AI는 직업보다 업무의 경계를 먼저 바꾼다

요약

• OpenAI가 미국 ChatGPT Business 계정 정보와 연결된 개인 ChatGPT 계정의 업무 관련 메시지 80만 건 이상을 분석했습니다.
• 전체 업무 관련 메시지의 16.8%가 사용자의 직업과 다른 직업에 전통적으로 연결된 업무를 다뤘습니다. 글은 이를 task crossover라고 부릅니다.
• 이메일 작성·요약·일정 관리처럼 여러 직업에 공통된 업무를 제외하면, 직업 특화 메시지의 43.5%가 다른 직업의 업무와 연결됩니다.
• 고객 경험, 디자인, 인사, 법무, 마케팅에서 이런 교차 업무가 특히 많이 나타났습니다. 디자이너 메시지의 75%가 직업 특화 메시지 중 다른 직업에 가까운 업무로 분류됐습니다.
• 이 연구는 고용 감소나 생산성 증가를 측정한 것이 아닙니다. AI를 통해 사람들이 기존 직무 경계 밖의 일을 시도하고 있다는 초기 신호를 보여주는 연구입니다.

직업이 아니라 업무의 경계가 움직인다

AI와 일의 관계를 다룰 때 흔히 하는 질문은 “이 모델이 어떤 직업의 어떤 업무를 수행할 수 있는가?”입니다. 이 질문은 업무 목록을 고정해 둔 채 기술이 그 목록을 얼마나 자동화하는지 확인합니다.

OpenAI의 이번 리포트는 질문의 방향을 조금 바꿉니다. 모델이 할 수 있는 일이 아니라, 사람들이 AI를 통해 어떤 일을 직접 해보기 시작했는가를 봅니다.

판매 담당자가 예전에는 분석가에게 넘겼을 고객 데이터를 직접 살펴봅니다. 마케터가 개발자를 기다리는 대신 웹사이트의 문제를 확인하거나 간단한 스크립트를 작성합니다. 소규모 사업자가 카피 초안, 계약서 검토, 기초 재무 분석을 한 번에 처리합니다.

AI가 바꾸는 것은 업무 처리 속도만이 아닙니다. 누가 그 일을 맡는지, 언제 다른 사람에게 넘기는지, 전문 인력이 개입해야 하는 지점이 어디인지도 바뀝니다.

리포트는 이 현상을 측정하기 위해 미국 노동부의 ONET을 기준으로 삼았습니다. ONET에 정의된 직업별 전통적 업무와, ChatGPT 사용자가 실제로 보낸 업무 관련 메시지를 비교했습니다. 분석 대상은 고객 경험, 디자인, 엔지니어링, 재무, 인사, 법무, 마케팅, 영업의 8개 직업군입니다.

각 메시지는 가장 가까운 하나의 세부 업무 활동으로 분류됐습니다. 그리고 그 활동이 사용자의 직업 안에 있는지, 여러 직업에 공통된 일반 업무인지, 다른 직업에 전통적으로 연결된 업무인지 나눴습니다.

43.5%라는 숫자를 읽는 법

전체 업무 관련 메시지 중 분류 결과는 다음과 같습니다.

• 61.5%: 이메일 작성, 요약, 일정 관리처럼 여러 직업에 널리 퍼진 일반 업무
• 21.8%: 사용자의 직업과 연결된 직업 내 업무
• 16.8%: 다른 직업과 전통적으로 연결된 직업 간 업무

여기서 일반 업무를 빼고 나머지 직업 특화 메시지만 다시 100%로 환산하면, 다른 직업의 업무에 해당하는 비율이 43.5%가 됩니다.

즉 “업무 메시지의 거의 절반이 다른 직업의 일”이라는 뜻은 아닙니다. 이메일 작성처럼 원래부터 여러 직업이 함께 하는 일을 제외했을 때, 직업 특화 업무를 AI에 요청한 방식의 상당 부분이 기존 직업 경계 밖에 있었다는 뜻입니다.

이 구분은 중요합니다. 43.5%를 곧바로 “직업의 절반이 사라진다”거나 “누구나 모든 일을 할 수 있다”는 뜻으로 읽을 수 없기 때문입니다.

디자이너는 여러 업무를 끌어온다

직업 특화 메시지 중 다른 직업의 업무로 분류된 비율은 직업군마다 달랐습니다.

• 고객 경험: 77%
• 디자인: 75%
• 인사: 69%
• 법무: 56%
• 마케팅: 53%

이 수치는 디자이너의 업무가 곧 다른 직업으로 대체된다는 뜻이 아닙니다. 디자이너가 AI를 사용하면서 기존 직무에 속하지 않았던 업무를 함께 시도하고 있다는 뜻에 가깝습니다.

리포트의 다른 분석에서는 디자이너가 보낸 메시지의 약 35.2%가 다른 직업에 보통 연결되는 업무로 분류됐습니다. 반면 다른 직업군의 메시지에서 디자인 업무가 차지하는 비율은 1.7%였습니다.

OpenAI는 이를 두 방향으로 나눠 설명합니다.

• 업무를 끌어오는 직업: 디자이너처럼 여러 분야의 업무를 AI로 가져와 조합함
• 업무가 퍼져 나가는 직업: 엔지니어링처럼 다른 직업군의 사람들이 기술 관련 업무를 가져감
• 둘 다인 직업: 마케팅처럼 다른 업무를 끌어오면서, 자신의 업무도 조직 전체로 퍼짐

엔지니어링 메시지 중 다른 직업의 업무는 18.5%였지만, 엔지니어링 업무는 다른 직업군 메시지의 7.4%를 차지했습니다. 마케팅은 24.3%의 메시지가 다른 직업의 업무였고, 다른 직업군에서 마케팅 업무가 차지하는 비율도 8.9%로 가장 높았습니다.

디자인 업무 자체가 다른 직업에 널리 복제됐다기보다, 디자이너가 마케팅·엔지니어링·재무 같은 업무를 끌어와 자신의 일과 섞고 있다는 그림입니다.

먼저 이동하는 업무는 따로 있다

직업 사이를 오가는 업무가 무작위로 나타난 것은 아닙니다. 여러 직업군에서 반복적으로 나타난 업무는 다음과 같습니다.

• 재무 데이터 계산
• 컴퓨터 애플리케이션과 시스템 문제 해결
• 상품·서비스 정보를 고객에게 설명하기
• 마케팅 자료 만들기
• 정부 기관과 소통하기

재무 데이터 계산과 컴퓨터 문제 해결은 7개 다른 직업군 모두에서 해당 분야의 상위 3개 업무로 나타났습니다. 비재무 직업군이 보낸 재무 관련 메시지의 9.8%는 재무 데이터 계산에 관한 것이었고, 비엔지니어링 직업군이 보낸 엔지니어링 관련 메시지의 6.1%는 컴퓨터 애플리케이션이나 시스템 문제 해결에 관한 것이었습니다.

마케팅 업무도 넓게 이동했습니다. 마케팅 직업군이 아닌 사용자들의 마케팅 관련 메시지 중 25%는 광고, 소셜 포스트, 전단, 홍보 영상, 프레젠테이션, 제품 설명서, 캠페인 그래픽 같은 홍보 자료를 만드는 일이었습니다. 이 업무는 특히 디자이너에게서 많이 나타났습니다.

반복적이고 결과를 빠르게 확인할 수 있으며, 한 직업의 전유물이라기보다 여러 팀의 업무에 붙어 있는 일부터 이동하는 모습입니다.

작은 회사에서 경계를 더 자주 넘는다

조직 규모도 차이를 만들었습니다. 2~5석 규모 워크스페이스의 일반적인 사용자에게서 직업 간 업무가 나타난 비율은 18.9%였습니다. 101석 이상 워크스페이스에서는 16.3%였습니다.

OpenAI는 소규모 조직에서 전문가나 전문 팀을 바로 요청하기 어렵기 때문일 수 있다고 설명합니다. 담당자가 마케팅 카피를 쓰고, 소프트웨어 문제를 확인하고, 계약서를 읽고, 기초 분석을 하는 식입니다. AI가 전문 인력을 없앴다는 뜻이라기보다, 전문 인력에게 넘기기 전의 첫 번째 시도가 담당자 쪽으로 이동했다는 설명입니다.

다만 이 차이는 모든 사용자에게 일관되게 나타난 것은 아닙니다. 메시지 사용량이 가장 많은 상위 25% 사용자에서는 워크스페이스 규모와 직업 간 업무의 관계가 단조롭게 이어지지 않았습니다. 이미 AI를 활용한 안정적인 업무 흐름을 만든 사용자일 수도 있고, 핵심 직무의 반복 작업에 AI를 더 많이 사용한 것일 수도 있습니다.

직업 목록보다 먼저 바뀌는 것

기존 노동시장 통계는 직업명, 채용 공고, 직무 기술서가 바뀐 뒤에야 업무 변화를 포착합니다. 이번 분석은 그보다 이른 단계, 사람들이 AI를 통해 새로운 업무 조합을 시험하는 순간을 보려는 시도입니다.

리포트의 결론은 직업이 사라진다는 예측이 아닙니다. AI가 기존 업무를 자동화하거나 보조하는 동시에, 한 사람이 수행할 수 있는 업무의 묶음을 넓히고 있다는 관찰입니다.

반복적으로 AI를 사용해 기존 직무 밖의 일을 하게 되면, 기업은 언젠가 직무 기술서와 교육 체계, 검토 책임을 바꿔야 할 수 있습니다. 사람도 자신의 전문 영역 밖에서 AI가 만든 결과를 평가하는 법을 배워야 합니다.

이 연구는 AI가 고용이나 생산성에 미친 영향을 추정하지 않습니다. AI 사용으로 만들어진 결과가 실제 업무에 사용됐는지, 얼마나 정확했는지, 시간을 절약했는지, 전문가가 검토했는지도 관찰하지 않습니다.

crit의 관점: 업무가 넓어질수록 판단의 경계가 중요해진다

좋게 볼 점

이 리포트의 가장 좋은 점은 AI를 “직업을 대체하는 도구”로만 보지 않고, 업무가 조직 안에서 이동하고 섞이는 현상으로 관찰했다는 데 있습니다. 직업 단위의 자동화 가능성만 계산할 때 보이지 않던 장면이 드러납니다.

특히 디자인의 수치가 흥미롭습니다. 디자이너가 AI를 통해 마케팅 자료를 만들고, 기술 문제를 확인하고, 재무나 운영에 가까운 일을 끌어오는 현상은 디자인 직무가 약해졌다는 신호라기보다 한 사람이 문제를 더 넓게 탐색할 수 있게 됐다는 신호일 수 있습니다.

작은 조직에서 AI가 먼저 쓰이는 곳도 비슷합니다. AI가 “전문가를 대체”해서가 아니라, 전문가에게 요청하기 전까지 멈춰 있던 작은 일을 담당자가 직접 시도하게 합니다. 회사 안에 흩어져 있던 업무의 첫 단계가 앞으로 당겨지는 셈입니다.

남는 한계

다만 이 자료의 숫자를 업무 역량이나 조직 성과로 곧바로 번역해서는 안 됩니다.

첫째, 메시지가 업무 시간을 뜻하지 않습니다. 한 번의 요청만으로 사용자가 해당 업무를 실제로 수행했다고 볼 수 없고, 결과물이 사용됐는지도 알 수 없습니다. 둘째, 하나의 메시지를 하나의 주된 업무로만 분류합니다. 실제 메시지에는 조사, 판단, 작성, 검토가 함께 들어갈 수 있습니다. 셋째, O*NET의 직업 경계는 미국의 역사적 직업 분류입니다. 한국 조직의 직무 구조나 회사마다 다른 역할 배분을 그대로 설명하지는 않습니다.

또한 분석 대상은 미국 ChatGPT Business 계정 정보와 연결된 사용자의 개인 계정 메시지입니다. 전체 노동자나 ChatGPT Enterprise 사용자로 일반화할 수 없습니다. 워크스페이스 좌석 수 역시 전체 직원 수가 아니라 구매한 좌석 수입니다.

더 중요한 구분: 시도할 수 있음과 판단할 수 있음

AI가 업무 경계를 넓힌다는 말에는 두 가지가 섞여 있습니다.

• 예전에는 전문가에게 부탁해야 해서 시작하지 못했던 일을, 이제는 일단 시도할 수 있음
• 그 결과가 맞는지, 어떤 맥락에서 위험한지, 언제 전문가에게 넘겨야 하는지 판단할 수 있음

첫 번째 문턱은 AI가 크게 낮췄습니다. 하지만 두 번째 문턱까지 낮췄다고 보기는 어렵습니다. 계약서 검토, 재무 계산, 기술 문제 해결, 규제 해석처럼 결과의 오류 비용이 큰 업무에서는 “초안을 만들 수 있다”와 “책임지고 사용할 수 있다” 사이에 여전히 큰 간격이 있습니다.

자동화할 일을 내가 판단할 수 없으면 생산성이 아니라 슬롯머신에 가까워집니다. 조직이 AI로 업무를 넓히려면 프롬프트 목록보다 먼저 판단 기준, 검토 책임자, 승인 조건, 원본 데이터, 결과의 버전을 남겨야 합니다. 그래야 전문가에게 넘기는 일을 없애는 것이 아니라, 전문가가 더 중요한 판단에 집중하도록 앞단의 일을 확장할 수 있습니다.

남는 질문

• AI로 다른 직업의 일을 시도한 뒤, 최종 검토와 책임은 누구에게 남는가?
• 디자이너가 마케팅·개발·분석 업무를 더 많이 수행하게 될 때, 이것은 권한의 확장인가 아니면 보상 없는 업무의 추가인가?
• 소규모 조직의 AI 사용이 전문가 부족을 보완하는 것인지, 전문성에 투자하지 않아도 된다는 신호로 오해되는 것은 아닌가?
• 직무 기술서가 바뀌기 전에, 조직은 어떤 업무를 누가 판단할 수 있는지 어떻게 기록할 것인가?
• “AI로 해봤다”와 “업무 프로세스에 넣어도 된다” 사이의 검토 기준을 팀은 갖고 있는가?

원문 및 리포트: How AI is expanding what people do at work, Work at the Frontier: How AI is Expanding What People Do at Work