Published on
약 5분

AI가 가져가는 것은 직업일까 과업일까

Authors
  • Name
    스타차일드

2013년 옥스퍼드 대학교의 칼 프레이(Carl Frey)와 마이클 오즈번(Michael Osborne)은 미국의 직업 702개를 하나씩 따져 컴퓨터로 대체될 확률을 매겼다. 결론은 충격적이었다. 미국 일자리의 47%가 앞으로 10~20년 안에 자동화될 위험이 높은 직업에 속한다. 이 숫자는 전 세계 신문의 제목이 되었다.

3년 뒤 OECD의 연구자 멜라니 아른츠(Melanie Arntz)와 동료들이 같은 질문을 다르게 던졌다. 직업을 통째로 보지 않고, 그 직업에 속한 사람들이 실제로 하는 일을 쪼개 보았다. 같은 직업이라도 사람마다 하는 일의 구성이 다르다는 점에 주목한 것이다. 그렇게 계산하자 OECD 21개국에서 자동화 위험이 높은 일자리는 평균 9%로 줄었다. 한국은 6%로 가장 낮은 축이었다.

자동화 위험이 높은 일자리의 비율

직업 단위로 본 경우 (프레이와 오즈번, 미국)47%
과업 단위로 본 경우 (아른츠 외, OECD 21개국 평균)9%
같은 질문이라도 무엇을 단위로 세느냐에 따라 답이 다섯 배 넘게 달라진다.

직업은 과업의 묶음이다

두 숫자가 이렇게 다른 이유는 단위에 있다. 회계사라는 직업이 사라질지 묻는 것과, 회계사가 하는 일 가운데 무엇이 자동화될지 묻는 것은 다른 질문이다. 회계사는 장부를 맞추고, 숫자의 이상한 점을 찾고, 고객에게 세금 문제를 설명하고, 어떤 처리가 맞는지 판단한다. 첫 번째 일은 기계가 잘하지만 마지막 두 가지는 그렇지 않다. 직업은 이런 과업들의 묶음이다. 기계는 묶음 전체가 아니라 그 안의 일부를 가져간다.

2003년 경제학자 데이비드 오터(David Autor) 연구팀은 이 생각을 체계로 정리했다. 일을 정해진 절차를 따르는 일과 그렇지 않은 일, 머리를 쓰는 일과 손을 쓰는 일로 나누면, 컴퓨터는 정해진 절차를 따르는 일을 대신하고 그렇지 않은 일은 오히려 거든다.

일의 종류예컴퓨터의 역할
절차가 정해진 머리 일장부 정리, 자료 입력, 계산대신한다
절차가 정해진 손 일조립 라인의 반복 작업대신한다
절차가 없는 분석과 소통진단, 협상, 설계, 가르치기거든다
절차가 없는 손 일돌봄, 청소, 수리거의 닿지 않았다

생성형 AI는 이 표의 경계를 흔든다. 글을 쓰고, 코드를 짜고, 문서를 요약하는 일은 절차가 없는 머리 일로 여겨졌는데 이제 상당 부분을 기계가 해낸다. 2023년 OpenAI와 펜실베이니아 대학교 연구팀의 추정으로는 미국 노동자의 약 80%가 하는 일 가운데 적어도 10%가 대형 언어 모델의 영향을 받을 수 있고, 약 19%는 하는 일의 절반 이상이 영향을 받을 수 있다. 영향을 받는 사람은 많지만, 일 전체가 넘어가는 사람은 그보다 훨씬 적다.

실제 현장에서 일어난 일

그렇다면 실제 일터에서는 어떤 일이 일어났을까. 몇 가지 실험이 비슷한 그림을 보여 준다.

14%

고객 상담원의 시간당 처리 건수 증가

상담원 5179명에게 AI 도우미를 붙인 결과 (Brynjolfsson 외, 2023)

34%

경력이 짧은 상담원의 증가 폭

숙련된 상담원은 거의 차이가 없었다

55.8%

코드 작성 시간 단축

깃허브 코파일럿을 쓴 개발자들이 같은 과제를 끝낸 속도 (Peng 외, 2023)

고객 상담 실험에서 가장 크게 덕을 본 것은 신입이었다. AI 도우미는 숙련된 상담원들이 하던 응대 방식을 학습해 신입에게 건넸다. 경험이 쌓여야 얻는 요령을 일부 빌려준 셈이다. 컨설턴트 758명을 대상으로 한 2023년 하버드 경영대학원의 실험도 흥미롭다. AI가 잘하는 종류의 과제에서는 AI를 쓴 사람들이 더 빨리, 더 좋은 결과를 냈다. 그런데 겉보기엔 비슷하지만 AI가 잘 못하는 과제에서는 AI를 쓴 사람들이 정답을 맞힐 확률이 오히려 19%포인트 떨어졌다. AI의 그럴듯한 답을 그대로 믿었기 때문이다.

과거의 예도 있다. 1970년대에 등장한 현금자동지급기는 은행 창구 직원을 없앨 것처럼 보였다. 경제학자 제임스 베센(James Bessen)의 분석에 따르면 지점 하나에 필요한 창구 직원 수는 실제로 줄었다. 하지만 지점을 여는 비용이 낮아지면서 지점 수가 늘었고, 창구 직원의 전체 수는 크게 줄지 않았다. 대신 일의 내용이 바뀌었다. 돈을 세는 일은 기계에 넘어가고, 상품을 설명하고 고객과 관계를 맺는 일이 늘었다.

자동화의 역설

1983년 심리학자 리산 베인브리지(Lisanne Bainbridge)는 「자동화의 아이러니」라는 짧은 논문을 썼다. 공장과 비행기 조종석을 자동화하면 사람에게는 두 가지 일이 남는다. 기계가 잘 돌아가는지 지켜보는 일, 그리고 기계가 감당하지 못하는 상황에서 대신 처리하는 일이다. 문제는 쉬운 일을 기계가 다 가져가면 사람은 연습할 기회를 잃는다는 데 있다. 가장 어려운 순간에 가장 녹슨 실력으로 나서게 된다.

생성형 AI를 쓰는 일터에서도 같은 일이 벌어질 수 있다. 초안을 늘 AI가 쓰면 초안을 쓰는 감각이 무뎌지고, 그러면 AI의 초안에서 무엇이 틀렸는지 알아보는 눈도 함께 무뎌진다. 앞의 컨설턴트 실험에서 정답률이 떨어진 사람들이 바로 그 경우였다.

AI 시대에 일이 다시 짜이는 순서

  1. 직업을 과업으로 쪼갠다

    내가 실제로 하루에 하는 일들을 적는다

  2. 넘길 과업을 고른다

    절차가 분명하고 결과를 확인하기 쉬운 일

  3. 쥐고 있을 과업을 정한다

    문제를 정의하고, 결과를 검증하고, 책임지는 일

  4. 검증하는 실력을 지킨다

    넘긴 일도 가끔은 직접 해 본다

AI에게 넘긴 일의 품질을 판단하는 능력은 그 일을 직접 해 본 경험에서 나온다.

무엇을 쥐고 있을 것인가

직업 단위의 공포와 과업 단위의 현실 사이에서 할 수 있는 일은 꽤 구체적이다. 내 일을 과업으로 쪼개 보고, 그 가운데 무엇을 넘기고 무엇을 쥐고 있을지 정하는 것이다.

넘기기 좋은 일은 절차가 분명하고, 결과가 맞는지 쉽게 확인할 수 있는 일이다. 쥐고 있어야 할 일은 그 반대다. 무엇이 문제인지 정의하는 일, 여러 답 가운데 고르는 일, 결과가 맞는지 검증하는 일, 그리고 그 결과에 책임을 지는 일. 개발자라면 코드를 타이핑하는 시간은 줄어들겠지만, 무엇을 만들지 정하고, 생성된 코드가 왜 동작하는지 이해하고, 장애가 났을 때 원인을 찾는 일은 오히려 더 중요해진다.

47%와 9% 사이의 거리는 결국 질문의 거리다. 내 직업이 사라질지 묻는 대신, 내 일 가운데 무엇이 남고 무엇이 커질지를 묻는 사람이 그다음 판에서도 자리를 지킨다.

참고한 자료

  • Carl Benedikt Frey, Michael A. Osborne, "The future of employment: How susceptible are jobs to computerisation?", Technological Forecasting and Social Change 114 (2017, 2013년 원고)
  • Melanie Arntz, Terry Gregory, Ulrich Zierahn, "The Risk of Automation for Jobs in OECD Countries", OECD Social, Employment and Migration Working Papers No. 189 (2016)
  • David H. Autor, Frank Levy, Richard J. Murnane, "The Skill Content of Recent Technological Change", Quarterly Journal of Economics 118(4) (2003)
  • Tyna Eloundou 외, "GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models" (2023)
  • Erik Brynjolfsson, Danielle Li, Lindsey R. Raymond, "Generative AI at Work", NBER Working Paper 31161 (2023)
  • Sida Peng 외, "The Impact of AI on Developer Productivity: Evidence from GitHub Copilot" (2023)
  • Fabrizio Dell'Acqua 외, "Navigating the Jagged Technological Frontier", Harvard Business School Working Paper 24-013 (2023)
  • James Bessen, Learning by Doing, Yale University Press (2015)
  • Lisanne Bainbridge, "Ironies of Automation", Automatica 19(6) (1983)

시리즈

기술이 바꾼 세계 (6/6)

표준시, 활자, 인코딩, 오픈소스처럼 기술이 세상의 규칙을 바꾼 순간을 읽는 글

  1. 1시간은 어떻게 국가의 것이 되었나: 철도와 표준시
  2. 2먼저 만든 금속활자는 왜 혁명이 되지 못했나
  3. 3똠방각하는 왜 깨졌나: 한글 인코딩의 역사
  4. 42년마다 두 배라는 예언: 무어의 법칙이 끝나는 방식
  5. 5공짜 코드가 인터넷을 떠받친다: 오픈소스의 보이지 않는 노동
  6. 6AI가 가져가는 것은 직업일까 과업일까

기술 라이브러리

혼자 공부한 것을 정리해 두는 개발자의 서재예요. 예제는 직접 돌려 보고 씁니다.

© 2026 기술 라이브러리