인공지능은 누구의 일자리를 빼앗아 갈까요? 4백만 건의 채팅을 통해 알아본 해답

지난 2월, Claude 모델을 개발한 회사 Anthropic은 독특한 '직장 현장 연구'를 완료했습니다. 4백만 건이 넘는 사용자 대화를 분석하여 수천 개의 직업과 19,530개의 직무 유형에 대해 자세히 설명하는 미국 노동부의 O*NET 직업 데이터베이스와 매칭시켰습니다. 이러한 데이터 기반 매칭을 통해 AI가 직업에 어떻게 통합되고 있으며 어떤 직업에 영향을 미치고 있는지 처음으로 밝혀졌습니다.

(개인정보 보호를 위해 연구팀은 집계된 데이터만 분석하고 개별 채팅에는 접근할 수 없는 '개인정보 보호 풋' 시스템인 Clio를 사용했습니다).

AI의 가장 큰 팬 중 하나: 상사가 아닌 코더와 워드마스터

연구 결과가 나왔을 때 가장 먼저 발견한 것은 AI의 사용이 매우 '편중'되어 있다는 것이었습니다. 거의 절반에 가까운 사용 사례가 두 가지 영역에 집중되어 있었습니다.

승자: 컴퓨터와 수학(37.2%)

맞습니다, AI의 최고 '팬'은 코더였습니다.

이커머스 앱을 개발하던 프로그래머 장이 갑자기 프로그램이 다운되고 오류 메시지가 책처럼 이해하기 어렵다고 상상해 보세요. 예전 같았으면 그는 반나절 동안 코드의 바다에서 문제를 찾기 위해 머리를 긁적거리며 고군분투했을 것입니다. 이제 그는 코드와 오류 메시지를 클로드에게 던집니다. "야, 뭐가 문제야?"라고요. AI는 한 번 살펴본 후 "문제는 XX 줄에 있습니다. 이 매개변수의 형식이 올바르게 지정되지 않았습니다."라고 대답합니다.

소프트웨어 개발 및 유지 관리부터 프로그래밍과 디버깅, 데이터베이스 설계까지 프로그래머가 AI에게 가장 자주 요청하는 작업은 바로 이러한 것들입니다. 이들에게 AI는 일자리를 빼앗는 존재가 아니라 24시간 대기하며 지칠 줄 모르는 프로그래밍 파트너에 가깝습니다.

2위: 예술 및 미디어(10.3%)

2위는 연필에 의존하는 사람들이 차지했습니다. '인문학'처럼 보이는 이 분야는 실제로 AI와 특히 잘 어울립니다.

예를 들어 마케팅 부서의 리가 제품 홍보 문안을 작성하고 싶다고 가정해 보겠습니다. 그녀는 AI에게 몇 가지 제목을 '브레인스토밍'하게 한 다음 가장 좋은 제목을 골라 계속 글을 쓸 수 있습니다. 첫 번째 초고를 완성한 후 그녀는 AI에게 기사를 보여주며 "언어가 충분히 매력적일까요? 더 생동감 있게 쓸 수 있을까요?"라고 묻습니다. 그리고 특정 형식으로 기사를 게시해야 할 때 AI는 이를 신속하게 처리할 수 있습니다.

이 사용자에는 기술 작가, 광고 카피라이터, 편집자, 심지어 아키비스트도 포함됩니다. 이들에게 AI는 영감 은행, 교정자, 조판 도구의 완벽한 조합입니다.

하지만 AI가 사용되는 직종의 분포는 크게 왜곡되어 있습니다. 아래 이미지에서 미국 전체 직업의 3.4%에 불과한 컴퓨터 및 수학 직종은 AI 대화의 37.2%를 차지하는 반면, 미국 전체 직업의 거의 30%를 차지하는 음식, 판매, 운송 직종은 두 직종을 합쳐도 3%의 대화에 불과한 것으로 나타났습니다.

'누가 사용하는가'를 파악했다면, 다음 핵심 질문은 '어떻게 사용하는가'입니다. 이 보고서는 중요한 통계를 제시합니다. 사용의 57%가 '증강'이고 43%가 '자동화'라는 것입니다.

이것은 현재 AI가 '증강'에 더 가깝다는 것을 시사합니다. 연구진은 인간과 컴퓨터의 협업을 다섯 가지 모드로 나누었습니다.

자동화된 행동(43%)

• 지시: 가장 단순한 방식입니다. '자동화'는 도구를 사용하는 것과 같습니다. "이걸 영어로 번역해줘"라고 말하는 도구를 사용하면 AI가 상호작용 없이 바로 결과를 제공하는 것과 같습니다.

• 피드백 루프: 프로그래머가 일반적으로 사용합니다. 사용자가 AI에 코드를 제공하고, 실행하여 오류를 보고한 다음, 새로운 상황에 대한 피드백을 AI에 제공하는 식으로 문제가 해결될 때까지 반복합니다. 인간은 주로 '마이크' 역할을 합니다.

증강된 행동(57%)

• 작업 반복: 심층 협업. AI에게 웹 페이지 디자인을 요청하고 AI가 첫 번째 버전을 제공한 후 "레이아웃은 좋은데 색상이 너무 어두운데 더 밝은 색으로 바꿔줄 수 있나요? 그리고 버튼을 더 크게 해주세요."라고 말합니다. 마치 두 명의 동료가 반복해서 함께 작업하면서 일을 처리하는 것과 같습니다.

• 학습: 일을 완수하는 것이 아니라 지식을 습득하는 것입니다. "'신경망'이 무엇인지 간단한 비유로 설명할 수 있나요?" AI는 만능 교사입니다.

• 확인: 작업을 완료했지만 AI가 대신 확인해주기를 원합니다. 예를 들어, SQL 코드를 작성했다면 AI가 로직을 살펴보고 문제가 있는지 또는 더 나은 작성 방법이 있는지 확인해주기를 원할 것입니다.

이 57% 대 43%의 비율은 대부분의 경우 우리가 수동적으로 AI의 도움을 받는 것이 아니라, 학습, 반복, 검증을 통해 궁극적으로 우리 자신을 더 강하게 만드는 데 사용하는 강력한 외부 두뇌와 같은 AI를 적극적으로 활용하고 있다는 것을 보여줍니다.

셋째, 소득이 높을수록 AI를 더 많이 사용할까요? 답은 '역U자형'

반직관적인 결과일 수 있지만, AI 사용과 임금의 관계는 직선이 아니라 '역U자형'입니다.

피라미드의 아래쪽과 위쪽이 모두 덜 사용

• 저소득 직업: 레스토랑 서버, 건설 노동자, 트럭 운전사. 이러한 직업은 많은 육체적 노력과 현실 세계와의 상호작용이 필요한데, 인공지능은 아직 팔과 다리를 자라지 못하기 때문에 당연히 참여하기 어렵습니다.

• 초고소득 직업: 외과의사, 판사, 고위 관리직. 이러한 직업은 최고 수준의 전문성뿐만 아니라 복잡하고 불확실한 의사결정 과정과 함께 막대한 책임과 위험도 요구합니다. AI는 아직 그 수준에 미치지 못하며 많은 규제와 윤리적 제약이 있습니다.

• 중고소득 '화이트칼라 기술직' 근로자가 절대적인 주류를 이루고 있으며, 소프트웨어 개발자, 데이터 분석가, 재무 분석가, 마케팅 관리자 등 '많은 준비'가 필요하지만 아직 '최고 수준의 전문성' 수준은 아닌 직종에서 AI 활용이 최고조에 달하고 있습니다.

이 '역U자형' 분포는 현재 AI 역량의 경계를 명확하게 보여줍니다. 정해진 규칙이 있고 정보와 데이터를 중심으로 하지만 상당한 지적 입력이 필요한 지식 기반 작업을 처리하는 데 가장 적합합니다.

Four: AI는 직업적 경계를 모호하게 만들고 '기술 인플레이션'을 야기하고 있습니다

연구의 흥미로운 결과 중 하나는 직업별 업무로 분류된 많은 AI 대화가 실제로는 해당 분야의 전문가가 아닌 사람들로부터 나온다는 점입니다. . 예를 들어, '영양사 직업'으로 분류된 질의는 전문 영양사가 아닌 일반인이 식이요법에 대한 조언을 구하는 것일 수 있습니다.

이것은 새로운 트렌드를 나타냅니다. AI가 전문 분야의 경계를 허물면서 이전에는 전문 교육을 받아야 했던 분야에 일반인도 진출할 수 있게 된 것입니다. 이러한 '전문성의 평등화'는 지식에 대한 접근과 적용 범위를 넓힐 수 있지만, 전문성과 품질 관리의 가치에 대한 의문을 제기하기도 합니다. 누구나 '절반의 전문가'가 될 수 있는 AI가 등장하면 전문 서비스의 경계와 가치는 어떻게 재정의될까요?

또 다른 중요한 트렌드는 AI가 새로운 종류의 '기술 인플레이션'을 일으키고 있다는 점입니다. AI가 기본적인 프로그래밍을 쉽게 할 수 있게 되면 '프로그래밍을 할 수 있다'는 것은 더 이상 이점이 되지 않습니다. 이는 고용 시장, 나아가 이 사회에서 일의 정의에까지 큰 영향을 미칠 것입니다. 수십 년 전만 해도 '타이핑을 한다'고 하면 사람들은 매우 전문적인 일을 하는 것으로 알았습니다. 하지만 지금은 타이핑 자체가 더 이상 전문 기술로 여겨지지 않기 때문에 '타이핑을 한다'고 하면 사람들은 헛소리라고 생각하며, '타이핑을 한다'는 말에 내포되어 있던 '직장에 있다'는 의미가 사라졌습니다.

오늘날 우리가 가치 있다고 여기는 많은 기술도 AI가 발전함에 따라 비슷한 변화를 겪을 수 있습니다.

결론: AI를 두려워하지 말고 함께 살아가는 방법을 배우세요

400만 건의 실제 대화를 통해 얻은 이 '전쟁 보고서'는 단순한 '실업론'보다 훨씬 더 복잡하고 흥미로운 세상의 그림을 그려줍니다.

전반적으로, AI 혁명은 한꺼번에 직업을 없애는 것이 아니라 '업무 단위'로 조용히 업무의 모든 측면을 변화시키는 '소모전'에 해당합니다. 연구에 따르면 약 36%의 직종에서 업무의 4분의 1 이상이 AI의 영향을 받고 있는 것으로 나타났습니다. 4%의 직종에서는 업무에서 AI가 차지하는 비중이 75%를 넘어섰습니다. 전체 비율로 보면 아직 높지 않지만, 아직 AI 시대의 시작 단계에 불과하다는 점을 고려하면 인상적인 보급률입니다.

기술과 관련이 없어 보이는 분야에서도 조용히 침투가 이루어지고 있습니다. 예를 들어 변호사는 AI로 완전히 대체되지는 않겠지만, 사례 조사 및 문서 작성에 AI를 사용하지 않는 변호사는 AI를 잘 활용하는 동료 변호사에게 추월당할 수 있습니다.

이 보고서의 가장 큰 시사점은 적어도 단기적으로는 AI 자체에 일자리를 잃는 것보다 AI를 더 잘 활용하는 동료에게 일자리를 빼앗길까 봐 더 걱정해야 한다는 것입니다.

앞으로 나아갈 길도 분명합니다."

단기적으로는 AI를 유능한 부조종사, 지칠 줄 모르는 인턴으로 삼아 반복적인 작업을 자동화하고 창의적인 작업을 반복하는 데 도움을 받도록 하세요, 아이디어를 검증하고 새로운 것을 배울 수 있습니다.

중기적으로는 AI의 '보스'가 되는 법을 배워보세요. 이를 위해서는 AI 기능의 경계를 이해하고, 문제를 정확하게 정의하고, 작업을 세분화하고, 지시를 내리고, 결과를 평가 및 통합하고, 워크플로우를 주도하는 등의 기술이 필요합니다. 쉽지 않은 일이며 기술과 많은 연습이 필요합니다.

역사적으로 모든 기술의 발전은 '오래된 일자리를 없애고 새로운 산업을 창출'하는 패턴을 따랐습니다. 증기기관은 마차 운전사를 없앴지만 거대한 산업과 물류를 창출했고, 전기는 등잔불을 없앴지만 완전히 새로운 가전제품과 엔터테인먼트 시대를 열었습니다.

장기적으로 AI는 반복적인 정신노동을 대체할 것이지만, 그렇다고 해서 사람의 가치가 떨어지지는 않을 것이며 오히려 우리의 가치를 더 높일 것입니다. 우리는 더 이상 실행만 하는 것이 아니라 질문을 하고, 기존 데이터만 다루는 것이 아니라 미지의 세계를 용감하게 탐구하며, 모방에 만족하지 않고 독창적인 아이디어를 추구하고, 차가운 상호작용에 의존하지 않고 따뜻한 공감을 통해 진정한 관계를 구축하며, 궁극적으로 효율성이 아니라 의미를 추구하게 될 것입니다. 결국, 우리는 효율성이 아니라 의미를 추구합니다. 이것이 바로 알고리즘이 넘볼 수 없는 인류의 높은 지대입니다.

AI에 대해 걱정할 필요는 없지만, AI를 활용하지 못한다면 우리 자신에 대해 걱정해야 합니다.