조사 시점: 2026. 06. 01.
대상: 전국 고교생 1,058명
본 조사는 생성형 AI 기술의 급격한 발전이 대학 진학을 앞둔 고등학생들의 전공 선택 기준에 미치는 실질적인 영향을 분석하기 위해 수행되었습니다. 고교생의 약 76%가 AI의 등장을 진로 고민의 핵심 변수로 인식하고 있으며, 과거의 적성 중심 선택에서 벗어나 AI의 대체 가능성이 낮은 전공을 선호하는 경향이 뚜렷하게 관찰되었습니다. 반도체는 물리적 토대로서의 가치를 인정받아 가장 안정적인 전공으로 부상한 반면, 어문 및 회계 계열은 높은 대체 우려로 인해 기피 대상으로 분류되었습니다. 특히 컴퓨터공학 계열은 유망성과 불안감이 공존하는 복합적인 양상을 보이며 입시 전략의 불확실성을 높이고 있는 것으로 확인되었습니다.
고교생 1,058명을 대상으로 실시한 설문 데이터에 따르면, AI는 현재 입시 판도에서 가장 지배적인 외부 요인으로 작용하고 있습니다. 응답자의 절반 이상이 전공 기피의 제1 원인으로 업무 대체 가능성을 꼽았으며, 이는 취업률이나 연봉 같은 전통적 지표를 상회하는 수치입니다. 의치한약수 계열은 여전히 최고 선호도를 유지하고 있으나, 미래 안정성 측면에서는 반도체에 밀리는 현상이 나타났습니다. 특히 인문계열 중 어문계열은 14.6%로 기피 전공 1위에 올랐으며, 회계 및 금융 계열 또한 12.9%의 높은 기피율을 보이며 실무 전문직에 대한 회의론이 확산되고 있음이 수치로 증명되었습니다.
현재 대입 시장은 'AI 안전지대 찾기'가 주류 트렌드로 자리 잡으며 전공 간 양극화가 심화되고 있습니다. 반도체는 AI 구현의 물리적 하드웨어로서의 독보적 지위를 인정받아 미래 안정성 1위를 기록하고 있으며, 이는 실제 취업 시장의 수요와 맞물려 강력한 선호도를 형성하고 있습니다. 반면 어문계열과 회계계열은 생성형 AI의 언어 처리 및 연산 능력이 입증됨에 따라 직업적 가치가 하락할 것이라는 공포가 지배적인 상황입니다. 컴퓨터공학은 'AI를 만드는 도구'라는 기대와 'AI에 의해 자동화될 기술'이라는 불안이 동시에 작용하며 수험생들 사이에서 혼란스러운 선택지로 평가받고 있습니다.
전공 선택 기준의 변천사는 한국 사회의 가치관 변화를 그대로 반영하고 있습니다. 과거 1990년대-2000년대 초반까지는 개인의 적성과 흥미, 혹은 학문의 권위가 중요한 기준이었으나, 2010년대 들어 극심한 취업난으로 인해 '연봉과 취업률' 중심의 실리적 선택이 강화되었습니다. 2024년 이후 생성형 AI의 보편화는 이러한 경향을 '생존 가능성' 차원으로 격상시켰습니다. 이제 학생들은 단순히 연봉이 높은 직업이 아니라, 기술 발전 속도에 밀려 직업 자체가 소멸하지 않을 분야를 우선적으로 탐색하기 시작했으며, 이는 반도체와 같은 제조 기반 첨단 산업으로의 쏠림 현상을 가속화하고 있습니다.
| 시기 | 주요 선택 기준 | 주요 선호 전공 | 핵심 키워드 |
|---|---|---|---|
| 과거(~2010) | 적성, 흥미, 명성 | 법대, 사회과학, 인문 | 적성/권위 |
| 중기(~2023) | 취업률, 기대 연봉 | 의대, 경영, 컴공 | 실리/취업 |
| 현재(2024~) | AI 대체 가능성 | 반도체, 의학, AI 융합 | 생존/기술 |
기술 격변에 대응하기 위한 정부 및 교육 기관의 움직임도 구체화되고 있습니다. 미국 CHIPS Act 시행과 이에 따른 국내 반도체 육성 정책은 반도체 전공에 대한 신뢰도를 높이는 정책적 기반이 되었습니다. 또한 각 지자체와 교육청은 AI 리터러시 강화를 위해 '시민 AI 교육센터' 설립이나 바이오·의료기기 맞춤형 교육 프로그램 등을 제시하며 인력 양성 구조를 개편하고 있습니다. 이러한 정책들은 특정 전공의 정원 확대나 장학 혜택으로 이어지며, 수험생들이 반도체나 첨단 기술 분야를 '정부 보증 안전지대'로 인식하게 만드는 결정적인 동기가 되고 있습니다.
시장 데이터 측면에서 반도체 업종은 현재 변동성 속에서도 탄탄한 펀더멘털을 유지하고 있습니다. 2026년 6월 현재 코스피 지수가 8,586.82로 전일 대비 상승하는 가운데, 반도체는 AI 기술 구현을 위한 필수 하드웨어로서 수요가 지속될 것으로 전망됩니다. 반면 전통적인 고연봉 전문직이었던 회계 및 세무 분야는 자동화 소프트웨어의 성능 향상으로 인해 하위 직무부터 시장이 위축될 수 있다는 우려가 존재합니다. 실질 GDP 성장률 전망치가 2% 내외로 유지되는 상황에서, 학생들은 경제 성장의 동력이 소프트웨어 생산성(AI)에서 하드웨어 기반(반도체)으로 이동하고 있음을 시장 흐름을 통해 인지하고 있습니다.
사회 전반적으로는 '컴퓨터 전공의 역설'이 흥미로운 현상으로 대두되고 있습니다. AI를 다루는 최전선이라는 점에서는 선호 전공 3위에 올랐지만, 동시에 AI에 의해 일자리가 포화하거나 하위 코더들이 도태될 수 있다는 공포 때문에 기피 전공 3위라는 상반된 결과를 보였습니다. 이는 기술에 대한 동경과 공포가 동시에 존재하는 세대적 문화를 반영합니다. 어문계열에 대해서는 '번역기나 AI 텍스트 생성기가 대체 가능한 영역'이라는 인식이 고착화되면서 전공의 희소 가치가 급락하고 있으며, 실용성이 떨어지는 전공을 선택하는 것에 대해 주변의 우려가 커지는 등 실용주의적 사회 반응이 강화되고 있습니다.
* AI 기술 리더십에 대한 기대와 노동 시장 포화에 대한 불안 공존
전공 간 선호도와 안정성 인식의 차이는 극명하게 엇갈립니다. 가장 가고 싶은 전공 1위인 '의치한약수'는 여전히 강력한 위상을 지키고 있으나, 'AI 시대에도 안정적인가'라는 질문에는 반도체(30.7%)가 의학 계열(25.3%)을 제치고 1위를 차지했습니다. 이는 수험생들이 의료 기술의 AI 도입보다 물리적 제조 산업인 반도체의 영속성을 더 높게 평가하고 있음을 시사합니다. 또한 어문계열과 회계계열은 AI 대체 우려라는 동일한 원인으로 기피 대상이 되었으며, 과거 전문직의 상징이었던 회계사조차 AI 시대에는 위험군으로 분류되는 등 전공 간 비교 우위가 근본적으로 재편되고 있습니다.
조사 결과의 핵심 수치를 종합하면 AI 시대의 진로 지형이 한눈에 파악됩니다. AI가 진로 고민에 영향을 미쳤다는 비율 76.1%는 단일 요인으로는 역대 최고 수준이며, 특히 전공 기피 사유 중 '업무 대체 가능성(51.5%)'은 기존의 '흥미 부족'이나 '낮은 연봉'을 압도하는 수치입니다. 반도체 전공의 안정성 인식 수치 30.7%는 하드웨어 산업에 대한 신뢰를 보여주며, 컴퓨터/소프트웨어 전공의 선호도 9.2%는 기술 중요성에도 불구하고 시장 과포화에 대한 수험생들의 경계심이 반영된 지표로 분석됩니다.
※ 안내
본 콘텐츠는 Rebalabs의 AI 멀티 에이전트 시스템 AMEET을 통해 생성된 자료입니다.
본 콘텐츠는 정보 제공 및 참고 목적으로만 활용되어야 하며, Rebalabs 또는 관계사의 공식 입장, 견해, 보증을 의미하지 않습니다.
AI 특성상 사실과 다르거나 부정확한 내용이 포함될 수 있으며, 최신 정보와 차이가 있을 수 있습니다.
본 콘텐츠를 기반으로 한 판단, 의사결정, 법적·재무적·의학적 조치는 전적으로 이용자의 책임 하에 이루어져야 합니다.
Rebalabs는 본 콘텐츠의 활용으로 발생할 수 있는 직·간접적인 손해, 불이익, 결과에 대해 법적 책임을 지지 않습니다.
이용자는 위 내용을 충분히 이해한 뒤, 본 콘텐츠를 참고 용도로만 활용해 주시기 바랍니다.
AMEET REPORT
* 최종 결론: AI 시대에도 대체하기 어려운 '물리적 제약 기반 기술(반도체)'과 '강력한 도메인 지식'을 갖춘 전공이 가장 안정적인 대안으로 평가됨.
산정 근거: AI 대체 속도에 대한 학생들의 공포감(51.5% 기피)과 시장의 실제 수요-공급 갭 확대로 인한 미스매치 리스크가 매우 큽니다. 단순 AI 전공에 맹목적으로 진학하거나, 어문/상경계열을 무조건 기피하는 전략은 3~5년 후 극심한 고용 충격에 노출될 위험이 큽니다. 방어적이고 입체적인 전공 포트폴리오 접근이 필수적입니다.
단순한 전공 유불리를 넘어, 미래 생존 전략 관점에서의 결론
AI 시대 고등학생들의 전공 선택 패러다임 변화와 이에 따른 유망 및 기피 전공 분석
초기: 컴퓨터·AI 전공이 최우선이고, 어문/회계는 피해야 한다.
업데이트: 단순 컴퓨터·AI 전공은 유망성과 대체 불안감이 공존(이중적 양상)하여 리스크가 있음. 가장 확실한 생존 전공은 'AI가 극복하지 못하는 물리적 제약과 특화 도메인을 다루는 분야(반도체, 의치한약수)'임. 어문/회계는 총고용 축소가 예상되나 소수의 고차원 융합 인력은 고임금을 받을 수 있음.
전공 선택 시 'AI 개발' 자체에 몰두하기보다, 'AI를 활용하여 해결할 강력한 물리적/도메인 난제'가 있는 산업(반도체, 환경, 바이오 등)을 본전공으로 선택하고 AI를 도구로 융합하는 전략이 향후 10년간 가장 높은 취업 및 임금 프리미엄을 보장합니다.
토론을 통해 도출된 인식 전환의 핵심 궤적
질문 이면에 숨겨진 진짜 Pain-Point 도출
사용자는 단순히 "어떤 전공이 인기 있나?"를 묻는 것이 아닙니다. "우리 아이가(혹은 내가) 지금 대학 전공을 선택했을 때, 4~6년 후 졸업 시점에 AI에게 일자리를 뺏기지 않고 안정적인 고소득을 올릴 수 있는 구체적인 전공 전략은 무엇인가?"라는 생존의 공포와 직결되어 있습니다.
"AI 범용 기술이 일상화되는 향후 5~10년 시장에서, AI가 완벽히 자동화할 수 없는 '대체 불가 영역'은 무엇이며, 이를 선점하기 위한 전공 포트폴리오(본전공+융합기술)는 어떻게 구성해야 하는가?"
의사결정의 기초가 되는 현재 스냅샷 (2026-06-01 기준)
표면적 현상에서 근본 원인까지의 심층 구조
전공 쏠림과 노동시장 임금 간의 피드백 루프
AI 대체 우려 증가 → 반도체/SW 전공 지원자 집중 → 대학의 자본 및 정책 집중 → 해당 전공 졸업생의 초기 프리미엄 체감 → 다시 대체 우려 공포 심화 및 쏠림 강화.
현재 위치: 강화루프의 정점 진입 (2026년 기준 76.1% 학생 반응). 무분별한 SW 쏠림은 곧 인력 과잉 부메랑을 맞을 수 있는 시점.
어문/회계/상경 기피 → 3~5년 후 해당 분야 신규 진입 인력 급감 → AI가 해결하지 못하는 복합 인문·경제 문제 발생 시 해당 도메인을 아는 숙련 인력 부족 → 소수 융합 인력의 임금 폭등 → 점진적인 시장 수요 회복 조짐.
의사결정을 둘러싼 주체별 동기와 권력 구조
| 이해관계자 | 동기 및 목표 | 보유 권력 / 제약 |
|---|---|---|
| 고교생/학부모 | 미래 생존 및 임금 프리미엄 극대화 (AI 대체 회피) | 선택권 보유 / 정보 비대칭성 및 공포 마케팅에 취약함. |
| 대학/교육부 | 학생 충원율 유지 및 미래 산업 인력 적기 공급 | 학과 개편 권한 / 느린 행정 절차 및 교수진 기득권 반발. |
| 기업 (반도체/IT) | 물리적 한계 극복 및 융합 도메인 특화 인재 저비용 대량 확보 | 채용 권한 및 임금 결정권 / 만성적 고급 인력 수급 불균형. |
전문가 AI 패널의 치열한 논리 검증 과정을 통해 도출된 핵심 판단 기준
[A] 노동시장 분석가: 어문/회계 기피로 인력이 부족해지면 해당 분야 복합 문제 해결 역량자의 임금이 15% 뛸 것이다.
[B] 비판적/산업 관점: 생존자 편향이다. AI가 단순 업무를 대체하면 고용 총량 자체가 쪼그라든다. 소수의 상승은 전체 고용 축소 속에 가려진다.
반도체 기술 전문가의 "물리적 공정 미세화(EUV 노광 등)의 도메인 지식은 AI 자동화 대상이 아니다"라는 논거가 투입되면서, 패널들은 전공 선택 기준을 'AI 활용 여부'에서 '현실 물리/규제 도메인 보유 여부'로 전면 수정했습니다. 이로 인해 사용자는 막연한 '소프트웨어 전공 진학'이 능사가 아님을 깨닫게 됩니다.
미해결: 기피 전공(어문/회계) 졸업생 중 상위 몇 %가 고임금 프리미엄을 누릴 것인지 정확한 임계점(Threshold)은 합의되지 않음.
비합의: AI의 '자율적 창의성'이 물리적 제약의 원리까지 발명해 내는 시점(Singularity)이 5년 내인지 10년 이후인지 패널 간 구조적 입장 차이 존재.
의사결정자는 자녀(또는 본인)가 순수 소프트웨어 역량만 기르는 것을 경계하고, 하드웨어 기계, 반도체, 의학, 환경 등 "실물 지식"과 "AI 프롬프트/프레임워크 역량"을 결합하는 복수 전공/마이크로 디그리 전략을 취해야 합니다.
결론 도출에 사용된 분석 프레임워크
특정 전공(회계 등)의 기존 업무 중 정형화 가능한 태스크가 60%를 초과할 경우, 해당 산업의 총 고용 인원(N)은 감소합니다. 하지만 N이 감소하더라도 복합 검증 업무의 부가가치(V)가 상승하면, 남은 N'의 1인당 임금(W)은 역으로 상승하는 모델을 적용. (Assumption: 규제 및 법적 승인 권한은 인간에게 남는다는 전제)
AI가 지식을 요약·생성하는 것을 넘어, 학생 스스로가 '원리 도출'을 포기하고 AI에 사고를 위탁하는 현상을 평가. 역설적으로 인지적 외주화를 거부하고 하드코어한 물리적 기초학문(수학, 열역학, 회로 등)을 고집한 인재가 최종 프레임워크 설계자로 등극하는 구조적 모델 적용.
향후 3~5년 전공 가치 변화의 3가지 전개 경로
진로 결정 대안별 비교 분석
| 진학 전략 | 기회 (수익) | 리스크 (위험 요인) | 대응 전략 |
|---|---|---|---|
| 도메인(반도체/의료) 전공 진입 | 물리적/규제적 장벽으로 안정적 초임 보장 (12~18% 프리미엄) | 높은 진입 경쟁률, 적성 불일치 시 중도 포기율 높음 | 기초 과학(수학/물리) 학업 역량 최우선 집중 |
| 순수 SW/AI 전공 올인 | 단기적 유망 직종 취업 용이 | AI 코딩 자동화로 하위 50% 대체 가능성 매우 큼 | 반드시 타 산업분야 복수전공 필수 이수 |
| 기피 전공(어문/회계) 역발상 | 경쟁률 완화, 소수 복합 기획자로 성장 시 임금 15% 추가 상승 | 전체 고용 파이 축소로 상위 10% 안에 들지 못하면 심각한 실업 | AI 리터러시, 프롬프트 엔지니어링 개인 훈련 병행 |
독자(학생/학부모/개인) 관점에서의 시기별 행동 지침
- 코딩 학원 맹신 금지: SW 기술 습득보다 '자연과학(물/화/생), 경제학 등 원론적 구조를 이해하는 기초 학문' 성적 확보에 주력.
- 실물 산업(제조, 에너지, 바이오, 반도체) 동향 파악 및 흥미 매칭.
- '주전공(물리/기계/신소재/생명) + 부전공(AI 데이터 분석)' 구조를 지향하는 대학/학과 우선 지원.
- 어문/상경 지원 시, 학교 내 융합 교육 커리큘럼(디지털 인문학 등) 존재 여부 필수 확인.
- 본전공의 심화 도메인(현장에서만 발생하는 제약 사항, 규제, 물리적 한계점)을 습득하고, 이를 AI API(오픈소스 등)를 활용해 효율화하는 개별 프로젝트(포트폴리오) 구성.
글로벌 유사 교육/진로 개편 트렌드
유사 사례 비교: (노동시장 분석가 심층조사 참조) 일본은 AI 시대 융합 인재 양성을 위해 단순 기술 교육이 아닌 지역 사회의 실물 문제(인구, 환경, 비즈니스)를 직접 해결하는 '지역창조학과' 등 실증 기반 전공을 강화하고 있습니다.
구조적 차이: 한국은 수도권 대학 및 SW/반도체 학과 쏠림이 강한 반면, 일본은 '문제 해결의 현장(도메인)' 중심으로 전공을 재편하고 있습니다.
재현 가능성: 한국의 학생들도 단순 책상머리 AI 지식이 아닌, 지역/산업계 난제를 해결하는 캡스톤 디자인 위주의 대학 전공을 선택해야 생존 확률이 높습니다.
사용자 질문: "AI 시대에 따른 고등학생들의 대학 전공 선택 변화와 유망/기피 전공 분석에 입각한 생존 전략은?"
본전공은 반도체, 물리, 기계, 바이오, 의학 등 "현실 세계의 규제와 물리적 제약"이 강력한 도메인을 선택하십시오. 그리고 부전공이나 개인 학습으로 AI 프레임워크(소프트웨어/데이터)를 결합하는 'T자형 도메인 특화 융합 인재'로 진로를 기획하십시오.
타 산업에 대한 이해 없이 순수하게 소프트웨어(SW)/코딩 학과로만 올인하는 것을 절대 피하십시오. 또한 남들이 기피한다고 해서 어문/회계/경영을 무조건 포기할 필요는 없으나, 해당 전공 진학 시 전통적 스펙(자격증 등)만 쌓고 AI 융합 능력을 키우지 않는 것은 자살 행위입니다.
패널 토론의 결정적 인식 전환(Critical Shift)에 따르면, 정형화된 지식(번역, 단순 재무제표, 코딩 등)은 AI의 '인지적 외주화'로 가장 빠르게 대체됩니다. 반면 3nm 노광 공정의 수율 관리나 생명공학의 임상 시험 같은 분야는 AI가 혼자 발명할 수 없는 '인간 전문가의 도메인 결합'이 필수적이므로 초과 수요가 지속됩니다.
비합의 영역: 기피 전공(어문/회계) 진학자 중 AI 융합 기획 역량을 갖춘 극소수는 희소성으로 인해 엄청난 임금 프리미엄(15% 이상)을 누릴 수 있습니다. 다만, 전체 고용 파이가 줄어드는 시장이므로 최상위 엘리트 경쟁을 이겨낼 자신이 없다면 조건부로 회피하는 것이 맞습니다.
※ 안내
본 콘텐츠는 Rebalabs의 AI 멀티 에이전트 시스템 AMEET을 통해 생성된 자료입니다.
본 콘텐츠는 정보 제공 및 참고 목적으로만 활용되어야 하며, Rebalabs 또는 관계사의 공식 입장, 견해, 보증을 의미하지 않습니다.
AI 특성상 사실과 다르거나 부정확한 내용이 포함될 수 있으며, 최신 정보와 차이가 있을 수 있습니다.
본 콘텐츠를 기반으로 한 판단, 의사결정, 법적·재무적·의학적 조치는 전적으로 이용자의 책임 하에 이루어져야 합니다.
Rebalabs는 본 콘텐츠의 활용으로 발생할 수 있는 직·간접적인 손해, 불이익, 결과에 대해 법적 책임을 지지 않습니다.
이용자는 위 내용을 충분히 이해한 뒤, 본 콘텐츠를 참고 용도로만 활용해 주시기 바랍니다.
※ 안내
본 콘텐츠는 Rebalabs의 AI 멀티 에이전트 시스템 AMEET을 통해 생성된 자료입니다.
본 콘텐츠는 정보 제공 및 참고 목적으로만 활용되어야 하며, Rebalabs 또는 관계사의 공식 입장, 견해, 보증을 의미하지 않습니다.
AI 특성상 사실과 다르거나 부정확한 내용이 포함될 수 있으며, 최신 정보와 차이가 있을 수 있습니다.
본 콘텐츠를 기반으로 한 판단, 의사결정, 법적·재무적·의학적 조치는 전적으로 이용자의 책임 하에 이루어져야 합니다.
Rebalabs는 본 콘텐츠의 활용으로 발생할 수 있는 직·간접적인 손해, 불이익, 결과에 대해 법적 책임을 지지 않습니다.
이용자는 위 내용을 충분히 이해한 뒤, 본 콘텐츠를 참고 용도로만 활용해 주시기 바랍니다.
심층리서치 자료 (39건)
※ 안내
본 콘텐츠는 Rebalabs의 AI 멀티 에이전트 시스템 AMEET을 통해 생성된 자료입니다.
본 콘텐츠는 정보 제공 및 참고 목적으로만 활용되어야 하며, Rebalabs 또는 관계사의 공식 입장, 견해, 보증을 의미하지 않습니다.
AI 특성상 사실과 다르거나 부정확한 내용이 포함될 수 있으며, 최신 정보와 차이가 있을 수 있습니다.
본 콘텐츠를 기반으로 한 판단, 의사결정, 법적·재무적·의학적 조치는 전적으로 이용자의 책임 하에 이루어져야 합니다.
Rebalabs는 본 콘텐츠의 활용으로 발생할 수 있는 직·간접적인 손해, 불이익, 결과에 대해 법적 책임을 지지 않습니다.
이용자는 위 내용을 충분히 이해한 뒤, 본 콘텐츠를 참고 용도로만 활용해 주시기 바랍니다.