AI 자동화, 실제로 어떤 일자리를 위협하나…"노출도 높다고 위험한 게 아니다"

AI가 일자리를 빼앗는다는 공포가 확산되고 있다. 하지만 경제학자들은 말한다. 우리가 걱정하는 방향이 틀렸다고.

"AI 노출도(exposure)가 높은 직업이 곧 사라질 직업"이라는 공식은 틀렸다. 오히려 우리가 진짜 걱정해야 할 직업은 따로 있다. 트럭 운전사와 물류 창고 노동자다.

'노출도 80%' = '일자리 80% 소멸'이 아니다

2023년 OpenAI 연구진이 발표한 논문 "GPTs are GPTs"는 미국 노동자의 약 80%가 AI로 인해 업무의 10% 이상 영향을 받을 수 있다고 추정했다. 이 수치는 소셜미디어를 통해 빠르게 확산됐고, AI가 수억 개의 일자리를 소멸시킬 것이라는 공포를 증폭시켰다.

그러나 논문 저자들은 처음부터 명확히 했다. '노출도'는 AI가 특정 업무를 수행할 능력이 있는지를 측정하는 것이지, 그 일자리가 사라질 가능성을 뜻하는 게 아니라고.

OpenAI 공동창업자 안드레이 카르파티가 주말에 만든 직업별 AI 노출도 대시보드도 같은 문제를 보여줬다. 해당 대시보드는 "얼마나 디지털한 직업인가"를 간단히 측정한 것이었지만, X(트위터)에서는 곧바로 "AI에게 대체될 직업 순위"로 소비됐다. 카르파티 본인이 직접 해명에 나서야 했다.

일자리는 '태스크의 묶음'이다

경제학적으로 일자리는 여러 업무(task)의 집합이다. 프로젝트 매니저를 예로 들면, 아이디어 생성, 발표자료 제작, 팀 조율, 승인 처리 등 다양한 업무로 구성된다. AI가 반복적인 행정 업무를 대신해주면, 인간은 더 창의적인 업무에 더 많은 시간을 쏟을 수 있다. 이 경우 생산성은 오르고 임금도 높아질 수 있다.

문제는 AI가 업무 전체를 자동화할 수 있는 경우다. 직업을 구성하는 업무의 수가 적을수록, 즉 '직업의 차원수(dimensionality)'가 낮을수록 완전 대체 위험이 커진다.

O링 이론: 하나가 무너지면 전체가 무너진다

경제학자 마이클 크레머의 1993년 고전 "O링 경제발전 이론"은 이를 설명하는 강력한 프레임을 제공한다. 1986년 챌린저 우주왕복선 폭발 사고에서 이름을 딴 이 이론의 핵심은 간단하다. 작은 O링 하나의 결함이 전체 시스템을 붕괴시켰듯, 여러 업무가 상호보완적으로 얽혀 있는 직업에서는 성과가 단순 합산이 아니라 곱셈으로 결정된다는 것이다.

시카고 부스 경영대학원의 알렉스 이마스 교수가 주목한 조슈아 갠스·아비 골드파브의 논문 "O링 자동화"는 이 프레임을 AI 자동화에 적용했다. 핵심 발견은 이렇다.

AI가 일부 업무를 자동화하면, 인간은 남은 업무에 더 집중할 수 있다. 이를 '집중 효과(focus effect)'라 한다. O링 구조에서는 한 업무의 질이 높아지면 나머지 업무의 가치도 함께 올라간다. 즉 부분 자동화는 인간 노동의 보완재가 될 수 있고, 이는 임금 상승으로 이어질 수 있다.

그래도 해고될 수 있다 — 핵심은 '수요 탄력성'

임금이 오른다고 해서 고용이 늘어나는 것은 아니다. 여기서 결정적인 변수는 소비자 수요의 탄력성이다.

AI로 인해 생산성이 오르면 가격이 내려간다. 가격이 내리면 소비자가 더 많이 구매할 수 있다. 수요가 탄력적인 시장이라면 소비가 폭발적으로 늘고 기업은 오히려 더 많은 인력이 필요하다. 반대로 수요가 비탄력적인 시장에서는 가격이 내려도 소비가 크게 늘지 않는다. 기업은 적은 인력으로 같은 수요를 충족하게 되고 결국 대규모 감원으로 이어진다.

진짜 위험군: 트럭 운전사와 물류 창고 노동자

이 두 가지 변수 — 직업의 차원수와 수요 탄력성 — 를 결합하면, 실제로 위험한 직업이 어디인지 명확해진다.

미국에서만 약 300만 명이 트럭을 운전하며 생계를 꾸린다. 대부분 50대 이상이고, 대학 학위 없이 얻을 수 있는 최고의 직업 중 하나다. 그런데 장거리 트럭 운전의 핵심 업무는 사실상 하나다. A지점에서 B지점까지 안전하게 운전하는 것. 자율주행이 상용화되는 순간, 이 직업은 보완되는 것이 아니라 통째로 사라진다.

이미 현실이 되고 있다. 오로라 이노베이션, 코디악 로보틱스 등은 제한된 노선에서 대규모 자율주행 트럭 상업 운행을 시작했다.

창고 물류 노동자도 마찬가지다. 피킹, 패킹, 분류, 팔레트 이동 등 창고 업무는 범위가 좁고 자동화가 빠르게 진행 중이다. 해외에서는 이미 사람 없이 24시간 가동되는 '다크 웨어하우스(dark warehouse)'가 운영되고 있다.

반면 경영 컨설턴트는?

경영 컨설턴트의 업무를 생각해보자. 데이터 분석, 고객 커뮤니케이션, 발표자료 제작, 전략 수립, 팀 조율, 관계 관리... 최소 7~8가지 상호보완적 업무로 구성된다. AI가 데이터 분석과 슬라이드 초안 작성을 도와준다면, 컨설턴트는 고객과의 신뢰 구축, 조직 내 이해관계 조율 등 더 고차원적 업무에 집중할 수 있다. AI 노출도 지수에서는 컨설턴트가 트럭 운전사보다 훨씬 높게 나올 수 있다. 그러나 실제 대체 위험은 반대다.

의료계도 같은 맥락이다. 현재 FDA 승인 방사선 AI 도구만 870개가 넘고, 의사의 66%가 최소 하나 이상의 AI 도구를 사용한다. 그러나 이 도구들은 방사선과 전문의를 대체하는 것이 아니라, 단순 패턴 인식을 맡아 의사가 복잡한 판단과 환자 소통에 더 집중하게 만들고 있다.

노출도가 아니라 '구조'를 봐야 한다

핵심 메시지는 명확하다. 노출도 지수가 높다고 위험한 직업이 아니다. 진짜 위험한 직업은 업무 구성이 단순하고, 핵심 업무가 AI로 완전히 대체 가능하며, 기업이 자동화 투자에 강한 경제적 인센티브를 갖는 경우다.

우리가 AI 시대에 진짜 걱정해야 할 집단은 화이트칼라 지식노동자가 아닐 수 있다. 수십 년간 한 우물을 판, 대학 학위 없이 묵묵히 일해온 블루칼라 노동자들이 훨씬 더 근본적인 위협에 노출돼 있다. 그리고 그 위기는 이미 시작됐다.