Perspective: AI 자동화 위협은 '직업명'이 아니라 '업무 구성 비율'의 문제다

핵심 주장

AI가 대체하는 단위는 '직업' 전체가 아니라 직업 안의 '문서화·반복 가능한 판단' 세그먼트이므로, 같은 직함을 가진 사람이라도 업무 설계 방식에 따라 위험도가 극단적으로 갈린다 — 즉, 불안의 단위를 직업명에서 업무 구성 비율로 바꾸지 않으면 자기 진단 자체가 틀린 질문이 된다.

근거

• McKinsey Global Institute(2023) 분석에 따르면 AI 자동화 영향은 직종 단위가 아닌 '업무 활동(work activity)' 단위로 측정되며, 동일 직군 내에서도 자동화 가능 활동 비율이 10%~80%까지 분산된다.
• OpenAI·UPenn 공동 연구(2023, 'GPTs are GPTs')는 동일 직업 내에서도 노출도(exposure)가 세부 과업 유형에 따라 크게 달라진다고 밝히며, '직업 단위 대체론'의 과도한 단순화를 경고했다.
• 변호사·회계사 직군에서 계약서 초안 작성·세무 신고서 정리 등 정형화 업무는 AI 도구로 80% 이상 처리 가능해졌지만, 이해충돌 판단·협상 전략·의뢰인 관계 유지 업무는 여전히 인간 판단에 의존하는 구조로 남아 있다.

반론

• 업무를 세 범주로 분류하는 자기 진단 자체가 개인의 인식 편향에 취약하다 — 자신의 업무를 '맥락 의존적'이라고 과대평가하는 경향이 보편적이어서, 진단 결과가 실제 위험도를 체계적으로 낮게 추정할 수 있다.
• 기업 단위의 도입 결정은 개별 직원의 업무 구성 비율이 아니라 직무(job description) 단위로 이뤄진다 — 즉, 내 업무의 40%만 자동화 가능해도 해당 포지션 자체가 통폐합될 수 있어 '비율 관리' 전략이 무력화될 수 있다.
• AI 도구의 발전 속도는 '현재 반복 불가능하다고 여겨지는 판단'의 영역도 빠르게 잠식하므로, 오늘의 안전지대가 12개월 뒤에도 안전지대라는 보장이 없다.

적용 조건

• 이 주장은 개인이 자신의 직무 설계에 일정 수준의 자율성을 가진 화이트칼라 지식 노동자에게 적용된다 — 업무 재설계 권한이 전혀 없는 고도로 표준화된 공정 직군에서는 분류 전략 자체가 실행 불가능하다.
• AI 도입 속도가 기술 가능성(technical feasibility) 기준일 때 유효하다 — 규제 환경, 기업의 변화 관리 역량, 노사 협약 등이 강하게 작동하는 산업(금융·의료·공공)에서는 실제 전환 시간이 훨씬 길어져 18개월 시한의 현실성이 떨어진다.
• 개인이 자신의 업무를 정확히 분류할 수 있다는 전제가 필요하다 — 조직 내 정치적 역할, 비공식 네트워크 기능 등 비가시적 업무 요소는 자기 보고 방식으로 포착되지 않는다.

한국 독자 의미

한국의 대기업·공공기관 중심 고용 구조에서는 직무 재설계 자율성이 낮고 직급·직함 중심의 인사 체계가 강해, '업무 구성 비율'을 개인이 주도적으로 바꾸는 전략이 서구 사례보다 훨씬 높은 조직 내 마찰 비용을 수반한다는 점을 직시해야 한다.

이 관점을 쓰는 글

• content/briefs/white-collar-will-be-fully-automated-in-18-months-so-what-makes-you-diff.md

마지막 검토

2026-06-02