AI로 사람을 줄였던 회사들, 왜 다시 사람을 뽑을까? — "AI는 돕는 도구, 만능은 아니다

AI를 이유로 인력을 줄였던 기업들이 다시 채용에 나서는 흐름을 조사 자료와 사례로 정리했습니다.

딱개발 · 12분 읽기

요약: 생성형 AI가 나온 뒤 "이제 사람이 필요 없다"며 인력을 줄인 기업이 적지 않았습니다. 하지만 2025~2026년 들어 줄였던 자리를 다시 채우는 사례와 "감원을 후회한다"는 조사 결과가 잇따르고 있습니다. 공통된 이유는 하나입니다. AI는 일을 빠르게 도와주지만, 무엇이 맞는지 판단하고 책임지는 지식과 경험까지 대신하지는 못했다는 것입니다.

1. "AI가 다 해 줄 것"이라던 시기

스웨덴 핀테크 기업 **클라르나(Klarna)**는 2022~2024년 고객 상담 인력 약 700명분의 업무를 OpenAI 기반 AI 상담원으로 대체했고, 한때 상담의 최대 75%를 AI가 처리했습니다.
호주 최대 은행 **커먼웰스뱅크(CBA)**는 2025년 7월 AI 음성봇 도입을 이유로 상담센터 직원 45명을 감원한다고 발표했습니다.
국내에서도 영향은 실제로 있었습니다. 한국은행이 2025년 10월 낸 보고서에 따르면, 챗GPT 등장 이후 3년간 청년층(15~29세) 일자리 21만 1천 개가 줄었고, 그중 20만 8천 개(98.6%)가 AI 노출도가 높은 업종에서 나왔습니다. 컴퓨터 프로그래밍·시스템 통합 업종의 청년 고용도 11.2% 줄었습니다.

2. 그리고 다시 사람을 찾기 시작했다

기업 사례

커먼웰스뱅크는 발표 한 달 만인 2025년 8월 감원을 철회하고 직원들에게 사과했습니다. 음성봇을 넣었더니 오히려 상담 전화가 늘어 팀장까지 전화를 받아야 했고, 은행은 "필요한 역할을 더 꼼꼼히 평가했어야 했다"며 결정이 "실수"였다고 인정했습니다.
클라르나의 세바스찬 시미아트코프스키 CEO는 2025년 AI가 미묘한 상황과 복잡한 문제 해결에 약해 서비스 품질이 떨어졌다고 인정하고, 다시 사람 상담원을 뽑기 시작했습니다. 지금은 단순 문의는 AI가, 복잡하거나 중요한 상담은 사람이 맡는 방식입니다.

조사 결과

영국 인력 설계 기업 오그뷰(Orgvue)가 중·대기업 의사결정자 1,000명을 조사한 결과, AI 도입으로 직원을 감원한 기업(39%) 가운데 55%가 그 결정이 잘못됐다고 인정했습니다.
미국 리서치 기업 포레스터(Forrester)는 2026년 일자리 전망에서 AI를 이유로 한 감원의 약 절반이 조용히 되돌려질 것이라고 내다봤습니다. 다만 같은 조건이 아니라 더 낮은 임금이나 해외 인력으로 다시 채워질 가능성이 크다고 했습니다.
가트너(Gartner)는 2027년까지 AI로 고객센터 인력을 크게 줄이려던 기업의 50%가 그 계획을 포기할 것이라고 예측했습니다. 2025년 12월 조사에서는 AI 때문에 상담 인력을 실제로 줄인 곳이 20%뿐이었고, 55%는 인력을 유지한 채 더 많은 문의를 처리하고 있었습니다. 또 42%는 AI를 운영할 전문 인력을 새로 뽑고 있었습니다.

3. 왜 AI만으로는 안 됐을까?

생각보다 성과가 안 나왔다

MIT 연구진(NANDA 프로젝트)이 2025년 300여 개 기업 AI 도입 사례 등을 분석한 예비 보고서에서, 조사 대상 조직의 95%가 생성형 AI에서 측정 가능한 수익을 얻지 못했다고 밝혔습니다. 원인으로는 AI가 실제 업무 흐름과 예외 상황에 맞지 않고, 피드백을 받아 나아지지 못하는 점을 꼽았습니다. 시연에서는 잘 되던 것이 실제 업무에서는 멈춰 버린다는 것입니다.

개발에서도 "거의 맞지만 틀린" 결과

개발자 커뮤니티 스택오버플로가 2025년 개발자 설문을 한 결과, 84%가 AI 도구를 쓰거나 쓸 계획이었지만 AI 결과의 정확도를 믿지 않는다는 응답(46%)이 믿는다는 응답(33%)보다 많았습니다. 응답자의 66%는 AI 답이 "거의 맞지만 완전히 맞지는 않다"는 점을 가장 큰 불만으로 꼽았고, 45%는 AI가 만든 코드를 고치느라 시간을 많이 쓴다고 답했습니다.
AI 평가 연구기관 METR이 2025년 숙련 오픈소스 개발자 16명을 대상으로 한 실험에서는, AI 도구를 쓸 때 실제 작업 시간이 오히려 19% 더 걸렸습니다. 그런데 개발자들 스스로는 20% 빨라졌다고 느꼈습니다. 이 결과는 초기 AI 도구 기준이고 이후 도구는 더 좋아졌지만, "빨라진 느낌"과 "실제 성과"가 다를 수 있다는 점을 보여 줍니다.

결국 필요한 것은 판단할 수 있는 지식

한국은행 보고서에서도 같은 흐름이 보입니다. 청년 일자리가 줄던 같은 기간, 50대 일자리는 20만 9천 개 늘었고 그중 14만 6천 개가 AI 고노출 업종이었습니다. 보고서는 정형화된 지식 업무는 AI가 대신하기 쉽지만, 맥락을 이해하고 사람을 상대하며 판단하는 경험은 아직 대체하기 어렵다고 분석했습니다.

AI가 만든 코드나 답변이 맞는지, 우리 사업에 맞는지, 보안이나 법적으로 문제가 없는지 판단하려면 결국 그 분야를 아는 사람이 필요합니다. AI는 아는 사람의 속도를 높여 주는 도구이지, 모르는 사람을 아는 사람으로 바꿔 주지는 않습니다.

4. 사업자에게 주는 시사점

"AI로 다 만들 수 있다"는 말만 믿고 결정하지 마세요. 시연용으로 빨리 만드는 것과, 실제 고객이 쓰고 오류 없이 운영되는 서비스를 만드는 것은 다른 일입니다.
사람을 빼기보다 일을 나누세요. 반복적인 일은 AI에게, 판단과 책임이 필요한 일은 사람에게 맡기는 방식이 지금까지 가장 결과가 좋았습니다.
AI를 쓰더라도 검토할 사람이 있어야 합니다. AI가 만든 결과물을 확인할 지식이 없으면, 문제가 생긴 뒤에야 알게 됩니다.

정리하면

AI가 등장했을 때 많은 기업이 "사람을 줄일 기회"로 봤지만, 1~2년이 지나면서 줄였던 자리를 다시 채우고, AI를 다룰 사람을 새로 뽑는 쪽으로 돌아서고 있습니다. AI는 분명 일을 빠르게 만들어 줍니다. 하지만 무엇을 만들지 정하고, 결과가 맞는지 판단하고, 문제가 생기면 책임지는 일은 여전히 사람의 몫입니다.

딱개발도 개발에 AI 도구를 적극적으로 활용합니다. 다만 AI가 만든 결과물을 실제 개발자가 직접 검토하고 책임지는 방식으로 진행합니다. 빠르게 만들되 제대로 돌아가는 서비스가 필요하다면 문의 게시판에 편하게 남겨 주세요.

AI로 사람을 줄였던 회사들, 왜 다시 사람을 뽑을까? — "AI는 돕는 도구, 만능은 아니다

1. "AI가 다 해 줄 것"이라던 시기

2. 그리고 다시 사람을 찾기 시작했다

기업 사례

조사 결과

3. 왜 AI만으로는 안 됐을까?

생각보다 성과가 안 나왔다

개발에서도 "거의 맞지만 틀린" 결과

결국 필요한 것은 판단할 수 있는 지식

4. 사업자에게 주는 시사점

정리하면

출처

다른 글

작은 일이라도
편하게 물어보세요

1. "AI가 다 해 줄 것"이라던 시기

2. 그리고 다시 사람을 찾기 시작했다

기업 사례

조사 결과

3. 왜 AI만으로는 안 됐을까?

생각보다 성과가 안 나왔다

개발에서도 "거의 맞지만 틀린" 결과

결국 필요한 것은 판단할 수 있는 지식

4. 사업자에게 주는 시사점

정리하면

출처

다른 글

작은 일이라도편하게 물어보세요

작은 일이라도
편하게 물어보세요