[지디넷코리아]
인공지능(AI) 인력 부족 문제가 심화되고 있는 가운데 단순한 인력 수 부족이 아니라 산업 구조 변화에 따른 ‘미스매치’가 핵심 원인이라는 분석이 나왔다. 기존처럼 개발자 중심으로 인력을 늘리는 방식만으로는 한계가 있다는 지적이다.
29일 소프트웨어정책연구소(SPRi)가 발표한 보고서에 따르면 AI 기술이 산업 전반으로 확산되면서 인력 수요는 모델 개발에서 검증·운영·서비스 적용 등으로 빠르게 이동하고 있다. 생성형 AI와 대규모 언어모델(LLM) 확산으로 AI가 기업 업무 전반에 내재화되면서 요구되는 역할 역시 세분화되는 흐름이다.
하지만 현행 인력 분류체계는 이러한 변화를 반영하지 못하고 있다. 직무 중심 체계는 AI 인력을 ‘개발자’ 중심으로 포괄적으로 묶어 집계하는 구조다. 이로 인해 실제 현장에서 수요가 증가하고 있는 검증·평가, 운영(MLOps), 데이터 관리, 산업 적용 인력은 정책과 통계에서 상대적으로 가려지고 있다.
이 탓에 AI 인력 부족 문제는 결국 총량 부족으로 단순화되고 있다. 산업 현장에서 발생하는 병목은 특정 역할과 단계에 집중돼 있음에도 정책 대응은 이를 정밀하게 반영하지 못하는 상황이다.
보고서는 “AI 인력 수요가 가치사슬 전반으로 확산되고 있다”며 “이젠 데이터 수집과 관리, 인프라 구축, 모델 개발, 검증과 신뢰 확보, 서비스 구현, 운영과 모니터링, 산업 적용까지 전 과정에서 인력이 필요하다”고 진단했다. 이어 “특히 운영과 검증 영역의 역량 부족은 AI 도입 성과를 제한하는 주요 요인”이라고 지목했다.
이에 따라 연구진은 ‘가치사슬 기반 AI 인력 분류체계’ 도입을 제안했다. 직무가 아닌 역할 중심으로 인력을 재구성해 AI 전 주기에서 필요한 기능을 기준으로 인력 수요를 분석하는 방식이다. 이를 통해 어느 단계에서 인력 부족이 발생하는지 구조적으로 진단할 수 있다고 강조했다.
AI 인력의 범위도 확대된다. 모델을 개발하는 코어 인력뿐 아니라 이를 서비스로 구현하는 응용 인력, 산업 문제에 적용하는 융합 인력, 업무에 AI를 활용하는 일반 인력까지 포함하는 구조다. AI 인력이 특정 직군이 아닌 조직 전반으로 확산되고 있다는 현실을 반영한 것이다.
정책 방향 역시 전환이 필요하다고 제언했다. 보고서는 개발자 양성 중심에서 벗어나 산업 전환을 지원하는 인력 구조로 정책을 재설계해야 한다고 주장했다. 또 공통 AI 역량과 산업별 특화 역량을 구분해 체계적으로 육성하는 전략이 필요하다고 짚었다.
보고서는 “AI 인력 부족 문제는 단순한 총량 부족이 아니라 가치사슬 단계별·역할별 수급 불균형이라는 구조적 문제”라며 “가치사슬 기반 인력 분류체계로의 전환은 향후 AI 인력 수급 전망과 교육·훈련 정책 설계의 핵심 인프라로 활용될 수 있다”고 밝혔다.