pkglog

AI 시대 개발자 채용 시장 읽는 법: 신입 공고 감소, 통계가 말하는 것과 말하지 않는 것

작성 · · 12분 읽기 · 수정 초급 분석

이 글의 핵심

신입 개발자 채용이 줄었다는 이야기는 사실로 확인되는 부분과 해석이 갈리는 부분이 섞여 있습니다. 스탠퍼드 연구와 한국노동연구원 보도, Indeed 공고 지수에서 확인된 숫자만 모으고, AI가 원인이라는 결론이 아직 입증되지 않았다는 연구자 본인의 단서까지 함께 적었습니다.

“AI 때문에 신입은 뽑지 않는다”는 말은 이제 취업 커뮤니티에서 거의 상식처럼 돈다. 그런데 이 말에는 숫자로 확인되는 부분과 아직 아무도 증명하지 못한 부분이 함께 들어 있다. 이 글은 공개된 자료를 직접 열어 읽고, 확인된 것과 해석인 것을 나눠 적는다. 불안을 키우는 글도, 괜찮다고 달래는 글도 아니다.

읽은 범위부터 밝힌다. 스탠퍼드 디지털 이코노미 랩의 글 전문, 서울신문 기사 전문, Indeed Hiring Lab의 월간 요약 페이지의 설명 문구를 읽었다. 한국노동연구원 보고서 원문과 스탠퍼드 논문 본문은 열어보지 못했다. 그래서 원문이 아니라 이 자료들이 전하는 내용으로만 적는다.

확인되는 숫자

스탠퍼드: 22~25세, AI 노출 직무에서 신입 고용이 줄었다

스탠퍼드 디지털 이코노미 랩 소속 연구자 바랏 찬다르(Bharat Chandar)가 2025년 10월 10일에 쓴 글은 기존 연구를 정리한 것이다. 이 글이 소개하는 논문(“Canaries in the Coal Mine”, 브린욜프슨·찬다르·첸)의 핵심은 다음과 같다.

  • AI에 많이 노출된 직무(소프트웨어 개발, 고객 서비스, 사무직)에서 22~25세의 고용이 줄었다.
  • 같은 회사 안에서 비교하면, AI 노출 직무의 신입 채용은 노출이 적은 직무보다 13% 더 줄었다.
  • 이 효과는 대규모 언어 모델이 퍼진 뒤에 나타났고, 나이가 많은 노동자의 변화는 통계적으로 유의하지 않았다.
  • 분석에는 급여 처리 회사 ADP의 데이터가 쓰였다고 글에 적혀 있다.

한국: 신입 공고 비중이 2년 새 16.1%p 줄었다

2026년 1월 7일자 서울신문은 한국노동연구원의 「최근 소프트웨어 개발자 수 및 직무 변화」(전달 발간으로 보도)를 인용해 다음을 전했다. 기사에는 보고서의 저자와 데이터 출처가 적혀 있지 않아, 이 부분은 보고서 원문에서 확인해야 한다.

항목값
소프트웨어 개발직 공고 중 신입 비중2022년 53.5% → 2024년 37.4% (16.1%p 하락)
같은 기간 연구·엔지니어링 직무의 신입 비중11.8%p 하락
같은 기간 다른 직종5.6%p 하락
30대 소프트웨어 개발자 취업자2018년 하반기 18.3만 명 → 2024년 하반기 21.2만 명
2024년 업계 인력 변화경력 3년 미만 9천 명 감소, 3년 이상 4만 2천 명 증가

주의할 점이 있다. 신입 “비중”이 내려갔다는 것은 공고 전체에서 신입이 차지하는 몫이 줄었다는 뜻이다. 신입 공고의 절대 수가 얼마나 줄었는지는 이 표만으로 알 수 없다.

Indeed: 개발자 공고 지수는 팬데믹 이전 수준을 아직 못 넘는다

Indeed Hiring Lab의 2026년 10월 미국 노동시장 요약(10월 22일자) 설명 문구에서는 전체 공고 지수가 103.8, 소프트웨어 개발 공고 지수가 약 79로 표시된 업종 중 가장 낮았다. 지수는 2020년 2월 1일을 100으로 둔다. 같은 요약에서 AI 관련 공고는 전체 공고의 7.3%였다. 이는 미국 데이터이고, 기사 본문이 아니라 요약 이미지의 설명 문구에서 읽은 값이라 정확한 정의는 원문에서 확인해야 한다. Indeed는 공고 지수가 실제 채용 인원을 뜻하지 않는다고 안내한다.

아직 모르는 것

찬다르 본인이 글에 적은 단서가 이 주제에서 가장 중요하다.

  • 증거는 관찰 데이터다. AI 도입을 달리한 실험이 아니므로 “AI 때문”이라고 단정하기 어렵다.
  • 나이·직종으로 걸러낸 표본은 작다.
  • 기업의 AI 도입 수준을 재는 지표가 부실하다. 미국 인구조사국 조사는 도입률이 약 10%로 나오지만 응답률이 16%이고 질문이 좁다. 결제 데이터 기반 지수는 약 44%지만 구독 기업에 쏠려 있다.
  • 미국 밖을 다룬 연구는 둘뿐이다. 그중 덴마크 데이터를 쓴 후속 연구는 AI를 도입한 기업과 그렇지 않은 기업 사이에 신입 채용 차이를 찾지 못했다.

그래서 이렇게 정리할 수 있다. 신입 개발자 비중과 고용이 줄어든 것은 여러 자료에서 보이는 사실이다. 그 원인에서 AI가 얼마나 큰지는 모른다. 금리 인상 이후의 채용 조정이나 코로나 때의 과잉 채용 반동 같은 다른 설명도 같은 숫자를 만들 수 있다. 이 글에서는 원인을 따지는 자료를 확인하지 못했으므로 어느 쪽도 주장하지 않는다.

현장에서 체감되는 변화와의 연결

여기부터는 숫자가 아니라 필자의 해석이다. 자료가 보여 주는 방향, 즉 경력 인력은 늘고 신입 비중은 준다는 점은 기업이 “가르쳐서 쓰는 비용”을 덜 내려 한다는 쪽과 일치한다. 다만 이는 가설이며 위 자료가 직접 보여 주지는 않는다.

이 해석이 맞다면 신입에게 요구되는 것은 “코드를 짤 수 있다”에서 “혼자 돌아가는 결과물을 만들고 검증할 수 있다”로 옮겨 간다. 필자의 경험상 AI가 쓴 코드의 어려운 부분은 작성이 아니라 검증이다. 실제로 이 블로그의 글들도 AI의 설명을 그대로 믿지 않고 직접 실행해 확인하는 과정에서 본문 오류를 여러 번 바로잡았다. 이 확인 능력은 주니어에게 남는 몫이라고 본다.

취준생·주니어가 할 수 있는 준비

모두 필자의 의견이고, 취업 성과를 보장하지 않는다.

  1. 실행 가능한 결과물 한 개를 끝까지 만든다. 배포 주소가 있고 사용자가 쓸 수 있으며 테스트가 있는 결과물은 면접에서 구체적인 이야기를 만든다. 튜토리얼 복제와 구별된다.
  2. AI가 쓴 코드를 어떻게 검증했는지를 말할 수 있게 한다. 어떤 입력으로 돌려 봤고 어디서 틀렸는지를 기록하면 된다.
  3. 공고의 “신입” 칸만 보지 않는다. 이 글의 자료는 신입 공고 비중이 줄었음을 보여 줄 뿐 경력 1~3년 구간의 문턱은 말해 주지 않는다. 인턴, 계약직, 사내 이동처럼 경력을 쌓는 다른 입구도 함께 본다.
  4. 기초 과목을 놓지 않는다. 자료구조, 네트워크, 운영체제, 디버깅 같은 기초는 AI의 출력을 읽고 틀린 곳을 찾는 데 필요하다.
  5. 지표를 한 곳만 보지 않는다. 위 세 자료는 서로 다른 나라, 다른 기간, 다른 지표다. 하나가 나빠 보인다고 전체가 같은 방향이라고 읽으면 안 된다.

필자의 생각

여기서부터는 통계가 아니라 이 블로그 운영자의 의견이다.

AI로 일하는 방식이 크게 바뀐 것은 맞다고 본다. 아직 예전 방식으로 일하는 곳도 있을 것이다. 하지만 한번 바뀐 일의 방식은 쉽게 되돌아가지 않는다. 사람들은 결국 더 효율적이고 효과적인 방식을 찾아가기 마련이다. 그렇다면 이제는 누구나 AI를 직접 또는 간접적으로 쓰는 시대가 되었다고 생각한다.

그 안에서 어떤 사람은 변화에 적응해 한 걸음 더 나아갈 것이다. 어떤 사람은 기존의 방식을 더 날카롭게 단련해 자기만의 무기로 만들 것이다. 어느 쪽이 맞다고 단정할 수는 없다.

다만 변화가 너무 빨라서 정신을 차리지 못하면 급류에 휩쓸려 가기 쉽다. 이런 시기일수록 자기만의 철학은 지켜야 한다고 생각한다.

마치며

신입 채용이 줄었다는 관측은 여러 자료에서 반복되지만, 원인을 AI 하나로 돌리는 것은 연구자들도 조심한다. 불안할 때일수록 어느 숫자가 어느 나라, 어느 기간의 무엇을 잰 것인지부터 확인하는 편이 낫다.

참고 자료

같이 보면 좋은 글