[요약]

본 연구는 최근 산업 현장에서 제기되고 있는 AI 인력 부족 문제가 단순한 개발 인력의 양적 부족이 아니라, AI가 산업 전반으로 확산되는 과정에서 발생하는 역할 구조의 변화에서 기인한다는 문제의식에서 출발한다. AI 기술이 성숙 단계에 진입함에 따라 인력 수요는 모델 개발 중심에서 검증·운영·산업 적용 및 현업 활용 단계로 이동하고 있으나, 현행 AI인력 분류체계는 이러한 변화를 충분히 반영하지 못하고 있다.

현행 AI 인력 분류체계는 산업 실태조사와 통계 산출을 목적으로 개발자 및 직무 중심으로 설계되어 있어, AI 기술의 다변화와 산업별 적용 양상의 차이를 구조적으로 포착하는 데 한계가 있다. 그 결과, AI 인력 부족 문제는 ‘개발자 부족’이라는 총량적 문제로 단순화되고, 실제 산업 현장에서 병목으로 작용하는 검증·신뢰, 운영(MLOps), 산업(도메인) 적용, 비개발 직무 기반 AI 활용 인력은 정책적으로 충분히 반영되지 못하고 있다. 이러한 구조적 한계는 인력 수급 전망의 정확성을 저하시킬 뿐 아니라, 인재양성 정책과 산업 수요 간 괴리를 심화시키는 요인으로 작용한다.

이에 본 연구는 AI 인력 분류 기준을 직무·직종 중심에서 AI 가치사슬 단계와 역할 중심으로 전환할 필요성을 제기한다. 기획·데이터·모델 개발뿐 아니라 검증·평가·운영·확산·산업 적용 전 과정을 포괄하는 관점에서 인력을 재구성함으로써, AI 인력 부족 문제를 가치사슬단계별, 역할별 구조 문제로 진단할 수 있는 분석 틀을 제안한다. 또한 이러한 분류체계를 인력의 유형과 수준(level) 체계와 연계함으로써, 향후 AI 인력의 수급(demand-supply) 전망과 교육·훈련 정책 설계에 활용 가능한 정책 인프라로의 확장 가능성을 제시한다.

----------------------------------------------------------------------------------------------------------------------------------------------------