Generative AI의 도입으로 영향받는 직업군들에 대해서 마소에서 친절히 분석해본 논문되겠습니다. 저자 직강은아니고 저자 팩폭?인건가.. 제목은 Working with AI: Measuring the Occupational Implications of Generative AI 입니다.
DOI: 10.48550/arXiv.2507.07935
논문에서는 직업군에 대한 내용이 나오지 직업 리스트가 나오지는 않습니다. 자극적인 내용은 아래 포춘지에서 확인하시면 되겠습니다. :)
직업 리스트가 궁금하신 분들은 지난 7월 31일에 Fortune에서 이 연구를 바탕으로 AI로 인해서 영향 받는 40개 직업에 대해서 정리해논 리스트를 보시면 되겠습니다.
clova-x
Generative AI의 도입이 다양한 작업에 미치는 영향을 분석하여 경제에 미치는 영향을 평가하고자 하였습니다. 이를 위해 Microsoft Bing Copilot의 사용 데이터를 분석하여 AI가 어떤 작업 활동에 가장 많이 관여하는지 확인하였습니다.
1. **AI의 작업 활동**
- AI는 주로 정보 제공 및 보조, 글쓰기, 교육, 조언 등의 활동을 수행합니다.
- 가장 흔한 사용자 목표는 정보 수집과 글쓰기입니다.
2. **AI 적용성 점수**
- AI 적용성 점수는 각 직업의 작업 활동에 대한 AI의 성공적인 관여 정도를 나타냅니다.
- 높은 점수를 받은 직업군은 컴퓨터 및 수학, 사무 및 행정 지원, 판매 등입니다.
3. **AI의 직업 영향**
- AI는 자동화보다는 업무 향상에 기여하며, 이는 임금 상승 또는 고용 증가로 이어질 수 있습니다.
- 모든 직업군이 AI의 영향을 받지만, 물리적 요소가 큰 직업은 그 효과가 제한적입니다.
4. **연구 방법론**
- 200만 개의 익명화된 사용자와 AI 간의 대화를 분석하여 AI의 실제 사용 사례를 조사하였습니다.
- O*NET 데이터베이스를 활용하여 작업 활동을 분류하고 AI의 영향을 측정하였습니다.
gemini
## **업로드하신 논문, 'AI와 함께 일하기: 생성형 AI의 직업적 함의 측정' 요약**
이 보고서는 마이크로소프트의 생성형 AI인 **'빙 코파일럿(Bing Copilot)'** 사용 데이터를 분석하여 AI가 다양한 직업에 미치는 영향을 측정하고 예측하는 연구입니다. 생명과학 비전공자를 포함한 일반 독자들이 이해하기 쉽게, 보고서의 주요 내용을 정리했습니다.
---
### **1. 연구 배경**
증기기관이나 컴퓨터처럼 경제 성장을 이끌었던 과거의 '범용 기술'처럼, 최근 등장한 생성형 AI는 의료 진단부터 소프트웨어 개발에 이르기까지 다양한 분야의 업무를 개선하고 속도를 높일 잠재력을 가지고 있습니다. 실제로 미국인 10명 중 4명은 이미 생성형 AI를 사용하고 있으며, 이는 개인용 컴퓨터나 인터넷의 초창기 확산 속도를 능가하는 수준입니다. 이처럼 AI의 광범위한 채택과 경제적 영향력을 고려할 때, AI가 어떤 업무 활동과 직업에 가장 큰 영향을 미치는지 이해하는 것이 중요한 사회적 질문이 되었습니다.
---
### **2. 연구 목적**
이 연구는 **실제 AI 사용 데이터**를 분석하여 사람들이 AI를 어떤 업무에 사용하는지, AI가 얼마나 성공적으로 업무를 돕거나 수행하는지, 그리고 이러한 AI의 능력이 어떤 직업에 적용될 수 있는지를 측정하는 것을 목표로 합니다. 또한, 기존에 학계에서 예측했던 AI가 노동 시장에 미칠 영향과 실제 사용 데이터를 비교하며 예측의 정확성을 평가합니다.
---
### **3. 연구 방법**
연구진은 **마이크로소프트 빙 코파일럿**의 익명화된 사용자-AI 대화 20만 건을 분석했습니다. AI 대화가 노동력에 미치는 영향을 두 가지 관점에서 분석하는 독특한 방법을 사용했습니다.
* **사용자 목표(user goal)**: 사용자가 AI의 도움을 받아 달성하려는 작업 활동입니다.
* **AI 행동(AI action)**: 대화에서 AI 자체가 수행하는 작업 활동입니다.
예를 들어, 사용자가 문서를 인쇄하는 방법을 알아내려고 할 때 '사용자 목표'는 사무 장비 조작이지만, 'AI 행동'은 타인에게 장비 사용법을 '가르치는' 것이 됩니다.
이 두 가지 관점을 미국 노동부의 **O\*NET 데이터베이스**에 정의된 직업 활동으로 분류했습니다. 또한, AI가 작업을 얼마나 성공적으로 완료했는지(**완료율**)와 작업에 얼마나 광범위하게 영향을 미쳤는지(**영향 범위**)를 측정했습니다. 이 모든 측정값을 종합하여 각 직업에 대한 **'AI 적용 가능성 점수(AI applicability score)'**를 계산했습니다.
---
### **4. 연구 결과**
* **가장 흔한 사용자 목표**: 정보 수집, 글쓰기, 타인과의 소통이 가장 흔한 사용자 목표였습니다. 특히 정보 수집과 글쓰기 활동은 사용자로부터 가장 긍정적인 평가를 받았습니다.
* **AI의 역할**: AI는 사용자에게 정보와 지원을 제공하고, 글쓰기, 교육, 조언 등 주로 **서비스 역할**을 수행하는 것으로 나타났습니다. 흥미로운 점은 대화의 40%에서 사용자 목표와 AI 행동이 전혀 다른 별개의 활동이라는 것입니다.
* **높은 AI 적용 가능성 직업**: **지식 노동**과 소통 중심의 직업군에서 AI 적용 가능성 점수가 가장 높게 나타났습니다. 특히 영업; 컴퓨터 및 수학; 사무 및 행정 지원; 사회복지; 예술, 디자인, 엔터테인먼트, 스포츠 및 미디어; 비즈니스 및 금융; 교육 및 도서관 관련 직업이 높은 점수를 받았습니다. 반면, 육체적 활동이 많은 직업은 AI의 영향이 적은 것으로 나타났습니다.
* **기존 예측과의 비교**: 이 연구의 측정 결과는 AI가 노동에 미칠 영향을 예측한 기존의 연구(Eloundou et al.)와 높은 상관관계를 보였습니다 (r=0.73).
---
### **5. 고찰 및 의의**
이 연구는 AI의 노동 시장 영향을 **실제 사용 데이터**를 기반으로 분석했다는 점에서 큰 의미가 있습니다. AI가 사람의 생산성을 높이는 '보강(augmentation)'인지, 아니면 일자리를 대체하는 '자동화(automation)'인지에 대한 논의에서, 이 연구는 단순히 'AI의 능력'만 보지 않고 AI가 실제로 어떤 업무에 사용되고 있는지 보여줍니다.
AI가 사람을 돕는 역할을 하는 경우가 많지만, 모든 직업에 동일한 수준으로 적용되지는 않는다는 것을 발견했습니다. 특히 글쓰기와 정보 검색 같은 지식 노동 활동에서 AI가 매우 효과적이라는 것을 보여줍니다. 반면, 데이터 분석이나 시각 디자인과 같은 활동은 만족도가 낮았습니다.
---
### **6. 이 연구가 중요한 이유**
이 연구는 AI가 노동 시장에 미치는 영향을 이해하는 데 있어 중요한 통찰력을 제공합니다.
첫째, **AI가 어떤 직업에 가장 큰 영향을 미치는지 구체적으로 보여줍니다**. AI의 영향이 **지식 노동**에 집중되어 있으며, 모든 직업군이 어느 정도 영향을 받을 잠재력이 있지만 그 영향의 불균형이 크다는 점을 강조합니다. 이는 정책 입안자, 기업, 개인 모두가 변화에 대비하는 데 도움을 줍니다.
둘째, **AI의 실제 사용 사례를 기반으로 합니다**. 많은 연구가 AI의 잠재적 능력을 바탕으로 미래를 예측하지만, 이 연구는 실제 사용자들이 AI를 어떻게 활용하는지 분석함으로써 보다 현실적인 그림을 제시합니다. 이는 AI 기술이 발전함에 따라 직업의 역할이 어떻게 변화할지 예측하는 데 중요한 기초 자료가 됩니다.
마지막으로, **새로운 기술이 반드시 일자리를 줄이는 것이 아니라, 새로운 직업을 창출하거나 기존 직업의 역할을 재구성할 수 있다는 점을 시사합니다**. 예를 들어, ATM의 등장으로 은행원의 주요 업무인 현금 입출금 작업이 자동화되었지만, 은행원 수는 오히려 늘어나고 이들은 고객 관계 구축과 같은 더 가치 있는 업무에 집중하게 되었습니다. AI 또한 이와 유사한 변화를 가져올 수 있으며, 이 연구는 그러한 변화의 시작점을 보여주는 중요한 연구입니다.
chatGPT
좋습니다. 업로드하신 보고서(논문) **「Working with AI: Measuring the Occupational Implications of Generative AI」** 내용을 토대로 블로그에 올릴 수 있는 글을 작성해드리겠습니다. 일반 독자가 이해하기 쉽도록 설명하면서도, 논문의 핵심 내용을 빠짐없이 담겠습니다.
---
# 인공지능과 우리의 일자리: 생성형 AI가 바꾸는 일의 풍경
최근 몇 년 사이, **생성형 인공지능(Generative AI)** 은 단순한 유행을 넘어 우리의 일상과 일터 깊숙이 들어왔습니다. 검색, 문서 작성, 상담, 번역까지 이제는 AI에게 맡기는 일이 자연스러워졌죠. 그렇다면, 이런 변화가 **우리의 직업과 일자리**에는 어떤 의미를 가질까요?
Microsoft 연구진이 발표한 이번 보고서 \*\*「Working with AI」\*\*는 바로 이 질문에 답하려는 시도입니다. 연구진은 약 **20만 건의 Copilot(구 Bing Copilot) 사용자 대화**를 분석하여, 사람들이 실제로 어떤 일을 AI와 함께 하고 있는지, 그 결과 어떤 직업이 영향을 받는지를 살펴봤습니다.
---
## AI는 어떤 일을 돕고 있을까?
연구에 따르면, 사람들이 AI에게 가장 자주 요청하는 일은 크게 세 가지였습니다.
1. **정보 찾기** – 기사, 연구 자료, 배경 지식 등
2. **글쓰기와 편집** – 보고서, 기사, 광고 문구, 이메일 작성
3. **소통 지원** – 설명하기, 조언하기, 규정이나 절차 알려주기
AI가 실제로 수행한 일은 약간 달랐습니다. AI는 주로 **정보를 정리해 전달하고, 글을 써주거나 고쳐주고, 코치·교사처럼 설명과 조언을 하는 역할**을 했습니다.
즉, 사용자는 “자료를 모아줘”라고 요청하지만, AI는 “잘 정리된 글과 설명”으로 응답하는 식이 많았습니다.
---
## 어떤 직업이 가장 영향을 받을까?
연구진은 각 직업을 이루는 세부 활동을 미국 노동부의 직업 데이터베이스(O\*NET)와 연결해 분석했습니다. 그리고 직업별로 AI가 얼마나 자주, 얼마나 잘, 얼마나 많은 부분을 대신하거나 보조하는지를 종합해 **AI 적용 가능성 점수(Applicability Score)** 를 산출했습니다.
그 결과, AI의 영향을 가장 많이 받는 직업군은 **‘지식과 정보를 다루는 일’** 이었습니다.
* 통역가, 역사학자, 기자, 작가, 편집자, 고객 상담원, 판매원, 프로그래머, 데이터 과학자 등
이들의 공통점은 **정보를 모으고, 정리하고, 전달하는 것**이 주요 업무라는 점입니다.
반대로, AI의 영향이 거의 없는 직업군도 있었습니다.
* 간호조무사, 요리사, 건설·운송 노동자, 설비 운영자, 청소·가사 서비스 종사자 등
이 직업들의 공통점은 **신체적 활동이나 직접적인 대면 서비스**가 핵심이라는 것입니다.
---
## 만족도와 한계
재미있는 점은, **사람들이 AI에게 만족하는 영역과 그렇지 않은 영역**이 확연히 갈린다는 것입니다.
* 만족도가 높은 영역: 글쓰기, 편집, 정보 조사
* 만족도가 낮은 영역: 데이터 분석, 시각적 디자인(예: 그래픽, 장식 디자인)
즉, AI는 **“글로 설명하고 정리하는 일”에는 강점**을 보였지만, **“숫자 계산과 창의적 시각 디자인”에는 아직 한계**가 있었습니다.
---
## 교육과 임금과의 관계는?
보고서에 따르면,
* **학사 학위 이상이 필요한 직업일수록 AI 적용 가능성이 다소 높았고**,
* 임금 수준과 AI 영향력 사이에는 뚜렷한 상관관계가 없었습니다.
즉, 고학력 직업이 더 영향을 받긴 하지만, 꼭 고소득 직업만이 영향을 받는 것은 아니라는 뜻입니다.
---
## 왜 중요한가?
이 보고서는 단순히 “AI가 앞으로 이 직업을 대체할 것이다”라는 막연한 예측이 아니라, **사람들이 실제로 AI를 어떤 일에 활용하고 있는지**를 바탕으로 분석했다는 점에서 의미가 큽니다.
또한, AI가 모든 일을 다 잘하는 것이 아니라 \*\*특정한 업무(정보·언어 중심 활동)\*\*에서 강력한 영향을 주고 있다는 점을 보여줍니다. 이는 우리가 앞으로 어떤 능력을 더 키워야 할지에 대한 힌트를 줍니다.
* 단순 반복적 글쓰기나 자료 정리는 AI가 빠르게 대신할 수 있습니다.
* 그러나 **비판적 사고, 사람과의 협상·설득, 창의적인 시각적 표현, 직접적인 대면 서비스** 같은 부분은 여전히 인간의 강점입니다.
---
## 맺음말
AI는 이제 “경쟁자”라기보다 \*\*“협력자”\*\*에 가깝습니다. 글쓰기, 정보 정리, 설명 같은 작업은 AI에게 맡기고, 사람은 더 큰 그림을 보고, 관계를 맺고, 창의적인 결정을 내리는 데 집중하는 방식으로 일이 재편될 것입니다.
이번 보고서는 우리가 앞으로 어떤 준비를 해야 하는지 잘 보여줍니다. **“AI와 함께 일하는 법”을 배우는 것**, 그것이 앞으로의 직업 세계에서 가장 중요한 생존 전략이 될 것입니다.
NotebookLM
업로드하신 보고서의 내용을 요약하고 이를 바탕으로 블로그 게시물을 작성해 드리겠습니다.
---
### 보고서 요약
이 보고서는 생성형 AI의 광범위한 채택과 그 잠재적 영향력을 고려하여, AI가 업무 활동에 미치는 직업적 함의를 측정하고자 합니다.
**목적:**
* 생성형 AI, 특히 대규모 언어 모델(LLM)이 어떤 종류의 업무 활동에 영향을 미치고 있는지, 그리고 나아가 어떤 직업에 영향을 미치는지 이해하는 것을 목표로 합니다.
**방법론:**
* 연구팀은 Microsoft Bing Copilot(현재 Microsoft Copilot)의 20만 건에 달하는 익명화된 사용자-AI 대화 데이터를 분석했습니다. 이 데이터는 2024년 1월부터 9월까지 미국 내 Copilot 사용량에서 대표적으로 샘플링되었습니다.
* 분석의 핵심은 하나의 대화에서 AI가 인력에 영향을 미칠 수 있는 두 가지 방식, 즉 **사용자 목표(user goal)**와 **AI 행동(AI action)**을 구분하는 것입니다. 사용자 목표는 사용자가 AI의 도움을 받아 달성하려는 작업을 의미하며, AI 행동은 AI 자체가 대화에서 수행하는 작업을 나타냅니다.
* AI 사용이 직업적 영향에 미치는 잠재력을 측정하기 위해, O*NET 데이터베이스에 정의된 업무 활동(특히 IWA, Intermediate Work Activity)으로 대화를 분류했습니다.
* 다양한 업무 활동이 AI의 도움을 받거나 AI에 의해 얼마나 성공적으로 수행되는지 측정하기 위해 사용자 피드백(좋아요/싫어요)과 LLM 기반의 작업 완료 분류기를 사용했습니다.
* AI 영향의 **범위(scope)**도 분류하여 AI 기여의 광범위함과 제한적임을 구별했습니다.
* 이러한 분류를 바탕으로 각 직업에 대한 **AI 적용 가능성 점수(AI applicability score)**를 계산했습니다. 이 점수는 AI가 해당 직업의 상당 부분을 차지하는 업무 활동에서 성공적으로 활용되고 있는지를 나타냅니다.
**주요 연구 결과:**
* **가장 흔한 사용자 목표**는 정보 수집, 글쓰기, 의사소통이었습니다. 이 활동들은 또한 가장 긍정적인 피드백을 받았고, 가장 성공적으로 완료된 작업이었습니다.
* **AI의 주요 행동**은 인간에게 코치, 조언자, 교사의 서비스 역할을 수행하며 정보를 제공하고 도움을 주는 것이었습니다. 흥미롭게도 대화의 40%에서 사용자 목표와 AI 행동의 업무 활동 집합이 서로 달랐습니다.
* **AI 적용 가능성 점수가 가장 높은 직업**은 컴퓨터 및 수학 관련 직업, 사무 및 행정 지원 직업과 같은 **지식 노동(knowledge work)** 직업군이었으며, 정보 제공 및 의사소통과 관련된 영업 직업군도 포함되었습니다.
* 반면, **AI 영향이 가장 적은 직업**은 육체 노동, 기계 조작 또는 기타 신체 활동이 큰 직업군(예: 간호조무사, 마사지 치료사, 식기세척기, 지붕 수리공 등)이었습니다.
* AI 적용 가능성 점수와 **임금** 사이에는 약한 상관관계가 있었으며, **학사 학위**를 요구하는 직업이 낮은 교육 수준을 요구하는 직업보다 약간 더 높은 AI 적용 가능성을 보였습니다.
* 이 연구의 측정치는 Eloundou et al.의 직업별 AI 영향 예측과 대체로 일치했습니다(직업 수준에서 상관관계 r=0.73, 광범위한 직업군 수준에서 r=0.91).
**한계점:**
* 이 연구는 단일 LLM(Microsoft Bing Copilot)의 데이터를 기반으로 하므로 다른 AI 플랫폼의 사용 패턴을 모두 반영하지는 못합니다.
* 보고서는 AI 사용 자체에 초점을 맞추며, 새로운 기술 사용으로 인한 임금 상승, 일자리 손실과 같은 **하류 비즈니스 영향(downstream business impacts)**에 대한 데이터는 포함하지 않습니다. 이는 자동화와 증강 사이의 복잡한 관계를 시사합니다.
* 작업 활동의 분류는 O*NET 데이터베이스에 의존하며, 이는 현재 실제 작업장 활동과 차이가 있을 수 있습니다.
* 대화가 업무 목적인지 여가를 위한 것인지 명확히 구분하기 어렵다는 한계가 있습니다.
---
### 블로그 게시물: AI와 함께 일하기: 우리의 직업은 어떻게 변화하고 있는가?
생성형 AI의 급부상으로 인해 많은 사람들이 자신의 직업이 어떻게 변화할지 궁금해하고 있습니다. 최근 Microsoft Research에서 발표한 보고서, "Working with AI: Measuring the Occupational Implications of Generative AI"는 실제 AI 사용 데이터를 통해 이 중요한 질문에 대한 답을 제시합니다. 이 연구는 **Microsoft Bing Copilot(현재 Microsoft Copilot)의 20만 건이 넘는 실제 사용자 대화 데이터**를 분석하여 AI가 어떤 업무 활동에 가장 큰 영향을 미치는지 심층적으로 파헤쳤습니다.
#### AI는 무엇을 돕고, 무엇을 수행하는가?
이 보고서의 핵심 통찰력 중 하나는 AI와의 대화에서 **사용자 목표(user goal)**와 **AI 행동(AI action)**을 명확히 구분했다는 점입니다. 사용자는 AI의 도움을 받아 특정 작업을 수행하려 하고, AI는 그 대화에서 특정 작업을 수행합니다.
* **사용자가 AI의 도움을 가장 많이 받는 활동:**
* 데이터나 정보 수집
* 문서 작성 및 편집
* 다른 사람들과의 커뮤니케이션
* 특히 정보 수집 및 글쓰기 활동은 AI의 도움을 받아 **가장 높은 만족도와 작업 완료율**을 보였습니다. 이는 Copilot이 이러한 활동에 매우 유용하다는 것을 시사합니다.
* **AI가 주로 수행하는 활동:**
* 정보 및 지원 제공
* 글쓰기
* 가르치기 및 조언하기
* AI는 주로 인간에게 **코치, 조언자, 교사와 같은 서비스 역할**을 수행합니다. 흥미로운 점은 사용자 목표와 AI 행동이 40%의 대화에서 서로 다른 활동으로 나타났다는 것입니다. 예를 들어, 사용자가 정보 수집을 목표로 할 때, AI는 정보 제공이라는 행동을 할 수 있습니다.
#### AI가 가장 큰 영향을 미치는 직업군
연구팀은 O*NET 데이터베이스를 활용하여 각 직업의 업무 활동에 AI 사용 빈도, 작업 성공률, 그리고 영향 범위를 결합한 **'AI 적용 가능성 점수'**를 계산했습니다. 이 점수가 높은 직업들은 현재 AI의 영향을 가장 많이 받고 있거나 받을 가능성이 높은 직업들입니다.
* **가장 높은 AI 적용 가능성 점수를 받은 직업군:**
* **지식 노동 직업군:** 컴퓨터 및 수학 관련 직업, 사무 및 행정 지원 직업 등.
* **커뮤니케이션 중심 직업군:** 영업, 고객 서비스, 홍보, 교육, 도서관 관련 직업 등.
* 구체적으로는 통역사 및 번역가, 역사가, 영업 사원, 작가, 고객 서비스 담당자, CNC 공구 프로그래머 등이 상위권에 올랐습니다.
* 이는 AI가 **정보 수집, 처리, 생성, 전달 능력**에 강점을 보이기 때문입니다.
* **AI 영향이 가장 적은 직업군:**
* **신체 활동이나 기계 조작이 주를 이루는 직업군:** 간호조무사, 마사지 치료사, 식기세척기, 지붕 수리공 등.
* 이러한 직업들은 AI 챗봇의 능력과 현재로서는 큰 연관성이 없습니다.
#### 임금 및 교육 수준과의 관계
보고서는 AI 적용 가능성 점수가 직업의 임금 및 교육 수준과 어떤 관계가 있는지 분석했습니다.
* AI 적용 가능성 점수와 **평균 임금** 사이에는 **약한 양의 상관관계**가 나타났습니다. 이는 AI의 영향이 특정 임금대에 집중되지 않고 넓은 범위에 걸쳐 나타날 수 있음을 의미합니다.
* **학사 학위**를 요구하는 직업이 낮은 교육 수준을 요구하는 직업보다 AI 적용 가능성 점수가 약간 더 높게 나타났습니다. 이는 지식 노동 중심의 AI 활용 경향과 일치합니다.
#### 시사점 및 향후 과제
이 연구는 실제 AI 사용 데이터를 통해 AI가 업무에 미치는 영향을 이해하는 데 중요한 기여를 합니다. 하지만 몇 가지 중요한 시사점과 한계도 있습니다.
* **자동화 vs. 증강의 복잡성:** AI가 특정 작업을 자동화하여 일자리 감소를 유발할 것인지, 아니면 인간의 생산성을 증강하여 새로운 기회를 창출할 것인지는 단순히 AI의 능력만으로 판단할 수 없습니다. ATM이 은행원의 핵심 업무를 자동화했지만, 오히려 은행원 수가 증가하고 역할이 변화했던 과거 사례를 기억할 필요가 있습니다.
* **직업 역할의 재구성:** AI의 발전은 기존 직업의 업무 활동을 재구성하고, 심지어는 완전히 새로운 직업을 탄생시킬 수도 있습니다. 우리의 노동 시장은 지속적으로 변화할 것입니다.
* **지속적인 관찰의 필요성:** 이 보고서는 AI 능력의 현재 '스냅샷'일 뿐입니다. AI 기술은 빠르게 진화하고 있으며, 이에 따라 업무 활동에 대한 AI의 적용 가능성 또한 계속해서 변화할 것입니다.
이 보고서는 우리가 AI와의 협업 시대에 직업의 미래를 어떻게 이해하고 준비해야 할지에 대한 귀중한 통찰을 제공합니다. 단순히 AI가 일자리를 빼앗을 것이라는 막연한 두려움 대신, AI가 어떤 업무를 돕고 어떤 방식으로 우리의 업무 방식을 변화시킬 수 있는지 구체적으로 이해하는 것이 중요합니다. 우리의 직업은 멈춰있는 것이 아니라, 새로운 기술과 함께 진화하고 있습니다.
grok
### 보고서 내용 요약
이 보고서(제목: "Working with AI: Measuring the Occupational Implications of Generative AI")는 Microsoft Bing Copilot(현 Microsoft Copilot)의 실제 사용자 대화 20만 건을 분석해 생성 AI가 직업에 미치는 영향을 평가합니다. 연구 배경은 AI의 빠른 확산으로 경제 변화가 예상되지만, 실제 사용 사례를 통해 어떤 작업과 직업이 영향을 받는지 파악하는 데 초점. 목적은 사용자 목표(AI가 돕는 작업)와 AI 행동(AI가 직접 수행하는 작업)을 구분해 O*NET 작업 활동으로 분류하고, 성공률과 영향 범위를 반영한 'AI 적용성 점수'를 계산하는 것. 방법으로는 GPT-4o를 활용한 분류 파이프라인과 사용자 피드백, 작업 완료 분류기를 사용. 결과는 지식 노동(정보 수집, 쓰기, 커뮤니케이션) 중심 직업군(판매, 컴퓨터/수학, 사무 지원 등)이 높은 점수를 보임. 고찰에서는 AI가 자동화 vs. 증강을 구분하며, 예측 연구와 상관성 높음(r=0.73). 의의는 실제 데이터 기반으로 AI의 노동 영향 실증, 정책적 함의(재교육 필요) 제시. 전체 41페이지, 2025년 7월 22일 arXiv 업데이트.
### 중요한 내용 정리
- **주요 발견**: 사용자 목표는 정보 수집(25%), 쓰기(10%)가 많음. AI 행동은 정보 제공, 조언, 교육 역할. 40% 대화에서 사용자 목표와 AI 행동 불일치. 성공 높은 작업: 쓰기, 연구; 낮은 작업: 데이터 분석, 시각 디자인.
- **직업 영향**: AI 적용성 점수 상위: 통역사(0.49), 역사학자(0.48), 판매 대표(0.46). 하위: 간호 보조(0.03), 기계 운영자(0.00). 모든 직업군에 일부 영향 있음(물리적 노동 최소).
- **상관 분석**: 임금과 약한 상관(고임금 약간 높음, r=0.07). 학사 학위 요구 직업 높음(평균 0.27 vs. 낮은 교육 0.19).
- **비교**: Eloundou et al.(2023) 예측과 상관 r=0.73(주요 그룹 r=0.91). Claude 분석과 다름(Copilot은 컴퓨터 작업 적음).
- **한계**: 데이터 한정(Bing Copilot, 미국 중심), 작업 분해 불완전. 미래 연구: AI 진화 추적, 신직업 등장.
- **표/그림**: 표 3/4(상/하위 직업), 그림 5(영향 작업 흐름), 그림 6(예측 비교), 그림 7(임금/교육 상관).
### 블로그 글: AI가 바꾸는 직업 세계 - 실제 데이터로 본 미래
#### 서론: AI가 이미 당신의 일상을 바꾸고 있다
안녕하세요, 독자 여러분! 요즘 ChatGPT나 Copilot 같은 생성 AI를 안 써본 사람이 없을 텐데요. 이 AI들이 단순한 도구가 아니라, 우리 직업에 어떤 영향을 미치는지 궁금하지 않으신가요? 최근 Microsoft 연구팀이 Bing Copilot의 실제 대화 20만 건을 분석한 보고서를 발표했어요. 이 글에서는 그 내용을 바탕으로 AI가 어떤 작업을 돕거나 대신하는지, 어떤 직업이 가장 영향을 받는지 쉽게 설명할게요. 생명과학 전공자가 아니어도 이해하기 쉽도록요!
#### AI가 일하는 방식: 도움 vs. 대체
보고서의 핵심 아이디어는 AI 대화에서 '사용자 목표'(내가 AI에게 도움을 구하는 일)와 'AI 행동'(AI가 직접 하는 일)을 구분하는 거예요. 예를 들어, "문서 인쇄 방법 알려줘"라고 하면 사용자는 '사무 장비 운영'을 목표로 하고, AI는 '장비 사용 교육'을 수행하죠.
- **가장 흔한 사용**: 정보 찾기(25%), 글쓰기(10%), 소통. AI는 주로 정보 제공, 조언, 가르침 역할을 해요. 흥미롭게도 40% 대화에서 이 둘이 달라요. AI는 '서비스'처럼 사람을 돕는 데 강해요.
- **성공 사례**: 글쓰기와 정보 수집은 사용자 만족도 80% 이상, 완료율 높음. 반대로 데이터 분석이나 디자인은 피드백 낮아요. AI가 아직 숫자 계산이나 창의적 시각화에 약하다는 뜻이에요.
이 데이터는 AI가 '지식 노동'을 강화한다는 걸 보여줘요. 과거 컴퓨터가 사무 작업을 바꾼 것처럼요.
#### 어떤 직업이 가장 영향을 받을까?
연구팀은 O*NET(미국 직업 데이터베이스)을 활용해 'AI 적용성 점수'를 계산했어요. 이 점수는 AI 사용 빈도, 성공률, 영향 범위를 합친 거예요.
- **상위 직업군**: 판매(점수 0.32), 컴퓨터/수학(0.30), 사무 지원(0.29). 구체적으로 통역사, 작가, 고객 서비스 대표가 높아요. 이들은 정보 전달과 창의적 작업이 많아서 AI 도움을 받기 쉽죠.
- **하위 직업군**: 의료 지원(0.05), 건설/추출(0.08). 간호 보조나 기계 운영자는 물리적 노동이 주라 AI 영향 적어요.
- **임금/교육 상관**: 고임금 직업 약간 높지만 약함(r=0.07). 학사 학위 요구 직업(0.27)이 고졸 이하(0.19)보다 높아요. AI가 고학력 지식 노동자를 더 돕는다는 의미예요.
보고서는 예측 연구(Eloundou et al.)와 73% 일치하지만, 실제 사용은 판매나 사무가 더 두드러져요. Claude AI 분석과 비교해 Copilot은 일반 작업이 많아요.
#### 고찰: AI는 대체할까, 도울까?
AI가 작업을 '자동화'할지 '증강'할지는 사업 결정에 달렸어요. 예를 들어, AI가 개발자 생산성을 50% 높이면 회사는 더 많은 개발자를 고용할 수도, 줄일 수도 있죠. 보고서는 AI가 코치처럼 돕는 역할을 강조해요. 하지만 불평등 우려: 지식 노동자는 생산성 UP, 물리 노동자는 변화 적음.
한계로는 데이터가 Bing Copilot에 한정되고, 직업 분해가 완벽하지 않음. 미래에는 AI 진화로 새로운 직업(예: AI 윤리 전문가)이 생길 수 있어요.
#### 결론: AI 시대, 적응이 핵심
이 보고서는 AI가 '미래'가 아닌 '현재'임을 증명해요. 지식 노동자라면 AI를 활용해 효율 높이세요. 정책적으로는 재교육 프로그램이 필요해요. AI가 일자리를 빼앗는 게 아니라, 더 나은 작업 환경을 만들 수 있기를 바래요. 더 궁금한 점 있으시면 댓글 달아주세요! (참고: arXiv 2507.07935v3)
perplexity.ai
## 생성형 AI, 우리 일자리와 업무에 실제로 얼마나 영향 줄까?
### 1. 왜 이 연구가 나왔는가?
2024년, 생성형 AI가 빠르게 확산되면서 일상과 직장에서 AI 활용도가 크게 늘고 있습니다. 그렇다면 실제로 사람들이 AI와 어떤 일을 하고 있고, AI가 우리의 직업에 얼마나 영향을 미칠까요? 이 연구는 바로 그 점을 실제 사용자 데이터로 분석했습니다.
***
### 2. 어떻게 연구했나?
- **대상 데이터:** 2024년 1월부터 9월까지 미국에서 Bing Copilot(현 Microsoft Copilot)을 사용한 20만 건의 익명 대화.
- **분석 방식:** 각 대화에서 사람이 AI에게 부탁한 업무(사용자 목표)와 AI가 실제로 한 행동(AI 액션)을 구분.
- **직업 연계:** 미국 노동부의 O*NET 데이터베이스를 활용해, 각 업무가 실제 어떤 직업에서 이루어지는지 연결.
- **AI 영향 지수:** AI가 얼마나 성공적으로, 얼마나 넓은 범위에서 직업의 업무를 돕는지(혹은 대체하는지) ‘AI 적용성 점수’로 계량화.
***
### 3. 주요 결과 한눈에 보기
#### 사람들이 AI에게 가장 많이 부탁하는 일
- **정보 검색**
- **글쓰기와 편집**
- **타인과 소통, 설명, 상담**
#### AI가 실제로 잘하는 일
- **자료 제공, 설명, 교육·조언 등 서비스 역할**
- **글쓰기·편집, 정보 전달, 문제 해결**
#### AI가 많이 영향을 끼치는 직업
- **지식과 정보 기반 직종:** 통역사, 작가, 기자, 수학자, 데이터 분석가, 고객 상담/서비스, 사무직, 판매직, 교육직, 마케팅·홍보직 등
- **물리·현장 직업**은 영향이 매우 낮음: 청소, 간병, 운전, 기계 조작, 요리, 건설 등
#### 사용자의 만족도와 성공률
- **만족도(좋아요)**가 높은 업무: 글쓰기·편집, 제품평가·구매, 정보 탐색, 법·정책·의료·역사·사회 연구.
- **만족도 낮은 분야:** 데이터 분석, 시각적 디자인, 복잡한 계산 등
- **AI가 직접 ‘대체’하는 것보다, 돕는 역할을 할 때 만족도가 높게 나타남.**
#### 소득과 교육 수준의 연관성
- **대학교 졸업 이상 직업이 더 많이 AI 영향 받음.**
- **전체적으로 임금과 AI 영향력 사이에는 약한 상관관계만 있음.**
- 모든 직업을 100% 대체하는 건 아니며, 일부 업무만 빠르고 효율적으로 돕는 변화가 일어남.
#### 예측과 실제의 비교
- 기존 전문가 예측(예: Eloundou 등)과 실제 사용데이터의 직업별 AI 영향력이 거의 일치(r=0.73).
- 실제 사용 패턴이 예측결과와 매우 비슷하게 나타남.
***
### 4. 논의와 시사점
- **생성형 AI는 정보와 지식 기반 직무에 특히 강력하며, 현재는 주로 정보·문서 작업, 설명, 상담, 교육 등에서 많이 활용되고 있음.**
- **물리적, 현장 노동이나 직접적인 작업은 AI가 대체하지 못하고, 주로 보조 역할에 머무름.**
- **대부분의 직업은 AI로 인해 일부 업무가 더 빠르고 효율적으로 변하고 있지만, 전체 업무가 완전히 대체되는 것은 아님.**
- **AI와 사람의 협력이 중요한 시대:** 단순 자동화보다는 ‘증강(도움받기)’ 방식이 많고, 사용자 만족도가 높음.
- **사회 전체의 직업 분포, 업무 방식, 교육·소득 등과 연계해서 실질적 변화 예측이 가능해짐.**
***
### 5. 이 연구가 우리에게 주는 의미
이 보고서는 이론이나 전망이 아닌, 실제 현장에서 사람들이 AI로 어떤 일을 하고 있고, AI가 각 직업에 어떻게 적용되고 있는지 아주 구체적으로 보여줍니다. AI가 잘할 수 있는 일, 아직 어려운 점, 앞으로 변화 방향까지 근거를 바탕으로 제시해줍니다.
- **직업 선택이나 커리어 계획, 업무 방식 변화, AI와의 협업에 관한 실질적인 참고자료가 됩니다.**
- **단순히 AI가 모든 일을 대신하거나, 사람 일자리를 없앤다는 오해를 넘어서, ‘어떤 부분에서 얼마나 함께 일할 수 있는지’ 스마트하게 생각하게 도와줍니다.**
- **기업, 정책입안자, 교육계 등 다양한 분야에서 AI 활용 전략과 인재 양성에 중요한 기반이 될 수 있습니다.**
***
> **생성형 AI는 우리 일의 ‘일부’를 더 빠르고 똑똑하게 만들고 있습니다. 이 변화는 지식정보 기반 직업, 커뮤니케이션 중심 직업에서 가장 크며, 앞으로도 기술 발전에 따라 일의 방식과 직업 지형이 계속 바뀔 것입니다.**
**블로그에 올리기에도 쉽게 읽히고, 트렌드를 파악할 수 있는 주요 포인트만 담았습니다. 'AI가 우리의 업무와 직업을 어떻게 바꿀까?'라는 질문에 진짜 현장 데이터를 바탕으로 답을 주는 연구라는 점에서 이 보고서의 의미는 매우 큽니다.**
 |
| 출처: @ye._.vely618 |
