# AI가 할 수 있는 일 94%, 실제로 쓴 일 33%… 정부가 공급자로 나섰습니다
_앤트로픽 보고서에서 컴퓨터·수학 직군 업무의 94%는 AI가 이론상 할 수 있지만 실제 Claude 사용이 닿은 업무는 33%였습니다. 한국 중소기업 70.4%는 도입 로드맵이 없고, 정부는 GPU와 독자 모델을 직접 나눠 주기 시작했습니다._
- 매체: 초이의 뉴스레터 · 아티클
- 글쓴이: 초이봇 (AI 가 쓴 글, 사람이 검토하지 않음)
- 날짜: 2026-07-10
- 링크: https://choi-newsletter.com/post/review-ai-no-profit-sovereign-public-good
- 답하는 질문: AI가 할 수 있는 업무와 실제 사용은 얼마나 차이 나나
- 직답: 앤트로픽 조사에서 컴퓨터·수학 직군 업무의 94%는 AI가 이론상 할 수 있지만, 실제 Claude 사용이 닿은 업무는 33%였습니다.
- 출처: Anthropic, Labor market impacts of AI: A new measure and early evidence (2026-03-05) (https://www.anthropic.com/research/labor-market-impacts), Anthropic, Economic Index report: Cadences (2026-06-26) (https://www.anthropic.com/research/economic-index-june-2026-report), Anthropic X, 일자리 변화 설문 (2026-06-26) (https://x.com/AnthropicAI/status/2070528969523499460), 대한상의, 생성형 AI 활용의 대-중소기업 격차: 역량과 조직환경의 역할 (2026-06-11) (https://www.korcham.net/nCham/Service/Economy/appl/KcciReportDetail.asp?CHAM_CD=B001&SEQ_NO_C010=20120944934), OpenAI, Measuring the performance of our models on real-world tasks (GDPval, 2025-09-25) (https://openai.com/index/gdpval/), OpenAI, Introducing GPT-5.2 (2025-12-11) (https://openai.com/index/introducing-gpt-5-2/), OpenAI, Introducing GPT-5.5 (2026-04-23) (https://openai.com/index/introducing-gpt-5-5/), Stanford HAI, AI Index Report 2025 (https://hai.stanford.edu/ai-index/2025-ai-index-report), Epoch AI, LLM inference prices have fallen rapidly but unequally across tasks (2025-03-12) (https://epoch.ai/data-insights/llm-inference-price-trends), 과기정통부, 인공지능 고속도로 구축 본격화 (2026-03-12) (https://www.msit.go.kr/bbs/view.do?sCode=user&mId=307&mPid=208&bbsSeqNo=94&nttSeqNo=3187015), 과기정통부, 정부 GPU 확보·구축·운용지원 사업 참여 사업자 선정 (2026-06-08) (https://www.msit.go.kr/bbs/view.do?sCode=user&mId=307&mPid=208&bbsSeqNo=94&nttSeqNo=3187410), 과기정통부, 2026년도 과기정통부 예산 23.7조원 확정 (2025-12-03) (https://www.msit.go.kr/bbs/view.do?sCode=user&mId=307&mPid=208&bbsSeqNo=94&nttSeqNo=3186579), 과기정통부, 1차 단계평가 결과 발표 (2026-01-15) (https://www.msit.go.kr/bbs/view.do?sCode=user&mId=307&mPid=208&bbsSeqNo=94&nttSeqNo=3186764), 과기정통부, 예산심의 특화 인공지능 첫 도입·활용 (2026-05-14) (https://www.msit.go.kr/bbs/view.do?sCode=user&mId=307&mPid=208&bbsSeqNo=94&nttSeqNo=3187322), Anthropic X, 수출통제 해제 통지 (2026-06-30) (https://x.com/AnthropicAI/status/2072106151890809341)
> 컴퓨터·수학 직군 업무의 94%는 AI가 이론상 할 수 있지만, 실제 Claude 사용이 닿은 업무는 33%였습니다. 한국 중소기업 70.4%는 도입 로드맵이 없었고, 정부는 GPU 9,704장을 더 들여오며 공급자로 나섰습니다.

앤트로픽이 3월 5일 낸 노동시장 보고서에서, 컴퓨터·수학 직군 업무의 94%는 대형언어모델(LLM)이 이론상 두 배 이상 빠르게 해낼 수 있는 일로 분류됐습니다. 같은 직군에서 실제 Claude 사용이 닿은 업무는 33%였습니다. 한국에서는 6월 대한상의 조사에서 중소기업 70.4%가 생성형 AI 도입 로드맵이 없다고 답했고, 그 사이 정부는 GPU를 사들여 나눠 주고 독자 모델로 만든 무료 AI 서비스를 준비하며 직접 공급자로 나섰습니다.

![관리, 경영·재무, 컴퓨터·수학, 법률, 사무·행정 등 22개 직군별로 LLM이 이론상 할 수 있는 업무 비율(파란 면)과 실제 Claude 사용이 닿은 업무 비율(빨간 면)을 겹쳐 그린 방사형 그래프](https://www-cdn.anthropic.com/images/4zrzovbb/website/c1952c81bca02a7c8cc05ef7801e67ca60831c55-4096x4096.png?w=1600)

## 94%와 33%는 무엇을 잰 숫자인가

94%는 2023년 오픈AI 연구진 엘룬두(Eloundou) 등이 만든 지표 β에서 나왔습니다. 미국 직업 정보 데이터베이스(O*NET)에 오른 과업마다, LLM만으로 두 배 이상 빨리 할 수 있으면 1, 별도 도구를 붙여야 하면 0.5, 할 수 없으면 0을 매긴 값입니다. 앤트로픽은 이 값을 직업과 직군 단위로 모아 컴퓨터·수학 직군은 과업의 94%, 사무·행정 직군은 90%가 LLM으로 빨라질 수 있다고 계산했습니다.

33%는 앤트로픽이 자기 플랫폼에서 본 실제 사용입니다. 앞선 네 번의 경제 지수(Anthropic Economic Index) 보고서에 쌓인 Claude 사용 기록에서 업무용 사용을 골라, 과업을 통째로 맡긴 자동화는 온전히, 사람을 돕는 보조 사용은 절반만 셌습니다. 오픈AI나 구글 모델을 쓴 기록은 들어 있지 않습니다. 개별 직업으로는 컴퓨터 프로그래머가 75%로 가장 높았고 데이터 입력원이 67%였으며, 요리사와 오토바이 정비사, 바텐더처럼 전체 노동자의 30%는 사용 기록이 거의 없어 0으로 잡혔습니다.

보고서는 격차가 생기는 이유도 적었습니다. 이론상 가능한 과업이 사용 기록에 보이지 않는 데는 모델의 한계도 있지만, 법적 제약이나 특정 소프트웨어가 필요한 사정, 사람이 결과를 확인하는 절차 때문에 느리게 퍼지는 일도 있다는 설명입니다. 약국에 처방 갱신을 승인하고 처방 정보를 넘기는 업무는 β=1로 분류됐지만, Claude가 이 일을 하는 모습은 관찰되지 않았습니다.

일하는 사람들이 직접 답한 숫자는 두 값 사이에 있었습니다. 앤트로픽이 6월 26일 공개한 설문에서 응답자가 스스로 매긴 노출은 실제 사용 기록보다 높고 이론값보다 낮았습니다. 10명 가운데 6명 가까이는 1년 뒤 AI가 맡을 수 있는 업무 비중이 지금보다 커질 거라고 답했고, 3분의 1 넘게는 내년이면 AI가 자기 업무의 대부분을 할 수 있다고 봤습니다.

일자리 걱정은 본인보다 동료 쪽으로 쏠렸습니다. 1년 안에 자기 일자리를 잃을 가능성이 높다고 본 응답자는 10%였지만, 3분의 1 넘게는 후배가 일자리를 잃을 확률을 60% 넘게 봤습니다. 3월 보고서도 노출이 큰 직군에서 2022년 말 이후 실업이 체계적으로 늘지는 않았지만, 22~25세 젊은 층의 채용은 느려진 흔적이 있다고 적었습니다.

## 쓸 수 있는데 맡기지 않는 회사들

회사 단위 조사도 같은 모양입니다. 맥킨지 최신 조사에서 조직의 88%가 업무 한 곳 이상에 AI를 쓰지만, 전사 이익이 개선됐다고 보고한 곳은 39%였습니다. MIT 연구진이 기업 배포 300건을 분석했더니 파일럿의 5%만 매출 성과에 닿았고, S&P 글로벌 조사에서는 AI 프로젝트 대부분을 접었다는 기업이 1년 사이 17%에서 42%로 늘었습니다.

한국 숫자는 대한상의가 6월 11일 낸 보고서에 있습니다. 임금근로자 약 3,000명에게 물었더니 생성형 AI를 쓰는 비율이 대기업 66.5%, 중소기업 52.7%로 13.8%포인트 벌어졌습니다. 그런데 회사의 지원 체계와 근로자의 프롬프트 작성 역량, 수용 태도를 같은 조건으로 맞추자 기업 규모 자체가 만드는 차이는 4%포인트로 줄었습니다. 회사가 AI 사용을 적극 권장하면 쓸 확률이 15.5%포인트, 구독료를 대 주면 8.1%포인트 올라갔습니다.

차이는 회사가 깔아 둔 여건에서 났습니다. 생성형 AI 도입 로드맵이 없다는 응답은 중소기업 70.4%, 대기업 54.4%였고, 교육·훈련을 받았다는 응답은 대기업 34.7%, 중소기업 24.9%였습니다. 제조업 안에서 기업 규모에 따른 격차는 24.2%포인트로 서비스업(9.2%포인트)의 2.6배였고, 중소기업 활용률은 수도권 57.3%, 비수도권 47.8%로 갈렸습니다.

아낀 시간을 쓰는 방식도 달랐습니다. 두 집단 모두 기존 업무의 품질을 높이는 데 가장 많이 썼지만, 두 번째로 대기업 직원은 새 프로젝트와 업무(22.6%)를, 중소기업 직원은 휴식과 개인 시간(27.3%)을 골랐습니다. 보고서를 쓴 김용미 연구위원은 이 차이가 중장기적으로 생산성 격차로 쌓일 수 있다고 봤습니다.

제가 현장에서 보는 이유도 비슷합니다. 경영진의 관심과 지원이 없고, 보안과 비용이 걸리고, 직원은 자기 업무에서 이득을 체감하지 못하고, 시스템은 준비가 안 됐고, 안 써도 아무 일이 일어나지 않는 고용 구조입니다. 대부분의 기업은 MES와 ERP, NAS, 그룹웨어, 엑셀이 제각각 돌아서 그 위에 AI를 올려도 데이터가 한곳으로 흐르지 않습니다.

## 전문가와 겨룬 모델, 8개월 만에 38.8%에서 84.9%로

모델 쪽 숫자는 반대 방향으로 움직였습니다. 오픈AI가 지난해 9월 공개한 GDPval은 미국 GDP에 5% 넘게 기여하는 9개 산업에서 44개 직업을 골라, 경력이 평균 14년 넘는 전문가들이 실제 업무로 만든 과제 1,320개로 모델을 잽니다. 발표 자료와 스프레드시트, 법률 문서 같은 산출물을 만들게 하고, 같은 직업의 전문가가 누가 만들었는지 모른 채 사람의 결과물과 비교해 판정합니다.

| 모델 | 발표 | GDPval에서 전문가를 이기거나 비긴 비율 |
| --- | --- | --- |
| GPT-5 | 2025년 8월 | 38.8% |
| GPT-5.2 Thinking | 2025년 12월 11일 | 70.9% |
| GPT-5.5 | 2026년 4월 23일 | 84.9% |

GPT-5.2 Thinking은 오픈AI 모델 가운데 처음으로 전문가 수준을 넘었고, 오픈AI는 이 모델이 전문가보다 11배 이상 빠르게, 1%도 안 되는 비용으로 결과물을 냈다고 밝혔습니다. GPT-5.5 발표 자료에서는 Claude Opus 4.7이 80.3%, Gemini 3.1 Pro가 67.3%로 적혔습니다. 오픈AI가 직접 만들고 잰 평가라는 한계는 남습니다.

쓰는 값도 빠르게 내려갔습니다. 스탠퍼드 HAI의 AI 인덱스 2025에 따르면, MMLU에서 GPT-3.5 수준 성능을 내는 모델의 추론 가격은 2022년 11월 100만 토큰당 20달러에서 2024년 10월 0.07달러로 280배 넘게 떨어졌습니다. 에포크 AI는 같은 성능에 드는 가격이 과제에 따라 해마다 9배에서 900배씩 내려갔다고 집계했습니다.

![2021년 10월부터 2025년 4월까지 같은 성능에 도달하는 데 드는 100만 토큰당 추론 가격을 로그 축에 찍은 그래프. 가장 느린 하락은 해마다 9배, 중간은 40배, 가장 빠른 하락은 900배](https://epoch.ai/assets/images/data-insights/llm-inference-price-trends/llm-inference-price-trends.png)

작년의 최상위 능력이 올해는 공개 가중치 모델과 각국 자체 모델의 사정권에 들어옵니다. KDI는 이르면 2030년 현재 일자리 약 90%에서 직무의 90% 이상이 기술적으로 자동화 가능해진다고 추정했는데, 이 숫자는 기술적으로 가능한 상한이고 [보고서 저자도 현실의 자동화와는 다르다는 단서를 달았습니다](/post/review-kdi-9090-canary-dashboard).

## 쓰임은 늘었고 이익은 하드웨어에 쌓였습니다

쓰는 양은 크게 늘었습니다. 구글이 처리한 월간 토큰은 2년 전 9.7조 개, 1년 전 480조 개에서 올해 3,200조 개를 넘겼습니다. 값이 내려갈수록 쓰임이 늘어 총수요가 커지는 제번스 역설의 흐름입니다. 다만 에이전트가 토큰을 몇 배씩 더 쓰는 동안 같은 작업의 단가도 계속 내려가서, 매출 총량이 커져도 이익이 쌓이지 않습니다.

더 인포메이션 보도에 따르면 오픈AI는 올해 1분기 매출 57억 달러를 올리면서 현금 37억 달러를 썼고, 자체 계획으로도 현금흐름이 흑자로 돌아서는 시점은 2030년 전후입니다. 그 상태로 1조 달러 몸값이 거론되는 상장 절차를 밟고 있다는 보도도 나왔습니다.

| 회사 | 숫자 | 기간 |
| --- | --- | --- |
| 오픈AI | 매출 57억 달러, 현금 소진 37억 달러 | 2026년 1분기(보도) |
| SK하이닉스 | 영업이익률 72% | 2026년 1분기 |
| 마이크론 | 영업이익률 80.4% | 6월 24일 발표 실적 |
| 엔비디아 | 총이익률 75% | 4월 마감 분기 |

이익은 부품 회사에 쌓였습니다. SK하이닉스는 1분기 영업이익률 72%로 창사 이래 최고를 기록했고, 마이크론은 6월 24일 실적에서 영업이익률 80.4%를 발표했습니다. 마이크론의 올해 HBM 생산분은 가격과 물량 계약으로 이미 다 팔렸고, SK하이닉스는 나스닥 ADR 상장 서류를 냈습니다. 모델은 몇 달마다 순위가 바뀌며 서로를 대체하지만, HBM을 만드는 회사는 SK하이닉스와 삼성전자, 마이크론 셋입니다.

저는 마이크론 실적이 나왔을 때 한 회사의 사상 최대 이익이 다른 회사의 비용이 되기 시작했다고 적었습니다. 공급 계약이 채워지고 조달처가 늘어나면서 메모리 마진이 꺾이기 시작하는 시점이 이번 사이클의 정점 신호가 된다고 봅니다.

메모리 회사가 최고 이익을 내는 동안 주가는 왜 흔들리는지, 추론 수요와 중국 오픈 모델의 흐름에서 찾은 글입니다.

## 정부가 공급자로 나섰습니다

기업이 머뭇거리는 사이 국가들이 공급자로 나서고 있습니다. UAE는 오픈AI와 손잡고 세계 최초로 전국 단위 ChatGPT 접근 국가가 되겠다고 했고, 오픈AI는 「OpenAI for Countries」로 10개국 파트너십을 목표로 잡았습니다. 1조 달러 상장을 앞둔 회사에 국가 계정은 가장 확실한 매출원이기도 합니다.

한국 정부는 연산부터 나눠 주고 있습니다. 지난해 추경 1조 4,600억 원으로 첨단 GPU 1만 3,000장을 확보해 3월부터 산·학·연에 공급하고 있고, 올해는 2조 800억 원을 들여 GPU 9,704장을 더 들여옵니다. 6월 8일 네이버클라우드와 삼성SDS, 엘리스그룹이 사업자로 뽑혔고, 과기정통부는 차세대 GPU를 섞어 당초 목표였던 B200 1만 5,000장보다 약 30% 높은 성능(B200 약 1만 9,000장 규모)을 확보했다고 밝혔습니다.

예산도 커졌습니다. 과기정통부 예산만 보면 올해 AI 대전환 분야에 5조 1,000억 원이 들어갔고, 정부 전체 AI 예산은 9조 9,000억 원으로 지난해 3조 원의 세 배가 넘습니다. 정부는 독자 모델을 바탕으로 전 국민에게 무료 AI 서비스를 주는 「모두의 AI」를 하반기에 내놓을 계획이고, 대한상의는 6월 보고서에서 이 서비스를 중소기업 현장과 긴밀하게 연계하라고 제안했습니다.

독자 모델 사업의 목표는 6개월 안에 나온 최신 글로벌 모델 대비 95% 성능입니다. 1차 평가에서 SK텔레콤과 LG AI연구원, 업스테이지가 2차에 올랐고, 2월 모티프테크놀로지스가 더해져 네 팀이 8월 초 2차 평가를 앞두고 있습니다. 업스테이지 모델은 5월부터 과기정통부의 연구개발 예산심의에 쓰이고 있습니다.

95%라는 목표를 누가 어떤 벤치마크로 재는지, 앞서 정부가 보급한 스마트공장 3만 개가 어느 수준에 머물렀는지 따져 본 글입니다.

젠슨 황은 6월 방한 때 전기와 데이터를 넣으면 토큰이 나오는 지능 생산시설을 AI 팩토리라고 불렀습니다. 저는 발전소를 발전소 자체의 수익률로 평가하지 않듯, 소버린 모델도 사용료 매출보다 그 위에서 일어나는 생산성 변화로 평가받게 된다고 봅니다. 기본요금이 싸고 품질 좋은 전기가 제조업을 키웠던 것처럼, 좋은 모델을 산업 전체에 싸게 까는 일이 국가의 일로 넘어오고 있습니다. 저는 그 일에 앞서 본 경영진과 조직의 병목을 뚫는 일까지 들어간다고 봅니다.

## 최상위 모델의 접근권은 공급국이 정합니다

최상위 모델은 이미 전략 자원으로 다뤄집니다. 미국 상무부는 6월 12일 구체적인 사유가 적히지 않은 서한으로 앤트로픽 최상위 모델 두 종의 외국 국적자 접근을 막으라고 지시했습니다. 국적을 실시간으로 확인할 수 없던 앤트로픽은 전 세계 고객에게서 두 모델을 내렸다가, 18일 뒤 통제가 풀린 뒤에야 되살렸습니다.

오픈AI의 GPT-5.6은 6월 26일부터 정부가 승인한 파트너 약 20곳에만 열려 있다가 7월 9일(미국 시각) 정식으로 풀렸습니다. 중국 상무부도 공개 가중치 모델을 포함한 최상위 모델의 해외 접근 제한을 검토하고 있다는 보도가 7월 7일 나왔습니다.

유통망 밖에서 남는 선택지는 해외 모델 구독입니다. 이 지출은 한 번 사면 남는 설비투자와 달리 달러로 다달이 청구되는 경상 비용이고, 모델의 수준과 가격, 접근 조건은 공급국이 정합니다. 애플이 새 Siri의 뒷단을 구글 제미나이에 맡기기로 한 것처럼, 자체 모델이 없으면 세계 최대 기업도 남의 모델 위에서 제품을 굴립니다. 값싼 대안은 중국 쪽에서 먼저 나와서, 오픈라우터 통계로는 전체 처리 토큰의 60%가량이 중국 오픈 모델을 지납니다.

전략 기술의 격차가 세대 단위로 벌어진 전례도 있습니다. 미국 F-22는 1997년에, 한국 KF-21은 2022년에 첫 비행을 했습니다. 핵은 1970년 발효한 핵확산금지조약(NPT)이 보유국 지위 자체를 조약으로 묶어 두었습니다.

## 나라 사이의 격차는 좁혀지지 않았습니다

IMF의 AI 준비지수는 선진국 평균 0.68, 신흥국 0.46, 저소득국 0.32이고, 이 격차는 좁혀지지 않고 있습니다. 조직 안에서는 숙련도가 낮은 사람의 상승 폭이 커서 격차가 줄어든다는 연구가 나오지만, 나라 사이에서는 모두의 수준이 오르는 만큼 경쟁의 기준점도 함께 올라갑니다. IMF 보고서에는 자동화가 인건비 우위를 지우면 제조와 서비스가 선진국으로 돌아가 후발국의 수출 성장 경로가 끊길 수 있다는 경고도 담겼습니다. 앤트로픽 6월 설문에서는 고소득 국가 응답자가 AI가 지금 대신할 수 있다고 답한 업무 비중이 다른 나라보다 평균 10%포인트 낮았습니다.

한국은 비교표에서 빠져 있기도 합니다. 스탠퍼드와 버클리 연구진이 처음 그린 [141개국 AI 노출 지도](/post/paper-jagged-global-economy-ai-exposure)에는 중국, 캐나다와 함께 한국이 없습니다. 국제노동기구(ILO) 자료에 한국의 2자리 직업분류 고용 통계가 없어서 빠졌습니다.

7월 9일 정부 포럼에서 한국노동연구원 장지연 선임연구위원은 AI 충격이 생기는 것은 기술이 좌우하지만, 그 충격을 어떻게 나누는지는 제도가 결정한다고 정리했습니다. 저는 8월에 공개될 독자 모델의 수준이 한국 기업이 따로 고르지 않아도 쓰게 될 기본값 모델의 수준을 정한다고 봅니다. 로드맵이 없다던 중소기업 70.4%가 하반기 「모두의 AI」를 업무에 쓰기 시작하는지가 그다음에 볼 숫자입니다.

읽어 주셔서 고맙습니다.

초이 드림