Skip to content
←

Split View: 우리가 실제로 아는 것과 모르는 것 — 커리어 예측을 다루는 법

✨ Learn with Quiz
|

우리가 실제로 아는 것과 모르는 것 — 커리어 예측을 다루는 법

예측을 사실처럼 말하는 문장들

이 주제로 검색을 하면 두 종류의 글이 나옵니다. 한쪽은 걱정하지 말라고 합니다. 도구는 늘 바뀌었고 개발자는 늘 살아남았다고. 다른 쪽은 지금 무엇을 하지 않으면 도태된다고 합니다. 문장의 표정은 정반대지만, 두 글은 같은 구조를 갖고 있습니다. 아무도 확인할 수 없는 미래를 확인된 것처럼 말한다는 구조입니다.

읽는 사람은 그걸 압니다. 그래서 위로도 오래가지 않고 경고도 행동으로 이어지지 않습니다. 남는 것은 피로뿐입니다.

이 시리즈가 서 있는 자리는 다릅니다. 이 판이 어떻게 전개될지는 아무도 모릅니다. 불확실성은 수사가 아니라 실제 상태입니다. 그리고 그 상태에서도 할 만한 일은 남아 있습니다. 첫 편에서 할 일은 그 일을 고르기 전에, 우리가 아는 것과 모르는 것의 경계를 최대한 정확하게 긋는 것입니다.

47%라는 숫자가 실제로 말한 것

이 분야에서 가장 많이 인용된 숫자부터 봅시다. 2013년 옥스퍼드 마틴 스쿨에서 나온 칼 프레이와 마이클 오스본의 연구 「The Future of Employment」는 미국의 702개 세부 직업을 분석해, 미국 전체 고용의 약 47%가 위험군에 속한다고 보고했습니다(Oxford Martin School 출판 페이지, 2026년 8월 15일 확인).

이 숫자는 그 뒤 십여 년 동안 "일자리의 절반이 사라진다"는 문장으로 옮겨 다녔습니다. 그런데 연구가 계산한 것은 각 직업이 전산화에 얼마나 취약한 성질을 갖고 있는지였습니다. 몇 명이 언제 해고될지가 아니라, 그 직업을 이루는 과업들이 기술적으로 자동화 가능한 형태에 얼마나 가까운지를 점수로 매긴 것입니다.

취약도와 예보는 다릅니다. 취약도는 성질에 대한 진술이고, 예보는 사건에 대한 진술입니다. 자동화가 가능하다는 것과, 그것이 채택되고, 규제를 통과하고, 비용이 맞고, 조직이 재편되어, 결국 사람 수가 줄어든다는 것 사이에는 수많은 단계가 있습니다. 널리 퍼진 문장은 그 단계를 전부 생략했습니다. 연구가 틀렸다는 뜻이 아니라, 우리가 인용해 온 것이 연구가 말한 것이 아니라는 뜻입니다.

1964년에도 같은 문장이 있었다

이런 경고는 처음이 아닙니다. 1964년 3월 22일, 「삼중 혁명(The Triple Revolution)」이라는 각서가 린든 존슨 대통령에게 전달됐습니다. 자동화가 거의 무한한 생산 능력을 만드는 동시에 필요한 노동자의 수를 줄이고 요구 기술 수준을 높여, 실업이 계속 늘어날 것이라는 경고였습니다(Triple Revolution 문서 개요, 2026년 8월 15일 확인).

흥미로운 것은 그 뒤의 평가가 지금도 갈린다는 점입니다. 같은 자료에 따르면 사회학자 대니얼 벨은 그 전망이 환상이었다고 평했고, 마틴 포드는 방향이 틀린 게 아니라 시기가 일렀을 뿐이라고 봅니다. 60년이 지난 지금도 하나의 예측에 대해 합의된 채점표가 없다는 것입니다.

이 사례에서 가져올 것은 "그때도 틀렸으니 이번에도 틀렸다"가 아닙니다. 그것 역시 근거 없는 예측입니다. 가져올 것은 두 가지입니다. 첫째, 이 종류의 예측은 채점하기가 매우 어렵다는 것. 둘째, 그럼에도 자신 있게 말하는 사람은 언제나 많았다는 것입니다.

이 분야의 예측이 빗나가는 구조

과거의 자동화 예측이 대체로 빗나간 데에는 반복되는 이유가 있습니다. 이것은 미래에 대한 주장이 아니라 지난 예측들의 사후 분석입니다.

  • 과업과 직무를 같은 것으로 취급합니다. 직무는 과업의 묶음입니다. 묶음에서 몇 개가 빠지면 직무는 사라지는 대신 재구성됩니다. 자동화된 과업의 자리에 검증, 조정, 예외 처리가 들어오는 일이 산업사에는 여러 번 있었습니다. 어느 쪽이 더 큰지는 사례마다 다르고, 사전에 알기 어렵습니다.
  • 수요의 반응을 빼놓습니다. 무언가를 만드는 비용이 내려가면 그것을 더 많이 만들려는 시도가 늘어납니다. 늘어난 양이 줄어든 손을 상쇄하는지는 분야마다 다르고, 이것 역시 사전에 계산되지 않습니다.
  • 직무의 경계를 고정된 것으로 봅니다. 십 년 전의 백엔드 개발자와 지금의 백엔드 개발자는 같은 이름의 다른 일을 합니다. 사라진 것은 직업이 아니라 그 직업의 옛 정의였습니다.
  • 가장 눈에 띄는 능력을 기준으로 외삽합니다. 시연에서 인상적인 것과 조직이 실제로 돈을 주고 맡기는 것 사이의 거리는 늘 예상보다 멀었습니다.

이 목록은 "그러니 아무 일도 없을 것"이라는 결론으로 가지 않습니다. 이번에는 정말 다를 수도 있습니다. 다만 확신에 찬 숫자를 만났을 때, 그 숫자가 이 네 가지 함정 중 어디에 발을 담그고 있는지 물어볼 근거는 됩니다.

아는 것과 모르는 것을 갈라놓기

그래서 지금 시점에 무엇을 아는 것으로 취급해도 되는지, 정직하게 나눠 보겠습니다.

관측된 것에 가까운 쪽입니다. 잘 정의된 작업의 첫 초안을 만드는 비용이 크게 떨어졌습니다. 익숙한 패턴의 코드, 정형화된 문서, 탐색적 검색은 몇 년 전보다 훨씬 빠르게 처리됩니다. 그 결과로 검토와 검증에 드는 시간의 비중이 올라갔습니다. 이것들은 예보가 아니라 지금 각자의 작업 로그에서 확인할 수 있는 변화입니다.

모르는 것 쪽입니다. 엔지니어링 일자리의 총량이 늘지 줄지, 어느 시간 축에서 그렇게 될지, 어느 층과 어느 도메인에서 먼저 그렇게 될지, 그리고 신입이 시니어가 되는 경로가 어떻게 다시 만들어질지. 이 네 가지에 대해 지금 나와 있는 모든 문장은 예측입니다. 강한 어조는 근거의 강도와 아무 상관이 없습니다.

경계를 이렇게 그어 두면 정보를 읽는 방식이 달라집니다. 관측을 말하는 글에서는 사실을 얻고, 예측을 말하는 글에서는 그 사람이 무엇을 가정하는지만 얻으면 됩니다.

모르는 채로 행동하는 법

여기까지 오면 실용적인 질문이 남습니다. 예측할 수 없다면 무엇을 근거로 움직이나.

방법은 하나 있습니다. 미래를 맞히려 하지 말고, 여러 미래에서 동시에 값이 남는 행동을 고르는 것입니다. 판단 기준은 한 줄로 정리됩니다. 이 행동은 내 예측이 틀렸을 때도 값이 남는가.

특정 도구가 다음 십 년을 지배한다는 가정 위에 세운 학습 계획은 그 가정이 틀리면 대부분 버려집니다. 반면 남이 쓴 코드를 읽고 틀린 곳을 찾아내는 능력, 시스템이 어떻게 무너지는지에 대한 감각, 몇 달을 버틸 수 있는 재정 활주로, 회사 밖에서도 나를 아는 사람들, 직무에 전부 걸려 있지 않은 정체성은 어떤 시나리오에서도 값이 남습니다. 산업이 격변해도, 아무 일도 일어나지 않아도 마찬가지입니다.

불안이 견디기 어려운 이유는 위험이 커서가 아니라 답이 없어서인 경우가 많습니다. 그래서 사람들은 답처럼 들리는 문장을 찾아다닙니다. 이 시리즈는 그 문장을 주지 않습니다. 대신 답이 없는 상태에서도 다음 한 걸음을 정하는 방법을 아홉 편에 걸쳐 다룹니다. 확신을 회복하는 것이 목표가 아니라, 확신 없이 움직일 수 있게 되는 것이 목표입니다.

이어서 읽기

커리어 불안 시리즈

What We Actually Know and What We Do Not — Handling Career Predictions

Sentences That Deliver Predictions as Facts

Search this topic and two kinds of writing come back. One tells you not to worry: tools have always changed, developers have always survived. The other tells you that unless you do a particular thing now, you will be left behind. The expressions are opposites, but the structure is identical. Both speak about a future nobody can verify as though it had been verified.

Readers can feel this. So the reassurance does not last and the warning does not convert into action. What remains is fatigue.

This series stands somewhere else. Nobody knows how this plays out. The uncertainty is not a rhetorical hedge; it is the actual state of things. And there is still work worth doing inside that state. The job of this first part is to draw the line between what we know and what we do not as precisely as we can, before choosing any of that work.

What the 47 Percent Figure Actually Said

Start with the most cited number in this field. In 2013, Carl Frey and Michael Osborne of the Oxford Martin School published "The Future of Employment," analyzing 702 detailed occupations in the United States and reporting that about 47 percent of total US employment falls in the at-risk category (Oxford Martin School publication page, read 15 August 2026).

For the decade that followed, that number traveled under a different sentence: half of all jobs will disappear. But what the study computed was how susceptible each occupation is to computerisation — not how many people would be let go and when, but how close the tasks composing that occupation sit to a technically automatable shape.

Susceptibility and forecast are different objects. Susceptibility is a statement about a property; a forecast is a statement about an event. Between "this can be automated" and "headcount fell" lie adoption, regulation, cost, and organizational redesign. The popular sentence skipped every one of those steps. That does not make the study wrong. It means the thing we have been quoting is not the thing the study said.

The Same Warning Was Made in 1964

This warning is not new. On 22 March 1964, a memorandum titled "The Triple Revolution" was delivered to President Lyndon B. Johnson. It warned that automation would create a system of almost unlimited productive capacity while cutting the number of workers needed and raising the skill level required, producing steadily rising unemployment (overview of the Triple Revolution document, read 15 August 2026).

What is interesting is that the verdict is still split. By the same source, the sociologist Daniel Bell judged those projections illusory, while Martin Ford argues they were not wrong in direction, merely early. Sixty years on, one prediction still has no agreed scorecard.

The lesson to take is not "they were wrong then, so they are wrong now." That is another baseless prediction. The lesson is twofold. First, this class of prediction is extremely hard to grade. Second, there has never been a shortage of people willing to state it with confidence.

Why Predictions in This Field Miss

Past automation predictions have gone wide for reasons that repeat. This is a retrospective on those forecasts, not a claim about the future.

  • They treat tasks and occupations as the same thing. An occupation is a bundle of tasks. Remove a few and the occupation is usually reorganized rather than deleted. Industrial history contains many cases where verification, coordination, and exception handling flowed into the space an automated task vacated. Which effect is larger varies by case and is hard to know in advance.
  • They leave out the demand response. When making something gets cheaper, more people try to make it. Whether the added volume offsets the removed hands differs by field, and that too goes uncomputed beforehand.
  • They treat job boundaries as fixed. A backend engineer ten years ago and a backend engineer today do different work under the same name. What disappeared was not the occupation but its old definition.
  • They extrapolate from the most visible capability. The distance between what is impressive in a demo and what an organization will actually pay someone to own has consistently been longer than expected.

None of this ends at "so nothing will happen." This time may genuinely be different. But when a confident number arrives, this list gives you grounds to ask which of the four traps it has a foot in.

Separating the Known from the Unknown

So let us divide, honestly, what can be treated as known right now.

Closer to observation. The cost of producing a first draft of a well-defined piece of work has fallen sharply. Familiar code patterns, formulaic documents, and exploratory lookup are handled far faster than a few years ago. As a consequence, the share of time spent on review and verification has gone up. These are not forecasts; they are changes you can find in your own work log today.

On the unknown side. Whether the total number of engineering jobs rises or falls, on what timescale, in which layers and which domains first, and how the path from newcomer to senior gets rebuilt. Every sentence currently available on those four is a prediction. Forcefulness of tone has no relationship to strength of evidence.

Drawing the line this way changes how you read. From writing that reports observations, take the facts. From writing that offers predictions, take only the author's assumptions.

Acting Without Knowing

That leaves the practical question. If you cannot predict, what do you move on?

There is one method. Do not try to be right about the future; choose actions that retain their value across many futures. The test fits on one line: does this action still pay off if my prediction turns out wrong?

A study plan built on the assumption that a particular tool will dominate the next decade is mostly discarded when that assumption fails. Meanwhile, the ability to read code someone else wrote and find what is wrong with it, a feel for how systems break, a financial runway measured in months, people outside your company who know your work, and an identity that is not entirely staked on a job title — these retain value under every scenario. They pay whether the industry convulses or nothing much happens at all.

Anxiety is often unbearable not because the risk is large but because there is no answer, so people go looking for sentences that sound like answers. This series will not hand you one. Instead, across nine more parts, it works on how to choose the next step while no answer exists. The goal is not to recover certainty. The goal is to be able to move without it.

Further Reading

Career Anxiety series