이는 데 주력해 왔다. 그러나 산업전환 기본계획이 제시하는 방향은 이 같은 효율성의 과실이 누구에게 귀속되는지를 동시에 고민해야 한다는 것이다. 특히 재직자 유급 학습과 전환 휴가가 제도화될 경우, 기업 대상 에듀테크 솔루션의 수요는 단순한 스킬 업스킬링을 넘어 '전환기 소득 보전'과 '고용 영향 평가'를 지원하는 도구로 확장될 가능성이 크다. AI 노출지수와 카나리아 대시보드가 구축되면, 고위험 직무에 종사하는 근로자를 위한 맞춤형 재교육 프로그램의 수요가 폭발적으로 증가할 것이며, 이는 에듀테크 기업에게 새로운 시장 기회이자 사회적 책임으로 작용할 것이다.

결론적으로 한국의 AI 전환은 단기간의 자동화 프로젝트로 끝나지 않는다. 생성형 AI와 피지컬 AI의 결합은 화이트칼라와 블루칼라의 경계를 허물고 있으며, 그 속도는 노동자 개인의 적응 속도를 앞지를 가능성이 크다. 정부의 카나리아 대시보드가 2027년까지 운용될 계획이라는 점은 고위험 직무 식별과 정책 개입의 기반을 제공하지만, 정책의 실효성은 생산성 증가분의 분배를 제도화하는 구체적 규칙 마련에 달려 있다. 수익 공유, 고용 영향 평가, 재직자 권리 보장은 복지 장치가 아니라 산업 전환의 비용을 사회적·계약적 방식으로 재분배하는 핵심 메커니즘이다. 사업주가 당장 점검해야 할 항목은 명확하다. 자동화 투자 계획서, 예상 고용 영향 시나리오, 재직자 교육 계획서, 협력업체 영향 분석 보고서를 선제적으로 준비하고, 고용 영향 평가 제출 필요성과 재직자 유급 학습·전환 휴가 제도 설계, 전환기 소득 보전 방안, 협력업체 비용 분담 계획을 재무계획과 인사 정책에 직접 반영해야 한다. 이 변화를 외면하는 사업주는 현장 인력 이탈과 공급망 불안정이라는 실질적 대가를 치를 수밖에 없다. AI 시대의 경쟁력은 더 이상 기술 도입 속도가 아니라, 변화의 비용을 누가 어떻게 부담할 것인가에 대한 지혜로 결정될 것이다.