반복 업무의 자동화가
콜센터·사무보조·판매지원 노동자에게 미치는 경제적 영향
은행이나 쇼핑몰 고객센터에 문의하면 상담원보다 챗봇을 먼저 만나는 일이 자연스러워졌다. 주문 상태 확인, 비밀번호 재설정, 환불 절차, 예약 변경처럼 정형화된 질문은 챗봇이 즉시 처리한다. 전화 상담에서도 음성봇이 문의 목적을 파악하고, 상담원에게 연결된 뒤에는 AI 비서가 답변 문구와 관련 규정을 화면에 띄워 준다. 과거 기업이 여러 명의 상담원과 사무보조 인력을 고용해 처리하던 업무가 하나의 자동화 시스템으로 통합되고 있는 것이다.
기업 입장에서 AI 비서와 챗봇은 매력적인 투자 대상이다. 하루 24시간 운영할 수 있고, 문의량이 갑자기 증가하더라도 인력을 같은 비율로 늘릴 필요가 없다. 상담 기록 요약, 데이터 입력, 이메일 분류, 회의 일정 조정, 단순 번역과 문서 작성까지 자동화하면 인건비와 처리 시간을 동시에 줄일 수 있다. 소비자도 기다리지 않고 간단한 문제를 해결할 수 있다는 편익을 얻는다.
문제는 이렇게 절약된 비용과 증가한 생산성이 누구에게 돌아가느냐는 데 있다. AI가 노동자의 업무 부담을 줄이고 임금과 서비스 품질을 높이는 방향으로 사용될 수도 있지만, 같은 기술이 신규 채용을 줄이고 한 사람이 더 많은 고객을 상대하게 만드는 수단으로 사용될 수도 있다. 특히 콜센터 상담원, 사무보조원, 접수원, 판매지원 인력처럼 상대적으로 임금이 낮고 반복적인 언어 업무를 담당하는 노동자는 변화의 영향을 먼저 받을 가능성이 크다.
다만 AI에 많이 노출된 직업이 반드시 곧 사라진다고 해석해서는 안 된다. 국제노동기구는 AI 노출도가 기술적으로 자동화할 수 있는 업무의 비중을 나타낼 뿐, 실제 해고 규모를 예측하는 지표는 아니라고 강조한다. 기업의 도입 비용과 오류 위험, 법적 책임, 고객의 선호에 따라 실제 결과가 달라지기 때문이다. 따라서 핵심 질문은 “AI가 사람을 완전히 대체하는가”보다 “어떤 업무가 사라지고, 남은 업무의 조건이 어떻게 달라지며, 그 변화에 누가 적응할 수 있는가”에 가깝다.
가. AI는 직업 전체보다 반복적인 업무부터 대체한다
AI 비서와 챗봇이 확산될 때 가장 먼저 자동화되는 영역은 정답과 절차가 비교적 명확한 업무다. 배송 조회, 영업시간 안내, 예약 접수, 고객정보 입력, 상담 내용 요약, 자주 묻는 질문에 대한 답변이 대표적이다. 이러한 업무는 과거에도 자동응답시스템과 매크로 프로그램으로 일부 처리됐지만, 생성형 AI는 문장의 표현이 달라도 의미를 파악하고 자연스러운 답변을 만들 수 있다는 점에서 자동화의 범위를 넓혔다.
국제노동기구가 2025년 발표한 생성형 AI 직업 노출도 연구에 따르면 전 세계 고용의 약 4분의 1이 어느 정도 생성형 AI에 노출돼 있다. 그중에서도 사무·행정 지원 직종의 노출도가 가장 높게 나타났다. 문서 작성, 기록 관리, 정보 검색, 일정 조정처럼 컴퓨터 안에서 이루어지고 언어와 규칙으로 표현할 수 있는 업무가 많기 때문이다. 그러나 가장 높은 노출 단계에 해당하는 일자리는 전 세계 고용의 약 3.3%로 추정됐다. 이는 상당수 직업이 통째로 없어지기보다는 일부 업무가 자동화되고 사람의 역할이 재구성될 가능성이 더 크다는 의미다.
콜센터를 예로 들면 이러한 변화가 더욱 분명하게 보인다. 과거에는 단순 문의부터 복잡한 불만까지 상담원이 순서대로 처리했다. 챗봇과 음성봇이 도입되면 배송 조회나 본인 인증 같은 문의는 자동화되고, 사람에게는 환불 분쟁, 시스템 오류, 감정적인 항의처럼 해결하기 어려운 상담이 집중된다. 상담 건수는 줄어들 수 있지만 상담 한 건의 난도와 감정노동 강도는 오히려 높아지는 것이다.
한국노동연구원의 연구에서도 국내 금융권 콜센터에 챗봇·콜봇·보이스봇이 확산되고 있지만, 생성형 AI가 상담원을 전면적으로 대체하는 단계에는 이르지 않은 것으로 나타났다. 잘못된 안내에 대한 책임과 오류 통제의 문제 때문에 생성형 AI는 제한된 기능에 사용되고, 규칙 기반 자동응답이 여전히 큰 비중을 차지한다. 대신 상담원은 챗봇이 해결하지 못한 문의를 처리하거나 AI 답변을 확인하고 수정하는 업무를 함께 맡게 된다.
따라서 일자리 대체는 대규모 해고라는 한 번의 사건보다 점진적인 방식으로 나타날 가능성이 크다. 퇴사자의 자리를 충원하지 않거나 시간제 인력을 줄이고, 신규 채용 규모를 축소하며, 남은 직원 한 명에게 더 많은 업무를 맡기는 방식이다. 전체 고용 통계에서는 변화가 작게 보이더라도 취업 준비생이나 경력 단절자처럼 처음 노동시장에 진입하려는 사람에게는 입구가 좁아질 수 있다.
이러한 변화는 흔히 일자리의 ‘디딤돌’ 역할을 해 온 직무를 줄인다는 점에서도 중요하다. 단순 사무보조나 초급 상담 업무를 통해 회사의 시스템과 고객 특성을 익힌 뒤 관리·기획 업무로 이동하던 경로가 사라지면, 처음부터 높은 숙련을 갖춘 사람만 채용되는 구조가 만들어질 수 있다. AI가 현재 근로자를 즉시 밀어내지 않더라도 저소득층과 청년이 경력을 시작할 기회를 줄이는 간접적인 대체 효과가 발생하는 것이다.
나. 저소득층의 더 큰 위험은 해고보다 낮아지는 협상력이다
생성형 AI는 변호사, 회계사, 개발자, 연구원처럼 고학력 전문직의 업무에도 상당한 영향을 준다. 오히려 최근의 AI 노출도 연구에서는 컴퓨터와 문서를 많이 사용하는 전문직이 높은 노출도를 보이기도 한다. 그렇다면 AI를 저소득층 일자리의 문제로만 설명하는 것은 정확하지 않다. 중요한 차이는 기술에 노출되는 정도보다 기술을 이용해 자신의 생산성과 소득을 높일 수 있는 능력에 있다.
전문직 근로자는 AI가 보고서 초안을 작성하거나 자료를 정리해 주면 절약한 시간을 의사결정과 분석, 고객 관리에 사용할 수 있다. 기업도 이들을 AI를 활용하는 핵심 인력으로 재배치할 유인이 있다. 반면 단순 상담과 데이터 입력을 주로 담당하는 근로자는 자신의 핵심 업무 자체가 자동화될 가능성이 크다. 같은 AI를 사용하더라도 한쪽에는 업무를 보완하는 도구가 되고, 다른 쪽에는 인원을 줄일 수 있는 근거가 되는 셈이다.
OECD의 한국 노동시장 분석에서도 지금까지 AI가 전체 고용을 크게 감소시켰다는 뚜렷한 증거는 제한적이었다. 그러나 전통적인 AI에 대한 노출이 높을수록 한국의 청년, 여성, 저·중숙련 근로자에게서 정규직·전일제 고용 증가세가 상대적으로 낮게 나타나는 경향이 관찰됐다. 고소득·고숙련 직종은 AI를 통한 생산성과 임금 상승의 혜택을 얻는 반면, 저숙련 근로자는 같은 수준의 이익을 얻지 못할 가능성도 제기됐다.
더 현실적인 문제는 AI가 만든 생산성 증가가 임금 상승으로 이어진다는 보장이 없다는 점이다. 고객 상담원이 AI 추천 답변을 사용하면서 시간당 처리 건수가 10건에서 14건으로 늘어나더라도, 회사가 그 성과를 임금과 근무시간 단축으로 돌려주지 않으면 노동자는 이전보다 빠른 속도로 일해야 한다. 상담 사이의 휴식시간이 줄고 실시간 처리량이 평가 지표에 반영되면 AI는 업무 지원 도구인 동시에 노동 통제 도구가 될 수 있다.
실제로 5,000명 이상의 고객지원 상담원을 분석한 현장 연구에서는 생성형 AI 보조 도구를 사용했을 때 시간당 해결 건수가 평균 약 15% 증가했고, 초보자와 상대적으로 숙련도가 낮은 상담원의 생산성은 약 30~34% 향상됐다. AI가 우수 상담원의 표현과 문제 해결 방식을 다른 직원에게 전달하면서 숙련 격차를 줄인 결과다. 이는 AI가 저숙련 근로자를 반드시 밀어내는 기술만은 아니라는 중요한 증거다.
그러나 같은 결과는 기업이 “적은 인원으로 기존 업무량을 처리할 수 있다”고 판단할 가능성도 보여 준다. AI로 생산성이 높아진 노동자에게 교육과 승진 기회를 제공한다면 중간 숙련 일자리가 만들어질 수 있지만, 인력만 줄인다면 생산성의 과실은 기업에 집중된다. 기술의 성격보다 기업의 인사 정책과 성과 배분 방식이 고용 결과를 결정하는 이유다.
저소득층은 실직 이후의 대응 능력에서도 상대적으로 불리하다. 유료 AI 서비스와 컴퓨터를 자유롭게 사용할 환경이 부족할 수 있고, 생계를 유지하면서 장기간 교육을 받기도 어렵다. 업무 경험이 특정 회사의 상담 시스템이나 단순 입력 작업에 집중돼 있다면 다른 직종으로 옮길 때 경력을 제대로 인정받지 못할 수도 있다. 동일한 직무가 사라져도 충분한 저축과 전문 자격을 가진 사람보다 즉시 소득이 필요한 근로자가 더 낮은 임금의 일자리로 이동할 가능성이 커진다.
결국 AI가 만드는 불평등은 단순히 취업자와 실업자의 구분으로만 나타나지 않는다. 정규직에서 계약직으로, 안정적인 사무직에서 플랫폼 단기 업무로, 고객 응대에서 AI 오류 검수와 데이터 정제 업무로 이동하면서 고용의 질이 낮아질 수 있다. 일자리가 완전히 사라지지 않았다는 통계 뒤에서 임금, 근무시간, 승진 가능성, 업무 통제권이 약화되는 현상을 함께 살펴봐야 한다.
다. 대체를 막는 정책보다 생산성의 이익을 나누는 제도가 필요하다
AI 비서와 챗봇의 사용을 전면적으로 제한하는 것은 현실적인 해결책이 되기 어렵다. 반복적인 문의를 자동화하면 소비자의 대기시간을 줄이고, 상담원은 판단과 공감이 필요한 문제에 집중할 수 있다. 고령화와 인력 부족을 겪는 업종에서는 AI가 부족한 노동력을 보완하는 역할도 한다. 중요한 것은 기술 도입 자체를 막는 것이 아니라 AI가 절감한 비용과 시간을 노동자의 고용 안정 및 숙련 향상과 연결하는 것이다.
첫 번째로 필요한 것은 기업이 AI를 도입하기 전에 ‘업무 영향평가’를 실시하는 것이다. 개인정보나 알고리즘 오류만 점검할 것이 아니라 어떤 직무의 어떤 업무가 자동화되는지, 신규 채용은 얼마나 줄어드는지, 남은 근로자의 상담 난도와 처리량이 어떻게 달라지는지까지 확인해야 한다. AI 도입 이후에도 인원, 이직률, 초과근로, 임금, 휴게시간, 고객 불만을 일정 기간 추적하면 생산성 향상이 노동환경 악화 위에서 이루어졌는지 판단할 수 있다.
두 번째는 노동자를 단순한 교육 대상이 아니라 기술 도입의 참여자로 인정하는 것이다. 실제 업무를 수행하는 상담원은 챗봇이 자주 틀리는 질문과 고객이 불편해하는 절차를 가장 잘 알고 있다. 이들이 설계와 검증 과정에 참여하면 오류를 줄일 수 있을 뿐 아니라, AI가 노동자를 감시하거나 무리한 처리량을 요구하는 방식으로 사용되는 것도 견제할 수 있다. OECD 조사에서도 새로운 기술 도입 과정에서 회사와 협의했다고 응답한 근로자일수록 AI가 자신의 일자리에 미치는 영향을 긍정적으로 평가하는 경향이 나타났다.
세 번째는 직업훈련의 내용을 현실적으로 바꾸는 것이다. 저소득 노동자 모두를 개발자나 AI 엔지니어로 전환하겠다는 방식은 성공하기 어렵다. 상담원에게 필요한 교육은 복잡한 민원 조정, AI 답변 검증, 개인정보 보호, 서비스 품질 분석처럼 기존 경험에 새로운 기술을 결합하는 과정이어야 한다. 사무보조원에게는 AI 문서 작성뿐 아니라 결과 검토, 데이터 관리, 회계·행정 시스템 운용을 함께 가르쳐야 한다. 기존 경력을 버리고 완전히 새로운 직업을 선택하게 하기보다 현재의 경험을 중간 숙련 직무로 확장하는 편이 전환 비용을 줄일 수 있다.
교육에 참여할 시간과 소득을 보장하는 장치도 중요하다. 업무가 끝난 뒤 개인 비용으로 공부하라고 요구하면 경제적 여유가 있는 근로자만 전환에 성공한다. 유급 훈련시간, 훈련수당, 고용보험 연계 교육, 중소기업 공동훈련센터 등을 확대해야 한다. 특히 계약직과 파견·용역 근로자는 원청 기업의 AI 도입으로 가장 큰 영향을 받으면서도 원청이 제공하는 교육에서는 제외되기 쉽다. 따라서 기술을 도입한 기업이 직접 고용한 근로자뿐 아니라 협력업체 노동자의 전환 비용에도 일정 부분 책임을 지도록 할 필요가 있다.
네 번째는 인간 상담을 필수적으로 남겨야 하는 영역을 정하는 것이다. 복지 신청, 금융 분쟁, 의료 예약, 요금 체납, 계약 해지처럼 잘못된 안내가 생계와 권리에 직접 영향을 주는 서비스에서는 고객이 사람에게 이의를 제기할 경로가 보장돼야 한다. 챗봇이 반복 질문을 처리하더라도 최종 결정과 예외 판단의 책임은 사람이 맡아야 한다. 이는 소비자 보호를 위한 장치인 동시에 책임 있는 인간 업무를 유지하는 기준이 된다.
마지막으로 AI 생산성 증가를 노동자와 공유하는 방식을 고민해야 한다. 생산성이 높아진 만큼 근무시간을 줄이거나 임금을 인상하고, 일정 기간 고용을 유지하며, AI 검수와 서비스 개선 업무로 이동할 기회를 제공할 수 있다. 정부의 세제 지원이나 AI 도입 보조금도 단순한 시스템 구매보다 고용 유지, 유급 훈련, 임금 상승과 연계하는 편이 바람직하다. 공공 지원을 받아 도입한 기술의 이익이 해고와 외주화로만 이어진다면 사회 전체가 기술 전환 비용을 부담하고 기업만 이익을 얻는 구조가 되기 때문이다.
AI 비서와 챗봇은 저소득층의 일자리를 어느 날 한꺼번에 없애기보다 반복 업무를 먼저 흡수하고, 신규 채용을 줄이며, 남은 업무의 내용과 강도를 바꾸는 방식으로 노동시장에 침투하고 있다. 단순 문의와 데이터 입력은 자동화되는 반면 사람에게는 복잡한 민원, 감정노동, 예외 판단이 집중된다. 일자리가 유지되더라도 더 적은 인원이 더 어려운 업무를 처리한다면 노동자의 체감 고용 안정성은 낮아질 수 있다.
그렇다고 AI를 일방적인 일자리 파괴 기술로만 규정하는 것도 정확하지 않다. 고객지원 분야의 실증 연구에서 확인됐듯이 AI는 초보자와 저숙련 근로자의 생산성을 크게 높이고 숙련자의 업무 방식을 빠르게 학습하도록 도울 수 있다. 적절하게 활용하면 교육 기간을 단축하고, 단순 반복 업무에서 벗어나 더 높은 수준의 판단 업무로 이동하는 발판이 될 수 있다.
결국 결과를 결정하는 것은 AI의 성능만이 아니다. 기업이 생산성 증가를 인력 감축에만 사용할지, 노동자의 임금·근무시간·교육에 나눌지에 따라 같은 기술이 전혀 다른 노동시장을 만든다. 저소득층에게 필요한 것도 추상적인 AI 교육이 아니라 생계를 유지하며 참여할 수 있는 유급 훈련, 기존 경험을 인정하는 직무 전환, 인간의 판단이 필요한 업무에 대한 명확한 역할 설계다.
AI 시대의 일자리 정책은 사라질 직업의 숫자를 예측하는 데 머물러서는 안 된다. 채용 감소와 고용 형태의 변화, 노동 강도, 임금 협상력, 경력 진입 경로까지 함께 살펴봐야 한다. AI가 단순 업무를 대신하면서 사람에게 더 나은 일을 제공한다면 기술 발전과 포용적 성장은 공존할 수 있다. 반대로 생산성의 이익이 소수 기업과 고숙련 인력에게만 집중된다면 AI 비서의 편리함 뒤에서 저소득층의 경제적 불안은 더욱 커질 수 있다.
A modern customer service center in Seoul, Korean call center employees working at computer desks while an advanced AI chatbot interface processes multiple customer inquiries on large background screens, realistic contrast between human emotional labor and digital automation, professional documentary editorial photography, natural office lighting, contemporary technology environment, subtle tension, highly detailed, photorealistic, no illustration, no readable text, no brand logos --ar 16:9 --style raw
한글 프롬프트
서울의 현대적인 고객서비스 센터, 컴퓨터 앞에서 고객을 응대하는 한국인 상담원들, 뒤편 대형 화면에서 여러 고객 문의를 동시에 처리하는 첨단 AI 챗봇 인터페이스
제목과 서브 타이틀, 핵심 키워드가 끝난 뒤 서론이 시작되기 전에 대표 이미지로 배치합니다.
A Korean customer service employee at a computer reviewing order status, reservation changes and refund requests, an AI assistant automatically sorting messages and generating response suggestions across multiple monitors, realistic workflow automation inside a busy office, the employee carefully checking an exceptional customer case, authentic South Korean workplace, documentary photography, soft neutral lighting, natural human expression, photorealistic, no illustration, no readable text, no logos --ar 16:9 --style raw
한글 프롬프트
컴퓨터를 사용해 배송 조회와 예약 변경, 환불 요청을 검토하는 한국인 고객서비스 직원, 여러 모니터에서 문의를 자동 분류하고 답변을 제안하는 AI 비서
본문 가의 첫 번째 문단 뒤에 배치합니다.
A stressed but composed Korean call center employee handling a difficult customer complaint through a headset, complex case records filling the computer screens while simple inquiries are handled automatically by AI in the background, quiet empty desks suggesting reduced staffing, realistic emotional labor in the age of automation, intimate documentary photojournalism, muted colors, natural monitor light, cinematic realism, photorealistic, no illustration, no readable text, no logos --ar 16:9 --style raw
한글 프롬프트
헤드셋을 착용하고 복잡한 고객 불만을 처리하는 긴장했지만 침착한 한국인 콜센터 상담원, 컴퓨터 화면을 채운 복잡한 상담 기록, 뒤편에서 단순 문의를 자동으로 처리하는 AI 시스템, 인력 감소를 암시하는 조용하고 비어 있는 좌석, 자동화 시대의 감정노동을 보여 주는 사실적인 장면
본문 가에서 챗봇과 음성봇이 단순 문의를 처리한 뒤 사람에게 환불 분쟁과 시스템 오류, 감정적인 항의가 집중된다는 문단 다음에 삽입합니다.
A split but seamless realistic scene inside a Korean office, a well-paid professional confidently using a premium AI assistant at a spacious workstation on one side, a low-income contract worker at a small desk reviewing a job termination notice and training materials on the other side, visual contrast in access to technology, job security and career opportunities, restrained social documentary photography, natural window light, authentic emotions, photorealistic, no illustration, no readable text, no logos --ar 16:9 --style raw
한글 프롬프트
하나의 한국 사무실 안에서 자연스럽게 대비되는 두 노동자의 모습, 넓은 업무 공간에서 고급 AI 비서를 능숙하게 활용하는 고소득 전문직 근로자, 작은 책상에서 계약 종료 안내와 직업훈련 자료를 살펴보는 저소득 계약직 근로자
본문 나의 전문직에게 AI는 생산성을 높이는 도구가 되지만 단순 상담과 데이터 입력 노동자에게는 인원 감축의 근거가 될 수 있다는 설명 뒤에 배치합니다.
A practical AI training workshop for Korean customer service and administrative workers, adult employees learning to verify chatbot responses, analyze service data and resolve complex customer cases with an instructor, diverse participants collaborating at computers, technology supporting career transition rather than replacing people, realistic public vocational training center in South Korea, hopeful but authentic atmosphere, professional editorial photography, bright natural daylight, photorealistic, no illustration, no readable text, no logos --ar 16:9 --style raw
한글 프롬프트
한국의 고객서비스 및 사무직 근로자를 위한 실무형 AI 교육 현장, 강사와 함께 챗봇 답변 검수와 서비스 데이터 분석, 복잡한 고객 사례 해결 방법을 배우는 성인 직장인들, 컴퓨터 앞에서 협업하는 다양한 교육 참여자
본문 다에서 기존 경력을 버리게 하는 교육이 아니라 상담 경험에 AI 답변 검증과 서비스 품질 분석 역량을 결합해야 한다는 문단 뒤에 배치합니다.