성장률 1위 시나리오가 임금 비중 하락도 1위, 앤트로픽 2030 경제 탐색기

모델을 만든 곳이 AI를 파는 회사라는 점은 먼저 적어 둡니다. 다만 이 모델은 자사 제품이 경제에 얼마나 좋은지를 보여 주도록 짜여 있지 않습니다. 미국 노동부의 직업별 업무 분류(O*NET)를 가져와 모든 직업을 업무 단위로 쪼갠 뒤, 2026년부터 2030년까지를 시뮬레이션합니다. 결과 가운데 하나는 극단 시나리오에서 지식노동자의 임금이 오히려 내려가는 그림입니다.

경제는 업무의 묶음입니다

이 모델은 직업 전체를 하나로 보지 않고, 그 안에서 하는 업무를 하나씩 나눠서 봅니다. 간호사라면 회진과 채혈, 응급 분류, 활력징후 기록, 병동 물품 주문이 각각 하나의 업무입니다. 모델은 이 업무들을 AI와의 관계에 따라 네 갈래로 나눕니다. 그대로 남는 업무, 사람이 AI를 써서 더 빨리 하는 증강 업무, 자동화되는 업무, 그리고 AI가 새로 만드는 업무입니다.

환자를 씻기는 일은 그대로 남습니다. 퇴원 안내문 작성과 원격 모니터링은 사람이 AI를 써서 더 빨리 하는 증강 업무가 되고, 활력징후 기록과 물품 주문은 자동화됩니다. 여기에 AI가 제안한 치료 계획을 검토하는 새 업무가 붙습니다. 한 직업 안에서 네 가지 변화가 동시에 일어나니, 직업 단위로 매긴 대체 위험 점수로는 무엇이 바뀌는지 잡히지 않습니다. 간호사라는 직업은 그대로 있어도 하루 일과의 구성은 달라집니다.

논문·11분 읽기AI공용 업무 빼면 43.5%가 남의 직무, 디자이너 75%·엔지니어 28%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.읽기

국내 논의에 먼저 필요한 것도 이 분해 방식입니다. 지금 한국에서 도는 대체 위험 순위표는 대부분 직업 이름 단위라, 같은 직업 안에서 어떤 업무가 사라지고 어떤 업무가 새로 붙는지 보이지 않습니다. 그래서 대책도 직업을 통째로 옮기는 재취업 훈련으로만 설계됩니다. 업무 단위로 쪼개 놓으면 훈련의 대상이 달라집니다. 직업을 바꾸는 교육 대신, 남는 업무와 새로 붙는 검토 업무를 잘하게 만드는 교육을 설계할 수 있습니다.

2030년 GDP는 34.1조에서 44.4조 달러까지 벌어집니다

소폭 변화는 AI의 충격이 인터넷과 비슷한 수준에 머무는 경우이고, 상당한 변화는 철도 이상으로 커지는 경우이며, 극단은 재귀적 자기개선과 빠른 도입이 겹쳐 역사에 없던 성장을 만드는 경우입니다. 소폭과 극단의 차이는 10.3조 달러입니다.

계산 자체는 단순합니다. 생산성 증가분은 노동소득 비중에 AI가 건드리는 업무 비중, 그중 실제로 AI로 수행되는 비율, 업무당 생산성 이득을 차례로 곱한 값입니다. 상당한 변화 시나리오에서는 0.6 곱하기 0.3 곱하기 0.4 곱하기 0.45로, 2030년까지 약 3.2%가 나옵니다. 곱셈이라 어느 항 하나만 절반이 되어도 결과는 절반이 됩니다. AI가 건드리는 업무 비중을 0.3에서 0.15로 낮추면 3.2%는 1.6%가 됩니다.

AI가 경제를 얼마나 바꿀지를 두고 벌어지는 논쟁도 대개 이 가운데 한 항을 두고 벌어집니다. 모델이 무엇까지 할 수 있느냐를 보는 사람과 사람들이 실제로 얼마나 쓰느냐를 보는 사람은 서로 다른 항을 보고 반대 결론을 냅니다. 곱셈 구조에서는 두 사람이 모두 맞을 수 있습니다.

그래프에서 실무에 가장 가까운 정보는 세 경로가 2027년까지 거의 겹친다는 점입니다. 앞으로 1년 남짓한 기간의 지표로는 어느 시나리오로 가고 있는지 가릴 수 없습니다. 시나리오를 가릴 수 있는 시점은 2028년 이후인데, 대비는 그 전에 해야 하니 어느 쪽으로 갈지 모르는 채로 준비를 시작하게 됩니다.

지금 성장을 미는 데이터센터 투자는 계산에 없습니다

모델이 세는 것은 사람이 업무를 더 빨리 처리해서 생기는 생산성입니다. 데이터센터를 짓느라 쓰는 돈이 만드는 수요 효과는 넣지 않았다고 리포트에 적혀 있습니다.

이 구분이 중요한 이유는 건설 지출로 오른 GDP와 업무 자동화로 오른 GDP가 노동자에게 도착하는 방식이 다르기 때문입니다. 데이터센터는 짓는 동안 사람을 많이 쓰지만 완공 뒤에는 거의 쓰지 않습니다. 그래서 성장은 자본 쪽 계정에 먼저 쌓입니다. 빼놓은 선택 자체를 흠으로 보기는 어렵습니다. 모델이 재려는 것은 AI가 일을 대신하면서 생기는 생산성이고, 건설 투자는 다른 계정에 잡히기 때문입니다.

문제는 이 모델의 출력을 받아 정책을 짜는 쪽이 그 구분을 잊을 때 생깁니다. 지금 성장률이 좋으니 여유가 있다고 판단하기 쉽지만, 그 성장의 상당 부분은 설비가 완공되면 사라지는 일시적 수요입니다. 국내에서도 데이터센터 계획이 줄지어 발표되고 있어 같은 착각이 통계에 들어올 수 있습니다. 데이터센터가 전기를 받기까지 거치는 국가 심사는 데이터센터 전력 심사를 따진 글에 정리했습니다.

임금 비중은 모델보다 현실에서 더 빨리 내려갔습니다

GDP 가운데 임금으로 가는 비율을 노동소득 비중이라고 합니다. 모델의 기준선은 60%이고, 2030년에는 소폭 변화에서 59.4%, 상당한 변화에서 56.1%, 극단에서 45.2%까지 내려갑니다. 극단 시나리오에서는 GDP의 14.8%포인트가 임금에서 자본 쪽으로 옮겨 갑니다.

현실의 숫자도 이미 움직였습니다. 노동통계국이 재는 노동소득 비중은 올해 1분기 53.7%에서 2분기 52.9%로 떨어져 1947년 이후 최저를 갈아치웠습니다. 두 수치는 분모가 달라 그대로 견주면 안 되지만, 방향은 같고 한 분기에 0.8%포인트가 빠진 현실 쪽 속도가 더 빠릅니다.

그렇더라도 인과를 서둘러 붙이면 틀립니다. 노동소득 비중은 AI 이전부터 수십 년째 내려왔고, 노조 조직률 하락과 세계화가 오래 밀어 온 흐름입니다. 지금의 하락을 AI만의 결과로 볼 수는 없습니다. AI가 그 기울기를 바꿨는지 가리려면 자동화 비율과 신입 진입률을 함께 봐야 가려집니다. 앤트로픽의 실제 사용 데이터에서 지난해 11월 자동화형 대화는 45%, 사람이 함께 일하는 증강형은 52%였습니다. 극단 시나리오는 이 자동화 비율을 90%로 놓으니, 지금의 두 배입니다.

밀려난 13.5% 가운데 5.2%만 다른 직종으로 건너갑니다

극단 시나리오에서는 2030년까지 전체 노동자의 13.5%가 지식노동 직종에서 밀려납니다. 이 가운데 다른 직종으로 건너가는 사람은 전체의 5.2%이고, 8.3%는 옮기지 못한 채 남습니다. 지금까지 나온 실제 자료에서는 이런 분리가 아직 뚜렷하지 않습니다. 앤트로픽이 3월에 낸 노출도 보고서에서는 챗GPT 출시 이후 고노출 직군과 비노출 직군의 실업률 차이가 통계적으로 유의미하지 않았습니다.

미국 전체 실업률도 8월 기준 4.1%로 안정적입니다. 하지만 뉴욕 연방준비은행이 재는 최근 대졸자 실업률은 2분기에 5.6%였고, 전공과 맞지 않는 일을 하는 비율은 42%입니다. 8월 고용에서 정보 부문은 2만 3천 명이 줄고 음식 서비스는 5만 9천 명이 늘었습니다. 챌린저 집계로는 7월까지 발표된 감원 47만 7천 건 가운데 11만 2천 건, 약 23.5%가 AI를 사유로 들었습니다. 평균이 안정적인 동안에도 특정 집단의 숫자는 따로 움직입니다.

모델이 그리는 충격도 집단별로 쪼개야 모양이 보입니다. 극단 시나리오에서 지식노동자 실업률은 17.9%, 그 외 직종은 3.9%로 14%포인트 벌어지는데, 둘 다 같은 나라의 숫자입니다. 한국의 고용 통계도 같은 구조라, 전체 실업률이 안정적이라는 발표와 특정 직군의 급락이 얼마든지 함께 나올 수 있습니다.

임금은 지식노동자가 11.5% 내리고 나머지는 33.6% 오릅니다

임금 쪽은 모델과 현장이 더 가깝습니다. 극단 시나리오에서 지식노동자 임금은 AI 없는 경제보다 11.5% 낮고, 그 외 직종은 33.6% 높습니다. 업무들이 서로 보완재라서, AI가 인지 업무를 싸게 만들수록 남은 사람 업무가 병목이 되고 그 업무의 가격이 올라가기 때문입니다.

현장 숫자도 같은 방향으로 움직입니다. 데이터센터가 몰린 북버지니아에서는 전기공 시급이 59.5달러로 연 12만 달러를 넘겼고, 잔업이 붙은 반장은 20만 달러에 가까워졌습니다. 데이터센터 건설에 필요한 숙련 인력은 올해 49만 9천 명이 모자랍니다. 데이터센터 공사가 건설 임금을 끌어올리는 연결은 시급 45달러 콘크리트공과 캐시로 도는 에이전트를 한 사슬에 묶은 글에서 다뤘습니다.

전기공 시급이 오르는 현상은 한국에서도 같은 방향으로 나타날 수 있습니다. 데이터센터를 지으려면 변전 설비와 배전, 냉각 배관을 다룰 사람이 필요하고, 이 인력을 키우는 데는 몇 년이 걸립니다. 그런데 국내 AI 인력 정책은 대부분 개발자 양성에 몰려 있어, 정작 병목이 걸릴 직종의 공급 계획은 비어 있습니다.

극단 시나리오는 새 업무 계수를 0으로 놓았습니다

자동화된 업무만큼 사람의 새 업무가 얼마나 생기는지를 나타내는 계수가 있습니다. 소폭 변화에서 0.5, 상당한 변화에서 0.25, 극단에서는 0입니다. 극단 시나리오는 AI가 사람에게 줄 새 일을 하나도 만들지 않는다고 가정한 겁니다. 극단이 가장 나쁜 결과를 내는 것도 이 가정 때문입니다. 계수가 0이면 다른 입력값이 온건해도 밀려난 사람이 옮겨 갈 새 업무가 생기지 않습니다.

그래서 정책이 겨눠야 할 값도 자동화 속도보다 이 계수입니다. 자동화를 늦추는 일은 어렵지만, 새 업무가 생기는 속도는 제도로 건드릴 수 있습니다. 인디드 집계는 0이라는 가정과 어긋납니다. 2022년 이후 한동안은 AI 노출이 높은 직업일수록 공고가 더 줄었지만, 작년부터는 관계가 뒤집혀 노출이 높은 직업이 더 크게 반등했습니다. Claude Code가 나온 뒤로 소프트웨어 개발 공고는 15% 늘었고, 같은 기간 전체 공고는 7% 줄었습니다.

반등을 뜯어보면 새 업무가 누구에게 갔는지 보입니다. 작년 5월부터 올해 5월까지 늘어난 소프트웨어 공고의 71%가 시니어 직무였고, 37%는 직함에 AI가 들어간 공고였습니다. 이 회복의 구성은 a16z의 소프트웨어 매도세 차트를 다룬 글에서 다뤘습니다. 공고 수 자체는 여전히 팬데믹 이전보다 27.5% 적습니다.

같은 기간 22~25세가 AI 고노출 직업에 새로 진입한 비율은 2022년 대비 14% 낮아졌고, 26세 이상에서는 같은 감소가 나타나지 않았습니다. 앤트로픽의 3월 노동시장 보고서에서 나온 수치이고, 인디드는 이런 상태를 연차 편향적 기술 변화라고 불렀습니다. 새 업무 계수는 0이 아니지만, 신입에게는 0에 가깝게 작동합니다.

저는 이번 탐색기를 읽을 때 이 관찰을 가장 중요하게 봅니다. 모델은 지식노동자를 한 덩어리로 묶기 때문에 세대 차이를 보여 주지 못합니다. 스탠퍼드가 급여 대장으로 잰 22~25세 취업은 3년 만에 19% 빠졌고, 41~49세는 14% 올랐습니다. 이 곡선은 신입 개발자 시장이 무너진 기록에 적었습니다.

한국은 이 문제에 더 취약한 구조입니다. 국내 채용은 경력의 출발점을 회사가 만들어 주는 구조에 오래 기대 왔고, 신입 공채가 그 장치였습니다. 미국에는 학교와 인턴십, 초기 이직으로 경력을 쌓는 길이 있지만 한국은 이 길이 얇아서 공채가 줄면 대신할 통로가 거의 없습니다. 그 출발점이 자동화되면 경력자는 남고, 그 경력을 쌓을 신입 직무가 사라집니다. 5년 뒤 시니어를 어디서 구할지가 개별 회사의 채용 문제를 넘어 산업 전체의 인력 공급 문제가 됩니다. 국내 자동화 추정치는 일자리 90%에 자동화 가능 딱지를 붙인 KDI의 기준선에서 따로 다뤘습니다.

중앙값 응답자의 2030년은 GDP +10%, 실업률 5%입니다

앤트로픽은 8월 11~23일 모닝컨설트를 통해 미국인 1만 980명에게 다섯 가지를 물었습니다. AI가 어떤 업무를 할 수 있는지, 사람들이 얼마나 쓰는지, AI가 얼마나 혼자 처리하는지, 생산성이 얼마나 오르는지, 일자리를 옮길 때 얼마나 걸리는지입니다. 응답은 한쪽으로 몰리지 않고 척도 전 구간에 퍼졌습니다.

중앙값 응답자의 답을 모델에 넣으면 2030년 GDP가 AI 없는 경우보다 약 10% 높고 실업률이 5% 근처인 세계가 나옵니다. 상당한 변화 시나리오에 가장 가깝고, 극단과 같은 방향으로 답한 사람은 약 10%였습니다. 응답이 이렇게 넓게 퍼지면 정치적 합의가 만들어지기 어렵습니다. 어떤 대응책도 절반 이상에게는 과잉이거나 부족해 보이기 때문입니다.

앤트로픽이 6월에 낸 정책 틀은 이 어려움을 실업률 단계로 우회합니다. 실업률 5%, 10%, 그 위의 세 단계로 나눠, 낮은 단계에서는 자본계좌와 임금보험을 두고 상황이 나빠지면 확대 실업급여, 더 나빠지면 AI 사용 부담금과 국부펀드까지 배치하는 방식입니다. 지금 합의할 수 없으니 어떤 숫자가 나오면 무엇을 켤지를 미리 적어 두는 겁니다. 저는 이 접근을 국내 논의에도 옮겨 올 만하다고 봅니다. AI가 고용을 줄일지를 두고 다투는 대신, 어떤 지표가 어떤 수준에 닿으면 어떤 제도를 가동할지 먼저 정하는 편이 실행하기 쉽습니다.

한국판 탐색기에는 업무 분류와 사용 통계가 먼저 필요합니다

지금 공개된 국내 자료로는 간호사 한 명의 업무를 이만큼 쪼갤 수 없습니다. 모자란 자료가 두 가지인데, 먼저 업무 단위 분류가 없습니다. 통계청의 한국표준직업분류는 직업 이름을 나누고 그 안의 업무는 나누지 않습니다. 미국 O*NET처럼 직업 하나를 수십 개 업무로 쪼갠 자료가 국내에는 공개된 형태로 없어서, AI가 건드리는 업무 비중이라는 항부터 채울 수 없습니다.

실사용 통계도 없습니다. 앤트로픽이 자동화형 45%, 증강형 52%라는 수치를 낼 수 있는 것은 자사 서비스의 대화 기록을 분류했기 때문입니다. 국내에서 같은 수치를 내려면 국내 서비스 사업자가 같은 분류를 공개해야 하는데, 지금은 그럴 의무도 유인도 없습니다. 두 자료 없이 만드는 한국판은 미국 계수를 빌려 오게 되고, 그러면 제조업 비중이 높고 지식노동 비중이 낮은 경제에 지식노동자 충격을 그대로 곱해 크기가 과장됩니다.

순서는 이렇습니다. 업무 단위 분류를 먼저 만들고, 실사용 통계를 받을 방법을 정하고, 그다음에 모델을 세웁니다. 앞의 둘은 기관 사이의 권한 조정으로 만들어지고 뒤의 하나는 연구 용역으로 만들어지는데, 국내 논의는 대체로 세 번째부터 시작합니다.

저는 이 탐색기를 예측표 대신 점검표로 씁니다

모델이 그리는 자본 쪽 이동은 이미 통계에 나와 있고, 지금 성장을 미는 건설 지출은 계산에서 빠져 있으며, 새 업무가 생기느냐는 물음에는 세대마다 다른 답이 나옵니다. 이 탐색기의 쓸모는 어느 항을 어떻게 놓으면 어떤 경제가 나오는지 직접 확인할 수 있다는 데 있습니다. 곱셈 구조라 항 하나의 가정이 결과를 절반으로 만들고, 그 가정이 지금 통계와 얼마나 떨어져 있는지는 읽는 쪽이 판단하게 됩니다. 제가 앞으로 확인할 숫자는 세 개입니다.

첫 번째는 자동화형 대화 비율입니다. 45%에서 90% 쪽으로 움직이는지가 극단 시나리오로 가는지를 가장 먼저 보여 줍니다. 두 번째는 22~25세의 고노출 직업 진입률입니다. 새 업무 계수가 신입에게도 0보다 큰지를 여기서 봅니다. 세 번째는 노동소득 비중의 기울기입니다. 52.9%에서 내려가는 속도가 과거 추세보다 빨라지면 새 요인이 붙은 것이고, 그대로면 오래된 요인이 계속 밀고 있는 겁니다.

아직 확인되지 않은 것도 두 가지입니다. 감원 사유로 적힌 AI가 실제 원인인지 구조조정의 명분인지는 집계만으로 가려지지 않고, 대졸자 실업률 상승분 가운데 AI가 차지하는 부분도 아직 분리되지 않았습니다. 저는 이 모델을 2030년 예측으로 읽지 않겠습니다. 어떤 숫자가 움직이면 어느 세계로 가는지를 적어 둔 점검표로 쓰겠습니다.

읽어 주셔서 고맙습니다.

초이 드림