AI가 일자리에 미치는 영향을 볼 때 가장 흔한 질문은 “어떤 직업이 사라질까?”이다. 하지만 이 질문만으로는 부족하다. 같은 AI 능력이라도 어떤 일은 자동화 압력을 받고, 어떤 일은 사람의 역할이 바뀌며, 어떤 일은 비용이 낮아져 오히려 수요가 늘 수 있기 때문이다.
OpenAI Economic Research의 2026년 EU 보고서는 이 문제를 일자리 소멸 예측이 아니라 전환 압력 지도로 보자고 제안한다. 이 문서에서 말하는 AI 일자리 전환 프레임워크는 직업을 단순히 “AI에 노출된 직업”으로 줄 세우지 않고, 기술 노출도·사람이 필요한 이유·수요 탄력성을 함께 보는 접근이다.
한 줄로 말하면
AI 일자리 전환 프레임워크는 “AI가 이 일을 할 수 있는가”보다 “그 능력이 실제 노동시장에서는 자동화, 재조직, 수요 증가, 제한적 변화 중 어디로 이어질 가능성이 큰가”를 묻는 지도다.
왜 단순 자동화 지표로는 부족한가
AI가 어떤 업무를 수행할 수 있다는 사실은 중요하다. 하지만 그것만으로 고용 변화를 바로 예측할 수는 없다.
예를 들어 AI가 수업 자료를 만들 수 있어도 교사의 일이 곧 사라진다고 말하기는 어렵다. 교실 운영, 학생과의 신뢰, 평가 책임, 돌봄과 감독은 여전히 사람에게 묶여 있기 때문이다. 간호 업무도 마찬가지다. AI가 문서화와 정보 요약을 도와도 침상 옆에서 몸을 움직여 돌보고 판단하는 일은 물리적·전문적 책임과 연결되어 있다.
반대로 고객 응대나 일부 사무·중개 업무처럼 정보 처리 비중이 크고 사람의 법적·물리적 필요성이 낮은 영역은 더 직접적인 자동화 압력을 받을 수 있다. 또 여행 설계나 재생에너지 컨설팅처럼 가격이 낮아지면 새로운 수요가 생길 수 있는 서비스는 생산성 향상이 고용 감소만으로 이어지지 않을 수 있다.
즉 핵심은 “AI 노출도” 하나가 아니라, 그 노출도가 어떤 제도와 시장 구조 안에서 작동하는지다.
네 가지 전환 경로
보고서는 EU의 2,600개 이상 ESCO 직업 분류와 Eurostat 고용 데이터를 바탕으로 직업을 네 가지 가까운 전환 경로로 나눈다.
1. 자동화 압력이 큰 일
AI가 많은 업무를 수행할 수 있고, 사람이 반드시 있어야 하는 제도적·물리적·관계적 이유가 약하며, 비용 하락이 충분한 추가 수요를 만들지 못하는 영역이다. 보고서는 EU 고용의 약 14%가 이 범주에 들어간다고 본다.
이 범주는 “곧 사라질 직업 목록”이 아니다. 다만 업무 재설계, 인력 수요 변화, 임금 압력, 재교육 필요성이 먼저 나타날 수 있는 구간으로 읽는 편이 안전하다.
2. AI 때문에 재조직될 일
사람이 계속 중심에 남지만, AI가 업무 흐름과 역할 배분을 바꾸는 영역이다. 보고서는 EU 고용의 약 27%가 여기에 해당한다고 추정한다.
이 범주가 중요하다. 많은 논의가 자동화와 비자동화로만 갈라지지만, 실제 기업과 공공기관에서는 “사람이 남아 있되 일이 달라지는” 경우가 더 넓게 나타날 수 있다. 문서 작성, 정보 검색, 상담 준비, 행정 처리, 내부 의사결정 보조 같은 업무가 AI와 함께 재배치될 수 있다.
3. AI와 함께 성장할 수 있는 일
AI가 생산성을 높여 비용을 낮추고, 그 결과 더 많은 프로젝트나 서비스 수요가 생길 수 있는 영역이다. 보고서는 EU 고용의 약 12%를 이 범주로 본다.
여기서 중요한 개념은 수요 탄력성이다. 어떤 서비스는 가격이 내려가도 소비량이 크게 늘지 않는다. 출생, 환자 수, 법정 업무, 공공 예산처럼 물량이 고정된 영역이 그렇다. 반면 디지털로 제공 가능하고 프로젝트 기반이며 가격 때문에 수요가 막혀 있던 서비스는 비용 하락이 새로운 수요를 만들 수 있다.
4. 당장 변화가 제한적인 일
AI 노출도가 낮거나, 물리적 수행·현장성·규제·관계성이 강해서 가까운 시기에는 변화가 상대적으로 제한적인 영역이다. 보고서는 EU 고용의 약 47%가 이 범주에 들어간다고 본다.
다만 “안전하다”는 뜻은 아니다. 기술 성능, 조직 채택, 규제, 산업 구조가 바뀌면 분류도 달라질 수 있다. 이 프레임워크는 고정된 운명이 아니라 현재 조건에서의 전환 지도에 가깝다.
사람이 필요한 이유를 나누어 보기
보고서의 유용한 점은 “사람이 필요하다”는 말을 한 덩어리로 보지 않는다는 것이다. 사람이 남아야 하는 이유는 크게 다를 수 있다.
- 물리적 필요성: 몸으로 수행해야 하는 돌봄, 운반, 점검, 조작이 핵심인 경우
- 규제와 책임: 법적 책임, 전문 자격, 공적 권한, 감사 가능성이 필요한 경우
- 관계성: 신뢰, 설득, 돌봄, 교육, 위기 대응처럼 사람 사이의 관계가 서비스의 일부인 경우
- 잔여 범주: 위 세 가지 이유가 강하게 확인되지 않는 경우
보고서는 ESCO 직업 기준으로 49%를 물리적 필요성, 28%를 규제·책임, 9%를 관계성, 14%를 잔여 범주로 분류한다. 이 비율은 고용 비중이 아니라 직업명 기준의 분류라는 점을 주의해야 한다.
이 구분은 투자와 산업 분석에도 중요하다. AI 도입의 병목이 모델 성능인지, 규제 책임인지, 현장 운영인지, 고객 신뢰인지에 따라 유리한 기업과 필요한 인프라가 달라지기 때문이다.
EU 결과를 어떻게 읽어야 하나
보고서는 EU와 미국의 전환 구성이 다를 수 있다고 본다. EU는 미국보다 자동화 압력이 큰 고용 비중이 낮고, 재조직될 가능성이 큰 고용 비중이 높게 나온다. 보고서의 비교 수치는 EU가 자동화 압력 14%, 재조직 27%, 성장 12%, 제한적 변화 47%이고, 미국은 각각 18%, 24%, 12%, 46%다.
이 차이는 유럽이 AI 변화에서 벗어나 있다는 뜻이 아니다. 제조, 숙련 기능직, 운송, 돌봄, 교육, 공공 서비스처럼 현장성·제도성·물리성이 강한 직업 비중이 더 크기 때문에 전환의 모양이 다르게 보인다는 뜻에 가깝다.
국가별 수치도 순위표처럼 읽으면 안 된다. 보고서는 룩셈부르크, 스웨덴, 네덜란드가 AI와 함께 성장할 수 있는 직업 비중이 상대적으로 높고, 독일·그리스·이탈리아가 자동화 압력이 큰 직업 비중이 상대적으로 높다고 제시한다. 하지만 이것은 각국의 준비 수준이나 정책 품질을 평가한 것이 아니라, 현재 고용 구조가 다르다는 의미다.
투자와 산업을 볼 때의 의미
이 프레임워크는 특정 종목을 고르기 위한 도구가 아니다. 하지만 산업 구조를 읽는 데는 도움이 된다.
첫째, AI 도입은 단순히 “인건비 절감”으로만 나타나지 않는다. 어떤 산업에서는 같은 인력으로 더 많은 프로젝트를 처리하고, 어떤 산업에서는 규제와 책임 때문에 사람이 계속 중심에 남으며, 어떤 산업에서는 수요 자체가 늘 수 있다.
둘째, 기업의 AI 수혜 여부는 모델을 쓰는지보다 업무 재설계를 할 수 있는지에 달릴 수 있다. AI를 붙였다는 발표보다, 실제로 어떤 업무 흐름이 바뀌고 비용·품질·처리량이 어떻게 달라지는지가 더 중요하다.
셋째, 공공·교육·의료·법률처럼 제도와 책임이 강한 영역에서는 AI 공급자만 보는 것으로 부족하다. 데이터 거버넌스, 감사 가능성, 책임 소재, 현장 운영, 조달 제도가 함께 봐야 할 병목이 된다.
헷갈리지 말아야 할 점
이 보고서는 OpenAI가 작성한 자료다. 따라서 AI 도입의 사회적·경제적 의미를 이해하는 데 유용한 프레임을 제공하지만, 동시에 AI 공급자의 관점과 이해관계가 반영될 수 있다. 공개 글에서 이 프레임워크를 사용할 때는 독립 연구, 실제 고용 통계, 기업 사례와 함께 검증해야 한다.
또한 여기서 제시된 숫자는 예측이 아니다. 보고서도 반복해서 말하듯, 이것은 실업률 전망이나 특정 직업의 소멸 선언이 아니라 전환 압력의 지도다. 기술 성능, 기업 채택 속도, 규제, 임금, 교육 시스템, 사회적 합의에 따라 실제 결과는 달라질 수 있다.
마지막으로 AI가 일자리를 바꾸는 방식은 한 번에 드러나지 않는다. 처음에는 생산성 도구처럼 들어오고, 이후 업무 흐름이 바뀌며, 나중에 조직 구조와 고용 수요가 조정될 수 있다. 그래서 headline 고용 지표만 보지 말고, 직업별 업무 변화와 제도적 병목을 함께 추적해야 한다.