인공지능이 일자리를 빼앗는다고요? 데이터는 다른 이야기를 하고 있어요

들어가며

구독자님, 이틀 전 흥미로운 보고서가 하나 나왔어요. AI를 만드는 회사가 "우리 기술이 일자리에 어떤 영향을 미치고 있는지" 직접 측정하겠다고 나선 거예요.

Anthropic이 2026년 3월 5일에 발표한 "Labor Market Impacts of AI: A New Measure and Early Evidence"라는 보고서인데요. 기존 연구들이 "AI가 이론적으로 할 수 있는 일"을 기준으로 일자리 위협을 평가했다면, 이 보고서는 한 걸음 더 나아갔어요. 실제 Claude 사용 데이터를 결합해서, 지금 현실에서 어떤 업무가 AI로 대체되고 있는지를 측정한 거예요.

언론의 반응은 예상대로였어요. "프로그래머 74.5% 대체 위험!", "엔트리 레벨의 종말!" 같은 헤드라인이 쏟아졌고요. 그런데 이 보고서를 깊이 들여다보면, 숫자들이 말하는 이야기는 훨씬 더 복잡하고, 솔직히 더 불편해요. 오늘은 데이터 전문가의 눈으로 이 보고서를 해부해 볼게요. 국내의 몇몇의 인플루언서들도 이 보고서를 그냥 있는 그대로의 자극적 숫자만 받아드리고 언급해서 아쉬웠어요. 충격적이고, 위협적이고... 뭐 그런 느낌이죠. 해고 당하기 싫으면 공부해야하고 강의를 들어라~ 같은...

먼저 이 보고서가 뭘 새롭게 했는지부터 짚어볼게요

기존의 AI 노동시장 연구는 대부분 한 가지 질문만 했어요. "AI가 이 업무를 할 수 있는가?" 2023년에 OpenAI 소속 연구진(Eloundou 외)이 발표한 연구가 대표적인데, 미국 내 약 800개 직업의 업무를 분석해서 "LLM이 이론적으로 업무 속도를 2배 이상 높일 수 있는지"를 0, 0.5, 1로 점수화했어요.

문제는 "할 수 있다"와 "실제로 하고 있다" 사이에 거대한 간극이 있다는 거예요. 약국에서 처방전 정보를 제공하는 업무를 예로 들면, Eloundou 외 연구에서는 AI가 충분히 수행 가능하다고 평가했지만(β=1), 현실에서 Claude가 이 업무를 수행하는 사례는 관찰되지 않았어요. 법적 제약, 검증 절차, 소프트웨어 통합 같은 현실적 장벽이 있기 때문이에요.

Anthropic의 새 보고서는 이 간극을 정면으로 다뤄요. '관측된 노출(Observed Exposure)'이라는 새 지표를 만들었는데, 세 가지 데이터를 조합한 거예요.

첫째, O*NET 데이터베이스의 직업별 업무 목록. 둘째, Eloundou 외 연구의 이론적 AI 수행 가능성 점수. 셋째, 그리고 여기가 핵심인데, Anthropic Economic Index에서 수집한 실제 Claude 사용 데이터예요. 여기에 한 가지 가중치를 더 적용했어요. 사람이 AI의 도움을 받는 '증강(augmentation)' 사용에는 절반 가중치를, 사람 개입 없이 API로 완전 자동화된 사용에는 전체 가중치를 부여한 거예요.

결과는 인상적이에요. 이론적으로 컴퓨터·수학 직군의 업무 중 94%가 AI로 수행 가능하지만, 실제 관측된 커버리지는 33%에 불과했어요. 이론과 현실 사이에 약 3배의 격차가 존재하는 셈이에요.

숫자 이면의 구조를 보면 풍경이 달라져요

여기서부터가 이 보고서를 제대로 읽는 구간이에요.

가장 많이 인용되는 수치는 "컴퓨터 프로그래머 74.5% 노출"이에요. 그런데 이 숫자의 의미를 정확히 이해하려면 측정 방법을 따져봐야 해요. 이 74.5%는 "프로그래머의 업무 중 74.5%가 AI로 대체된다"가 아니라, "해당 직업의 업무 중 이론적으로 AI가 수행 가능하면서, 동시에 실제 Claude 사용 데이터에서 자동화 패턴이 관찰된 비율"이에요. 두 조건이 함께 충족되어야 해요.

그런데 여기서 방법론적으로 흥미로운 부분이 있어요. 이 보고서가 사용한 실제 사용 데이터는 Claude 플랫폼의 데이터만이에요. ChatGPT, Gemini, Copilot 등 다른 AI 도구의 사용 패턴은 포함되지 않았어요. 즉, 실제 AI 활용 범위는 이 보고서가 측정한 것보다 더 넓을 가능성이 높아요. 반대로, Claude 사용자층의 특성(개발자 비중이 높은 것으로 알려져 있어요)이 결과에 편향을 줄 수도 있고요.

더 중요한 건 이 보고서의 핵심 발견이에요. "아직 대규모 실업은 발생하지 않았다"는 결론이요. 연구진은 2016년부터 현재까지 미국 인구현황조사(CPS)^[1]​ 데이터를 활용해서, AI 노출 상위 25% 직군과 노출 0% 직군의 실업률을 비교했어요. 이중차분법(DID)^[2]​으로 분석한 결과, ChatGPT 출시 이후 두 그룹 간 실업률 격차의 변화는 +0.20%포인트로, 통계적으로 유의미하지 않았어요. 행복회로를 돌리자는게 아니라 통계적으로 말이에요. 그러니까, 74.5%로 대체 당한다 어쩌고 하는건 그냥 어그로에 가까운 말이라 볼 수 있어요. 해당 보고서에서도 그런 말은 없구요.

여기서 연구진 스스로도 인정한 한계가 있어요. 이 분석 프레임워크로 탐지 가능한 최소 효과 크기가 약 1%포인트 수준이라는 거예요. 다시 말해, 0.5%포인트 수준의 실업률 변화는 이 방법론으로는 포착할 수 없어요. 측정 도구의 해상도 자체에 한계가 있는 셈이에요.

진짜 신호는 '실업률'이 아니라 '진입률'에 있어요

이 보고서에서 가장 주목할 만한 발견은 사실 뒤쪽에 나와요. 22~25세 청년층의 직업 진입률(job start rate) 분석이에요.

AI 노출이 높은 직업군에서 청년층의 월간 신규 취업률이 2024년부터 눈에 띄게 하락하기 시작했어요. 2022년 대비 약 14% 감소했는데, 연구진도 이 수치가 통계적 유의성의 경계선에 있다고 조심스럽게 밝혔어요. 반면 AI 노출이 낮은 직업군에서는 청년층의 취업률이 월 2% 수준에서 안정적으로 유지되고 있었고요. 25세 이상 연령대에서는 이런 하락이 관찰되지 않았어요.

이건 스탠포드 디지털경제연구소의 Brynjolfsson 외(2025) 연구와도 겹쳐요. 이 연구진은 미국 최대 급여 처리 회사 ADP의 실제 급여 데이터를 분석했는데, AI 고노출 직업에서 22~25세 고용이 2022년 말 이후 6~16% 감소했다는 결과를 냈어요. 특히 소프트웨어 개발자의 경우, 22~25세 인력이 2022년 대비 약 20% 감소한 반면, 35세 이상 연령대는 오히려 소폭 증가하는 패턴을 보였어요.

두 연구가 서로 다른 데이터 소스(CPS 설문 vs. ADP 급여)로 비슷한 방향의 결과를 내놓았다는 건, 이 신호가 단순한 통계적 잡음이 아닐 가능성을 높여줘요. 하지만 동시에 두 연구 모두 인정하는 게 있어요. 이 감소가 순전히 AI 때문인지는 확정할 수 없다는 거예요. 금리 인상, 테크 업계 구조조정, 경기 사이클 등 다른 변수들이 동시에 작용하고 있거든요.

오스왈드의 시선

솔직히 이야기하면, 저는 이 보고서를 읽으면서 두 가지 상반된 감정이 들었어요.

하나는 감탄이에요. AI를 만드는 회사가 자기 기술의 노동시장 영향을 이 정도 수준으로 측정하겠다고 나선 건 처음이에요. 특히 '이론적 가능성'과 '실제 사용' 사이의 간극을 정면으로 드러낸 건 의미 있어요. 기존 연구들이 "AI가 미국 일자리의 80%에 영향을 줄 수 있다"는 식의 이론적 추정에 머물렀다면, 이 보고서는 "현실에서는 아직 그 이론의 1/3 수준"이라는 팩트를 데이터로 보여줬어요.

다른 하나는 경계예요. 데이터 분석을 해본 사람이라면 알겠지만, 측정 방법이 결론을 결정해요. 이 보고서는 실업률을 핵심 지표로 삼았는데, 이건 사실 AI의 초기 영향을 포착하기에는 가장 둔감한 지표 중 하나예요. 실업률은 "일을 하고 싶은데 못 하는 사람"만 세요. 취업을 아예 포기한 사람, 대학원으로 간 사람, 다른 분야로 전환한 사람은 실업률에 잡히지 않아요. Anthropic 연구진도 이걸 인식하고 있었기에 청년층 진입률이라는 보조 지표를 추가한 거예요.

제가 GTM 전략을 수립하면서 배운 게 있어요. 시장의 변화는 '퇴장'보다 '진입 차단'에서 먼저 나타나요. 기존 고객은 관성이 있어서 쉽게 떠나지 않지만, 신규 고객의 유입이 줄어드는 건 훨씬 빠르게 일어나요. 노동시장도 마찬가지라고 봐요. 기업이 기존 직원을 해고하는 건 비용이 크고 법적 리스크도 있어요. 하지만 신규 채용을 줄이는 건 아무런 마찰 없이 조용히 진행돼요.

그래서 저는 이 보고서의 진짜 가치가 "아직 괜찮다"는 결론이 아니라, "무엇을 측정해야 하는가"에 대한 프레임워크를 제시한 데 있다고 봐요. 그리고 제가 주목하는 건 보고서의 마지막 문장이에요. 연구진이 향후 가장 우선적으로 살펴봐야 할 과제로 "AI 고노출 전공 졸업생들의 노동시장 진입 경로"를 지목했다는 거예요. 이건 단순한 학술적 관심이 아니에요. 이미 데이터에서 신호가 잡히기 시작했다는 뜻이에요.

한 가지 더. 이 보고서를 발행한 곳이 Anthropic이라는 사실도 기억해야 해요. AI 기업이 "우리 기술이 아직 일자리를 빼앗지 않고 있다"고 말하는 건 사실이면서 동시에 전략적이에요. Antonio Casilli 같은 학자는 이런 연구의 이해충돌 가능성을 지적하기도 했고요. 데이터를 읽을 때는 항상 "누가, 왜 이 데이터를 공개했는가"도 함께 봐야 해요.

마치며

정리하면 이래요. 지금 AI는 기존 일자리를 대규모로 파괴하고 있지 않아요. 하지만 새로운 일자리로 들어가는 문은 조용히 좁아지고 있어요. 특히 20대 초반, 경력 사다리의 첫 번째 칸에 올라서려는 사람들에게요. 근데 단순히 이걸 "인공지능이 인간의 일자리를 뺏고 있다"라고 퉁 쳐서 이야기 하는건 그리고 누구나 할 수 있어요. 동네 아저씨, 아줌마, 할아버지, 할머니, 취준생도 할 수 있는 말이에요.

이게 무슨 의미가 있나요? 이것의 구조적 문제를 파악하고 해결방안에 대해 고민하는게 맞겠죠. 공포심을 조장하는게 목적이라면 그 사람은 매우 가학적이거나 아니면 공포심을 이용해 강의 등을 팔아 이윤을 챙기려는 사람이겠죠.

이건 "주니어의 종말"이라는 자극적인 프레이밍보다 더 구조적인 문제예요. 시니어들이 AI를 활용해 생산성을 높이면, 기업 입장에서 같은 비용으로 더 적은 주니어를 채용해도 되는 거니까요. 해고 없는 구조조정, 그게 지금 벌어지고 있는 일의 정체일 수 있어요. 

이 주제에 관심이 있으신 분은 보고서 원문과 함께 아래 참고자료를 살펴보시길 추천해요. 특히 Brynjolfsson 연구의 ADP 데이터 분석은 Anthropic 보고서와 교차 검증하기에 좋은 소스예요.

참고자료 & 더 읽기

핵심 출처

배경 지식

관련 영상

필자 안광섭은 세종대학교 경영학과 교수이자 OBF(Oswarld Boutique Consulting Firm) 리드 컨설턴트다. 대학에서 경영데이터 관리, 비즈니스 애널리틱스 등 데이터 분석을 가르치는 한편, 현장에서는 GTM 전략과 인공지능 전략 컨설팅을 이끌며 기술과 비즈니스의 접점을 설계하고 있다. AI 대화 시스템의 기억 아키텍처(HEMA) 연구로 학술 논문을 발표했으며, 매일 글로벌 AI 논문을 큐레이션하는 Daily Arxiv 프로젝트를 운영하고 있다. 고려대학교 KBMA와 기술경영전문대 석사과정을 졸업했다. 지은 책으로 《생각을 맡기는 사람들: 호모 브레인리스》가 있다.