AI가 노동시장에 미치는 영향 평가: 현황 분석

예일대 예산연구소 연구 보고서 종합 분석 (2025년 10월 1일)

핵심 결론

ChatGPT가 출시된 지 33개월이 지났지만(2022년 11월 ~ 2025년 8월), 미국 노동시장 전체에서 AI로 인한 뚜렷한 혼란은 관찰되지 않았습니다. 대중의 불안감과는 달리, 실제 고용 데이터는 AI 자동화가 현재 인지노동(머리를 쓰는 일)에 대한 수요를 잠식하고 있다는 우려를 뒷받침하지 않습니다. 직업 구성의 변화는 이미 2021년부터 시작되었으며, AI 이전의 추세와 크게 다르지 않습니다. 이는 과거 컴퓨터와 인터넷 도입 초기와 유사한 패턴입니다.

1. 주요 기술 용어 및 개념 설명

AI 및 기술 관련 용어

생성형 AI (Generative AI / genAI)

• 콘텐츠를 스스로 생성할 수 있는 AI 시스템을 말합니다. 이 연구는 2022년 11월에 출시된 ChatGPT를 "AI 시대"의 시작점으로 봅니다.

ChatGPT

• OpenAI가 개발한 대화형 AI 모델입니다. 2022년 11월 출시 이후 AI 기술의 대중화를 이끈 대표적인 서비스입니다.

대형 언어 모델 (Large Language Models / LLMs)

• 방대한 양의 텍스트 데이터로 학습된 AI의 기초 모델입니다. ChatGPT, Claude 등이 이를 기반으로 합니다.

LLM+

• 기본 AI 모델 위에 추가 기능을 결합한 소프트웨어입니다. 예를 들어, AI를 활용한 전문 업무용 앱 등이 여기에 해당합니다.

범용 기술 (General Purpose Technologies / GPTs)

• 여러 산업 분야에 걸쳐 영향을 미치는 혁신적인 기술입니다. 전기, 컴퓨터, 인터넷이 대표적이며, AI도 이 범주에 속할 가능성이 높습니다.

노동시장 측정 지표

직업 구성 (Occupational Mix)

• 경제 전체에서 각 직종에 종사하는 근로자들의 분포를 의미합니다. 예를 들어, 전체 노동자 중 프로그래머가 몇 퍼센트, 사무직이 몇 퍼센트인지를 나타냅니다.

비유사성 지수 (Dissimilarity Index)

• 시간이 흐르면서 직업 구성이 얼마나 변했는지를 측정하는 지표입니다. 예를 들어, 비유사성 지수가 7%라면, 이전 시점의 직업 구성과 같아지려면 근로자의 7%가 다른 직종으로 이동해야 함을 의미합니다.

AI 노출도 (AI Exposure)

• 이론적으로 AI가 특정 업무의 수행 시간을 최소 50% 이상 단축할 수 있는지를 측정한 지표입니다. 노출도가 높다고 해서 실제로 그 직업이 사라진다는 의미는 아니며, AI의 "잠재적 영향 가능성"을 나타냅니다.

직접 노출 (Direct Exposure)

• 생성형 AI가 직접 업무 수행 시간을 50% 이상 줄일 수 있는 경우입니다.

베타 노출 (Beta Exposure)

• 직접 노출(가중치 1)과 LLM+ 노출(가중치 0.5)을 결합한 종합 측정치입니다.

자동화 (Automation)

• AI가 최소한의 인간 개입으로 업무를 수행하는 것입니다. 예를 들어, AI가 보고서를 스스로 작성하거나 데이터를 자동으로 분류하는 경우입니다.

증강 (Augmentation)

• AI가 인간을 보조하는 것입니다. 예를 들어, AI가 초안을 작성하면 사람이 검토하고 수정하는 방식입니다.

AI 사용 (AI Usage)

• 이론적 노출도와 달리, 실제로 AI 도구를 얼마나 사용하고 있는지를 측정한 지표입니다. Anthropic의 Claude 데이터를 통해 측정되었습니다.

데이터 출처

CPS (Current Population Survey / 현재인구조사)

• 미국의 월별 고용 데이터를 제공하는 공식 통계입니다.

O*NET

• 각 직업의 구체적인 업무 내용을 데이터베이스화한 자료입니다.

SOC (Standard Occupational Classification) 코드

• 직업을 분류하는 표준 체계입니다.

12개월 이동평균

• 데이터의 월별 변동성을 줄이기 위해 12개월간의 평균을 계산하는 통계 기법입니다.

산업 분류

연구에서 중점적으로 분석한 산업들:

• 정보 산업: 신문, 영화, 데이터 처리 등
• 금융 활동: 은행, 보험, 투자 등
• 전문 및 비즈니스 서비스: 법률, 회계, 컨설팅 등
• 제조업
• 사무직 근로자: 주로 사무실에서 머리를 쓰는 일을 하는 근로자

2. 그래프 및 시각자료 상세 분석

그림 1: 시간에 따른 직업 비유사성 지수 - AI와 과거 기술 혁신 비교

그래프 유형: 시계열 비교 선 그래프

비교 기간:

• 1984-1989년: PC 혁명 시기
• 1996-2002년: 인터넷 확산 시기
• 2016-2019년: 비교 대조군 (큰 기술 변화가 없던 시기)
• 2022-2025년: AI 시대 (ChatGPT 출시 후 33개월)

축 설명:

• X축: 기술 도입 후 경과 개월 수
• Y축: 기준 시점 대비 직업 구성의 변화율 (%)

데이터 의미: 이 그래프는 각 기술 혁신 시기마다 노동시장의 직업 구성이 얼마나 빨리 변했는지를 비교합니다. 33개월 시점에서 AI 시대는 약 7-8%포인트의 차이를 보이며, 인터넷 시대와 비슷하거나 약간 높은 수준입니다.

주요 발견:

• AI 시대의 변화 속도는 인터넷 시대보다 약 1%포인트 빠릅니다
• 하지만 이 차이는 극적이지 않으며, 과거 기술 혁신의 패턴과 유사합니다
• 결론: AI로 인한 노동시장 변화가 과거보다 획기적으로 빠르지는 않습니다

그림 2: 최근 직업 구성 추세 (AI 이전 맥락)

그래프 유형: 시계열 추세선

목적: ChatGPT 출시 이전의 추세를 보여줍니다

핵심 발견: 직업 구성의 변화는 이미 2021년부터 진행되고 있었습니다. 즉, 생성형 AI가 나오기 "전부터" 이미 변화가 시작되었습니다.

의미: 최근의 직업 구성 변화를 AI 때문이라고 단정할 수 없습니다. 변화는 ChatGPT 이전부터 "이미 진행 중"이었습니다.

그림 3: 2022년 11월 이후 산업별 직업 구성 변화

그래프 유형: 산업 비교 차트

분석 산업:

• 정보 산업
• 금융 활동
• 전문 및 비즈니스 서비스
• (비교 대상: 전체 노동시장 평균)

주요 발견:

• 정보 산업: 직업 구성의 변화가 가장 큽니다
• 금융 및 전문 서비스: 전체 평균보다 큰 변화를 보입니다
• 이들은 모두 AI 노출도가 높은 산업들입니다

데이터 의미: AI 노출도가 높은 산업에서 더 큰 변화가 관찰되지만, 이것이 반드시 AI 때문인지는 다음 그래프들에서 검증됩니다.

그림 4-6: 고노출 산업 내 사전 추세

그래프 유형: 산업별 시계열 변화

분석 산업: 정보, 금융 활동, 전문 및 비즈니스 서비스

핵심 발견: 이들 산업 내의 직업 구성 변화 추세는 2022년 11월 이전부터 시작되었습니다.

결론: AI 노출도가 높은 산업들의 변화조차도 ChatGPT 출시 이전부터 진행되고 있었으므로, AI가 직접적인 원인이라고 보기 어렵습니다.

그림 7: 장기 시계열에서 본 정보 산업의 변동성

그래프 유형: 장기 시계열

핵심 발견: 정보 산업의 큰 변화는 특정 기술 발전의 결과가 아니라 산업 자체의 고유한 특성입니다.

의미: 정보 산업은 역사적으로 항상 변동성이 컸습니다. 최근의 변화를 AI 때문이라고 단정할 수 없습니다.

그림 8: (Jed Kolko 차트 참조)

비교 시기: 1940-1950년대 vs 현재

핵심 발견: 현재의 직업 구성 변화는 1940-50년대(세계대전과 전후 복구로 인한 대규모 노동시장 변화)에 비하면 느린 편입니다.

의미: 역사적 관점에서 보면, 현재의 변화는 그렇게 급격하지 않습니다.

그림 9: 최근 대졸자 vs 경력 대졸자의 직업 구성 비유사성

그래프 유형: 비교 선 그래프

비교 그룹:

• 20-24세 (최근 졸업생)
• 25-34세 (경력 초기 졸업생)

목적: AI가 노동시장 진입자들에게 다른 영향을 미치는지 테스트합니다.

축 설명:

• X축: 시간
• Y축: 두 그룹 간 직업 구성의 차이

주요 발견: 최근 몇 개월 동안 비유사성이 이전 기간보다 약간 더 빠르게 증가했습니다.

데이터 의미:

• Brynjolfsson 등의 연구(초기 경력 근로자에 대한 AI 영향)와 일치할 수 있습니다
• 또는 단순히 노동시장 둔화를 반영할 수도 있습니다

주의사항: 표본 크기가 작아(연간 약 1,100명의 최근 졸업생, 5,600명의 경력 초기 졸업생) 확정적 결론을 내리기 어렵습니다.

그림 10: 2021년 1월 이후 졸업생 비유사성 추세

그래프 유형: 범위를 보여주는 시계열

축 설명:

• X축: 시간
• Y축: 비유사성 비율 (30-33% 범위)

핵심 발견: 비유사성이 30-33% 범위를 벗어나는 경우가 거의 없습니다.

의미: 증가 추세가 ChatGPT 이전부터 존재했을 가능성이 있어, AI 때문이라고 단정할 수 없습니다.

대안 해석: 최근 약간의 상승 모멘텀이 있을 수 있으며, 이는 연구 결과와 CPS 데이터의 노이즈/노동시장 둔화 모두와 일치할 수 있습니다.

그림 11: OpenAI 노출도 분위수별 근로자 비율 추이

그래프 유형: 시간에 따른 고용 비율을 보여주는 누적 영역 또는 선 그래프

범주:

• 최저 노출도 (1-2분위): 근로자의 약 29%
• 중간 노출도 (3-4분위): 근로자의 약 46%
• 최고 노출도 (5분위): 근로자의 약 18%

시간 범위: 2022년 11월 ~ 현재

축 설명:

• X축: 시간
• Y축: 각 노출도 그룹의 근로자 비율

핵심 발견: 시간이 지나도 비율이 놀라울 정도로 안정적입니다. 분포에 변화가 없습니다.

결론: 근로자들이 고노출 직업에서 벗어나는 증거가 없습니다. 즉, AI 노출도가 높은 직업에서 일자리가 줄어들고 있다는 신호가 없습니다.

그림 12: 실업 기간별 실업자의 AI 노출도

그래프 유형: 산점도 또는 선 그래프

축 설명:

• X축: 실업 기간 범주
• Y축: AI가 수행할 수 있는 업무의 평균 비율 (25-35% 범위)

핵심 발견: 실업 기간에 관계없이 약 25-35%의 업무가 생성형 AI로 수행될 수 있습니다.

의미: 명확한 상승 추세가 없습니다. 실업 통계에서 AI로 인한 대체의 징후가 보이지 않습니다.

패턴: 월별 변동은 있지만 체계적인 추세는 없습니다.

결론: AI 때문에 일자리를 잃은 사람들이 늘어나고 있다는 증거가 실업 데이터에서 발견되지 않습니다.

그림 15: Anthropic 사용 수준별 직업 고용 (자동화 및 증강)

그래프 유형: 두 가지 측정 방법을 보여주는 비교 차트

범주:

• 높은 자동화 사용 (>50%)
• 높은 증강 사용 (>50%)

두 가지 측정 방법:

• 방법 1 (누락된 업무 무시): 자동화 약 70%, 증강 약 11%
• 방법 2 (관찰되지 않은 업무는 0으로): 자동화 약 3%, 증강 약 0%

핵심 발견: 방법에 관계없이 시간이 지나도 비율이 안정적입니다.

의미: AI 사용 패턴이 시간이 지나도 크게 변하지 않고 있습니다.

그림 16 및 18: 실업자의 자동화 및 증강 수준

그래프 유형: 실업 기간별 분석

목적: AI로 인해 대체된 근로자가 실업 데이터에 나타나는지 테스트합니다.

데이터 출처: Anthropic의 2025년 9월 중순 릴리스

핵심 발견: AI로 인한 대체를 나타내는 패턴이 없습니다.

결론: 실업자 중에 AI로 인해 일자리를 잃은 사람들이 증가하고 있다는 증거가 없습니다.

그림 20: OpenAI 노출도와 Anthropic 사용의 상관관계

그래프 유형: 산점도

축 설명:

• X축: OpenAI 노출도 점수
• Y축: Anthropic 사용 점수

범위: CPS 직업의 약 80% 포함

핵심 발견: 이론적 노출도와 실제 사용 간의 상관관계가 제한적입니다.

의미: 노출도만으로는 실제 AI 영향을 예측하기 어렵습니다. 이론적으로 AI가 많은 영향을 미칠 수 있다고 해도, 실제로는 사용되지 않을 수 있습니다.

결론: "이론적 취약성"과 "실제 영향"은 별개입니다.

그림 21: 노출도와 사용의 4분면별 직업 범주

그래프 유형: 4분면 분석 (SOC 직업 범주 포함)

4분면: 낮은/높은 노출도 × 낮은/높은 사용

주요 패턴:

• 높은 사용 (노출도 무관): 과학/정량적 전문직과 일반 비즈니스 직종이 주를 이룹니다
• 낮은 사용 분면: 다양한 직업 범주가 포함됩니다
• 낮은 사용/낮은 노출도: 컴퓨터화가 거의 안 된 생산직

핵심 발견: 높은 사용은 소수의 범주에 집중되어 있습니다. 낮은 사용은 다양한 직업에 퍼져 있습니다.

의미: AI 사용이 특정 직종에 집중되어 있으며, 경제 전반에 고르게 퍼지지 않았습니다.

그림 22: 직업별 Claude 사용 - "대화" 비율

그래프 유형: 직업별 사용 비율을 보여주는 막대 그래프 또는 분포도

핵심 발견: 사용이 다음 직종에 압도적으로 집중되어 있습니다:

• 컴퓨터 및 수학 직종 (코더 포함): 압도적으로 과대표됨
• 예술 및 미디어 (작가 포함): 상당히 과대표됨

비교 지표: 사용 비율 vs 노출도 순위 vs 고용 비율

한계: Claude의 코딩/글쓰기 명성으로 인해 사용자층이 편향되었습니다.

의미: Claude 사용 데이터는 경제 전체의 AI 사용을 대표하지 못합니다. 특정 직종(프로그래머, 작가)에 매우 편중되어 있습니다.

그림 A1: 사전 추세가 포함된 직업 구성 (부록)

그래프 유형: 각 기간 전 12개월의 사전 추세가 추가된 그림 1의 확장판

시간 범위: 그림 1과 동일한 4개 기간 + 각 기간 전 12개월

핵심 발견: 사전 추세가 첫 해의 추세와 유사한 정도의 비유사성을 보입니다.

의미: 새로운 기술은 즉각적인 효과가 미미합니다. 변화는 시간이 걸립니다.

참고: "컴퓨터" 시기의 큰 사전 추세는 1981년 이전 데이터 품질 문제 때문일 가능성이 높습니다.

그림 A2: 절대 노출 수준별 고용 (부록)

그래프 유형: 고용 비율의 시계열

범주:

• 최저 노출도 (<0.4): 근로자의 약 45%
• 중간 노출도 (0.4-0.8): 근로자의 약 45%
• 최고 노출도 (>0.8): 근로자의 약 2%

핵심 발견: 시간이 지나도 비율이 안정적이며, 관찰 가능한 추세가 없습니다.

목적: 상대적 노출도 대신 절대적 노출도를 사용하여 그림 12 분석을 재현합니다.

그림 A3: 자동화/증강 업무 추세 (부록)

그래프 유형: 2025년 3월~8월 시계열

데이터: Anthropic 릴리스 (일관성을 위해 기업 사용 제외)

목적: 시간에 따른 AI 사용 패턴의 진화를 보여줍니다.

참고: 더 많은 데이터 릴리스가 제공되면 업데이트될 예정입니다.

3. 주요 주장 및 논점 요약

중심 주제

ChatGPT가 출시된 지 33개월이 지났지만(2022년 11월 ~ 2025년 8월), 광범위한 노동시장에서 식별 가능한 혼란이 발생하지 않았습니다. 이는 AI 자동화가 현재 인지노동에 대한 수요를 잠식하고 있다는 우려를 약화시킵니다.

주요 연구 질문

1. 노동시장 변화 속도가 과거 기술 변화 초기 시기와 다른가?
   • 답: 아니요, 변화는 역사적 패턴과 유사합니다
2. 경제 전체적인 고용 효과의 증거가 있는가?
   • 답: 총체적 수준에서 명확한 증거가 없습니다

뒷받침 논거

역사적 선례

• 기술적 혼란은 몇 달이나 몇 년이 아닌 수십 년에 걸쳐 발생합니다
• 컴퓨터가 공개 출시 후 사무실에 일반화되기까지 거의 10년이 걸렸습니다
• 직장 전환은 더 오래 걸렸습니다
• 33개월은 광범위한 효과를 기대하기에 너무 짧습니다

직업 구성 분석

• 변화는 일어나고 있지만 과거 기술 혁신보다 극적으로 빠르지 않습니다
• 현재 궤적은 인터넷 시대보다 약 1%포인트만 높습니다
• 최근 추세는 ChatGPT 이전(2021년)에 시작된 것으로 보입니다
• 산업별 변화도 AI 도입 이전입니다

노출도와 현실의 격차

• 이론적 "노출도"가 실제 혼란과 같지 않습니다
• OpenAI 노출도 데이터와 Anthropic 사용 데이터의 상관관계가 제한적입니다
• 유사하게 노출된 직업 간에도 채택률이 극적으로 다릅니다
  • 예: 소프트웨어 개발자(높은 노출, 빠른 채택) vs 사무직(유사한 노출, 느린 채택)

대체 신호 없음

• 고/중/저 노출 직업의 근로자 비율이 안정적으로 유지됩니다
• 실업자의 AI 노출도 패턴이 증가하지 않습니다
• 노출 수준과 실업 기간 간의 상관관계가 없습니다

산업 변동성

• 정보 부문이 가장 큰 변화를 보이지만 이는 역사적으로 이 산업의 특징입니다
• AI 집약적 부문(정보, 금융, 전문 서비스)의 변화는 ChatGPT 이전에 시작되었습니다

인정된 반론

초기 경력 근로자

• 최근 졸업생(20-24세)과 경력 초기 졸업생(25-34세) 간의 직업 구성에 약간의 차이가 있습니다
• Brynjolfsson 등의 초기 경력 영향 연구 결과와 일치할 수 있습니다
• 일반적인 노동시장 둔화를 반영할 수도 있습니다
• 데이터가 너무 노이즈가 많고 표본 크기가 너무 작아 확정적 결론을 내릴 수 없습니다

특정 직업

• 다른 연구들이 특정 직업/하위집단에 대한 가능한 영향을 보여줍니다
• 이 연구는 더 광범위한 경제 전체적 렌즈를 취합니다
• 거시적 안정성이 미시적 혼란을 배제하지는 않습니다

4. 주요 발견 및 정책적 시사점

주요 발견

1. (아직) 경제 전체적 혼란 없음

• ChatGPT 출시 후 33개월 동안 노동시장 안정성을 보이며, 혼란이 아닙니다
• 직업 구성 변화는 완만하며 AI 이전 추세와 일치합니다

2. 직업 구성 변화는 기존에 존재했음

• 2021년에 추세가 이미 보였으며, 생성형 AI 이전입니다
• AI 때문이라고 확정적으로 말할 수 없습니다

3. 노출도 ≠ 영향

• 높은 이론적 AI 노출도가 고용 변화와 상관관계가 없습니다
• 고/중/저 노출 직업의 근로자 비율이 일정하게 유지됩니다
• 노출도와 실업 패턴 간의 관계가 없습니다

4. 산업 패턴은 AI 이전입니다

• 정보, 금융, 전문 서비스가 더 큰 변화를 보입니다
• 이러한 변화는 2022년 11월 이전에 시작되었습니다
• 정보 부문은 기술 발전과 관계없이 역사적으로 변동성이 큽니다

5. 사용 데이터는 집중을 보여줍니다

• 실제 AI 사용은 다음에 크게 집중되어 있습니다:
  • 컴퓨터/수학 직종(코딩)
  • 예술/미디어(글쓰기)
• 이론적 노출도에도 불구하고 더 넓은 경제에서는 제한적 채택

6. 실업은 AI 신호를 보여주지 않음

• 실업자의 AI 노출 수준이 25-35% 업무에서 안정적입니다
• 실업 기간별 추세가 없습니다
• 실업 통계에서 AI로 인한 대체의 증거가 없습니다

7. 가능한 초기 경력 효과(잠정적)

• 최근 졸업생과 경력 초기 졸업생 간의 직업 비유사성이 약간 증가했습니다
• 초기 근로자에 대한 영향을 보여주는 일부 연구와 일치합니다
• 정상적인 노동시장 주기를 반영할 수도 있습니다
• 데이터 한계로 인해 결론을 내리기 어렵습니다

정책적 시사점

1. 데이터 투명성이 중요합니다

• 현재 문제: 포괄적인 AI 사용 데이터가 공개적으로 제공되지 않습니다
• 최소 요구사항: 모든 주요 AI 기업이 API를 포함한 개인 및 기업 수준의 사용 데이터를 공유해야 합니다
• 긍정적 사례: Anthropic이 기업 데이터를 포함한 Claude 사용 데이터를 공개하여 선도했습니다
• 행동 촉구: Google, Microsoft, OpenAI 및 기타 AI 연구소가 Anthropic의 선례를 따라야 합니다
• 프라이버시: 데이터 공유는 투명하면서도 프라이버시를 보호해야 합니다
• 무행동의 결과: "이것 없이는 정책 입안자, 연구자, 대중이 우리 시대의 가장 중요한 기술 변화 중 하나에 대해 맹목적으로 날아갈 것입니다"

2. 지속적인 모니터링 필요

• 예일 예산연구소는 앞으로 매월 분석을 업데이트할 것을 약속합니다
• 새로운 기술의 효과는 진화합니다. 단일 스냅샷으로는 불충분합니다
• 사실 기반 평가를 가능하게 하기 위해 영향이 예상되는 곳을 "사전 등록"해야 합니다
• 체계적인 추적을 통해 "소문과 사실"을 구별합니다

3. 안심에도 불구하고 경계 필요

• 초기 발견은 안심되지만 미래를 예측하지 않습니다
• 역사적 선례는 효과가 수년/수십 년에 걸쳐 나타남을 시사합니다
• AI 능력과 채택이 증가함에 따라 체계적인 모니터링을 유지해야 합니다

4. 더 나은 지표 필요

• 현재 노출 지표(OpenAI)는 이론적이며 사용 기반이 아닙니다
• 현재 사용 지표(Anthropic)는 하나의 AI 도구만 다룹니다
• 모든 주요 AI 플랫폼에 걸친 포괄적이고 대표적인 데이터가 필요합니다
• 개인 및 기업 사용 패턴을 모두 포착해야 합니다

5. 정책 과잉 반응 피하기

• "광범위한 대중 불안"이 존재하지만 데이터는 즉각적인 경보를 뒷받침하지 않습니다
• 대부분의 "놀라운 헤드라인"은 실제 고용 데이터와 모순됩니다
• 증거 기반 정책 수립은 더 명확한 신호를 기다려야 합니다

6. 특정 취약 그룹에 초점

• 경제 전체적 영향은 미미하지만 다음에 대한 집중된 효과가 가능합니다:
  • 초기 경력 근로자
  • 최근 대학 졸업생
  • 특정 직업(예: 소프트웨어 개발자, 작가)
• 광범위한 정책보다는 표적 개입이 필요할 수 있습니다

5. 연구 방법론

핵심 데이터 출처

1. 현재인구조사 (CPS)

• 월별 고용 데이터 제공
• 직업 구성 분석의 주요 출처
• 2025년 7월까지의 최신 데이터 (보고서 작성 시점)
• 노이즈를 줄이기 위해 12개월 이동평균 적용

2. OpenAI 노출도 데이터

• ChatGPT 기술에 대한 이론적 "노출도" 측정
• GPT4가 업무 완료 시간을 50% 이상 줄일 수 있는지를 기반으로 함
• 한계: 이론적이며 실제 사용 기반이 아님; 수년 전에 만들어져 현재 AI 능력을 반영하지 못함

3. Anthropic Claude 사용 데이터

• Claude AI 챗봇의 실제 사용 데이터
• 2025년 3월(초기), 8월(보고서에 사용), 9월(실업 분석용) 릴리스
• 최근 릴리스에는 기업 사용 데이터 포함
• 한계: Claude에 특정함; 코딩/글쓰기에 크게 편향됨; 경제 전체 AI 사용을 대표하지 못함

분석 방법

1. 비유사성 지수 (Duncan and Duncan, 1955)

• 각 직업의 노동력 비율을 월별로 측정
• 시작 월(기준선)과 비교
• 12개월 이동평균 적용하여 노이즈 감소
• 모든 직업에 걸쳐 절대 차이 합산
• 결과: 기준선 구성과 일치하도록 직업을 바꿔야 하는 근로자의 비율

2. 역사적 비교 기간

• AI 시대: 2022년 11월 ~ 현재 (보고서 시점 33개월)
• PC 혁명: 1984-1989년
• 인터넷 채택: 1996-2002년
• 대조군 기간: 2016-2019년 (경기침체 이후, 기술 변화 낮음)

3. 노출도 5분위 분석

• 노출도 점수로 직업 순위 매김
• 5개의 동등한 그룹으로 나눔
• 3개 범주로 그룹화:
  • 최저 (1-2분위)
  • 중간 (3-4분위)
  • 최고 (5분위)

6. 전체 결론 및 향후 전망

현재 상태 요약 (2025년 10월 기준)

노동시장은 혼란이 아닌 안정성을 보여줍니다

ChatGPT 출시 후 33개월이 지났고 AI 일자리 손실에 대한 광범위한 대중 불안에도 불구하고, 미국 고용 데이터의 종합 분석은 경제 전체적 혼란의 증거를 보여주지 않습니다. 나타나는 그림은 붕괴가 아닌 연속성입니다.

핵심 메시지

1. 불안은 여전히 추측적입니다

• AI 일자리 대체에 대한 대중의 두려움은 아직 고용 데이터로 뒷받침되지 않습니다
• "가장 놀라운 헤드라인"은 실제 지표와 모순됩니다
• 인식과 현실 간의 격차가 큽니다

2. 변화는 완만하고 기존에 존재했습니다

• 직업 구성이 역사적 기간보다 약간 빠르게 변하고 있지만 극적이지 않습니다
• 추세는 2021년에 시작되었으며, 생성형 AI 도입 이전입니다
• AI 때문이라고 확신할 수 없습니다

3. 역사적 관점이 중요합니다

• 현재 패턴은 이전 기술 혼란(PC, 인터넷) 초기 단계와 일치합니다
• 광범위한 직장 효과는 일반적으로 몇 달이 아닌 수십 년에 걸쳐 나타납니다
• 33개월은 확정적 평가에 너무 짧습니다
• 인내와 지속적인 모니터링이 필요합니다

4. 노출도 ≠ 혼란

• AI에 대한 이론적 취약성이 실제 고용 변화를 예측하지 못합니다
• 노출 수준에 걸친 근로자 분포가 안정적으로 유지됩니다
• 유사하게 노출된 직업 간에도 채택이 극적으로 다릅니다

5. 데이터 격차가 중요한 문제입니다

• 포괄적인 사용 데이터 없이는 AI의 영향을 완전히 이해할 수 없습니다
• 현재 대리 지표(OpenAI 노출도, Anthropic 사용)는 불완전합니다
• 모든 주요 AI 기업의 투명성이 필요합니다
• 정책 입안자들은 현재 "맹목적으로 날아가고" 있습니다

6. 경계가 필요합니다

• 초기 발견은 안심되지만 예측적이지 않습니다
• AI는 변혁적 범용 기술의 대열에 합류할 가능성이 높습니다
• 궁극적인 혼란 수준을 결정하기에는 너무 이릅니다
• 매월 모니터링이 필수적입니다

7. 가능한 집중된 효과

• 경제 전체적 영향은 없지만 특정 그룹에 대한 효과의 일부 증거가 있습니다
• 초기 경력 근로자가 어려움에 직면할 수 있습니다
• 특정 직업(코더, 작가)이 빠른 AI 채택을 보입니다
• 거시적 안정성이 미시적 혼란을 배제하지 않습니다

향후 계획

이 분석이 하는 것:

• 2025년 8월까지 AI의 노동시장 영향에 대한 증거 기반 스냅샷 제공
• 미래 모니터링을 위한 기준선 설정
• 총체적 수준에서 안정성 입증
• 데이터 격차 및 방법론적 과제 식별

이 분석이 하지 않는 것:

• 미래 AI 영향 예측
• 미래 혼란 배제
• 모든 미시적 효과 포착
• 고용을 넘어선 AI의 전체 경제적 영향 측정

다음 단계:

• 예일 예산연구소는 매월 분석을 업데이트할 것입니다
• 시간에 따른 추세의 진화 모니터링
• 패턴이 역사적 선례에서 벗어나는지 평가
• 엄격한 테스트를 위한 예상 영향 영역 사전 등록
• 증거 기반 결론을 추측과 구별

마무리

이 연구는 AI가 노동시장에 미치는 영향에 대한 가장 포괄적이고 증거 기반의 분석 중 하나입니다. 주요 결론은 대중의 우려와는 달리 현재까지 AI로 인한 경제 전체적 일자리 혼란의 증거가 없다는 것입니다.

하지만 이것이 AI의 잠재적 영향을 과소평가하는 것은 아닙니다. 역사적으로 컴퓨터와 인터넷도 즉각적인 혼란을 일으키지 않았지만 결국 노동시장을 크게 변화시켰습니다. AI도 마찬가지 경로를 밟을 가능성이 높습니다.

가장 중요한 정책 권고는 데이터 투명성입니다. Google, Microsoft, OpenAI를 포함한 모든 주요 AI 기업이 Anthropic의 선례를 따라 상세한 사용 데이터를 공개해야 합니다. 이 데이터 없이는 정책 입안자와 연구자, 그리고 대중이 "맹목적으로" AI 시대로 나아갈 수밖에 없습니다.

예일 예산연구소는 이 분석을 매월 업데이트하여 AI의 노동시장 영향을 지속적으로 추적할 것을 약속했습니다. 이는 증거 기반 정책 수립과 대중의 이해를 위해 매우 중요한 노력입니다.