AI와 일자리: 말할 수 있는 것과 없는 것

"AI가 내 일자리를 빼앗을까?"라는 질문만큼 강한 주장을 불러일으키는 질문도 드뭅니다. 정직한 답은 양쪽 진영의 헤드라인보다 훨씬 신중합니다. 대량 실업을 장담하는 사람도, 아무것도 변하지 않을 것이라 장담하는 사람도, 누구도 실제로 알 수 없는 것을 과장하고 있습니다. 이 글은 AI와 일에 관한 증거가 무엇을 뒷받침하고 무엇을 뒷받침하지 않는지, 그리고 확신에 찬 예측에 휘둘리지 않으면서 자신의 상황을 어떻게 따져볼지를 쉬운 말로 안내합니다.

이 분야의 예측이 그토록 믿을 수 없는 이유

새로운 기술이 고용에 미치는 영향을 예측하는 일은 정말로 어렵고, 그런 예측의 실적은 형편없었습니다. 과거의 자동화 물결은 일부 직업을 완전히 없애는 동시에 아무도 미리 이름 붙이지 못했던 새로운 직업을 만들어냈습니다. 한 종류의 일을 없애는 바로 그 기술이 종종 다른 종류의 일을 새롭게 가치 있게 만들기 때문에, 총고용에 미치는 순효과는 사후에 돌아봐도 예측하기 어려웠습니다.

AI는 이 일을 더 쉽게가 아니라 더 어렵게 만듭니다. AI는 단일 역할을 대체하는 단일 기계가 아니라, 수많은 직업의 수많은 작업에 걸쳐 영향을 미치는 범용 역량입니다. 그 광범위함 탓에 작은 변화가 모델링하기 어려운 방식으로 파급됩니다. 특정 연도까지 사라질 일자리 비율 같은 정확한 숫자를 제시하는 사람은, 증거가 뒷받침할 수 있는 범위를 넘어서고 있는 것입니다.

직업이 아니라 작업

이 논쟁 전체에서 가장 유용한 발상은, AI가 통째의 직업이 아니라 작업을 자동화한다는 점입니다. 대부분의 직업은 여러 작업의 묶음입니다. AI는 그중 일부 작업은 잘 처리하고, 일부는 서툴게 처리하며, 다수는 아예 처리하지 못할 수 있습니다. 직업은 그 작업 구성이 바뀔 때 변화하고, 거의 모든 작업을 사람 없이 해낼 수 있을 때에만 사라집니다.

이 재구성은 많은 혼란을 풀어줍니다. 질문은 거의 "이 직업이 존재할 것인가?"가 아닙니다. "이 직업 안의 어떤 작업이 옮겨갈 것이고, 사람에게는 무엇이 남는가?"입니다. 답은 흔히, 반복적이고 정형화된 부분은 보조되거나 자동화되는 반면 판단, 관계, 책임의 부분은 완강하게 사람의 몫으로 남는다는 것입니다. 직업은 살아남지만 그 무게중심이 옮겨갑니다.

합리적 확신을 가지고 말할 수 있는 것

몇몇 진술은 크기가 아니라 방향을 기술하기에 옹호할 만합니다.

• 일부 작업은 자동화되거나 보조될 것입니다. 반복적이고, 텍스트 중심이거나, 패턴 기반의 일은 물리적이고, 관계적이거나, 맥락 의존도가 높은 일보다 더 많이 노출됩니다.
• 노출은 고르지 않습니다. 같은 기술이라도 역할마다 매우 다르게 영향을 미치고, 같은 역할 안에서도 그 일이 실제로 어떻게 수행되느냐에 따라 영향이 달라집니다.
• 새로운 일이 기존 일과 나란히 등장합니다. 이런 시스템을 만들고, 감독하고, 바로잡고, 통합하는 일 자체가 일이며, 수요는 단순히 사라지기보다 옮겨가는 경우가 많습니다.
• 조정은 좀처럼 매끄럽지 않습니다. 전체 수치가 건강하게 유지되더라도, 그 전환은 특정 시점, 특정 장소의 특정 사람들에게 고통스러울 수 있습니다. 총계는 개인의 충격을 가립니다.

이것들은 정확한 수치가 아니라 형태와 방향에 관한 진술이며, 바로 그 때문에 견고합니다.

정직하게 말할 수 없는 것

여러 대중적 주장은 증거를 훌쩍 넘어섭니다.

• 특정 시점까지의 특정 실업 수치. "Y년까지 일자리의 X%가 사라진다"는 확신에 찬 주장들은 예측으로 분장한 추측입니다.
• 특정 직업이 분명히 안전하거나 분명히 끝장난다는 단언. 역할은 내부적으로 너무 다양하고, 수행 방식도 너무 많이 변하기에 일률적인 판정을 내릴 수 없습니다.
• 이번이 과거 자동화와 정확히 같다거나 정확히 다르다는 주장. 두 비유 모두 부분적입니다. 어느 한쪽을 통째로 빌려오면 정당화되지 않은 결론을 슬쩍 끼워넣게 됩니다.

한계를 인정하는 것은 양다리 걸치기가 아닙니다. 진정으로 불확실한 상황에 대한 정확한 기술이며, 거짓된 정밀함보다 훨씬 유용합니다.

자신의 일을 따져보는 법

정직한 거시적 답이 "경우에 따라 다르다"이기 때문에, 오지 않을 판정을 기다리기보다 자신의 상황을 구체적으로 들여다보는 것이 실용적인 선택입니다.

1. 실제 작업을 나열하세요. 직함이 아니라 정말로 시간을 쓰는 일들로 역할을 쪼개보세요.
2. 노출도로 분류하세요. 어떤 작업이 반복적이고 규칙 기반이며, 어떤 작업이 판단, 신뢰, 물리적 현존, 책임에 의존하나요?
3. 산출물 너머의 가치를 더하는 지점을 살피세요. 책임 있는 사람이 과정에 개입하는 것이 중요한 작업은 더 오래 지속되는 경향이 있습니다.
4. 지속성 있는 작업 쪽으로 옮겨가세요. 선택지가 있다면, 자동화하기 어려운 부분과 이 도구들과 경쟁하기보다 함께 일하는 데 학습을 투자하세요.
5. 도구를 지렛대로 삼으세요. 거시적 그림과 무관하게, 이 기술을 잘 활용하는 사람들이 무시하는 사람들보다 흔히 더 나은 결과를 얻습니다.

이것은 집계된 미래는 통제할 수 없어도 당신이 통제할 수 있는 영역입니다.

이 틀이 정책에 중요한 이유

작업 대 직업의 구분은 개인의 계획을 넘어 중요합니다. 직업 전체가 하룻밤 사이 사라진다고 가정하는 정책 논쟁은 뭉툭한 대응을 낳는 반면, 점진적이고 고르지 않은 작업 단위의 변화를 인식하는 논쟁은 더 정밀한 대응을 가리킵니다. 전환에 대한 지원, 실제 작업 변화에 연동된 재교육, 조정이 가장 세게 타격하는 특정 사람들과 지역에 대한 관심 같은 것 말입니다. 틀을 제대로 잡는 것이, 문제의 희화화가 아니라 실제 형태에 맞는 대응으로 가는 첫걸음입니다.

정리

AI와 일자리에 관한 진실은 헤드라인보다 덜 극적이고 더 유용합니다. 일부 작업이 자동화될 것이고, 노출이 고르지 않으며, 새로운 일이 기존 일과 나란히 등장하고, 조정이 좀처럼 고통 없이 이뤄지지 않는다는 점은 합리적 확신을 가지고 말할 수 있습니다. 얼마나 많은 일자리가, 언제까지 사라질지, 당신의 특정 역할이 안전한지는 정직하게 말할 수 없습니다. 그렇지 않다고 주장하는 사람은 추측하고 있는 것입니다. 가장 생산적인 대응은 직함이 아니라 작업으로 사고하고, 자동화하기 가장 어려운 일 쪽으로 옮겨가며, 이 도구들을 지렛대로 삼는 것입니다. 어떤 확신에 찬 예측이 틀린 것으로 드러나든, 그 태도는 견고하게 유지됩니다.