2026년 3월 5일, AI 개발사 앤트로픽이 자사 플랫폼 실사용 데이터를 활용한 노동시장 영향 보고서를 발표했습니다. 오늘은 이 보고서의 핵심을 먼저 정리하고, 제가 읽으면서 든 생각을 함께 나눠보겠습니다.

안녕하세요 AI코리아 뉴스레터 구독자 여러분 Sai 김진환입니다.  오늘은 AI가 대체할 직업군들의 우선 순위와 그 이유를 분석한 앤트로픽의 보고서를 분석해봄으로써 우리가 AI시대 어떤 방향성을 가질지 한번 고민해보는 시간을 가지겠습니다.

보고서가 말하는 것

1. 이 연구가 기존과 다른 이유

AI가 일자리를 대체할 것이라는 연구는 이미 많습니다. 대부분은 이런 방식입니다.

"LLM이 이 업무를 이론적으로 처리할 수 있다 → 이 직업은 위험하다"

앤트로픽은 여기에 한 층을 더 얹었습니다. 실제로 사람들이 Claude를 어떻게 쓰고 있는지의 데이터를 이론적 가능성과 결합한 겁니다.

이렇게 만든 새 지표가 Observed Exposure(실측 노출도) 입니다. 단순히 "AI가 할 수 있는가"가 아니라, 다음 다섯 가지를 함께 봅니다.

• 특정 업무가 이론적으로 LLM에 적합한가
• 실제로 Claude 사용자들이 특정 업무에 AI를 쓰고 있는가
• AI 사용이 업무적인 맥락을 가질 수 있는가? (취미·학습 제외)
• 자동화 방식인가, 단순 보조 도구인가?
• 이 업무가 해당 직업 전체에서 차지하는 비중은 얼마나 되는가?

2. 이론과 현실 사이의 큰 간극

보고서의 가장 인상적인 숫자입니다.

컴퓨터·수학 직군의 업무는 이론적으로 94%가 LLM으로 대체 가능하다고 조사된 바 있고, 사무·행정 직군은 90% 정도라고 추정됩니다.

그런데 실제 Claude 사용 데이터로 측정한 현실적 커버리지는 33%에 불과합니다.

왜 이렇게 차이가 날까요? 보고서는 이렇게 설명합니다. 이론적으로 가능해도 법적 규제, 시스템 연동 문제, 사람의 검증 단계 등 현실적 장벽이 존재하기 때문입니다. 예를 들어, 약사의 "약 리필 승인 및 처방 정보 전달" 업무는 LLM이 충분히 할 수 있지만, 실제로 Claude가 이 업무를 수행하는 데이터는 없습니다.

3. 실측 노출도 기준 상위 직업

해당 보고서에는 컴퓨터 프로그래머가 75%, 고객 서비스 담당자는 74%, 데이터 입력 직원이 67%로 상위권에 분포해있으며

반면 조리사, 오토바이 정비사, 인명구조원, 바텐더 등 전체 근로자의 30%는 아직 AI노출도가 0%입니다.

고노출 직군 종사자들의 특성도 흥미롭습니다. 저노출 직군 대비 여성 비율이 16%p 높고, 평균 임금은 47% 높으며, 대학원 졸업자 비율이 4배 이상입니다. AI는 저임금·저학력 직군보다 고임금·고학력 화이트칼라 직군을 먼저 건드리고 있습니다.

4. 지금 당장 실업률에 이상이 없다

ChatGPT 출시(2022년 11월) 이후 현재까지, 고노출 직군과 저노출 직군의 실업률 추이를 비교한 결과, 통계적으로 유의미한 차이가 없습니다. AI로 인한 실업 증가는 아직 정확한 수치로 잡히지 않습니다. 그래서 위기론을 얘기하는 것에 대해서는 아직 시기상조라고 생각합니다.

5. 그러나 한 가지 신호가 있다

22~25세 청년층의 고노출 직종 취업률이 약 14% 감소했습니다.

주목할 점은 '해고'가 아니라 '신규 채용'이 줄어들고 있다는 겁니다. 25세 이상에서는 이런 패턴이 나타나지 않습니다. 기존 직원은 유지하면서, 신규 채용을 AI로 대신하는 흐름이 조용히 시작된 것입니다.

제가 읽으면서 든 생각

"이론 94%, 현실 33%" — 이 숫자를 낙관적으로만 보면 안 됩니다

처음 이 수치를 보면 "아, 아직 멀었구나"라는 안도감이 들 수 있습니다. 저도 잠깐 그랬습니다.

그런데 다르게 읽히기도 합니다. 채워질 여지가 61%p나 남아있다는 뜻이기도 하니까요. 지금 이 간극은 기술 한계 때문이 아니라 법·제도·관행의 장벽 때문에 막혀 있는 겁니다. 규제가 바뀌고, 기업이 시스템을 연동하고, 사람들이 AI 결과물을 더 신뢰하게 되면 — 이 간극은 생각보다 빠르게 좁혀질 수 있습니다.

청년 채용 감소가 가장 걱정됩니다

실업률보다 이 부분이 더 신경 쓰입니다. 저는 매년 수백 명의 취업 준비생, 부트캠프 수강생들을 만납니다. 많은 분들이 데이터 분석가, 개발자, 기획자를 목표로 합니다. 이 직군들이 정확히 고노출 직군입니다.

해고당하는 사람이 늘어나는 게 아니라, 처음부터 뽑히지 않는 사람이 늘어나고 있다는 것. 이건 통계에는 잘 안 잡히지만, 현장에서는 이미 느껴지는 변화입니다. 신입 공고가 줄고, AI 활용 능력을 요구하는 공고가 늘어나는 것도 같은 맥락이라고 봅니다.

AI를 잘 쓰는 1명이 신입 3명을 대체하는 구조

보고서가 직접 언급하지는 않지만, 저는 이게 핵심이라고 생각합니다. AI가 일자리를 '없애는' 게 아니라, AI를 잘 쓰는 사람 한 명이 예전보다 훨씬 많은 일을 처리할 수 있게 되면서 '채용 자체가 줄어드는' 구조입니다.

결국 취업 시장에 처음 진입하려는 사람에게 가장 불리한 구조입니다. 경력자는 AI로 생산성을 높이고, 신입이 들어올 자리가 그만큼 줄어드는 것이니까요.

그래서 지금 무엇을 준비해야 할까

이 보고서를 읽고 "어떤 직업이 안전한가"를 찾는 건 좋은 접근이 아닙니다. 노출도 0%인 직업군은 대부분 물리적 노동이 필요한 직군이고, 그게 더 안전하다고 보기는 어렵습니다. 피지컬 AI의 등장으로 많은 노동이 대체될 위기가 있을거라 생각하기 때문입니다.

제가 권하는 방향은 이렇습니다.

AI 노출도가 높은 직군일수록, AI를 먼저 잘 다루는 사람이 되는 것. 가장 먼저 대체되는 사람은 AI를 무시한 전문가가 될 것이고, 가장 오래 살아남는 사람은 AI를 도구로 쓸 줄 아는 전문가가 될 것입니다.

컴퓨터 프로그래머가 1위라는 게 무섭게 느껴질 수도 있지만, 반대로 말하면 프로그래밍을 AI와 함께할 줄 아는 사람의 가치는 지금보다 훨씬 높아질 수도 있습니다.

한국은 어떨까 — 우리나라에 끼치는 영향

이 보고서는 미국 데이터를 기반으로 합니다. 그렇다면 한국은 어떨까요? 몇 가지 이유에서 한국은 미국보다 더 빠르게, 더 집중적으로 영향을 받을 수 있다고 생각합니다.

한국이 더 취약한 이유 3가지

① 화이트칼라 집중도가 유독 높습니다

보고서에서 AI 노출도가 높은 직군의 특징을 기억하시나요? 고학력, 고임금, 사무직입니다. 한국은 대학 진학률이 70%를 웃돌고, 취업 준비생의 상당수가 대기업·공공기관·금융권 등 전형적인 화이트칼라 직군을 목표로 합니다. 바로 이 직군들이 가장 먼저 AI 노출도가 높아지는 곳입니다.

② 반복적 고숙련 업무 구조

한국의 많은 사무직 업무는 정형화된 보고서 작성, 데이터 정리, 고객 응대, 문서 검토 등으로 구성되어 있습니다. 창의적 판단보다 정확한 처리가 중요한 이 업무들은 LLM이 가장 잘 자동화할 수 있는 유형입니다. 미국의 "고객 서비스 담당자 74%"나 "데이터 입력 직원 67%"가 한국에 적용되면 어떤 수치가 나올지 생각해보면 불편해집니다.

③ 극도로 경쟁적인 신입 채용 시장

미국에서 22~25세 청년층의 고노출 직종 취업률이 14% 감소했다는 신호가 걱정스러운 이유는, 한국의 신입 채용 시장이 이미 훨씬 더 좁기 때문입니다. 여기에 AI로 인해 기업들이 신입 채용 자체를 줄이기 시작하면, 그 충격은 한국에서 훨씬 크게 나타날 수 있습니다.

특히 주목해야 할 국내 직군

반면 아직 상대적으로 안전한 영역은 대면 서비스(의료, 교육 현장, 복지), 고도의 판단이 필요한 전문직(변호사, 의사의 진단·상담), 그리고 아이러니하게도 AI 시스템을 설계하고 관리하는 역할입니다.

우리는 어떻게 대처해야 할까

개인 차원에서

"AI가 내 일을 빼앗는다"가 아니라 "AI로 내 일을 10배 잘할 수 있다"는 관점으로 전환하세요.

제가 수백 명의 수강생을 가르치면서 느낀 건, AI 도구를 가장 잘 활용하는 사람들에게는 공통점이 있다는 겁니다. 자신의 업무를 잘게 분해할 줄 안다는 것입니다. "보고서를 쓴다"가 아니라 "데이터 수집 → 정리 → 인사이트 도출 → 문장화 → 검토"로 나누고, 각 단계에서 AI를 어떻게 쓸지 설계하는 능력입니다.

지금 당장 시작할 수 있는 것들:

• 내 업무 중 반복되는 작업 목록 작성 → AI로 자동화 시도
• 프롬프트 엔지니어링 기초 학습 (질문을 잘 하는 능력)
• AI 결과물을 검증하고 편집하는 능력 키우기 (AI가 틀릴 때를 잡아내는 안목)
• 도메인 전문성 + AI 활용을 결합한 나만의 워크플로우 구축

핵심은 AI를 쓰는 사람이 되는 것이 아니라, AI를 잘 쓰는 사람이 되는 것입니다. 이미 많은 사람이 ChatGPT를 씁니다. 그것만으로는 차별화가 안 됩니다.

조직·기업 차원에서

기업들도 "AI로 사람을 줄이자"는 단기 관점보다 "AI로 팀의 생산성을 높이자"는 관점이 장기적으로 유리합니다. 미국 보고서에서 나타난 것처럼, AI는 지금 신입 채용을 줄이는 방향으로 작동하고 있습니다. 하지만 조직의 지식이 쌓이고, 복잡한 의사결정을 내리려면 결국 사람이 필요합니다. AI를 단순 비용 절감 수단으로만 보는 조직은 단기 이익을 취하고 장기 경쟁력을 잃는 결과를 맞을 수 있습니다.

교육·정책 차원에서

가장 우려되는 건 지금 막 사회에 진입하려는 20대입니다. 이들이 AI 때문에 첫 취업 기회 자체를 잃는다면, 그건 개인의 문제가 아니라 사회적 문제입니다.

한국의 교육과 훈련 시스템은 여기에 아직 충분히 대응하지 못하고 있습니다. 코딩을 가르치는 것만으로는 부족합니다. AI 시대에 어떤 문제를 정의하고, 어떻게 AI와 협업해서 풀어낼지를 가르치는 방향으로 커리큘럼 자체가 바뀌어야 합니다.

저도 이 부분에서 더 많이 고민하고, 실질적인 교육 콘텐츠로 답해나가겠습니다.

마지막으로 한 마디.

이 보고서의 가장 중요한 메시지는 숫자가 아닙니다. "우리는 아직 모른다, 그래서 지금부터 측정하겠다"는 태도입니다. 불확실한 시대일수록 데이터를 보는 눈, 변화를 읽는 감각, 그리고 빠르게 적응하는 능력이 중요합니다. 그게 결국 데이리터가 함께 키워가고 싶은 것이기도 합니다.

📊 직업별 노출도 데이터 직접 확인하기 앤트로픽이 데이터를 공개했습니다. 내 직업의 노출도가 궁금하다면 직접 찾아보세요. 👉 https://huggingface.co/datasets/Anthropic/EconomicIndex

📄 원문 보고서 (영문) 👉 https://www.anthropic.com/research/labor-market-impacts

데이터와 AI에 관한 인사이트, 매주 데이리터에서 만나요. 이 뉴스레터가 유익했다면 주변에 공유해 주세요 🙏

[저자 관련 정보]
이름 : 김진환
소속: 주식회사 위니브 데이터 Lead - https://weniv.co.kr/
데이터 커뮤니티 공식 블로그 - https://www.dayliter.ai.kr/
고려대학교 빅데이터사이언스학부 데이터 강의, 경제통계학 박사수료
데이터 분석 강의 문의 및 생성형 AI 강의 문의도 언제든 환영입니다.
문의 : 이메일 주소: happydata1510@gmail.com