AI '일자리 위험' 점수는 실제로 어떻게 계산될까

Andrej Karpathy, a co-founder of OpenAI, spent a Saturday morning in March 2026 on a small side project: he had an LLM score how "digitally exposed" a few hundred U.S. occupations are, on a 0-to-10 scale. Software developers landed at 9 out of 10. The story spread fast, and by the next morning Karpathy had taken it down (it has since been restored with added disclaimers). He said it had been "wildly misinterpreted," even though the project notes explicitly warned that a high score did not mean a job would disappear.

AI 일자리 위험 점수가 어떻게 계산되는지는 헤드라인의 숫자 자체보다 중요합니다. Karpathy의 프로젝트, Goldman Sachs, 국제통화기금(IMF), Anthropic은 모두 '노출'을 다르게 정의하므로 이들의 퍼센트는 서로 바꿔 쓸 수 없습니다.

같은 직업이라도 어떤 방법을 쓰느냐에 따라 점수가 크게 달라질 수 있고, 이 중 어떤 지표도 그 자체로는 당신이 일자리를 잃을지 말해 주지 않습니다.

요약

• 공개된 'AI 일자리 위험' 수치는 하나의 지표가 아닙니다. 다수는 직무 능력이나 과업에 기반한 이론적 노출에서 출발하는 반면, Anthropic은 관측된 AI 사용도 측정합니다. 세계경제포럼 같은 고용주 설문은 또 다른 도구를 씁니다.
• 이론적 지표와 관측 사용 지표는 같은 직업에서도 크게 엇갈릴 수 있습니다. Anthropic의 2026년 3월 비교에서 Eloundou et al.의 이론적 지표는 컴퓨터·수학 과업의 노출을 94%로 본 반면, Anthropic의 관측 노출 지표는 33%였습니다.
• 2025년 PNAS Nexus에 실린 동료 검토 연구는 12개의 노출 점수를 실업 위험과 비교했고, 가장 좋은 단일 점수도 혼자서는 변동의 10.7%만 설명한다는 사실을 밝혔습니다. 12개를 모두 결합하면 29.8%까지 올라갑니다.
• 다음에 보게 될 'AI 일자리 위험' 수치를 믿기 전에 던져야 할 유용한 질문은, 그 숫자가 무엇을 말하느냐가 아니라 어떤 방법이 그 숫자를 만들었느냐입니다.

이 글이 다루지 않는 것

이 글은 메커니즘을 설명하는 글이지 특정 직업에 대한 판정이 아니므로, 인접한 몇 가지 질문은 범위 밖에 둡니다.

• 어떤 직업이 가장 안전하거나 가장 위험한지 순위를 매기지 않습니다. 그것은 다른 종류의 글입니다.
• 연령이나 연차별 최근 채용 동향은 분석하지 않습니다. 그런 노동시장 결과에는 노출 점수와는 별개의 근거 기반이 필요합니다.
• AI 역량이 앞으로 어디까지 갈지는 예측하지 않습니다. 방법론에 대한 질문은 미래 모델이 얼마나 좋아지든 그대로 유효합니다.

이론적 노출 점수는 어떻게 작동하나: O*NET, AIOE, Goldman Sachs, IMF

AIOE로 알려진 AI Occupational Exposure 지수는 10개의 AI 응용 범주를 O*NET의 52개 직업 능력과 교차 대조합니다. 크라우드소싱으로 만든 행렬이 각 AI 응용이 각 인간 능력과 얼마나 관련 있는지를 평가하고, 그 점수를 해당 능력이 특정 직업에서 얼마나 흔하고 중요한지에 따라 가중합니다. 경제학자 Edward Felten, Manav Raj, Robert Seamans는 2021년 이 방법을 Strategic Management Journal 에 발표했습니다. 이는 이후 직업의 AI 노출을 측정하려는 시도들에 영향력 있는 토대 중 하나가 되었습니다.

AIOE에서 중요한 점은 이것이 도입 지표가 아니라 노출 지표라는 것입니다. AI 응용의 발전이 특정 직업이 요구하는 능력과 얼마나 겹치는지를 추정할 뿐, 고용주가 실제로 그곳에서 AI를 쓰는지, 도입이 경제적으로 타당한지, 고용이 줄어들지는 말해 주지 않습니다.

IMF는 Felten, Raj, Seamans의 노출 지표를 2024년 1월 스태프 토론 노트 에서 받아들이고, 인간의 판단, 사회적 맥락, 물리적 존재 같은 요인이 직업을 완전한 대체로부터 얼마나 보호하는지를 포착하는 별도의 보완성 지수와 결합했습니다. 이 틀을 바탕으로 IMF는 전 세계 고용의 거의 40%가 고노출 직업에 속하며, 선진국에서는 약 60%까지 올라간다고 추정했습니다.

Goldman Sachs의 2026년 4월 분석 도 비슷한 다음 단계를 밟습니다. 기존의 AI 대체 점수를 IMF 경제학자들의 보완성 지수와 결합해 대체 가능성이 큰 영역과 증강 가능성이 큰 영역을 구분한 것입니다. Goldman은 지난 1년간 미국 고용 증가에 매달 약 16,000개 일자리만큼의 순감소 압력이 있었고, AI 증강 잠재력이 있는 직업은 매달 약 9,000개의 일자리를 더했다고 추정합니다.

참고: 세계경제포럼의 Future of Jobs Report 는 2030년까지 9,200만 개의 일자리가 대체되고 1억 7,000만 개가 새로 생긴다고 전망하지만, 만들어지는 방식이 전혀 다릅니다. 1,000곳 이상의 고용주가 예상하는 인원 변화를 보고한 설문에서 나온 것으로, 과업 분해 점수가 아니라 고용주의 자기 보고입니다. 구조적으로 다른 두 도구가 같은 'X백만 개 일자리' 문장 안에 함께 인용되고 마는 것입니다.

Anthropic은 '관측 노출'을 어떻게 다르게 측정하나

Anthropic의 Economic Index는 2025년 2월 처음 발표되었으며, 완전히 다른 종류의 데이터에서 출발합니다. 약 100만 건의 실제 Claude.ai 대화를 Clio라는 내부 도구에 통과시켜, 연구자가 원래 대화를 읽지 않고도 각 대화를 과업 분해 점수가 참조하는 것과 같은 O*NET 데이터베이스의 특정 과업에 대응시킵니다. AIOE가 AI가 그 과업을 그럴듯하게 해낼 수 있는지를 묻는다면, Index는 사람들이 실제로 AI에게 무엇을 시키는지를 묻습니다. 첫 보고서는 대화를 57.4%의 증강(사람이 여전히 작업을 주도하고 Claude가 돕는 경우)과 42.6%의 자동화(Claude가 사실상 과업을 처음부터 끝까지 수행하는 경우)로 나눴습니다.

Anthropic은 2026년 3월 후속 연구에서 이 사용 데이터를 새로운 '관측 노출' 지표로 바꿨습니다. O*NET 과업과 Eloundou et al.(2023)의 이론적 과업 노출 추정치에서 시작해, 업무 관련 Claude 사용에 충분히 자주 나타나는 과업만 포함된 것으로 셉니다. 완전 자동화 사용은 전체 가중치, 증강 사용은 절반 가중치를 받으며, 과업 포함률은 근로자가 각 과업에 쓰는 시간 비중으로 가중됩니다. 컴퓨터·수학 직업에서 Eloundou et al.의 이론적 β 지표는 과업의 94%에 이르지만 Anthropic의 관측 노출 지표는 33%입니다. 이 격차는 모순이 아닙니다. 하나는 기술적 실현 가능성을 재고, 다른 하나는 거기에 관측된 도입과 사용을 더한 것입니다.

Anthropic의 보고서를 읽은 모든 사람이 이 비교를 액면 그대로 받아들인 것은 아닙니다. 2026년 1월의 관련 보고서에 반응해 Hacker News의 한 댓글 작성자 는 이렇게 썼습니다. "인공지능 사용의 결과로 창출된 경제적 생산성의 측정치를 보게 될 줄 알았다. 그런데 내가 보고 있는 건 인공지능 사용의 측정치다." 붙들어 둘 만한 구분입니다. 사용량과 경제적 생산성은 같은 것이 아니고, 둘 중 어느 것도 실직과 같은 것이 아닙니다.

그 2026년 1월 보고서, 즉 Anthropic 자체의 경제 원시 지표 업데이트는 증강과 자동화의 비율이 다시 움직였음을 보여 줍니다. 증강이 대화의 52%로 앞서고 자동화는 45%이며, 여기에 과업 복잡도, 기술, 사용 목적, AI 자율성, 과업 성공을 추적하는 새로운 5부 프레임워크가 더해졌습니다. 이것은 진화하는 지수의 새 스냅숏이지 2025년 2월 수치를 뒤집는 것이 아닙니다. 사람들이 맡길 만한 새로운 일을 찾아내면서 사용 패턴은 계속 바뀝니다.

94%의 이론적 노출 수치와 33%의 관측 노출 수치는 서로 다른 것을 측정하기 때문에, 모순 없이 같은 직업 범주를 설명할 수 있습니다.

'노출'이 '실직'과 같지 않은 이유

"노출 지표가 드러내는 것은 기술적 취약성이지 노동시장의 결과가 아니다."

국제노동기구, 2026년 4월

이론적 노출 점수와 관측 노출 점수는 모두 직업과 AI 역량의 관계에 대해 실재하는 무언가를 포착합니다. 그러나 어느 쪽도 그 직업이 내년에도 존재할지는 말해 주지 않습니다.

2025년 Morgan Frank, Yong-Yeol Ahn, Esteban Moro 는 이 격차를 미국 실업 데이터로 검증했습니다. 공개된 12개의 노출 점수를 주별 실업보험 기록으로 구축한 직업별·주별 월간 실업 위험과 비교한 것입니다. 가장 좋은 단일 점수는 직업, 주, 월에 걸친 실업 위험 변동의 10.7%를 설명했고, 12개 점수의 앙상블은 29.8%를 설명했습니다. 직업의 기술 요건, 학력, 주, 연도, 계절성을 사용한 기준 모델은 57.4%를 설명했으며, 여기에 노출 점수 앙상블을 더하면 75.5%로 올라갔습니다.

쉽게 말해, 단일 노출 점수는 실업 위험을 혼자 예측하기에는 약한 지표입니다. 변동의 훨씬 큰 부분은 점수에 들어 있지 않은 노동시장 구조, 즉 직업의 기술 요건, 학력, 지역, 계절성과 연관되어 있습니다.

OpenAI가 2026년 4월 발표한 AI Jobs Transition Framework 는 같은 논점을 다른 각도에서 짚습니다. 기술적 노출을 대체 예측으로 취급하는 대신 세 가지 질문을 던집니다. AI가 직업 과업의 의미 있는 몫을 수행할 수 있는가, 업무를 수행하거나 감독하는 데 사람이 여전히 중심에 있는가, 비용이 낮아지면 생산성 향상을 흡수할 만큼 수요가 늘어날 수 있는가. 약 1억 4,800만 개의 미국 일자리를 아우르는 921개 직업에 적용한 결과, 이 프레임워크는 일자리의 약 18%를 자동화 위험이 높은 범주에, 24%를 재편될 가능성이 큰 일자리에, 12%를 AI와 함께 성장할 수 있는 일자리에, 46%를 당장의 변화가 적을 것으로 예상되는 일자리에 배치합니다.

PNAS Nexus 연구에서 가장 강력한 단일 노출 점수도 혼자서는 실업 위험 변동의 10.7%만 설명했습니다.

그러니 다음 'AI 일자리 위험' 수치가 피드에 흘러올 때, 걱정할지 결정하기 전에 이 방법들 중 어느 것이 그 숫자를 만들었는지 알아내는 것이 유용합니다. 이론적 노출 점수는 AI 역량이 직무 구성 요소와 어디서 겹치는지 알려 줍니다. 관측 노출 점수는 사람들이 실제로 이미 어디서 AI를 쓰고 있는지에 대한 근거를 더합니다. 어느 쪽도 혼자서는 그 직업의 고용이 늘지 줄지 말해 주지 않습니다. 그러려면 채용, 수요, 임금, 인원에 관한 노동시장 근거가 필요합니다.

읽기

AI 텍스트 감지기가 계속 틀리는 이유

자주 묻는 질문

AI 일자리 노출은 실직과 같은 뜻인가요?

아닙니다. 이론적 노출은 AI 역량이 직무와 어디서 겹치는지를 설명하고, 관측 노출은 AI가 실제로 어디서 쓰이는지에 대한 근거를 더합니다. 어느 쪽도 실직을 직접 측정하는 지표가 아닙니다. 2025년 동료 검토 연구는 12개의 노출 점수를 실제 미국 실업보험 청구 데이터와 대조해 이를 직접 검증했고, 가장 성능이 좋은 단일 점수도 혼자서는 실업 위험 변동의 10.7%만 설명했습니다.

AI 일자리 위험은 실제로 어떻게 계산되나요?

'AI 일자리 위험'이라는 이름이 붙은 수치 뒤에는 여러 방법이 있습니다. 이론적 노출 방법은 직업을 O*NET 능력이나 과업으로 분해하고 AI 역량이 그것과 얼마나 겹치는지 점수를 매기며, 정확한 채점 방식은 연구마다 다릅니다. Anthropic의 관측 노출 접근법은 이론적 과업 실현 가능성에 실제 Claude 사용, 업무 맥락, 자동화 정도를 결합합니다. 결과 수치가 다른 이유는 기술적 가능성과 실제 도입 사이의 서로 다른 단계를 측정하기 때문입니다.

같은 직업인데 왜 AI 일자리 위험 순위마다 결과가 다른가요?

일부는 구조적으로 다른 방법(과업 분해, 고용주 설문, 관측 사용은 각각 다른 질문에 답합니다)에 기반하기 때문이고, 일부는 같은 방법도 시간이 지나면서 변하기 때문입니다. Anthropic 자체의 Economic Index만 해도 2025년 2월에는 Claude 대화의 57.4%를 증강으로 봤지만 2026년 1월 보고서에서는 52%였고, 자동화도 그에 따라 움직였습니다. 특정 날짜의 스냅숏은 고정된 법칙이 아닙니다.

AI 노출 점수가 높으면 내 직업이 사라진다는 뜻인가요?

그것만으로는 아닙니다. 2026년 3월 자신의 바이럴 AI 노출 프로젝트를 내린 Andrej Karpathy는 프로젝트의 README에 점수는 "대략적인 LLM 추정치이지… 엄밀한 예측이 아니"며 고노출 직업은 대개 "대체되는 것이 아니라 재편될" 것이라고 직접 적어 두었습니다. Anthropic의 비교는 이 구분을 눈에 보이게 합니다. 컴퓨터·수학 분야에서 Eloundou et al.의 이론적 지표는 94%에 이르지만 Anthropic의 관측 노출 지표는 33%입니다. 역량 척도에서 숫자가 높다는 것과 직업을 빼앗긴다는 것은 같은 말이 아닙니다.