AI가 여러분 직업의 94%를 이론적으로 대체할 수 있대요. 근데 실제로 쓰이는 건 33%뿐이래요. 이 61%포인트 격차가 대체 뭘 의미하는 걸까요? Anthropic이 자기네 Claude 사용 데이터 수백만 건을 분석해서 내놓은 답이 꽤 흥미로워요.
이게 뭔데?
2026년 3월 5일, Anthropic 소속 경제학자 Maxim Massenkoff와 Peter McCrory가 "Labor market impacts of AI: A new measure and early evidence"라는 논문을 발표했어요. 핵심은 "관측 노출도(Observed Exposure)"라는 새로운 지표예요. 기존 연구들이 "AI가 이론적으로 뭘 할 수 있는지"만 봤다면, 이 연구는 Claude의 실제 사용 데이터를 미국 직업 데이터베이스(O*NET)와 결합해서 이론과 현실의 격차를 처음으로 계량화했어요.
방법론이 꽤 정교해요. 먼저 Eloundou 등(2023)의 "GPTs are GPTs" 논문에서 각 직업 태스크의 이론적 AI 노출도(beta 점수)를 가져오고, 그 위에 Anthropic Economic Index의 실제 Claude 사용 패턴을 덮어씌워요. 여기서 자동화(augmentation이 아닌 automation) 용도와 업무 관련 사용에 더 높은 가중치를 줬어요. 그러니까 ChatGPT로 레시피 물어보는 건 안 치고, 실제로 업무에 AI를 쓰는 케이스만 골라낸 거예요.
그 결과가 충격적이에요. Claude 사용의 68%는 "완전 노출" 태스크(beta=1.0), 29%는 "부분 노출" 태스크, 고작 3%만 "비노출" 태스크에 해당했어요. AI가 할 수 있는 일에 집중적으로 쓰이고 있다는 뜻이죠. 문제는 그 "할 수 있는 일"과 "실제로 하고 있는 일" 사이의 간극이에요.
핵심 구분: 이론 vs 현실
이론적 노출도(Theoretical Exposure) = AI가 기술적으로 수행 가능한 태스크 비율
관측 노출도(Observed Exposure) = 실제 Claude 사용 데이터에서 확인된 태스크 비율
이 둘의 차이가 이 연구의 핵심 발견이에요. 간극이 클수록 "아직 AI가 못 먹은 파이"가 크다는 뜻이기도 하고, 동시에 "채택 장벽이 높다"는 뜻이기도 해요.
뭐가 달라지는 건데?
발견 1. 94% vs 33% — 능력과 현실의 간극
가장 눈에 띄는 숫자예요. 컴퓨터·수학 직종에서 AI의 이론적 태스크 커버리지는 94%인데, 실제 Claude 사용 기반 커버리지는 33%에 불과해요. 사무·행정 직종도 이론적으로는 90%인데 실제는 그 일부만 커버되고 있고요. 61%포인트나 되는 이 격차의 원인으로 연구진은 네 가지를 꼽았어요 — 모델의 한계, 법적 제약, 추가 소프트웨어 통합 필요, 그리고 AI 출력물에 대한 인간 검토 필요성.
발견 2. 직업별 "관측 노출도" 랭킹
연구가 매긴 실제 AI 노출도 순위를 보면, 이론적 예측과는 꽤 다른 그림이 나와요.
| 직업 | 관측 노출도 | 이론적 노출도 | 격차 |
|---|---|---|---|
| 컴퓨터 프로그래머 | 74.5% | 94% | 19.5%p |
| 고객 서비스 담당자 | 70.1% | ~90% | ~20%p |
| 데이터 입력 전문가 | 67.1% | ~85% | ~18%p |
| 컴퓨터·수학 직종 평균 | 33% | 94% | 61%p |
| 요리사, 정비사, 바텐더 등 | 0% | ~5% | ~5%p |
프로그래머가 74.5%로 1위예요. 고객 서비스(70.1%), 데이터 입력(67.1%)이 뒤를 이어요. 반면 전체 노동자의 약 30%는 AI 노출도가 0%예요 — 요리사, 오토바이 정비사, 인명구조원, 바텐더 같은 물리적 현장 직종이에요.
발견 3. AI에 가장 노출된 사람들의 프로필
여기가 좀 의외예요. AI 노출 상위 25% 직종의 노동자들은 하위 그룹 대비:
소득이 47% 더 높고, 대학원 학위 보유율이 3.9배(17.4% vs 4.5%), 여성 비율이 16%포인트 더 높아요. AI가 저임금 단순 노동이 아니라 고학력·고소득 화이트칼라를 정조준하고 있다는 거예요.
발견 4. 아직 대량 실업은 없다 — 하지만 청년 채용에 신호가 있다
연구진의 결론은 신중해요. ChatGPT 출시(2022년 12월) 이후 AI 고노출 직종에서 실업률의 체계적 증가는 관측되지 않았어요. 하지만 22~25세 청년층에서는 다른 이야기예요. AI 고노출 직종의 청년 구직률(job finding rate)이 14% 하락했어요. 연구진은 이 수치가 "겨우 통계적으로 유의미한 수준"이라고 인정하면서도, 주목할 만한 초기 신호라고 봤어요.
Dallas Fed의 별도 연구도 이를 뒷받침해요. AI 노출 상위 10% 산업에서 전체 고용은 2022년 이후 1% 감소했고, 특히 컴퓨터 시스템 설계 분야는 5% 감소했어요. 반면 같은 분야의 임금은 16.7% 상승 — 전국 평균 7.5%의 2배 이상이에요. 해석하면? 경험 있는 사람은 더 비싸지고, 신입은 문이 좁아지는 구조.
발견 5. "화이트칼라 대침체" 시나리오
논문에서 가장 주목받은 대목이에요. 연구진은 2007~2009년 대침체(Great Recession) 때 미국 실업률이 5%에서 10%로 두 배 뛴 걸 언급하면서, AI 고노출 직종에서 비슷한 일이 벌어질 가능성을 경고했어요 — 실업률이 3%에서 6%로 두 배가 되는 시나리오요. Fortune은 이를 "화이트칼라 대침체(Great Recession for white-collar workers)"라고 명명했어요.
"우리의 프레임워크에서 이 정도 규모의 변화는 충분히 감지 가능할 것이다. 아직 그런 일은 벌어지지 않았지만, 그것이 우리가 감시를 멈출 이유는 되지 않는다."
— Massenkoff & McCrory, Anthropic 연구진
"아직 안 일어났다"가 "안 일어난다"는 아니에요
BLS(미국 노동통계국)의 독립 전망과 교차 검증한 결과, AI 관측 노출도가 10%포인트 높아질 때마다 BLS 성장률 전망이 0.6%포인트씩 하락하는 상관관계가 확인됐어요. 정부 전망 데이터도 같은 방향을 가리키고 있다는 뜻이에요.
핵심만 정리: 시작하는 법
이 연구의 시사점은 명확해요. AI의 이론적 능력은 이미 대부분의 화이트칼라 업무를 커버하지만, 실제 채택까지는 시간과 조건이 필요해요. 그 시간 동안 뭘 해야 할까요?
- 내 직업의 "관측 노출도"부터 확인하기
Anthropic이 공개한 데이터셋이 Hugging Face에 올라와 있어요. 내 직업의 어떤 태스크가 이미 AI로 커버되고 있는지, 어떤 태스크가 아직 안 되는지 확인하세요. "74.5%가 커버되는 프로그래머"라도 나머지 25.5%가 당신의 핵심 가치일 수 있어요. - AI가 못 하는 25%에 투자하기
연구가 보여주는 채택 장벽 — 법적 제약, 인간 검토 필요성, 복잡한 판단 — 이 바로 인간의 가치가 남는 영역이에요. 코딩이라면 아키텍처 설계와 비즈니스 로직 판단, 고객 서비스라면 감정 대응과 에스컬레이션 판단에 집중하세요. - AI를 "도구"가 아닌 "동료"로 쓰는 연습
Dallas Fed 데이터가 보여주듯, AI 고노출 분야에서 경험자 임금은 오히려 16.7% 올랐어요. AI를 잘 활용하는 경험자는 더 가치 있어지고 있어요. 단순히 ChatGPT에 물어보는 수준을 넘어서, 워크플로우에 AI를 체계적으로 통합하세요. - 22~25세라면, 진입 전략을 재설계하기
청년 채용 감소는 "AI 때문에 해고"가 아니라 "AI 때문에 신규 채용을 안 하는" 구조예요. 포트폴리오에 AI 활용 역량을 명시하고, 자동화할 수 없는 도메인 전문성을 어필하세요. - 6개월마다 재평가하기
이 연구의 가장 중요한 메시지: 94%의 이론적 능력이 33%에 머물러 있는 건 기술 한계가 아니라 채택 속도의 문제예요. 법적 프레임워크 정비, 소프트웨어 통합 도구 발전, 조직 변화가 진행되면 그 33%는 빠르게 올라갈 수 있어요. METR 데이터에 따르면 AI가 완료 가능한 태스크의 복잡도는 7개월마다 2배씩 증가하고 있어요.
