Anthropic이 최근 'Labor market impacts of AI: A new measure and early evidence'라는 제목의 연구 보고서를 발표했다. 핵심은 이전에 아무도 시도하지 않은 작업, 즉 AI가 '이론적으로 할 수 있는 것'과 '현실에서 실제로 하고 있는 것' 사이의 선을 긋는 것이다.
이 차이는 생각보다 훨씬 중요하다.
왜 이전 예측은 항상 빗나갔나
AI가 일자리에 미치는 영향을 평가할 때 기존의 접근 방식은 일반적으로 직업 내 작업을 나열하고 "AI가 이것을 할 수 있는가"라고 묻고 비율을 계산한 다음 "이 직업의 65%가 AI로 대체될 것"이라는 결론을 내리는 방식이었다.
문제는 '할 수 있다'와 '하고 있다' 사이에 엄청난 간극이 있다는 점이다.
이 연구에서 Anthropic의 경제학자 Peter McCrory는 '관측 노출도(observed exposure)'라는 개념을 도입했다. 이는 이론적 AI 능력에 Claude의 실제 API 사용 데이터를 겹쳐 사용자가 실제로 AI를 사용해 무엇을 하고 있는지 살펴보는 방식이다.
데이터가 말하는 것
가장 대표적인 예는 프로그래머다.
- 이론적 노출도: AI는 이론적으로 프로그래밍 작업의 94%를 처리할 수 있다
- 관측 노출도: 현실에서 AI가 실제로 수행하는 작업은 33%에 불과하다
즉, 프로그래머 업무의 94%는 이론적으로 AI가 수행할 수 있지만 현실에서는 약 3분의 1만 침투했다. 나머지 60% 포인트 이상은 AI가 못 하는 것이 아니라 관성, 권한 문제, 규제, 신뢰 장벽, 통합 비용 등 여러 이유로 사람이 여전히 수행하고 있는 것이다.
| 직업 | 이론적 노출도 | 관측 노출도 |
|---|---|---|
| 프로그래머(전체) | 94% | 33% |
| 데이터 입력원 | 비교적 높음 | 비교적 높음(두 값 근접) |
| 미생물학자 | 높음 | 낮음(실험실 작업은 AI에 위탁 불가) |
| 부동산 관리자 | 중간 | 낮음(협상 기술의 AI화 어려움) |
데이터 입력과 같은 반복성이 높은 작업에서는 이론적 노출도와 실제 노출도가 비교적 가깝다. AI가 실제로 이러한 작업을 수행하고 있는 것이다.
하지만 미생물학자의 경우 이론적 노출도는 낮지 않지만(데이터 분석, 문헌 검토는 AI가 가능), 실제 노출도는 매우 낮다. 핵심 업무가 실험실에서 손으로 이루어지기 때문이다.
더 위험한 사람: 당신이 생각하는 그룹이 아니다
또 다른 직관에 반하는 발견: 노출도가 높은 직종에 종사하는 사람들은 학력이 더 높고, 임금이 더 높으며, 여성 비율이 더 높다.
- 노출도 상위 25% 직종 종사자의 평균 임금은 저노출 직종보다 47% 더 높다
- 대학원 학위를 소지할 가능성이 4.5배 더 높다
- 여성 비율이 저노출 직종보다 16% 포인트 더 높다
이는 'AI가 먼저 저숙련 일자리를 없앨 것'이라는 상식을 깨는 결과다. 지식 노동, 카피라이팅, 분석, 프로그래밍 같은 화이트칼라 업무가 오히려 AI가 먼저 침투하는 분야다.
청년층에 미치는 영향은 이미 정량화할 수 있다: 22~25세 청년층이 고노출 직종에서 일자리를 찾을 확률은 이전보다 14% 낮아졌다. 대규모 실업은 없었지만 진입 장벽이 높아졌다. 기존 직원들이 AI로 생산성을 높였기 때문에 이들 직종의 신규 일자리가 줄어든 것이다.
McCrory의 발언
"Claude가 머신러닝을 도와주길 원한다면, 지시하기 위해 스스로 머신러닝을 이해하고 있어야 한다."
이는 AI가 전문성을 대체하는 것이 아니라, 종사자가 전문성을 활용해 AI를 다루어야 함을 의미한다. 기준이 낮아진 것이 아니라 형태가 바뀐 것이다.
이는 고용 데이터에도 반영된다. 고노출 직종에서는 경험자의 임금이 오르고 있지만 초급 직위는 사라지고 있다. AI는 베테랑의 효율을 높이는 동시에 한때 젊은 노동자의 발판이었던 기초 업무의 일부를 대체하고 있는 것이다.
이 연구가 중요한 이유
그간 AI와 일자리에 관한 논의는 종말론(AI가 모든 일자리를 없앨 것)과 낙관론(AI는 더 많은 일자리를 창출할 뿐) 사이를 오갔다.
Anthropic 연구의 가치는 고용 데이터가 붕괴되기 전에 어떤 직종이 침투되고 있는지 사전에 식별할 수 있는 측정 가능한 프레임워크를 제공했다는 점이다. 이를 통해 정책 입안자들은 대규모 실업이 발생한 후에야 대책을 시작하는 것이 아니라 대응할 시간을 확보할 수 있다.
현재 관측 데이터가 보여주는 것은 아직 대규모 실업에는 이르지 않았지만 청년층이 고노출 직종으로 진입하는 길은 이미 좁아지고 있다는 점이다. 향후 추세는 독자 스스로 추론해 보시기 바란다.
출처: Anthropic's research shows that AI can already do a huge portion of many jobs (Fortune); CocoLoop; Labor market impacts of AI: A new measure and early evidence (Anthropic Research)