과학기술인력 및 일반 인력수급전망의 개념, 목적, 방법론과 국가별 활용 사례 및 중요성 doc_id PCY_201504010516497411_6

과학기술인력 수급전망은 1983년 이상수의 연구에서부터 시작되었다. 이후, 2001년 1월에 제정된 「과학기술기본법」을 기반으로 법적 근거가 마련되었으며, 2002년 과학기술부가 중심이 되어 시범연구를 수행하였다. 이에, 본 연구에서는 격적으로 중장기인력 수급전망 연구가 수행된 2005년과 2009년도 연구를 중심으로 수급전망 방법론과 결과를 검토해보고자 한다. 과학기술인력 수급전망도 기본적으로는 잠재성장률과 경제활동참가율 등 앞서 설명한 총량수급전망과 동일한 방법론을 사용하지만 분석하고자 하는 과학기술인력의 범위에 대한 고려가 추가로 요구된다. 90년대 중반 이후 과학기술인력 수급전망을 위한 연구들을 통해 수급전망의 대상이 되는 과학기술인력의 범위를 확정하는 데에는 상당한 합의가 이루어져 왔다. 이에 2005년 및 2009년도 연구에서는 그간 논의되었던 인력에 대한 정의를 기본으로 연구를 수행하였다. 과학기술인력의 수급 전망에 대한 정책적 수요는 기본적으로 다양한 학위수준과 전공별로 배출되는 인력의 공급이 어느 정도로 노동시장의 수요에 대응하고 있는지를 파악하는 것을 목적으로 한다(이기종 외, 2005). 과학기술인력 중장기 수급전망은 정부뿐만 아니라 대학, 기업 등 여러 경제 주체가 과학기술인력 양성과 확보 계획을 마련하고 정책 의사 결정을 하는데 매우 중요한 근거 자료로 활용되고 있다. 구체적으로 인력의 공급자 입장에서 대학 등 고등교육기관은 어떠한 전공 분야에서 어느 정도 학력 수준의 인력을 양성해야 하는지 그 규모를 예측하고 학과 신설 또는 통합 등 체계적인 인적자원 개발(human resource development) 계획을 수립한다. 수요자 입장에서 기업은 전망 결과를 바탕으로 기업에서 필요로 하는 인재를 어떻게 확보하고 활용해야 하는지 인적자원 관리 (human resource management) 방안을 마련하는 데 활용하고 있다. 정부 또한 국가가 전략적으로 양성해야 할 인력을 규정하고 다양한 정책 수단을 활용하여 중장기 양성 계획을 수립하고 그 효과를 점검하는데 매우 중요한 정책 도구로 수급전망 결과를 활용하고 있다. 최근에는 과학기술 분야를 전공하고자 하는 학생, 학부모 및 진로 교사 등 일반 대중도 진학 및 진로 가이드라인의 자료로 활용하고 있어 과학기술인력 중장기 수급전망이 가지는 중요성과 책임이 매우 크다고 할 수 있다. 인력수급전망은 사회 제도가 공급할 수 있는 인적자원의 기여량 및 능력과 노동력의 사회적 소요량을 비교하여 불균형이나 과부족을 예측하는 것이다. 수급상의 불균형은 경제성장을 제약할 수 있으며 수요에 비해 과다한 공급은 실업 또는 사회경제적 불평등의 원인이 된다. 이에 노동력의 소요량과 공급량의 예측을 통해 향후 발생할 수도 있는 제반 문제에 사전에 대비하기 위한 기준으로서 인력수급전망이 실시된다. 따라서 인력수급전망은 인력의 수요와 공급이 이루어지는 노동시장에서 개인 또는 사회의 투자 의사 결정에 수반되는 불확실성을 감소시키는데 의의가 있다. 즉 개인에게는 직업 선택과 진로 결정을 위한 정보를 제공하고, 정책 당국에게는 정책의 기준을 제공함으로서 불확실성을 감소시키는 역할을 한다. 인력수급전망이 제공하는 예상 정보는 아래와 같은 목적으로 활용된다. 첫째, 한 나라의 산업별·직업별 인력수요와 구조에 대한 예측은 부존자원의 사용을 극대화하기 위한 인력 및 경제정책의 중요한 지표를 제시함으로써 경제계획을 구현 가능한 범위에서 수립할 수 있게 도와준다. 또한 취업자의 유형과 사회적 취업 구조의 분석을 통하여 새로운 사회 구조에 적절히 적응할 수 있는 통찰력을 제공함으로서 장기 계획 수립에 유용하다. 둘째, 정부의 정책이나 프로그램의 효과에 대한 평가를 위해 활용된다. 국민경제생활에서 정부의 역할이 점차 증대해감에 따라 정부 지출 형태의 변화와 새로운 프로그램의 실시가 인력에 미치는 영향은 크다. 이와 같은 효과를 예측하기 위하여 정부 지출 수준과 정책 지출의 구성 변화가 노동시장에 미치게 되는 효과를 계산할 수 있는 실증 분석 체계가 요구되는데 인력수급전망이 이에 활용된다. 셋째, 교육·훈련 계획의 수립에 활용된다. 고용 기회를 가질 수 있는 양질의 인력을 양성하는 것은 국가 교육훈련제도의 가장 큰 목적으로, 교육이 갖는 외부성, 즉 개인에게 이익을 주는 이상으로 사회에 기여하는 이익은 교육 과정에 대한 정부 보조를 정당하게 한다. 책임 있는 계획기관이나 교육기관은 미래의 졸업생이 직면하게 될 사회적·직업적 기회를 파악해야 하는데 인력수급전망에 기초한 교육계획은 인력소요와 관련하여 교육 행위를 보다 효율적으로 만드는데 도움을 준다. 따라서 인력수급전망은 교육계획 특히 양성계획에 있어서 선결 요건이라 할 수 있다. 인력수급전망 연구는 여러 국가에서 각기 처한 현황에 따라 요구되는 목적을 달성하기 위해 다양한 방식으로 수행되어 왔다. 연구의 목적도 국가별로 차이가 존재하겠지만 크게는 다음 두 가지 유형으로 분류된다. 하나는 개도국 유형으로 경제개발에 필요한 인력의 원활한 수급을 목적으로 하며 “manpower planning”이라 불리기도 한다, 우리나라도 1960~80년대 경제개발 5개년 계획을 수립할 때 이를 뒷받침할 수 있는 인력 수급계획을 동시에 수립하였는데, 필요인력의 적시공급을 통해 성공적인 경제발전을 이룩하는데 크게 기여한 것으로 평가된다. 이처럼 경제개발계획을 수립하여 발전을 꾀하는 개도국의 입장에서는 인력전망을 토대로 필요인력에 대한 수급계획이 동시에 마련되어야 하므로 인력수급전망 연구는 실질적으로 인력정책 차원보다는 산업정책의 일환으로 수행되었다. 다른 하나는 선진국 유형으로 노동시장의 다양한 정보를 제공하는 것을 목적으로 한다. 정책 입안자에서부터 학생, 학부모, 근로자들에게 이르기까지 모든 국민들이 정책 수립, 진로 선택, 직장 이동 등의 다양한 경제 활동을 하는데 기초자료를 제공하고 있다. 현재 인력수급전망 연구를 적극적으로 수행하고 있는 주요국들은 대부분 선진국 유형의 시장정보 제공을 목적으로 연구가 이루어지고 있다. 선진국 유형의 인력수급연구는 해당 국가의 특성을 반영하여 노동시장을 고려한 수요중시형과 노동-교육시장을 상호 고려한 수급중시형으로 분류된다. 노동시장을 고려한 수요중시형은 주로 미국, 영국, 독일, 일본, 프랑스 등에서 활발하며, 노동-교육시장으로 고려한 수급중시형은 캐나다, 네덜란드 등에서 주로 활용되고 있다. 수요를 중시하는 국가들은 노동시장이 경쟁 상태에 있어 시장에 정보가 제공되면 시장참여자들이 해당 정보를 자연스럽게 교육시장에 반영함으로써 균형 상태에 도달할 수 있음을 강조한다. 그러나, 다른 한편으로는 교육 부문이 분권화되어 중앙정부의 정책 영역 밖에 존재함에 따라 자연스럽게 노동시장에 초점을 맞출 수밖에 없는 측면도 있다. 반면, 수급중시형을 활용하는 국가들은 수요중시형을 활용하는 국가들처럼 시장체계는 경쟁 상태에 있으나 상대적으로 인구 규모가 작아 효율적인 교육 정책을 수행할 수 있다는 장점을 보유하고 있다. 전술한 두 가지 방법은 어느 한 쪽이 우수하다고 볼 수는 없고, 해당 국가가 처한 환경에 따라 적절한 방법을 활용하는 것이 최선임을 보여주고 있다. 최근에 이용되는 인력수급예측의 방법은 정교한 계량경제학 모형을 사용하여 장래의 숙련 수요를 예측하는데 초점을 맞추고 있는 추세이며, 이를 통하여 정책 당국 자들에게 예상되는 교육 및 노동시장의 환경에 대한 정보를 제공하는 것을 주된 목적으로 한다. 인력수급예측의 주된 방법은 계량경제학 모형이지만, 실제로는 다양한 방법들이 병행된다. 예를 들면, 기업체들을 대상으로 하는 설문조사 방법, 숙련에 대한 회계 감사 방법, 전문가들을 대상으로 하는 델파이(delphi) 방법, 사례연구, 특정 그룹에 초점을 맞추는 방법 등이 적지 않게 활용되고 있다(Tessaring, 1998; Wilson, 2001). 현재 인력수급예측을 비교적 체계적으로 실행하고 활용하는 국가들로는 미국, 영국, 독일 그리고 네덜란드 등이 있다. 이들은 거시계량경제 모형을 이용하여 인력수급예측을 하는 등 여러 가지 측면에서 유사하나, 세부적으로는 적지 않은 차이를 보인다. 주요 선진국들이 실시하고 있는 인력수급예측을 비교해 보면, 대부분 국가들에서 이용되는 모형은 5년 내지 10년을 예측 기간으로 하고 있다.