AI로 위협받는 일자리들은 ChatGPT 출시 이전에 이미 감소하고 있었다

대규모 연구에 따르면 AI에 노출된 일자리는 ChatGPT 출시 전부터 이미 악화되고 있었지만, 관련 기술을 배운 학생은 오히려 더 높은 초임과 더 빠른 취업을 경험했다.

미국 여러 대학의 공동 연구는 AI에 취약한 일자리 위기의 시작이 2022년 말 ChatGPT 출시와 일치하지 않으며, 겉보기에는 무관한 이유로 그해 초부터 문제가 시작됐다고 밝혔다.

또한 전공 교육이 LLM 관련 과제에 더 많이 노출된 졸업생은 ChatGPT 등장 이후 첫 직장 급여가 높고 구직 기간이 짧았다.

연구진은 1,000만 개가 넘는 LinkedIn 프로필, 실업 기록, 보험 청구 등 세 개의 대규모 데이터셋을 분석했다. 2022~2024년 LLM 노출 노동자와 졸업생의 악화된 성과는 대중형 LLM 서비스 등장 전부터 진행됐다. 고노출 직종의 실업 위험은 2022년 초 상승하기 시작했고, 대부분 직종과 주에서는 ChatGPT 출시 시점에 뚜렷한 단절이 없었다.

초기 경력자가 특히 큰 영향을 받았다. 2021~2023년 졸업생은 이전 세대보다 고노출 직종에 진입하는 비율이 낮고 첫 직장까지 더 오래 걸렸지만, 이 격차 역시 2022년 말 전에 벌어졌다. 동시에 LLM 관련 교육은 계속 가치가 있었다. 즉 AI는 광범위한 경제·산업 압력으로 이미 약해진 노동시장에 들어왔고, AI를 보완하는 기술은 시장가치를 유지하거나 높였다.

저자들은 2022년 11월을 AI 이전과 이후 노동시장을 가르는 경계로 봐서는 안 된다고 말한다. 그 이후의 약세를 주로 LLM 탓으로 돌리면 통화정책, 산업 수요, 팬데믹 이후 조정 같은 동시기 거시경제 변화를 혼동할 수 있다.

따라서 대학과 교육기관은 글쓰기, 코딩, 정보 종합처럼 흔히 ‘AI에 취약하다’고 불리는 기술을 포기할 필요가 없다. 결과를 검증하고 품질을 판단하며 챗봇을 대체자가 아닌 도구로 쓰는 방식으로 가르치면 불안정한 시장에서 졸업생의 경쟁력을 높일 수 있다.

새 논문의 제목은 ‘AI-exposed jobs deteriorated before ChatGPT’이며 University of Pittsburgh, Stanford, Chapman, Columbia의 연구진과 Microsoft AI Economy Institute, Revelio Labs가 참여했다.

연구 방법과 데이터

이 결과는 Stanford Digital Economy Lab의 선행 보고와, 2025년 Anthropic CEO가 AI가 초급 사무직의 절반을 없앨 수 있다고 한 경고와 뚜렷이 대비된다.

연구진은 먼저 AI 자동화에 가장 많이 노출된 직종의 실업을 분석했다. 노출도는 6자리 표준직업분류(SOC) 코드로 정하고, 더 넓은 2자리 직종의 수준을 계산하기 위해 평균을 냈다.

월별 행정자료는 미국 노동부 고용훈련국의 ETA 203 보고서에서 가져왔으며, 계속 실업급여를 청구한 사람의 최근 직업을 담고 있다. 이를 노동통계국의 연간 직종별 고용 수치와 결합해 주별·직종별 월간 실업 위험을 추정했다.

역사적으로 AI 고노출 직종은 저노출 직종보다 실업 위험이 20~80% 낮았고, 원격근무가 가능한 직무가 더 견고했던 팬데믹 동안 격차가 커졌다. 이 이점은 2022년 초부터 줄기 시작해 2023~2024년에는 거의 사라졌다.

AI 고노출 직종의 실업 위험은 2022년 초부터 상승했다. A는 ChatGPT 출시 전 고·저노출 직종 간 격차가 줄어드는 반전을, B는 상승이 최상위 노출 20%에 집중된 뒤 안정된 모습을, C는 주된 변화가 컴퓨터·수학 직종에서 발생했음을 보여 준다. 미국 각 주의 월별 위험을 분기 평균했다. 출처

노출도를 5분위로 나눠 추적하면 모든 집단은 2020년 팬데믹 때 정점을 찍고 2022년 초 저점에 도달했다. 이후 최고 노출 집단의 실업 위험은 ChatGPT 전에 상승한 뒤 출시 후 가속하지 않고 안정됐다. 컴퓨터·수학 직종에서 상승이 가장 컸고 대부분 다른 직종은 거의 변하지 않았다. 캘리포니아, 워싱턴, 알래스카 등 일부 주는 출시 후 증가했지만 전국 수준은 팬데믹 이전과 비슷했다.

데이터 해석상의 고려사항

실업 위험은 직종 전체의 패턴을 보여 주지만, 급여 자격이 없거나 이전 직장이 없는 최근 졸업생처럼 특정 집단의 결과는 포착하지 못한다. 초기 경력자가 AI의 가장 큰 영향을 받는다는 다른 연구를 고려하면 전체 실업자료만으로는 핵심 집단을 놓칠 수 있다.

이를 보완하기 위해 연구진은 Revelio Labs가 제공한 LinkedIn 프로필 10,584,980개를 분석했다. 각 기록에는 학위 유형, 전공, 졸업 연도, 대학과 함께 직함, 고용주, 시작일, 위치가 포함됐다. 급여는 비자 신청, 자기보고, 공개 채용공고로 학습한 모델로 추정했다.

실제 급여를 확인할 수 없으므로 졸업 후 3년 안에 첫 관측 일자리를 얻기까지 걸린 개월 수도 추적했다. 이 기간에 고용 기록이 없는 사람은 제외했고, 취업하면 프로필을 갱신한다는 가정 아래 노동시장 마찰의 대리 지표로 사용했다.

2022년 이후 졸업생은 LLM 고노출 직장을 얻는 데 더 오래 걸렸지만 악화는 ChatGPT 출시 몇 달 전 시작됐다. A는 원래 고노출 첫 직장에 더 빨리 취업하던 패턴의 반전을, B는 고임금 직종의 유사한 지연을, C는 2021·2022년 졸업생의 고노출 직종 진입 감소를, D는 저노출 직종에 같은 변화가 없음을 보여 준다.

연구진은 주·산업별 월간 채용공고와 학위, 전공, 대학 차이를 통제했다. ChatGPT 전에는 고노출 직종에 진입한 졸업생의 구직 기간이 대체로 더 짧았지만 2023·2024년 세대에서는 반대로 더 오래 걸렸다. 중요한 점은 악화가 ChatGPT보다 몇 달 먼저 시작돼 이후에도 계속됐다는 사실이다.

교육적 노출

연구진은 LinkedIn 교육정보와 수백만 개 대학 강의계획서를 연결해 글쓰기, 코딩, 종합 같은 LLM 관련 과제에 전공이 얼마나 노출되는지 추정하고, ChatGPT 전후 초기 경력 결과를 추적했다.

LLM 관련 과제에 대한 교육적 노출은 ChatGPT 이후 더 나은 초기 경력 결과를 예측했다. 자동화 가능 기술을 더 많이 배운 2022년 이후 졸업생은 더 빨리 채용되고 초임도 높아, 고노출 직종의 불이익을 일부 상쇄했다. 모든 모델은 채용공고율, 직종, 교육 배경을 통제했다.

ChatGPT 전에는 교육적 노출과 구직 기간·급여 사이에 뚜렷한 관계가 없었다. 이후에는 더 빠른 취업과 높은 초임에 연결됐다. 고노출 직무 자체의 성과는 나빠졌지만 AI 관련 교육을 더 많이 받은 졸업생은 영향을 덜 받았다.

자동화에 취약하다고 여겨진 기술은 가치가 줄기는커녕 더 나은 초기 경력 결과를 뒷받침했다. LLM이 졸업생 부진의 원인이라면 관련 교육은 중복 기술이 되어야 하지만 결과는 반대였다. 인과관계를 확정할 수는 없어도 ChatGPT 이후 LLM 관련 준비가 더 나은 성과와 양립함을 보여 준다.

결국 고용 추세는 AI보다 앞선 사건들이 이미 만들고 있던 노동시장에서 나타났다. ChatGPT와 AI의 영향을 기존 하락 요인에서 완전히 분리하는 일은 국물에서 소금을 다시 빼내려는 것처럼 어렵다.

2026년 1월 7일 최초 게재.