Root Users of AI: Gartner가 본 2030년 일자리, 170만 개 순증과 IT 조직의 인력 증가
Gartner는 2030년까지 AI로 일자리 약 890만 개가 사라지고 1,060만 개가 생겨 170만 개가 순증한다고 내다봤습니다. 직접 실직은 최대 1.8%지만 20% 넘는 근로자의 일이 바뀝니다. Lovelock은 CIO에게 오히려 사람이 더 필요하고, 직원 대부분은 회사가 준 AI를 쓰는 root user가 된다고 봤습니다.
Gartner 전망의 요지는 AI가 일자리를 줄이기보다 일의 내용을 바꾼다는 것입니다. 2030년까지 순증은 170만 개이고 직접 실직은 최대 1.8%이지만, 20% 넘는 근로자는 하는 일과 방식이 바뀝니다. 이 변화를 가장 먼저 겪는 곳이 IT 조직이고, CIO는 사람을 줄이기보다 더 뽑아야 할 수 있습니다. 대비하려면 직무를 업무 단위로 쪼개 AI 노출을 재고, 대부분의 직원을 회사가 준 AI를 잘 쓰는 root user로 키우는 계획부터 세워야 합니다.
요약
Gartner는 2026년 11월 10일 AI가 일자리에 미칠 영향을 2030년까지 내다본 전망을 내놓았고, CIO Dive는 11월 11일 기사에서 Gartner의 John Lovelock(Distinguished VP Analyst) 인터뷰를 더해 IT 조직에 주는 의미를 정리했습니다. 숫자는 이렇습니다. 2030년까지 전 세계에서 약 890만 개(CIO Dive 표기로는 약 900만 개)의 일자리가 AI 때문에 사라지고, 1,060만 개가 새로 생겨 170만 개가 순증합니다. AI 때문에 직접 일자리를 잃는 사람은 최대 1.8%로, 2%가 안 됩니다. 반면 20%가 넘는 근로자는 하는 일, 일하는 방식, 책임 범위가 바뀝니다. 기술 인력은 70%가 AI에 크게 노출됩니다.
Lovelock은 이 숫자가 나오는 이유를 AI 프로젝트의 성격에서 찾습니다. AI 프로젝트는 특정 업무 기능을 겨냥하는데, 그 기능의 업무는 여러 직무에 걸쳐 있습니다. 그래서 거의 모든 직무가 어떤 AI 프로젝트의 영향을 받지만, 모든 업무가 바뀌는 직무는 드뭅니다. 회사가 부서 운영 방식을 근본부터 다시 짜기 전까지는 큰 인력 재편도 오지 않는다고 봤습니다. IT 조직은 이 변화를 먼저 겪습니다. 그는 AI를 돌리는 기술 조각마다 새 스킬셋과 담당자가 필요하다며 CIO의 인력 수요가 오히려 늘어난다고 말했습니다. 직원 대부분은 프롬프트 엔지니어가 아니라 회사가 준 AI를 쓰는 root user가 된다는 진단도 덧붙였습니다. 아래에서는 이 흐름을 다섯 메커니즘으로 나누고, 실제로 대비할 때 필요한 디테일을 붙입니다.
핵심 메커니즘
Net Job Math: 순증은 작고 이동은 크다
순증 170만 개만 보면 AI가 고용에 거의 영향을 주지 않는 것처럼 보입니다. 그러나 이 숫자는 사라지는 890만 개와 새로 생기는 1,060만 개의 차이입니다. 둘을 합치면 2030년까지 약 1,950만 개의 자리가 없어지거나 새로 생긴다는 뜻이고, 없어지는 자리의 사람과 새 자리에 앉을 사람이 같다는 보장은 없습니다. 더 큰 숫자는 일이 바뀌는 쪽입니다. 직접 실직이 최대 1.8%인 데 비해, 업무 방식이 바뀌는 근로자는 20%를 넘습니다. 그러니 기업이 먼저 따질 것은 감원 규모보다 직무 내용이 바뀌는 사람의 수입니다. 가상 예시로, 직원 5,000명인 회사에 이 비율을 그대로 대면 직접 실직은 최대 90명이고 일이 바뀌는 사람은 1,000명이 넘습니다.
Task Exposure: 직무가 아니라 업무가 바뀐다
Lovelock의 설명에서 단위는 직무가 아니라 업무입니다. AI 프로젝트는 특정 업무 기능을 겨냥하고, 그 기능을 이루는 업무는 여러 직무에 흩어져 있습니다. 그래서 프로젝트 하나가 여러 직무의 일부를 동시에 건드립니다. 입력은 회사의 업무 기능 목록, 처리는 기능을 이루는 업무가 어느 직무에 걸쳐 있는지 연결하는 일, 출력은 직무마다 AI로 바뀌는 업무의 비율입니다. 이 관점에서는 “어떤 직무가 사라지나”보다 “이 직무의 업무 중 몇 개가 바뀌나”가 맞는 질문입니다. 직무 전체가 바뀌는 경우는 드물고, 큰 재편은 부서 운영 방식을 다시 짤 때 옵니다.
More People for the CIO: AI를 돌리려면 IT에 사람이 더 든다
흔히 AI가 코드를 쓰면 IT 인력은 줄어든다고 봅니다. Lovelock의 판단은 반대입니다. 그는 인터뷰에서 “The CIO will in fact need more employees to deal with AI”라고 말했습니다. 근거는 AI를 돌리는 데 필요한 기술 조각 하나하나에 새 스킬셋이 필요하고, 그 스킬셋을 맡을 사람이 필요하다는 데 있습니다. IT 팀은 AI의 영향을 가장 먼저 받고, CIO는 그렇게 배운 것을 전사로 퍼뜨리는 역할까지 맡습니다. 그 범위로 그는 변경 통제(change control), 리스킬링, 직원 만족을 들었습니다. 기술 인력의 70%가 AI에 크게 노출된다는 숫자도 이 흐름과 맞닿아 있습니다. 노출이 크면 자리가 없어지기보다 일이 가장 많이 바뀝니다.
Root Users: 모두가 프롬프트 엔지니어가 될 필요는 없다
root user는 이 글에서 회사가 제공한 AI를 일상 업무에 능숙하게 쓰는 사람을 가리킵니다. Lovelock은 대부분의 사람이 프롬프트 엔지니어가 되지 않고 이런 사용자가 된다고 봤습니다. 그는 데스크톱 컴퓨터가 처음 들어왔을 때와 비교하며, AI를 잘 쓰는 일을 1989년에 이메일을 잘 쓰던 일에 견줬습니다. AI 활용이 전문 기술에서 누구나 갖출 기본기로 바뀐다는 비유입니다. CIO Dive는 여기에 Forrester 조사를 붙였습니다. AI 도구를 잘 이해하는 정보 근로자는 16%였고, 43%는 잘못 이해할 위험이 있었습니다. 기업이 AI 투자 수익을 얻지 못하게 막는 것은 기술 문제보다 스킬 격차인 경우가 많다는 지적과 같은 방향입니다. 리스킬링이 이 전환의 중심이라는 것이 Lovelock의 결론입니다.
Deferred Hiring: 사라지는 자리보다 생기지 않는 자리
CIO Dive 기사 밖에서 같은 Gartner 발표를 다룬 보도(HCAMag, ITPro)는 채용 보류 수치를 전합니다. AI가 빈자리를 메울 것이라 보고 기업이 채용을 미루면서, 2030년까지 약 500만 명이 채용 지연을 겪는다는 전망입니다. Lovelock은 이를 두고 보류된 일자리는 잃은 일자리와 다르며, 그냥 생기지 않을 뿐이라고 설명했습니다. 해고 통계에는 잡히지 않지만 들어올 문이 좁아지는 셈입니다. ITPro가 전한 Gartner의 Helen Poitevin은 이 영향을 가장 크게 받는 쪽을 신입·초급 인력으로 봤습니다. 기업 안에서는 신입 채용 계획과 경력 경로 설계에 바로 걸리는 문제입니다.
통념과 다른 주장
흔히 이렇게 봅니다AI는 일자리를 대량으로 없앤다.
Gartner는 이렇게 봅니다2030년까지 일자리는 순증하고, AI로 직접 실직하는 사람은 2%가 안 됩니다. 대신 20% 넘는 사람의 일이 바뀝니다.
근거사라지는 약 890만 개보다 새로 생기는 1,060만 개가 많아 170만 개가 순증하고, 직접 실직은 최대 1.8%라는 전망입니다.
흔히 이렇게 봅니다AI를 들이면 IT 인력이 줄어든다.
Lovelock은 이렇게 봅니다CIO는 IT만 다룰 때보다 AI를 다루기 위해 더 많은 직원이 필요합니다.
근거AI를 돌리는 기술 조각마다 새 스킬셋과 담당자가 필요하다는 설명입니다. 다른 보도가 전한 업종별 수치에서도 기술 업종은 생기는 자리(190만 개)가 사라지는 자리(40만 개)보다 많습니다.
흔히 이렇게 봅니다AI 시대에는 모든 직원이 프롬프트 엔지니어 수준의 기술을 배워야 한다.
Lovelock은 이렇게 봅니다대부분은 회사가 준 AI를 쓰는 root user가 됩니다. 필요한 것은 1989년의 이메일처럼 누구나 갖출 기본기입니다.
근거데스크톱 컴퓨터 도입기와 같은 전환으로 봤고, CIO Dive가 인용한 Forrester 조사에서 AI 도구를 잘 이해하는 정보 근로자는 16%였습니다.
저자가 든 사례
Gartner 2030 일자리 전망과 업종별 차이
| 구분 | 내용 |
|---|---|
| 상황 | AI가 일자리를 얼마나 없앨지에 대한 불안이 큰 가운데, 기업은 인력 계획의 기준이 필요함 |
| 한 일 | Gartner가 2030년까지 AI로 생기고 사라지는 일자리를 전 세계·업종별로 전망하고, Lovelock이 IT 조직에 주는 의미를 설명 |
| 결과 | 1,060만 개 생성, 약 890만 개 소멸, 170만 개 순증. 기술 업종은 190만 개 생성, 40만 개 소멸. 공공 부문은 40만 개 생성, 90만 개 소멸로 소멸이 더 많은 유일한 부문 |
| 연결 | Net Job Math, More People for the CIO, Deferred Hiring |
CIO Dive는 이 밖에 AI가 이미 일을 바꾸는 예로 세 가지를 짧게 들었습니다. 엔지니어가 코드를 쓰는 일에서 AI를 관리하는 일로 옮겨 가고, 외식업체가 업무 흐름을 운영에 녹이고, 금융회사가 대출 판단과 예측을 개선하는 흐름입니다. 각 예의 세부는 CIO Dive의 별도 기사로 연결돼 있습니다.
기술 디테일: 우리 회사의 AI 노출을 직무가 아니라 업무로 재려면
아래 필드명, 설정값, 수량은 실제로 돌릴 때 필요한 것을 새로 쓴 가상 예시입니다.
Task Exposure를 재려면 직무를 업무로 먼저 쪼갭니다. 직무 기술서와 HR 시스템의 직무 코드를 입력으로, 직무마다 업무 8~15개를 뽑습니다. 직무 기술서가 오래됐으면 부서장 인터뷰로 보완합니다. 이후 LLM에 업무 하나씩 넣어 아래 JSON만 내도록 스키마를 겁니다. temperature 0으로 같은 업무를 3회 돌려, exposure 값이 세 번 모두 같은 업무만 채택하고 나머지는 needs_review로 사람 검토에 넘깁니다. 모델 하나로 분류한 뒤 다른 모델로 20% 표본을 다시 돌려 일치율을 보는 교차 검증도 둡니다.
{
"job_code": "IT-OPS-03",
"task_id": "IT-OPS-03-T07",
"task": "월간 장애 보고서 작성",
"function": "IT 운영",
"exposure": "high",
"change_type": "augment",
"new_skill": "AI 요약 결과 검수",
"hours_per_month": 12,
"evidence": "직무 기술서 4항, 부서장 인터뷰 10/28",
"runs_agree": 3
}
직무 단위로 다시 묶어 “전부”와 “일부”를 가릅니다. exposure가 high인 업무의 시간 비중을 직무별로 더합니다. Lovelock의 구분을 따라 비중이 80% 이상이면 ‘직무 재설계 대상’, 20~80%면 ‘업무 일부 변화’, 20% 미만이면 ‘영향 적음’으로 둡니다. 경영 보고에는 Gartner 지표와 같은 꼴로 “업무 방식이 바뀌는 인원 비율”과 “직무 전체가 바뀌는 인원 비율”을 나란히 씁니다.
More People for the CIO를 계획하려면 AI 구성 요소별 담당 표를 만듭니다. 운영 중이거나 도입 예정인 AI 시스템마다 필요한 기술 조각(예: 데이터 파이프라인, 모델 평가, 접근 권한, 비용 모니터링)을 행으로 두고, 각 행에 owner, skill_gap(없음·일부·전무), fte_needed를 채웁니다. skill_gap이 전무인 행이 곧 신규 채용이나 리스킬링 후보입니다.
Root User 수준을 재려면 사용 기록과 짧은 실습 평가를 함께 봅니다. 회사가 제공한 AI 도구의 월간 활성 사용 여부만으로는 부족합니다. 직무별 대표 업무 3개를 과제로 주고 결과물을 0·3·5점으로 채점합니다.
| 점수 | 기준 |
|---|---|
| 5 | 업무에 맞게 지시하고, 결과의 오류를 찾아 고치며, 쓰면 안 되는 데이터를 구분함 |
| 3 | 도구로 결과는 내지만 검수 없이 그대로 쓰거나 지시를 여러 번 다시 씀 |
| 0 | 도구를 쓰지 않거나, 결과를 확인 없이 외부로 내보냄 |
| 막히는 경우 | 증상 | 대응 |
|---|---|---|
| 직무 기술서가 실제와 다름 | 업무 목록이 비거나 오래됨 | 부서장 30분 인터뷰로 업무 목록 확정 후 분류 |
| 3회 결과 불일치 | 같은 업무가 high와 low를 오감 | needs_review로 넘기고 해당 직무 담당자 확인 |
| 노출을 감원 대상으로 오해 | 현업이 정보 제공을 꺼림 | 산출물 이름을 ‘재설계·리스킬링 대상’으로 두고 인원 감축 지표와 분리 |
| 채용 보류가 안 보임 | 해고 통계에만 집중 | 채용 요청 기록에 deferred_reason 필드를 두고 ‘AI로 대체 예정’ 사유를 따로 셈 |
현업 실행 디테일: 누가, 언제, 무엇을
Lovelock은 IT가 AI의 영향을 먼저 겪고, CIO가 그 경험을 전사로 퍼뜨린다고 봤습니다. 아래 역할, 일정, 기준은 이를 출발점으로 새로 짠 가상 예시입니다.
| 역할 | 맡는 일 |
|---|---|
| CIO(스폰서) | IT 조직부터 직무 분해와 노출 분류를 시작, AI 구성 요소별 담당 표 승인 |
| CHRO·HRBP | 채용 보류 현황 점검, 리스킬링 과정 설계, 직원 만족 지표 관리 |
| 부서장 | 업무 목록 검수, 노출이 큰 업무의 재설계안 작성 |
| AX 추진 | 범위 확정, Gartner 지표와 같은 꼴로 사내 수치 보고 |
| 정보보안 | AI 도구에 넣어도 되는 데이터 범위 확정 |
준비물. IT 조직의 직무 기술서와 직무 코드, 최근 12개월 채용 요청과 보류 기록, 회사가 제공하는 AI 도구 목록과 사용 기록, 운영 중인 AI 시스템 목록이 필요합니다.
| 기간 | 할 일 | 산출물 |
|---|---|---|
| 1~2주 | 범위 확정(IT 조직 우선), 직무별 업무 분해 | 직무·업무 목록 |
| 3~4주 | 노출 분류 3회 실행, 부서장 검수, 채용 보류 점검 | 업무별 JSON, 보류 사유 집계 |
| 5~6주 | 직무별 집계, 재설계안과 리스킬링 과정 설계 | 재설계 대상 목록, 과정 초안 |
| 7~8주 | AI 구성 요소별 담당 표, 전사 확산 계획, 경영 보고 | ‘N명 중 M명’ 보고서, 확산 일정 |
부서장에게 물을 것.
- 이 직무에서 한 달에 가장 많은 시간을 쓰는 업무 다섯 개는 무엇인가요?
- 그중 AI가 초안을 만들고 사람이 검수하면 되는 업무는 어느 것인가요?
- 지난 1년 동안 AI를 이유로 미룬 채용이 있었나요? 그 일은 지금 누가 하나요?
- 새로 생긴 AI 관련 업무 중 아직 담당자가 없는 것은 무엇인가요?
- 이 직무의 신입은 어떤 업무로 일을 배웠나요? 그 업무가 AI로 바뀌면 어디서 배우나요?
진행 판정 기준(예시). IT 조직에서 ‘업무 일부 변화’ 인원이 30% 이상이면 같은 방식으로 다음 부서로 넓힙니다. root user 평가 5점 비율이 30% 미만이면 도구 추가보다 리스킬링을 먼저 합니다. AI 구성 요소 담당 표에서 skill_gap이 전무인 행이 3개 이상이면 다음 분기 채용 계획에 반영합니다.
AX 적용 제언. 이 전망을 인력 감축 근거로 읽으면 방향을 놓치기 쉽습니다. 고객사와 먼저 할 일은 IT 조직 하나를 골라 직무를 업무로 쪼개고, “일이 바뀌는 사람”과 “직무 전체가 바뀌는 사람”을 따로 세는 것입니다. 그 숫자가 리스킬링 예산과 신규 채용 계획의 근거가 됩니다. 채용 보류는 해고 통계에 잡히지 않으므로 HR과 함께 별도 지표로 관리하고, 신입이 일을 배우던 업무가 AI로 넘어가는 경로를 다시 설계해야 합니다. 마지막으로 CIO가 IT에서 겪은 변경 통제와 리스킬링 경험을 전사 표준으로 옮기도록 역할을 명시해 두면, 다음 부서로 넓힐 때 시간을 줄일 수 있습니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 원문 | CIO Dive, Paige Gross, 2026.11.11 |
| 바탕 자료 | Gartner 보도자료(2026.11.10), Gartner IT Symposium/Xpo(바르셀로나)에서 발표 |
| 화자 | John Lovelock(Gartner Distinguished VP Analyst, CIO Dive 인터뷰) |
| 전체 수치 | 2030년까지 1,060만 개 생성, 약 890만 개 소멸, 170만 개 순증 |
| 일의 변화 | 20% 넘는 근로자의 업무·방식·책임 범위 변화, 직접 실직 최대 1.8% |
| 기술 인력 | 70%가 AI에 높게 노출 |
| 업종별(다른 보도) | 기술 업종 190만 개 생성·40만 개 소멸, 공공 부문 40만 개 생성·90만 개 소멸 |
| 채용 보류(다른 보도) | 2030년까지 약 500만 명이 채용 지연을 겪음 |
| 인용 조사 | Forrester: AI 도구를 잘 이해하는 정보 근로자 16%, 잘못 이해할 위험 43% |
| Lovelock의 주장 | CIO는 AI 때문에 사람이 더 필요, 직원 대부분은 root user, 큰 재편은 부서 운영 재설계 이후 |
핵심 개념
- AI exposure
- 직무나 업무가 AI의 영향을 받는 정도입니다. 노출이 높다는 것은 사라진다는 뜻이 아니라 일이 많이 바뀐다는 뜻입니다.
- Prompt engineer
- 모델에 주는 지시문을 설계하고 다듬는 일을 전문으로 하는 사람입니다.
- Change control
- 시스템과 업무 방식의 변경을 계획, 승인, 기록하는 관리 절차입니다.
- 리스킬링
- 바뀐 업무에 맞춰 기존 직원에게 새 기술을 가르치는 일입니다.
내 메모
TODO: 내 생각 추가
원문은 CIO Dive의 「AI will drive a 1.7M job boost, with big changes ahead for IT」(Paige Gross, 2026.11.11)입니다. Gartner 보도자료 원문 페이지는 열 수 없어, 업종별 수치, 소멸 일자리 890만 개라는 세부 표기, 채용 보류 500만 명, 바르셀로나 발표, Helen Poitevin의 발언은 같은 발표를 다룬 HCAMag(「AI to create more jobs than it eliminates by 2030: Gartner」, 2026.11.11)와 ITPro(Ana Martins, 2026.11.11) 보도를 보조로 썼습니다. 요약, 핵심 메커니즘, 통념과 다른 주장, 사례는 이 보도들에 나온 내용을 AX Partners가 다시 정리했습니다. 기술·현업 디테일의 필드명, 설정값, 일정, 질문, 판정 기준, 인포그래픽과 표는 실제로 대비할 때 필요한 것을 새로 작성한 가상 예시입니다. 세부 수치와 발언은 원문에서 확인할 수 있습니다.