AI로 인한 일자리 감소 우려가 현실적이면서도 과장된 이유

섹션별 상세

MIT 현장 실험 데이터에 따르면 Microsoft, Accenture, Fortune 100 기업에서 AI 코딩 어시스턴트를 사용했을 때 개별 작업 완료 속도가 약 26% 향상되었다.

실제 프로젝트 수준에서의 생산성 이득은 약 10%로 보정된다. 이는 개발자의 전체 업무 시간 중 실제 코딩이 차지하는 비중이 11-32%에 불과하고, AI가 생성한 코드의 버그를 수정하는 시간과 도구 도입률 등을 종합적으로 고려해야 하기 때문이다.

10%의 생산성 향상은 소프트웨어 산업에서만 약 360억 달러의 추가 산출물을 창출하는 효과를 가진다. 이는 경제학자 Daron Acemoglu가 예측한 AI의 전체 경제 기여도 추정치를 상회하는 수치이다.

역사적으로 사진 기술이 사실주의 회화를 대체했지만 전체 시각 예술 분야의 일감을 확장시킨 사례와 유사한 흐름이 예상된다. 기계적인 코딩 기술은 상품화되어 가치가 낮아지지만, 아키텍처 설계나 비즈니스 로직 결정과 같은 판단 중심 업무에는 더 높은 프리미엄이 붙게 된다.

기술 혁신으로 인해 특정 직무의 성격은 변할 수 있으나, 생산성 향상이 산업 전체의 파이를 키우면서 해당 분야의 전체 고용 규모는 축소되기보다 오히려 확대되는 경향을 보인다.

생산성 향상(Productivity Gain): — 투입된 자원 대비 산출되는 결과물의 양이 증가하는 비율이다. AI 도입 시 단순 작업 속도뿐 아니라 오류 수정 시간과 전체 공정 효율을 모두 고려하여 측정한다.
범용 상품화(Commoditization): — 한때 독보적이었던 기술이나 숙련도가 시장에 널리 보급되어 차별성이 없어지고 가격 경쟁력만 남게 되는 현상이다. AI가 코딩 기술을 자동화하면서 발생하는 현상을 설명할 때 사용된다.
판단 중심 업무(Judgment-based Work): — 단순한 실행이나 반복 작업을 넘어 상황 맥락을 분석하고 최종 의사결정을 내리는 고차원적 업무이다. 기술이 자동화될수록 인간의 비판적 사고와 판단력이 더 높은 가치를 인정받게 된다.