인공지능이 태국 노동자 수백만 명에게 영향을 줄 수 있다는 말을 들으면, 소프트웨어가 사람을 대규모로 대체하는 장면을 떠올리기 쉽다. 그러나 최신 자료가 보여주는 변화는 그보다 훨씬 복잡하다.
태국 국가경제사회개발위원회(NESDC)는 2025년 4분기 노동력 조사에 생성형 AI 노출 프레임워크를 적용했다. 그 결과 태국 노동력의 21.8%에 해당하는 약 870만 명이 생성형 AI의 영향을 받을 가능성이 있는 직종에 종사하는 것으로 추정됐다.
이 수치 안에는 중요한 차이가 있다. 약 220만 명, 노동력의 5.4%는 업무 대체 그룹에 속했다. 훨씬 큰 약 650만 명, 16.3%는 AI가 생산성을 높이는 데 도움을 줄 수 있지만 핵심 업무는 여전히 사람의 능력에 의존하는 업무 보완 그룹에 속했다.
따라서 더 중요한 질문은 단순히 "AI가 몇 개의 일자리를 없앨까?"가 아니다. 업무의 어느 부분이 바뀌고, 그 부분이 더 싸고 빨라진 뒤 사람의 가치는 어디로 이동할까?가 핵심이다.
AI에 노출됐다고 해서 일자리가 자동으로 사라지는 것은 아니다
하나의 직업은 대개 여러 업무의 묶음이다. 어떤 업무는 자동화할 수 있고, 어떤 업무는 더 빨라질 수 있다. 반면 소통, 협상, 판단, 책임에 크게 의존하는 업무도 남는다.
NESDC는 영향을 두 큰 그룹으로 나눈다. Task Replacement는 구조화되고 반복적인 업무의 일부 또는 전부를 AI가 대신할 수 있는 경우다. 약 220만 명으로 추정되며 사무, 회계, 프로그래밍의 일부 업무가 포함된다.
더 큰 Task Augmentation 그룹은 약 650만 명이다. AI가 일부 절차를 처리하거나 정보를 더 효율적으로 다룰 수 있지만, 중요한 책임은 계속 사람이 맡아야 하는 직종이다.
지역 자료도 비슷한 방향을 가리킨다. International Labour Organization은 2025년 ASEAN 고용의 22.9%가 생성형 AI에 최소 수준을 넘는 노출을 가진 직종에 있었고, 가장 높은 노출 범주는 3.3%에 불과하다고 추정했다. 2026년 7월 기준 ILO는 생성형 AI가 노동시장 전체를 광범위하게 흔들었다는 증거는 아직 제한적이라고 밝혔다.
위험이 없다는 뜻은 아니다. 다만 "일이 바뀌고 있다"와 "일자리가 사라지고 있다"는 같은 말이 아니다.
AI는 직업 전체보다 먼저 개별 업무에 들어온다
재무 담당자는 데이터를 모으고, 표를 만들고, 이상치를 확인하고, 경영진에게 결과를 설명하며, 추천에 책임을 진다. 마케팅 담당자는 고객을 조사하고, 자료를 만들고, 캠페인을 평가하고, 고객과 대화하며, 예산을 어디에 쓸지 결정한다.
AI가 이 중 일부 업무에서 매우 빨라진다고 해서 직무의 다른 모든 부분의 가치까지 사라지는 것은 아니다. AI가 몇 분 안에 초안을 만들 수 있다면 초안 자체를 만드는 가치는 낮아질 수 있다. 대신 어떤 데이터를 믿어야 하는지, 무엇이 이상한지, 결론이 지나치게 위험하지 않은지, 다음에 어떤 결정을 내려야 하는지를 판단하는 가치는 더 커질 수 있다.
그래서 직업의 AI 노출도만 보는 것은 위험하다. 노출도가 높은 직업에도 자동화되기 쉬운 업무와, AI가 생산성을 높여 같은 자원으로 더 많은 유용한 결과를 만들 수 있는 업무가 함께 존재할 수 있다.
한 업무의 비용이 낮아져도 기업의 선택은 감원 하나뿐이 아니다
소프트웨어가 한 시간 걸리던 일을 15분으로 줄였다고 하자. 그 업무의 비용은 낮아졌지만 기업이 다음에 무엇을 할지는 정해져 있지 않다.
인력을 줄일 수도 있다. 같은 인원을 유지하면서 더 많이 생산하고, 더 많은 고객을 응대하고, 제품 테스트를 더 빨리 하거나, 판단이 더 필요한 업무로 직원을 옮길 수도 있다. 노동자 1인당 산출이 늘고 시장이 추가 산출을 흡수한다면 AI는 즉각적인 고용 축소보다 사업 확장을 도울 수 있다.
반대 상황도 가능하다. 수요가 늘지 않고 자동화 이후 가치 있는 업무가 거의 남지 않는다면 기업은 직원을 줄일 유인이 커진다. 고용 결과는 기술뿐 아니라 비즈니스 모델, 시장 수요, 노동자가 AI가 약한 업무로 이동할 수 있는지에 달려 있다.
생산성이 20% 올랐다고 고용이 반드시 20% 줄어드는 단순한 공식은 없다.
더 가치가 높아지는 일은 판단이 필요한 일일 수 있다
도구가 구조화된 업무를 잘할수록 희소한 능력은 글이나 계산을 빨리 만드는 것에서 상황을 이해하고, 올바른 질문을 던지고, 결과에 책임지는 쪽으로 이동할 수 있다.
OECD는 AI 도입이 많은 직장에서 요구되는 숙련 수준을 높이고 있다고 설명한다. 제조업과 금융업 조사에서 절반이 넘는 고용주가 AI 도입 이후 고학력 인력의 필요성이 커졌다고 답했다. 동시에 OECD는 모델 개발이나 AI 프로그래밍 같은 고급 AI 전문 역량이 필요한 노동자는 1% 미만일 것으로 추정한다.
대부분의 노동자에게 더 중요한 것은 폭넓은 역량이다. 데이터를 사용하고 분석하고 해석하는 능력, 문제 해결, 창의성, 관리, 그리고 다른 인간적 기술이 포함된다.
AI가 "첫 번째 답"을 더 싸게 만든다면 사람은 문제를 제대로 정의하고, 답을 검증하고, 비즈니스 맥락에 연결하며, 정보가 불완전할 때 결정을 내리는 능력으로 더 큰 가치를 만들 수 있다.
더 가까운 위험은 경력 사다리의 첫 번째 단계일 수 있다
노동시장 조정이 반드시 대규모 해고로 나타나는 것은 아니다. 새로운 노동자를 위한 채용이 줄어드는 형태로 나타날 수도 있다.
초급 직무에는 정보 수집, 문서 초안 작성, 파일 확인, 기초 분석, 구조화된 문제 해결 같은 업무가 많이 포함돼 왔다. 이런 업무는 젊은 노동자가 경험을 쌓고 더 많은 판단이 필요한 역할로 올라가는 훈련 과정이기도 하다.
Stanford Digital Economy Lab의 미국 자료는 경고 신호로 볼 수 있지만, 같은 패턴이 이미 태국에서 나타난다는 증거는 아니다. 2026년 6월까지의 자료에서 AI 노출도가 높은 직종의 22 – 25세 고용은, 같은 연령대의 노출도가 낮은 직종과 같은 속도로 성장했을 경우의 수준보다 약 19% 낮았다. 조정은 주로 이직 증가보다 신규 채용 약화에서 나타났다.
Stanford는 이 결과가 인과 추정이 아니라 서술적 패턴이라고 명확히 밝힌다. 그래도 중요한 질문은 남는다. AI가 더 많은 주니어 업무를 맡는다면 젊은 노동자는 시니어 역할에 필요한 경험을 어디서 쌓을까?
모두가 AI 엔지니어가 될 필요는 없다
AI에 대한 대응을 모든 사람이 머신러닝이나 모델 개발을 배워야 한다는 전제에서 시작할 필요는 없다.
많은 직업에서 장점은 자신의 전문 분야를 더 깊이 이해하고, AI로 반복 작업 시간을 줄이며, 전문지식과 검증, 판단이 필요한 부분을 강화하는 데서 나올 수 있다. 회계 담당자는 AI로 정보를 정리할 수 있지만 결과를 검증하고 의미를 해석해야 한다. 마케팅 담당자는 AI로 여러 선택지를 만들 수 있지만 고객, 예산, 브랜드, 사업 목표를 이해해야 한다.
기업도 AI 도구를 구매한다고 생산성이 자동으로 높아지지는 않는다. 데이터 품질이 낮고, 프로세스가 잘못 설계되고, 검증이 약하면 업무 속도와 함께 오류가 확산되는 속도도 빨라질 수 있다.
경제적 기회는 사람과 AI가 각각 강점을 가진 부분을 맡도록 일을 다시 설계하고, 생산성 향상을 단순한 시간 절감이 아니라 더 가치 있는 제품과 서비스로 바꾸는 데 있다.
앞으로 무엇을 봐야 하나
첫 번째 신호는 태국의 초급 인력 채용이다. 특히 사무 지원, 금융, 회계, 마케팅, 기술, 기초 분석 직무를 볼 필요가 있다. 주니어 채용이 전체 고용보다 빠르게 약해지면 기업이 경력 사다리의 첫 단계를 다시 설계하고 있을 수 있다.
두 번째는 채용 공고에서 요구하는 기술이다. AI라는 단어가 나오는지보다 분석, 검증, 소통, 프로젝트 관리, 산업 전문지식에 대한 수요가 커지는지가 중요하다.
세 번째는 AI가 보완하는 업무와 자동화하기 쉬운 업무 사이의 임금과 고용 차이다. 격차가 커지면 기업이 구매한 AI 도구의 수보다 노동시장 영향을 더 직접적으로 보여줄 수 있다.
마지막은 기업의 업스킬링과 리스킬링 투자, 그리고 중소기업이 AI를 실제로 효과적으로 도입할 수 있는지다. 생산성 향상이 대기업에 집중된다면 기업 규모에 따른 효율성과 임금 격차가 더 커질 수 있다.
AI는 일부 업무의 가치를 낮출 수 있다. 그렇다고 인간 노동의 가치가 같은 속도로 줄어드는 것은 아니다. 점점 중요한 질문은 AI가 업무 한 층을 맡은 뒤 무엇이 남는지, 그리고 노동자와 기업이 그 새로운 가치로 충분히 빠르게 이동할 수 있는지다.
