AI 이야기가 나오면 늘 '없어질 직업'부터 거론됩니다. 그런데 채용 데이터는 그 반대편도 같이 보여줘요. 잡코리아가 최근 5년 채용 공고를 분석했더니 'AI'가 들어간 공고가 112% 늘었고, 신입 공고는 162%, 비수도권은 232% 증가했습니다. AI·개발·데이터 직무의 평균연봉은 4,947만원으로 21개 주요 직무 중 1위였고요(한국데이터경제신문, 2026). 즉, AI는 직업을 없애는 동시에 새 직업을 만들고 있고, 그 자리는 수도권 밖으로도 빠르게 번지는 중입니다.
이 글은 그렇게 새로 생긴 직업 중 성격이 뚜렷하게 다른 4개를 골라 비교합니다. 가치 판단형(AI 윤리·거버넌스 전문가), 데이터 노동형(데이터 라벨러), 교육·코칭형(AI 튜터), 하드웨어형(로봇 유지보수·AI 엔지니어). 진입 난이도도, 필요한 배경도, 연봉대도 다 달라서 '내가 어디에 맞는지'를 가늠하기 좋습니다. 먼저 한 표로 전체를 보고, 직업별로 깊게 들어가 볼게요.
한눈에 비교: 4개 직업
| 직업 | 하는 일 | 수입대 (국내 기준·근거 표기) | 국내 채용처·경로 | 진입 배경·난이도 |
|---|---|---|---|---|
| AI 윤리·거버넌스 전문가 | AI를 어디까지 허용할지 정함. 내부 정책 수립, 편향·리스크 평가, EU AI Act·한국 AI 기본법 대응 | 국내는 형성 초기라 공개 표준치 부족. 참고로 미국은 약 $100K~160K (디지털투데이, 2026) | 네이버·카카오·라인 거버넌스 조직, 금융권 AI 리스크 직무, 공공(NIA·개인정보위), 대형 로펌·Big4 컨설팅 | 비이공계 진입 가능(법·정책·철학·사회학). 박사보다 사례 분석 포트폴리오가 신호. 난이도 중상 |
| 데이터 라벨러 (어노테이터) | AI 학습용 정답 데이터 생성. 이미지·텍스트·음성·3D 라벨링, RLHF 평가, 안전성 검수 | 단순 작업 시급 1~2만원대(부업형). 정규직 라벨러 연봉 3,500~5,000만원 선에서 시작(repo 직군 가이드 기준) | 크라우드웍스·셀렉트스타·에이모 등 국내 플랫폼, Scale AI·Surge·Outlier 등 해외, RLHF 평가자 풀 | 진입 장벽 낮음(컴퓨터·인터넷). 전문 분야(의료·법률)·영어 가능 시 단가 점프. 난이도 하→중 |
| AI 튜터 | 학생이 AI 학습 도구를 제대로 쓰도록 코칭. 학습 설계, 활용법 교정, 동기부여, 보호자 소통 | 1:1 시간당 3~5만원이 일반적, 전문성 쌓이면 상승(repo 직군 가이드 기준). 그룹·강의·학원 정규직 등 형태 다양 | 프리랜서 시작이 다수. 온라인 교육 플랫폼, 일부 학원의 'AI 학습 코치' 정규직 | 교육 전공 필수 아님. 도구 숙련+공부법 콘텐츠로 포트폴리오. 난이도 하→중 |
| 로봇 유지보수·AI 엔지니어 | 로봇·자율주행 시스템의 SLAM·센서·제어 유지보수와 AI 통합. 현장 디버깅과 모델 연동 | 신입 약 3,000만원~, 경력 3년+ 최대 1억 제시 공고 존재 (디지털투데이, 2026) | 로봇·자율주행 스타트업, 제조 자동화 기업, 물류·서비스 로봇 업체 | 이공계 기반(제어·임베디드·ML). 4개 중 기술 진입 장벽 가장 높음. 난이도 상 |
이 표가 말해주는 것. 같은 'AI 새 직업'이라도 진입 비용이 완전히 다릅니다. 라벨러와 AI 튜터는 컴퓨터 한 대로 오늘 시작할 수 있는 반면, 로봇 엔지니어는 수년의 공학 트랙이 전제됩니다. 그리고 연봉 상단을 보면 흐름이 보여요. '사람만 할 수 있는 판단·전문성'에 가까울수록 천장이 높습니다. 단순 라벨링은 시급제지만, 전문 분야 라벨링이나 RLHF 평가로 올라가면 단가가 뛰고, 로봇 엔지니어는 경력만 받쳐주면 1억 공고가 실제로 존재합니다. 진입이 쉬운 직업일수록 위로 올라가는 '두 번째 사다리'를 일찍 찾아야 한다는 뜻이기도 하고요.
1. AI 윤리·거버넌스 전문가 — 코딩보다 판단이 무기
'AI 정책 매니저', '책임 있는 AI 전문가', 'AI 거버넌스 리드'. 이름은 제각각이지만 본질은 하나입니다. AI를 어디까지 허용할지 정하는 사람. 기술이 너무 빨리 퍼지다 보니 회사 안에 브레이크를 잡을 사람이 필요해진 거예요.
학계 연구자와는 결이 다릅니다. 기업 안에서 제품이 옳은 방향으로 가도록 붙잡는 실무자에 가까워요. 구체적으로는 회사의 AI 사용·금지 기준을 담은 내부 정책을 만들고, 새 기능을 내보내기 전 차별·편향·사생활 침해 위험을 미리 뜯어봅니다. 학습 데이터의 출처와 동의·저작권을 점검하고, EU AI Act나 한국 AI 기본법 같은 규제를 모니터링해 제품이 이를 지키도록 가이드하죠. 언론·정부·시민단체를 상대하는 외부 창구 역할까지 맡기도 합니다.
이 직군의 특징은 비이공계 진입이 열려 있다는 점입니다. 디지털투데이 보도도 AI 윤리·거버넌스를 비이공계가 들어갈 수 있는 영역으로 짚었어요(디지털투데이, 2026). 실제로 법·정책학(규제 해석), 철학·윤리학(가치 기준 설계), 사회학·인류학(사회 영향 분석), 저널리즘(외부 소통) 배경이 각자의 무기가 됩니다. 물론 컴퓨터공학 배경은 모델 내부를 이해해 '진짜 위험'을 보는 데 강점이 있고요.
국내는 아직 형성 초기라 공개된 연봉 표준치가 부족합니다. 그래서 이 분야는 숫자로 줄 세우기보다 채용이 어디서 시작되는지를 보는 게 전략적이에요. 네이버·카카오·라인은 정책팀·법무팀 안에 'AI 정책'을 별도 트랙으로 두기 시작했고, 은행·증권사는 AI 신용평가·로보어드바이저를 늘리며 'AI 리스크 매니저' 직무를 만들고 있습니다. 한국지능정보사회진흥원(NIA)·개인정보보호위원회 같은 공공, 김앤장·세종 등 대형 로펌의 AI팀, Big4 회계법인의 거버넌스 컨설팅 라인도 빠르게 크는 중이고요. 진입 신호는 박사 학위보다 '실제 AI 사고 사례를 분석해 공개한 글·발표'입니다. 규제 원문을 읽고, 편향·저작권 분쟁 사례를 10건 이상 모아 분석하고, 링크드인이나 학회에 꾸준히 의견을 내는 사람이 유난히 빨리 눈에 띄어요.
참고로 같은 'AI를 다루는 사람'이라도 윤리 전문가가 규칙을 세운다면, 프롬프트 엔지니어는 그 규칙 안에서 모델을 굴리는 쪽입니다. 두 직무는 한 회사 안에서 자주 부딪히니 상대가 뭘 하는지 알아두면 어느 쪽이든 유리해요.
사족 하나 — 솔직히 '윤리'라고 하면 추상적이라 돈 안 될 것 같지? 근데 잡코리아 분석 보면 AI·개발·데이터 직무 평균연봉이 4,947만원으로 21개 직무 중 1위더라고요(한국데이터경제신문). 규제가 진짜로 발효되는 순간 '리스크 막아주는 사람'은 비용이 아니라 보험이 됨. 문과라고 AI 직군 포기했던 사람한테는 이쪽이 거의 유일한 정문 같음ㅋㅋ
2. 데이터 라벨러 — AI 뒤에서 AI를 만드는 사람
ChatGPT가 똑똑한 진짜 이유는 컴퓨터가 빨라져서가 아닙니다. 누군가 '이 사진은 고양이', '이 문장은 긍정' 하고 일일이 정답을 달아둔 데이터를 학습했기 때문이에요. 그 정답을 붙이는 사람이 데이터 라벨러(어노테이터)입니다. 뉴스에는 거의 안 나오지만 이들이 없으면 AI도 없어요.
작업은 분야마다 모양이 다릅니다. 사진 속 물체에 박스를 치고 레이블을 다는 이미지 라벨링(자율주행 학습에 다수), 문장 감정 분류·태깅 같은 텍스트 라벨링, 녹음을 옮기고 화자를 구분하는 음성 라벨링, 라이다 3D 데이터를 다루는 포인트 클라우드, 그리고 X-ray·CT에 병변을 표시하는 의료 이미지까지. 뒤로 갈수록 전문 지식이 필요해 단가가 확 뜁니다.
"AI가 알아서 학습하면 라벨러는 사라지는 거 아니냐"는 질문, 반은 맞고 반은 틀립니다. 단순 라벨링은 줄지만 고품질 라벨링의 몸값은 올랐어요. ChatGPT 같은 대형 모델도 결국 사람 피드백으로 미세 조정(RLHF)을 받고, 의료·법률·금융 데이터는 그 분야 전문가가 직접 라벨을 달아야 품질이 나옵니다. AI가 위험하거나 편향된 답을 내는지 따지는 안전성 평가 수요는 지금 급증하는 중이고요. 디지털투데이도 데이터 라벨러·어노테이터 수요 폭증을 짚었습니다(디지털투데이, 2026).
수입은 형태에 따라 갈립니다. 가장 흔한 재택 부업형은 건당 단가라 단순 작업이 시급 1~2만원 선이고, 자율주행·의료처럼 특수 분야는 정규직 채용도 늘어 연봉 3,500~5,000만원 선에서 시작합니다. 의료 영상·법률 문서 같은 고난도는 건당 수만원대가 붙기도 하고요. 일감 받는 통로는 명확합니다. 국내는 크라우드웍스·셀렉트스타·에이모 같은 플랫폼이 가입 후 가이드라인 테스트를 거쳐 작업을 배정하고, 해외는 Scale AI·Surge·Outlier가 영어 가능자에게 더 높은 단가를 줍니다. 한 단계 위인 RLHF 평가자 풀은 시급이 훨씬 높지만 영어와 전문 지식을 요구하죠.
성장 공식은 단순합니다. 첫 30분만 가이드라인을 제대로 읽으면 검수 통과율이 오르고, CVAT·LabelImg 같은 툴 단축키를 외우면 같은 시간에 처리량이 배로 벌어집니다. 그리고 가장 중요한 건 일반 라벨링은 단가 천장이 명확하다는 것. 외국어·의료·법률처럼 본인 배경을 살려 전문 라벨링으로 갈아타는 게 수입을 점프시키는 지름길입니다. 데이터를 다루다 보면 자연스레 'AI에 정답을 알려주는 일'에서 'AI를 잘 쓰도록 가르치는 일'이 궁금해지는데, 그게 바로 다음 직업이에요.
솔직 코멘트 — 라벨링을 'AI한테 밀리는 단순노동'으로 보면 손해임. 디지털투데이 기사에서도 어노테이터 수요가 폭증한다고 했는데(디지털투데이), 핵심은 '단순 라벨링'이 아니라 'RLHF·안전성 평가'로 올라타는 거더라고요. 입구는 누구나 들어가는데 위층은 영어+전문지식이 막고 있는 구조임. 그래서 부업으로 발 담그고 두 번째 사다리를 빨리 찾는 게 이득인 셈.
3. AI 튜터 — AI가 늘수록 더 필요해지는 선생님
학생 노트북엔 ChatGPT가 켜져 있고, 옆에서 튜터가 말합니다. "그거 바로 묻지 말고, 이 개념부터 잡고 다시 던져 봐." AI 튜터는 온라인 과외 선생님이 아니라, 학생이 AI 학습 도구를 제대로 굴리도록 방향을 잡아주는 새로운 형태의 교육자입니다.
지식을 떠먹여 주는 게 아니라 학생이 AI와 스스로 공부하도록 판을 깔아주는 학습 디자이너에 가까워요. 수준·목표에 맞춰 공부 계획을 짜고, ChatGPT·Claude를 효과적으로 쓰는 법을 코칭하고(답만 베끼는 습관 교정 포함), 주간 점검으로 이해도를 확인하고, 막힐 때 격려해 포기를 막습니다. 마지막 동기부여와 감정 지원은 AI가 못 하는 영역이라 사람 튜터의 핵심 무기예요.
아이러니하게도 AI 학습 도구가 쏟아질수록 사람 튜터의 자리는 커집니다. AI에 질문하는 것도 습관이라 처음엔 사람이 끌어줘야 하고, 답만 복붙하는 공부는 오히려 실력을 깎으니 누군가 방향을 틀어줘야 하거든요. 같은 도구라도 학생마다 써야 하는 방식이 다른데, 그 개인화를 설계하는 건 사람 몫입니다. 잘하는 튜터는 도구를 상황에 맞게 섞어 써요. ChatGPT로 한 개념을 여러 난이도로 풀고, Claude로 긴 글 분석과 에세이 첨삭을 하고, NotebookLM에 교과서 PDF를 올려 그 범위 안에서만 답하게 하고, Perplexity로 출처 달린 리서치·사실 확인을 연습시키는 식이죠.
수입은 일하는 방식이 열려 있습니다. 1:1 개인 지도는 시간당 3~5만원이 일반적이고 전문성이 쌓이면 더 오릅니다. 3~5명 그룹 코칭은 학생별 단가는 낮아도 총 수입이 클 수 있고, 'AI로 공부하는 법' 강좌를 플랫폼에 올려 패시브 인컴을 만드는 튜터도 늘었어요. 일부 학원은 'AI 학습 코치'를 정규직으로 뽑기 시작했고요. 시작은 의외로 단순합니다. ChatGPT·Claude·NotebookLM을 학생 입장에서 직접 깊이 써보며 장단점을 손에 익히고, 블로그·유튜브에 'AI로 ○○ 공부하는 법'을 올려 포트폴리오를 쌓고, 지인 학생에게 무료로 시범 지도하며 방법을 다듬은 뒤, "중학교 영어"처럼 범위를 좁힐수록 입소문이 빨라집니다.
placeholder
4. 로봇 유지보수·AI 엔지니어 — 가장 높은 천장
앞의 세 직업이 소프트웨어·데이터·교육 쪽이라면, 이 직업은 하드웨어가 무대입니다. 로봇과 자율주행 시스템이 현장에서 제대로 돌도록 유지보수하고, 센서·SLAM(위치 추정·지도 작성)·제어 시스템에 AI를 통합하는 일이에요. 물류 로봇이 멈췄을 때 원인을 디버깅하고, 새 모델을 실제 기계에 연동하는 현장형 엔지니어링이라 책상 위 작업과는 결이 다릅니다.
4개 직업 중 기술 진입 장벽이 가장 높습니다. 제어·임베디드·머신러닝을 아우르는 이공계 기반이 전제라 라벨러나 AI 튜터처럼 '오늘 시작'이 어렵죠. 대신 그만큼 천장이 높아요. 디지털투데이 보도에 따르면 로봇 AI·SLAM 엔지니어는 신입이 약 3,000만원부터 시작하고, 경력 3년 이상에는 최대 1억원을 제시하는 공고도 존재합니다(디지털투데이, 2026). 채용은 로봇·자율주행 스타트업, 제조 자동화 기업, 물류·서비스 로봇 업체에서 주로 열리고요.
여기서 잡코리아 분석을 겹쳐 보면 흥미로운 그림이 나옵니다. 'AI' 포함 채용 공고가 비수도권에서 232% 늘어 수도권 증가율(110%)을 크게 앞질렀다는 대목이에요(한국데이터경제신문, 2026). 로봇·자동화는 공장과 물류센터가 있는 지방에 수요가 몰리는 직군이라, 이 비수도권 급증 흐름과 맞닿아 있을 가능성이 큽니다. 수도권 IT 일자리만 보던 사람에겐 지역 거점 제조·로봇 기업이 의외의 진입로가 될 수 있다는 뜻이에요.
개인적인 감상 — '1억 공고'만 보고 혹하면 안 됨. 그건 경력 3년+ 얘기고 신입은 3,000만원부터라 사실상 정통 공학 트랙임(디지털투데이). 근데 진짜 포인트는 따로 있음. 잡코리아 보면 AI 공고 비수도권 증가율이 232%로 수도권(110%) 두 배가 넘더라고요(한국데이터경제신문). 로봇·자동화는 지방 공장이 본진이라 '서울 아니면 일자리 없다'는 통념이 여기선 깨지는 셈. 지방러한테 오히려 기회일 수도 있음.
그래서 나는 어디로 가야 할까
4개를 한 줄로 정리하면 이렇습니다. 지금 당장 컴퓨터로 시작하고 싶다면 데이터 라벨러나 AI 튜터, 문과 배경으로 AI 직군에 정문으로 들어가고 싶다면 AI 윤리·거버넌스, 공학 트랙이 있고 천장 높은 자리를 노린다면 로봇 엔지니어입니다. 공통점도 분명해요. 네 직업 모두 'AI가 똑똑해질수록 사라지는 게 아니라 더 필요해지는' 자리에 있다는 점입니다. AI가 답을 쏟아낼수록 그 답을 검증하고(라벨러·윤리), 잘 쓰도록 가르치고(튜터), 현실에서 돌게 만드는(로봇) 사람의 몫이 커지니까요.
한 가지 주의점. 진입이 쉬운 직업일수록 단가 천장이 빨리 옵니다. 라벨러의 단순 작업, 튜터의 일반 1:1은 시작은 빠르지만 위로 가려면 '전문 분야'라는 두 번째 사다리가 필요해요. 처음부터 본인 배경(외국어·의료·교육·특정 과목)을 어떻게 얹을지 그려두는 사람이 결국 멀리 갑니다.
같은 'AI 새 직업' 계열을 더 보고 싶다면, 이미 국내에서 억대 연봉 공채가 나온 프롬프트 엔지니어와, 기업의 업무를 AI로 자동화해 주는 자동화 컨설턴트 편을 추천합니다. 참고로 프롬프트 엔지니어는 2025년 뤼튼테크놀로지스가 국내 첫 억대 연봉 공채를 냈을 만큼 시장이 빠르게 자리 잡았어요(디지털투데이, 2026). 반대로 'AI가 대체할 직업'이 궁금하다면 AI가 대체할 직업 편에서 균형을 맞춰 보세요. 새로 생기는 자리와 사라지는 자리를 함께 봐야 진짜 그림이 잡힙니다.