Image generated by OpenAI
대학을 나오고, 도시로 이동하고, 전문직 사무실에 들어가면 삶이 조금씩 나아질 것이라는 믿음이 있었습니다. 모두에게 같은 속도로 작동한 믿음은 아니었지만, 오랫동안 화이트칼라 노동을 설명하는 기본 문장처럼 쓰였습니다. 좋은 학위는 좋은 직장으로 이어지고, 좋은 직장은 더 많은 선택권을 준다는 식이었습니다.
최근 이 문장은 예전보다 설득력이 약해졌습니다. 인공지능(Artificial Intelligence, AI)이 문서 작성, 요약, 코딩, 리서치, 고객 응대 일부를 빠르게 흡수하면서 지식노동의 경계가 흔들리고 있습니다. 그런데 이 변화를 AI만의 사건으로 보면 놓치는 부분이 생깁니다. 화이트칼라 낙관은 기술이 등장하기 전부터 이미 조금씩 피로해지고 있었습니다.
2026년 6월 15일 The New Yorker가 다룬 두 권의 책은 이 흐름을 흥미롭게 겹쳐 보여줍니다. Noam Scheiber의 Mutiny는 대학 교육을 받은 젊은 노동자들의 불만과 조직화를 다루고, Dylan Gottlieb의 Yuppies는 1980년대 뉴욕의 전문직 문화가 어떻게 욕망과 도시를 바꾸었는지 추적합니다. 하나는 지금의 불만을 보고, 다른 하나는 과거의 낙관을 봅니다. 두 책 사이에 AI 시대의 지식노동을 읽을 만한 통로가 생깁니다.
EVENT SNAPSHOT
최근 신호: The New Yorker는 2026년 6월 15일, Noam Scheiber의 Mutiny와 Dylan Gottlieb의 Yuppies를 함께 다루며 화이트칼라 노동의 어두워진 전망을 짚었습니다.
읽을 지점: AI가 일자리를 줄이는가라는 질문만으로는 부족합니다. 더 깊은 질문은 전문직 경로, 초년생 훈련, 숙련의 인정 방식이 어떻게 바뀌는가입니다.
여피 문화는 무엇을 약속했습니까?
여피(Yuppie, young urban professional)는 단순히 돈을 잘 버는 젊은 도시인을 뜻하지 않았습니다. 그 안에는 교육, 소비, 커리어, 도시 생활이 하나의 상승 서사로 묶이는 방식이 있었습니다. 금융, 법률, 컨설팅, 미디어, 광고 같은 분야에서 오래 일하고 많이 벌며, 그 보상을 도시적 취향으로 드러내는 문화가 만들어졌습니다.
물론 그 시대의 낙관이 모두에게 공평하게 열려 있었던 것은 아닙니다. 여성, 비백인, 이민자, 비명문대 출신에게 전문직의 문은 더 좁았고, 장시간 노동은 성공의 비용처럼 포장되기도 했습니다. 그래도 당시의 상상력 안에서 화이트칼라 직업은 불안정한 생계보다 안정적인 상승에 가까웠습니다.
지금의 지식노동자는 조금 다른 장면을 보고 있습니다. 학위는 여전히 중요하지만, 충분한 보증서처럼 작동하지 않습니다. 신입 역할에는 더 높은 역량이 요구되고, 조직은 초년생에게 훈련 기회를 주기보다 즉시 판단력과 적응력을 기대합니다. 과거의 전문직 문화가 “열심히 버티면 올라간다”에 가까웠다면, 지금의 질문은 “올라가는 사다리가 아직 같은 모양인가”에 더 가까워졌습니다.
AI는 화이트칼라 불안을 새로 만든 것입니까?
AI가 불안을 키운 것은 맞습니다. 하지만 모든 원인을 AI에 몰아넣으면 분석이 단순해집니다. 대학 졸업자의 기대와 실제 노동시장 사이의 간격, 도시 생활비 상승, 초년생 일자리의 질 저하, 전문직 내부의 긴 노동시간은 이미 오래된 문제였습니다. AI는 그 위에 올라온 새 층입니다.
PwC의 2026 Global AI Jobs Barometer는 AI에 노출된 직무의 요구 역량이 빠르게 바뀌고 있다고 설명합니다. 특히 AI에 노출된 주니어 직무는 리더십과 전략적 사고 같은 전통적으로 더 높은 연차에 기대되던 역량을 요구할 가능성이 훨씬 커졌다고 봅니다. 신입이 배우면서 자라는 통로가 얇아지고, 처음부터 더 완성된 사람처럼 입장해야 하는 상황이 생기는 셈입니다.
여기서 중요한 변화는 대체 여부만이 아닙니다. AI가 초급 업무를 줄이면, 초급자가 실수하면서 배우는 공간도 줄어듭니다. 보고서 초안, 자료 정리, 고객 응대 기록, 코드 보정 같은 일은 지루하지만 숙련의 기초가 되기도 했습니다. 그 일이 자동화될 때 남는 것은 더 고급 업무일 수 있지만, 그 고급 업무를 배울 계단은 이전보다 희미해질 수 있습니다.
NOTE
AI가 모든 화이트칼라 일자리를 곧바로 없앤다고 보는 것은 과합니다. 다만 초년생의 학습 경로, 중간관리자의 검토 업무, 전문가의 판단 기준이 동시에 흔들릴 수 있다는 점은 따로 볼 필요가 있습니다.
‘일을 잘한다’는 기준은 어떻게 바뀌고 있습니까?
지식노동의 오래된 기준 중 하나는 산출량이었습니다. 더 많은 문서를 만들고, 더 빠르게 정리하고, 더 많은 회의록과 분석표를 처리하는 사람이 유능해 보였습니다. 생성형 AI는 이 기준을 어색하게 만듭니다. 초안은 빨리 나옵니다. 요약도 금방 나옵니다. 그러면 사람의 실력은 어디에서 보입니까.
Glean의 Work AI Index 2026은 이 지점을 다른 각도에서 보여줍니다. 보고서에 따르면 노동자들은 AI를 실제 업무 생산에 쓰는 시간보다, AI에 맥락을 넣고 결과를 확인하고 오류를 고치는 데 많은 시간을 쓰고 있습니다. ‘봇시팅(botsitting)’이라는 표현은 다소 가볍게 들리지만, 내용은 가볍지 않습니다. AI가 만든 산출물을 사람이 다시 믿을 수 있는 작업물로 바꾸는 노동이 생겼다는 뜻입니다.
이 노동은 평가표에 잘 잡히지 않습니다. AI가 작성한 문서에서 틀린 전제를 찾아내는 일, 고객사 맥락에 맞지 않는 표현을 걷어내는 일, 데이터 출처가 이상한 그래프를 다시 확인하는 일은 눈에 잘 보이지 않습니다. 결과물만 보면 “빨리 만들었다”가 남습니다. 그 뒤의 검토 시간은 업무 시스템 밖으로 밀려날 수 있습니다.
여피의 낙관과 AI 시대의 불안은 어디에서 이어집니까?
여피 문화는 전문직 노동을 개인의 취향과 성취로 포장했습니다. 좋은 직장, 좋은 동네, 좋은 식당, 긴 근무시간이 하나의 생활 양식 안에 들어왔습니다. 힘들어도 보상이 따라올 것이라는 기대가 있었기 때문에 그 문화는 오래 버텼습니다.
AI 시대의 지식노동자는 다른 종류의 거래를 제안받습니다. 더 적은 시간에 더 많은 산출물을 만들 수 있다고 말합니다. 동시에 그 산출물의 오류를 확인하고, 책임을 지고, 조직의 맥락에 맞게 다시 다듬는 일은 여전히 사람에게 남습니다. 업무는 줄어든 듯 보이지만 책임은 가벼워지지 않습니다.
과거의 화이트칼라 낙관은 노력과 보상의 연결을 믿었습니다. 지금의 불안은 그 연결이 느슨해진 데서 나옵니다. 많이 배워도 초년생 역할은 줄어들 수 있고, AI를 잘 써도 평가 기준은 모호할 수 있습니다. 전문직의 언어는 남아 있지만, 그 안에서 성장하는 방식은 예전만큼 선명하지 않습니다.
조직은 이 변화를 어떤 질문으로 봐야 합니까?
기업이 AI 도입을 생산성 도구로만 보면 초기에는 편합니다. 문서 작성 시간이 줄고, 자료 검색이 빨라지고, 반복 응대가 줄었다는 수치를 만들 수 있습니다. 다만 지식노동의 문제는 산출 속도만으로 끝나지 않습니다. 누가 초안을 검토하는지, 초년생은 무엇으로 배우는지, 중간관리자는 어떤 기준으로 책임을 지는지가 함께 움직입니다.
CHECKLIST
- AI가 줄인 초급 업무를 대신할 훈련 경로가 있는지 확인해야 합니다.
- 검토, 수정, 맥락 보강 같은 보이지 않는 노동을 성과 평가에 반영하고 있는지 봐야 합니다.
- 신입 채용에서 이미 숙련된 사람만 찾는 방식으로 바뀌고 있지 않은지 점검해야 합니다.
- AI 결과물의 오류 책임을 개인에게만 떠넘기지 않는 검수 절차가 필요합니다.
화이트칼라의 낙관이 약해졌다는 말은 단지 직장인의 기분을 설명하는 말이 아닙니다. 채용, 교육, 승진, 평가, 도시 생활비, 기술 도입 방식이 서로 맞물린 결과입니다. 그래서 AI 시대의 지식노동을 볼 때도 “몇 개의 직무가 사라질까”라는 질문만으로는 좁습니다. 어떤 일이 숙련으로 인정되고, 어떤 일이 자동화 뒤편의 잡무로 밀려나는지를 함께 봐야 합니다.
SUMMARY
화이트칼라의 낙관은 AI 때문에 갑자기 끝난 것이 아닙니다. 전문직 경로와 도시 중산층의 약속이 이미 약해지고 있었고, AI는 그 약속의 빈틈을 더 잘 보이게 만들고 있습니다. 조직이 확인해야 할 것은 AI 도입률만이 아니라 초년생의 학습 경로, 검토 노동의 인정 방식, 숙련이 쌓이는 구조입니다.
AEO QUICK ANSWER
AI 시대의 화이트칼라 불안은 단순한 일자리 대체 공포가 아닙니다. 과거 여피 문화가 대표했던 전문직 상승 서사가 약해진 상태에서, AI가 초급 업무와 검토 책임의 구조를 다시 나누고 있기 때문에 생기는 불안입니다. 실무자는 AI로 무엇을 줄일지보다, 줄어든 업무를 통해 배우던 사람을 어떻게 키울지 먼저 물어야 합니다.
TERMINOLOGY
화이트칼라(White-collar worker): 사무직, 전문직, 관리직처럼 주로 지식과 문서, 조직 운영을 중심으로 일하는 노동자를 가리키는 표현입니다.
여피(Yuppie): 젊은 도시 전문직을 뜻하는 표현입니다. 1980년대 미국 도시의 금융, 법률, 미디어, 소비문화와 함께 자주 언급됩니다.
봇시팅(Botsitting): AI가 만든 결과물을 사람이 다시 맥락화하고 검토하고 고치는 작업을 가리키는 표현입니다. 자동화된 산출물 뒤에 남는 관리 노동을 설명할 때 쓰입니다.
이 글을 닫기 전에 한 가지 질문을 남겨두겠습니다. 귀사의 AI 도입 문서에는 생산성 향상 수치가 있을 가능성이 큽니다. 그 옆에 초년생이 무엇으로 배우는지, 검토 노동은 누가 맡는지, AI가 만든 결과물의 책임은 어디에 기록되는지도 적혀 있습니까. 아직 비어 있다면, 화이트칼라 노동의 문제는 기술 도입 속도보다 조직의 훈련 방식에서 먼저 드러날 수 있습니다.
References
- [1] The New Yorker | When Did White-Collar Work Start to Look So Bleak?
- [2] Macmillan | Mutiny: The Rise and Revolt of the College-Educated Working Class
- [3] Dylan Gottlieb | Yuppies: The Bankers, Lawyers, Joggers, and Gourmands Who Conquered New York
- [4] PwC | AI reshapes global labour market into two distinct paths
- [5] Glean Work AI Institute | Work AI Index 2026
댓글
댓글 쓰기