과업 단위로 보는 2030년 AI 고용 시나리오와 인력 계획

Anthropic이 최근 Scenarios for our Economic Future을 공개했습니다. Anthropic 경제팀은 앞으로 몇 년 동안 AI가 미국의 일자리와 성장, 실업에 어떤 영향을 줄지 계산하는 모델을 만들었습니다. 이번 공개물은 이 모델에 누구나 자기 가정을 넣어 볼 수 있는 시나리오 탐색 도구입니다. 모델의 근거는 기술 보고서 Economic Scenarios for Transformative AI(Korinek et al., 2026)입니다.

Anthropic은 그동안 Economic Index로 현재 경제 전반에서 AI가 어떻게 쓰이는지 측정해 왔습니다. 이번 도구는 앞으로 AI 역량이 더 커졌을 때 2030년의 경제가 어떤 모습일지를 가정별로 보여 줍니다. 대상은 미국 경제입니다. 다만 직무를 과업 단위로 나눠 보는 분석 틀은 우리나라 기업이 인력 계획과 AX 교육 방향을 정할 때도 참고할 만합니다.

직무를 과업의 묶음으로 보는 방식

모델은 경제 안의 모든 직무를 과업의 묶음으로 표현합니다. 과업 목록은 미국 노동부의 O*NET 분류를 따릅니다. AI는 과업을 더 잘하거나 빠르게 하도록 돕기도 하고, 과업을 대신 수행하기도 하고, 아무 영향을 주지 않기도 하며, 새로운 과업을 만들기도 합니다.

원문은 간호사의 하루로 이 구조를 설명합니다. 간호사는 회진을 돌고 채혈을 하며 들어오는 환자를 분류합니다. 활력징후를 기록하고 병동 물품도 주문합니다.

과업 묶음은 시간에 따라 바뀝니다. 종이 차트를 손으로 쓰는 일은 거의 사라졌고, 30년 전에는 원격으로 환자를 모니터링하는 과업이 없었습니다. 원문에 따르면 간호사가 AI를 업무에 들이면 더 많은 일을 감독하고 처리할 수 있게 됩니다. 환자와 대화하며 진단을 설명하는 시간도 늘어납니다. 원문은 이를 생산성 향상의 경로로 봅니다.

이런 과업은 모든 병동과 근무 조에서 매일 수백만 번 반복됩니다. AI를 쓰는 간호사가 늘수록 그 수백만 건 가운데 AI가 지원하는 비율이 커집니다. 미국에서 사람과 기계, 소프트웨어가 수행한 과업을 모두 더하면 지난 1년간 30조 달러가 넘는 가치가 됩니다. 결국 경제 전체에 대한 영향은 증강과 자동화 중 어느 쪽이 우세한지, 생산성이 얼마나 오르는지, 노동자와 기업이 얼마나 빨리 받아들이는지에 따라 정해진다는 것이 모델의 구조입니다.

세 가지 시나리오와 2030년 GDP

원문은 가능한 여러 미래 가운데 성격이 뚜렷하게 다른 세 가지를 제시합니다. 완만한 시나리오에서 AI의 영향은 인터넷과 비슷합니다. 실제 경제적 이득은 있지만 신기술의 역사적 범위 안에서 점진적으로 나타나고, 거시 경제 데이터에서는 효과를 확인하기 어렵습니다.

상당한 시나리오에서 AI의 영향은 인터넷이나 철도를 넘어섭니다. 2030년까지 AI는 전체 지식노동의 절반을 수행할 역량을 갖추고 그 대부분을 자율적으로 처리합니다. 그러나 역량만큼 도입되지는 않아서 지식노동 과업의 대부분은 여전히 AI 없이 수행됩니다. 극단적 시나리오에서는 AI가 지식노동 과업 대부분에서 사람보다 생산적이고 거의 모두를 자율적으로 수행하며, 사람을 위한 새 지식노동 과업은 사실상 생기지 않습니다. 원문은 이 시나리오가 실현되려면 스스로를 재귀적으로 개선하는 AI와 빠른 도입이 필요할 것으로 봅니다.

GDP는 2025년 가격 기준입니다. 세 시나리오 모두에서 AI는 경제를 키웁니다. 원문은 평소 성장률의 두 배 정도까지는 실업이 역사적 범위 안에 머문다고 설명합니다. 경제사에 없던 속도의 성장이 나타날 때 비로소 지식노동자의 임금과 취업 전망에 불리한 영향이 커진다고 봅니다.

고용 변화와 직종 이동의 비용

일자리 시장에는 늘 이직과 재취업이 있습니다. 평상시에는 이 과정이 개인에게 고통스러울 수 있어도 거시적으로는 비교적 잘 작동하고, 구직자 대부분이 꽤 빨리 새 일자리를 찾습니다.

상당한 시나리오와 극단적 시나리오에서는 지식노동에서 자동화와 일자리 대체가 크게 일어날 수 있습니다. 원문은 개발자나 콜센터 상담원이 전기 기술자나 간호사처럼 AI 노출이 적은 직종으로 옮겨야 할 수 있다고 예를 듭니다. 2026년에서 2030년으로 갈수록 지식노동 일자리는 줄고 AI 영향이 적은 직종의 일자리는 늘어납니다. 지식노동의 실업률은 오르고 그 밖의 직종에서는 내려갑니다.

직종을 완전히 바꾸는 일은 어렵습니다. 원문은 이유를 세 가지로 듭니다. 노동자가 직종을 바꾸고 싶어 하지 않을 수 있고, 새 기술을 배워야 할 수 있으며, 배운 뒤에도 새 일자리를 얻기가 쉽지 않습니다. 시나리오가 요구하는 직종 전환이 많을수록 일자리 사이에 머무는 사람이 늘어납니다. 극단적 시나리오에서는 지식노동의 넓은 영역이 빠르게 자동화되어 영향을 받은 노동자가 장기간 실업 상태에 놓일 수 있습니다. 필자가 보기에 이 모델에서 실업의 크기를 좌우하는 변수는 자동화의 규모와 함께 사람이 새 역할로 옮겨 가는 데 걸리는 시간입니다.

임금과 분배의 방향

세 시나리오 모두에서 평균 임금은 오르지만 상승분은 지식노동 밖의 직종에 몰립니다. 수요가 늘어나는 직종으로 사람이 옮겨 가는 데 시간이 걸리기 때문입니다. 사람이 하는 지식노동의 수요가 줄면 해당 임금에 하락 압력이 생깁니다.

반대로 지식노동의 생산성이 높아지면 그 결과를 활용하는 현장 노동의 수요가 늘어납니다. 원문은 물리적 인프라의 설계와 인허가가 빨라지면 건설 프로젝트가 늘고, 건설 노동자 수요와 임금이 함께 오를 수 있다는 예를 듭니다.

분배 측면에서 원문은 경제 규모가 커지더라도 성장의 더 큰 몫이 노동보다 자본, 즉 부를 만드는 자원과 기술로 갈 수 있다고 봅니다. 극단적 시나리오에서 사회 전체는 그 어느 때보다 부유해지므로 원문은 성과를 넓게 나누는 일이 과제가 된다고 정리합니다. 원문은 이 모델이 현실을 완전히 반영한 지도는 아니라는 점도 함께 밝히고 있습니다.

1만 명 설문과 시나리오 탐색 도구

탐색 도구는 다섯 가지 질문에 답하면 그 가정에 따른 2030년 경제를 보여 줍니다. 원문에 따르면 Anthropic은 8월에 미국인 1만 명 이상(일반 응답자 10,980명)에게 같은 질문을 했고, 사이트 방문자 24,983명의 응답도 함께 공개했습니다.

일반 응답자의 전형적인 답은 상당한 시나리오에 가까운 결과를 가리켰습니다. 2030년 GDP가 AI가 없을 때보다 10% 높고 전체 실업률은 5% 안팎으로 오르는 모습입니다. 응답자의 약 10%는 극단적 시나리오에 부합하는 견해를 보였습니다. 역량과 도입을 별도 질문으로 나눈 설계는 AI가 할 수 있는 일과 실제로 쓰이는 일 사이에 차이가 있다는 전제를 드러냅니다.

우리나라 기업이 확인할 것

이 모델은 미국 경제를 대상으로 하므로 수치를 한국에 그대로 옮기기는 어렵습니다. 판단의 틀로는 다음 세 가지를 점검해 볼 수 있습니다.

1. 핵심 직무를 과업 단위로 나눠 변화 없음, 증강, 자동화, 새 과업으로 분류했는지 확인합니다. 간호사 사례처럼 AI 결과를 점검하고 검토하는 새 과업이 생긴다면 AX 교육의 내용도 도구 사용법과 함께 이 과업을 다뤄야 할 것입니다.
2. 인력 계획이 어떤 시나리오를 기본 가정으로 삼는지 명시했는지 확인합니다. 상당한 시나리오에서도 AI의 역량과 실제 도입 사이에는 간극이 있고, 필자는 이 도입 속도가 조직이 직접 관리할 수 있는 변수라고 봅니다.
3. 역할 전환에 드는 시간을 계획에 반영했는지 확인합니다. 원문은 전환 의지, 새 기술 학습, 새 일자리 확보를 전환의 어려움으로 꼽았습니다. 사내 재배치와 재교육 기간을 미리 산정해 두면 이런 부담을 줄이는 데 참고가 됩니다.

출처: Scenarios for our Economic Future