OECD가 주목한 숙련 평가·예측 시스템의 작동 방식

대학이 미래 일자리를 알고 가르치려면 먼저 미래의 역량 수요를 읽는 체계가 있어야 한다. 문제는 단순히 어떤 학과가 취업이 잘되는지를 확인하는 데 있지 않다. 어느 산업에서 어떤 직무가 늘어나는지, 그 직무가 어떤 지식과 기술, 태도와 전환 능력을 요구하는지, 현재 대학 교육이 그 요구와 얼마나 맞닿아 있는지, 지역별·산업별·전공별 차이가 어떻게 나타나는지를 지속적으로 살펴야 한다. OECD가 『Anticipating Skill Needs and Adapting Higher Education: From Insight to Alignment』에서 주목한 역량 평가·예측(Skills Assessment and Anticipation, SAA) 체계는 바로 이 질문에서 출발한다. 대학과 노동시장의 간극을 줄이려면 더 많은 구호보다 더 정교한 관찰 체계가 필요하다는 것이다.

노동시장은 빠르게 변하지만, 대학 교육은 상대적으로 느리게 움직인다. 학과를 신설하고, 교육과정을 개편하고, 교원을 확보하고, 학생을 모집하고, 졸업생을 배출하기까지는 상당한 시간이 걸린다. 산업 현장에서 새롭게 요구되는 능력이 등장해도 대학이 이를 교육과정에 반영하는 데는 시간차가 발생한다. 이 시간차가 커질수록 학생은 졸업 후 자신이 배운 것과 실제 일자리에서 요구되는 능력 사이의 간극을 경험하게 된다. 기업은 필요한 인재를 찾지 못한다고 말하고, 대학은 이미 관련 교육을 하고 있다고 말하며, 학생은 무엇을 준비해야 하는지 모른다. 이 어긋남을 줄이기 위해 필요한 것이 역량 평가·예측 체계다.

OECD가 분석한 역량 평가·예측 체계는 현재와 미래의 노동시장 수요를 다양한 자료와 방법으로 파악해 교육, 직업훈련, 진로지도, 이민정책, 산업정책 등에 연결하는 장치다. 이번 분석에는 호주, 오스트리아, 캐나다, 에스토니아, 핀란드, 프랑스, 독일, 헝가리, 아일랜드, 이탈리아, 네덜란드, 싱가포르, 슬로베니아, 스페인, 스웨덴 등 17개 국가 사례가 포함됐다. 이들 국가는 제도와 방식은 다르지만, 공통적으로 노동시장 변화와 교육 공급 사이의 정합성을 높이기 위해 역량 수요를 평가하고 예측하는 체계를 운영하고 있다. 여기서 중요한 점은 미래 예측이 완벽한 답을 제공하는 것이 아니라는 사실이다. 미래 일자리 수요는 기술 변화, 경기 변동, 산업정책, 국제 정세, 인구구조 변화에 따라 계속 달라진다. 특정 직업이 몇 년 뒤 몇 명 필요할지 정확히 맞히는 것은 사실상 불가능하다. 그러나 그렇다고 해서 아무런 체계 없이 대학과 정부가 감으로 판단할 수는 없다. 예측은 정답을 맞히기 위한 장치라기보다, 더 나은 판단을 위해 불확실성을 줄이는 과정이다. OECD가 강조하는 역량 평가·예측 체계 역시 단일한 미래를 확정하는 도구가 아니라, 변화를 관찰하고 해석하고 검증해 정책과 교육 현장에 연결하는 공공 인프라에 가깝다.

이 체계가 중요한 이유는 대학이 더 이상 자기 내부의 논리만으로 교육과정을 설계하기 어렵기 때문이다. 전통적으로 대학은 학문 분야의 축적과 교수진의 전문성을 기준으로 교육과정을 구성했다. 그러나 지금은 전공 내부의 논리만으로는 충분하지 않다. 같은 경영학 전공이라도 데이터 분석, 플랫폼 비즈니스, ESG, 글로벌 공급망, 인공지능 활용 역량이 중요해지고 있다. 같은 기계공학 전공이라도 친환경 에너지, 스마트 제조, 로봇, 반도체 장비, 배터리 산업과 연결되는 방식이 달라지고 있다. 같은 인문사회 전공이라도 콘텐츠 기획, 사용자 경험, 공공정책, 데이터 해석, 지역문화, 국제협력과 결합될 수 있다. 전공의 이름보다 중요한 것은 학생이 실제로 어떤 역량을 갖추는가이다.

직업, 자격, 역량 중 무엇을 볼 것인가

역량 평가·예측 체계를 설계할 때 가장 먼저 정해야 할 것은 무엇을 단위로 분석할 것인가이다. OECD가 검토한 17개 사례 가운데 다수는 직업을 중심으로 분석한다. 직업은 노동시장 자료에서 비교적 쉽게 확인할 수 있고, 정책적으로도 활용 범위가 넓기 때문이다. 어떤 직업군에서 인력 부족이 나타나는지, 어떤 직업의 고용이 늘거나 줄어드는지, 어느 지역과 산업에서 특정 직업 수요가 증가하는지를 파악하면 교육정책, 직업훈련, 진로지도, 이민정책 등 여러 영역에 활용할 수 있다.

그러나 직업 중심 분석에는 한계도 있다. 같은 직업명 안에서도 요구되는 역량은 계속 변하기 때문이다. 예를 들어 회계 담당자라는 직업은 여전히 존재하지만, 과거의 회계 업무와 현재의 회계 업무는 같지 않다. 단순 장부 처리보다 데이터 분석, 재무 시스템 활용, 내부통제, 자동화 도구 이해, 규제 대응 능력이 더 중요해질 수 있다. 교사, 간호사, 엔지니어, 언론인, 행정직, 디자이너, 연구원 등 거의 모든 직업에서 직무 내용은 바뀌고 있다. 직업명만 보면 일자리가 유지되는 것처럼 보이지만, 그 안에서 필요한 역량은 달라질 수 있다.

그래서 일부 국가는 직업뿐 아니라 자격이나 역량 자체를 분석한다. 자격 중심 분석은 특정 교육과정이나 학위가 노동시장 성과와 어떻게 연결되는지를 보는 데 유용하다. 졸업생 취업조사, 행정자료, 임금 정보, 직무 이동 데이터를 활용하면 어떤 전공이나 자격의 졸업생이 노동시장에 어떻게 진입하는지 파악할 수 있다. 이는 대학 입장에서는 교육과정 개편과 정원 조정, 학생 진로지도에 직접적인 자료가 될 수 있다. 다만 자격 중심 분석은 고등교육 내부의 다양한 교육 경험과 실제 역량을 충분히 설명하지 못할 수 있다. 같은 학위명이라도 대학별 교육과정, 교수진, 실습 경험, 비교과 활동, 학생의 선택에 따라 실제 역량은 다를 수 있기 때문이다.

역량 중심 분석은 가장 정교하지만 가장 어렵다. 노동시장이 실제로 요구하는 능력이 무엇인지 직접 파악할 수 있다는 장점이 있지만, 역량은 관찰하고 측정하기가 쉽지 않다. 온라인 채용공고를 분석하면 기업이 요구하는 기술과 역량을 빠르게 파악할 수 있지만, 모든 일자리가 온라인에 공고되는 것은 아니며, 채용공고에 적힌 표현이 실제 업무에서 필요한 능력을 완전히 반영하는 것도 아니다. 대학이 학생에게 어떤 역량을 길러주는지도 쉽게 측정되지 않는다. 고등교육의 학습 성과는 기관별·전공별로 표현 방식이 다르고, 직업훈련처럼 국가자격체계와 일대일로 연결되지 않는 경우가 많다. OECD가 지적하듯이 고등교육 프로그램에서 길러지는 역량은 기관 수준에서 정의되는 경우가 많고, 이를 일관된 형식으로 문서화하는 체계가 상대적으로 약하다.

결국 직업, 자격, 역량은 서로 대체 관계라기보다 보완 관계에 있다. 직업 중심 분석은 노동시장 전체의 큰 흐름을 읽는 데 유리하다. 자격 중심 분석은 대학 교육과 졸업생 성과를 연결하는 데 유용하다. 역량 중심 분석은 교육과정의 내용과 실제 직무 요구를 정교하게 맞추는 데 필요하다. 우수한 역량 전망 체계는 이 세 층위를 하나의 구조 안에서 연결하려 한다. 직업 수요를 파악하고, 이를 자격과 교육과정으로 번역하며, 다시 구체적 역량 수준에서 검증하는 방식이다.

데이터는 많아졌지만 해석은 더 어려워졌다

역량 평가·예측 체계에서 핵심은 데이터다. 각국은 고용 행정자료, 노동력 조사, 교육 정보, 졸업생 조사, 기업 설문, 온라인 채용공고, 경제성장 전망, 인구통계, 역량 분류체계 등을 활용한다. OECD가 검토한 사례들은 대부분 정량자료를 사용하고 있으며, 상당수는 두 가지 이상의 자료원을 결합한다. 고용보험이나 사회보장 자료는 직업별 고용 변화와 노동시장 이동을 파악하는 데 유용하고, 노동력 조사는 전체 노동시장 상황을 대표성 있게 보여준다. 교육자료는 전공별·자격별 졸업생 공급을 확인하는 데 필요하며, 경제성장 전망과 인구통계는 중장기 인력 수급을 예측하는 데 활용된다.

온라인 채용공고 데이터는 최근 역량 분석에서 특히 주목받는 자료원이다. 채용공고에는 기업이 현재 요구하는 직무, 기술, 자격, 경력, 도구, 소프트웨어, 언어, 태도 등이 비교적 구체적으로 나타난다. 이 자료는 생성 주기가 빠르기 때문에 노동시장 변화를 실시간에 가깝게 포착할 수 있다. 새로운 기술명이나 직무명이 등장할 때도 기존 행정통계보다 빠르게 감지할 수 있다. 인공지능, 클라우드, 데이터 시각화, 사이버보안, 탄소회계, 배터리 소재, 스마트팩토리, UX 리서치 같은 표현이 특정 산업과 직무에서 얼마나 자주 등장하는지를 분석하면 역량 수요의 변화를 읽을 수 있다.

그러나 온라인 채용공고만으로 역량 부족을 판단하는 데는 한계가 있다. 채용공고는 수요를 보여주지만 공급을 보여주지는 않는다. 어떤 기술이 많이 언급된다고 해서 반드시 인력 부족이 심각하다고 단정할 수는 없다. 기업이 널리 쓰는 표현일 수도 있고, 특정 플랫폼에 공고를 많이 올리는 업종의 특성이 반영된 것일 수도 있다. 일부 직업은 온라인 채용공고를 거의 내지 않을 수 있고, 중소기업이나 지역기업은 채용 플랫폼 활용도가 낮을 수 있다. 또한 채용공고는 기업의 희망 조건을 담고 있지만, 실제 채용 과정에서 어떤 역량이 결정적으로 작용했는지는 별도로 확인해야 한다.

기업 설문은 이런 한계를 보완할 수 있다. 기업에 직접 어떤 직무를 채우기 어려운지, 어떤 역량이 부족한지, 기존 인력에게 어떤 재교육이 필요한지 묻는 방식이다. 이 자료는 역량 부족과 미스매치를 직접 파악하는 데 유용하다. 그러나 기업 설문도 완전하지 않다. 기업이 인력 부족을 호소하더라도 그 원인이 실제 역량 부족인지, 낮은 임금과 열악한 근무조건 때문인지, 지역 접근성의 문제인지 구분해야 한다. 응답률과 표본 대표성 문제도 있다. 특정 규모나 업종의 기업만 적극적으로 응답하면 전체 노동시장 상황을 왜곡할 수 있다.

졸업생 조사는 대학과 노동시장을 연결하는 데 특히 중요하다. 졸업생이 어떤 일을 하고 있는지, 전공과 직무가 어떻게 연결되는지, 대학에서 배운 지식과 실제 업무가 얼마나 맞는지, 어떤 역량이 부족하다고 느꼈는지 확인할 수 있기 때문이다. 헝가리의 졸업생 경력 추적 시스템이나 이탈리아의 관련 플랫폼은 이런 관점에서 의미가 있다. 다만 졸업생 조사는 응답률이 낮을 수 있고, 졸업 이후 시간이 지날수록 추적이 어려워진다. 그래서 일부 국가는 졸업생 설문과 행정자료를 결합해 더 안정적인 분석을 시도한다.

데이터가 많아졌다고 해서 판단이 쉬워지는 것은 아니다. 오히려 문제는 더 복잡해졌다. 온라인 채용공고는 빠르지만 편향될 수 있고, 행정자료는 안정적이지만 변화 포착이 늦을 수 있다. 기업 설문은 현장성이 있지만 주관적일 수 있고, 졸업생 조사는 대학과 연결성이 높지만 대표성 문제가 생길 수 있다. 경제성장 전망은 중장기 계획에 필요하지만 예측 불확실성이 크다. 따라서 역량 평가·예측 체계의 핵심은 특정 데이터 하나가 아니라 여러 자료를 결합하고, 서로의 한계를 보완하며, 전문가와 이해관계자의 검증을 통해 해석의 신뢰도를 높이는 데 있다.

정량분석과 정성검증이 함께 가야 하는 이유

OECD가 강조하는 우수한 역량 평가·예측 체계의 특징 중 하나는 정량분석과 정성적 검증의 결합이다. 정량분석은 일관성과 비교 가능성을 제공한다. 같은 기준으로 직업별·지역별·산업별 변화를 분석할 수 있고, 시간이 지나면서 추세를 비교할 수 있다. 통계모형, 시계열 분석, 회귀분석, 수급모형, 시나리오 분석, 빅데이터 분석 등은 넓은 범위의 노동시장 정보를 체계적으로 다루는 데 유리하다. 정책 결정자에게도 수치화된 전망은 설명력이 있다.

그러나 정량모형은 과거 자료를 기반으로 미래를 예측하는 경우가 많다. 아직 데이터에 나타나지 않은 변화, 새롭게 등장하는 기술, 산업 현장에서 막 형성되고 있는 직무, 지역의 특수한 조건은 충분히 반영되지 않을 수 있다. 예컨대 생성형 AI가 확산되기 전의 고용자료만으로 앞으로의 사무직, 교육, 디자인, 개발, 연구, 행정 업무 변화를 정확히 예측하기는 어렵다. 전기차 전환, 탄소중립 규제, 공급망 재편, 고령화에 따른 돌봄 수요 변화도 단순한 과거 추세 연장만으로는 충분히 설명되지 않는다.

정성적 방법은 이런 한계를 보완한다. 산업계 전문가, 교육기관, 노동조합, 정부기관, 지역기관, 연구자, 진로지도 전문가가 참여해 데이터가 포착하지 못한 변화를 설명하고, 전망 결과를 검증하며, 실제 정책 활용 가능성을 높인다. 전문가 그룹, 이해관계자 협의, 인터뷰, 지역별·산업별 패널은 숫자로 드러나지 않는 현장의 맥락을 제공한다. 특히 교육과정 개편이나 신규 전공 설계처럼 실제 실행과 연결되는 단계에서는 정성적 논의가 필수적이다.

물론 정성적 방법도 위험이 있다. 전문가의 의견은 주관적일 수 있고, 특정 산업이나 이해관계자의 목소리가 과도하게 반영될 수 있다. 단기 인력난을 장기 구조 변화로 오인할 수도 있고, 영향력이 큰 산업계 요구가 교육의 폭넓은 가치를 압도할 수도 있다. 그래서 정성적 검증은 정량분석을 대체하는 것이 아니라 보완해야 한다. 숫자가 보여주는 경향과 현장이 말하는 변화가 어디에서 일치하고 어디에서 어긋나는지를 확인하는 과정이 필요하다.

에스토니아 OSKA, 시스템으로 역량 수요를 읽다

OECD가 소개한 사례 가운데 에스토니아의 OSKA는 역량 평가·예측 체계가 어떻게 국가 시스템으로 작동할 수 있는지를 보여주는 대표적 사례다. OSKA는 향후 10년의 노동시장 수요를 예측하는 체계로, 에스토니아 자격청이 운영하고 여러 부처와 사회적 파트너, 중앙은행, 공공고용서비스가 참여하는 조정위원회가 이를 감독한다. 산업계, 연구기관, 교육기관, 정책기관 전문가도 자문과 검증 과정에 참여한다.

OSKA의 특징은 단일 보고서가 아니라 여러 층위의 분석으로 구성된다는 점이다. 부문별 연구, 일반 전망 보고서, 주제별 특별 연구가 결합되어 있다. 부문별 연구는 특정 산업의 향후 10년 인력과 역량 수요를 분석하고, 전문가 패널을 통해 현장 정보를 반영한다. 일반 전망 보고서는 전체 경제 수준의 노동 수요를 제시하며, 부문별 연구의 결과를 종합한다. 주제별 특별 연구는 정부 부처나 이해관계자의 특정 정책 수요에 따라 진행된다. 이처럼 OSKA는 노동시장 수요를 한 번 예측하고 끝내는 방식이 아니라, 정기적이고 반복적인 관찰과 조정의 구조를 갖추고 있다.

특히 주목할 점은 OSKA 결과가 교육정책과 연결된다는 것이다. 직업교육 과정의 정원 조정, 고등교육 프로그램 개편, 진로지도, 노동시장 정책, 이민정책 등에 활용된다. 고등교육의 경우에도 대학이 새로운 프로그램을 만들거나 기존 프로그램을 수정할 때 OSKA 결과를 활용하도록 요구하는 구조가 마련되어 있다. 이는 대학의 자율성을 완전히 대체하는 방식이라기보다, 국가 차원의 역량 전망을 대학의 의사결정에 연결하는 방식이다.

OSKA 사례가 한국에 주는 시사점은 분명하다. 역량 전망 체계는 단순히 연구기관이 보고서를 발간하는 방식으로는 충분하지 않다. 예측 결과가 대학 정원, 교육과정, 직업기준, 진로지도, 지역산업 정책과 연결되어야 한다. 또한 중앙정부만의 프로젝트가 아니라 산업계, 지역, 대학, 연구기관, 고용기관이 함께 참여하는 거버넌스가 필요하다. 미래 역량 수요는 어느 한 기관이 독점적으로 알 수 있는 정보가 아니기 때문이다.

호주 Jobs and Skills Australia, 직업·역량 정보와 정책을 연결하다

호주의 Jobs and Skills Australia 역시 주목할 만한 사례다. 이 기관은 현재와 미래의 노동시장 수요, 직업별 부족 현황, 산업별 고용 전망, 훈련 수요 등을 분석해 정부에 전략적 조언을 제공한다. 연례 역량 우선순위 목록을 만들고, 5년 및 10년 단위의 고용 전망을 제시하며, 산업과 직업, 역량 수준별 정보를 축적한다. 또한 역량 분류체계 개발을 통해 직업과 산업을 가로지르는 역량의 변화도 파악하려 한다.

이 사례의 의미는 역량 정보가 교육정책에만 머물지 않는다는 데 있다. 호주의 역량 분석은 직업훈련, 고등교육, 이민정책, 산업전략과 연결된다. 어떤 직업에서 인력이 부족한지, 어떤 역량이 국가적으로 필요한지, 어떤 분야에 훈련과 교육 투자를 확대해야 하는지, 어떤 이민정책이 필요한지 판단하는 근거가 된다. 역량 전망이 단순한 대학 내부 자료가 아니라 국가 전략의 일부로 작동하는 셈이다.

한국에서도 첨단산업 인재양성, 지역산업 육성, 외국인 유학생 유치, 역량 이민, 직업교육, 평생교육, 대학 구조조정은 서로 분리된 정책으로 다뤄지기 쉽다. 그러나 노동시장 관점에서 보면 이들은 모두 연결되어 있다. 특정 산업에서 인력이 부족하다면 대학 정원만 늘릴 것인지, 전문대와 직업훈련을 강화할 것인지, 재직자 전환교육을 제공할 것인지, 외국인 인재 유치가 필요한지, 지역 정주 여건을 개선해야 하는지 함께 판단해야 한다. 이를 위해서는 부처별 사업이 아니라 공통의 역량 정보 기반이 필요하다.

네덜란드 POA, 교육 프로그램과 노동시장 전망의 연결

네덜란드의 교육·노동시장 프로젝트(POA)는 교육 프로그램과 노동시장 전망을 연결하는 사례로 볼 수 있다. 이 프로젝트는 약 100개 교육 프로그램과 직업, 21개 부문, 35개 지역을 대상으로 중기 노동시장 전망을 제공한다. 마스트리흐트대학의 노동시장교육연구센터가 분석을 수행하며, 여러 공공기관의 지원을 받아 운영된다. 전망은 격년으로 갱신되고, 약 6년의 기간을 대상으로 한다.

POA가 중요한 이유는 노동시장 전망을 학생의 교육 선택과 연결한다는 점이다. 교육 프로그램별 노동시장 전망은 학생이 전공과 진로를 선택할 때 참고할 수 있는 정보가 된다. 대학과 정책기관도 특정 교육 프로그램의 수요와 공급 상황을 파악하는 데 활용할 수 있다. 예측 결과는 다른 기관이 재가공해 진로정보 플랫폼에서 활용하기도 한다. 이는 역량 전망이 정책 보고서에 머무르지 않고 학생의 선택을 돕는 정보로 전환되는 방식이다.

한국 대학에서도 이 지점은 매우 중요하다. 학생과 학부모는 전공 선택 과정에서 여전히 제한된 정보를 갖고 있다. 입시 결과, 대학 명성, 주변의 인식, 막연한 취업 가능성은 쉽게 접하지만, 전공별 장기 노동시장 전망과 실제 졸업생 경로에 대한 정보는 충분하지 않다. 대학별 학과 소개는 존재하지만, 그것이 객관적 노동시장 정보와 연결되는 경우는 많지 않다. 전공 선택이 인생의 중요한 결정이라면, 학생에게 제공되는 정보도 더 정교해야 한다.

POA와 같은 접근은 전공을 취업률 순위로 줄 세우기 위한 것이 아니다. 오히려 학생이 선택의 의미를 더 잘 이해하도록 돕는 장치가 될 수 있다. 어떤 전공이 어떤 직업 세계와 연결되는지, 특정 분야의 노동시장 전망이 어떠한지, 어떤 보완 역량을 갖추면 선택지가 넓어지는지 보여줄 수 있다. 이는 전공을 좁히는 정보가 아니라 가능성을 확장하는 정보가 되어야 한다.

이탈리아 Skills and Labour Platform, 대학 경로와 기업 수요를 잇다

이탈리아의 Skills and Labour Platform은 고등교육과 노동시장 수요를 직접 연결하는 사례로 볼 수 있다. 이 플랫폼은 기업의 미래 전문인력 수요, 직업별 요구 역량, 대학 교육 경로를 연결해 정보를 제공한다. AlmaLaurea, INAPP, Unioncamere, OECD가 함께 참여한 이 사례는 기업의 인력 수요 자료, 직업별 역량 분류, 졸업생 취업자료 등을 결합한다.

이 방식은 대학과 학생 모두에게 의미가 있다. 대학은 특정 직업과 산업에서 요구되는 역량을 확인하고 교육과정을 조정할 수 있다. 학생은 자신이 선택한 대학 교육 경로가 어떤 직업과 연결되는지 이해할 수 있다. 정부와 정책기관은 고등교육 공급이 노동시장 수요와 어떻게 맞물리는지 판단할 수 있다. 특히 대학 교육 경로와 직업별 역량 요구를 연결한다는 점에서 고등교육 정책에 직접적인 활용 가능성이 크다.

한국의 경우에도 유사한 플랫폼을 상상해볼 수 있다. 대학정보공시의 전공별 정원, 충원율, 중도탈락률, 취업률, 교원 현황, 교육여건 자료와 고용보험, 워크넷, 채용공고, 지역산업 통계, 졸업생 경력 정보를 연결하면 전공별·지역별 역량 전망을 만들 수 있다. 물론 데이터 접근과 개인정보 보호, 표준화, 분석 역량 문제가 해결되어야 한다. 그러나 방향은 분명하다. 대학과 노동시장 정보를 따로 보관하는 시대에서, 이 둘을 연결해 학생과 대학, 정책기관이 함께 활용하는 시대로 가야 한다.

싱가포르, 채용공고 기반 역량 수요 분석의 가능성

싱가포르의 Skills Demand for the Future Economy는 온라인 채용공고 등 데이터를 활용해 미래 경제에서 요구되는 역량을 분석하는 사례로 소개된다. 이 접근은 단기 변화에 민감하게 대응할 수 있다는 장점이 있다. 산업 현장에서 어떤 기술과 역량을 요구하는지 빠르게 파악하고, 이를 직업훈련과 고등교육, 평생학습 정책에 연결할 수 있다.

싱가포르는 국가 규모가 작고 정책 집행력이 강한 편이기 때문에 역량 수요를 교육과 훈련 체계에 연결하는 데 유리한 조건을 갖고 있다. 그러나 이 사례가 주는 시사점은 국가 규모와 관계없이 중요하다. 빠르게 변하는 기술 환경에서는 과거 통계만으로 부족하다. 채용공고, 직무 설명, 기업의 신규 수요, 산업별 기술 변화 같은 고빈도 자료를 활용해 변화의 신호를 조기에 포착해야 한다.

한국에서도 채용공고 데이터는 매우 유용한 자원이 될 수 있다. 직무별 요구 기술, 산업별 자격 조건, 지역별 채용 수요, 신입과 경력 채용의 차이, 학력 요구 수준, 소프트웨어와 도구 명칭, 자격증, 외국어, 협업 능력 등을 분석하면 대학 교육과정 개선에 필요한 정보를 얻을 수 있다. 예를 들어 특정 지역 제조기업의 채용공고에서 데이터 기반 품질관리, 스마트팩토리, 설비 자동화, 안전관리 역량이 반복적으로 나타난다면 지역 대학의 공학·경영·데이터 교육과정에 이를 반영할 수 있다. 문화콘텐츠 분야에서 기획, AI 도구 활용, 글로벌 플랫폼 운영, 저작권 이해가 함께 요구된다면 관련 전공의 융합교육 방향을 잡을 수 있다.

다만 채용공고 분석이 모든 답을 주지는 않는다. 채용공고에 표현된 수요는 기업이 원하는 즉시적 조건을 반영한다. 대학 교육은 단기 실무기술뿐 아니라 장기적 사고력과 기초역량을 길러야 한다. 따라서 채용공고 기반 분석은 대학을 단기 수요에 맞추는 도구가 아니라, 교육과정이 노동시장 변화와 얼마나 연결되어 있는지 점검하는 참고자료로 활용되어야 한다.

거버넌스 없이는 데이터도 힘을 갖지 못한다

역량 평가·예측 체계가 작동하려면 데이터와 분석기법만으로는 부족하다. 누가 이 체계를 운영할 것인지, 누가 데이터를 제공할 것인지, 누가 결과를 검증할 것인지, 누가 정책과 교육 현장에 반영할 것인지에 대한 거버넌스가 필요하다. OECD가 강조하는 것도 이 점이다. 역량 전망은 여러 이해관계자가 얽힌 영역이다. 교육부, 고용노동부, 산업부, 지방정부, 공공고용서비스, 통계기관, 대학, 직업훈련기관, 기업, 노동조합, 학생, 진로상담 기관이 모두 관련된다.

거버넌스가 중요한 이유는 역량 수요에 대한 판단이 이해관계와 연결되기 때문이다. 기업은 더 많은 맞춤형 인재 공급을 요구할 수 있고, 대학은 학문적 자율성과 교육 여건을 주장할 수 있다. 정부는 국가 전략산업과 지역 균형을 고려해야 하고, 학생은 자신의 적성과 삶의 조건을 기준으로 선택한다. 특정 산업의 단기 인력난이 과도하게 반영되면 교육정책이 협소해질 수 있고, 대학 내부의 관성만 반영되면 노동시장 변화에 둔감해질 수 있다. 다양한 주체가 참여하되, 역할과 책임이 분명한 구조가 필요하다.

일부 국가는 역량 평가·예측을 전담하는 독립기구나 다중 이해관계자 협의체를 운영한다. 에스토니아의 OSKA 조정위원회, 핀란드의 Skills Anticipation Forum, 프랑스의 Occupations 2030 운영 구조, 아일랜드의 Expert Group on Future Skills Needs 등이 그런 사례다. 이들 구조는 단순히 보고서를 심의하는 회의체가 아니라, 역량 수요를 해석하고 정책 권고와 교육 공급 조정으로 연결하는 역할을 한다.

고등교육의 참여는 특히 중요하다. OECD는 전통적으로 고등교육 이해관계자가 역량 전망 거버넌스에 충분히 포함되지 않은 경우가 있었다고 지적한다. 대학은 직업훈련기관보다 자율성이 크고, 연구와 사회참여 등 다양한 기능을 수행한다. 그래서 정부가 역량 수요 정보를 대학 교육에 직접 반영하도록 요구하기가 쉽지 않다. 그러나 바로 그 이유 때문에 대학은 역량 전망 체계의 외부 대상이 아니라 내부 참여자가 되어야 한다. 대학이 참여하지 않은 역량 전망은 교육과정으로 연결되기 어렵고, 대학이 노동시장 정보를 외면하면 교육의 사회적 신뢰가 약해질 수 있다.

한국에서도 이 거버넌스 문제는 핵심이다. 대학정책은 교육부가 주도하고, 고용정보는 고용노동부와 관련 기관이 갖고 있으며, 산업전략은 산업부와 지방정부, 경제단체와 연결되어 있다. 지역대학 정책은 RISE 체계 속에서 지방정부의 역할이 커지고 있다. 그러나 이 모든 정보와 정책이 역량 수요라는 공통 언어로 충분히 연결되어 있는지는 따져볼 필요가 있다. 대학혁신지원사업, 글로컬대학, 첨단분야 인재양성, 계약학과, 지역혁신, 평생교육, 직업훈련이 각각 움직이면 대학은 여러 사업에 대응하지만 전체 방향은 흐려질 수 있다.

예측 결과는 어떻게 대학을 바꾸는가

역량 평가·예측 체계의 최종 목적은 보고서를 만드는 것이 아니다. 그 결과가 실제로 대학과 교육정책을 바꾸는 데 활용되어야 한다. OECD가 정리한 활용 방식은 크게 정원과 교육과정, 재정지원, 진로지도, 정보 제공, 직업기준과 자격체계 조정 등으로 나눌 수 있다.

첫째, 역량 전망은 대학 정원과 교육 공급을 조정하는 근거가 될 수 있다. 특정 분야에서 장기적으로 인력 부족이 예상된다면 해당 분야의 교육 기회를 확대할 수 있다. 반대로 노동시장 수요에 비해 공급이 과도하거나 졸업생의 진출 경로가 제한적인 분야는 교육과정 재설계나 정원 조정이 필요할 수 있다. 다만 이 과정은 신중해야 한다. 단기 취업률만 보고 전공을 줄이거나, 특정 산업의 일시적 수요만 보고 학과를 급히 늘리면 또 다른 불일치를 만들 수 있다. 역량 전망은 정원 조정의 근거가 될 수 있지만, 기계적 판단의 기준이 되어서는 안 된다.

둘째, 교육과정 개편에 활용될 수 있다. 직업별·산업별 역량 수요가 확인되면 대학은 전공 교육에 어떤 역량을 포함해야 할지 판단할 수 있다. 예를 들어 특정 보건 분야에서 디지털 기록 관리와 데이터 활용 능력이 중요해진다면 관련 전공 교육과정에 이를 반영해야 한다. 공학 분야에서 탄소중립과 안전 규제가 중요해진다면 기술 교육뿐 아니라 법·환경·윤리·정책 이해가 함께 필요할 수 있다. 인문사회 전공에서도 디지털 도구 활용, 데이터 문해력, 공공 커뮤니케이션, 지역 문제 해결형 프로젝트가 더 중요해질 수 있다.

셋째, 정부 재정지원의 방향을 정교하게 만들 수 있다. 역량 수요가 명확히 확인된 분야에 신규 프로그램 개발, 교원 확보, 실험실습 장비, 산학협력 프로젝트, 재직자 교육, 마이크로디그리 등을 지원할 수 있다. 아일랜드의 Human Capital Initiative처럼 국가가 전략적으로 필요한 분야의 고등교육 역량을 확대하기 위해 재정을 투입하는 사례도 있다. 중요한 것은 재정지원이 단순한 유행어 중심의 사업 공모가 아니라, 데이터와 전망에 근거한 장기적 투자로 설계되어야 한다는 점이다.

넷째, 학생 진로지도와 정보 제공에 활용될 수 있다. 역량 전망은 학생에게 전공별 취업률만 보여주는 것을 넘어, 직업 세계의 변화와 필요한 역량을 설명하는 자료가 될 수 있다. 프랑스 ONISEP처럼 학생, 학부모, 교사, 진로상담 전문가가 활용할 수 있는 공공 진로정보 플랫폼은 노동시장 정보와 교육 선택을 연결하는 중요한 장치다. 한국에서도 고교 단계의 진로교육과 대학 전공 선택, 대학 입학 후 전공 탐색, 졸업 전 취업 준비가 단절되지 않도록 정보 체계를 정비할 필요가 있다.

다섯째, 직업기준과 자격체계 조정에 활용될 수 있다. 특정 직업에서 요구되는 지식과 역량이 바뀐다면 직업기준도 갱신되어야 한다. 고등교육 프로그램이 직업기준이나 자격체계와 연결되는 분야에서는 이 변화가 교육과정 개편으로 이어질 수 있다. 의료, 교육, 공학, 건축, 사회복지, 법률, 회계 등 전문직 영역에서는 특히 중요하다. 다만 모든 고등교육을 직업기준에 맞추는 것은 적절하지 않다. 학문 분야의 다양성과 장기적 지식 생산 기능은 여전히 존중되어야 한다.

역량 전망이 대학 자율성을 해치지 않으려면

역량 평가·예측 체계가 강해질수록 대학 현장에서는 우려도 생길 수 있다. 정부가 역량 수요를 근거로 학과 정원과 교육과정을 지나치게 통제하는 것 아니냐는 걱정이다. 이는 타당한 문제 제기다. 대학은 단기 노동시장 수요에 따라 즉각적으로 움직이는 기관이 아니다. 기초학문과 인문사회, 예술, 순수과학, 장기 연구 분야는 시장 수요만으로 가치가 판단될 수 없다. 사회가 당장 요구하지 않는 지식이 미래의 혁신 기반이 되기도 한다.

따라서 역량 전망 체계는 대학을 통제하는 장치가 아니라 대학의 판단을 돕는 정보 기반이어야 한다. 대학은 역량 수요 정보를 참고하되, 자신의 교육 철학과 연구 역량, 지역적 역할, 학생 구성, 학문적 강점을 바탕으로 전략을 세워야 한다. 정부는 대학에 일률적인 답을 요구하기보다, 각 대학이 어떤 근거로 교육과정을 개편하고 학생의 미래 역량을 길러내는지 설명하도록 해야 한다.

대학 자율성과 사회적 책임은 균형을 이루어야 한다. 자율성은 외부 변화와 무관하게 마음대로 운영할 권리가 아니다. 사회적 책임은 정부나 기업의 요구에 무조건 따르는 것도 아니다. 역량 전망은 이 둘 사이를 연결하는 매개가 될 수 있다. 대학은 사회 변화와 노동시장 수요를 더 정확히 이해하고, 정부와 산업계는 대학의 복합적 역할을 존중하면서 협력해야 한다.

특히 한국 대학의 경우, 역량 전망 체계가 단순한 구조조정 도구로 쓰여서는 안 된다. 충원율이 낮은 학과를 줄이고, 취업률이 높은 분야를 늘리는 식의 기계적 접근은 고등교육의 다양성을 훼손할 수 있다. 오히려 역량 전망은 전통 전공의 새로운 가능성을 찾는 데 활용되어야 한다. 인문학 전공이 디지털 콘텐츠, 지역문화, 공공 커뮤니케이션, AI 윤리와 어떻게 연결될 수 있는지, 사회과학 전공이 데이터 기반 정책분석과 사회문제 해결에 어떻게 기여할 수 있는지, 예술 전공이 기술과 결합해 어떤 새로운 산업과 연결될 수 있는지 보여주는 방식이 필요하다.

한국형 역량 전망 체계는 무엇을 담아야 하나

OECD 사례를 한국에 적용하려면 먼저 한국의 조건을 고려해야 한다. 한국은 고등교육 진학률이 높고, 대학 서열 구조가 강하며, 수도권 집중과 지역 격차가 크다. 학령인구 감소로 대학 정원 압박이 커지고 있으며, 지역대학은 충원난과 재정난을 동시에 겪는다. 동시에 반도체, AI, 배터리, 바이오, 미래차, 방산, 콘텐츠, 돌봄, 보건, 환경 등 여러 분야에서 인재 수요가 제기된다. 이 복합적 조건을 반영하지 않은 역량 전망은 현실성이 떨어질 수밖에 없다.

한국형 역량 전망 체계는 적어도 네 가지 정보를 연결해야 한다. 첫째, 노동시장 수요 정보다. 산업별·직업별 고용 변화, 채용공고, 기업 설문, 임금, 인력 부족, 지역별 구인난을 파악해야 한다. 둘째, 교육 공급 정보다. 대학별·전공별 정원, 충원율, 졸업생 수, 교육과정, 교원, 실험실습 여건, 산학협력 역량을 확인해야 한다. 셋째, 졸업생 경로 정보다. 졸업 후 취업 분야, 직무, 임금, 전공-직무 연계성, 이직과 경력 이동, 추가 교육 수요를 추적해야 한다. 넷째, 미래 변화 정보다. 산업정책, 기술 변화, 인구구조, 지역 발전계획, 글로벌 공급망 변화, 환경 규제 등을 반영해야 한다.

이 정보들이 연결되면 대학 정책의 질문도 달라질 수 있다. 어떤 대학이 단순히 취업률이 높은가가 아니라, 어떤 대학이 지역과 산업의 변화에 맞춰 교육과정을 설계하고 있는가를 볼 수 있다. 어떤 학과가 입학 경쟁률이 높은가가 아니라, 어떤 전공이 학생에게 전환 가능한 역량을 길러주고 있는가를 볼 수 있다. 어떤 지역대학이 정원을 채우지 못하는가가 아니라, 어떤 지역에서 어떤 역량이 부족하고 대학이 어떤 역할을 할 수 있는가를 볼 수 있다. 대학정보공시 자료만으로도 대학의 교육 여건, 학생 충원, 중도탈락, 취업 현황, 교원, 연구, 재정, 학생지원 정보를 상당 부분 확인할 수 있다. 여기에 지역 산업 통계, 채용공고 데이터, 고용정보, 졸업생 경로 정보가 결합되면 대학별·지역별 역량 정합성을 분석하는 기반이 만들어질 수 있다. 물론 당장 완전한 시스템을 만들 수는 없지만, 최소한 “대학의 미래 대응력”을 취업률 하나가 아니라 여러 지표의 조합으로 보는 시도는 가능하다.

현재 대학 평가는 주로 교육여건, 충원율, 취업률, 연구성과, 재정, 국제화, 산학협력 등 다양한 지표를 활용한다. 그러나 역량 전망 관점에서 보면 평가의 핵심은 “대학이 미래 사회에 필요한 역량을 얼마나 잘 길러내는가”로 이동해야 한다. 이는 단순히 취업률을 높이라는 뜻이 아니다. 교육과정이 산업과 사회 변화에 어떻게 대응하는지, 학생이 전공을 통해 어떤 핵심 역량을 갖추는지, 졸업생이 어떤 경로로 성장하는지, 지역과 산업의 필요에 어떤 방식으로 기여하는지를 함께 봐야 한다는 뜻이다.

이를 위해서는 정량지표와 정성평가가 결합되어야 한다. 데이터로 확인할 수 있는 것은 충원율, 취업률, 중도탈락률, 전공별 졸업생 수, 지역 취업률, 산학협력 실적, 재직자 교육 실적 등이다. 그러나 교육과정의 질, 전공 간 융합의 실제성, 학생의 문제 해결 경험, 산업계와의 협력 깊이, 졸업생의 장기 성장 가능성은 단순 수치만으로 평가하기 어렵다. 역량 전망 기반 평가는 숫자와 현장 검증을 함께 요구한다.

또한 대학 평가가 단순한 순위화로 흘러가서는 안 된다. 역량 정합성은 대학의 유형과 지역, 사명에 따라 다르게 나타날 수 있다. 연구중심대학, 지역중심대학, 전문대학, 사이버대학, 평생교육 중심 대학은 각기 다른 방식으로 사회적 역할을 수행한다. 따라서 역량 전망 체계는 모든 대학에 같은 답을 요구하기보다, 각 대학이 자신의 역할에 맞는 역량 전략을 세우도록 돕는 방향이어야 한다.

미래를 맞히는 것이 아니라 계속 조정하는 것

OECD가 분석한 각국 사례의 공통점은 미래를 한 번에 맞히려 하지 않는다는 점이다. 우수한 역량 평가·예측 체계는 여러 자료를 결합하고, 다양한 시간 범위를 설정하며, 전문가와 이해관계자의 검증을 거치고, 결과를 정책과 교육 현장에 맞게 재가공한다. 단기 인력난을 파악하는 체계와 중장기 역량 전망을 함께 운영하기도 하고, 전국 단위 전망과 지역·산업별 분석을 결합하기도 한다. 핵심은 예측 그 자체보다 지속적인 조정 능력이다.

대학은 빠르게 변하는 노동시장에 즉각 반응하기 어렵다. 그러나 그렇기 때문에 더 체계적인 전망이 필요하다. 변화가 눈앞에 닥친 뒤에 학과를 만들고 교육과정을 바꾸면 이미 늦을 수 있다. 반대로 불확실한 유행을 따라 성급하게 전공을 바꾸면 교육의 안정성과 깊이가 훼손될 수 있다. 역량 전망 체계는 이 둘 사이에서 균형을 잡는 장치다. 무엇이 일시적 신호이고 무엇이 구조적 변화인지 구분하도록 돕고, 대학이 단기 대응과 장기 전략을 함께 설계하도록 만든다.

한국 대학에 필요한 것도 바로 이 지속적인 조정 체계다. 지금처럼 학령인구 감소와 정부사업, 산업계 요구가 동시에 밀려오는 상황에서는 대학이 각각의 압력에 개별적으로 대응하기 쉽다. 그러나 미래 역량 수요를 중심으로 보면 질문이 정리된다. 이 대학은 어떤 학생에게 어떤 역량을 길러줄 것인가. 이 지역은 어떤 산업과 사회문제를 갖고 있으며, 대학은 어떤 역할을 할 수 있는가. 이 전공은 앞으로 어떤 직업 세계와 연결될 수 있으며, 학생에게 어떤 보완 역량이 필요한가. 정부는 어떤 분야에 재정을 투입해야 하며, 어떤 정보가 학생의 선택을 도울 수 있는가.

이 질문에 답하기 위해서는 다음 단계의 논의가 필요하다. 한국 대학은 어떤 자료를 이미 갖고 있고, 어떤 자료가 부족한가. 대학정보공시와 고용정보, 지역산업 데이터, 채용공고, 졸업생 경력 자료를 어떻게 연결할 수 있는가. 대학의 자율성을 훼손하지 않으면서도 사회적 책임을 강화하는 방식은 무엇인가. 역량 전망 체계가 또 하나의 평가와 통제 장치가 아니라 대학 혁신의 기반이 되려면 어떤 원칙이 필요한가.

각국의 사례는 하나의 결론을 향한다. 미래 역량은 추상적 담론이 아니라 제도와 데이터, 거버넌스와 정보 제공의 문제다. 대학을 바꾸려면 먼저 대학이 바라보는 미래의 해상도를 높여야 한다. 감으로는 부족하다. 단기 취업률만으로도 부족하다. 대학과 노동시장, 학생과 지역, 정부와 산업계가 함께 활용할 수 있는 역량 전망 체계가 필요하다. 3회차에서는 이 질문을 한국 대학의 현실로 가져와야 한다. 한국 대학에 필요한 것은 학과 구조조정만이 아니라, 교육과 노동시장, 지역과 학생의 선택을 연결하는 한국형 역량 전망 체계다.

#OECD #역량평가예측 #SAA #고등교육 #대학교육 #노동시장 #미래역량 #OSKA #대학정보공시 #스포트라이트유