서울대 노동시장 파급효과 분석
환경미화원·식당종사자 등
AI 대체 가능성 높은 직업에
韓 취업자 55~58% 몰려있어
언론인·작가도 위험 높아
경사노위, AI 노동연구위 발족
환경미화원·식당종사자 등
AI 대체 가능성 높은 직업에
韓 취업자 55~58% 몰려있어
언론인·작가도 위험 높아
경사노위, AI 노동연구위 발족
기사 이해를 돕기 위한 이미지. [이미지 = ChatGPT] |
<이미지를 클릭하시면 크게 보실 수 있습니다> |
젠슨 황 엔비디아 최고경영자(CEO)가 세계 최대 정보기술(IT) 쇼인 2025년 국제전자제품박람회(CES)에서 “로봇의 챗GPT 시대가 온다”고 선언했다. 그의 말대로 대규모언어모델(LLM)과 로봇 기술의 결합이 본격화하면 인간의 일자리를 대체할 가능성이 높아진다. 국내 취업자 중 과반이 인공지능(AI)에 의한 일자리 대체 위협에 직면해 있다는 연구 결과가 나왔다.
8일 서울대 한국행정연구소의 ‘인공지능과 로봇 기술의 노동 시장 파급 효과 분석을 위한 일자리 대체 가능성 지수의 개발’ 논문에 따르면 AI에 의해 일자리 대체 가능성이 높은 상위 30%에 속하는 직업의 최근 10년 취업자 비중이 55~58%에 달하는 것으로 나타났다. 일자리 대체 가능성 하위 30%에 해당하는 취업자 비중은 15.8%에 불과했다.
논문을 작성한 구교준 고려대 행정학과 교수가 개발한 ‘일자리 대체 가능성 지수’는 로봇 기술과 결합될 AI의 잠재적 발전 방향을 최초로 반영했다. AI뿐만 아니라 로봇을 활용한 자동화 기술이 함께 작용하는 미래 노동 시장에 어떤 변화가 생길지 분석을 시도한 것이다. 지수는 0부터 1까지 중 1에 가까울수록 AI에 의해 대체될 가능성이 높다. 1에 해당하는 직업은 대표적으로 환경미화원이 있고, 0의 경우는 의회 의원이나 기업 고위 임원이 꼽혔다.
<이미지를 클릭하시면 크게 보실 수 있습니다> |
다만 전문가라고 해서 일자리가 안전하지는 않다. 작가, 언론인, 법률 전문가들도 대체 가능성 중위 그룹 내에서 상위권을 차지했다. 챗GPT 같은 LLM의 발달로 인지적, 비반복적 작업까지 대체될 수 있기 때문이다.
조만간 서울대 한국행정연구소에서 발표할 ‘일자리 대체 가능성 지수를 통해서 본 인공지능의 노동 시장 파급 효과’ 논문에서는 남성보다는 여성, 그리고 소득이 낮을수록, 또 학력이 낮을수록 AI 로봇에 의해 일자리를 빼앗길 가능성이 높다고 분석했다.
일자리 대체 가능성 지수 평균은 남성 0.661, 여성 0.696이었다. 여성들이 가사도우미나 방문판매, 미용 등 AI로 대체 가능한 서비스 관련 일자리에 종사하고 있는 비중이 높기 때문이다.
일자리 대체 가능성 상위 30% 그룹의 소득이 가장 낮은 것으로 나타났다. 월평균 소득이 1% 증가하면 종사하는 직종의 일자리 대체 가능성 지수는 0.00031점 감소했다.
또 최종 학력에 따른 일자리 대체 가능성 지수의 차이는 다른 변수보다 상당히 크게 작용했다. 고졸에서 전문대 졸업, 그리고 대학 및 대학원 졸업으로 학력이 높아질수록 일자리 대체 가능성이 낮은 직종에 종사할 확률이 확연히 높았다.
구 교수는 “앞으로 AI가 가져올 파고가 굉장히 높을 것”이라며 “노동 시장을 덮치는 4차 산업혁명의 파고를 넘기 위해서는 어떻게 하면 하위 30%의 파이를 키우느냐에 정책의 초점이 맞춰져야 한다”고 제언했다.
한편 경제사회노동위원회는 이날 AI 기술의 급격한 발전으로 변화하는 노동 시장과 근로환경을 분석하고 대응 방안을 모색하기 위해 ‘인공지능(AI)과 노동 연구회’를 발족했다. 연구회는 지난해 10월 노사정 대표자 회의가 제안해 출범하게 됐다.
연구회는 △AI 기술이 고용에 미치는 영향 △AI 활용과 일하는 방식의 변화 △일자리 창출 및 근로자 보호를 위한 법·제도 개선 방안 △AI 기술 교육 및 훈련 등을 논의할 계획이다.
한국노동조합총연맹은 지난해 12월 비상계엄 사태 당시 사회적 대화 중단을 선언한 후 처음으로 경사노위 회의에 참여했다. 한국노총은 이번 연구회 참여가 공식 복귀는 아니라고 선을 그었다.
[ⓒ 매일경제 & mk.co.kr, 무단 전재, 재배포 및 AI학습 이용 금지]
이 기사의 카테고리는 언론사의 분류를 따릅니다.
기사가 속한 카테고리는 언론사가 분류합니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.