# 미국 AI 관련 인력개발 정책 현황 ### : '25~'26 연방의회 발의 법안을 중심으로 **주요국 AI·디지털 정책 모니터링 리포트 The LENS 2026 | 2026-1호** --- ## 목 차 1. 미국의 AI 인력개발 과제 대응 2. 미국 AI 관련 인력개발 법안 현황 및 주요 내용 3. 미국 AI 관련 인력개발 법안의 주요 쟁점 4. 정책적 시사점 함께 보면 좋은 정책 자료 참고문헌 --- ## 1. 미국의 AI 인력개발 정책 개요 **l (미국 AI 인력개발 정책 현황과 과제)** 미국의 AI 개발 인력 경쟁력은 세계 최고 수준이나, 재직자 역량 강화와 AI 대체 위험 인력 보호를 위한 인력개발 정책은 상대적으로 미흡 - 특히, 공공 재원 미비, 연방-주 정부 간 사업의 분절적 운영이라는 한계로 인해 AI로 인한 근로 환경 변화에 충분히 대응하지 못하고 있다는 평가가 제기됨¹⁾ - 노동부가 기존 「인력혁신·기회법」 자금을 AI 역량 개발에 활용하도록 장려하는 지침을 발표하는 등 대응 움직임이 나타나고 있으나, 입법 기반의 체계적 지원체계는 초기에 머무름 - 이러한 정책 공백을 해소하기 위해 최근 발의·추진되고 있는 법안들은 미국 AI 인력개발 정책의 실제 방향과 의제를 파악할 수 있는 핵심 자료 **l (법안으로 읽는 미국 AI 인력개발 정책)** 본 보고서는 제119대 미국 의회('25년~)에 발의된 AI 관련 인력개발 법안을 검토하여 주요 쟁점을 도출하고, 정책적 시사점 제시 > **[ 인력개발(Workforce Development) 정의 ]** > > ➢ 본 보고서에서는 인력 개발을 근로자의 직무 역량 향상과 고용 가능성 제고를 목적으로 하는 교육·훈련 활동 및 이를 위한 기반 조성과 재원 확보 방식을 포괄하는 개념으로 사용 > > ➢ 구체적으로는 도제훈련·인턴십 등 현장훈련, 자격 취득 과정, 재훈련 및 역량 인증, 취업 전 준비 교육, 취업·경력 개발 상담 서비스, 관련 조사·연구 및 통계 구축 등이 포함됨 - 법안은 실제 입법화 여부와 무관하게 해당 사회의 정책 의제와 접근방식을 반영하며, 아직 형성 단계인 미국의 AI 관련 인력개발 정책의 방향을 가늠하는 데 유효한 접근 - 이에 본 보고서는 6개 법안의 정책 수단, 재정 방식, 집행 구조를 비교·검토하여 쟁점을 짚고, 인력개발 정책에 주는 함의 도출 > **[ 법안 선정 절차 ]** > > ① 미국 의회 입법정보 사이트(Congress.gov)에서 "AI+Workforce", "Automation+Workforce"로 검색 > > ② 법안 텍스트를 검토하여 본 보고서의 인력 개발 정의에 부합하는 법안을 선별 > > ③ 선별 결과 총 6개 법안을 선정하였으며, 법안 목록 및 개요는 3페이지 참조 --- ### 참 고 미국 인력개발 정책의 전개 **l** 미국의 인력개발 정책은 당대의 ① 경제적 조건, ② 구조적 변화, ③ 행정부의 이념적 지향이 복합적으로 작용하는 방식에 따라 그 방향이 반복적으로 변화해 옴 - ① **경제적 조건** : 극심한 경기침체 국면에서는 취약계층을 신속히 노동 시장에 연결하는 데 초점을 맞춘 고용 중심 프로그램이 주를 이룸 - ② **구조적 변화** : 자동화, 세계화, 미국-소련 간 기술 경쟁 등 구조적 변화가 경제적 불안정성과 맞물리는 시기에는 특정 기술훈련 중심의 정책으로 전환되는 경향을 보임 - ③ **행정부 이념 변화** : 연방정부와 주·지방정부 간 역할 배분은 행정부의 이념적 지향에 따라 지속적으로 재편되며, 프로그램의 운영 주체 및 재정 구조에도 영향을 미쳐 옴 **[ 미국 인력개발 정책의 변천 ]** | 시기 | 정책 변화 동인 및 주요 방향 | 주요 입법 조치 | |------|--------------------------|--------------| | 1930~40년대 | ➊ **경제** 대공황에 대응하여 완전 고용을 목표로 구직자-사용자 간 연결에 초점 | § 「와그너-페이저법(Wagner-Peyser Act)」(1933) : 전국 단위 공공 고용서비스망 구축 및 구직자-사용자 간 노동 시장 연결 기능 제도화 § 「국가도제훈련법(National Apprenticeship Act)」(1937) : 뉴딜 정책의 일환으로 연방 차원의 도제 기준 및 등록 체계 최초 확립 | | 1950~60년대 | ❷ **구조** 산업구조 변화에 대응하여 직무 역량 향상 중심으로 방향 전환 | § 「지역재개발법(Area Redevelopment Act)」(1961) : 낙후 지역 대상 장소 기반 훈련 지원 도입 § 「인력개발훈련법(Manpower Development and Training Act)」(1962) : 자동화·기술 변화로 인한 실직자 재훈련을 위한 최초의 대규모 연방 기술훈련 프로그램 시행 | | 1970~80년대 | ❸ **행정부** 신연방주의 기조가 확산하며 연방정부에서 주·지방정부로 권한 이양 및 프로그램 통합 | § 「종합고용·훈련법(Comprehensive Employment and Training Act)」(1973) : 연방 재원은 유지하되, 프로그램 행정 및 서비스 전달 권한을 주·지방정부로 이양 § 「직업훈련파트너십법(Job Training Partnership Act)」(1982) : 지방정부 주도 운영을 강화하고, 민간 부문의 프로그램 참여 및 성과 기반 평가 체계 도입 | | 1990년대 | ❸ **행정부** 분절 체계 정비 및 통합 서비스 체계 구축을 통한 효율화 | § 「인력투자법(Workforce Investment Act)」(1998) : 분절된 연방 훈련 프로그램을 통합하고, 구직자 중심의 원스톱 시스템(American Job Centers) 구축 | | 2010년대 | ➊ **경제** + ❷ **구조** 대침체 이후 취업 장벽 해소 및 취약계층 지원 강화 | § 「인력혁신·기회법(Workforce Innovation and Opportunity Act)」(2014) : 대침체 이후 노동 시장 격차에 대응하여 취업 취약계층을 명시적 우선 지원 대상으로 규정하고, 연방 프로그램 간 조율 강화 | ※ 출처 : Altman & Schrag(2025)²⁾ --- ## 2. 미국 AI 관련 인력개발 법안 현황 및 주요 내용 **l** 119대 의회에서 발의된 AI 관련 인력개발 법안 6건은 훈련 지원, 데이터 인프라 구축, 직무 표준화 등 다양한 정책 수단을 망라 - 발의 정당 측면에서 6건 중 4건이 초당적으로 발의되어 AI 인력개발 문제에 대한 광범위한 공감대가 형성되어 있으나, 지원 방식에 있어서는 양당의 차이를 보임 - 재정 방식 측면에서 초당적 법안은 재정 부담을 최소화하는 방식을 택한 반면, 민주당 단독 법안은 직접 보조금을 통한 적극적 재정 투입 지향 **[ 미국 AI 관련 인력개발 주요 법안 현황 ]** | 법안명 | 발의 시기 | 발의 정당 | 법안 성격 | 소관 부처 | 예산 | |--------|----------|----------|----------|----------|------| | AI인력훈련법 AI Workforce Training Act | '26.2 | 초당적(하원) | 훈련비용 지원 | 재무부 노동부 상무부 | § 세수 감면 방식 - 별도 지출 예산 없음 (세액공제분만큼 세수 감소) | | 미래인력투자법 Investing in Tomorrow's Workforce Act of 2026 | '26.2 | 민주당 (상·하원) | 직접 훈련 지원 | 노동부 | - | | 미래인력법 Workforce of the Future Act of 2025 | '25.12 | 민주당 (상·하원) | 직접 훈련 제공 | 교육부 노동부 | § 총 250백만 달러 ('26년, 1년 기준) - 교육부 160백만 달러 - 노동부 90백만 달러 | | AI인력준비법 AI Workforce PREPARE Act | '25.12 | 초당적(상원) | 정책 근거 마련 | 노동부 상무부 | § 총 약 38백만 달러 ('26~'30년, 5년 기준) - 고용 예측 18백만 달러 - 데이터 공유 7백만 달러 - 자동화 벤치마크 7백만 달러 등 | | AI고용영향공시법 AI-Related Job Impacts Clarity Act | '25.11 | 초당적 (상원) | 정책 근거 마련 | 노동부 | - | | AI·핵심기술인력프레임워크법 AI & Critical Technology Workforce Framework Act | '25.4 | 초당적 (상원) | 직무 표준화 | 상무부 | § 별도 수권 없음 - NIST 기존 예산 활용 | ※ 출처 : Congress.gov > **[ 참고 : 동반 법안(Companion Bills) 개념 ]** > > ➢ 「미래인력투자법」 및 「미래인력법」은 상원과 하원에서 동일한 내용으로 동시에 발의한 동반 법안 > > - 상·하원 동시 심의를 통해 입법 절차를 병행 진행함으로써 법안 통과에 소요되는 시간 단축 가능 > - 해당 법안에 대한 정치적 주목도가 높아지고, 광범위한 지지 의사를 대외적으로 표명하는 효과 > - 상·하원이 각각 심의·통과시킨 후 양원협의회 통해 단일안으로 조율하여 법안 최종 통과 --- ### ❶ AI인력훈련법 H.R.7576 AI Workforce Training Act **l** 정부가 직접 훈련 프로그램을 운영하거나 재정을 지원하는 대신, 고용주가 AI 훈련에 투자하도록 세제 혜택으로 유인하는 시장 친화적 간접 지원 방식 채택 - **지원 방식** : 고용주가 직원의 AI 훈련에 지출한 비용의 30%를 세금에서 직접 공제받을 수 있으며, 직원 1인당 연간 최대 2,500달러 한도 적용 - **지원 대상** : 고용주의 업종, 규모 등에 관계 없이 정식 고용 관계에 있는 재직자 - **훈련 내용** : 프롬프트 엔지니어링, 데이터 리터러시, 머신러닝 기초, AI 윤리 등을 다루는 외부 교육기관 프로그램뿐 아니라 기업 자체 사내 훈련도 지원 대상에 포함됨 - **제도적 보완** : 세액공제를 받은 훈련비용에 대해서는 다른 세금 감면이나 공제를 중복 적용할 수 없으며, 관련 부처 공동으로 홍보 캠페인을 진행하고 매년 의회에 성과 보고 **[ 「AI인력훈련법」 지원체계 ]** ``` 연방정부 ──(세액공제)──▶ 고용주 ──(훈련비 지원)──▶ 재직자 │ ┌──────────┴──────────┐ 외부 기관 훈련 기업 자체 훈련 (자체 비용 지출) ``` --- ### ❷ 미래인력투자법 S.3877 & H.R.7585, Investing in Tomorrow's Workforce Act of 2026 **l** 자동화로 인한 일자리 위협에 연방정부가 직접 재정을 투입해 선제 대응하되, 기업, 훈련기관, 지역고용위원회 간 협력 체계를 통해 고용 유지와 전환 도모 - **지원 방식** : 기업, 훈련기관, 지역고용위원회, 경제개발기구 등이 구성한 파트너십을 선정하여 최대 4년간 보조금을 지급하며, '27~'31 회계연도에 걸쳐 시범 사업으로 운영 - **지원 대상** : 자동화로 인해 실직했거나 실직 위험에 처한 재직자를 주요 대상으로 하며, 장애인, 저소득층, 고령자 등 취업 취약계층 밀집 지역의 파트너십에 우선순위 부여 - **지원 내용** : 수요 직종으로의 전환 훈련, 기업 내 재배치를 위한 재직자 업스킬링, 코딩·정보보안 등 기술 기반 훈련, 훈련 수당 및 돌봄 서비스 등 훈련 부대 지원 포함 **[ 「미래인력투자법」 지원체계 ]** ``` 연방정부 ──(직접 보조금)──▶ 지역 파트너십 ──┬──▶ 전환 훈련(수요 직종 진입) ├──▶ 재직자 업스킬링(기업 내 재배치) ──▶ 재직자·실직 위험자 └──▶ 부대 지원(수당·돌봄 서비스) ``` --- ### ❸ 미래인력법 S.3319 & H.R.6621, Workforce of the Future Act of 2025 **l** AI로 인한 노동시장 변화에 대응하여 미래 인력 양성과 현재 인력 재훈련을 동시에 추진하는 이원적 구조의 직접 지원 방식을 채택 - **지원 방식** : 교육기관, 노동조합, 주정부 인력개발기관 등을 공모로 선정하여 3~5년간 보조금을 지급하며, 노동부 보조금의 경우 해당 종사자를 대표하는 노동조합이 포함된 컨소시엄에 우선순위 부여 - **지원 대상** : AI 영향이 클 것으로 예측되는 직종의 재직자, 해당 직종에서 법 시행 1년 이내에 비자발적으로 이직한 고졸 이상의 실업급여 수급자를 주요 대상으로 함 - **지원 내용** : 교육부는 초·중등 및 지역 전문대학의 신기술 교육 과정 확대와 교원 양성을, 노동부는 AI 전환 취약 인력의 재훈련 및 기술 인증 지원을 각각 담당 - **정책 기반 구축** : 관계 부처가 공동으로 AI의 직종별 고용 충격, 취약계층, 필요 역량을 분석한 보고서를 의회에 주기적으로 제출하고, 이를 보조금 심사 기준으로 활용 --- ### ❹ AI인력준비법 S.3339, AI Workforce PREPARE Act **l** AI가 노동시장에 미치는 충격을 정확히 측정·예측하는 데이터 인프라를 연방정부가 구축함으로써 향후 인력개발 정책의 실증적 근거 마련 - **데이터 수집 체계 정비** : 기업의 AI 도입·활용 현황을 자발적으로 익명 공유받는 프로그램을 운영하고, 기존 연방 조사에 AI 관련 문항을 신설 - **감원 원인 투명성 확보** : AI가 대규모 감원의 실질적 원인인 경우 「노동자 조정 및 재훈련 통보법」\*에 따른 감원 사전 통보서에 이를 명시하도록 의무화 > ※ Worker Adjustment and Retraining Notification Act(Warm Act) : 대규모 감원·사업장 폐쇄 시 고용주가 근로자에게 최소 60일 전 사전 통보하도록 의무화한 법으로, 근로자의 실직 대비 및 지방정부의 지원 프로그램 준비를 목적으로 함 - **고용 전망 고도화** : AI 영향이 클 것으로 예상되는 15개 이상의 직종에 대하여 2·4·8년 단위의 고용 예측 구간을 매년 발표하고, 예측 정확도를 사후 검증하는 체계 구축 - **측정 도구 개발** : AI가 직무나 직종을 자동화·보완하는 능력을 정량적으로 측정하는 벤치마크 개발 경진대회와 단기 노동시장 영향 예측 경진대회를 병행 운영 - **정책 연계** : 축적된 데이터와 예측 결과를 연방 훈련 보조금 선정 및 성과 측정에 반영하는 방안을 검토하고, AI로 인한 실직자 대상 지원 프로그램 설계 연구 추진 - **정부 내 전문 인력 확보** : 노동부 내에 AI 인력 연구 허브를 신설하고, AI, 머신러닝, 데이터과학 분야 전문가를 한시적으로 특별 채용할 수 있는 법적 근거 마련 **[ 「AI인력준비법」 환류 체계 ]** ``` AI 인력 허브 │ ┌────────────────────┼────────────────────┐ ▼ ▼ ▼ 데이터 수집 측정 도구 개발 고용 전망 (연방 조사 문항 (벤치마크 개발, (15개+ 직종, 신설, 자발적 공유) 예측 경진대회) 2·4·8년 예측) │ │ │ └────────────────────┼────────────────────┘ ▼ ┌────────────┴────────────┐ ▼ ▼ 감원 원인 기록 정책 연계 (WARN Act 개정) (보조금 기준 반영, 프로그램 설계) ``` --- ### ❺ AI고용영향공시법 S.3108, AI-Related Job Impacts Clarity Act **l** 상장기업과 연방기관에 AI로 인한 고용 변화를 분기별로 의무 공시하도록 함으로써 AI의 노동시장 충격을 실시간으로 파악하고 정책 대응의 근거 축적 - **공시 의무 주체** : 상장기업과 연방기관은 의무 적용 대상이며, 비상장기업은 규모, 매출, 업종 등을 기준으로 노동부가 별도 규정을 통해 포함 여부 결정 - **공시 내용** : AI로 인한 해고, 채용, 공석 미충원, 재훈련 지원 인원을 업종 분류 코드와 함께 분기별로 노동부에 보고 - **정보 공개** : 노동부는 매 분기 수집된 데이터를 노동통계국 웹사이트에 공개하고 의회에 제출하며, 격 분기마다 AI로 인한 고용 순변동에 대한 분석 보고서 추가 발행 --- ### ❻ AI·핵심기술인력프레임워크법 S.1290, Artificial Intelligence and Critical Technology Workforce Framework Act of 2025 **l** AI를 비롯한 신기술 분야의 직무와 필요 역량을 국가 차원에서 표준화하여 교육, 채용, 훈련이 공통된 기준에 따라 추진될 수 있는 기반 마련 - **지원 방식** : 국립표준기술연구소(NIST)가 직무 분류, 역량 체계, 경력 경로를 담은 표준 프레임워크(3년 주기 갱신)를 개발하여 정부, 산업계, 교육기관이 자율적으로 활용 - **프레임워크 설계 원칙** : 기술 직무뿐 아니라 법, 정책, 윤리, 인사, 조달 등 운영 지원 직무를 포함하고, 비전통적 배경을 가진 인력의 진입 경로 정보도 포함 - **기술 간 정합성 확보** : 기존 사이버보안 NICE 프레임워크\*에도 동일한 갱신·보고 의무를 적용하고, 양자정보과학 등 여타 신기술 분야로 확장하여 일관된 기준 체계 유지 > \* National Initiative for Cybersecurity Education : 국립표준기술연구소가 개발한 사이버보안 인력 표준 체계로, 사이버보안 분야의 직무 범주, 세부 직무 역할, 필요 역량 정의 --- ## 3. 미국 AI 관련 인력개발 법안의 주요 쟁점 ### 정책 설계 측면 : 재정 중립을 선호하는 공화당식 간접 지원과 취약계층의 직접 보호를 주장하는 민주당식 보조금이 AI 관련 인력개발 방식을 둘러싸고 경합 **l (세액공제 방식의 초당적 수용)** AI 훈련 비용에 대한 세액공제를 핵심 기제로 삼아 고용주의 자발적 투자를 유인하는 간접 지원 방식이 공화·민주 양당의 초당적 합의를 이끔 - 세액공제를 통한 기업 훈련 투자 유인은 연구개발 세액공제 등 미국 조세 정책의 전통적 기제를 인력개발 영역에 적용한 방식으로, 정부 지출 없이 민간 투자를 촉진한다는 점에서 재정 건전성 기조와의 정치적 양립 가능성이 높음 - 세액공제는 납부할 세액이 존재해야 실질적 혜택이 발생하는 구조이므로, 영업손실 상태이거나 과세 소득이 낮은 중소기업은 공제 혜택을 받기 어려운 설계상 한계 내재 > ※ 이러한 한계를 보완하기 위해 일정 요건의 중소기업에 소득세 대신 급여세 납부액에서 차감을 허용하거나 최저한세(Alternative Minimum Tax) 적용을 면제하는 방안이 선행 연구에서 제안된 바 있음³⁾ **l (형평성 지향 지원의 정당 간 분화)** 직접 보조금 제공을 통한 AI 취약 인력 재훈련 법안은 민주당 단독으로 발의되는 경향을 보이며, 현 의회 구도\*에서 입법화 가능성은 제한적 > \* 제119대 의회('25~'27) 기준 공화당이 상원(100석 중 53석)과 하원(435석 중 218석) 양원 다수 점유 - 뉴딜 이래 직접 공공지출을 통해 취약계층을 지원해 온 민주당의 분배 정책 기조가 AI 인력개발 영역에서도 직접 보조금 방식으로 일관되게 계승 - 구체적 예산 규모와 지원 대상을 명시한 법안 발의는 정권 교체 또는 초당적 협상 국면에서 민주당이 수용가능한 최소 기준을 사전에 설정하는 선제적 포석으로서의 의미 --- ### 정보·기반 구축 측면 : AI 고용 충격을 측정·예측하는 데이터 인프라와 직무·역량을 정의하는 표준 프레임워크 구축이 실증적 인력개발 정책의 선결 조건으로 부상 **l (AI 고용 충격 측정의 제도화)** AI 고용 충격 측정·예측 인프라를 연방정부 차원에서 구축하는 복수의 법안 발의를 통해 인력개발 실증적 근거 마련을 제도화하려는 흐름 형성 - 수집된 데이터와 예측 결과를 연방 훈련 보조금 선정 및 성과 측정에 반영하는 방안을 명시함으로써, 훈련 정책 설계와 평가의 실증적 근거로 순환하는 정책 환류 체계 지향 - AI 고용 충격 연구를 학계의 개별 분석\*에 의존하던 방식에서 벗어나, 국가 통계 체계 내에서 정기적·의무적으로 생산되는 공식 데이터 기반으로 전환하려는 시도 > \* AI의 직무 대체 가능성을 전문가 판단이나 모델 평가로 먼저 식별한 후, 이를 직종·산업 분류 데이터와 매칭하여 고용 충격을 간접 추정하는 태스크 기반 분석(task-based approach)에 주로 의존 **l (AI 역량 표준화의 중요성 인식)** AI 직무·역량·경력 경로를 국가 차원에서 표준화하는 프레임워크 구축이 교육·채용·훈련의 공통 기반 마련을 위한 초당적 선결 과제로 부상 - AI 역량 공통 정의의 부재는 교육·기업·정부 간 훈련 설계의 분절과 인력 수급 미스매치를 발생시키는 핵심 요인으로, 표준 프레임워크 구축은 이를 해소하기 위한 출발점 > ※ 영국 Skills England 조사에서 전문가들은 AI 역량의 구성 요소에 대한 공통적이고 표준화된 이해의 부재가 고용주의 훈련 투자를 가로막는 주요 장애 요인임을 지적⁴⁾ - 기술 직무를 넘어 운영 지원 직무와 비전통적 배경 인력의 진입 경로까지 포괄함으로써, AI 인력 범주를 산업 전반의 전환 수요에 부응하는 방향으로 확장 - 국립표준기술연구소 기존 기술 표준과의 연동을 전제로 설계되어, AI 인력 역량을 기술 거버넌스 체계 전반과 정합적으로 정의할 수 있는 제도적 기반 마련 --- ### 집행 구조 측면 : AI 대체 가능성이 집중된 직종·지역을 겨냥한 맞춤 훈련 체계가 없는 상황에서, 연방-주 간 역할 분산이 실질적 지원 공백을 심화할 위험 내포 **l (섹터 중심 훈련의 부재)** AI 대체 위험이 높은 특정 직종·산업을 겨냥한 섹터 중심 재훈련 법안이 부재하며, 범용 인력개발 체계 중심 설계에서 비롯된 구조적 한계 - 직무 대체 위험이 집중된 제조업·물류·행정 지원 직종 종사자를 위한 산업별 맞춤 재훈련 체계는 현재 발의된 법안들의 공백으로 남아 있음 > ※ 실험 설계 기반 연구들에 따르면, 섹터 중심 훈련 프로그램 참여자 소득이 평균 12~34% 증가한 반면, 「인력혁신·기회법」 기반 범용 프로그램은 비용이 낮은 대신 임금 상승 효과도 소폭에 그침⁵⁾ - 「반도체과학법」 및 「인플레이션 감축법」을 통해 특정 산업 분야 인력 훈련을 특화한 선례가 있으나, AI 분야에서는 이에 상응하는 법안이 본격적으로 제안되지 않음 **l (연방-주 이중 구조의 분절성 지속)** 보조금 기반 법안들은 지역 파트너십을 통한 집행을 전제하는 구조는 실질적 훈련 투자 여부를 집행 주체의 재량에 의존하게 만드는 연방-주 분절성 문제를 반복 - 닉슨의 신연방주의 이래 반복되어 온 연방-주 역할 배분의 구조적 긴장이 AI 인력개발 법안에서도 해소되지 않은 채 지속 - 인력개발 항목을 허용 지출로 규정하더라도 의무 지출로 명시되지 않은 경우 실제 훈련 투자는 연방·주·지방 집행 주체의 재량에 의존하게 되어 집행의 불균등 발생 > ※ 「기반시설 투자 및 일자리법」상 인력개발 관련 지출은 허용 항목으로 규정되어 있으나, 행정부의 지속적인 권고에도 불구하고 다수의 주·지방정부가 실제 인력 투자로 전환하지 않은 것으로 나타남⁶⁾ --- ## 4. 정책적 시사점 **l (훈련 대상·목적에 따른 차등 설계)** 수혜 집단의 특성과 훈련 목적에 따라 세액공제, 매칭펀드, 직접 보조금 등을 전략적으로 조합하는 설계의 정교함이 인력개발의 실효성 좌우 - 기업 규모와 재정 여건에 따라 자발적 훈련 투자가 가능한 집단에는 간접 지원이 유효하나, 중소기업이나 취약 직종 종사자에게는 국가의 직접적 개입이 실질적 접근성 담보 - 훈련 인원·기관 수 등 공급 지표 중심의 목표 설정은 실제 지원이 필요한 집단에 적합한 수단을 배분하는 설계의 정교함보다 규모 달성에 집중하게 만드는 유인으로 작용 > ➢ 지원 규모 확대에 앞서 수혜 집단·훈련 목적·기업 규모별로 적합한 지원 수단을 명확히 대응시키는 수요 맞춤형 설계 체계 구축이 선결 과제 **l (AI 역량 표준화 체계 구축)** 전달 체계 정비에 앞서 AI 직무·수준·경력 경로에 대한 표준 정의가 선행되어야 교육 과정 질 보장과 산업계 수용 간 정합성 확보 가능 - 'AI 활용 역량', 'AX 전문가' 등 핵심 개념의 공통 정의가 부재한 상황에서는 전달 체계별로 상이한 기준에 따라 훈련이 설계되어 국가 차원의 인력개발이 구조적으로 불가능 > ➢ 교육 체계 설계에 앞서 AI 역량 표준 프레임워크 마련을 선결 과제로 추진하되, 기존의 역량 체계와 정합성을 확보하여 중복 투자와 현장 혼선을 방지할 필요 **l (AI 고용 충격 측정 인프라 마련)** 수요 기반 훈련 체계의 실효성 확보를 위해서는 직종별 AI 대체 위험, 현장 근로자의 역량 수준 등을 체계적으로 측정하는 인프라 구축이 요구됨 - 대부분의 국가에서 AI 관련 인력개발 계획은 목표 수치 중심으로 제시되어 왔으며, 직종별 고용 충격 측정에 기반한 수요 맞춤형 설계로의 전환은 아직 초기 단계 > ➢ 직종별 AI 노출도, 업무 대체 현황, AI 역량 수준 등을 국가승인통계 등 기존 통계 체계를 활용하여 정기적으로 측정·축적하는 방안 마련이 필요 **l (국가 차원의 거버넌스 체계 구축)** AI 인력개발은 다부처 협업을 전제로 하는 정책 영역인 만큼, 국가 차원의 일관된 설계-전달-평가 체계를 구축하는 것이 핵심 - AI 선도국에서도 인력개발 정책의 설계-전달-평가를 일관되게 조율하는 부처 간 거버넌스 체계 구축은 공통된 도전 과제로 남아 있음 > ➢ AI 인력 수요 예측부터 교육·훈련, 노동시장 이행까지를 포괄하는 전주기 전략을 국가 차원에서 통합 설계하고, 전달 체계 조율과 결과 중심 성과지표를 기반으로 정책을 일관되게 운영·평가하는 체계 구축 필요 --- ## □ 함께 보면 좋은 정책 자료 --- **자료명** 스킬즈퓨처 레벨업 프로그램 SkillsFuture Level-up Programme⁷⁾ | 국가/기관 | 자료 유형 | 발표 일자 | |----------|----------|----------| | 싱가포르 | 정책 프로그램 | 2024. 2. 16. | **l** 40세 이상의 중장년 근로자들을 대상으로 AI·자동화 등 급격한 산업변화에 도태되지 않도록 교육 보조금과 생활비를 지원하여 실질적인 경력 전환을 지원하는 정책 패키지 - 보조금은 크게 정규 학위 과정 지원을 위한 중견 경력자 강화 보조금(Mid-Career Enhanced Subsidy; MCES)과 스킬스퓨처 크레딧으로 구분하여 제공함 - MCES는 교육부/스킬스퓨처 기관에서 지원하는 학위 과정의 최대 90%를 지원하는 반면, 스킬스퓨처 크레딧은 40세 이상 모든 싱가포르 시민에게 4,000달러를 제공하며 이를 통해 고용 성과가 우수한 정부 지정 과정에 대한 교육 지원 - 특히, 40세 이상이 역량 강화 또는 전직을 위해 정규적인 장기 교육 프로그램에 등록하면 월 최대 3,000달러(최대 소득의 50%)의 훈련 수당을 지급하고, 2026년 3월부터 스킬스퓨처 중견 경력자 훈련수당이 일부 파트타임 훈련 과정으로 확대 적용되어 재직자에게 월 300달러 비용 지원 --- **자료명** AI 역량강화 기금 AI Upskilling fund⁸⁾ | 국가/기관 | 자료 유형 | 발표 일자 | |----------|----------|----------| | 영국 | 정책 프로그램 | 2024. 5. 1. | **l** 영국에서는 중소기업의 AI 기술격차 해소 및 역량 강화를 위해 중소기업 재직자를 대상으로 총 740만 파운드의 AI 역량 강화 기금을 조성했으며 이 중 640만 파운드를 보조금으로 지원함 - 보조금 신청 대상은 250명 미만의 중소기업으로, 정부에서 승인된 AI 교육 과정을 수강할 경우 교육 비용의 최대 50%까지 지원받을 수 있으며 기업 규모에 따라 1인당 2,500파운드에서 1만 파운드의 보조금 지급 --- **자료명** 디지털경제 발전을 지원하기 위한 디지털 인재양성 가속화 행동계획(2024~2026) 加快数字人才培育支撑数字经济发展行动方案(2024~2026年)⁹⁾ | 국가/기관 | 자료 유형 | 발표 일자 | |----------|----------|----------| | 중국 | 계획·전략 | 2024. 4. 2. | **l** 중국은 국가 산업경쟁력 측면에서 디지털 인재 양성을 위해 범정부 차원의 「디지털 인재양성 가속화 행동계획(2024~2026)」을 발표했으며 재직자·구직자를 대상으로 하는 정책 시행 중 - 교육훈련을 이수하여 전문기술 등급증서를 취득한 재직자에 대해서는 해당 직급을 인정하고, 대학·연구기관 소속 디지털 분야 연구원의 겸직, 재직 중 창업 등을 제도적으로 허용 - 조건에 부합하는 자에 대해 직업훈련 보조금, 직업기술평가 보조금, 실업보험 기술향상 보조금 등을 규정에 따라 지원 --- **자료명** 재직자 자금 지원 Förderung Beschäftigtenqualifizierung¹⁰⁾ | 국가/기관 | 자료 유형 | 발표 일자 | |----------|----------|----------| | 독일 | 정책 프로그램 | 2024. 4. 1. | **l** 디지털화/탄소중립 등 글로벌 사회 변화에 대응하여 기업이 내부 직원의 역량을 강화할 수 있도록 기업 규모 및 근로자 특성에 따라 교육비와 임금을 지원하는 패키지 발표 - 교육 과정에 필요한 비용을 기업 규모에 따라 25%에서 최대 100%까지 지원하며, 직원이 교육을 받지 못하는 동안 발생하는 임금손실을 임금 보조금 형태로 지원 - 사회적 보호가 필요한 장애인·45세 이상 근로자 등을 대상으로 교육을 실시하는 경우 해당 기업 규모와 관계없이 더 높은 비율의 보조금 지급(예: 500명 미만+45세, 근로자 교육비 전액 지원) --- **자료명** 개인교육계좌 Compte Personnel de Formation¹¹⁾ | 국가/기관 | 자료 유형 | 발표 일자 | |----------|----------|----------| | 프랑스 | 정책 프로그램 | 2015. 1. 1. | **l** 노동자가 일을 하는 동안 교육 크레딧이 적립되고 이를 활용해 개인이 필요한 직업 교육을 진행하는 제도로, 안정적인 고용 창출 및 근로자 경력 경로를 확보하는 것이 주요 목적 - 매년 근무 여부에 따라 개인 디지털 지갑에 금액(연간 최대 500유로)이 적립되며, 프랑스 정부가 인증한 온·오프라인 교육과정의 수강료 결제에 활용할 수 있는 전용 모바일 앱 'Mon Compte Formation'을 통해 교육 검색부터 결제·수강 관리 등 전 과정 디지털화 - 프랑스 정부가 교육 플랫폼을 운영하고 수천 개의 민간 교육기관이 콘텐츠를 공급하는 공공-민간 파트너십 기반 디지털 교육 모델로 교육 결정권을 근로자 개인에게 부여함으로써 자신의 커리어를 직접 설계하는 자기주도적 생애 설계 가능 --- **자료명** 플렉시큐리티 Flexicurity¹²⁾ | 국가/기관 | 자료 유형 | 발표 일자 | |----------|----------|----------| | 덴마크 | 정책 프로그램 | 2022. 5. 5. | **l** 덴마크의 플렉시큐리티 모델은 노동시장의 유연성(Flexibility), 사회적 안전성(Security), 적극적 고용정책을 결합한 노동시장 모델로 실직에 따른 노동자의 직업 이동을 장려 - 특히, 국가 디지털전략(2022-2026) 및 국가 디지털 10년 전략 로드맵 등을 통해 노동자들이 AI·데이터와 같은 신기술을 선제적으로 습득하여 실직 위험에 대응할 수 있도록 정책적으로 보완 - **유연성** : 상대적으로 유연한 고용보호법(Employment Protection Legislation; EPL)로 기업은 유연하게 내부 인력 조정 가능 - **안전성** : 실업보험(A-kasse)에 1년 이상 가입한 근로자에게 최대 2년간 실업급여 제공됨 - **고용정책** : AI·디지털 기술 포함 정부에서 다양한 직업훈련과 교육 프로그램을 제공하며 노동자가 빠르게 취업할 수 있도록 지원 --- **자료명** OECD 고용 전망 2025 OECD Employment Outlook 2025¹³⁾ | 국가/기관 | 자료 유형 | 발표 일자 | |----------|----------|----------| | OECD | 연구보고서 | 2025. 7. 9. | **l** OECD에서 인구 고령화에 따른 노동력 부족과 중장년층 근로자 역량 강화를 주요 내용으로 하는 「OECD 고용 전망 2025」 발표 - 보고서는 중장년층 근로자의 생산성 유지를 위한 평생학습 기회 제공, 유연한 근무 방식, 효율적 인력 관리 및 직업 간 이동 촉진 등을 핵심 요소로 강조 - 특히, 부문별 맞춤형 훈련 시 소득이 12~34% 증가했으며, 훈련이 1% 증가할 때마다 시간당 부가가치는 0.6%, 시간당 임금은 0.3% 증가함에 따라 재직자·구직자의 평생학습 중요성 강조 - 한편, 노르웨이, 핀란드 등의 55~65세 중장년층 비정규 교육률은 약 50%에 달하지만, 한국은 20% 미만 수준으로 해당 계층의 교육률이 매우 낮은 것으로 나타남(OECD 평균 약 35%) - 25~54세의 비정규 학습 참여 역시 한국은 OECD 평균(50%)보다 매우 낮은 20% 미만 수준 --- **자료명** 2025 미래 일자리 보고서 The Future of Jobs Report 2025¹⁴⁾ | 국가/기관 | 자료 유형 | 발표 일자 | |----------|----------|----------| | 세계경제포럼 | 연구보고서 | 2025. 1. 7. | **l** 노동시장의 주요 변화·전망에 대해 예측하는 세계경제포럼의 「2025 미래 일자리 보고서」에서 기업 경영진들의 응답 데이터를 기반으로 한 미래 인력 전망에 관한 내용을 발표함 - 2030년까지 기업 내부 인력의 59%가 직무 재교육 등 관련 교육이 필요하며 11%가 재교육이나 역량 강화 교육을 받지 못할 가능성이 높다고 예측 - 2030년까지 응답 기업의 85%가 직원 역량 강화에 우선순위를 두고, 70%는 새로운 기술을 보유한 직원을 채용하며, 40%는 기술 관련성이 떨어지는 인력을 감원할 계획 - 특히, 신기술 대응을 위한 인력 전략으로 77%가 기존 인력의 재교육·역량 강화를 우선 추진할 것으로 응답했으며, 41%는 AI로 대체가능한 직무의 인력을 감축할 계획이라고 응답 --- **자료명** 유럽사회기금 정책 효과성 메타분석 Meta-analysis of the ESF counterfactual impact evaluations¹⁵⁾ | 국가/기관 | 자료 유형 | 발표 일자 | |----------|----------|----------| | EU | 연구보고서 | 2022. 11. 18. | **l** EU에서는 고용과 관련된 유럽사회기금(European Social Fund; ESF) 및 청년고용이니셔티브(Youth Employment Initiative; YEI)의 사업효과성을 분석하기 위한 연구보고서를 발표함 - 분석 결과 직업훈련, 멘토링, 고용 보조금, 인턴십, 공공고용 프로그램 중 고용 보조금과 인턴십 순으로 효과가 높았으며, 공공고용 프로그램은 오히려 고용 확률을 낮추는 것으로 나타남 - 특히, 13~24개월의 중기 훈련 프로그램에서 고용 효과가 가장 높게 나타나는 경향을 보임 --- ## □ 참고문헌 1) Frueh, S. (2025, 12, 1). Retraining workers for the age of AI. National Academies. Glover, H. (2025, 3, 18). The AI upskilling conundrum: Are we falling behind?. Aspen Institute. Jacobs, J. (2025, 5, 16). AI labor displacement and the limits of worker retraining. Brookings Institution. 2) Altman, E. J., & Schrag, E. (2025, 4, 3). Workforce development policy in the US. Brookings Institution. 3) Fitzpayne, A., & Pollack, E. (2018). Worker training tax credit: Promoting employer investments in the workforce. Aspen Institute. 4) Skills England. (2025, 11, 4). Barriers to AI skills development. Gov.UK. 5) Katz, L. F., Roth, J., Hendra, R., & Schaberg, K. (2022). Why do sectoral employment programs work?: Lessons from WorkAdvance. *Journal of Labor Economics*, 40(S1). 6) Building America's Infrastructure Workforce. (2024, 6, 18). Accelerator for America. 7) SkillsFuture Level-Up Programme. (2025, 2, 4). MySkillsFuture. 8) Department for Science, Innovation & Technology. (2024, 8, 22). AI Upskilling Fund: Applicable guide. Gov.UK 9) 人力资源社会保障部, 中共中央组织部, 中央网信办, 国家发展改革委, 教育部, 科技部, 工业和信息化部, 财政部, & 国家数据局. (2024, April 2). 加快数字人才培育支撑数字经济发展行动方案（2024-2026年）. 中华人民共和国人力资源和社会保障部. 10) Bundesagentur fur Arbeit. (2024, April 1). Weiterbildung fur Ihr Personal: Qualifizierungsoffensive. 11) Ministère du Travail, de la Santé et des Solidarités. (2015, January 1). Le compte personnel de formation (CPF). 12) Danish Agency for Labour Market and Recruitment. (2024, December 11). Flexicurity. 13) OECD. (2025). *OECD Employment Outlook 2025: Can We Get Through the Demographic Crunch?* OECD Publishing. 14) World Economic Forum. (2025, January 7). *The Future of Jobs Report 2025*. 15) European Commission, Directorate-General for Employment, Social Affairs and Inclusion. (2022, November 18). Meta-analysis of the ESF counterfactual impact evaluations. --- > **The LENS**는 주요국의 AI·디지털 정책 동향을 체계적으로 조사하고, 정기적 업데이트를 통해 정책 변화의 흐름을 지속적으로 추적·평가하는 정책 모니터링 보고서입니다. --- **| 작 성 |** - 한국지능정보사회진흥원 인공지능정책실 미래전략팀 오 연 주 수석연구원 (053-230-1295, oyeonj@nia.or.kr) **| 기 획 |** - 한국지능정보사회진흥원 인공지능정책실 이 용 진 실장 / 정 지 선 팀장 / 오 연 주 수석연구원 --- 1. 본 보고서는 방송통신발전기금으로 수행한 과학기술정보통신부 정보통신·방송 연구개발사업(ICT진흥 및 혁신기반조성(정보화, R&D)사업)의 연구결과입니다. 2. 본 보고서 내용의 무단전재를 금하며, 가공·인용할 때는 반드시 출처를 「한국지능정보사회진흥원(NIA)」이라고 밝혀 주시기 바랍니다. 3. 본 보고서의 내용은 한국지능정보사회진흥원(NIA)의 공식 견해와 다를 수 있습니다.