국내 과학기술인력 수급전망의 방법론적 변천 과정과 현행 예측 모델의 한계 및 개선 과제 doc_id PCY_201504010516497411_7

국내 인력수급전망 연구는 1990년대를 기점으로 그 이전과 이후에 큰 차이가 존재한다. 1990년대 이전에는 개도국 유형의 인력수급전망 연구가 주를 이루었으나 1990년대 이후 들어서는 정보제공 중심의 선진국 유형의 인력수급전망 연구가 자리를 잡게 되었다. 1990년대 이후의 연구를 중심으로 연구 동향을 살펴보면, 일반적으로 거시적 측면에서 거시모형에 기초한 일반균형분석 방법과 미시적 측면에서 인력의 수요와 공급을 동시에 고려하는 부분균형분석 방법이 널리 사용되고 있다(이형만 외, 2002). 이 중 미시적 측면에 입각한 부분균형분석 방법은 관심이 있는 해당 산업의 성장 추세와 그 산업 내에서의 인력구조의 변화, 그리고 그 산업이 여타 산업에 미치는 파급효과 등을 고려하여 해당 산업의 취업자가 얼마나 증감하느냐를 전망함으로써 새로이 발생하는 인력수급의 규모를 예측하는 방법이다(이형만 외, 2002). 미시적 차원에서의 인력수급전망 연구는 고상원(2000), 권남훈 외(2001), 조황희 외 (2002a), 장창원 외(2004) 등에서 볼 수 있듯이 주로 연구개발인력, 과학기술인력, 6T 인력, IT 인력 등 성장산업을 주도할 전문인력을 대상으로 수행되었다. 우리나라 과학기술인력 수급전망의 역사는 과학기술연감이 처음 발행된 1961년부터 실시되었지만, 당시 집계 방법은 그리 체계적이지 못했다. 1990년대에 이르러서야 거시모형을 기초로 일반균형분석 방법을 이용한 인력수급 총량전망이 실시되었으며, 1995년에 미시적 차원에서 인력의 수요와 공급을 고려한 부분균형분석 방법으로 과학기술인력 수급전망이 이루어졌다. 이후 약 20년 동안 인력수급 전문가 그룹은 한국형 모형 구축을 위해 전망 방법론 개발과 적용에 상당한 노력을 기울였고 상당 부분 성과도 있었다. 하지만 여러 선행연구가 지적하고 있듯이, 그간의 전망 방법론은 기본적으로 미국 모형을 채택하고 이의 변형된 모형을 구축하면서 우리나라의 상황과는 다소 괴리가 있었다. 즉, 미국 노동통계국(BLS) 모형은 상당한 기간의 과거 데이터 축적과 다양한 가정을 전제로 하고 있으나 우리나라에 적용하였을 때, 짧은 수급전망 역사로 인해 정확한 예측을 위한 신뢰할 만한 과거 기초통계 부족 등 여러 미흡한 점이 고스란히 노출되었다. 현재 과학기술인력 중장기 수급전망은 한국고용정보원에서 실시하는 인적자원 총량전망 결과를 활용하여 과학기술인력의 비율을 추정하여 추출하는 방식을 취하고 있다. 전망 방법이 총량전망과 동일하므로 총량전망의 방법론이 지니고 있는 장점과 단점이 과학기술인력 수급전망에도 적용된다. 즉, 과학기술인력수급 전망은 별도의 독립적인 전망이 아닌 일종의 종속적 성격을 지닌 전망이므로 총량전망에서의 한계를 그대로 지니고 거기에 더하여 종속적 성격으로서의 한계도 존재한다. 먼저 총량전망 방법론의 한계를 살펴보면, 우리나라 인적자원 총량전망은 기본적으로 미국 BLS의 저량접근법을 통한 총노동수요와 총노동공급을 전망하고, 네덜란드 ROA의 유량접근법을 활용하여 신규인력 부문의 수급전망을 실시하는 모형을 적용하고 있다. 미국의 BLS 모형은 다른 전망 모형에 비해 모형 개발의 역사가 가장 오래되었으며 그간 문제점을 지속적으로 개선하여 여러 측면에서 가장 우수한 모형이라고 평가를 받고 있으나 우리나라 수급전망 환경에는 다소 부적합한 측면이 있다. 예컨대, BLS 모형은 상당한 기간의 축적된 데이터에 기반하는데 반해 우리나라의 수급전망 역사는 상대적으로 일천하여 수급전망에 필요한 기초통계 데이터가 절대적으로 부족하기 때문이다. 우리나라의 인력수급예측은 다양한 연구기관과 연구자들에 의해서 이루어져 왔는데, 최근의 연구는 미국 BLS의 전망 절차를 국내 현실에 맞게 응용한 전망 방법이 주로 사용되고 있다. 그러나 BLS 모형에 근거한 인력수급전망은 총노동공급과 총노동수요를 나타내는 총량수급전망에는 적절하지만, 정책 목적에 사용되는 수급차 전망을 실시할 수 없다는 한계점을 지니고 있다. 그동안 국내에서 수행된 주요 인력수급전망에서는 이와 같은 문제점을 개선하고 국내 실정에 적합한 수급전망을 실시하기 위해서 총노동수요와 총노동공급을 나타내는 총량부문의 수급전망에는 전통적인 미국 BLS의 저량접근법(stock approach)을 이용하는 한편, 수급차 전망과 관련된 신규인력 부문의 수급전망에는 네덜란드 ROA의 유량접근법(flow approach)을 주로 활용하였다. 다음으로 수요전망방법을 살펴보면, 수요전망은 한국직업능력개발원이 인적자원 총량전망에서 제시한 학력・직업별 인력에 대한 수요(취업자수) 전망치를 기초 데이터로 활용하여 그 중 과학기술인력에 해당하는 전망치를 도출하게 된다. 이때 위에서 정의한 과학기술인력에 대한 기준을 토대로 학위별, 직종별로 취업자수를 도출하고 이를 기반으로 학력・전공별 신규공급 전망치와 상응될 수 있도록 과학기술 관련직종의 취업자 수를 직종-전공 행렬을 이용하여 수요전망치로 전환한 후 연도별로 과학기술분야에 해당하는 취업자 수를 도출한다. 이를 토대로 성장수요와 대체수요 즉, 노동시장으로부터 퇴출이나 이직, 전직 등에 따라 발생하는 과학기술인력에 대한 대체수요를 구하여 신규수요를 구한다. 마지막으로 연도별 신규수요 전망값에서 신규공급 전망값을 제하면 인력 수급차 전망값이 도출되며 이를 더하여 10년치의 인력수급차를 도출하게 된다. 수요전망은 일반적으로 주어진 시점에서 필요한 전체 근로자의 수로 표현되는 저량(stock) 개념의 총수요가 제시되는 반면, 수급차 전망을 위해서는 일정기간 동안 추가로 요구되는 근로자의 수로 표현되는 유량(flow) 개념의 신규수요가 필요하다. 노동의 신규수요는 성장수요(growth demand)와 대체수요(replacement demand)로 크게 구분되며(즉, 신규수요 전망 = 성장수요 전망 + 대체수요 전망), 이 중 성장수요는 해당 산업 또는 직업의 발전에 따른 수요증대를 의미하는데, 단순히 기존 총인력수요 전망결과를 이용하여 금년도 취업자수에서 전년도 취업자수를 차감하는 방식으로 전망치를 도출한다. 반면, 대체수요는 타 직업으로의 이직 및 정년퇴직에 따른 감소분과 결혼, 입학, 입대 및 이민 등의 이유로 인해 노동시장을 떠나는, 즉 경제활동인구에서 벗어나는 감소분을 대체하는 수요이다. 한편, 수요전망 측면에서 보면, 총량 수준의 산업별 경제성장전망, 취업계수 전망 등은 생산되고 있으나, 표준직업분류 세세분류(5-digit) 자료가 부재할 뿐만 아니라 산업-직종 행렬, 직종-전공 행렬, 대체수요율 등은 시계열적으로 생산되고 있지 못하다. 직종-전공 행렬은 인구센서스를 활용하되 세부전공별로는 단기간 동안 축적된 직업능력개발원의 졸업자 직업이동경로조사 등의 비율을 활용하여 일괄 적용하고 있다. 수요전망에서 가장 자의적이고 오차를 크게 발생시킬 수 있는 대체수요율의 경우, 인력수급 전문가 및 관련 산업 전문가의 식견에 절대적으로 의존하며 대체로 전년도 정량 수요의 3% 이내에서 결정한다. 과학기술인력의 퇴직 등 노동시장 이탈, 비과학기술 직종으로의 전직 등 유출과 과학기술 직종으로의 진입 등의 유입을 파악할 수 있는 조사가 부재한 것이 가장 큰 원인이다. 한편, 각종 분류체계의 호환성 부족도 수요전망의 정확성을 저하시키는 원인 중 하나이다. 예를 들어, 현재 표준직업분류체계와 고용직업분류체계는 직업 세분류(4-digit)에서만 호환성을 유지하고 있어 직업 세세분류(5-digit)까지의 통계를 요구하는 수요를 충분히 충족시키지 못하고 있다.