# 2030년까지 AI의 발전 기대에 대한 차이 연구: 노벨상급 발견, 노동 시장 등에 AI가 미칠 영향에 대한 인식 차이 \[영문/PDF/16p\]

**URL:** <https://discuss.pytorch.kr/t/2030-ai-ai-pdf-16p/12228>\
**Category:** 읽을거리&정보공유\
**Tags:** research, ai-expectation, technical-report, labor-market, survey, anthropic, ai-economics\
**Created:** [10월 19, 2026, 7:30오전 UTC](https://discuss.pytorch.kr/t/2030-ai-ai-pdf-16p/12228 "2026-10-19T07:30:15Z")\
**Posts on this page:** 1\
**Page:** 1

<div class="post-metadata">

**Author:** ![9bow](https://discuss.pytorch.kr/user_avatar/discuss.pytorch.kr/9bow/32/16301_2.png) [@9bow](https://discuss.pytorch.kr/u/9bow)\
**Post date:** [10월 19, 2026, 7:30오전 UTC](https://discuss.pytorch.kr/t/2030-ai-ai-pdf-16p/12228/1 "2026-10-19T07:30:15Z")

</div>

## 핵심 요약

- Anthropic Institute의 [The AI Expectations Gap 보고서](https://www.anthropic.com/research/ai-expectations-gap)는 2026년 8월에 미국 성인 10,980명과 Anthropic 직원 1,334명에게 대부분 같은 질문을 던져 AI의 미래에 대한 기대를 비교했습니다.
- 두 집단은 지금 AI가 할 수 있는 일은 비슷하게 보지만, 2030년까지 AI가 노벨상급 발견을 할 수 있다고 답한 비율은 미국 성인 39%, 직원 91%로 갈립니다. `2030년까지 AI가 자기 업무 시간의 몇 %를 수행할 수 있느냐`는 질문에도 일자리가 있는 미국 성인은 평균 28%, 직원은 75%로 답해 차이가 큽니다.
- 그런데 _"내 일을 AI가 더 많이 할수록 실업률이 높아진다"_ 는 추론(reasoning) 방식은 두 집단이 거의 같았습니다. 연구진은 두 집단이 노동시장에 대해 서로 다른 이론을 가진 것 같지는 않으며, **AI 역량을 겪는 경험이 다르다** 고 해석합니다.
- 각자의 답을 Anthropic의 경제 모델에 넣으면 2030년 미국 국내총생산(Gross Domestic Product, GDP) 성장률이 미국 성인 중앙값 5.4%, 직원 중앙값 17.1%로 나옵니다. [부록](https://www-cdn.anthropic.com/1bc1a3067f9c9883d6d556b38f26fd4f1e1b640f/The%20AI%20Expectations%20Gap%20-%20Appendix.pdf)의 분해에서는 시간 절약에 대한 믿음이 이 격차에 가장 크게 기여합니다.

 ![미국 성인과 Anthropic 직원 두 사람이 같은 지평선을 바라보고, 완만한 길 끝 깃발에는 미국 성인 5.4%, 가파른 산 정상 깃발에는 Anthropic 직원 17.1%가 적힌 AI 기대 격차 보고서 히어로 이미지](https://discuss.pytorch.kr/uploads/default/original/3X/e/4/e4f71019a8aa52e4af40176acb6eee6583c53353.jpeg)

## AI 기대 격차(The AI Expectations Gap) 보고서 소개

**AI 기대 격차(The AI Expectations Gap)** 는 AI가 앞으로 몇 년 동안 일과 경제를 얼마나 바꿀지에 대해 일반 시민과 프런티어 AI 연구소 직원이 어디서 생각이 갈리는지를 설문으로 측정한 기술 보고서입니다. [Anthropic Institute](https://www.anthropic.com/institute)가 2026년 10월 16일에 블로그 글, 16쪽 분량의 PDF 본문, 6쪽 분량의 부록 PDF로 함께 공개했습니다. 저자는 Szymon Sacher, Tess Cotter, Charles I. Jones, Anton Korinek, Peter McCrory입니다. 이 중 [Charles I. Jones](https://web.stanford.edu/~chadj/)는 스탠퍼드 경영대학원의 거시성장 이론가이고, [Anton Korinek](https://www.korinek.com/)은 버지니아대학교 교수로 Anthropic의 경제 자문위원회에도 참여하고 있습니다.

AI의 경제적 영향에 대한 전망은 생산성에 거의 영향이 없다는 쪽부터 성장이 폭발적으로 빨라진다는 쪽까지 크게 벌어져 있습니다. 보고서는 이 의견 차이가 어디서 오는지를 묻습니다. 하나는 AI 역량이 얼마나 빨리 좋아질지에 대한 믿음이고, 다른 하나는 그 역량이 실제 현장에 얼마나 빨리, 어떤 형태로 퍼질지에 대한 믿음입니다. 보고서는 이 둘을 나누어 보려 합니다. 그래서 설문은 역량, 도입, 자율성, 시간 절약, 재취업이라는 다섯 차원을 따로따로 묻습니다.

비교 대상으로 Anthropic 직원을 고른 이유에 대해 저자들은 _"Anthropic 직원은 매일 프런티어 AI를 만들고 사용하므로, 기술에 가장 가까운 사람들이 미래를 어떻게 내다보는지를 보여 준다"_ 고 설명합니다. 다만 이 두 번째 설문은 회사 안에서 돌린 내부 여론조사이고, 보고서는 여러 곳에서 직원들의 답이 회사의 계획이나 공식 전망이 아니라고 따로 적어 둡니다. 같은 날 Anthropic은 회사 안의 실제 고용과 생산성 변화를 다룬 [How Employment is Changing at Anthropic](https://www.anthropic.com/research/employment-at-anthropic)도 공개했습니다. 이 보고서는 직원들의 기대가 어디서 오는지 설명할 때 그 글을 인용합니다. 커뮤니티에도 그 고용 보고서를 정리한 [Anthropic 사내 고용 변화 글](https://discuss.pytorch.kr/t/anthropic-27-9-6-pdf-20p/12227)이 있습니다.

이 보고서의 설문 결과는 Anthropic이 지난 9월 공개한 경제 시나리오 탐색기의 바탕 모델과 연결됩니다. 각 응답자의 답을 [Anthropic 경제 시나리오 탐색기](https://discuss.pytorch.kr/t/anthropic-17-9-gdp-32/11895)의 바탕인 기술 보고서 [Economic Scenarios for Transformative AI](https://www-cdn.anthropic.com/files/4zrzovbb/website/cf58f84d46a4a76bf5a5b039ac695fba6b80041c.pdf)의 모델에 넣어, 그 답이 함의하는 2030년 GDP 성장률을 사람마다 계산합니다. 모델의 구조와 세 시나리오는 위 커뮤니티 글에 자세히 정리되어 있으므로, 이 글에서는 설문 결과와 그 해석에 집중합니다.

## 누구에게 언제 어떻게 물었나: 두 설문과 하나의 퀴즈

보고서가 비교하는 응답 집단은 셋입니다. 집단마다 모집 방식과 가중치 처리가 달라서, 숫자를 읽기 전에 아래 차이를 알아 두면 해석이 쉬워집니다.

| 구분 | 미국 성인 | Anthropic 직원 | 웹사이트 방문자 |
| --- | --- | --- | --- |
| 조사 기간 | 2026년 8월 11~23일 | 2026년 8월 9~12일 | 2026년 9월 9일 공개 후 48시간 |
| 수행 주체 | [Morning Consult](https://morningconsult.com/) (온라인 옵트인 패널) | 회사 내부 여론조사 | [경제 시나리오 탐색기](https://www.anthropic.com/institute/econ-scenarios)의 퀴즈 |
| 응답 수 | 10,980명 (완료 16,395건에서 중복 응답자 제거) | 1,334명 (모든 부서 포함) | 23,075명 (146개국) |
| 가중치 | 미국 성인 인구에 맞춰 가중 | 가중하지 않음 | 보고서에 언급 없음 |
| 미래 시점 | 절반은 2027년, 절반은 2030년 기준으로 질문 | 모두 2030년 기준 | 질문을 줄인 축약판 |
| GDP 모델 계산에 쓴 인원 | 3,259명 (2030년 절반 중 필요한 질문에 모두 답한 사람) | 1,093명 | 23,075명 |

부록 A에 따르면 미국 성인 설문은 8일 동안 매일 따로 표본을 모았고, 중복 응답자를 뺀 뒤 연령과 성별, 인종과 민족, 교육, 인구조사 지역, 가구 소득 기준으로 가중치를 다시 계산했습니다. 이 밖에도 몇 가지 단서가 있습니다. 미국 성인 설문은 온라인 패널에 스스로 가입한 사람을 대상으로 했기 때문에 인터넷을 쓰지 않는 성인은 빠집니다. 저자들은 인구통계 가중치로도 바로잡을 수 없는 차이가 있을 수 있다고 적습니다. 또한 일반 설문에는 _"잘 모르겠다"_ 는 선택지가 있었고, 질문에 따라 12~21%가 이를 골랐는데 분석에서는 질문별로 제외했습니다. 직원 설문에는 이 선택지가 없었고 대신 질문을 건너뛸 수 있었습니다.

보고서는 결과의 안정성도 한 번 확인했습니다. Morning Consult는 9월 17~24일에 같은 질문을 미국 성인 7,613명에게 다시 물었습니다. 이 두 번째 표본에서 중앙값 응답자의 답이 함의하는 2030년 GDP 성장률은 5.6%로, 8월의 5.4%와 거의 같았습니다. 가장 크게 움직인 항목은 2030년까지 노벨상급 발견이 가능하다고 답한 비율로, 39%에서 44%로 올랐습니다. 본문의 수치는 모두 8월 조사 기준입니다.

## 지금은 비슷하게, 앞으로는 다르게: AI 역량에 대한 기대

첫 번째 질문 묶음은 **역량(capabilities)** 입니다. 일상적인 이메일 작성부터 노벨상급 과학적 발견까지 여덟 가지 작업을 제시하고, AI가 숙련된 전문가만큼 그 작업을 해낼 수 있는 시점이 언제인지를 물었습니다. 회사가 실제로 AI를 쓸지와는 상관없이 기술적으로 가능한 시점만 묻는 질문입니다.

 ![여덟 가지 작업에 대해 AI가 숙련된 전문가만큼 할 수 있다고 답한 비율을 현재, 2027년, 2030년 세 패널로 나누어 Anthropic 직원과 미국 성인을 비교한 막대그래프](https://discuss.pytorch.kr/uploads/default/original/3X/e/8/e88b942da11b9e1964b3358dd1d2cebc618cad3c.png)

현재 시점(패널 A)에서는 두 집단의 답이 생각보다 가깝습니다. 두 집단은 작업의 난이도 순서를 거의 같게 매겼습니다. 과학 연구를 설계하고 수행해 논문으로 출판하는 일을 AI가 지금 할 수 있다고 답한 비율도 직원 25%, 미국 성인 24%로 비슷합니다. 그림을 보면 가장 어려운 두 작업에서는 오히려 미국 성인 쪽이 현재 역량을 더 높게 봅니다. 온라인 사업 운영은 미국 성인 19%와 직원 13%, 노벨상급 발견은 12%와 4%입니다.

차이는 미래로 가면서 벌어집니다. 논문 출판 작업을 2027년까지 AI가 할 수 있다고 본 비율은 직원 90%, 미국 성인 38%입니다. 2030년까지 노벨상급 발견이 가능하다고 본 비율은 직원 91%, 미국 성인 39%입니다. 보고서가 가장 두드러진 차이로 꼽는 것은 _"AI는 결코 이 작업을 할 수 없다"_ 는 응답입니다. 작업에 따라 미국 성인의 19~40%가 이렇게 답했지만, 직원은 많아야 2%였습니다.

이 차이의 일부는 AI를 얼마나 자주 쓰는지와 관련이 있습니다. 2030년까지 AI가 여덟 작업 중 일곱 개 이상을 할 수 있다고 본 비율은 다음과 같습니다.

- **AI를 써 본 적이 없는 미국 성인** : 28%
- **미국 성인 전체** : 41%
- **업무에서 AI를 정기적으로 쓰는 미국 성인 (응답자의 약 5분의 1)**: 56%
- **Anthropic 직원** : 96%

AI를 자주 쓸수록 기대가 커지지만, 업무에서 정기적으로 쓰는 사람도 직원 수준에는 한참 못 미칩니다.

## 쓰일 것인가, 혼자 할 것인가: 도입 속도와 자율성

AI가 어떤 작업을 할 수 있다고 해서 곧바로 쓰이는 것은 아닙니다. 사람과 기업이 실제로 도입하려면 시간과 시행착오가 필요합니다. 그래서 보고서는 **도입(adoption)** 을 따로 물었습니다. AI가 할 수 있게 될 업무 중 2030년까지 실제로 AI로 처리될 비중을 미국 성인은 42%로 예상했고, 직원은 65%로 예상했습니다.

미국 성인에게는 무엇이 도입을 가로막을지도 물었습니다. 아홉 가지 장애물 중 가장 클 것 같은 것을 최대 세 개까지 고르게 했으며, 이 질문은 직원에게는 하지 않았습니다.

 ![미국 성인이 2030년 업무에서 AI 사용을 막을 가장 큰 장애물로 꼽은 아홉 항목의 비율, 고객이 사람을 선호함 41%가 가장 높은 막대그래프](https://discuss.pytorch.kr/uploads/default/original/3X/a/f/afede00566a272b1ccb5ac3ee2909220d068a9c4.png)

| 장애물 | 상위 3개로 꼽은 비율 |
| --- | --- |
| 고객이 사람을 상대하기를 선호함 | 41% |
| 데이터 프라이버시와 보안 우려 | 37% |
| AI가 충분히 신뢰할 만하거나 정확하지 않음 | 27% |
| 법, 규제, 법적 책임 | 27% |
| 노동자의 저항이나 사용 거부 | 26% |
| 고용주가 일자리 감축을 꺼림 | 22% |
| 도입에 드는 비용과 노력 | 21% |
| 관리자와 노동자가 AI를 신뢰하지 않음 | 19% |
| 정부의 제한, 금지, 세금 | 16% |
| 어느 것도 실제 장애물이 되지 않음 | 6% |

보고서는 일반 시민이 기술적 한계보다 사람의 선호와 규칙이 도입을 늦출 것으로 본다고 정리합니다. 다만 업무에서 AI를 정기적으로 쓰는 사람만 보면 순위가 바뀝니다. 이들은 데이터 프라이버시와 보안 우려를 1위로 꼽았고(나머지 응답자 37% 대비 42%), 고객이 사람을 선호한다는 장애물은 조금 덜 중요하게 봤습니다(42% 대비 37%).

다음은 **자율성(autonomy)** 입니다. AI가 복잡한 작업을 혼자 끝내면 사람을 대체하는 쪽으로 작용하고, 사람의 능력을 보완하면 노동자의 생산성을 높이는 쪽으로 작용합니다. 보고서는 이메일 작성부터 법률 계약까지 다섯 가지 작업에 대해, AI가 그 작업에 쓸모가 있다고 가정하게 한 뒤 2030년에 AI와 사람이 어떻게 일을 나눌지를 물었습니다. 선택지는 AI 혼자, AI가 대부분 하고 사람이 확인, 사람이 대부분 하고 AI가 보조, 사람 혼자의 네 가지입니다.

 ![다섯 가지 작업에 대해 2030년에 AI가 혼자 하거나 사람의 확인만 받으며 할 것이라고 답한 비율, 직원은 93~99%, 미국 성인은 56~66%인 막대그래프](https://discuss.pytorch.kr/uploads/default/original/3X/9/0/90170a3afc79ba79393fce550774588a74468f1e.png)

위 그림은 앞의 두 선택지를 고른 비율입니다. 직원은 다섯 작업 모두에서 93~99%가 AI 중심의 방식을 골랐습니다. 미국 성인은 56~66%였고, 보고서는 미국 성인 10명 중 4명이 2030년에도 사람이 대부분의 일을 직접 하거나 AI의 도움만 조금 받을 것으로 본다고 정리합니다.

## 가장 큰 차이는 시간 절약에서: AI가 일을 얼마나 빠르게 하는가

AI가 경제 산출을 얼마나 늘리는지는 할 수 있는 작업의 범위와 사용 범위만으로 정해지지 않습니다. 같은 작업을 얼마나 더 빠르고 잘하는지도 중요합니다. 보고서는 경제학자 Acemoglu와 Restrepo가 [Automation and New Tasks](https://www.aeaweb.org/articles?id=10.1257/jep.33.2.3)에서 쓴 **그저 그런 기술(so-so technology)** 개념을 가져옵니다. 사람을 겨우 대체할 정도로만 좋은 기술은 일자리를 빼앗으면서도 GDP는 크게 늘리지 못합니다. 반대로 작업을 훨씬 적은 비용이나 시간으로 끝내는 기술은 GDP를 의미 있게 끌어올립니다.

그래서 설문은 문서 요약이나 이메일 초안처럼 지금의 AI에 잘 맞는 작업을 하나 떠올리게 했습니다. 그리고 결과를 확인하고 고치는 시간까지 포함해, AI를 쓰면 AI 없이 할 때보다 시간이 얼마나 걸리는지를 물었습니다. 작업 시간이 절반이 되면 시간당 산출은 두 배가 됩니다.

보고서는 이 질문 방식이 Anthropic Economic Index에서 Claude 대화의 시간 절약을 추정하는 분류기와 비슷하다고 설명합니다. 참고로 그 분류기를 쓴 [Estimating AI productivity gains from Claude conversations](https://www.anthropic.com/research/estimating-productivity-gains)(2025년 11월)는 Claude.ai 대화 10만 건을 Claude로 평가했습니다. 그 결과 AI가 작업 완료 시간을 80% 줄인다고 추정했습니다. 이 수치는 사람이 답한 설문이 아니라 Claude의 추정치입니다.

 ![AI를 쓰면 작업 시간이 얼마나 걸리는지에 대한 여섯 단계 응답 분포, Anthropic 직원은 절반 이하가 85%, 업무에서 AI를 쓰는 미국 성인은 51%, 쓰지 않는 미국 성인은 46%인 누적 막대그래프](https://discuss.pytorch.kr/uploads/default/original/3X/0/f/0f52137613bf758605c8ca967da4002a163fa690.png)

위 그림은 부록 Figure A2로, 본문 Figure 4가 요약한 응답의 전체 분포를 보여 줍니다. 결과를 정리하면 다음과 같습니다.

| 응답 | Anthropic 직원 | 업무에서 AI를 쓰는 미국 성인 | 쓰지 않는 미국 성인 |
| --- | --- | --- | --- |
| 10분의 1 이하 | 20% | 10% | 8% |
| 약 4분의 1 | 39% | 16% | 14% |
| 약 절반 | 26% | 25% | 25% |
| 조금 덜 걸림 | 10% | 20% | 23% |
| 비슷함 | 약 5% (두 항목 합계) | 15% | 13% |
| 더 오래 걸림 | | 14% | 18% |
| **4분의 1 이하 (본문 Figure 4)** | **59%** | **26%** | **21%** |

직원의 85%는 절반 이하의 시간이 걸린다고 답했습니다. 업무에서 AI를 쓰는 미국 성인의 전형적인 답은 약 절반이었고, 이들 중 29%는 시간이 같거나 더 걸린다고 답했습니다. 같은 답을 한 직원은 5%뿐입니다. 업무에서 AI를 쓰는 미국 성인 중 14%는 AI를 쓰면 오히려 더 오래 걸린다고 답했습니다.

보고서는 직원들이 자기 업무에서 겪은 것을 그대로 답했을 수 있다고 봅니다. 근거로 함께 공개된 [How Employment is Changing at Anthropic](https://www.anthropic.com/research/employment-at-anthropic)를 인용합니다.

보고서의 요약에 따르면, 엔지니어가 코딩 에이전트를 도입한 다음 달에는 추가한 코드 줄 수가 세 배가 되었습니다. 영업 담당자는 AI 에이전트 도입 후 더 많은 고객과 계약을 맺었고, 법무와 채용 부서에서도 1인당 산출이 늘었습니다. 다만 그 고용 보고서 자신도 두 가지 단서를 답니다. 첫째, 도구 도입이 무작위가 아니므로 큰 프로젝트를 앞둔 직원이 먼저 도입했다면 추정이 치우칠 수 있습니다. 둘째, 코드가 많아졌다고 해서 더 좋은 코드나 더 큰 사업 성과를 뜻하지는 않습니다.

고용 보고서가 이 단서의 근거로 링크한 미국 국가경제연구소(National Bureau of Economic Research, NBER)의 연구 [Writing Code vs. Shipping Code](https://www.nber.org/papers/w35275)는 GitHub 개발자 50만 명 이상의 데이터를 분석했습니다. 그 결과 자율 코딩 에이전트는 커밋 수를 누적 240% 늘렸지만, 실제 릴리스 수 증가는 30%에 그쳤습니다.

## 내 일은 얼마나: 자기 업무의 AI 노출과 실업률 예측

보고서가 가장 큰 차이를 발견한 곳은 응답자 자신의 일자리입니다. 직원들은 평균적으로 2030년까지 AI가 자기 현재 업무 시간의 75%를 할 수 있다고 답했습니다. 일자리가 있는 미국 성인(이하 미국 노동자)은 평균 28%였고, 80% 이상이라고 답한 사람은 20명 중 1명(5%)뿐입니다. 직원 중에서는 절반이 넘는 55%가 80% 이상이라고 답했습니다.

 ![2030년까지 AI가 자기 업무 시간 중 할 수 있는 평균 비율, 미국 노동자 전체 28%, 육체 기능과 생산과 운송 25%, 관리와 경영과 금융 31%, 컴퓨터와 엔지니어링과 과학 33%, 그중 AI를 업무에 정기적으로 쓰는 사람 40%, Anthropic 직원 75%를 95% 신뢰구간과 함께 보여 주는 막대그래프](https://discuss.pytorch.kr/uploads/default/original/3X/9/a/9a851e5212eed1fd524c675e5d23041d51528c1c.png)

직군별로도 차이가 있습니다. 육체 기능, 생산, 운송 직군은 25%, 관리, 경영, 금융 직군은 31%, 컴퓨터, 엔지니어링, 과학 직군은 33%였습니다. 이 마지막 직군 중 업무에서 AI를 정기적으로 쓰는 사람(173명)만 보아도 40%로, 평균적인 미국 노동자에 더 가깝고 직원의 75%와는 거리가 멉니다. 개발자나 엔지니어라는 직업 자체보다 프런티어 연구소 안에서 일한다는 환경이 기대를 더 크게 가르는 것으로 읽힙니다. 참고로 직원은 슬라이더로 답했고 미국 성인은 구간을 골랐기 때문에, 보고서는 구간의 중간값을 써서 평균을 계산했습니다.

이 자기 업무 노출은 노동시장 전체에 대한 예측과 밀접하게 연결됩니다. 보고서는 현재 미국 실업률이 약 4.2%라고 알려 준 뒤 2030년 실업률을 예측하게 했습니다. 그리고 응답자를 AI가 할 수 있는 자기 업무 시간의 비율에 따라 구간별로 묶어 평균 예측을 비교했습니다.

 ![자기 업무 시간 중 AI가 할 수 있다고 본 비율 구간별 2030년 실업률 평균 예측, 위 패널은 미국 노동자와 Anthropic 직원의 예측이 80% 이상 구간에서 약 12%대로 수렴하는 선 그래프, 아래 패널은 각 구간에 속한 응답자 비율로 직원의 55%가 80% 이상 구간에 몰린 막대그래프](https://discuss.pytorch.kr/uploads/default/original/3X/5/f/5ff652b4e6917e60f68e5cc870b22ba0d1ff262b.png)

미국 노동자 중 AI가 자기 일의 절반 미만을 할 수 있다고 본 사람들은 2030년 실업률을 7~8%로 예측했습니다. 절반을 넘으면 노출이 클수록 예측도 올라가고, 80% 이상이라고 본 사람들은 평균 12.2%를 예측했습니다. 보고서는 이 수치가 글로벌 금융위기 때의 정점보다 높다고 적습니다. 미국 노동자 전체로 보면 자기 업무 노출이 10%p 많을수록 실업률 예측이 0.4%p 높았습니다. 이 관계는 AI에 대한 일반적인 낙관으로 설명되지 않습니다. 자기 업무 노출을 고정하면, 여덟 작업 중 AI가 몇 개를 해낼 것으로 보는지는 실업률 예측과 관련이 없었습니다.

직원들도 같은 기울기를 보였습니다. 직원은 자기 업무 노출을 훨씬 높게 보기 때문에 그림 아래 패널처럼 높은 구간에 몰려 있지만, 같은 구간끼리 비교하면 실업률 예측이 일반 시민과 비슷합니다. 그래서 평균으로 보면 직원은 자기 업무가 더 빨리 자동화될 것으로 예상하고, 그만큼 더 높은 실업률을 예측합니다. 보고서는 이를 근거로 _"두 집단이 AI가 자기 일자리와 노동시장에 동시에 어떤 영향을 줄지에 대해 서로 다른 이론을 가진 것 같지 않다"_ 고 결론 내리고, 차이는 AI 역량에 대한 경험과 그에 따른 기대에서 온다고 봅니다.

그림을 자세히 보면 이 결론이 모든 구간에서 똑같이 성립하지는 않습니다. 자기 업무 노출 20~49% 구간에서는 직원의 실업률 예측이 미국 노동자보다 1~2%p 높습니다. 특히 35~49% 구간(직원 약 9.6%, 미국 노동자 약 7.5%)은 두 집단의 95% 신뢰구간이 겹치지 않습니다. 두 선이 거의 겹치는 곳은 50% 이상 구간입니다. 또한 응답자가 20명 미만인 구간은 그림에서 뺐기 때문에, 직원은 20% 미만 구간에 점이 없습니다.

## 업무 자동화와 고용 감소는 다른 예측이다: 채용과 재취업

직원들은 AI가 자기 일 대부분을 할 수 있다고 보면서도 회사가 계속 채용할 것으로 예상했습니다. 직원의 95%는 향후 12개월 동안 회사 인원이 늘 것으로 봤고, 중앙값은 66% 증가, 27%는 최소 두 배가 될 것으로 답했습니다. 보고서는 이 숫자가 내부 여론조사에 나타난 개인의 기대일 뿐 Anthropic의 계획이나 인원 전망이 아니라고 분명히 합니다. 그러면서도 _"적어도 프런티어 AI 연구소에서는, 업무 자동화와 일자리 감축이 서로 다른 예측"_ 이라는 점을 보여 준다고 해석합니다.

다만 같은 날 공개된 고용 보고서는 인원 증가와 함께 구성의 변화도 보여 줍니다. 그 보고서에 따르면 Anthropic 기술 부서 인원 중 주니어 비중은 2025년 초 이후 21%에서 14%로 줄었고, 기술직 신규 채용 중 주니어 비중은 27%에서 9%로 더 빠르게 떨어졌습니다. 또한 8월 기준으로 대화형 AI 에이전트의 작업 시간이 직원의 작업 시간보다 6배 많았습니다. 전체 인원이 늘어난다는 예측과 특정 직급의 채용이 줄어든다는 관측은 함께 성립할 수 있습니다.

**재취업(re-employment)** 에 대해서는 직원이 일반 시민보다 조금 더 비관적이었습니다. 설문은 먼저 _"평상시에는 일자리를 잃은 사람이 새 일자리를 찾는 데 보통 3개월 정도 걸린다"_ 고 알려 주었습니다. 그다음 2030년에 AI 자동화로 일자리를 잃고 다른 직업으로 옮겨야 하는 사람이 새 일자리를 찾는 데 얼마나 걸릴지를 물었습니다. 일반 시민은 1개월 미만부터 3년 이상(또는 다시 일자리를 찾지 못함)까지의 구간 중에서 골랐고, 직원은 개월 수를 슬라이더로 답했습니다. 직원의 중앙값은 12개월이었고, 미국 성인의 중앙값은 7~12개월 구간에 있었습니다.

## 답변을 경제 모델에 넣으면: 2030년 GDP 성장률 5.4% 대 17.1%

지금까지의 다섯 가지 답(역량, 도입, 자율성, 시간 절약, 재취업)은 [Economic Scenarios for Transformative AI](https://www-cdn.anthropic.com/files/4zrzovbb/website/cf58f84d46a4a76bf5a5b039ac695fba6b80041c.pdf) 모델의 다섯 입력값에 대응합니다. 연구진은 응답자 한 명 한 명의 답을 그 모델의 입력으로 바꾸고, 그 사람의 기대가 함의하는 2030년 미국 경제 시나리오를 계산했습니다. 변환 절차는 해당 보고서 부록 B를 따랐고, 설문으로 묻지 않은 나머지 파라미터는 모두 상당한 변화(Substantial) 시나리오의 값으로 고정했습니다. 모델이 어떤 구조로 입력을 GDP와 실업률로 바꾸는지는 앞서 소개한 [경제 시나리오 탐색기 글](https://discuss.pytorch.kr/t/anthropic-17-9-gdp-32/11895)을 참고해 주세요.

 ![미국 성인, 웹사이트 방문자, Anthropic 직원의 답이 함의하는 2030년 GDP 성장률 분포, 중앙값은 각각 5.4%, 12.5%, 17.1%이고 완만, 상당, 극단 세 시나리오가 점선으로 표시된 상자 그림](https://discuss.pytorch.kr/uploads/default/original/3X/6/7/675aeecdebc3439e2f1f3c3ba49cf8b0a11c1add.png)

결과는 다음과 같습니다. 그림의 굵은 막대는 25~75 백분위, 가는 선은 10~90 백분위입니다.

- **미국 성인 중앙값 (3,259명, 가중)**: 2030년 GDP 성장률 5.4%. 기존 보고서의 상당한 변화 시나리오 성장률(5.4%)과 같습니다. 보고서는 이를 미국 경제가 평상시의 두 배가 넘는 속도로 성장하는 시나리오라고 설명합니다.
- **웹사이트 방문자 중앙값 (23,075명)**: 12.5%. 스스로 Anthropic 웹사이트를 찾아와 퀴즈를 푼 사람들이라 일반 시민보다 AI에 관심이 많을 가능성이 크고, 실제로 두 집단 사이에 위치합니다.
- **Anthropic 직원 중앙값 (1,093명)**: 17.1%. 극단적 변화(Extreme) 시나리오의 15.4%보다도 높습니다. 보고서는 이 경우 2030년에 GDP가 약 4년 반마다 두 배가 되는 셈이라고 표현합니다.

각 집단 안에서도 편차가 커서 세 분포는 넓게 겹칩니다. 예를 들어 미국 성인의 90 백분위는 직원의 중앙값 근처까지 뻗어 있습니다.

미국 성인 쪽 결과는 9월에 나온 Economic Scenarios for Transformative AI의 3.5절과 Table 2, Table 4에서 먼저 다뤘습니다. 같은 3,259명의 답을 모델 입력으로 바꾸면 중앙값은 다음과 같습니다. 역량은 0.44로 여덟 작업 중 여섯 개에 해당하며 상당과 극단 시나리오 사이입니다. 도입은 0.40으로 상당 시나리오와 같고, 자동화 비중은 0.47로 완만 시나리오의 0.50에 가깝습니다. 업무당 생산성 이득은 로그 단위 0.44로 상당 시나리오의 0.45에 가깝고, 재취업 기간은 약 8개월입니다.

그 보고서는 이 조합이 상당한 변화 시나리오에 가까운 결과를 낸다고 정리하면서, 응답자별 성장률의 중앙값을 5.3%로 적었습니다. 이번 보고서의 5.4%와 0.1%p 차이가 나지만, 두 보고서 모두 그 이유를 설명하지 않습니다. 비교를 위해 덧붙이면, 앞서 소개한 경제 시나리오 탐색기 글에서 극단적 변화 시나리오는 AI가 자동화한 업무를 대신할 새 업무가 생기는 비율(재투입 비율)을 0으로 둔 경우였습니다. 이번 계산은 그 값을 상당한 변화 시나리오 수준으로 고정했는데도 직원 중앙값이 극단 시나리오를 넘습니다.

### 어떤 믿음이 격차를 만드나: 부록의 기여도 분해

부록 B는 5.4%와 17.1% 사이의 격차를 다섯 가지 믿음으로 나눕니다. 방법은 미국 성인의 답에서 출발해 직원의 답을 하나씩 바꿔 넣는 것입니다. 같은 백분위끼리 바꾸며, 동점은 무작위로 처리합니다.

문제는 바꾸는 순서에 따라 기여도가 달라진다는 점입니다. 예를 들어 역량과 도입 두 가지만 바꾼다고 할 때, 역량을 먼저 바꾸면 역량이 더하는 몫은 1.2%p이지만, 도입을 먼저 바꾼 뒤 역량을 바꾸면 역량의 몫이 2.0%p가 됩니다. 도입의 효과가 역량에 달려 있기 때문입니다. 그래서 연구진은 다섯 항목을 바꾸는 모든 순서, 즉 120가지(5! = 120)를 모두 계산해 평균을 냈습니다.

 ![미국 성인의 답에 직원의 답을 하나씩 바꿔 넣었을 때 2030년 GDP 성장률이 늘어나는 정도, 시간 절약 +4.9, 도입 +3.6, 역량 +2.7, 자율성 +0.8, 재취업 -0.2, 합계 +11.8%p를 보여 주는 막대그래프](https://discuss.pytorch.kr/uploads/default/original/3X/b/4/b4bacefaa2bb51210ace54d8f225672f1cbe8d66.png)

| 직원의 답으로 바꾼 항목 | 2030년 성장률 기여 (120가지 순서 평균) |
| --- | --- |
| 시간 절약 | +4.9%p |
| 도입 | +3.6%p |
| 역량 | +2.7%p |
| 자율성 | +0.8%p |
| 재취업 | -0.2%p |
| 합계 | +11.8%p (5.4% → 17.2%) |

격차의 가장 큰 몫은 AI가 얼마나 많은 일을 할 수 있는가보다 AI가 일을 얼마나 빨리 해 주는가에서 나옵니다. 역량은 세 번째입니다. 재취업에 대한 직원의 더 비관적인 답은 성장률을 오히려 조금 깎습니다. 그림의 가는 선은 순서에 따른 최솟값과 최댓값이며, 보고서는 이것이 신뢰구간이 아니라고 따로 밝힙니다. 부록 그림의 도착점은 17.2%로 본문의 17.1%와 0.1%p 다릅니다.

### 설문이 실제 사용과 맞는가: 부록의 외부 검증

부록 D는 설문이 실제 AI 사용과 어긋나지 않는지를 [Anthropic Economic Index](https://www.anthropic.com/economic-index)와 비교해 확인합니다. Economic Index의 사용 지수는 어떤 지역이 미국(또는 세계) Claude.ai 사용에서 차지하는 비중을 그 지역의 근로연령 인구 비중으로 나눈 값입니다. 미국 주 단위로 보면, 최근 3개월 동안 업무에 AI를 쓴 성인 비율이 그 주의 사용 지수와 함께 올라갑니다. 응답자 수로 가중하면 지수 1단위당 업무 AI 사용 비율이 8.1%p 높았습니다. 표준오차는 2.0, 상관계수는 0.57입니다. 지수가 3.3으로 가장 높은 워싱턴 D.C.는 유일한 이상치이고, 보고서는 출퇴근하는 사람들의 낮 시간 사용 때문일 수 있다고 봅니다.

웹사이트 퀴즈는 접속 국가를 기록했습니다. 응답자가 50명 이상인 45개국에서, 근로연령 인구 1인당 퀴즈 응답 수는 그 나라의 Economic Index 사용 지수와 강한 상관관계(로그 기준 r=0.87)를 보였습니다. 반면 각 나라 응답자의 답이 함의하는 성장률 중앙값은 사용 지수와 관련이 없었고, 국가 간 차이는 방문자 전체 편차의 1%도 설명하지 못했습니다. 미국 방문자의 중앙값은 12.2%, 다른 나라 방문자는 12.7%였습니다.

 ![45개국의 근로연령 인구 1인당 퀴즈 응답 수와 Anthropic Economic Index 사용 지수를 로그 축에 나타낸 산점도, 대부분은 추세선 근처에 있지만 한국은 사용 지수가 높은데도 응답 수가 세계 평균보다 낮아 추세선 아래로 크게 벗어난 그림](https://discuss.pytorch.kr/uploads/default/original/3X/7/c/7c9757c479910fe88ee206d4de9572dc4e899351.png)

한국 독자에게는 이 그림에서 한국의 위치가 눈에 띕니다. 그림에 이름이 표시된 몇 안 되는 나라 중 하나인 한국은 사용 지수가 세계 평균의 3배를 넘는 쪽에 있지만, 근로연령 인구 1인당 퀴즈 응답 수는 세계 평균(1)의 절반 안팎으로 추세선에서 크게 아래로 벗어나 있습니다. 일본도 정도는 덜하지만 같은 방향에 있습니다. 보고서는 이 이탈의 원인을 설명하지 않으므로, 이 그림만으로 이유를 판단할 수는 없습니다.

## 연구소 안의 시선: AI가 AI를 만드는 비중

마지막으로 보고서는 직원들이 왜 더 낙관적인지에 대한 한 가지 가능성을 제시합니다. 개발 과정을 더 가까이서 보기 때문일 수 있다는 것입니다. **재귀적 자기 개선(Recursive Self-Improvement, RSI)** 은 AI 시스템이 스스로의 역량을 점점 더 개선하는 과정입니다. Anthropic Institute는 최근 RSI를 향한 진전을 다룬 [When AI Builds Itself](https://www.anthropic.com/institute/recursive-self-improvement)를 공개했습니다. 커뮤니티에는 Anthropic이 내부의 AI 개발 속도를 세 가지 지표로 측정해 공개한 글을 정리한 [Anthropic의 AI 개발 속도 측정 지표 글](https://discuss.pytorch.kr/t/anthropic-ai-3-claude-ai-r-d-26/11953)이 있고, 이 글도 When AI Builds Itself를 함께 다룹니다.

연구진은 직원들에게 2026년 초 수준의 프런티어 모델을 만드는 작업 중 지금 AI가 하는 비중이 얼마인지, 그리고 앞으로는 얼마가 될지를 물었습니다. 보고서는 이것이 AI가 코드를 얼마나 쓰는지보다 넓은 질문이라고 강조합니다. When AI Builds Itself에 따르면 2026년 5월 기준으로 Anthropic 코드베이스에 병합되는 코드의 80% 이상을 Claude가 작성합니다. 하지만 프런티어 모델을 만드는 일에는 연구 방향 설정, 실험 설계, 평가 등이 함께 포함됩니다.

 ![Anthropic 직원이 추정한 프런티어 모델 개발 작업 중 AI가 하는 비중, 현재 중앙값 51%, 2027년 말 80%, 2030년 말 95%를 10~90 백분위 범위와 함께 보여 주는 상자 그림](https://discuss.pytorch.kr/uploads/default/original/3X/3/0/30ad68e2e0f219df56c1f26ba358d6bc278e8e6b.png)

직원 답의 중앙값은 현재 51%, 2027년 말 80%, 2030년 말 95%였습니다. 현재 비중의 10~90 백분위는 28~80%로 넓게 퍼져 있습니다. 이 추정치는 팀 사이보다 팀 안에서 훨씬 더 크게 갈렸습니다. 그래도 모델을 만드는 일에 가장 가까운 연구팀은 현재 비중을 평균 60%로, 나머지 응답자의 평균 53%보다 조금 높게 봤습니다. 보고서는 이것이 정보 접근의 차이가 어느 정도 역할을 한다는 해석과 맞지만, 연구자들이 일의 성격상 자기 업무에서 AI를 더 많이 쓰기 때문일 수도 있다고 덧붙입니다. 채용 전망과 마찬가지로 이 답 역시 직원 개인의 추정이며 회사의 측정치나 전망이 아니라고 보고서는 밝힙니다.

이 51%는 Anthropic이 따로 측정한 값과 같은 것이 아닙니다. Anthropic Institute의 [Measurements for understanding the pace of AI development inside frontier labs](https://www.anthropic.com/institute/measuring-pace-of-ai-development)에 따르면, 2026년 8월 기준으로 Claude가 _"주도(leads)"_ 하는 AI 연구개발 작업은 26%입니다. 같은 측정에서 _"협업(collaborates)"_ 이상 수준인 작업은 90%를 넘습니다. 이 측정은 Epoch AI가 제안한 6단계 자동화 등급을 Claude 판정 모델이 작업 범주마다 매기고, 투입된 인력 시간으로 가중해 합산한 값입니다. 반면 이번 설문의 51%는 직원 개인이 작업 중 AI가 하는 비중을 어림한 답입니다. 재는 대상과 방법이 다르므로 두 숫자를 직접 비교할 수는 없습니다.

## 이 결과를 읽을 때 생각해 볼 점

보고서의 결론은 짧습니다. 두 집단은 AI가 지금 할 수 있는 일에 대해서는 대체로 같은 생각을 합니다. 반면 얼마나 빨리 좋아지고, 얼마나 넓게 쓰이며, 시간을 얼마나 줄여 줄지에 대해서는 크게 다릅니다. 그리고 그 차이는 내 일 중 얼마가 자동화될지에 대한 생각의 차이와 밀접하게 묶여 있습니다.

저자들은 대부분의 직원이 이미 자기 일의 상당 부분을 해 주는 AI와 함께 일하는 반면, 그런 미국 노동자는 많지 않다는 점을 지적합니다. 그런 노동자들의 기대는 이미 직원 쪽에 더 가깝기 때문에, 저자들은 _"AI 사용이 퍼지면 일반 시민의 기대도 바뀔 수 있다"_ 고 봅니다. 다만 얼마나 바뀔지는 _"프런티어 연구소에서처럼 다른 곳에서도 AI가 많은 일을 하게 되는지에 달려 있다"_ 고 단서를 답니다.

이 결과를 읽을 때는 몇 가지를 함께 기억할 필요가 있습니다.

**누가 옳은지를 판정한 연구가 아닙니다** : 보고서는 어느 쪽 기대가 맞을지를 주장하지 않습니다. 비교하는 것은 기대 그 자체이고, 직원 집단은 AI를 만들어 파는 회사의 구성원이라는 점에서 대표성 있는 전문가 패널과는 성격이 다릅니다. 직원 설문은 가중치 없는 내부 여론조사이고, 웹사이트 방문자는 스스로 찾아온 사람들입니다.

**GDP 수치는 모델을 거친 값입니다** : 5.4%와 17.1%는 응답자가 직접 말한 성장률이 아니라, 다섯 가지 답을 Anthropic 연구진이 만든 하나의 모델에 넣어 계산한 값입니다. 설문으로 묻지 않은 파라미터는 상당한 변화 시나리오 값으로 고정했기 때문에, 그 가정이 달라지면 숫자도 달라집니다. 또한 9월 보고서에 따르면 미국 성인의 답을 모델에 넣었을 때 2030년 전체 실업률은 응답자별 중앙값으로 4.6%입니다. 이 값은 응답자들이 직접 예측한 실업률보다 낮습니다. 자기 업무 노출이 절반 미만인 미국 노동자도 직접 예측한 실업률은 7~8%였습니다.

**노동시장에 대한 추론 방식이 비슷하다는 발견이 가장 견고해 보입니다** : 이 발견은 모델을 거치지 않은 원시 응답에서 나왔고, 같은 기울기가 두 집단에서 나타났습니다. 다만 앞에서 본 것처럼 중간 구간에서는 직원의 실업률 예측이 조금 더 높습니다.

**개발자라는 직업만으로 기대가 바뀌지는 않았습니다** : 미국의 컴퓨터, 엔지니어링, 과학 직군에서 AI를 정기적으로 쓰는 사람도 자기 업무의 40%만 AI가 할 수 있다고 봤습니다. AI 도구를 매일 쓰는 개발자라도 프런티어 연구소의 직원과는 상당히 다른 기대를 가질 수 있습니다.

AI를 업무에 쓰고 있는 개발자라면, 설문의 시간 절약 질문에 스스로 답해 보는 것도 좋은 출발점입니다. 결과를 확인하고 고치는 시간까지 넣었을 때, 여러분의 작업은 AI 없이 할 때보다 몇 분의 1로 줄었나요?

## 📜 The AI Expectations Gap 소개 블로그

> **[The AI expectations gap](https://www.anthropic.com/research/ai-expectations-gap)**
>
> How will AI reshape the economy in the years ahead? What is the core source of disagreement about AI's future impact on the economy? This note presents new survey evidence on these questions.

## 📄 The AI Expectations Gap 보고서 PDF (영문, 16쪽)

> **[The%20AI%20Expectations%20Gap.pdf](https://www-cdn.anthropic.com/a28f24814c56e2834a3eae7b13946f19d3e97ec4/The%20AI%20Expectations%20Gap.pdf)**
>
> 1036.12 KB

## 📄 The AI Expectations Gap 부록 PDF (영문, 6쪽)

> **[The%20AI%20Expectations%20Gap%20-%20Appendix.pdf](https://www-cdn.anthropic.com/1bc1a3067f9c9883d6d556b38f26fd4f1e1b640f/The%20AI%20Expectations%20Gap%20-%20Appendix.pdf)**
>
> 507.58 KB

## 더 읽어보기

- [How Employment is Changing at Anthropic (영문)](https://www.anthropic.com/research/employment-at-anthropic)

- [When AI Builds Itself (영문)](https://www.anthropic.com/institute/recursive-self-improvement)

- [https://discuss.pytorch.kr/t/anthropic-27-9-6-pdf-20p/12227](https://discuss.pytorch.kr/t/anthropic-27-9-6-pdf-20p/12227)

- [Anthropic 경제 시나리오 탐색기: 극단 시나리오에서 지식 노동 실업률 17.9%, GDP는 32% 증가](https://discuss.pytorch.kr/t/anthropic-17-9-gdp-32/11895)

- [Anthropic, 내부의 AI 개발 속도를 측정하는 3가지 지표 공개: Claude가 AI R&D의 26%를 주도](https://discuss.pytorch.kr/t/anthropic-ai-3-claude-ai-r-d-26/11953)

- [Anthropic 81k Interviews: 159개국, 70개 언어 사용자 80,508명이 말하는 ‘AI가 가져올 미래와 우려사항’](https://discuss.pytorch.kr/t/anthropic-81k-interviews-159-70-80-508-ai/9275)

- [Anthropic Economic Index: Claude 사용에 새겨진 일상의 리듬과 노동자들의 AI 인식에 대한 연구](https://discuss.pytorch.kr/t/anthropic-economic-index-claude-ai/11067)

- [AI가 노동 시장에 미치는 영향: 새로운 측정 지표 '관측된 노출도'와 초기 증거 (feat. Anthropic)](https://discuss.pytorch.kr/t/ai-feat-anthropic/9347)

- [AI Workers' Inquiry 2026: 영국 AI 기술자들의 업무 강도와 역량 변화에 대한 보고서 [영문/PDF/36p]](https://discuss.pytorch.kr/t/ai-workers-inquiry-2026-ai-pdf-36p/12022)

* * *

_이 글은 GPT 모델로 정리한 초안을 바탕으로 한 것으로, 원문의 내용 또는 의도와 다르게 정리된 내용이 있을 수 있습니다. 관심있는 내용이시라면 원문도 함께 참고해주세요! 읽으시면서 어색하거나 잘못된 내용을 발견하시면 댓글로 알려주시기를 부탁드립니다._ 🤗

이 글은 [:pytorch:파이토치 한국 사용자 모임🇰🇷](https://pytorch.kr/)이 직접 정리한 글입니다. 새 글을 놓치지 않으시려면 [텔레그램(Telegram)](https://t.me/pytorchkr)이나 [Slack/Discord/Teams/Dooray/GoogleChat 등](https://discuss-noti.pytorch.kr)으로 알림을 받으시고, [회원으로 가입](https://discuss.pytorch.kr/signup)하시면 주요 글들을 이메일💌로도 보내드립니다! 😃

🎁 아래↘쪽에 좋아요👍를 눌러주시면 새로운 소식들을 정리하고 공유하는데 힘이 됩니다~ 🤩