🥕AI가 일을 바꾼 뒤, 사람이 없는 걸까 스킬이 없는 걸까?

—업스킬링·리스킬링 이전에 필요한 질문들

“우리 팀에 맞는 사람이 없어요”

채용 현장에서 가장 자주 듣는 말입니다. AI, 데이터, 로봇, 디지털 전환과 관련된 인재는 물론이고 제조 현장의 숙련 기술자, 연구개발 인력, 새로운 사업을 이끌 전문인력까지 필요한 사람을 제때 확보하기 어렵다는 것인데요. 이 지점에서 한 가지 질문을 던져봅니다. 정말 부족한 것은 사람일까요? 아니면 필요한 스킬을 가진 사람이 부족한 것일까요? 이 두 질문은 비슷해 보이지만 HR이 선택할 해결 방법은 상당히 달라질 수 있습니다. 사람을 1인 1직무로 보던 시선을 1인 복수 스킬로 바꾸면, 우리가 찾던 사람은 조직 안팎에 이미 있을 가능성이 큽니다. 예를 들면 영업 담당자의 고객 이해, 데이터 해석, 협상, 문서 작성 스킬이 다른 직무에도 활용될 수 있는 여지가 생기는 것이죠. 즉, 사람을 찾는 풀(Pool)이 ‘직무’에서 ‘스킬’로 넓어지는 것입니다.

Skill Vacuum을 채우는 스킬 기반 조직

연세대 이지만 교수는 필요한 스킬이 생기는 시점과 실제 업무에 투입 가능한 숙련자가 만들어지는 시점 사이의 공백을 기술 공백Skill Vacuum이라는 개념으로 설명합니다. 세계경제포럼World Economic Forum, WEF은 2030년까지 현재 핵심 스킬의 39%가 바뀔 것으로 전망했고, 기업의 63%는 스킬 격차를 사업 전환의 가장 큰 장벽으로 꼽았습니다. PwC가 약 10억 건의 채용공고를 분석했더니, AI 노출도가 가장 높은 직업에서 요구되는 스킬의 변화 속도는 노출도가 낮은 직업보다 66% 빨랐고, 이 격차는 전년의 25%에서 크게 확대되었습니다. 이 수치가 말하는 것은 직무가 사라지기 전에 직무 안의 스킬이 먼저, 그리고 빠르게 바뀐다는 점입니다. 변화의 단위는 직무(Job)가 아니라 직무 안의 과업(Task)과 그 과업 수행에 필요한 스킬이라고 볼 수 있습니다.
기존 HR 시스템은 대부분 직무 단위로 만들어져 왔습니다. 직무로 정원을 정하고 채용하고 평가하고 보상합니다. 하지만 AI가 일부 과업을 대체하거나 보완하면서, 직무명은 그대로여도 직무의 실제 내용, 필요한 스킬은 5년 전과 꽤 달라졌습니다. 이렇게 되면 직무 기준의 인력계획은 변화를 읽지 못합니다. 이것이 바로 직무가 아니라 스킬을 기준으로 사람을 파악하고, 채용하고, 육성하고, 배치하는 스킬 기반 조직Skills-based Organization이 주목받는 이유입니다. 스킬 기준으로 보면 교육이 실제 인력 공급으로 이어졌는지도 확인할 수 있습니다. 가령 100명이 AI 교육을 이수했어도 그 일을 독립적으로 수행할 수 있는 사람이 20명이고, 그중 일부가 다른 사업부에 묶여 있거나 곧 조직을 떠난다면 조직이 실제로 쓸 수 있는 공급은 20명보다도 작습니다.

AI가 일을 바꾼 뒤, 스킬 지도는 어떻게 달라지는가

AI 도입 이후 현장에서 먼저 일어나는 변화는 직무의 소멸이 아니라 과업의 무게중심 이동입니다. 제조 현장의 설비 엔지니어를 예로 들어보겠습니다. 이 직무의 일을 감지·진단·판단·조치·학습·최적화로 나누어 보면, 이상 징후 탐지, 이력 검색, 점검 기록, 표준 기준에 따른 1차 판단처럼 반복적이고 규칙화된 과업은 AI가 맡기 쉬운 과업입니다. 반대로 사람의 시간은 AI의 예측 결과를 검증하고, 운전 조건을 최적화하고, 설비 가동과 정지 같은 최종 결정을 내리는 쪽으로 이동할 수 있습니다. 직무명은 그대로여도 하루의 일은 이미 다른 직무가 되어 있는 셈입니다. 이 변화를 스킬 측면에서 읽으면 네 갈래로 정리되고, 갈래마다 스킬을 확보하는 길이 달라집니다.

• 줄어드는 스킬 : 수기 기록, 단순 이력 검색, 정형화된 1차 판단 → 사람이 직접 할 이유가 줄었으니 AI에 이관(Bot)합니다.
• 유지심화할 스킬 : 설비 원리 이해, 현장 경험에서 나오는 감각, 안전 판단 → AI에 의존하다 사라지지 않도록 보존(Preserve)하고 전수합니다.
• 수준을 높이거나 옮겨야 할 스킬 : 데이터 해석, AI 결과의 검증과 현장 적용 → 현재 역할의 수준을 높이면 업스킬링, 새로운 역할로 옮기려면 리스킬링으로 채웁니다.
• 새로 생기는 스킬 : AI 모델 운영, 데이터 파이프라인 관리 → 조직 안에서 오래 필요하면 채용(Buy), 단기고도 전문성이면 파트너나 프리랜서의 능력을 차용(Borrow)합니다.

여기서 놓치기 쉬운 점이 있습니다. 새로 필요한 사람은 AI 전문가가 아니라 AI의 결과를 검증하고 현장 맥락에서 쓸 줄 아는 하이브리드 인재라는 것입니다. 알고리즘이 고장 가능성을 예측해도, 그것이 상관 관계인지 인과 관계인지 구분하고, 임계치가 타당한지 따져 보고, 데이터의 한계와 그럴듯한 오답(환각)을 의심하고, 현장의 제약 조건에서 실행 가능한지 확인하는 일은 결국 사람의 몫입니다.

또한 같은 직무 안에서도 사람마다 가야 할 길이 달라질 수 있습니다. 예를 들어 반복 업무 비중이 높던 인력은 AI의 도움을 받는 기술자로, 엔지니어는 예측과 최적화까지 책임지는 신뢰성 엔지니어로, 데이터·AI 인력은 현장을 이해하는 현장형 인력으로 이동하는 모습을 그려볼 수 있습니다. HR 업무도 다르지 않습니다. 교육 만족도 설문 분석이라는 과업에서 응답 정제는 AI가 맡고, 인사이트 초안은 AI가 쓰되 사람이 검증하며, 경영진 권고안과 민감한 의견은 사람이 맡습니다. 이렇게 나누면 사람의 몫은 판단, 예외 처리, 문제 정의, 통합, 관계, 그리고 책임(accountability) 같은 상위 과업으로 이동하게 됩니다.

우리 조직의 스킬을 파악하고 활용하는 방법

과업의 이동 경로를 그려보는 출발점이 바로 스킬입니다. 우선 스킬을 같은 언어로 부르려면 분류체계Taxonomy가 필요합니다. 다만 전사의 수천 개 스킬 사전부터 만들다 보면 현업에 닿기 전에 지치곤 합니다. 다행히도 국가직무능력표준(NCS, 한국), O*NET(미국), ESCO(유럽) 같은 외부 체계에서 출발할 수 있습니다. 여기서 더 나아가 마이크로소프트의 People Skills 프로그램은 직원의 프로필과 문서 작업, 이메일, 채팅, 회의 등 업무 활동에서 나오는 Microsoft Graph 신호를 바탕으로 AI가 스킬을 추론해 스킬 프로필을 생성합니다. 추론 결과는 약 30일 주기로 갱신되고, AI가 추론한 스킬은 본인 확인 후 ‘검증됨’으로 표기됩니다. 중요한 것은 스킬 데이터가 연 1회 작성하는 인사정보에서 실제 업무 활동을 기반으로 계속 갱신되는 데이터로 바뀌고 있다는 점입니다.

이제 HR의 질문은 “무엇을 교육할 것인가”에서 “우리의 스킬 포트폴리오를 어떻게 재구성하고, 과업을 어디로 이동시킬 것인가”로 바꿔볼 수 있습니다. 최근에는 앞서 본 이관·보존·업스킬링·리스킬링·채용·차용의 여섯 가지 루트를 통해 조직 내 필요한 스킬을 확보하고 배치와 이동에 연결한 사례들을 찾아볼 수 있습니다.

• DBS은행 : 2025년 업무 흐름을 사람과 AI의 협업 구조로 재설계하는 운영모델 전환Operating Model Transformation 과제 9건을 완료했습니다. 또한 1만 1천 명 이상을 심화 업스킬링리스킬링 대상으로 식별해 학습 로드맵을 시작했습니다. 식별에서 끝나지 않고 재교육과 재배치로 이어지는 경로를 설계하였습니다.
• SK케미칼 : 영업 직무를 대상으로 기존 역량 모델을 현장에서 관찰측정·개발할 수 있는 스킬로 다시 설계했습니다. 중요도·빈도·교육 필요도로 가중치를 매겨 스킬셋을 확정하고, 스킬을 배우면 행동이 바뀌는지를 따로 검증합니다. 1~15년 차에 걸치던 성장 경로는 입사 후 002년으로 압축하는 방향으로 설계해 온보딩과 2년 차 통합 인증으로 확인합니다. 스킬 정의에서 성장 경로까지 이어 붙인 업스킬링 사례입니다.
• 유니레버 : 스킬과 지향점을 프로젝트 수요와 연결하는 AI 기반 내부 인재 마켓플레이스 FLEX Experiences를 운영합니다. 2021년 기준 1,350개 프로젝트에서 11만 시간 이상의 참여 기회를 만들었다고 보고했습니다. 교육이 아니라 다른 일을 실제로 해 볼 기회로 스킬을 연결한 리스킬링 사례입니다.

스킬을 채우기 위한 여정, 무엇부터 해볼 수 있을까요?

스킬 기반 조직은 거창한 시스템을 만드는 일이 아니라 질문을 바꾸는 일에서 시작합니다. “이 직무에 누가 앉을 것인가”가 아니라 “이 일을 하려면 어떤 스킬이 필요하고, 그 스킬은 어디에서 확보할 것인가”를 묻는 것입니다.

1. 사업 시나리오 설정 : 향후 3년간 제품, 공급망, 자동화, 규제, 고객이 과업을 어떻게 바꿀까요?
2. 핵심 직무 3~5개 선정 : 사업상 중요하고, 변화가 빠르고, 대체 인력을 구하기 어려운 직무는 무엇인가요?
3. 직무를 과업(Task) 단위 분해 및 AI 영향 판단 : 이 과업은 AI에 맡길 것인가, AI의 도움을 받을 것인가, 사람이 더 높은 수준으로 올라갈 것인가, 일부러 사람에게 남길 것인가? 과업별 AI 영향 정도는 가설로 두고, 현장 관찰과 시간 분석, 스킬 서베이로 검증합니다.
4. 과업에서 스킬을 도출하고 갭을 확인 : 현재 스킬 숙련도는 어느 단계인가요? 필요한 스킬과 현재 투입 가능한 공급의 갭은 어떻게 되나요?
5. 스킬별 확보 루트를 정하고 이동 경로를 설계 : 내부와 외부 어디에서 스킬을 확보할 것인가요? 내부에서 키우는 스킬은 교육-프로젝트-멘토링을 묶어 실제 새로운 일로 옮겨 가는 경로를 어떻게 만들 수 있을까요?

AI 시대의 인재 부족은 반드시 사람의 부족을 뜻하지 않습니다. 필요한 일을 여전히 ‘직무’로 정의하고, 사람을 ‘경력’으로 찾고, 교육을 ‘수료’로 측정하기 때문에 생기는 부족일 수도 있습니다. 그래서 업스킬링과 리스킬링의 출발점은 일이 어떻게 바뀌는지를 먼저 보고, 그 일을 수행할 스킬을 찾고, 사람을 실제 새로운 일로 이동시키는 것입니다. 어쩌면 AI 시대 HR의 경쟁력은 사람을 더 많이 교육하는 능력이 아니라, 일이 바뀐 만큼 조직 안에 이미 있지만 아직 보이지 않는 스킬을 발견해 필요한 일과 더 빠르게 연결하는 능력이 아닐까요?

- E.O.D -

참고문헌

World Economic Forum (2025), The Future of Jobs Report 2025

PwC (2025), Global AI Jobs Barometer

OECD (2024), What skills do employers seek in jobs most exposed to AI?, OECD Artificial Intelligence Papers

DBS (2025), Sustainability Report 2025, Annual Report 2025

Microsoft Learn, People Skills AI inferencing engine

Unilever (2019), AI-powered talent marketplace 보도자료 / Unilever Annual Report and Accounts 2021

SK케미칼(2026), 직무역량 육성체계로 그리는 구성원 성장 로드맵, 제20회 인적자원개발 컨퍼런스 (한국산업인력공단 주최)

김광태 외 (2026), HR 대전환, 스킬 시프트, 삼성글로벌리서치