“AI가 일을 다 해 주는데 나는 무엇을 해야 하나” 하는 고민을 요즘 자주 듣습니다. 불안은 이해되지만, 근거 없는 공포와 근거 있는 변화는 나누어 볼 필요가 있습니다. 이 글에서는 스탠퍼드 연구와 앤드류 응(Andrew Ng)의 글을 바탕으로 무엇이 실제로 바뀌고 있는지, 직장인이 지금 할 수 있는 일은 무엇인지 정리합니다.
3줄 요약
- 스탠퍼드 연구는 전체 일자리의 대규모 감소는 확인하지 못했지만, 22~25세의 AI 노출 직무 고용이 비슷한 또래보다 19% 낮다고 보고했습니다.
- 줄어드는 쪽은 AI가 사람 일을 대신하는 직무이고, AI가 사람을 돕는 직무는 고용이 유지되거나 늘었습니다.
- AI는 여전히 한계가 뚜렷해서, 맡기는 법과 결과를 검증하는 능력이 중요해집니다.
실제로 무엇이 바뀌고 있나
스탠퍼드 디지털 경제 연구소의 브린욜프슨 교수 연구진은 미국 급여 대행사 ADP의 급여 자료를 분석했습니다. 2026년 6월까지 수백만 명 규모의 자료입니다. 연구진은 8월에 개정판을 내고 여섯 가지 사실을 정리했습니다.
- 경제 전체의 대량 실업 증거는 없습니다. 연구진은 광범위한 일자리 대체가 확인되지 않았다고 밝혔습니다.
- 젊은 층에 차이가 납니다. 22~25세 중 AI 노출이 큰 직무의 고용은, 노출이 적은 직무의 또래와 같은 속도로 늘었을 때보다 19% 낮은 수준입니다. 경력자에게는 비슷한 격차가 없습니다.
- 해고보다 채용 감소입니다. 격차는 주로 젊은 층을 덜 뽑는 방식으로 나타났고, 급여 수준보다 고용 인원이 조정되고 있습니다.
연구진은 이 결과를 원인을 확정한 추정이 아니라 초기의 서술적 지표, 곧 “탄광의 카나리아”로 해석한다고 스스로 밝혔습니다. 교육 수준을 통제하면 격차가 줄어들고, 생성형 AI 이전부터 일부 추세가 있었다는 점도 한계로 적었습니다. 미국 자료이므로 한국에 그대로 적용된다고 말할 수는 없습니다.
대체되는 일과 함께 일하는 일
연구에서 눈에 띄는 대목은 직무가 아니라 AI를 쓰는 방식에 따라 갈렸다는 점입니다. AI 사용이 주로 사람의 업무를 대신하는 직무에서는 고용이 줄었습니다. 반대로 AI가 사람을 보완하는 직무에서는 고용이 일정하거나 늘었고, 특히 경력자에게서 두드러졌습니다.
- 대신하는 쪽: 정해진 절차로 처음부터 끝까지 처리하는 반복 업무
- 돕는 쪽: 판단, 조율, 책임이 필요하고 AI 결과를 검토해야 하는 업무
같은 직함이라도 업무의 어느 부분이 어느 쪽인지에 따라 영향이 다릅니다. 내 업무를 쪼개 보는 일이 첫걸음입니다.
AI는 왜 아직 사람을 완전히 대신하지 못하나
앤드류 응은 뉴스레터 The Batch에서 대학 진학을 앞둔 18세 학생의 걱정에 답한 이야기를 소개했습니다. 그는 AI가 놀랍게 똑똑하면서도 여전히 어리석다고 썼습니다. 일정 우선순위 정하기나 이력서 선별처럼 주니어 직원에게 흔히 맡기는 일을, 최신 언어 모델 하나에 그냥 맡기고 싶지는 않다고도 했습니다.
자신의 팀도 이력서 선별 AI를 만들었지만 상당한 맞춤 작업이 필요했다고 합니다. 그는 AI가 이전 기술보다 범용이지만 사람에 비하면 여전히 특화되어 있고, 특정 업무의 맥락을 넣어 주는 엔지니어링이 많이 필요하다고 설명했습니다. 과장된 홍보는 일부 사실을 담고 있어서 비전문가가 진짜 수준을 가리기 어렵게 만든다는 지적입니다.
이 말은 “AI는 별것 아니다”가 아닙니다. AI가 일하게 하려면 사람이 업무를 정의하고, 맥락을 주고, 결과를 확인해야 한다는 뜻입니다. 이 관점은 하네스 엔지니어링 정리 글에서 다룬 AI가 끝까지 일하게 하는 설계와도 이어집니다.
지금 직장인이 해 볼 수 있는 일
아래는 위 두 출처를 바탕으로 정리한 실행 순서입니다. 특정 연구가 효과를 증명한 방법은 아니며, 방향을 잡는 용도로 봐 주세요.
- 내 업무를 쪼갭니다. 한 주 동안 하는 일을 적고 “절차대로 처리”와 “판단이 필요”로 나눕니다.
- 도구 하나를 깊게 씁니다. 여러 도구를 얕게 훑기보다 하나를 업무에 붙여 한계를 직접 확인합니다.
- 원하는 결과를 먼저 적습니다. 맡기기 전에 완성 기준을 문장으로 정해야 결과를 검토할 수 있습니다.
- 결과를 검증하고 책임집니다. 틀린 곳을 찾는 일은 사람 몫으로 남습니다.
- 기록을 남깁니다. 무엇을 맡겼고 어떻게 고쳤는지 적어 두면 이직이나 평가 때 근거가 됩니다.
자주 묻는 질문
신입은 정말 뽑지 않나요?
스탠퍼드 연구는 미국에서 AI 노출 직무의 젊은 층 고용이 상대적으로 낮다고 보고했지만, 연구진은 이를 인과 추정이 아닌 초기 지표라고 했습니다. 한국 시장에 대한 결론은 이 자료만으로 내릴 수 없습니다.
코딩을 배우는 것이 의미가 있을까요?
앤드류 응은 코딩이 자동화될까 걱정해서 배우지 않는 선택이 오히려 아쉽다는 취지로 썼습니다. 다만 이것은 한 사람의 견해이므로, 본인의 직무에 맞춰 판단하세요.
비개발 직군은 무엇부터 해야 하나요?
업무를 쪼개서 AI에 맡길 부분과 직접 판단할 부분을 나누는 것부터 시작하면 됩니다. 도구 선택은 그다음입니다.