# 공용 업무 빼면 43.5%가 남의 직무, 디자이너 75%·엔지니어 28%
_오픈AI가 미국 이용자의 업무 메시지 80만 건 이상을 직업별 업무 목록과 맞춰 본 Work at the Frontier 첫 보고서입니다. 전체 업무 메시지 기준으로는 16.8%이고, 좌석 2~5개 워크스페이스가 101개 이상보다 약 2.5%포인트 높았습니다._
- 매체: 초이의 뉴스레터 · 논문
- 글쓴이: 초이봇 (AI 가 쓴 글, 사람이 검토하지 않음)
- 날짜: 2026-07-28
- 링크: https://choi-newsletter.com/post/paper-openai-task-crossover
- 답하는 질문: 직장인은 챗GPT로 다른 직무의 일을 얼마나 하나
- 직답: 공용 업무를 뺀 업무 메시지의 43.5%가 다른 직업의 일이었고, 전체 업무 메시지 기준으로는 16.8%였습니다.
- 논문: Caroline Chin, Alex Martin Richmond · OpenAI Economic Research · https://openai.com/index/how-ai-is-expanding-what-people-do-at-work/
- 출처: OpenAI, How AI is expanding what people do at work (2026-07-27) (https://openai.com/index/how-ai-is-expanding-what-people-do-at-work/), Chin·Richmond, Work at the Frontier 보고서 (PDF) (https://cdn.openai.com/pdf/work-at-the-frontier-report.pdf), OpenAI X 공지 (2026-07-27) (https://x.com/OpenAI/status/2081833350323720219), OpenAI, The AI jobs transition framework (2026년 4월, PDF) (https://cdn.openai.com/pdf/the-ai-jobs-transition-framework_report.pdf), Dallas Fed, Young workers' employment drops in occupations with high AI exposure (2026-01-06) (https://www.dallasfed.org/research/economics/2026/0106), Anthropic, Labor market impacts of AI (2026-03-05) (https://www.anthropic.com/research/labor-market-impacts), Choi's Newsletter 스레드 원문 (2026-07-10, KDI 포럼·산업전환 고용안정 기본계획) (https://www.threads.net/@choi.openai/post/DamtmmkD0bh)
> 오픈AI가 7월 27일 공개한 보고서에서 공용 업무를 뺀 업무 메시지의 43.5%가 보낸 사람의 직업 밖 일이었습니다. 고객경험 77%, 디자인 75%, 엔지니어링 28%였고, 전체 업무 메시지 기준으로는 16.8%입니다.

오픈AI 경제연구팀이 7월 27일(미국 시각) 새 연구 시리즈 Work at the Frontier의 첫 보고서를 냈습니다. 미국 이용자의 업무 메시지 80만 건 이상을 직업별 업무 목록과 맞춰 보니, 어느 직업에나 있는 공용 업무를 뺀 메시지의 43.5%가 보낸 사람의 직업이 아닌 다른 직업의 일이었습니다. 고객경험 직군은 77%, 디자인은 75%였고, 가장 낮은 엔지니어링도 28%였습니다.

오픈AI는 X 공지를 작은 회사 이야기로 열었습니다. 작은 회사에서는 문제에 가장 가까운 사람이 직무 설명서에 없는 일이라도 직접 풀게 된다며, AI가 작은 팀이 여러 직무를 넘나들게 돕는 도구가 되고 있다고 소개했습니다. 붙인 그림은 ChatGPT Business 좌석 수가 적은 워크스페이스일수록 직업 밖 업무 비중이 높다는 그래프입니다. 보고서는 캐럴라인 친과 알렉스 마틴 리치먼드가 썼습니다.

## 4월에 24%로 잡은 재편 직업

이번 보고서는 오픈AI가 4월에 낸 「AI 일자리 전환 프레임워크」의 후속편입니다. 리치먼드가 쓴 이 프레임워크는 미국의 900개 넘는 직업, 1억 5,200만 개 일자리를 네 갈래로 나눴습니다. 단기 자동화 위험이 비교적 큰 일자리가 18%, 당분간 변화가 적은 일자리가 46%, AI 덕분에 늘어날 수 있는 일자리가 12%였고, 나머지 24%를 재편될 일자리로 분류했습니다. 같은 보고서는 자동화 위험이 크다고 본 직업의 업무에서 ChatGPT가 압박이 덜한 직업보다 약 5배 더 쓰인다고 적었습니다.

재편은 업무 구성이 크게 달라져 고용이 줄 수 있지만 남는 일자리에는 여전히 사람이 필요한 경우를 가리킵니다. 로니 채터지 오픈AI 수석이코노미스트는 당시 서문에서 당장의 혼란을 과장하는 오류와 장기 영향을 과소평가하는 오류를 둘 다 피하겠다고 적었습니다. 7월 보고서는 이 재편을 실제 사용 기록으로 들여다보는 새 시리즈의 첫 편입니다.

## 16.8%와 43.5%, 분모가 다른 같은 데이터

연구팀은 메시지 하나하나를 미국 노동부 직업 데이터베이스 O*NET의 세부 업무 활동 하나에 배정했습니다. 그다음 그 활동이 보낸 사람이 적어 낸 직업의 전통적 업무 범위 안에 있는지 봤고, 결과를 세 가지로 나눴습니다. 글쓰기나 요약, 일정 잡기처럼 여러 직업에 두루 걸친 일은 공용 업무, 자기 직업 범위 안이거나 그와 가까운 일은 자기 직업 업무, 나머지는 다른 직업 업무입니다.

![업무 메시지를 공용 61.5%, 자기 직업 안팎 21.8%, 다른 직업 16.8%로 나눈 막대와, 공용을 뺀 38.5%를 100으로 다시 잡아 자기 직업 56.5%, 다른 직업 43.5%로 나눈 막대](https://images.ctfassets.net/kftzwdyauwt9/4etqkFuwhdekZPZBiw8AOA/ce9339be7fc9992159739b5b89e2a9fa/Nearly_half_of_non-generic_ChatGPT_use_is_outside_a_user-s_occupation_light_desktop.svg)

전체 업무 메시지에서 다른 직업 업무는 16.8%입니다. 공용 업무 61.5%를 빼고 남은 38.5%를 100으로 다시 잡으면 같은 메시지가 43.5%가 됩니다. 오픈AI가 발표문 첫 문단에 두 숫자를 함께 적었고, 제목과 그래프에 올린 쪽은 공용 업무를 뺀 43.5%였습니다.

그래서 이 숫자는 공용 업무를 어디까지로 잡느냐에 따라 움직입니다. 연구팀은 8개 직군 가운데 과반과 이어진 활동을 공용으로 분류했고, 문서 편집과 상품·서비스 정보 수집처럼 널리 쓰이는 활동은 손으로 공용에 넣었습니다. 부록에서는 공용 업무를 모두 자기 직업 업무로 합쳐 다시 그렸고, 그렇게 봐도 모든 직군에 자기 업무의 중심이 뚜렷하게 남았다고 적었습니다.

자기 직업 업무의 범위에도 기준값이 있습니다. 연구팀은 직업마다 O*NET에 직접 연결된 활동을 범위로 삼고, 연결되지 않은 활동이라도 범위 안 활동과 의미 유사도(코사인 유사도)가 0.80 이상이면 자기 직업 쪽으로 넣었습니다. 메시지 하나에 여러 일이 섞여 있어도 가장 중심이 되는 활동 하나만 배정했습니다. 기준을 느슨하게 잡을수록 자기 직업 업무가 늘고 다른 직업 업무는 줄어드는 구조입니다.

## 80만 건은 누구의 메시지인가

표본은 미국 이용자 가운데 ChatGPT Business에 가입하면서 부서와 직무를 적은 사람들입니다. 직업 정보는 Business 계정에서 가져왔지만, 분석한 메시지는 같은 사람들이 개인 ChatGPT 계정으로 보낸 업무 메시지입니다. 분류는 ChatGPT가 익명 상태로 했고 연구진은 원문을 읽지 않았다고 보고서는 밝혔습니다. 메시지 하나를 분류할 때는 같은 대화의 앞선 메시지를 9개까지 참고했습니다. 메시지를 모은 기간은 보고서에 적혀 있지 않습니다.

표본에서 빠진 사람도 분명합니다. 대기업용 Enterprise 이용자는 제품이 달라 이 추정에 들어가지 않았고, 부서와 직무를 적지 않은 사람도 뺐습니다. 직군은 고객경험, 디자인, 엔지니어링, 재무, 인사, 법무, 마케팅, 영업 8개뿐이라, 의료처럼 이 밖으로 배정된 메시지는 집계에서 빠졌습니다.

세는 단위는 메시지라서, 한 사람이 많이 보낼수록 표본에서 차지하는 비중도 커집니다. 그 결과물이 실제로 쓰였는지, 품질이 어땠는지, 시간을 얼마나 아꼈는지, AI 없이도 할 수 있었는지, 전문가가 검토했는지는 관측하지 못했다고 보고서 스스로 적었습니다.

## 고객경험 77%, 엔지니어링 28%

직군별로 나누면 차이가 큽니다. 8개 직군 가운데 5개에서 공용 업무를 뺀 메시지의 과반이 다른 직업의 일이었습니다. 공용 업무까지 넣은 전체 업무 메시지 기준으로는 직군마다 11~30%였습니다.

| 직군 | 공용 업무를 뺀 메시지 중 다른 직업 업무 |
| --- | --- |
| 고객경험 | 77% |
| 디자인 | 75% |
| 인사 | 69% |
| 법무 | 56% |
| 마케팅 | 53% |
| 영업 | 40% |
| 재무 | 40% |
| 엔지니어링 | 28% |

고객경험 담당자는 직무에 특정된 AI 사용 4건 가운데 3건 이상이 남의 직업 일이었습니다. 엔지니어링은 가장 낮은 28%로, 개발자는 AI를 주로 자기 직무 안에서 썼습니다.

메시지마다 가장 가까운 직업 하나를 붙이는 방식으로 다시 세면, 공용 업무를 뺀 메시지 가운데 자기 직군 업무의 비중은 엔지니어링이 53%로 가장 높았습니다. 마케팅 36%, 법무 31%, 재무 23%가 뒤를 이었고, 디자인과 영업은 12%, 고객경험 11%, 인사 10%에 그쳤습니다. 이 방식에서는 직업 범위가 겹치는 활동을 한 직업에만 배정해서 앞의 표보다 자기 직군 비중이 낮게 나옵니다.

## 영업은 재무 계산을, 고객경험은 정부 기관 응대를

어떤 업무가 직업 사이를 건너는지는 업무 단위 표에 나옵니다. 재무 데이터 계산은 재무가 아닌 7개 직군 모두에서 재무 관련 업무 상위 3개 안에 들었고, 소프트웨어 문제 해결도 엔지니어링이 아닌 7개 직군 모두에서 엔지니어링 관련 업무 상위 3개 안에 들었습니다. 비재무 직군이 보낸 재무 관련 메시지의 9.8%가 재무 데이터 계산이었고, 비엔지니어링 직군이 보낸 엔지니어링 관련 메시지의 6.1%가 소프트웨어 문제 해결이었습니다.

| 건너가는 업무 | 원래 직업 | 상위 3개에 든 직군 수 | 비중이 가장 큰 직군 |
| --- | --- | --- | --- |
| 재무 데이터 계산 | 재무 | 7곳 중 7곳 | 영업 14.3% |
| 컴퓨터 프로그램·시스템 문제 해결 | 엔지니어링 | 7곳 중 7곳 | 고객경험 7.6% |
| 고객에게 상품·서비스 정보 설명 | 고객경험 | 7곳 중 7곳 | 마케팅 70.8% |
| 마케팅 자료 제작 | 마케팅 | 7곳 중 5곳 | 디자인 13.6% |
| 정부 기관과 소통 | 법무 | 7곳 중 7곳 | 고객경험 21.4% |

마지막 열은 그 직군 이용자의 메시지 가운데 원래 직업에 해당하는 메시지만 놓고 잰 비중입니다. 영업 담당자가 보낸 재무 관련 메시지의 14.3%가 재무 데이터 계산이었고, 고객경험 담당자가 보낸 법무 관련 메시지의 21.4%가 정부 기관과 주고받는 일이었습니다(출처: 오픈AI 보고서 표 2).

마케팅 업무는 특히 넓게 퍼졌습니다. 마케팅이 아닌 직군의 마케팅 관련 메시지에서 가장 많은 것은 판촉물 개발로 25%였고, 광고와 소셜 게시물, 전단, 홍보 영상, 제품 소개서를 만들어 달라는 요청이 여기에 들어갔습니다. 세일즈와 디자인 이용자는 공용 업무를 뺀 메시지의 28~29%가 마케팅 업무였고, 디자인 이용자의 28%는 엔지니어링 업무였습니다.

## 디자인은 들여오고 엔지니어링은 내보낸다

보고서는 경계를 넘는 방향을 둘로 갈랐습니다. 한 직군이 남의 업무를 얼마나 들여오는지, 그리고 그 직군의 업무가 다른 직군의 AI 사용에 얼마나 나오는지입니다. 이 표는 공용 업무까지 포함한 전체 메시지를 분모로 쓰고, 메시지마다 가장 가까운 직업 하나를 붙여 세서 앞의 표보다 숫자가 작습니다.

| 직군 | 남의 업무를 들여오는 비중 | 이 직군 업무가 다른 직군 메시지에 나오는 비중 |
| --- | --- | --- |
| 디자인 | 35.2% | 1.7% |
| 영업 | 32.1% | 3.0% |
| 인사 | 30.4% | 1.8% |
| 고객경험 | 30.4% | 2.7% |
| 재무 | 29.9% | 4.5% |
| 법무 | 24.9% | 2.3% |
| 마케팅 | 24.3% | 8.9% |
| 엔지니어링 | 18.5% | 7.4% |

디자이너 메시지의 35.2%가 다른 직업 업무였지만, 디자인 업무가 다른 직군 메시지에 나오는 비중은 1.7%였습니다. 엔지니어링은 반대 방향으로, 엔지니어 본인은 18.5%만 밖의 일을 했고 엔지니어링 업무는 다른 직군 메시지의 평균 7.4%를 차지했습니다. 마케팅은 양쪽 다 높아서 들여오는 비중이 24.3%, 내보내는 비중은 표본에서 가장 높은 8.9%였습니다.

보고서는 이 패턴을 직업 자체가 없어지는 것으로 해석하지 않았습니다. AI 덕분에 바깥 사람이 어떤 업무를 시도하기 쉬워져도 전문가 수준의 판단과 검토는 여전히 전문가에게 남는다는 설명입니다. 연구팀은 이 결과를 일의 분담이 움직이고 있다는 증거로 읽어 달라고 했고, 어느 직업의 일자리가 늘고 줄지 직접 추정한 값은 없다고 밝혔습니다.

## 작은 회사와 큰 회사의 차이, 2.5%포인트

오픈AI가 X 공지에 붙인 그래프는 이 대목입니다. 사용량이 중간인 50% 이용자만 보면, 좌석 2~5개 워크스페이스에서 직업 밖 업무 비중은 18.9%였고 101개 이상에서는 16.3%였습니다.

| 워크스페이스 좌석 | 직업 밖 업무 비중(사용량 중간 50%) |
| --- | --- |
| 2~5 | 18.9% |
| 6~15 | 17.9% |
| 16~25 | 17.9% |
| 26~100 | 17.7% |
| 101 이상 | 16.3% |

가장 작은 곳과 가장 큰 곳의 차이는 약 2.5%포인트, 작은 워크스페이스 기준으로 13% 정도입니다. 보고서는 작은 조직에서는 넘길 전문가가 없어 AI로 직접 해결하는 것일 수 있다고 해석했습니다. 사용량 상위 25% 헤비 유저에서는 규모가 클수록 줄어드는 흐름이 나타나지 않았고, 하위 25%는 가장 큰 워크스페이스 구간의 메시지가 197건뿐이라 정밀도가 떨어졌습니다.

워크스페이스 좌석 수는 회사 전체 직원 수와도 다릅니다. 회사는 직원 수와 다른 수의 좌석을 살 수 있고, 좌석 수에는 업종과 직군 구성, 조직의 성숙도, 동료에게 물어볼 수 있는 환경 같은 요인이 함께 섞여 있습니다. 보고서도 이 비교를 서술 통계로만 제시했습니다.

## 가장 노출된 직업과 가장 넘나드는 직군

오픈AI 보고서는 고용에 미친 효과를 추정하지 않았습니다. 고용 쪽 숫자는 다른 기관이 먼저 냈습니다. 댈러스 연방준비은행은 1월 6일 AI 노출도가 가장 높은 직업군에서 20~24세의 고용 비중이 챗GPT가 나온 2022년 11월 16.4%에서 2025년 9월 15.5%로 내려갔다고 분석했습니다. 이 직업군에서 종사자가 가장 많은 직업은 소매 판매 현장 관리자, 비서·사무 보조원, 고객 서비스 상담원이었습니다.

댈러스 연준이 찾은 감소의 경로는 신규 진입이었습니다. 노동시장 밖에 있던 청년이 이 직업들로 바로 들어오는 흐름이 줄었고, 일하던 청년이 실업자로 밀려나는 흐름은 늘지 않았습니다. 노출이 가장 큰 직업에 새로 진입하는 20~24세의 취업률은 2023년 11월 고점보다 3%포인트 넘게 떨어졌습니다.

![2004년부터 2025년까지 노동시장 신규 진입자의 취업률을 AI 노출 정도별로 그린 댈러스 연준 그래프. 왼쪽은 20~24세, 오른쪽은 25~55세이고 챗GPT 출시 시점에 점선이 있습니다.](https://www.dallasfed.org/-/media/Images/research/economics/2026/0106/dfe0106c4.png)

총량 효과는 아직 작습니다. 댈러스 연준은 이 감소가 전부 실업으로 이어졌다고 가정해도 2022년 11월 이후 전체 실업률 상승분 가운데 0.1%포인트에 그친다고 계산했습니다. 댈러스 연준이 가장 노출된 직업으로 꼽은 목록에 고객 서비스 상담원이 들어 있고, 오픈AI 데이터에서는 고객경험 직군이 직무 특정 AI 사용의 77%를 남의 직업 일에 썼습니다.

## 업무 목록을 고정해 둔 통계

지금까지 AI와 일자리 연구는 대부분 직업마다 업무 목록을 고정해 두고 AI가 그중 무엇을 할 수 있는지 물었습니다. 오터·레비·머네인(2003)이 컴퓨터의 영향을 업무 단위로 쪼개 본 뒤로 노동경제학의 표준이 된 방식입니다. 앤트로픽이 3월 낸 노동시장 보고서도 이 계보에 있어서, 컴퓨터·수학 직군에서 AI가 이론상 할 수 있는 업무는 94%인데 실제 Claude 사용이 덮는 범위는 33%라고 쟀습니다.

오픈AI 보고서는 방향을 거꾸로 잡아, 한 사람의 AI 사용 가운데 얼마가 자기 직업의 목록 밖으로 나가는지를 셉니다. 보고서가 인용한 연구들은 업무 내용의 장기 변화 가운데 상당 부분이 같은 직함 안에서 일어났고, 새로 생긴 일은 한참 뒤에야 직업 분류에 오른다고 봤습니다. 사용 데이터는 그보다 앞선 단계를 볼 수 있다는 것이 연구팀의 주장입니다. 같은 방향의 관측으로는 Perplexity 검색 질의가 이용자의 주 직업 밖으로 자주 나간다는 Yang 등(2026)의 연구를 인용했습니다.

> 어떤 인간과 기계의 활동 묶음이 새로 가능해지는지, 그리고 누가 그 일을 할 준비가 됐고 허락받았고 대가를 받는지 이해하는 일이 중요합니다.
> — 오픈AI 경제연구팀, Work at the Frontier 보고서

## 한국 통계에 옮기면

한국 정부도 AI의 고용 영향을 재는 장치를 만들고 있습니다. 7월 9일 발표한 첫 산업전환 고용안정 기본계획에는 내년까지 한국형 AI 노출지수를 만들고, 이를 바탕으로 산업·연령별 고용 변화를 보여 주는 카나리아 대시보드를 운영한다는 내용이 들어갔습니다. 같은 날 재정경제부와 KDI가 연 「일의 미래」 포럼에서는 이르면 2030년 지금 형태의 일자리 약 90%에서 직무의 90% 이상이 기술적으로 자동화 가능해진다는 KDI 추정이 다시 나왔습니다. 한국은행이 지난해 10월 낸 보고서는 2022년 7월 이후 3년 동안 청년층 일자리가 21만 1천 개 줄었고 그중 98%가 AI 고노출 업종이라고 집계했습니다. 계획과 추정의 자세한 내용은 [한국형 노출지수와 카나리아 대시보드를 다룬 글](/post/review-kdi-9090-canary-dashboard)에 정리했습니다.

대시보드가 보여 줄 것은 산업·연령별 고용 변화입니다. 오픈AI 보고서는 결론에서 기존 직무기술서에만 기댄 측정은 일이 실제로 나뉘는 방식과 점점 벌어진다고 적었습니다. 고객경험 담당자가 정부 기관을 상대하고 디자이너가 엔지니어링 업무를 맡는 변화는 직업 코드가 그대로인 채 일어나서, 고용 수를 세는 지표로는 드러나기 어렵습니다. 이번 표본은 미국 이용자만 담았고, 한국 이용자의 같은 숫자는 공개되지 않았습니다.

## 다음 보고서에서 볼 숫자

오픈AI는 Work at the Frontier를 정기적으로 내겠다고 밝혔습니다. 보고서가 남긴 물음은 직업 경계 밖의 AI 사용이 되풀이되면 실제 직무 책임이 달라지느냐입니다. 연구팀은 그렇게 된다면 노동자는 자기 전문 밖의 AI 결과물을 평가하는 훈련이 필요하고, 조직은 검토와 책임의 절차를 새로 만들게 된다고 적었습니다.

다음 편에서 같은 기준의 43.5%와 16.8%가 다시 나오면, 경계를 넘는 사용이 늘어나는지 처음으로 시계열로 볼 수 있습니다. 이번 판의 숫자는 한 시점의 단면이고, 연구팀도 AI가 없었다면 같은 사람들이 일을 어떻게 나눴을지는 이 자료로 알 수 없다고 밝혔습니다.

읽어 주셔서 고맙습니다.

초이 드림