물리 과업 74% 해내는 로봇, 사람보다 싼 일은 0.3%… 앤트로픽 로봇 지수

보고서 제목은 「What work can robots do?(로봇은 어떤 일을 할 수 있나)」이고, 앤트로픽 경제팀의 러셀 리게이트양과 맥심 마센코프가 썼습니다. 미국 노동시간의 46%가 몸을 쓰는 물리 과업이고, 그 가운데 4분의 3을 이미 로봇이 해낼 수 있다는 결론과 그 일을 사람보다 싸게 하는 경우는 거의 없다는 결론이 함께 나왔습니다. 그동안 앤트로픽의 경제 연구가 대형 언어 모델(LLM)이 할 수 있는 일과 실제로 쓰이는 일을 쟀다면, 이번에는 로봇이 할 수 있는 몸일을 쟀습니다.

로봇이 할 수 있는 일을 어떻게 쟀나

보고서는 로봇을 「감지하고 행동하는 자율 물리 기계」로 정의했습니다. 차를 스캔해 분사 노즐을 맞추는 자동 세차기는 로봇에 들어가고, 의사가 모든 동작을 조종하는 원격 수술 기계는 빠집니다. 이 정의를 놓고 측정은 세 단계로 진행됐습니다.

먼저 Claude가 과업 1만 9,000개를 몸을 쓰는 일과 머리를 쓰는 일, 사람을 상대하는 일로 나눠 7,594개를 물리 과업으로 골랐습니다. 「도랑 파기」는 물리 과업이고 「무용 가르치기」도 물리 과업이지만, 타자수가 계산기로 서류 합계를 맞추는 일은 손을 써도 물리 과업에 넣지 않았습니다. 부록에 실린 프롬프트를 보면 평가에는 Claude Opus 5를 썼습니다.

다음으로 과업마다 로봇이 어떤 환경에서 그 일을 해낼 수 있는지 네 단계로 매겼습니다. 로봇이 일하려면 환경을 얼마나 통제해야 하는지가 기준입니다.

마지막으로 Claude가 과업마다 웹을 검색해 그 일을 하는 구체적인 로봇을 찾고 출처를 그대로 인용하게 했습니다. 실제 배치나 상업 판매, 공개 시연이 있어야 인정했고, 신뢰성과 오류율, 속도에서 사람과 비슷하게 해내야 했습니다. 「도랑 파기」라면 Claude가 먼저 이 일이 실제로 어떻게 이뤄지는지 예시를 만듭니다. 25%는 빈 땅에 곧게 도랑을 내는 일이라 유압 굴착기를 개조해 스스로 도랑을 파게 하는 제어 장치를 근거로 E3를 받고, 20%는 묻힌 배관을 피해 손으로 조심스럽게 파는 일이라 E0을 받습니다. 조심스럽게 파는 쪽 예시가 더 많아서 이 과업은 노출되지 않은 것으로 분류됐습니다.

맨 위는 운전대를 잡는 직업

과업 점수를 노동시간으로 평균한 직업별 지수는 0(로봇이 어떤 과업도 못 함)에서 3(모든 과업을 정돈되지 않은 환경에서 함)까지입니다. 고용이 2만 명 넘는 직업 가운데 상위 10개 중 9개가 차량과 장비를 모는 직업이었습니다. 1위는 웨이모 로보택시가 근거로 인용된 택시 기사(2.2)였고, 아래 표는 그 가운데 여섯 개입니다.

택시 기사의 지수가 높은 것은 운전이 일의 대부분이고, 그 운전을 도로 위의 자율주행차가 이미 하기 때문입니다. 차 안을 청소하고 겉을 닦는 것처럼 딸린 과업은 도로보다 정돈된 환경에서만 로봇이 해냅니다. 보고서는 자율주행차가 아직 운전 일자리를 대규모로 흔들지는 않았지만 능력으로 보면 이 직업들이 다른 직업보다 자동화 위험이 높다고 적었고, 웨이모는 9월 18일 서비스 도시가 15곳이 됐다고 알렸습니다.

같은 직업이라도 나라마다 로봇이 닿는 범위가 다릅니다. 진열 담당 직원의 「선반에 물건 채우기」는 미국 창고에서는 촉각 센서를 단 로봇이 하지만, 미국 소매점의 로봇은 빈 선반을 찾아 사람에게 알리는 데서 멈춥니다. 보고서는 일본 편의점에서는 로봇이 냉장고 진열까지 직접 한다고 적었고, 이 과업은 물건을 로봇 앞까지 가져다줘야 한다는 이유로 E1을 받았습니다.

로봇에 노출된 사람은 LLM에 노출된 사람과 다릅니다

로봇 노출 지수 상위 20%에 드는 노동자를 노출이 전혀 없는 노동자와 비교하면, 여성일 확률이 20%포인트 낮고 히스패닉일 확률은 16%포인트 높습니다. 학사 학위 이상을 가졌을 확률은 55%포인트 낮고, 시간당 임금은 30달러가량 적으며, 실업률은 두 배가 넘습니다. 무거운 짐을 나르고, 더위 속에서 일하고, 유해 물질 가까이에서 일하는 직업이 많았습니다.

보고서는 이 모습이 LLM에서 보통 나오는 결과와 여러 면에서 정반대라고 적었습니다. 앤트로픽이 3월에 낸 노동시장 보고서에서는 LLM 관측 노출(이론적 능력과 실제 사용을 합친 지표)이 높은 직업일수록 노동자의 나이가 많고, 여성이 많고, 학력과 임금이 높았습니다. 그 보고서에서 컴퓨터·수학 직군 업무의 94%는 LLM이 이론상 할 수 있었고 실제 Claude 사용이 닿은 업무는 33%였는데, 이 간격은 AI가 할 수 있는 일과 실제로 쓴 일을 다룬 글에 정리했습니다.

두 측정을 겹치면 노출 범위가 크게 넓어집니다. LLM만 보면 미국 노동의 절반 정도가 노출되는데, 로봇을 더하면 81%가 됩니다. 운송·이동 직군은 LLM만으로는 과업의 15%도 안 되지만 로봇을 더하면 약 90%이고, 컴퓨터 일과 가벼운 몸일이 섞인 사무·행정 직군은 100%에 가까워집니다. 어느 직군도 40% 아래로 내려가지 않았습니다.

남는 19%는 손으로 하면서 얼굴을 맞대는 일, 그리고 규제가 걸린 일입니다. 개인 돌봄·서비스 직군은 노출이 40% 안팎에 그쳤고, 설치·수리와 보건 지원, 사회복지 직군도 낮았습니다. 보건 과업에는 이 세 조건이 함께 걸린 경우가 많아, 「환자에게 약을 투여하고 부작용을 살피는」 일이 예로 나왔습니다.

할 수 있는 일과 싸게 하는 일

연구진은 로봇의 비용을 LLM과 따로 쟀습니다. 보고서의 표현대로 비싼 하드웨어로 만든 로봇은 소프트웨어나 LLM처럼 쉽게 복제해 나눠 줄 수 없기 때문입니다. 연구진은 노출 평가에서 인용된 로봇을 그대로 가져와, 사람 한 명이 1년 동안 하는 일을 로봇이 해내는 데 드는 비용을 Claude로 추정했습니다. 구입·설치비는 수명과 자본 비용으로 나눠 연간 비용으로 바꾸고, 정비와 전기, 사람의 감독 비용을 더했습니다.

이 가운데 로봇이 사람보다 싼 직업은 수작업 포장원 하나입니다. 상자를 접고, 물건을 넣고, 검사하고, 라벨을 붙이고, 봉하는 로봇들을 사서 설치하는 데 200만 달러가 넘게 들지만 노동자 14명가량의 1년 치 일을 합니다. 10년 수명과 자본 비용 8%로 나누고 운영비를 더하면 노동자 한 명을 대신하는 데 연 4만 5,000달러가량이 들고, 포장원은 근무 시간의 97%를 로봇이 할 수 있는 일에 쓰며 연 4만 9,000달러를 받으니 로봇이 해마다 2,500달러쯤 쌉니다. 미국 포장원 고용은 2015년 이후 22% 줄었고, 노동통계국(BLS)은 2035년까지 일자리가 열한 번째로 많이 줄어들 직업으로 이 직업을 꼽았습니다.

택시는 로보택시가 사람보다 연 7,000달러쯤 비싼 수준까지 왔지만 규제가 남아 있습니다. 용접은 로봇이 용접 자체는 해내도 큰 철판을 맞추고, 높은 곳에 올라가 닿기 어려운 이음매를 잇고, 갈아서 마감하는 일까지 맡기려면 사람의 5배쯤 드는 로봇들이 필요합니다. 용접공보다 연 2만 5,000~3만 달러 덜 받는 식기 세척원과 청소원도 로봇이 사람보다 몇 배 비쌉니다. 청소는 표준화하기 어렵고, 청소 로봇은 사람보다 느린 데다 정해진 일만 하기 때문입니다.

전체로 보면 로봇은 노동시간의 34%를 할 수 있지만 사람보다 싼 일은 0.3%입니다. 그래도 그 안에는 로봇이 과업의 95%를 해내는 노동자 약 30만 명이 들어 있습니다. 로봇값이 지금보다 20% 싸지면 노동자 280만 명이 하는 물리 노동에서 로봇이 더 싸지지만, 그 일을 다 합쳐도 미국 전체 노동시간의 0.8%입니다. 업계와 정부 자료로 보면 로봇 가격은 1990년대 이후 해마다 3% 안팎 내려왔고, 이 속도라면 20% 하락에 7년쯤 걸립니다. 전체 노동의 10%에서 로봇이 사람보다 싸지려면 비용이 70% 내려가야 하고, 해마다 3%씩이면 약 40년입니다.

50년 치 기록으로 맞춰 본 지수

지금 로봇이 하는 일로 앞으로 사라질 일을 짚을 수 있는지는 과거 자료로 시험했습니다. 연구진은 1977년과 1991년, 2002년의 직업 설명서에 같은 방법을 적용해 당시 로봇 노출을 매기고, 그 뒤 20년 동안 임금과 고용이 어떻게 됐는지 같은 산업 안에서 비교했습니다. 모든 과업을 로봇이 할 수 있던 직업은 같은 산업의 노출 없는 직업보다 20년 뒤 임금이 7.1% 낮았고(95% 신뢰구간 5.4~8.9%), 일자리는 34.2% 줄었습니다(신뢰구간 16.4~52.0%).

자동차 산업에서 그 모양이 드러납니다. 1991년 기계 조작원은 도장 로봇과 용접 로봇 때문에 로봇 노출 상위 5%에 들었고, 자동차 업종의 기계 조작원은 1990년 약 10만 명에서 2012년 약 5만 명으로 줄었습니다. 같은 기간 노출이 4분의 1이던 산업 기계 수리공은 50% 늘었고, 노출이 거의 없던 생산 감독자는 10% 늘었습니다. 1977년 노출로 그보다 앞선 1970~1980년 임금 변화를 설명해 보는 시험에서는 효과가 나오지 않아, 서비스업 성장 같은 다른 추세가 결과를 만든 것은 아닌지도 확인했습니다.

같은 자료에서 로봇이 일을 넓혀 온 속도도 나옵니다. 1977년 로봇은 물리 과업의 62%를 하지 못했는데, 같은 1977년 과업을 오늘의 로봇에 맞춰 보면 못 하는 일이 24%로 줄었습니다. 해마다 못 하던 일의 2%씩을 새로 할 수 있게 됐습니다. 그사이 미국 노동에서 물리 과업이 차지하는 비중은 센서스 고용 기준으로 53%에서 40%로 내려갔습니다(직업별 고용 통계 OEWS로 재면 지금 46%).

2085년과 2050년

연구진은 이 속도를 앞으로 늘려 시나리오를 만들었습니다. 로봇 비용이 해마다 3%씩 내리고 할 수 있는 일이 해마다 2%씩 늘어나는 기본 경로에서는 오늘 물리 노동의 절반에서 로봇이 사람보다 싸지는 해가 2085년입니다. 하드웨어 비용이 해마다 12%, 나머지 비용이 6%씩 내리고 새 과업을 익히는 속도도 두 배인 빠른 경로에서는 그 해가 2050년으로 당겨지지만, 물리 노동의 90%까지 가려면 여전히 53년이 걸립니다.

기본 경로대로라면 2040년까지 과업의 85% 이상을 로봇이 하는 직업에서 로봇이 사람보다 싸지는 일자리가 250만 개입니다. 연구진은 1999~2011년 중국산 수입품 충격으로 사라진 미국 일자리 200만~240만 개를 비교 대상으로 들었고, 250만 개는 상한에 가까운 값이라고 적었습니다. AI와 로봇이 산업 생산을 10년 안에 10배로 키운다는 전망에 대해서는, 지난 50년의 속도로는 미국인이 적어도 2100년대 후반까지 물리 노동을 계속하게 된다고 계산했습니다.

빠른 물리 자동화에는 앞으로 수십 년 동안 이어지는 기록적인 속도의 로봇 가격 하락과 품질 개선이 필요합니다.— 러셀 리게이트양·맥심 마센코프, 앤트로픽 경제팀 (보고서)

보고서는 AI 성장 전망 상당수가 물리 노동의 병목이 인지 노동 자동화의 이득을 끌어내린다고 가정한다고 적었고, 로봇이 그 병목을 푸는 속도를 이번 숫자로 제시했습니다. 앤트로픽이 9월에 낸 2030년 시나리오의 가장 빠른 경로에서 미국 GDP는 32.4% 커지지만 노동소득 총액은 거의 그대로였는데, 이 계산은 AI 풍요가 누구에게 가는지 따진 글에 있습니다.

걸림돌의 절반은 손

로봇이 아직 못 하는 이유도 Claude로 따졌습니다. 물리 과업의 약 70%는 능력이 모자라 막혀 있었고, 그중에서도 물건을 만지고 다루는 손재주가 물리 과업의 절반을 막았습니다. AI가 가장 잘 도울 것으로 보이는 계획·추론 능력이 걸림돌인 과업은 8%였습니다. 현행 규제로는 로봇이 할 수 없는 과업이 14%, 사람들이 로봇을 원하지 않아 막힌 과업이 4분의 1이었는데, 아이 옷을 입히고 기저귀를 가는 일이나 손님을 맞아 테이블로 안내하는 일이 예로 나왔습니다. 거의 모든 과업에서 비용도 함께 내려가야 했습니다.

손재주 문제는 로봇공학자들이 오래 지적해 온 대목입니다. 앤트로픽 보고서가 인용한 로봇공학자 로드니 브룩스는 지난해 9월 글에서 휴머노이드가 사람 손일을 더 싸게 대신한다는 계획을 이렇게 평가했습니다.

휴머노이드가 사람과 똑같이 투입돼 사람이 하는 손일을 더 싼 값에 똑같이 잘해 낸다는 일이 수십 년 안에 일어난다고 믿는 것은, 제가 보기에 순전한 공상입니다.— 로드니 브룩스, 아이로봇 공동창업자 (2025년 9월 26일 글)

공장에서는 휴머노이드 시험이 이미 시작됐습니다. 보고서는 휴머노이드 시험이 자동차 공장과 창고처럼 원래 로봇이 많은 정돈된 환경에서 이뤄진다고 짚으며 BMW의 휴머노이드 배치를 근거로 들었고, 카운터포인트리서치 자료를 인용해 지금 휴머노이드 대부분은 엔터테인먼트와 데이터 수집에 쓰인다고 적었습니다. Figure는 6월 말 BMW 스파턴버그 공장에서 Figure 03이 부품을 순서대로 골라 담는 물류 작업을 시작했다고 밝혔고, 앞 세대 Figure 02가 지난해 BMW 차 3만 대 조립에 참여했다고 적었습니다.

로봇을 가상 세계에서 훈련시키는 기술도 빨라지고 있습니다. 이틀 전 AMD는 사진 몇 장으로 공간을 재구성해 로봇 시뮬레이션을 만드는 월드랩스를 82억 달러에 사기로 했고, 월드랩스는 현실 데이터 없이 시뮬레이션에서만 배운 정책으로 로봇이 한 시간씩 사람 개입 없이 일했다고 밝혔습니다. 보고서도 AI를 단 로봇이 높은 곳을 오르내리거나 손을 더 능숙하게 쓰는 법을 익혀 지금의 잣대를 건너뛸 수 있다고 적었습니다. 처음 본 주방에서 서랍 속 약을 찾아온 휴머노이드 실험은 성공률을 밝히지 않았는데, 이 지수는 시연이라도 신뢰성과 오류율, 속도에서 사람과 비슷해야 노출로 셉니다.

원문이 밝힌 한계

가장 크게 흔들리는 숫자는 74%입니다. Claude가 과업을 그대로 하는 로봇을 찾지 못해도 비슷한 일을 하는 로봇이 있으면 노출로 셌는데, 이런 판정을 빼면 노출된 물리 과업은 4분의 3에서 절반으로 줄어듭니다. 정비소의 바퀴 정렬은 공장에 있는 바퀴 정렬 로봇을 근거로 E1을 받았습니다. 시연만 근거로 한 판정을 빼는 것은 1%포인트밖에 바꾸지 않았습니다.

과거 검증에도 약점이 있습니다. 지금의 Claude는 1977년 과업 가운데 무엇이 나중에 자동화됐는지 이미 알고 있어 판단이 오염될 수 있고, 연구진은 그해의 로봇만 근거로 쓰게 해 이 문제를 줄였다고 밝혔습니다. 과업별 시간 비중과 로봇 비용도 Claude의 추정이고, 과업 단위로 더한 비용은 로봇을 두 번 세거나 조율 비용을 빠뜨릴 수 있습니다. 시나리오는 과업 하나씩만 따로 계산해, 자동화가 다른 과업을 쉽게 만들거나 임금이 내려가는 효과를 넣지 않았습니다. 로봇 없이 AI가 몸일을 바꾸는 경우, 예를 들어 공장 기계의 고장을 미리 알아채는 일도 계산 밖입니다.

보고서는 로봇과 사람의 비용이 같아진다고 곧바로 실업이 늘거나 성장이 빨라지지는 않는다고 적었습니다. 사람이 남아서 하는 일이 병목이 되고, 로봇 비용 안에도 사람이 감독하고 예외를 처리하고 고치는 일이 들어 있습니다. 경제학자 아제모을루·레스트레포와 존스·토네티의 연구를 들어, 자동화는 기계가 사람보다 훨씬 싸진 뒤에야 생산성을 크게 올린다고 덧붙였습니다.

앤트로픽 경제 연구 안에서 이 지수의 위치

앤트로픽은 2025년 2월 경제 지수(Anthropic Economic Index)를 시작하며 Claude 대화 수백만 건을 O*NET 과업에 맞춰, AI가 실제로 어떤 일에 쓰이는지 재기 시작했습니다. 첫 보고서에서 직업의 약 36%가 과업의 4분의 1 이상에서 AI를 쓰고 있었고, 사용은 사람을 돕는 증강(57%)이 일을 대신하는 자동화(43%)보다 많았습니다. 올해 3월에는 마센코프 등이 LLM의 이론적 능력과 실제 사용을 합친 관측 노출이라는 지표를 내놨고, 9월 9일에는 2030년 미국 경제 시나리오 탐색기를 공개했습니다.

로봇 노출 지수는 이 연구들이 비워 둔 물리 노동을 채웁니다. 로봇은 Claude에게 일을 맡기는 사용자가 아니어서 사용 기록으로는 잴 수 없고, 그래서 이번에는 Claude가 웹에서 로봇의 배치 기록과 판매 기록을 찾아 능력을 판정하는 방식을 썼습니다. 3월 보고서에서 쓴 LLM 이론적 능력 지표(엘룬두 등의 β)를 겹쳐 LLM 노출 절반, 로봇까지 81%라는 결과를 냈고, 9월 시나리오와 함께 보면 2030 경제 탐색기가 다룬 지식 노동의 속도와 몸으로 하는 일의 속도가 크게 다르다는 그림이 나옵니다.

한국 일자리에 옮길 수 있나

이 지수는 미국 자료로만 만들었습니다. 과업은 미국 O*NET, 고용과 임금은 미국 노동통계국, 인구 특성은 미국 지역사회조사에서 왔고, 로봇이 사람보다 싼지는 미국 노동자의 보수와 비교해 판정했습니다. 그래서 한국 직업별 수치로 바로 옮길 수는 없습니다. 원문도 같은 진열 과업을 두고 미국 소매점과 일본 편의점의 로봇이 하는 일이 다르다고 적어, 나라마다 로봇이 닿는 작업 환경이 다를 수 있음을 보였습니다.

한국 정부는 7월 9일 한국형 AI 노출지수와 카나리아 대시보드를 담은 「산업전환 고용안정 기본계획」을 발표했고, 같은 날 나온 KDI의 「90·90」 추정과 청년 일자리 감소는 KDI 추정을 다룬 글에 정리했습니다. 앤트로픽의 두 측정은 같은 미국 노동시장에서 LLM 노출과 로봇 노출이 서로 다른 노동자를 가리킨다는 것을 숫자로 보였고, 몸으로 하는 일에서는 할 수 있는 능력과 사람보다 싼 원가 사이에 74%와 0.3%만큼의 간격이 있다는 것도 함께 보였습니다.

앤트로픽은 과업마다 Claude가 내린 판단과 인용한 출처를 함께 공개했고, 이 측정을 주기적으로 갱신하면 로봇 능력의 변화를 추적할 수 있다고 적었습니다. 가까운 시기에 가장 먼저 변화가 보일 곳으로는 운전과 창고 포장 직업을 꼽았습니다.

읽어 주셔서 고맙습니다.

초이 드림