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

작성 0xmote · 2026년 11월 9일 · 12분 읽기 · 수정 2026년 11월 10일 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.

항목	값
소프트웨어 개발직 공고 중 신입 비중	2022년 53.5% → 2024년 37.4% (16.1%p 하락)
같은 기간 연구·엔지니어링 직무의 신입 비중	11.8%p 하락
같은 기간 다른 직종	5.6%p 하락
30대 소프트웨어 개발자 취업자	2018년 하반기 18.3만 명 → 2024년 하반기 21.2만 명
2024년 업계 인력 변화	경력 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.

실행 가능한 결과물 한 개를 끝까지 만든다. 배포 주소가 있고 사용자가 쓸 수 있으며 테스트가 있는 결과물은 면접에서 구체적인 이야기를 만든다. 튜토리얼 복제와 구별된다.
AI가 쓴 코드를 어떻게 검증했는지를 말할 수 있게 한다. 어떤 입력으로 돌려 봤고 어디서 틀렸는지를 기록하면 된다.
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.
기초 과목을 놓지 않는다. 자료구조, 네트워크, 운영체제, 디버깅 같은 기초는 AI의 출력을 읽고 틀린 곳을 찾는 데 필요하다.
지표를 한 곳만 보지 않는다. 위 세 자료는 서로 다른 나라, 다른 기간, 다른 지표다. 하나가 나빠 보인다고 전체가 같은 방향이라고 읽으면 안 된다.

숫자를 읽는 연습: 같은 통계에서 서로 다른 결론이 나오는 이유

앞에서 인용한 숫자들은 서로 다른 종류의 지표라서 한 줄로 합쳐 읽으면 오해가 생긴다. 계산을 직접 해 보면서 구분해 보자.

퍼센트포인트와 퍼센트는 다르다

한국노동연구원 보고서를 인용한 보도에서 소프트웨어 개발직 공고의 신입 비중은 2022년 53.5%에서 2024년 37.4%로 내려갔다. 이것을 16.1퍼센트포인트 하락이라고 한다. 같은 변화를 상대적으로 계산하면 (37.4 - 53.5) ÷ 53.5 = 약 -30.1%다. 즉 “신입 비중이 16.1% 줄었다”가 아니라 “신입 비중이 약 30% 줄었다(16.1%p)“가 맞다. 기사 제목이 어느 쪽을 가리키는지 확인하지 않으면 두 배 가까이 다르게 읽을 수 있다.

비중이 줄었다는 것은 사람이 줄었다는 뜻이 아니다

같은 보도의 다른 숫자를 함께 보면 그림이 입체적이 된다. 30대 소프트웨어 개발자 취업자는 2018년 하반기 18.3만 명에서 2024년 하반기 21.2만 명으로 2.9만 명(약 15.8%) 늘었다. 2024년 한 해 동안 경력 3년 미만의 업계 인력은 9천 명 줄고 3년 이상은 4만 2천 명 늘어, 합치면 3만 3천 명 증가다(보도의 두 숫자를 단순 합산한 값이다). 전체 개발자가 줄어든 것이 아니라 구성이 경력 쪽으로 기운 것으로 읽을 수 있다. 신입 공고의 절대 건수는 이 숫자들로 알 수 없다는 점은 앞에서 말한 그대로다.

지수는 기준 시점에 상대적이다

Indeed의 공고 지수는 2020년 2월 1일을 100으로 둔다. 소프트웨어 개발 지수가 약 79라는 것은 그 시점보다 약 21% 낮다는 뜻이다. 이 값은 공고 수이지 채용 인원이 아니고, 한 회사가 같은 자리를 여러 번 올리거나 오래 열어 두는 경우도 공고 수에 섞인다. 지수가 오르는 시기에 신입이 늘었는지는 별도로 봐야 한다.

같은 회사 안에서 비교한 값과 전체 평균은 의미가 다르다

스탠퍼드 연구의 13%는 같은 회사 안에서 AI 노출이 큰 직무와 작은 직무의 신입 채용을 비교한 상대적 차이다. 전체 신입 채용이 13% 줄었다는 뜻이 아니다. 이런 비교는 회사 전체의 경기나 금리 영향을 같이 겪는 두 직무를 맞대어 AI의 몫만 가려내려는 설계인데, 그렇다고 인과관계가 입증되는 것은 아니라는 단서를 연구자 본인이 붙였다.

이 숫자들을 내 상황에 적용하려면

내가 속한 지표가 무엇인가. 신입 공고 비중, 22~25세 고용, 공고 지수는 서로 다른 대상을 센다. 나와 가까운 지표를 찾는다.
내 직무와 지역의 공고를 직접 센다. 구직 사이트에서 관심 직무의 공고를 한 달 간격으로 몇 번 세어 보면 평균 통계보다 내 시장에 가까운 감각을 얻는다. 이 방법은 통계가 아니라 개인의 관찰이므로 표본이 작다는 점을 감안한다.
자격 요건의 경력 표기를 읽는다. “신입/경력 무관”인 공고와 “경력 3년 이상”인 공고는 같은 직무 이름이라도 사실상 다른 시장이다.
공고에 AI 활용 능력이 어떻게 적혀 있는지 본다. 잡코리아 분석을 인용한 기사에서는 올해 1~5월 ‘AI’ 키워드가 들어간 공고가 전년 동기보다 약 70% 늘었다고 했다(2차 인용 값). 키워드가 늘었다고 요구 수준이 같다는 뜻은 아니므로 실제 요건 문장을 읽어야 한다.

왜 신입부터 줄어드는가

기업 입장에서 보면 이 흐름은 이해하기 어렵지 않습니다.

신입에게 맡기던 일이 AI 도구가 잘하는 일과 겹칩니다. 정형화된 CRUD 화면, 반복적인 테스트 코드, 기존 코드의 단순 수정, 문서 초안처럼 “배우면서 할 수 있는 일”이 신입의 첫 업무였는데, 지금은 경력자가 AI 도구로 빠르게 처리할 수 있는 일이 되었습니다. 신입을 뽑는 이유 중 하나였던 “손이 필요하다”가 약해진 것입니다.

신입을 키우는 비용은 그대로입니다. 신입이 혼자 일할 수 있게 되기까지 시니어의 리뷰와 멘토링 시간이 듭니다. 경기가 불확실할 때 기업은 이 투자부터 미룹니다. 결과적으로 “당장 성과를 낼 수 있는 사람”을 찾는 공고가 늘어납니다.

AI가 만든 코드를 검증할 사람이 더 필요해졌습니다. AI 도구가 코드를 많이 만들수록, 그 코드가 맞는지 판단하고 보안·성능·유지보수 문제를 잡아낼 사람의 가치가 커집니다. 이것은 대체로 경력이 필요한 일입니다. Indeed 자료에서 늘어난 공고가 시니어와 AI 직무에 몰린 것도 같은 맥락입니다.

이 흐름이 영구적이라고 보기는 어렵습니다. 신입을 뽑지 않으면 몇 년 뒤 시니어도 부족해지기 때문에, 기업들이 다시 신입 육성으로 돌아올 여지는 있습니다. 다만 그 시점을 예측해 기다리는 것은 개인에게 좋은 전략이 아닙니다.

경력·시니어 개발자: 같은 연차라도 달라지는 평가

수요가 경력자 쪽으로 몰린다고 해서 모든 경력자가 유리한 것은 아닙니다. 기업이 비싼 경력자를 뽑을 때 기대하는 것은 “AI 도구가 해 주지 못하는 부분을 맡을 사람”이고, 그 기대는 대체로 다음으로 요약됩니다.

설계와 판단: 요구사항이 모호할 때 범위를 정하고, 기술 선택의 장단점을 설명하고, 나중에 바꾸기 어려운 결정을 먼저 알아보는 능력.
품질에 대한 책임: 코드 리뷰, 테스트 전략, 장애 대응, 보안. AI가 만든 코드가 늘어날수록 이 일의 비중은 커집니다.
도메인 이해: 업무 규칙과 현장 제약을 알고 코드로 옮기는 능력은 쉽게 대체되지 않습니다. 산업이 바뀌어도 “새 도메인을 빨리 익히는 방법”을 설명할 수 있으면 강점이 됩니다.
AI 도구를 팀의 일하는 방식에 녹이는 능력: 개인이 도구를 잘 쓰는 것을 넘어, 팀에서 어디까지 맡기고 무엇을 사람이 검증할지 기준을 세운 경험.

이력서와 면접에서는 “어떤 기술을 썼다”보다 “어떤 문제를 어떤 판단으로 풀었고 결과가 어땠는지”를 보여 줘야 합니다. 연차가 쌓일수록 기능 나열형 경력기술서는 불리해집니다. 구체적인 작성법과 면접 대응은 시니어 개발자 재취업·이직 팁에서 다룹니다.

재취업과 도메인 전환

구조조정이나 권고사직으로 갑자기 구직을 시작하게 되는 경력자도 늘었습니다. 이때 먼저 할 일은 지원서가 아니라 생활 기반 정리입니다. 퇴사 조건, 실업급여, 건강보험처럼 기한이 있는 일을 먼저 처리해야 구직 기간을 버틸 수 있습니다. 이 부분은 권고사직을 제안받았을 때 확인할 것에 따로 정리했습니다.

재취업 시장에서 자주 생기는 문제는 공백기와 도메인입니다.

공백기: 몇 달의 공백은 지금 시장에서 드문 일이 아닙니다. 그 기간에 무엇을 했는지(학습, 개인 프로젝트, 오픈소스, 가족 사정)를 짧고 사실대로 설명하면 충분합니다. 공백 자체보다 설명을 피하거나 꾸미는 것이 더 나쁜 인상을 줍니다.
도메인 전환: 웹 서비스에서 로봇·제조·금융처럼 전혀 다른 분야로 옮기는 경우가 늘고 있습니다. 새 도메인의 용어와 규격은 처음부터 배워야 하지만, 네트워크·동시성·장애 대응·테스트 같은 기반 기술은 그대로 옮겨 갑니다. 면접에서는 “이 도메인은 모르지만 비슷한 낯선 영역을 이렇게 익혀 본 적이 있다”는 경험을 보여 주는 것이 효과적입니다.

전환 직후에는 표준 문서와 사내 코드부터 익히는 것이 가장 빠릅니다. 예를 들어 물류 로봇 분야로 옮겼다면 관제 시스템과 로봇이 주고받는 표준 규격부터 읽는 식입니다(VDA5050 order 수명주기 같은 글이 그런 출발점입니다).

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

Stanford Digital Economy Lab: AI and Labor Markets: What We Know and Don’t Know (2025-10-10)
서울신문: AI 능숙한 경력자 찾는 기업들… IT ‘신입 개발자’ 책상 사라진다 (2026-01-07)
Indeed Hiring Lab: US Labor Market Snapshot, October 2026

같이 보면 좋은 글

혼자 만들고 배포할 때 체크리스트