AI 시대 노동시장 대전환, 한국과 국제노동기구 협력이 중요한 이유
AI 경쟁의 다음 단계는 노동시장이다
2026년 AI 경쟁은 기술 개발만의 문제가 아닙니다. 이제 중요한 질문은 “누가 더 좋은 AI를 만드는가”에서 “AI가 바꾸는 일자리와 노동권을 어떻게 관리할 것인가”로 이동하고 있습니다.
한국 고용노동부 장관이 국제노동기구, 즉 ILO 사무총장과 만나 사람 중심 AI 전환을 논의한 배경도 여기에 있습니다. AI는 기업 생산성을 높이고 산업 경쟁력을 강화할 수 있지만, 동시에 일자리 대체, 직무 변화, 임금 격차, 플랫폼 노동, 알고리즘 관리 같은 새로운 노동 문제를 만들 수 있습니다.
사람 중심 AI 전환의 핵심은 AI를 막자는 것이 아니라, AI가 사람의 일과 권리를 무너뜨리지 않도록 제도와 교육, 고용서비스를 함께 설계하자는 것입니다.
핵심 내용 한눈에 보기
| 구분 | 주요 내용 | 경제적 의미 |
| 협력 주체 | 한국 고용노동부, 국제노동기구 ILO | AI 시대 국제 노동규범 논의 확대 |
| 핵심 의제 | 사람 중심 AI 전환 | 기술혁신과 노동권 보호의 균형 |
| 한국의 강점 | 제조·ICT 기반, 디지털 행정 경험 | AI 활용형 노동정책 모델 가능 |
| 정책 방향 | 모든 일하는 사람의 노동권 보장 | 포용적 노동시장 구축 |
| 협력 분야 | 글로벌 AI 허브, 고용서비스 혁신, 국제협력 | 한국형 AI 고용정책 확산 |
| 주요 사례 | AI 기반 고용노동 행정, AI 면접 등 디지털 고용서비스 | 개발도상국 적용 가능성 |
| 장기 과제 | 양질의 일자리, 직무 전환, AI 윤리, 노동권 보호 | AI 경제의 지속가능성 확보 |
이 협력은 단순한 국제회의가 아닙니다. AI 기술을 산업에 적용하는 국가와 노동기준을 다루는 국제기구가 만난 것입니다. 이는 앞으로 AI 산업정책과 노동정책이 따로 움직일 수 없다는 신호입니다.
국제노동기구 ILO는 왜 중요한가
ILO는 International Labour Organization의 약자로, 국제노동기구를 뜻합니다. 노동자의 권리, 고용, 사회보장, 산업안전, 양질의 일자리 등에 관한 국제 기준을 논의하는 대표적인 국제기구입니다.
| 용어 | 쉬운 설명 |
| ILO | 노동권과 고용 기준을 다루는 국제기구 |
| 국제노동기준 | 각국이 참고하는 노동권·근로조건 관련 국제 규범 |
| 양질의 일자리 | 임금, 안정성, 안전, 권리가 보장되는 일자리 |
| 사람 중심 AI | 기술보다 사람의 권리와 고용 안정을 중심에 두는 AI 전환 |
| 노동시장 전환 | 기술 변화로 직무와 고용 구조가 바뀌는 과정 |
AI가 노동시장에 미치는 영향은 한 나라만의 문제가 아닙니다. 글로벌 기업은 여러 국가에서 AI를 도입하고, 플랫폼 노동은 국경을 넘나들며, 데이터 기반 인사관리 시스템도 빠르게 확산되고 있습니다.
AI 시대 노동규범은 국내법만으로 해결하기 어렵기 때문에 국제적 논의가 중요해지고 있습니다.
사람 중심 AI 전환이란 무엇인가
사람 중심 AI 전환은 AI 도입의 기준을 단순한 효율성이나 비용 절감에만 두지 않는 접근입니다. 기업 생산성을 높이되, 노동자의 권리와 인간다운 일의 조건을 함께 지키자는 개념입니다.
| 기존 AI 도입 관점 | 사람 중심 AI 전환 관점 |
| 비용 절감 중심 | 생산성과 노동권 균형 |
| 자동화 속도 중시 | 직무 전환과 재교육 병행 |
| 알고리즘 판단 확대 | 투명성과 설명 책임 강화 |
| 기업 효율성 우선 | 근로자 참여와 보호 강화 |
| 대체 가능한 업무 제거 | 사람의 역량 보완 |
| 기술 도입 후 대응 | 도입 전 영향 평가 |
예를 들어 AI 면접을 도입할 때 단순히 채용 비용을 줄이는 것만 보면 안 됩니다. 평가 기준이 공정한지, 특정 성별·연령·지역·학력에 불리하지 않은지, 지원자가 결과를 이해할 수 있는지 검토해야 합니다.
사람 중심 AI는 기술을 쓰지 말자는 말이 아니라, AI가 사람을 평가하고 관리할 때 공정성과 책임을 갖추자는 원칙입니다.
AI가 노동시장에 만드는 변화
AI는 일자리 전체를 한 번에 없애기보다 직무의 일부를 먼저 바꿉니다. 반복적이고 예측 가능한 업무는 자동화되고, 사람은 판단·조정·창의·관계 중심 업무로 이동할 가능성이 큽니다.
| 변화 영역 | 예시 | 필요한 대응 |
| 반복 업무 자동화 | 문서 작성, 데이터 입력, 기초 상담 | 재교육과 직무 전환 |
| 채용 자동화 | AI 면접, 이력서 선별 | 알고리즘 공정성 검증 |
| 성과관리 변화 | 업무 데이터 기반 평가 | 평가 기준 투명화 |
| 플랫폼 노동 확대 | 배달, 프리랜서, 원격업무 | 노동권 보호 범위 확대 |
| 직무 재설계 | AI 보조 업무 증가 | 현장 참여형 전환 |
| 임금 격차 | AI 활용 가능 인력의 임금 프리미엄 | 교육 접근성 확대 |
| 산업 전환 | 제조·금융·서비스 자동화 | 전직 지원과 고용서비스 강화 |
AI는 생산성을 높일 수 있지만, 준비되지 않은 노동자에게는 불안 요인이 됩니다. 그래서 정부의 역할은 AI 도입을 막는 것이 아니라, 근로자가 변화에 적응할 수 있도록 교육·전직·고용서비스를 강화하는 것입니다.
AI 전환의 성패는 기술 수준보다 사람을 얼마나 빠르게 재교육하고 보호하느냐에 달려 있습니다.
한국이 ILO와 협력할 수 있는 강점
한국은 제조업, 정보통신기술, 디지털 행정, 고용서비스 인프라를 동시에 갖춘 국가입니다. 이 조합은 AI 노동정책을 실험하고 국제사회에 공유할 수 있는 기반이 됩니다.
| 한국의 강점 | AI 노동정책과의 연결 |
| 제조업 기반 | 스마트공장, 로봇, 산업 AI 적용 |
| ICT 인프라 | 디지털 고용서비스와 데이터 행정 |
| 반도체 경쟁력 | AI 인프라 산업과 연결 |
| 공공 고용서비스 | 구직자 매칭, 직업훈련, 전직 지원 |
| 교육열과 직무훈련 경험 | AI 재교육 확산 가능 |
| 플랫폼 산업 성장 | 새로운 노동형태 관리 경험 |
| 디지털 정부 경험 | 개발도상국 정책 모델로 확산 가능 |
ILO 사무총장이 한국의 AI 기반 고용노동 행정 모델을 개발도상국에도 적용 가능한 우수 사례로 언급한 배경도 여기에 있습니다. 한국은 AI를 실제 행정 서비스에 적용하고, 고용센터에서 디지털 기반 고용서비스를 운영하는 경험을 축적하고 있습니다.
한국의 역할은 AI 기술만 수출하는 것이 아니라, AI 시대의 고용정책 운영 모델까지 함께 제시하는 데 있습니다.
AI 기반 고용서비스가 바꾸는 구직시장
AI를 고용서비스에 활용하면 구직자와 기업을 더 빠르게 연결할 수 있습니다. 하지만 동시에 공정성 문제가 중요해집니다.
| AI 고용서비스 기능 | 기대 효과 | 주의점 |
| 일자리 추천 | 구직자 역량과 채용공고 매칭 | 편향된 추천 방지 |
| 직업훈련 추천 | 필요한 교육과정 제안 | 실제 취업 연계 확인 |
| AI 면접 | 채용 절차 효율화 | 평가 기준 투명성 |
| 경력진단 | 전직 가능 직무 제안 | 개인 데이터 보호 |
| 취업상담 보조 | 상담 품질 개선 | 사람 상담의 보완 역할 |
| 기업 인재 추천 | 채용 시간 단축 | 차별적 선별 방지 |
AI 고용서비스는 효율적입니다. 하지만 AI가 사람의 취업 기회를 좌우할 경우, 왜 특정 일자리를 추천했는지, 왜 탈락했는지, 어떤 데이터가 사용되었는지 설명할 수 있어야 합니다.
AI 고용서비스의 핵심은 빠른 매칭이 아니라 공정하고 설명 가능한 매칭입니다.
AI 면접과 알고리즘 채용의 쟁점
AI 면접은 기업의 채용 효율을 높일 수 있습니다. 그러나 평가 기준이 불투명하면 구직자는 불공정하다고 느낄 수 있습니다.
| 쟁점 | 설명 |
| 평가 기준 | 어떤 요소로 점수를 매기는지 명확해야 함 |
| 편향성 | 성별, 연령, 출신 지역, 장애 여부 등에 불리하지 않아야 함 |
| 개인정보 | 영상, 음성, 표정, 답변 데이터 보호 필요 |
| 설명 가능성 | 탈락 또는 추천 이유를 설명할 수 있어야 함 |
| 이의제기 | 구직자가 오류를 바로잡을 절차 필요 |
| 사람의 개입 | AI 판단만으로 결정하지 않는 안전장치 필요 |
알고리즘은 사람이 만든 데이터로 학습합니다. 과거 채용 데이터에 편향이 있으면 AI도 그 편향을 반복할 수 있습니다. 따라서 AI 채용은 기술 문제가 아니라 노동권과 인권의 문제이기도 합니다.
AI 면접이 공정하려면 AI가 똑똑해야 하는 것보다 평가 기준이 투명해야 합니다.
기업에는 어떤 의미가 있나
기업 입장에서 사람 중심 AI 전환은 단기적으로 부담처럼 보일 수 있습니다. AI 도입 시 노동자 교육, 개인정보 보호, 알고리즘 검증, 노사 협의가 필요하기 때문입니다. 하지만 장기적으로는 신뢰와 생산성을 동시에 높이는 전략이 될 수 있습니다.
| 기업 영향 | 긍정 효과 | 리스크 |
| 생산성 향상 | 반복 업무 자동화, 의사결정 속도 개선 | 무리한 자동화로 조직 반발 |
| 인재 확보 | AI 활용 인재 채용과 재교육 | 교육비 부담 |
| 채용 효율화 | AI 면접·매칭 도구 활용 | 공정성 논란 |
| 노사관계 | 기술 도입 과정에서 협의 가능 | 일자리 대체 갈등 |
| ESG 경영 | 노동권·인권 중심 AI 도입 | 형식적 대응 시 평판 리스크 |
| 글로벌 진출 | 국제 기준에 맞는 AI 운영 | 규제 미준수 위험 |
ESG는 환경, 사회, 지배구조를 뜻합니다. AI 노동정책은 ESG 중 사회 영역과 밀접합니다. 기업이 AI를 도입하면서 노동권을 침해하거나 차별 논란을 만들면 브랜드 신뢰와 투자자 평가에 악영향을 줄 수 있습니다.
기업의 AI 경쟁력은 기술 도입 속도뿐 아니라 사람과 조직을 설득하며 전환하는 능력에서 갈립니다.
국내 산업에 미치는 영향
사람 중심 AI 전환은 여러 산업에 영향을 미칩니다.
| 산업 | 기회 | 리스크 |
| AI 솔루션 | 공정성·설명가능성 기능 수요 증가 | 규제 대응 비용 |
| HR테크 | AI 채용·인재관리 서비스 확대 | 차별 논란 |
| 직업훈련 | AI 재교육 시장 성장 | 교육 품질 격차 |
| 제조업 | 산업 AI와 스마트공장 확대 | 현장 노동자 전환 부담 |
| 금융 | AI 심사·상담·리스크 관리 | 알고리즘 책임 문제 |
| 플랫폼 | 배차·평가·보상 알고리즘 고도화 | 플랫폼 노동권 논란 |
| 클라우드 | AI 고용서비스 인프라 수요 | 보안·데이터 리스크 |
| 컨설팅 | AI 거버넌스·윤리 자문 수요 | 실효성 검증 필요 |
관련 기업군으로는 AI 소프트웨어 기업, HR테크 기업, 클라우드 기업, SI 기업, 직업교육 플랫폼, 기업교육 업체, 데이터 보안 기업 등이 있습니다. 다만 특정 기업의 실적 개선은 실제 고객 확보와 규제 대응 역량에 따라 달라집니다.
AI 전환이 확산될수록 ‘AI를 만드는 기업’뿐 아니라 ‘AI를 안전하게 쓰게 해주는 기업’의 가치도 커질 수 있습니다.
노동권 보장과 생산성 향상은 충돌할까
많은 기업은 노동권 보호가 생산성을 떨어뜨린다고 생각할 수 있습니다. 하지만 장기적으로는 반대일 수 있습니다. AI 도입 과정에서 노동자가 배제되면 저항이 커지고, 현장 적용률이 낮아집니다.
| 접근 방식 | 단기 효과 | 장기 결과 |
| 일방적 AI 도입 | 빠른 자동화 가능 | 현장 반발, 신뢰 하락 |
| 사람 중심 AI 도입 | 초기 협의 비용 발생 | 안정적 정착, 생산성 개선 |
| 노동자 배제 | 비용 절감 기대 | 숙련 손실, 갈등 증가 |
| 노동자 참여 | 현장 지식 반영 | 실효성 높은 자동화 |
| 재교육 병행 | 교육비 발생 | 직무 전환과 고용 안정 |
AI 도입에 가장 필요한 데이터는 현장에 있습니다. 제조 공정, 고객 상담, 물류 운영, 의료 현장, 금융 심사에는 노동자가 축적한 경험이 있습니다. 노동자를 단순 대체 대상으로 보면 이 지식이 사라질 수 있습니다.
사람 중심 AI 전환은 노동권 보호만이 아니라 AI 도입 성공률을 높이는 경영 전략입니다.
글로벌 AI 허브와 한국의 역할
한국이 지원하고 여러 국제기구가 함께하는 글로벌 AI 허브는 AI 전환 경험을 국제사회와 공유하는 플랫폼으로 볼 수 있습니다. 여기서 ILO와의 협력은 노동시장 관점에서 중요합니다.
| 글로벌 AI 허브의 역할 | 의미 |
| 정책 경험 공유 | 한국의 AI 고용행정 모델 전파 |
| 개발도상국 지원 | AI 기반 고용서비스 적용 가능 |
| 국제기구 협력 | 노동권·윤리·기술 기준 논의 |
| 인재 양성 | AI 전환 교육 모델 확산 |
| 표준 논의 | 사람 중심 AI 원칙 정립 |
| 산업협력 | AI 솔루션과 고용서비스 수출 가능성 |
한국이 글로벌 AI 허브를 통해 고용서비스, 직업훈련, AI 행정 모델을 공유한다면 단순한 원조를 넘어 정책수출과 산업협력으로 확장될 수 있습니다.
AI 시대의 국가 경쟁력은 기술 제품 수출뿐 아니라 제도와 운영모델 수출에서도 나올 수 있습니다.
국제 기준이 기업에 미치는 영향
ILO와 같은 국제기구에서 AI와 노동권 논의가 본격화되면 기업에도 영향을 줍니다. 글로벌 공급망에 속한 기업은 국제 기준을 무시하기 어렵습니다.
| 국제 논의 주제 | 기업에 미치는 영향 |
| 알고리즘 관리 | AI 인사평가 기준 공개 요구 가능 |
| 플랫폼 노동 | 배달·운송·프리랜서 보호 논의 확대 |
| 직무 전환 | 재교육과 전직 지원 필요성 증가 |
| 노동자 참여 | AI 도입 시 협의 절차 중요 |
| 차별 방지 | AI 채용·평가의 공정성 검증 필요 |
| 데이터 보호 | 근로자 개인정보 관리 강화 |
| 산업안전 | 자동화 작업장 안전 기준 강화 |
특히 수출기업은 ESG 평가와 글로벌 공급망 기준의 영향을 받습니다. AI를 활용한 인사관리나 생산관리 시스템이 노동권 침해 논란을 만들면 해외 고객사와 투자자에게도 문제가 될 수 있습니다.
AI 노동 기준은 앞으로 기업의 글로벌 경쟁력과도 연결될 가능성이 큽니다.
수요·공급·가격·기술 준비도로 보는 시장 변화
| 관점 | 긍정 요인 | 확인할 리스크 |
| 수요 | 기업의 AI 도입과 고용서비스 혁신 수요 확대 | 노동권 논란 시 도입 지연 |
| 공급 | 한국의 ICT·제조·행정 경험 활용 가능 | AI 윤리·규제 전문인력 부족 |
| 가격 | AI 재교육·HR테크·컨설팅 시장 성장 | 기업 비용 부담 |
| 기술 준비도 | AI 면접, 일자리 매칭, 직무훈련 추천 기술 발전 | 편향·개인정보 문제 |
사람 중심 AI 전환은 새로운 시장도 만듭니다. AI 공정성 검증, 알고리즘 감사, AI 윤리 컨설팅, 직무전환 교육, HR 데이터 보안 같은 분야가 성장할 수 있습니다.
AI 시대에는 기술을 도입하는 시장과 기술을 통제하고 신뢰하게 만드는 시장이 함께 커집니다.
투자자와 경제인이 봐야 할 체크포인트
| 체크포인트 | 확인 이유 |
| AI 고용서비스 확산 속도 | 공공·민간 HR테크 시장 성장성 |
| AI 채용 규제 방향 | 관련 기업 리스크 |
| 직업훈련 예산 | 교육 플랫폼과 훈련기관 수요 |
| 기업 재교육 투자 | 생산성 향상과 비용 구조 |
| 플랫폼 노동 정책 | 배달·모빌리티 기업 영향 |
| 알고리즘 공정성 기준 | AI 솔루션 기업의 경쟁력 |
| 개인정보 규제 | 데이터 기반 서비스 리스크 |
| 글로벌 AI 허브 운영 | 정책수출과 국제협력 가능성 |
| ILO 논의 방향 | 국제 노동기준 변화 |
| 노사관계 변화 | AI 도입 속도와 산업 안정성 |
투자자는 AI를 단순 성장 테마로만 보면 안 됩니다. AI 규제, 노동권, 개인정보, 알고리즘 투명성은 기업 가치에 직접 영향을 줄 수 있습니다.
개인에게 필요한 대응 전략
AI 시대의 근로자는 기술 변화에 수동적으로 밀려나기보다 자신의 직무를 재설계해야 합니다.
| 개인 역량 | 준비 방향 |
| AI 활용 능력 | 문서, 분석, 기획, 자동화 도구 사용 |
| 데이터 이해 | 숫자와 결과를 해석하는 힘 |
| 직무 전문성 | AI 결과를 검증할 기준 |
| 협업 능력 | 기술팀과 현업 간 소통 |
| 법·윤리 감각 | 개인정보, 저작권, 차별 이슈 이해 |
| 전직 준비 | 변화하는 산업의 직무 탐색 |
| 평생학습 | 단기 교육보다 지속적 업데이트 |
AI가 내 일을 대체할까를 걱정하는 것보다, 내 업무에서 AI가 대신할 부분과 내가 더 잘해야 할 부분을 나눠보는 것이 중요합니다.
AI 시대에 강한 인재는 AI와 경쟁하는 사람이 아니라 AI를 감독하고 활용하는 사람입니다.
정책 성공을 위한 조건
| 조건 | 설명 |
| 노동자 참여 | AI 도입 과정에 현장 의견 반영 |
| 재교육 강화 | 대체 가능 업무 종사자의 직무 전환 지원 |
| 공정성 검증 | AI 채용·평가의 편향 점검 |
| 개인정보 보호 | 근로자 데이터 활용 기준 명확화 |
| 설명 가능성 | AI 판단 이유를 이해할 수 있어야 함 |
| 국제협력 | ILO 등과 공동 기준 논의 |
| 중소기업 지원 | 비용 부담이 큰 기업의 전환 지원 |
| 플랫폼 노동 보호 | 새로운 노동형태에 맞는 제도 설계 |
| 고용서비스 혁신 | AI 기반 일자리 매칭 고도화 |
| 지속적 모니터링 | 기술 변화에 맞춘 제도 업데이트 |
사람 중심 AI 전환은 선언만으로 완성되지 않습니다. 실제 현장에서 노동자, 기업, 정부가 함께 작동할 수 있는 제도와 도구가 필요합니다.
향후 전망
한-ILO 협력 강화는 한국의 AI 노동정책이 국제 논의의 장으로 확장되는 계기가 될 수 있습니다. 한국은 제조·ICT·고용서비스 경험을 바탕으로 AI 시대 노동전환 모델을 제시할 수 있습니다.
앞으로는 AI 채용, 플랫폼 노동, 알고리즘 평가, 직무 전환, 재교육, 고용서비스 자동화에 대한 정책 논의가 더 활발해질 가능성이 큽니다. 기업은 AI 도입 속도뿐 아니라 노동권 보호와 투명성을 함께 관리해야 합니다.
장기적으로 사람 중심 AI 전환은 한국 경제에 두 가지 기회를 줍니다. 하나는 AI를 활용한 생산성 향상이고, 다른 하나는 AI 노동정책 모델의 국제적 확산입니다.
AI 시대의 승자는 기술을 가장 빨리 도입한 나라가 아니라, 기술과 사람의 균형을 가장 잘 설계한 나라가 될 가능성이 큽니다.
결론: 사람 중심 AI는 노동정책이자 산업경쟁력 전략이다
한국과 국제노동기구의 사람 중심 AI 전환 협력은 AI 시대 노동시장 변화에 대응하기 위한 중요한 출발점입니다. AI는 기업 생산성을 높일 수 있지만, 일자리 불안과 노동권 침해 문제를 동반할 수 있습니다. 따라서 기술혁신과 노동권 보호를 함께 설계하는 것이 중요합니다.
핵심 요약은 다음과 같습니다.
- 한국과 ILO는 AI 전환과 국제노동기준 논의 속에서 사람 중심 AI 정책 협력을 강화하고 있습니다.
- 사람 중심 AI 전환은 AI 도입을 막는 것이 아니라, 기술혁신과 노동권 보호를 함께 설계하는 접근입니다.
- AI는 반복 업무 자동화, 채용 방식 변화, 직무 재설계, 플랫폼 노동 확대 등 노동시장 전반에 영향을 줍니다.
- 한국은 제조·ICT 기반과 디지털 고용행정 경험을 바탕으로 국제사회에 AI 노동정책 모델을 제시할 수 있습니다.
- 기업은 AI 도입 과정에서 생산성뿐 아니라 공정성, 개인정보, 설명 가능성, 노동자 참여를 함께 관리해야 합니다.
- 개인은 AI 활용 능력, 데이터 이해, 직무 전문성, 윤리 감각을 키워 AI와 협업하는 역량을 준비해야 합니다.
2026년 이후 중요한 질문은 이것입니다. AI 전환은 사람을 대체하는 방향으로 갈 것인가, 아니면 사람의 역량을 확장하고 더 나은 일자리를 만드는 방향으로 갈 것인가입니다.
여러분은 AI 시대 노동정책에서 가장 중요한 것이 재교육이라고 보시나요, 아니면 알고리즘 공정성과 노동권 보호라고 보시나요?
해시태그
#사람중심AI #AI전환 #국제노동기구 #ILO #고용노동부 #AI노동시장 #AI일자리 #노동권보장 #AI정책 #디지털전환 #AI고용서비스 #AI면접 #알고리즘공정성 #플랫폼노동 #직무전환 #리스킬링 #업스킬링 #AI윤리 #AI거버넌스 #HR테크 #고용서비스 #글로벌AI허브 #노동시장전망 #AI생산성 #경제정책 #노동정책 #디지털고용
#정리
'경제상식' 카테고리의 다른 글
| 유류세 인하 연장과 물가안정법 개정, 생활비 부담을 얼마나 낮출 수 있을까 (0) | 2026.05.26 |
|---|---|
| 농지 전수조사와 임차농 보호 대책, 농지는 누구를 위해 쓰여야 하나 (1) | 2026.05.26 |
| 홍콩 H지수 ELS 과징금 감경 논란, 금융위의 결정은? (0) | 2026.05.26 |
| 2026년 상반기 가계부채 동향 분석: 차주별 데이터로 보는 경제 현황 (0) | 2026.05.26 |
| 정부 ‘모두의 창업’ 프로젝트로 창업 지원 강화…6만 명 참여가 의미하는 것 (1) | 2026.05.26 |