AI의 노동시장 영향: 새로운 측정 방식과 초기 증거

• AI 대체 위험을 정량화한 새로운 지표 ‘관측 노출도(observed exposure)’ 가 제시되었으며, 이는 이론적 LLM 능력과 실제 사용 데이터를 결합해 자동화 중심의 업무 활용을 가중 평가함
• 실제 AI 활용은 이론적 가능성에 비해 아직 제한적이며, 현재는 가능한 작업의 일부만 커버하고 있음
• 노출도가 높은 직업일수록 2034년까지의 고용 성장률이 낮게 예측되며, 이들 직군의 종사자는 여성·고학력·고임금·고연령층 비중이 높음
• 2022년 말 이후 높은 노출 직군의 실업률 상승은 관측되지 않았으나, 22~25세 청년층의 신규 채용 속도는 둔화된 것으로 나타남
• 이번 연구는 AI의 노동시장 영향 측정을 위한 기초 프레임워크를 마련한 것으로, 향후 데이터 축적을 통해 경제적 변화를 조기에 식별할 수 있는 기반을 제공함

주요 발견 (Key Findings)

• ‘관측 노출도(observed exposure)’ 는 LLM의 이론적 가능성과 실제 사용 데이터를 결합해 자동화 중심의 업무 활용 정도를 측정하는 지표로 정의됨
  • 자동화된 사용과 업무 관련 사용에 더 높은 가중치를 부여
• 실제 AI 사용은 이론적 가능성의 일부에 불과하며, AI가 수행 가능한 작업 중 실제로 사용되는 비율은 낮음
• 노출도가 높은 직업일수록 미국 노동통계국(BLS)의 2034년까지 고용 성장률 예측이 낮게 나타남
• 고노출 직업군 종사자는 평균적으로 여성 비중이 높고, 학력이 높으며, 임금 수준이 높고, 연령이 많음
• 2022년 말 이후 실업률의 체계적 증가 증거는 없으나, 청년층 신규 채용 둔화가 관측됨

서론 (Introduction)

• AI 확산으로 인한 노동시장 영향 측정 연구가 급증하고 있으나, 과거 사례는 예측 정확도가 낮았음
  • 예: 오프쇼어링 가능 직업 예측, 산업 로봇의 고용 영향 등은 상반된 결론을 보임
• 본 연구는 AI의 고용 영향 측정을 위한 새로운 프레임워크를 제시하고, 초기 데이터를 통해 검증함
• 현재까지는 AI가 고용에 미친 영향이 제한적으로 나타남
• 이 접근법은 AI 영향이 명확하지 않은 초기 단계에서 유용하며, 향후 경제적 변화를 조기에 식별할 수 있도록 설계됨

노출도 측정 방법 (Measuring Exposure)

• 세 가지 데이터 소스를 결합함
  1. O*NET 데이터베이스: 약 800개 직업의 세부 작업(task) 정보
  2. Anthropic Economic Index: 실제 Claude 사용 데이터
  3. Eloundou et al. (2023) 의 작업 수준 노출도(β) 측정치
• β 값은 LLM이 작업 속도를 두 배로 높일 수 있는 정도를 0~1로 평가
• 실제 사용이 이론적 가능성보다 낮은 이유로는 법적 제약, 소프트웨어 요구사항, 검증 절차 등이 언급됨
• 이론적 가능성과 실제 사용 간 상관관계는 높으며, 관측된 Claude 사용의 97%가 이론적으로 가능한 작업에 해당

새로운 직업 노출도 지표 (Observed Exposure)

• 이론적으로 가능한 작업 중 실제로 자동화되어 사용되는 비율을 측정
• 노출도가 높을수록 다음 조건을 만족
  • AI로 수행 가능한 작업 비중이 높음
  • 업무 관련 사용이 많음
  • 자동화 또는 API 기반 사용 비중이 높음
• 자동화된 사용은 1, 보조적 사용은 0.5로 가중, 직업별 시간 비중으로 평균
• 결과적으로 AI의 실제 적용 범위는 이론적 가능성보다 훨씬 좁음
  • 예: 컴퓨터·수학 직군의 이론적 커버리지 94% 중 실제는 33% 수준
• 가장 노출된 직업군: 컴퓨터 프로그래머(75%), 고객 서비스 담당자, 데이터 입력원(67%)
• 노출이 거의 없는 직업군(30%): 요리사, 정비공, 구명요원, 바텐더 등

직업 성장률 및 근로자 특성 (Exposure vs. Job Growth and Worker Characteristics)

• BLS의 2024–2034 고용 예측과 비교 시, 노출도가 높을수록 성장률이 낮음
  • 노출도 10%p 증가 시 성장률 0.6%p 감소
• 고노출 근로자는
  • 여성 비중 +16%p
  • 백인 비중 +11%p, 아시아인 비중 2배
  • 평균 임금 47% 높음
  • 대학원 학위 보유 비율 17.4% (비노출군 4.5%)

실업률 및 채용 동향 분석 (Unemployment and Hiring Trends)

• 실업률 변화:
  • 2016~2024년 데이터에서 고노출군과 비노출군의 실업률 차이는 유의하지 않음
  • ChatGPT 출시 이후에도 고노출군 실업률 상승은 통계적으로 유의하지 않음
• 청년층(22~25세) 채용률:
  • 2024년부터 고노출 직군으로의 신규 채용률이 약 14% 감소
  • 저노출 직군의 채용률은 월 2% 수준으로 안정적
  • 25세 이상 근로자에게는 유사한 감소 없음
• 이는 AI가 청년층의 신규 진입 채용에 초기 영향을 미칠 가능성을 시사하나, 실업률 증가로는 이어지지 않음

논의 및 향후 과제 (Discussion)

• AI 노출도와 노동시장 데이터의 결합 분석을 통해 초기 영향을 평가
  • 프로그래머, 고객 서비스, 금융 분석가 등이 가장 높은 노출군
• 현재까지 실업률 영향은 미미, 다만 청년층 채용 둔화의 초기 신호 존재
• 향후 과제
  • AI 사용 데이터의 지속적 업데이트로 경제 내 작업 커버리지 추적
  • Eloundou et al. 지표의 최신화 필요
  • 신규 졸업자 및 고노출 전공자의 노동시장 진입 경로 분석 예정
• 본 프레임워크는 AI로 인한 경제적 변화를 조기에 탐지하고, 신호와 잡음을 구분하는 도구로 활용 가능함