"64%" 같은 숫자는
대체 어디서 나오는 걸까요.

퍼센트를 들이미는 테스트라면 영수증을 보여줄 의무가 있습니다. 이 테스트는 AI와 일자리에 관해 가장 많이 인용되는 연구 두 편과, 중요한 반론 하나를 절충해서 만들었습니다. 셋이 어디서 어긋나는지, 그게 여러분이 받은 숫자에 어떤 의미인지까지 그대로 풀어드립니다.

2013년 — 공포의 시작이 된 연구

옥스퍼드 대학의 프레이(Frey)와 오스본(Osborne)은 "고용의 미래"라는 논문에서 미국의 702개 직업 각각에 대해 전산화(자동화) 확률을 추정했습니다. "미국 고용의 약 47%가 고위험군"이라는 헤드라인은 이후 10년간 무서운 기사들의 원료가 됐죠. 하지만 헤드라인보다 유용한 건 그들의 논리였습니다. 기계가 넘기 어려운 세 개의 병목 — 섬세한 지각과 조작(좁은 배관 틈에 들어간 배관공의 손), 창의 지능(아무도 정의한 적 없는 문제를 정의하는 일), 사회 지능(설득, 돌봄, 협상) — 을 짚어낸 것이죠. 이 병목의 보호를 받는 직업은 확률이 낮았습니다. 레크리에이션 치료사 0.28%, 의사 0.42%. 보호막이 없는 직업은 높았습니다. 텔레마케터 99%, 데이터 입력 99%. 이 직업별 수치가 우리 직군 기준값의 뼈대입니다.

반론 — 직업은 덩어리가 아니다

2016년 OECD의 아른츠(Arntz) 연구진이 단순한 관찰로 반박했습니다. 자동화는 직함이 아니라 업무 단위로 일어난다는 것. "회계사"는 여덟 시간 내내 자동화 가능한 한 가지 일만 하지 않습니다 — 장부 입력(자동화 가능)과 판단·고객 상담(훨씬 어려움)이 섞여 있죠. 업무 단위로 다시 분석하니 OECD 국가에서 완전 자동화 가능해 보이는 일자리는 약 9%에 그쳤습니다. 프레이·오스본 수치의 몇 분의 일입니다. 우리 테스트가 직군 선택에서 멈추지 않는 이유가 이 반론입니다. 실제 하루 일과에 대한 여덟 문항이 기준값을 위아래로 조정하고, 그래서 같은 그래픽 디자이너 두 명도 의미 있게 다른 결과를 받습니다. 그게 맞는 거고요.

2023년 — 지도를 다시 그린 LLM 연구

프레이·오스본은 지금 같은 언어 AI가 존재하기 전에 쓰였고, 그들의 지도는 특정한 방향으로 낡았습니다. 화면 앞에서 일하는 사무·지식 노동의 위험을 과소평가한 것이죠. OpenAI의 엘룬두(Eloundou) 연구진은 "GPTs are GPTs"에서 어떤 직업의 업무가 대형 언어 모델로 의미 있게 빨라지는지를 측정했습니다. 결과는 이렇습니다. 미국 노동자의 약 80%는 업무의 최소 10%가 영향권, 약 19%는 업무의 절반 이상이 영향권 — 그리고 이번에는 노출이 고학력·고임금·텍스트 중심 직군으로 쏠렸습니다. 2013년 지도에서 "안전"했던 작가, 번역가, 프로그래머가 2023년 지도에서는 꼭대기 근처에 있습니다. 두 연구가 어긋나는 지점에서 우리는 LLM 시대의 증거 쪽으로 기준값을 조정했습니다. 디자이너와 개발자는 올라갔고, 몸으로 하는 현장 일은 내려갔습니다 (로봇은 챗봇보다 느리게 오고 있으니까요).

당신의 숫자는 이렇게 계산됩니다

결과는 직군 기준값 55% + 당신의 응답 45%입니다. 기준값은 위 두 연구로 만든 30개 직군 표에서 나오고, 여덟 개의 진술문은 연구들이 짚은 바로 그 병목들을 묻습니다 — 반복성, 화면 완결성, 현장성, 책임의 무게, 문제 정의, 사람 상대 기술, 그리고 이미 AI를 얼마나 쓰는지. "기타/학생"을 고르면 거의 전적으로 응답만으로 계산합니다. 결과에 "오락용 추정치"라고 적어두는 이유는 간단합니다. 수십 년치 연구를 90초짜리 테스트에 눌러 담았다면, 정직한 사이트는 그렇게 불러야 하니까요.

"대체"가 아니라 "재편"이라고 말하는 이유

이 지점에서는 연구들이 드물게 한목소리입니다. 직업 전체가 통째로 사라지는 일은 업무가 바뀌는 일보다 훨씬 드뭅니다. 현금인출기가 나온 뒤 은행 창구 직원에게 벌어진 일 — 거래 업무는 줄고 상담 업무가 늘어난 것 — 이 표준적인 패턴입니다. 이 테스트의 높은 점수는 실직 예고가 아닙니다. 당신의 업무 목록이 다시 쓰일 예정이라는 뜻이고, 그 목록을 직접 다시 쓰는 사람이 기다리는 사람보다 앞서 나간다는 뜻입니다. 위로용 문구가 아니라, 업무 단위 연구들이 실제로 말하는 내용입니다.