[청년뉴스ON 17회] 데이터로 본 ‘청년이 떠나는 도시’의 공통점

데이터는 바꿔야 할 방향을 보여준다

사람은 익숙한 풍경에 무뎌진다. 빈 점포가 하나 생겨도 “경기가 안 좋으니까” 하고 지나치고, 청년 모임이 사라져도 “요즘 다 온라인으로 만나니까” 하고 넘긴다. 하지만 데이터는 작은 변화들을 한곳에 모아 보여준다. 청년 인구가 줄고, 일자리를 가진 청년 비율이 낮고, 직무 교육 기회가 부족하고, 생활 인프라가 약해지는 신호가 겹치면 그 지역은 청년에게 점점 더 어려운 도시가 된다.

AI 분석은 청년 감소와 함께 나타나는 조건들을 빠르게 찾아내고, 어떤 위험 신호가 겹치는지 살펴보는 데 도움을 줄 수 있다. 다만 원인과 정책의 우선순위는 현장 조사와 정책 판단을 함께 거쳐야 한다. 물론 AI가 정답을 대신 내려주지는 않는다. AI는 우리가 놓친 위험 신호를 더 빨리 발견하도록 돕는 도구다.

숫자는 이미 위험 신호를 보내고 있다

청년뉴스ON은 이번 기사에서도 차이가 분명한 통계만 인포그래픽으로 반영했다. 수도권과 비수도권의 격차가 뚜렷하게 드러나는 지표들이다. 이 수치들은 청년 유출 위험을 살펴볼 때 참고할 수 있는 기초 지표다. 다만 실제 위험도를 판단하려면 지역별 청년 순이동률, 직무·교육 기회, 교통과 생활 인프라 등 추가 자료가 함께 필요하다.

경인지방통계청의 「2024 수도권 청년의 삶」에 따르면 2022년 수도권 청년인구는 854만 5천 명으로 전국 청년인구의 53.9%를 차지했다. 청년 2명 중 1명 이상이 이미 수도권에 살고 있다는 뜻이다. 수도권 청년 경제활동인구 비율은 66.4%로 비수도권 59.0%보다 7.4%포인트 높았고, 일자리를 가진 청년 비율도 수도권 77.7%, 비수도권 71.2%로 6.5%포인트 차이가 났다.

행정안전부는 2021년 전국 시·군·구 89곳을 인구감소지역으로 지정했다. 인구감소지수가 여러 지표를 종합해 지역의 인구 위기를 판단하듯, 청년 유출 역시 하나의 수치가 아니라 다양한 조건을 함께 살펴볼 필요가 있다. 청년이 떠나는 지역은 인구, 일자리, 교육, 생활 인프라가 함께 약해지는 경향을 보인다.

청년이 떠나는 도시는 공통점이 있다

청년뉴스ON은 앞선 통계와 기사 내용을 토대로 주요 위험 신호를 세 가지로 정리했다. 첫 번째 공통점은 일자리의 폭이 좁다는 것이다. 채용공고는 있어도 선택할 수 있는 직무가 적고, 경력을 쌓아 다음 단계로 이동할 수 있는 경로가 잘 보이지 않는다. 청년은 단지 취업만 원하는 것이 아니다. 내가 배울 수 있는지, 성장할 수 있는지, 실패해도 다시 시작할 수 있는지를 함께 본다.

두 번째는 교육과 네트워크의 거리가 멀다는 점이다. 직무 교육, 현직자 모임, 창업 커뮤니티, 프로젝트 경험은 청년에게 중요한 커리어 자산이다. 그런데 이런 기회가 수도권에 집중되면 지방 청년은 정보를 얻기 위해 더 많은 시간과 비용을 써야 한다. 결국 정보 접근의 차이는 기회의 차이로 이어질 수 있다.

세 번째는 생활 만족도를 지탱하는 인프라가 약하다는 점이다. 교통, 문화, 의료, 주거, 커뮤니티는 취업만큼 중요하다. 아무리 일이 있어도 퇴근 후 만날 사람과 갈 곳이 없고, 이동이 불편하고, 미래를 함께 상상할 또래가 적다면 정착은 어려워진다. 청년은 직장만 보고 사는 것이 아니라, 삶 전체를 보고 머문다.

AI는 경고등을 켜지만, 바꾸는 건 사람이다

AI 분석이 필요한 이유는 지역을 낙인찍기 위해서가 아니다. 오히려 반대다. 위험 신호를 빨리 발견하면 정책도 더 빨리 바꿀 수 있다. 청년이 이미 떠난 뒤에야 대책을 세우는 것이 아니라, 떠나기 전에 어떤 조건이 약해지고 있는지 알아차릴 수 있다.

예를 들어 어떤 지역에서 청년인구가 줄고, 일자리 비율이 낮고, 직무 교육 기회도 부족하다면 단순히 “청년 지원금”을 늘리는 것만으로는 부족하다. 지역 대학, 기업, 공공기관, 지자체가 함께 청년의 경로를 만들어야 한다. 교육에서 일경험으로, 일경험에서 취업으로, 취업에서 정착으로 이어지는 길이 필요하다.

희망은 데이터 안에도 있다

데이터는 차갑지만, 방향을 보여줄 수 있다. 청년이 떠나는 도시의 공통점을 찾는 일은 결국 청년이 머무는 도시의 조건을 찾는 일이기도 하다. 좋은 일자리만이 아니라, 배울 곳이 있고, 만날 사람이 있고, 도전할 공간이 있고, 실패해도 다시 시작할 수 있는 지역. 그런 조건이 쌓이면 청년은 떠나는 대신 남는 선택도 할 수 있다.

데이터가 보여준 패턴의 끝에는 결국 사람이 있다. 청년 유출을 막는다는 말은 청년을 붙잡는다는 뜻이 아니다. 청년이 지역에서도 자신의 미래를 설계할 수 있게 만드는 일이다. 데이터는 그 출발점을 알려준다. 이제 필요한 것은 그 신호를 외면하지 않는 지역의 결심이다.

청년뉴스ON의 한마디

AI는 도시를 살리는 주인공이 될 수 없다. 하지만 우리가 놓친 신호를 더 빨리 보여줄 수는 있다. 청년이 떠나는 도시를 데이터로 읽는 이유는 지역을 포기하기 위해서가 아니라, 아직 바꿀 수 있는 지점을 찾기 위해서다.