WEBVTT

00:00:00.973 --> 00:00:04.107
2014년은 
저에게 아주 특별한 해입니다.

00:00:04.107 --> 00:00:06.034
상담가로서 20년째,

00:00:06.034 --> 00:00:07.706
결혼생활도 20년째,

00:00:07.706 --> 00:00:10.887
그리고 한 달 후에 50세가 됩니다.

00:00:10.887 --> 00:00:16.437
저는 1964년에 독일의 
한 작은 마을에서 태어났습니다.

NOTE Paragraph

00:00:16.437 --> 00:00:18.155
11월의 어느 흐린 날,

00:00:18.155 --> 00:00:20.035
저는 출산예정일보다 
늦게 태어났습니다.

00:00:20.035 --> 00:00:23.518
병원의 분만실은 
이미 많이 지친 분위기였어요.

00:00:23.518 --> 00:00:28.023
왜냐하면 11월의 이 흐린 날, 
많은 아기들이 태어났거든요.

00:00:28.023 --> 00:00:29.665
사실은요,

00:00:29.665 --> 00:00:34.571
1964년은 독일에서 가장 높은
출산율을 기록한 해입니다.

00:00:34.571 --> 00:00:36.591
130만 명을 넘었으니까요.

00:00:36.591 --> 00:00:39.725
작년에 독일에서 태어난 아기가 
겨우 60만을 넘었으니

00:00:39.725 --> 00:00:41.227
제가 태어난 해의 반이네요.

NOTE Paragraph

00:00:41.490 --> 00:00:45.321
여기서 볼 수 있는 것은 
독일의 연령 피라미드인데요,

00:00:45.321 --> 00:00:48.130
저 꼭대기에 있는 작은 점, 
그게 저입니다.

00:00:48.130 --> 00:00:53.364
(웃음) (박수)

00:00:54.307 --> 00:00:58.440
빨간 부분은 잠재적인 
노동연령 인구를 가리킵니다.

00:00:58.440 --> 00:01:02.689
즉 15세 이상 
65세 이하의 사람들이죠.

00:01:02.689 --> 00:01:06.404
저는 사실 이 빨간 부분에만
관심이 있습니다.

NOTE Paragraph

00:01:06.404 --> 00:01:08.447
자, 이제 단순한 
시뮬레이션을 해봅시다.

00:01:08.447 --> 00:01:12.975
이 연령구조가 몇 년 후에 
어떻게 될까에 대해서요.

00:01:12.975 --> 00:01:14.414
여러분들도 보시다시피,

00:01:14.414 --> 00:01:16.713
정점이 오른쪽으로 이동하고 있습니다.

00:01:16.713 --> 00:01:23.238
저도 그렇고, 다른 많은 베이비 붐 세대의
사람들이 2030년에 은퇴를 하겠죠.

00:01:23.238 --> 00:01:25.513
그런데, 저는 이 
빨간 부분을 예측하기 위해

00:01:25.513 --> 00:01:28.382
출산율을 미리 알 필요도 없습니다.

00:01:28.406 --> 00:01:29.654
이 빨간 부분,

00:01:29.678 --> 00:01:33.290
즉, 2030년의 
잠재적인 노동연령 인구는

00:01:33.291 --> 00:01:36.589
이미 오늘날 고정되어 버렸거든요.

00:01:36.589 --> 00:01:40.141
이민율이 훨씬 높아지지 않는다면요.

00:01:40.141 --> 00:01:46.271
그리고 2030년의 이 빨간 부분을 
2014년의 빨간 부분과 비교를 해보면

00:01:46.271 --> 00:01:49.382
훨씬 더 작습니다.

NOTE Paragraph

00:01:49.382 --> 00:01:51.820
그럼 세계의 나머지 
지역을 보여드리기에 앞서,

00:01:51.820 --> 00:01:55.117
이게 독일에서 
의미하는 바는 무엇일까요?

00:01:55.117 --> 00:01:59.204
이 그림에서 우리가 알 수 있는 것은 
노동의 공급이,

00:01:59.204 --> 00:02:01.131
즉 노동력을 공급하는 사람들이,

00:02:01.131 --> 00:02:04.800
독일에서 감소할 것이고,
그 감소폭은 상당할 것이라는 것이죠.

00:02:04.800 --> 00:02:07.400
자, 노동의 수요는 그럼 어떡하죠?

00:02:07.400 --> 00:02:09.831
여기서부터 문제는 까다로워집니다.

00:02:10.163 --> 00:02:14.970
아실지 모르지만, 어떤 질문에든
상담가가 하기 좋아하는 대답은,

00:02:14.970 --> 00:02:16.711
"상황에 따라 다릅니다."이죠.

00:02:16.711 --> 00:02:19.079
따라서 저도 상황에 따라
다르다고 말씀드리겠습니다.

00:02:19.079 --> 00:02:21.448
우리는 미래를 
예측하고자 했던 것이 아닙니다.

00:02:21.448 --> 00:02:22.957
상당히 추측에 근거한 일이니까요.

00:02:22.957 --> 00:02:24.513
대신 다른 걸 했습니다.

00:02:24.513 --> 00:02:27.903
우리는 독일의 지난 20년동안의

00:02:27.903 --> 00:02:29.598
GDP와 생산성 성장을 관찰했습니다.

00:02:29.598 --> 00:02:32.082
그리고 그에 따른 시나리오를
계산해보았죠.

00:02:32.082 --> 00:02:36.563
독일이 계속 이 GDP와 
생산성 성장을 유지하고 싶다면,

00:02:36.563 --> 00:02:38.676
우리는 바로 
계산해볼 수 있을 것입니다.

00:02:38.676 --> 00:02:42.647
이 성장을 뒷받침하기 위해 독일이 
얼마나 많은 사람들을 필요로 할지를요.

00:02:42.647 --> 00:02:45.619
이것이 노동 수요를 가리키는
녹색 선입니다.

00:02:45.619 --> 00:02:51.331
그래서 독일은 꽤 조만간 주요인재들이
부족해지는 때가 올 것입니다.

00:02:51.331 --> 00:02:53.165
8백만 명이 부족합니다.

00:02:53.165 --> 00:02:55.928
이는 현재 우리 노동력의 
20%보다도 더한 숫자입니다.

00:02:55.928 --> 00:02:58.598
큰 수치죠, 아주 큰 수치죠.

00:02:58.598 --> 00:03:00.711
우리는 여러개의 시나리오를
계산해봤는데요.

00:03:00.711 --> 00:03:03.613
그럴 때마다 그림은 
항상 이런 모습이었습니다.

NOTE Paragraph

00:03:04.565 --> 00:03:06.446
이제 이 격차를 없애기 위해서

00:03:06.446 --> 00:03:10.509
독일은 이주민을 
상당한 정도로 늘려야 하고,

00:03:10.509 --> 00:03:12.715
더 많은 여성 인력을 구해야 하며,

00:03:12.715 --> 00:03:14.480
은퇴 연령을 높여야 합니다.

00:03:14.480 --> 00:03:16.895
- 올해가 되어서 낮췄습니다만 -

00:03:16.895 --> 00:03:19.658
이 모든 게 한꺼번에 이루어져야 해요.

00:03:19.658 --> 00:03:23.721
만약 독일이 여기서 실패하면
경기는 침체될 겁니다.

00:03:23.721 --> 00:03:26.043
우리는 더 이상 성장하지 않겠죠. 
왜냐구요?

NOTE Paragraph

00:03:26.043 --> 00:03:29.518
이런 성장을 만들어낼 수 있는 
노동자들이 없으니까요.

00:03:29.539 --> 00:03:33.859
그리고 회사들이 
다른 곳에서 인재를 찾겠죠.

00:03:33.899 --> 00:03:36.029
하지만 어디서 찾을까요?

NOTE Paragraph

00:03:36.730 --> 00:03:40.776
이제 우리는 세계 GDP의 
70퍼센트 이상을 대표하는

00:03:40.776 --> 00:03:43.945
세계에서 가장 큰 15개 경제 국가들의

00:03:43.945 --> 00:03:47.637
노동 공급과 수요를 가지고
모의 실험을 해봤습니다.

00:03:47.637 --> 00:03:51.584
2020년까지의 
큰 그림이 이와 같습니다.

00:03:51.584 --> 00:03:54.277
파란색이 노동 과잉을 가리키고,

00:03:54.277 --> 00:03:56.762
빨간색이 노동 부족을 가리킵니다.

00:03:56.762 --> 00:04:00.454
회색은 경계선에 있는 나라들이고요.

00:04:00.454 --> 00:04:06.560
그래서 2020년까지 우리는 일부 국가에서 
여전히 노동 과잉을 경험할 겁니다.

00:04:06.560 --> 00:04:08.743
이탈리아, 프랑스, 미국 같은 나라들이죠.

00:04:08.743 --> 00:04:13.340
하지만 이 그림은 2030년까지 
극적으로 달라질 것입니다.

00:04:13.340 --> 00:04:17.961
2030년에 우리는 전 세계적으로
노동력의 위기에 직면하게 될 거예요.

00:04:17.961 --> 00:04:20.956
세계에서 가장 큰 
경제국가들의 대부분에서요.

00:04:20.956 --> 00:04:23.371
BRIC의 4개국 중에서 
3개를 포함해서 말이죠.

00:04:23.371 --> 00:04:26.529
중국은 이전에 시행했던 
한 자녀정책으로 타격을 입을 것이고,

00:04:26.529 --> 00:04:30.453
브라질이나 러시아도 마찬가지입니다.

NOTE Paragraph

00:04:30.453 --> 00:04:34.168
솔직하게 말씀드리자면,

00:04:34.168 --> 00:04:38.974
실제로 상황은 더 힘들 수도 있습니다.

00:04:38.974 --> 00:04:42.317
지금 보시는 건 평균 수치들인데요.

00:04:42.317 --> 00:04:44.013
우리는 이것들을 
평균내기 전 상태로 돌려서

00:04:44.013 --> 00:04:46.633
여러 개의 능력수준으로
쪼개어 보았습니다.

00:04:46.633 --> 00:04:47.950
그리고 발견한 것은

00:04:47.950 --> 00:04:51.884
숙련된 노동자들의 수가 
많이 부족한 것에 반해,

00:04:51.884 --> 00:04:56.063
덜 숙련된 노동자들은 부분적으로
과잉 상태라는 것입니다.

00:04:56.063 --> 00:04:59.221
전체적으로 이렇게 
노동력이 부족한 상태에서

00:04:59.221 --> 00:05:03.453
우리는 미래에 숙련도 면에서 
짝이 맞지 않는 상황에 직면할것이고,

00:05:03.477 --> 00:05:05.176
이것은 큰 어려움을 의미하죠.

00:05:05.200 --> 00:05:07.265
교육이나 
자격조건의 측면에서도 그렇고,

00:05:07.289 --> 00:05:11.284
정부나 기업의 
숙련도 향상 측면에서도요.

NOTE Paragraph

00:05:12.397 --> 00:05:18.375
다음으로 우리가 본 것은 
로봇, 자동화, 기술입니다.

00:05:18.375 --> 00:05:22.389
기술이 이런 그림을 바꾸고 
생산성을 높일 수 있을까요?

00:05:23.728 --> 00:05:25.798
짧게 답하자면,

00:05:25.798 --> 00:05:30.359
이 숫자들은 이미 기술이 가져온

00:05:30.359 --> 00:05:32.652
생산성의 상당한 성장을 
포함하고 있다는 것입니다.

00:05:33.093 --> 00:05:36.628
길게 답하자면 이렇게 되겠죠.

00:05:36.628 --> 00:05:39.113
다시 독일의 예를 들어보죠.

00:05:39.113 --> 00:05:41.667
독일은 생산성의 측면에서

00:05:41.667 --> 00:05:44.058
어느 정도 세계적으로 
명성이 있는 나라입니다.

00:05:44.389 --> 00:05:48.841
90년대에 전 우리 보스턴 사무실에서 
거의 2년 정도 근무했었는데요.

00:05:48.841 --> 00:05:52.998
제가 떠날 때, 연세가 있으신 한 동료가 
저한테 말그대로 이렇게 말씀하셨습니다.

00:05:52.998 --> 00:05:56.480
"독일 사람들을 내게 좀 더 보내줘요.
그들은 기계처럼 일을 해요."

00:05:56.480 --> 00:06:00.967
(웃음)

00:06:00.967 --> 00:06:04.259
그게 1998년이었습니다.

00:06:04.259 --> 00:06:07.742
16년 후, 여러분은 
아마 반대로 말씀하실 걸요.

00:06:07.742 --> 00:06:11.410
"이런 기계들을 더 보내줘.
기계가 독일 사람들처럼 일을 해."

00:06:11.410 --> 00:06:16.636
(웃음) (박수)

NOTE Paragraph

00:06:18.108 --> 00:06:22.811
기술은 많은 직업, 
정규직을 대체하게 될 것입니다.

00:06:22.811 --> 00:06:24.808
단지 생산을 하는 산업뿐 아니라

00:06:24.808 --> 00:06:26.666
사무실 직원들조차도 위태롭습니다.

00:06:26.690 --> 00:06:29.521
로봇, 인공 지능, 빅 데이터, 자동화로

00:06:29.521 --> 00:06:32.036
대체될 지도 모르겠군요.

00:06:33.120 --> 00:06:38.042
그래서 핵심질문은 기술이 이런 직업을 
대체할 것인가의 여부가 아니라

00:06:38.042 --> 00:06:41.688
언제, 얼마나 빨리, 어느 정도로
대체할 것인가입니다.

00:06:41.688 --> 00:06:43.383
다시 말해서,

00:06:43.383 --> 00:06:48.059
기술이 이런 세계적인 노동력의 위기를 
해결하는 데 도움이 될까요?

00:06:49.334 --> 00:06:51.254
도움이 되기도하고 되지 않기도 하죠.

00:06:51.254 --> 00:06:54.156
"상황에 따라 달라요."보다는
좀 더 세련된 버전이군요.

00:06:54.156 --> 00:06:55.203
(웃음)

NOTE Paragraph

00:06:55.227 --> 00:07:00.310
자동차 산업을 예로 들어보겠습니다.

00:07:00.310 --> 00:07:04.814
왜냐하면 거기에는 40%가 넘는
산업 로봇들이 이미 일을 하고 있고

00:07:04.814 --> 00:07:08.736
자동화가 이미 자리를 잡았기 때문이죠.

00:07:09.332 --> 00:07:14.659
1980년에 
자동차 한 대의 생산 비용에서

00:07:14.659 --> 00:07:17.329
전자 부품이 차지하는 건
10% 미만이었습니다.

00:07:17.329 --> 00:07:20.580
오늘날 이 비율은 30%를 넘었고

00:07:20.580 --> 00:07:25.403
2030년에는 
50%를 넘어설 것입니다.

00:07:25.427 --> 00:07:29.608
이런 새로운 전자 부품과 응용은

00:07:29.632 --> 00:07:33.652
새로운 능력을 요구하고 
새로운 직업을 창조해냈죠.

00:07:33.652 --> 00:07:36.199
운전자와 전자 시스템 간의
상호작용을 최적화하는

00:07:36.223 --> 00:07:41.498
인지 시스템 공학자처럼 말입니다.

00:07:42.081 --> 00:07:49.018
1980년에는 그런직업이 존재하리라고
아무도 생각조차 하지 못했죠.

00:07:49.534 --> 00:07:51.027
사실상

00:07:51.051 --> 00:07:55.246
자동차를 생산하는 데 
관여하는 사람의 수는

00:07:55.246 --> 00:07:58.659
로봇과 자동화에도 불구하고

00:07:58.659 --> 00:08:01.677
지난 수십 년 간 
아주 약간만 줄어들었습니다.

NOTE Paragraph

00:08:01.677 --> 00:08:03.443
그래서 이것이 뭘 의미하죠?

00:08:03.443 --> 00:08:05.856
네, 기술은 많은 직업들을
대체할 거예요.

00:08:05.880 --> 00:08:11.707
하지만 새로운 직업과 새로운 능력이
지평선 위로 떠오르는 것도 볼 겁니다.

00:08:11.731 --> 00:08:17.768
그리고 이것은 기술이 전체 숙련도의
불일치를 악화시킬 것을 의미하죠.

00:08:17.768 --> 00:08:19.510
이런 탈평준화 현상은

00:08:19.510 --> 00:08:23.911
정부와 기업들이 겪게 될 
중대한 어려움을 보여줍니다.

NOTE Paragraph

00:08:25.175 --> 00:08:29.006
그래서, 사람들, 
고도로 숙련된 사람들,

00:08:29.006 --> 00:08:33.046
그리고 그 능력이 다음 10년동안
아주 큰 역할을 하게 될 겁니다.

00:08:33.046 --> 00:08:38.688
그들이 희소자원이라면, 우리는 그들을
더 잘 이해하도록 해야 합니다.

00:08:38.688 --> 00:08:41.637
그들이 해외로 나가
기꺼이 일하려 할까요?

00:08:41.637 --> 00:08:44.032
그들은 어떤 직업을 선호할까요?

NOTE Paragraph

00:08:44.552 --> 00:08:49.593
이걸 알아내고자 우리는 올해
세계적인 조사를 실시했습니다.

00:08:49.617 --> 00:08:55.500
189개국에서 200,000명이 넘는
구직자들을 대상으로요.

00:08:56.021 --> 00:09:01.449
이민이 확실히 격차를 좁혀주는
중요한 척도이긴 합니다.

00:09:01.469 --> 00:09:03.013
적어도 단기적으로는요.

00:09:03.013 --> 00:09:05.613
그래서 우리는 유동성에 대해 물어봤죠.

00:09:05.613 --> 00:09:10.234
이 200,000명이 넘는 
구직자들의 60%가 넘는 숫자가

00:09:10.234 --> 00:09:12.834
기꺼이 해외에서 일하고자 합니다.

00:09:12.834 --> 00:09:14.994
저에게는 아주 
놀라울 정도로 높은 수치였죠.

00:09:14.994 --> 00:09:18.407
21세에서 30세 사이의 직원들을 보면

00:09:18.407 --> 00:09:20.706
이 수치는 훨씬 더 높습니다.

00:09:20.706 --> 00:09:24.026
이 수치를 국가별로 나누어보면

00:09:24.026 --> 00:09:29.227
네, 전 세계가 유동적이지만
부분적으로만 그렇습니다.

00:09:29.227 --> 00:09:33.909
가장 덜 유동적인 나라는 
러시아, 독일, 미국입니다.

00:09:34.358 --> 00:09:37.632
그럼 이 사람들은 
어디로 이동하고 싶어할까요?

00:09:37.632 --> 00:09:42.462
7위가 호주군요. 
28%가 이민을 생각하고 있고,

00:09:42.462 --> 00:09:46.780
프랑스, 스위스, 독일, 캐나다,
영국이 그 다음이고

00:09:46.804 --> 00:09:50.469
세계적으로 가장 많이
선택한 나라는 미국입니다.

NOTE Paragraph

00:09:50.744 --> 00:09:54.239
200,000명이 
갖고 싶은 직업은 무엇일까요?

00:09:54.263 --> 00:09:56.256
그들은 무엇을 원하는 걸까요?

00:09:57.043 --> 00:10:03.475
26가지의 주제들 중
봉급은 8위에 불과합니다.

00:10:03.475 --> 00:10:08.003
모든 문화권을 통틀어 
최고의 4가지 주제가 선정되었는데요.

00:10:08.003 --> 00:10:09.558
4위,

00:10:09.558 --> 00:10:12.554
상사와 좋은 관계를 맺는 것;

00:10:12.554 --> 00:10:16.571
3위, 일과 생활 간의
멋진 균형을 즐기는 것;

00:10:16.571 --> 00:10:20.332
2위, 동료들과
좋은 인간관계를 맺는 것;

00:10:20.332 --> 00:10:23.727
그리고 세계에서 최고로 꼽힌 것은

00:10:23.751 --> 00:10:27.950
자신이 일한 것에 대해 
감사하게 여겨지는 것입니다.

00:10:28.321 --> 00:10:31.152
자, 제가 고맙다는 말을 들을까?

00:10:31.152 --> 00:10:34.496
매년 한번씩 보너스를
지급받을 때만이 아니라

00:10:34.496 --> 00:10:36.701
매일 말입니다.

00:10:36.701 --> 00:10:41.926
자, 이제 우리의 세계적인 노동력 위기는
아주 개인적인 문제가 되고 있습니다.

00:10:41.926 --> 00:10:44.967
사람들은 인정받기를 원합니다.

00:10:44.967 --> 00:10:49.777
우리 모두가 우리의 직장에서 
인정받기를 원하지 않습니까?

NOTE Paragraph

00:10:51.302 --> 00:10:54.882
자, 이제 점들을 연결해보겠습니다.

00:10:54.882 --> 00:10:57.250
우리는 세계적인 
노동력 위기를 맞이할 것입니다.

00:10:57.250 --> 00:11:00.222
이 위기에는 
전체적인 노동력 부족뿐 아니라

00:11:00.222 --> 00:11:02.173
숙련도의 불일치와

00:11:02.173 --> 00:11:05.307
거대한 문화적인 어려움도 있습니다.

00:11:05.307 --> 00:11:09.231
그리고 이 세계적인 노동력 위기가 
굉장히 빨리 다가오고 있습니다.

00:11:09.231 --> 00:11:11.971
바로 당장, 우리는 
전환의 기로에 서 있습니다.

00:11:11.971 --> 00:11:16.359
그러면 우리가, 정부가, 
기업이 무엇을 할 수 있을까요?

00:11:16.359 --> 00:11:17.962
모든 회사가,

00:11:17.962 --> 00:11:19.749
그리고 모든 나라가,

00:11:19.749 --> 00:11:21.677
인간 전략을 필요로 합니다.

00:11:21.677 --> 00:11:24.649
그리고 즉시 그 전략을 
행동으로 옮겨야 합니다.

00:11:24.649 --> 00:11:28.596
그 인간 전략은 
4가지 부분으로 이루어져 있는데요.

00:11:28.596 --> 00:11:30.407
1번, 다양한 직업과 다양한 능력에 대한

00:11:30.407 --> 00:11:36.537
공급과 수요를 예측할 수 있는
방법에 대한 계획입니다.

00:11:36.537 --> 00:11:41.592
재정적인 계획보다 노동력 계획이 
점점 더 중요해질 겁니다.

00:11:42.109 --> 00:11:45.732
2번, 좋은 사람들을 끌어들이는
방법에 대한 계획입니다:

00:11:45.732 --> 00:11:49.461
Y세대, 여성들, 그리고 퇴직자들요.

00:11:49.865 --> 00:11:53.854
3번, 그들을 교육시키고 능숙하게
만드는 방법에 대한 계획입니다.

00:11:53.878 --> 00:11:56.973
우리 앞에, 숙련도를 높여야 하는
큰 과제가 있습니다.

00:11:57.666 --> 00:11:59.500
그리고 4번,

00:11:59.500 --> 00:12:02.029
어떻게 최고인력들을
보유할 지에 대한 방법입니다.

00:12:02.053 --> 00:12:03.399
다시 말해서,

00:12:03.423 --> 00:12:10.318
사람의 진가를 알아봐주고 좋은 
관계의 문화를 실현하는 방법이죠.

NOTE Paragraph

00:12:11.643 --> 00:12:17.965
하지만 한 가지 중요한 내재적 요소는 
우리의 태도를 바꾸는 것입니다.

00:12:18.424 --> 00:12:22.627
노동자들은 자원이고 재산이지,

00:12:22.627 --> 00:12:25.072
비용이 아니고 머릿수도 아니고,

00:12:25.096 --> 00:12:26.481
기계도 아니고,

00:12:26.505 --> 00:12:28.046
심지어 독일인도 아닙니다.

NOTE Paragraph

00:12:28.176 --> 00:12:29.278
감사합니다.

NOTE Paragraph

00:12:29.302 --> 00:12:33.189
(박수)