“AI가 내 직업을 없앨까?”라는 질문은 너무 크고, 그래서 자주 틀립니다. 직업은 조사, 작성, 계산, 설득, 승인, 현장 대응처럼 성격이 다른 업무의 묶음이기 때문입니다. AI는 이 묶음을 한 번에 지우기보다 일부 업무를 빠르게 만들고, 다른 업무의 책임과 난도를 높이며, 새로운 검수 업무를 만듭니다.
2026년 7월 31일 기준 ILO의 글로벌 노출도 연구, Anthropic Economic Index의 실제 사용·사용자 조사, 세계경제포럼의 고용주 전망과 IMF의 국가별 보완성 연구를 함께 읽었습니다. 결론은 낙관이나 공포 중 하나가 아닙니다. AI에 노출된 업무가 많다는 사실은 그 직업이 곧 사라진다는 뜻이 아니며, 같은 기술도 도입 방식에 따라 사람을 대체하거나 보완할 수 있습니다.
먼저 구분해야 할 네 가지
AI 고용 논쟁에서는 서로 다른 숫자가 같은 의미처럼 섞입니다.
| 개념 | 실제로 묻는 질문 | 말해 주지 않는 것 |
|---|---|---|
| 이론적 노출도 | 현재 AI가 이 업무에 영향을 줄 기술적 가능성이 있는가 | 조직이 실제로 도입했는가 |
| 관찰된 사용 | 사람들이 AI로 어떤 업무를 하고 있는가 | 결과가 정확하고 채택됐는가 |
| 보완성 | AI를 써도 사람의 판단·책임·관계가 중요한가 | 고용과 임금이 반드시 늘어나는가 |
| 고용 결과 | 채용, 이동, 임금과 역할이 실제로 바뀌었는가 | 변화의 원인이 AI 하나뿐인가 |
ILO는 전 세계 노동자 약 4명 중 1명이 어느 정도 생성형 AI 노출이 있는 직업에 속하지만, 최고 노출 구간은 세계 고용의 3.3%라고 추정했습니다. 특히 사무직의 노출이 높았습니다. 동시에 대부분의 직업에는 사람의 입력이 필요한 업무가 남아 있어 가장 가능성 높은 결과를 ‘직업 소멸’보다 ‘직업 변형’으로 봤습니다. 이 수치는 자동화된 실제 일자리 수가 아니라 업무 잠재력의 추정치입니다.
가능하다는 것과 실제로 쓰인다는 것 사이
Anthropic은 직업별로 AI가 이론상 다룰 수 있는 업무와 Claude에서 실제 관찰된 사용을 구분합니다. 2026년 1월 보고서는 AI가 사용된 업무가 평균적으로 전체 경제의 업무보다 더 높은 교육 수준을 요구하는 쪽에 기울었다고 분석했습니다. 즉 단순 반복 업무만이 아니라 글쓰기, 분석, 소프트웨어 같은 고숙련 디지털 업무가 먼저 영향을 받습니다.
하지만 대화 기록은 완성품이 채택됐는지, 조직의 승인과 보안 절차를 통과했는지까지 보여 주지 못합니다. 최신 모델이 작업을 ‘할 수 있음’과 회사가 그 결과를 책임지고 ‘사용함’ 사이에는 데이터 접근, 권한, 오류 비용, 암묵지와 고객 신뢰라는 문이 놓여 있습니다.
2026년 실사용 데이터가 보여 준 양면성
Anthropic의 2026년 6월 조사는 Claude 사용자에게 AI가 업무에 미친 영향을 물었습니다. 응답자의 86%는 속도, 82%는 수행 범위, 69%는 품질이 좋아졌다고 답했습니다. 68%는 더 많이 배우고 있다고 했고, 57%는 자신의 기술 가치가 높아졌다고 느꼈습니다. 반면 3분의 1 이상은 다음 12개월에 AI가 업무 대부분을 할 수 있을 것으로 예상했고, 경력이 짧은 응답자는 더 높은 노출과 더 큰 실직 우려를 보고했습니다.
이 수치는 강력하지만 일반 인구 조사로 읽으면 안 됩니다. 조사 표본은 Claude 사용자이며 컴퓨터·수학 직군과 관리자가 과대표집됐고, 생산성·학습 효과도 자기 보고입니다. AI를 많이 위임하는 사람이 더 낙관적이라는 상관관계 역시 AI가 낙관을 만들었다는 인과관계를 증명하지 않습니다.
그럼에도 중요한 신호가 있습니다. 경력 15년 이상인 사람은 초년자보다 AI가 대신할 수 있는 업무 비중을 약 10%포인트 낮게 평가했습니다. 응답자들은 이유로 상황 판단, 조직 맥락, 신뢰 형성과 사람 관리를 들었습니다. 경험은 ‘AI를 안 쓰는 능력’이 아니라 AI가 놓친 예외를 발견하고 결과에 책임지는 능력으로 이동할 수 있습니다.
직업보다 먼저 바뀌는 일곱 가지
- 빈 문서 작성은 초안 검토로 바뀝니다. 초안을 만드는 시간은 줄지만 사실 확인, 톤과 책임 판단이 커집니다.
- 검색은 근거 묶음 설계로 바뀝니다. 답을 받는 것보다 출처·기준일·반례를 확인하는 능력이 중요해집니다.
- 실행은 작업 분해와 위임으로 바뀝니다. 큰 목표를 AI가 검증 가능한 작은 결과물로 나누는 사람이 유리합니다.
- 숙련의 일부가 검수 규칙으로 변합니다. 전문가의 암묵지를 체크리스트, 예외 조건과 승인 기준으로 표현해야 합니다.
- 초년 업무는 학습 장치를 필요로 합니다. 단순 초안을 모두 자동화하면 신입이 판단을 배우는 사다리가 사라질 수 있습니다.
- 성과는 속도만으로 측정할 수 없습니다. 재작업, 오류 비용, 채택률, 고객 만족과 사람이 절약한 시간을 함께 봐야 합니다.
- 생산성 이익의 배분이 조직 문제가 됩니다. 절약된 시간을 학습·창의·고객 업무로 돌릴지 인력 축소로 바꿀지는 기술이 아니라 경영 선택입니다.
세계경제포럼의 2025년 고용주 조사도 이 긴장을 보여 줍니다. 응답 기업의 77%는 AI 대응으로 재교육을 계획했지만 41%는 AI가 업무를 자동화함에 따라 인력 감축도 계획했습니다. 2030년까지 필요한 기술의 약 40%가 바뀔 것이라는 전망에는 AI뿐 아니라 인구, 경제, 에너지와 지정학 변화가 함께 포함되어 있습니다. 따라서 ‘순증 7,800만 개’ 같은 총계는 특정 개인의 직업을 예언하는 숫자가 아닙니다.
내 업무를 재설계하는 실전 표
| 업무 유형 | AI에게 맡길 첫 단계 | 사람이 지켜야 할 경계 | 측정할 지표 |
|---|---|---|---|
| 반복·저위험 | 분류, 형식 변환, 초안 | 표본 검수와 오류 복구 | 처리 시간, 오류율 |
| 분석·중위험 | 자료 정리, 가설과 반례 제안 | 출처 대조와 결론 승인 | 채택률, 재작업률 |
| 고객·관계 | 문의 요약, 답변 후보 | 공감, 약속, 예외와 갈등 | 해결률, 만족도, 이관률 |
| 고위험 결정 | 정보 수집과 시나리오 비교 | 법적·재무적·인사 결정 | 중대 오류, 승인 기록 |
| 학습·초년 업무 | 설명, 연습 문제, 피드백 | 직접 시도와 전문가 코칭 | 독립 수행률, 이해도 |
IMF의 필리핀 노동시장 연구는 높은 AI 노출만으로 위험을 정하지 않고, AI가 사람을 보완할 가능성을 함께 봤습니다. 고노출 노동자 중 상당수는 높은 보완성도 보였지만 BPO처럼 표준화된 디지털 업무가 많은 부문은 더 큰 대체 위험을 보였습니다. 같은 직무명이라도 결정 책임, 고객 신뢰, 현장 맥락과 오류 비용이 다르면 결과가 달라집니다.
팀을 위한 30일 실험
첫 주에는 직무가 아니라 한 사람이 반복하는 업무 20개를 적습니다. 빈도, 소요 시간, 오류 영향, 필요한 데이터와 최종 책임자를 표시하세요. 둘째 주에는 저위험 업무 두 개만 AI로 실행하고 원래 방식과 비교합니다. 셋째 주에는 전문가의 검수 기준과 실패 복구 절차를 문서화합니다. 마지막 주에는 속도뿐 아니라 정확도, 재작업, 채택률, 학습과 고객 영향을 검토합니다.
실험 후에는 세 가지 중 하나를 선택합니다.
- 자동화: 규칙이 안정적이고 오류 영향이 낮은 업무
- 증강: AI가 후보를 만들고 사람이 맥락·책임을 더하는 업무
- 보류: 데이터 권한, 검증 또는 실패 복구가 준비되지 않은 업무
결론: 직업 이름 대신 업무 흐름을 보자
AI가 일자리를 없애는지에 대한 단일 답은 아직 없습니다. 노출도는 가능성이고, 사용 로그는 채택의 일부이며, 사용자 설문은 경험을 보여 줄 뿐 실제 고용 변화를 확정하지 않습니다. 지금 확인되는 더 단단한 변화는 직업 안의 업무 순서, 초안의 생산자, 검수 책임과 학습 경로가 다시 배치되고 있다는 것입니다.
개인이 준비할 것은 모든 모델을 익히는 일이 아닙니다. 자신의 업무를 분해하고, AI가 잘하는 부분과 사람이 책임져야 하는 부분을 구분하고, 더 빨라진 결과가 실제 가치로 이어지는지 측정하는 능력입니다. 조직이 준비할 것은 생산성만 가져가는 자동화가 아니라 초년자의 학습, 전문가의 승인, 고객 신뢰와 이익 배분까지 포함한 업무 설계입니다.
주요 자료
- ILO, Generative AI and Jobs: A Refined Global Index of Occupational Exposure
- Anthropic Economic Index: Cadences, 2026년 6월
- Anthropic Economic Index: Economic Primitives, 2026년 1월
- World Economic Forum, Future of Jobs Report 2025
- IMF, Artificial Intelligence and the Philippine Labor Market
노출도와 전망은 실제 해고 건수나 개인의 미래를 예측하는 값이 아닙니다. Anthropic 자료는 자사 제품 사용과 사용자 표본에 기반하며, WEF 수치는 고용주 전망입니다. 결과는 국가·산업·도입 방식에 따라 달라질 수 있습니다.