AI 시대에도 비교적 안전한 대학 전공 15가지

이 글은 Forbes에 2026년 8월 17일에 Sarah Hernholm이 "The College Degrees Considered Safest From AI Disruption"(원문 제목: "What Counts As A Safe Degree In The Age Of AI? Here's What Matters Now")라는 제목으로 기고한 글을 요약 정리한 글입니다.

기사에 언급된 임금·고용 전망은 미국 기준입니다. 즉, 한국의 현실과는 다를 수 있습니다.

AI가 일자리를 빠르게 바꾸는 지금, 어떤 전공이 상대적으로 안정적일까요? Forbes는 일자리 수요와 성장 전망, 임금, 그리고 AI가 쉽게 대신하기 어려운 사람의 판단·대면 돌봄·현장 업무·전문성을 기준으로 15개 전공을 소개했습니다. 아래 순위와 배열은 원문 순서를 그대로 따릅니다.

Forbes가 소개한 전공 순위

1위. 간호학 (Nursing, BSN)

환자 곁에서 상태를 확인하고 임상적으로 판단하며, 상황에 맞춰 대응하는 대면 돌봄이 핵심입니다. 기사에 따르면 간호는 면허 경로가 비교적 명확하고, 고령화와 의료 수요 증가에 따라 꾸준한 인력 수요가 예상되는 분야입니다.

2위. 컴퓨터과학 (Computer Science)

AI 코딩 도구가 기초적인 프로그래밍 업무를 바꾸고 있지만, 시스템을 설계하고 AI가 만든 코드를 검토하며 보안과 신뢰성을 책임지는 역할은 여전히 중요합니다. Forbes는 보안·시스템·AI 및 머신러닝 등으로 전문성을 넓히고 계속 학습하는 경우 특히 경쟁력이 있다고 설명합니다.

3위. 회계학 (Accounting)

장부 입력과 기본 대사 작업은 자동화될 수 있지만, 감사와 세법·회계기준 해석, 재무기록에 대한 인증과 법적 책임에는 전문성이 필요합니다. 자격을 갖춘 회계 전문가에 대한 수요가 이어지는 이유입니다.

4위. 토목공학 (Civil Engineering)

도로·교량·건물·상하수도 같은 기반시설을 설계하고 관리합니다. 노후 인프라의 보수와 교체 수요가 있고, 현장 프로젝트와 안전에 대한 책임이 따르기 때문에 물리적 업무와 전문 판단의 비중이 큽니다.

5위. 기계공학 (Mechanical Engineering)

기계공학자는 엔진, 의료기기, 로봇 등 물리적 제품과 시스템을 설계·제작·시험합니다. 공장과 제품의 자동화가 진전될수록 이를 설계하고 통합하며 유지할 인력도 필요하다는 점이 이 전공의 강점으로 소개됩니다.

6위. 전기공학 (Electrical Engineering)

전력 시스템, 회로, 전자기기와 임베디드 시스템 등 실제 인프라와 하드웨어를 다룹니다. 재생에너지, 반도체, 전력망 현대화 수요가 전망의 배경으로 언급됩니다.

7위. 물리치료학 (Physical Therapy)

환자의 움직임을 평가하고 직접 치료하며, 회복 과정에 맞춰 치료법을 조정합니다. 환자와의 신체적 상호작용과 실시간 판단이 필요한 만큼 자동화가 쉽지 않은 분야로 꼽힙니다.

8위. 사이버보안 (Cybersecurity)

네트워크와 시스템의 취약점을 찾아 공격을 방어하는 분야입니다. AI가 사이버 공격의 속도와 정교함을 높일 수 있어, 위협을 해석하고 대응하는 보안 전문 인력의 필요성도 커질 수 있다고 Forbes는 설명합니다.

9위. 데이터과학 (Data Science)

통계, 프로그래밍, 머신러닝을 활용해 데이터를 분석하고 의사결정에 연결합니다. AI 모델을 만들고 학습·평가·관리하는 업무와 밀접해, AI 확산 자체가 이 분야의 수요를 뒷받침할 수 있다는 관점입니다.

10위. 초·중·고 교육 (Education, K–12 Teaching)

AI는 수업 준비나 채점 업무를 보조할 수 있지만, 교실을 운영하고 학생을 지도하며 신뢰 관계를 쌓는 역할은 교사의 몫입니다. Forbes는 고용 증가율이 높지 않더라도 은퇴와 이직에 따른 채용이 계속 발생한다는 점을 함께 설명합니다.

11위. 금융학 (Finance)

금융 분야의 반복적인 스프레드시트 업무는 자동화되고 있지만, 위험을 판단하고 고객과 관계를 맺으며 규제를 해석하는 일에는 사람의 판단과 책임이 필요합니다. AI가 직업을 완전히 없애기보다 업무 방식을 바꿀 가능성에 주목합니다.

12위. 의료행정 (Healthcare Administration)

병원과 의료기관의 운영·재정·인사·정책을 다루는 분야입니다. 진료에 AI가 도입되더라도 인력 배치, 예산, 규정 준수와 조직 운영을 맡을 관리자는 필요하다는 설명입니다.

13위. 인사관리 (Human Resources Management)

채용, 보상, 노동법, 조직문화와 직원 관계를 다룹니다. 법규를 해석하고 갈등을 조정하며 조직 내 신뢰를 관리하는 업무는 AI가 지원할 수는 있어도 전적으로 책임지기 어렵습니다.

14위. 건설관리 (Construction Management)

공사 일정과 비용을 관리하고 현장에서 안전과 협력업체를 조율합니다. 실제 현장에 참여해 여러 관계자와 문제를 해결해야 하는 업무가 많아 대면·실무 역량이 중요합니다.

15위. 사회복지학 (Social Work)

개인과 가족의 필요를 파악하고 적절한 상담과 서비스를 연결합니다. 신뢰와 관계 형성이 중요한 데다 정신건강 서비스 수요도 증가하고 있어, 사람 중심의 역할이 필요한 분야로 소개됩니다.

전공과 함께 준비할 역량

Forbes는 어떤 전공도 AI의 영향으로부터 완전히 자유롭지 않다고 강조합니다. 전공을 선택하는 것 만큼이나, 그 분야에서 AI와 함께 일하고 사람만의 판단을 발휘할 역량과 경험을 쌓는 일이 중요합니다.

- AI·데이터 이해력: AI 도구를 효과적으로 쓰고 결과의 정확성을 확인하기

- 비판적 사고와 문제 해결: 정답이 정해지지 않은 문제를 분석하고 판단하기

- 의사소통·공감·협업: 다양한 사람의 관점을 이해하고 신뢰를 형성하기

- 적응력과 전문성: 새 도구를 익히면서 대체하기 어려운 분야별 지식을 쌓기

- 실무 경험: 인턴십, 현장실습, 프로젝트, 자격증과 멘토링으로 역량을 보여주기

공통적인 특징 및 핵심 포인트

- 인간적 판단과 책임: 실제 물리적 결과물에 대한 책임, 전문적인 판단력이 요구되는 분야입니다.

- 현장성 및 대인관계: 직접적인 손길(Hands-on work), 신뢰와 관계 형성이 필수적인 직업들입니다.

- AI의 역할 변화: 포브스는 "완벽하게 AI로부터 안전한(AI-proof) 전공은 없다"고 강조하며, AI가 직업 자체를 없애기보다는 그 안의 업무 방식을 변화시킬 것이라고 분석했습니다.

순위보다 중요한 것은 나에게 맞는 선택

이 순위는 Forbes가 미국 노동통계국(BLS)의 2034년까지 직업 전망과 직무 특성을 참고해 제시한 목록입니다. 미국의 임금과 고용 전망이 한국에도 그대로 적용되는 것은 아닙니다. 전공별 교육 기간과 면허 요건, 근무 환경도 다르므로 본인의 흥미와 강점, 교육 비용, 한국의 자격 제도와 채용 수요를 함께 살펴보는 것이 좋습니다.

정리하면, Forbes가 상대적으로 안전한 선택지로 소개한 전공은 사람의 돌봄과 판단, 현장 대응, 전문 기술이 필요한 분야에 폭넓게 걸쳐 있습니다. 그러나 순위가 취업을 보장하지는 않습니다. 자신에게 맞는 전공을 바탕으로 실무 경험과 깊은 전문성을 쌓고, AI를 비판적으로 활용하는 능력을 키우는 것이 변화하는 노동시장에 대비하는 현실적인 방법입니다.

많은 학생들과 부모님들이 AI가 코딩을 다한다는데, 그러면 컴퓨터 공학이 필요없어지지 않는지 많이 물어보십니다. 코딩을 자동으로 해주고, AI의 성능을 개선하도록 만드는 사람이 컴퓨터 과학자와 엔지니어 입니다. 공부를 배우기 위해서 가장 먼저 하는 것이 한글을 읽고 쓰는 연습입니다.

​

컴퓨터 과학과 공학을 배우기 위해서 가장 먼저 하는 것이 코딩입니다. 한글을 읽고 쓸 수 있다고 해서 전교 1등이 되는 것이 아닌 것과 마찬 가지로, 코딩은 컴퓨터에 관한 지식을 배우기 위한 첫 걸음일 뿐입니다. 코딩은 컴퓨터 공학의 본질이 아닙니다.

​

오히려 앞으로 AI의 성장과 보안의 중요성으로 인해서 컴퓨터 공학과는 현재보다 더 중요하고 비중이 있어질 것으로 판단됩니다. 그러나, 지금처럼 학위만 있다고 전문가 대우를 받는 것은 어려울 것입니다.

더 깊이 있고 폭 넓은 지식 그리고 AI의 능숙한 활용과 AI에 대한 깊이 있는 식견을 갖춘다면 많은 기회가 뒤따를 것으로 생각하는 게 옳습니다.

​

그러나 AI의 발전 속도가 빠른 만큼 단순히 5년 뒤를 예측하거나 섣부른 판단하는 것은 주의하셔야 합니다.