AI의 노동 시장 영향 개요
연구 소개 및 연구 배경
AI의 급속한 확산은 노동 시장에 미치는 영향을 측정하고 예측하려는 연구의 물결을 일으키고 있습니다. 하지만 과거의 접근 방식들이 보여준 실적은 겸손할 필요가 있음을 말해줍니다. 예를 들어, 미국 일자리의 약 4분의 1이 해외 이전에 취약하다고 식별한 주요 연구가 있었지만, 10여 년이 지난 후 해당 직종들 대부분은 건강한 고용 성장을 유지했습니다. 정부의 직업별 성장 예측도 방향성은 맞았지만, 과거 추세의 선형 외삽(linear extrapolation) 이상의 예측력을 보여주지는 못했습니다.
Anthropic의 연구자 Maxim Massenkoff와 Peter McCrory는 2026년 3월 발표한 이번 연구에서, AI의 노동 시장 영향을 이해하기 위한 새로운 프레임워크를 제시합니다. 핵심은 관측된 노출도(Observed Exposure) 라는 새로운 측정 지표입니다. 기존 연구들이 "LLM이 이론적으로 수행할 수 있는 작업"에 초점을 맞추었다면, 이 연구는 이론적 역량과 실제 사용 데이터를 결합하여 보다 현실적인 그림을 그리고자 합니다.
이 연구가 특히 주목할 만한 이유는 AI 영향이 본격적으로 드러나기 전에 방법론적 토대를 마련하려 했다는 점입니다. 연구진은 AI의 영향이 COVID-19처럼 갑작스러운 충격이 아니라, 인터넷이나 중국과의 무역 충격처럼 점진적으로 나타날 가능성이 높다고 봅니다. 사후 분석보다 사전에 프레임워크를 구축해둬야 미래의 변화를 더 명확하게 포착할 수 있다는 판단입니다.
노출도 측정 방법론
데이터 소스
Anthropic의 연구진들은 다음 세 가지 데이터 소스를 결합하여 연구를 수행하였습니다:
- O*NET 데이터베이스: 미국의 약 800개 고유 직업과 관련 작업(task)을 열거하는 데이터베이스
- Anthropic Economic Index: Claude의 실제 사용 패턴을 측정한 데이터
- Eloundou et al. (2023)의 작업 수준 LLM 역량 추정치: LLM이 특정 작업의 속도를 2배 이상 높일 수 있는지를 이론적으로 측정
Eloundou et al.의 지표 β는 단순한 척도로 작업을 점수화합니다. LLM만으로 작업 속도를 2배로 높일 수 있으면 1, 추가 도구나 소프트웨어가 필요하면 0.5, 그렇지 않으면 0입니다.
위 그림에서 볼 수 있듯이, 이론적 역량과 실제 사용 사이에는 높은 상관관계가 있습니다. 이전 4차례의 Economic Index 보고서에서 관찰된 작업의 97%가 Eloundou et al.이 이론적으로 수행 가능하다고 평가한 범주(β=0.5 또는 β=1.0)에 해당했습니다.
이론적 역량과 실제 사용 사이의 차이
그렇다면 이론적으로 가능한 작업이 실제로는 왜 사용되지 않을까요? 모델의 한계로 인해 일부 작업은 실제 사용으로 이어지지 않을 수 있습니다. 법적 제약, 특정 소프트웨어 요구사항, 사람의 검증 단계 등으로 인해 확산이 느린 작업도 있습니다. 예를 들어 Eloundou et al.은 "약국에 처방전 리필을 승인하고 처방 정보를 제공하는 작업"을 완전 노출(β=1)로 평가했지만, 연구진은 Claude가 이 작업을 수행하는 것을 관찰하지 못했습니다.
관측된 노출도(Observed Exposure) 지표
새로운 측정 지표인 관측된 노출도(Observed Exposure) 는 LLM이 이론적으로 속도를 높일 수 있는 작업 중에서, 실제로 전문적인 환경에서 자동화된 사용이 관찰되는 것이 어느 정도인지를 정량화합니다. 직업의 노출도는 다음 조건에 해당할수록 높아집니다:
- 해당 직업의 작업들이 이론적으로 AI로 수행 가능할 때
- Anthropic Economic Index에서 해당 작업들의 상당한 사용이 관찰될 때
- 업무 관련 맥락에서 작업이 수행될 때 (개인적 사용 제외)
- 보조(augmentation)보다 완전 자동화(automation)의 비중이 높을 때
- AI의 영향을 받는 작업이 해당 직업에서 차지하는 비중이 클 때
구체적으로, 이론적으로 LLM으로 수행 가능한 작업이 Claude 트래픽에서 충분한 업무 관련 사용이 관찰되면 "커버됨"으로 판정합니다. 완전 자동화 구현은 가중치 1을, 보조적 사용은 가중치 0.5를 받습니다. 이 작업 수준 측정치를 각 작업에 소요되는 시간 비율로 가중 평균하여 직업 수준의 노출도를 산출합니다.
위 레이더 차트는 이 차이를 극적으로 보여줍니다. 파란색 영역(이론적 역량)은 컴퓨터 및 수학(94%), 사무 및 행정(90%) 등 많은 직업군에서 넓게 퍼져 있지만, 빨간색 영역(관측된 노출도)은 훨씬 작습니다. AI가 이론적 역량에 훨씬 미치지 못하고 있으며, 실제 사용은 가능한 것의 일부에 불과하다는 것을 명확히 보여줍니다.
AI에 노출도가 높은 직업들
위 표는 이 측정 지표에 따른 상위 10개 직업을 보여줍니다. Claude가 코딩에 광범위하게 사용된다는 다른 데이터와 일치하게, 컴퓨터 프로그래머 가 74.5%의 노출도로 1위를 차지합니다. 그 뒤를 고객 서비스 담당자 (70.1%)가 따르는데, 이들의 주요 작업은 퍼스트파티 API 트래픽에서 점점 더 많이 관찰됩니다. 데이터 입력 담당자 (67.1%)는 소스 문서를 읽고 데이터를 입력하는 주요 작업에서 상당한 자동화가 관찰됩니다.
| 직업 | 관측된 노출도 | 주요 자동화 작업 |
|---|---|---|
| 컴퓨터 프로그래머 | 74.5% | 소프트웨어 프로그램 작성, 업데이트, 유지보수 |
| 고객 서비스 담당자 | 70.1% | 고객 응대, 정보 제공, 주문 처리, 불만 처리 |
| 데이터 입력 담당자 | 67.1% | 소스 문서를 읽고 시스템에 데이터 입력 |
| 의무 기록 전문가 | 66.7% | 환자 데이터 편집, 요약, 코딩 |
| 시장 조사 및 마케팅 전문가 | 64.8% | 연구 결과 보고서 작성, 데이터 시각화 |
| 영업 담당자(도매/제조) | 62.8% | 제품 시연을 위해 고객에게 연락, 주문 요청 |
| 금융 및 투자 분석가 | 57.2% | 재무 정보 분석을 통한 투자 의사 결정 지원 |
| 소프트웨어 QA 분석가/테스터 | 51.9% | 소프트웨어 오류 수정, 성능 개선 |
| 정보 보안 분석가 | 48.6% | 리스크 평가 수행, 데이터 처리 보안 테스트 |
| 컴퓨터 사용자 지원 전문가 | 46.8% | 컴퓨터 소프트웨어/하드웨어 관련 사용자 문의 응대 |
반면, 하위 끝에서는 전체 노동자의 30%가 노출도가 0입니다. 이들의 작업이 최소 기준을 충족할 만큼 데이터에 나타나지 않았기 때문입니다. 이 그룹에는 요리사, 오토바이 정비사, 인명 구조원, 바텐더, 식기 세척원, 탈의실 안내원 등이 포함됩니다.
고용 전망 및 노동자 특성과의 관계
BLS 고용 전망과의 관계
미국 노동통계국(BLS)은 정기적으로 고용 전망을 발표합니다. 2025년 발표된 최신 전망은 2024~2034년 모든 직업의 고용 변화를 예측합니다. 연구진은 직업 수준의 관측된 노출도 지표를 BLS 예측과 비교했습니다:
현재 고용으로 가중한 직업 수준 회귀분석 결과, 관측된 노출도가 높은 직업일수록 성장 전망이 다소 약한 것으로 나타났습니다. 노출도가 10%포인트 증가할 때마다 BLS의 성장 전망은 0.6%포인트 하락합니다. 이는 연구진의 지표가 노동 시장 분석가들의 독립적인 추정치와 어느 정도 일치함을 보여줍니다. 흥미롭게도, Eloundou et al.의 이론적 지표만으로는 이러한 상관관계가 나타나지 않았습니다.
노출도가 높은 노동자들의 특성
연구진은 ChatGPT 출시 직전(2022년 8~10월) 현재 인구 조사(Current Population Survey) 데이터를 활용하여, 노출도 상위 25% 직업의 노동자와 노출도가 0인 30%의 노동자를 비교했습니다.
두 그룹은 매우 다른 특성을 보입니다:
- 성별: 노출도가 높은 그룹은 여성 비율이 16%포인트 높음 (54.4% vs 38.8%)
- 교육: 대학원 학위 소지자가 노출도 없는 그룹에서 4.5%, 높은 그룹에서 17.4%로 약 4배 차이
- 소득: 시급 기준 47% 더 높은 소득 ($32.69 vs $22.23)
- 인종: 백인 비율이 11%포인트, 아시아계 비율이 약 2배 높음
- 연령: 평균 연령이 약 2세 높음 (42.9세 vs 41.0세)
이 결과는 AI 노출이 저임금 노동자보다 고학력, 고소득 노동자에게 더 집중되어 있다는 점을 보여줍니다. 이는 과거의 기술 혁신이 주로 저숙련 노동자에게 영향을 미쳤던 패턴과 대조됩니다.
실업률과 고용에 대한 초기 증거
실업률 추이
연구진은 2016년 이후 실업률 추이를 노출도 상위 25% 노동자와 노출도 0인 노동자 사이에서 비교했습니다.
결과는 명확합니다. ChatGPT 출시 이후 노출도가 높은 노동자들의 실업률에 체계적인 증가는 관찰되지 않습니다. COVID-19 기간에는 오히려 AI 노출도가 낮은 노동자들(대면 업무가 많은)의 실업률이 훨씬 크게 상승했습니다. 그 이후 두 그룹의 추세는 대체로 유사하게 움직이고 있습니다. 이중차분법(difference-in-differences) 분석에서도 ChatGPT 출시 이후 차이의 변화는 작고 통계적으로 유의하지 않아, 노출도가 높은 그룹의 실업률이 약간 상승했을 수 있지만 그 효과는 0과 구별할 수 없는 수준입니다.
연구진은 이 프레임워크가 어떤 수준의 변화를 감지할 수 있는지도 제시합니다. 통합 추정치의 신뢰구간에 기반하면, 약 1%포인트 수준의 차별적 실업률 증가를 탐지할 수 있습니다. 예를 들어 노출도 상위 10%에 해당하는 모든 노동자가 해고된다면 상위 25% 그룹의 실업률은 3%에서 43%로 증가하고, 전체 실업률은 4%에서 13%로 상승할 것입니다.
청년 노동자의 고용 둔화 신호
특별히 우려되는 그룹은 청년 노동자입니다. Brynjolfsson et al. (2025)은 22~25세 노동자의 AI 노출 직업 고용이 6~16% 감소했다고 보고하면서, 이를 주로 이직 증가가 아닌 채용 둔화에 기인한다고 분석했습니다.
연구진도 이를 확인하기 위해 CPS의 패널 데이터를 활용하여, 22~25세 청년 노동자가 노출도가 높은 직업 vs 낮은 직업에 새로 취업하는 비율을 시간에 따라 추적했습니다. Figure 7에서 볼 수 있듯이, 2024년 이후 두 시계열이 눈에 띄게 갈라집니다. 노출도가 낮은 직업의 월간 취업률은 약 2%로 안정적인 반면, 노출도가 높은 직업으로의 진입은 약 0.5%포인트 감소했습니다. ChatGPT 이후 시기의 평균적 효과는 2022년 대비 취업률이 14% 하락한 것으로 나타나지만, 이는 겨우 통계적으로 유의한 수준입니다. 25세 이상 노동자에게서는 이러한 감소가 관찰되지 않습니다.
다만 이 결과에 대한 여러 대안적 해석이 가능합니다. 채용되지 않은 청년 노동자들이 기존 직장에 머무르거나, 다른 직종으로 전환하거나, 학교로 돌아갈 수 있습니다. 또한 설문조사 데이터에서 직업 전환은 측정 오차에 취약할 수 있다는 한계도 있습니다.
논의 및 시사점
이 연구는 AI의 노동 시장 영향을 이해하기 위한 첫 걸음입니다. 컴퓨터 프로그래머, 고객 서비스 담당자, 금융 분석가가 가장 높은 노출도를 보이지만, 미국 설문 데이터를 기반으로 분석한 결과 노출도가 높은 직업의 실업률에는 뚜렷한 영향이 없었습니다. 다만 22~25세 청년 노동자의 채용이 다소 둔화되었다는 잠정적 증거는 있습니다.
연구진은 이 분석 프레임워크를 정기적으로 업데이트할 계획이며, 향후 개선 방향으로 다음을 제시합니다:
- 새로운 사용 데이터를 반영하여 경제 전반의 작업 및 직업 커버리지의 변화 추적
- Eloundou et al.의 이론적 지표를 2023년 초 이후의 LLM 역량에 맞게 업데이트
- 노출도가 높은 분야에서 교육 자격증을 가진 최근 졸업생들이 노동 시장을 어떻게 탐색하고 있는지 조사
이 연구의 데이터(작업 및 직업 수준의 관측된 노출도)는 Hugging Face에서 공개적으로 이용할 수 있습니다.
Anthropic의 Labor market impacts of AI 연구 블로그
Labor market impacts of AI: A new measure and early evidence 연구 논문
Anthropic Economic Index 데이터셋
이 글은 GPT 모델로 정리한 글을 바탕으로 한 것으로, 원문의 내용 또는 의도와 다르게 정리된 내용이 있을 수 있습니다. 관심있는 내용이시라면 원문도 함께 참고해주세요! 읽으시면서 어색하거나 잘못된 내용을 발견하시면 덧글로 알려주시기를 부탁드립니다.
파이토치 한국 사용자 모임
이 정리한 이 글이 유용하셨나요? 회원으로 가입하시면 주요 글들을 이메일
로 보내드립니다! (기본은 Weekly지만 Daily로 변경도 가능합니다.)
아래
쪽에 좋아요
를 눌러주시면 새로운 소식들을 정리하고 공유하는데 힘이 됩니다~ 