AI가 내 직업을 없앨까—1,500만 건이 보여준 답

월요일 아침, 동료가 마흔 쪽짜리 보고서를 AI에 넣습니다. 요약은 몇 초 만에 나옵니다. 그 모습을 보면 자연스럽게 이런 생각이 듭니다. “저 일을 AI가 한다면, 다음은 내 차례 아닐까?”

지금까지 이 질문에 붙은 답은 대개 두 극단이었습니다. “직업의 절반이 사라진다”거나 “AI는 그냥 새 도구일 뿐이다”라는 식이었죠. 그런데 2026년 여름, 막연한 전망보다 한 걸음 더 가까이 간 자료가 나왔습니다. 사람들이 AI에 실제로 무엇을 물었는지 1,465만 건을 살펴본 Google의 ATLAS, 그리고 2026년 6월까지 미국 급여명세를 추적한 Stanford 연구입니다.

먼저 답부터 말하면, 아직 광범위한 일자리 붕괴는 보이지 않습니다. AI는 수많은 직업에 이미 들어왔지만 직업 하나를 통째로 맡기보다, 검색·초안·정리 같은 업무 조각을 가져가는 중입니다. 다만 안심만 하기에는 이릅니다. 경력자가 해오던 직업 전체보다 신입이 처음 배우던 일에서 더 이른 경고가 나타났기 때문입니다.

68%AI 이용이 관찰된 직업미국 고용의 88.4%를 포괄

21%전형적인 직업에서
AI가 닿은 업무넓게 쓰되 아직 얕게 사용

19%고노출 직군 22~25세의
상대적 고용 격차해고보다 채용 감소가 중심

1,500만 건은 ‘해고 기록’이 아니다

숫자부터 정확히 읽어야 합니다. Google ATLAS가 분석한 것은 사람 1,500만 명의 이력서나 해고 명단이 아닙니다. 2026년 4월 6일부터 19일까지 Gemini 앱, Google 검색의 AI Mode, Gemini API에서 오간 14,653,926건의 익명화된 상호작용입니다. 연구진은 이 기록을 800개 직업과 약 4,000개 업무에 연결했습니다.

또 이 대화가 모두 회사 일이었던 것도 아닙니다. 대화형 서비스인 Gemini 앱과 AI Mode 이용의 86% 이상은 공식적인 업무 밖에 있었습니다. 여행 계획이나 공부, 개인적인 질문까지 포함됐다는 뜻입니다. 연구진은 그중 업무와 연결된 사용을 따로 분류해 어떤 직업의 어떤 과업에 AI가 닿는지 살폈습니다.

그래서 ATLAS는 “AI가 사람을 몇 명 대체했다”는 연구가 아닙니다. 사람들이 지금 AI를 어디에 가져다 놓았는지 보여주는 지도에 가깝습니다. 이용 기록만으로 답이 정확했는지, 시간이 절약됐는지, 실제 고용이 줄었는지는 알 수 없습니다. 이 한계를 알고 읽어야 숫자가 공포 예고편으로 변하지 않습니다.

넓게 들어왔지만, 깊게 들어오지는 않았다

ATLAS에서 가장 인상적인 결과는 폭과 깊이가 전혀 다르다는 점입니다. AI 사용은 세부 직업의 68%에서 관찰됐고, 이 직업들은 미국 고용의 88.4%를 차지합니다. 사무실에서 일하는 개발자나 회계사뿐 아니라 전기기사, 정비사, 제조 현장 기술자도 AI를 쓰고 있었습니다.

하지만 각 직업 안으로 들어가 보면 풍경이 달라집니다. 의미 있는 사용이 관찰된 직업에서 AI가 닿은 업무 비율의 중앙값은 21%였습니다. 쉽게 말해 전형적인 직업 하나에 업무가 열 개 있다면, AI가 실제로 쓰인 것은 두 개 남짓이라는 뜻입니다. 업무의 75% 이상에 AI가 퍼진 직업은 전체의 3%뿐이었습니다.

AI가 관찰된 직업68%

전형적 직업에서 AI가 닿은 업무21%

‘거의 모든 직업에 들어왔다’와 ‘직업 전체를 대신한다’는 같은 말이 아닙니다.

현장직도 예외는 아니었습니다. 기술자는 검사 결과를 해석하거나 배선 문제를 찾을 때, 정비사는 마모 상태를 설명하고 매뉴얼을 찾을 때 AI를 불렀습니다. AI가 드라이버를 잡거나 기계를 수리한 것은 아닙니다. 손으로 하는 일 옆의 읽기·찾기·판단 보조에 들어온 것입니다.

AI가 먼저 가져간 것은 직업이 아니라 업무 조각이다

AI에 맡겨진 일에는 공통점이 있었습니다. 문서를 찾고, 긴 내용을 요약하고, 첫 문장을 만들고, 이미 만든 결과를 검토하는 일입니다. 반대로 이해관계자와 협상하거나, 결과에 책임을 지거나, 예상 밖의 현장에서 몸으로 대응하는 일은 대화 기록만으로 끝까지 넘기기 어려웠습니다.

특히 비정형 지식 업무 대화에서 AI가 처음부터 끝까지 일을 완성하도록 맡긴 비율은 10%에 못 미쳤습니다. 훨씬 흔한 모습은 사람이 방향을 잡고 AI가 초안을 만들거나, AI가 제안하고 사람이 고치거나, 모르는 내용을 찾아 배우는 협업이었습니다.

여기서 중요한 변화가 생깁니다. 직업명이 그대로 남아 있어도 하루의 구성이 달라집니다. 보고서를 쓰는 사람은 빈 화면에서 시작하는 대신 AI 초안을 검증하는 시간이 늘고, 상담원은 모든 답을 직접 찾는 대신 어려운 예외를 처리하게 됩니다. 일자리가 유지된다는 말이 일이 그대로라는 뜻은 아닙니다.

그런데 신입 고용에는 경고 신호가 보인다

이용 기록에서 고용 결과로 시선을 옮기면 첫 경고가 보입니다. Stanford Digital Economy Lab은 수백만 명의 미국 급여자료를 2026년 6월까지 추적했습니다. 경제 전체에서 AI 노출이 높은 직업의 고용이 일제히 무너졌다는 증거는 없었습니다. 연령대를 나누자 이야기가 달라졌습니다.

2022년 11월부터 2026년 6월까지 고노출 직군의 22~25세 고용은 약 11% 줄었고, 같은 연령의 저노출 직군은 약 10% 늘었습니다. 연구진은 차이가 주로 해고 증가가 아니라 새로 뽑는 인원의 감소에서 나타났다고 설명합니다. AI가 사람을 내보내는 장면보다, 처음 들어갈 자리를 덜 만드는 장면이 먼저 포착된 셈입니다.

다만 이것을 “AI가 19%의 일자리를 없앴다”고 읽으면 안 됩니다. 이 연구는 관찰자료이며 인과관계를 확정하지 못합니다. 학력 차이를 통제하면 격차가 줄고, 일부 변화는 ChatGPT 출시 전부터 보였으며, 사용한 ADP 급여자료와 전체 미국 노동시장 사이에도 차이가 있습니다. 정확한 표현은 AI 노출이 높은 초년생 직군에서 채용 둔화와 일치하는 경고등이 더 선명해졌다입니다.

왜 경력자보다 신입의 첫 일이 먼저 흔들릴까

신입이 회사에서 처음 맡는 일을 떠올려 보면 이유가 보입니다. 자료를 모으고, 기존 문서를 요약하고, 표준 답변을 만들고, 간단한 코드를 짜고, 선배의 결과물과 비교합니다. 바로 지금 AI가 가장 잘하는 업무입니다.

경력자의 가치는 문서에 적힌 지식만으로 만들어지지 않습니다. 어느 고객이 어떤 표현에 민감한지, 숫자가 이상할 때 어디부터 의심해야 하는지, 사고가 나면 누구에게 먼저 연락해야 하는지 같은 암묵지가 쌓여 있습니다. AI는 정리된 지식에는 강하지만 조직과 현장에서 몸으로 배운 예외에는 약합니다.

문제는 회사가 초급 업무를 통째로 자동화하면 오늘의 비용은 줄어도 내일의 경력자를 키울 통로가 좁아진다는 데 있습니다. 요약문 한 장을 만드는 일이 단순해 보여도, 신입에게는 원문을 읽고 이상한 부분을 발견하는 훈련이었습니다. 따라서 앞으로의 일자리 논쟁은 “신입을 뽑을까 말까”에서 한 걸음 더 나아가야 합니다. AI가 초안을 만드는 환경에서 사람은 어떻게 판단을 연습할 것인가가 핵심입니다.

한국은 이미 많이 쓰지만, 모두의 시간이 줄지는 않았다

한국은행은 2025년 5~6월, 취업자 5,512명을 대표 표본으로 조사했습니다. 생성형 AI를 한 번이라도 써본 사람은 63.5%, 업무에 쓴 사람은 51.8%였습니다. 이용자는 주당 5~7시간을 AI와 함께 보냈고, 연구진은 평균 업무시간이 3.8%, 40시간 기준 약 1.5시간 줄어든 것으로 추정했습니다.

두 번째 숫자도 함께 봐야 합니다. AI 이용자의 54.1%는 업무시간이 줄지 않았다고 답했습니다. 이 응답만으로 원인을 확정할 수는 없습니다. 도구 학습, 결과 확인과 수정, 업무 재설계에 든 시간이 절감분을 상쇄했을 가능성은 있지만 이 글에서 원인별 시간을 직접 측정하지 않았습니다. 한국노동연구원과 OECD의 현장 조사에서는 AI 도입 뒤 업무 전체 대체 8.4%, 업무 일부 대체 56.6%, 새 업무 발생 35.1%가 각각 보고됐습니다.

이 자기보고 결과는 AI 도입이 기존 업무 일부의 감소와 검증·조정 같은 새 업무의 발생에 함께 놓일 수 있음을 보여줍니다. 평균 업무시간 1.5시간 감소 추정치를 모든 개인의 생산성 증가로 바꿀 수는 없습니다. 절감된 시간을 실제로 어디에 쓰는지는 조직과 업무 설계에 따라 달라질 수 있습니다.

내 일은 직업명이 아니라 네 가지 조건으로 봐야 한다

“회계사는 위험하고 간호사는 안전하다” 같은 직업 순위는 간단하지만 실제로는 도움이 적습니다. 같은 직업 안에서도 업무가 다르기 때문입니다. 내 일을 지난 일주일 단위로 펼쳐놓고 다음 네 가지를 보면 변화의 방향이 더 정확하게 보입니다.

예를 들어 “영업”이라는 직업 하나에도 고객 목록 정리, 제안서 초안, 실제 대화, 가격 협상, 계약 책임이 섞여 있습니다. 앞의 두 가지는 빠르게 바뀌어도 뒤의 세 가지는 쉽게 사라지지 않습니다. 반대로 간호처럼 사람을 직접 돌보는 직업도 기록 요약과 안내문 작성에는 AI가 들어옵니다. 안전한 직업과 위험한 직업이 있는 것이 아니라, 자동화하기 쉬운 업무와 책임이 남는 업무가 한 직업 안에 함께 있습니다.

준비도 ‘프롬프트 공부’ 하나로 끝나지 않는다

첫째, 지난 일주일의 반복 업무를 열 개만 적어보세요. 그중 AI가 초안을 만들 수 있는 일, 사람이 최종 판단해야 하는 일, 현장에서만 가능한 일을 나눕니다. 직업 전망을 검색하는 것보다 내 일의 변화가 훨씬 선명해집니다.

둘째, 결과를 만드는 법만큼 틀린 결과를 알아보는 법을 익혀야 합니다. 출처를 확인하고, 숫자를 원문과 맞추고, 누락된 이해관계자를 찾는 능력은 AI가 널리 쓰일수록 더 비싸집니다. AI가 초안을 싸게 만들면 희소해지는 것은 초안이 아니라 믿고 승인할 수 있는 판단입니다.

셋째, 초년생이라면 완성품만 받지 말고 중간 과정을 남겨야 합니다. AI가 만든 요약을 원문과 대조하고, 코드를 한 줄씩 설명하고, 고객 답변에서 왜 특정 표현을 골랐는지 기록하는 식입니다. 회사도 신입에게 AI 금지와 무제한 사용 중 하나를 고를 것이 아니라, 검토 과정을 훈련으로 설계해야 합니다.

넷째, 한 달에 한 번만 실제 고용 신호를 봅니다. 자극적인 “사라질 직업 순위” 대신 채용 공고의 신입 비중, 내가 맡는 업무의 변화, AI 결과의 수정률을 기록하세요. 기술 뉴스보다 늦게 움직이지만 내 생계에는 훨씬 가까운 지표입니다.

2026년 8월 20일의 답

AI는 이미 거의 모든 종류의 일 옆에 와 있습니다. 하지만 현재의 이용 기록이 보여주는 모습은 직업 전체를 집어삼키는 거대한 파도보다, 업무 두세 조각부터 조용히 가져가는 물결에 가깝습니다. 국제노동기구도 전 세계 일자리 네 개 중 하나가 어느 정도 노출돼 있지만, 가장 가능성 높은 결과는 소멸보다 직무의 변형이라고 봅니다.

그렇다고 “아직 괜찮다”로 끝낼 수는 없습니다. 신입이 보고 배우던 요약, 초안, 자료 정리부터 자동화되면 첫 취업의 문과 성장의 사다리가 먼저 흔들립니다. 2026년의 진짜 질문은 내 직업명이 없어질지가 아닙니다.

내가 배우던 업무 중 무엇이 AI로 옮겨가고 있으며, 그 다음 단계의 판단을 나는 어디서 연습할 것인가. 지금 확인해야 할 것은 바로 그것입니다.

AI 이용률과 청년 고용 격차는 같은 지표가 아닙니다

METATOUR 검증 기록 · 검증 유형: 공개 보고서의 표본·분모·측정 단위 재대조 · 자료 기준: 2026-08-23 · 직접 대조: PDF 지정 쪽 완료 · 마이크로데이터 재분석: 하지 않음

비교 질문

AI 이용 기록과 급여자료에서 나온 비율을 모두 ‘AI가 없앤 일자리 비율’로 읽어도 될까요?

대조한 보고서와 위치

• Google ATLAS 보고서의 방법·표본 설명과 직업·업무 확산 결과: PDF 5쪽과 16쪽 직접 대조
• Stanford Digital Economy Lab의 청년 고용·신규 채용 분석: PDF 6쪽과 11쪽 직접 대조
• 본문이 인용한 한국은행 및 한국노동연구원·OECD 공개 조사 결과

분모와 측정 단위를 맞춘 방법

1. 각 자료의 관찰 단위를 AI 상호작용, 직업·업무, 고용과 개인 응답으로 분리했습니다.
2. Google ATLAS PDF 5쪽·16쪽과 Stanford 보고서 PDF 6쪽·11쪽에서 본문이 사용한 표본, 비교 기준과 핵심 수치의 의미를 직접 대조했습니다.
3. 이용률을 해고율로, 관찰된 고용 격차를 확정된 AI 인과효과로 바꾸지 않았습니다.

지표별 판독표

자료	실제로 측정한 것	대조한 결과	이 수치가 말하지 않는 것
Google ATLAS PDF p.5, p.16	2026년 4월 6~19일 Gemini 앱·AI Mode·Gemini API의 익명화된 상호작용 14,653,926건을 직업과 업무에 연결	AI 이용은 세부 직업의 68%에서 관찰됐고, 의미 있는 사용이 있는 직업에서 AI가 닿은 업무 비율 중앙값은 21%였습니다. 업무의 75% 이상에 사용된 직업은 3%였습니다.	답의 정확도, 시간 절감, 해고 인원 또는 직업 대체율
Stanford 급여자료 연구 PDF p.6, p.11	2021년 1월~2026년 6월의 균형 표본에서 월 350만~500만 명을 관찰해 AI 노출도가 다른 직군과 연령대의 고용 변화 및 신규 채용 흐름을 비교	22~25세에서 고노출 두 분위 고용은 약 11% 줄고 저노출 세 분위는 약 10% 늘어 21%포인트 벌어졌습니다. 논문은 비교집단과 같은 속도로 움직였을 때보다 고노출 집단 고용이 19% 낮았다고 환산했고, 주된 신호를 신규 채용 둔화로 설명합니다.	22~25세 근로자의 19%가 AI 때문에 해고됐다는 뜻 또는 확정된 인과효과
한국은행 조사	취업자의 생성형 AI 사용과 업무시간 변화	본문이 인용한 공개 조사에서는 사용 경험 63.5%, 업무 사용 51.8%, 평균 업무시간 감소 추정 3.8%가 제시됐습니다. 이용자의 54.1%는 업무시간이 줄지 않았다고 답했습니다.	AI 이용자 모두가 같은 시간을 절약했다는 뜻
한국노동연구원·OECD 조사	AI 도입 뒤 근로자가 경험한 업무 변화	본문이 인용한 공개 조사에서는 업무 전체 대체 8.4%, 업무 일부 대체 56.6%, 새 업무 발생 35.1%가 보고됐습니다.	세 수치를 서로 배타적인 하나의 100% 구성이나 해고율로 해석하는 것

두 보고서를 함께 읽은 결론

ATLAS가 보여주는 것은 AI 사용의 폭과 직업 안의 업무 침투 깊이이며, Stanford 연구가 보여주는 것은 고용자료에서 관찰된 연령별 차이입니다. 두 연구를 함께 읽을 수는 있지만 같은 지표처럼 더하거나 ‘직업의 몇 퍼센트가 사라졌다’로 바꿀 수는 없습니다. 공개 자료는 직업 전체의 즉시 소멸보다 일부 업무 변화와 초년생 신규 채용의 경고 신호를 구분해 보게 합니다.

직접 재분석하지 않은 범위

• METATOUR는 Google의 상호작용 원자료나 Stanford의 급여 마이크로데이터를 받아 통계 모형을 다시 실행하지 않았습니다.
• 직접 대조 범위는 ATLAS PDF 5쪽·16쪽과 Stanford PDF 6쪽·11쪽입니다. 보고서 전체 분석을 독립 재현한 것이 아닙니다.
• Stanford 결과는 관찰자료이며 학력 구성, 자료 대표성, 기존 추세 등 다른 설명을 완전히 제거하지 못합니다.
• 미국 고용 결과를 한국 노동시장에 그대로 적용할 수 없습니다.
• 한국 조사 결과의 일부는 자기보고이며, 업무시간 감소가 곧 생산성·임금 상승을 뜻하지 않습니다.

참고 자료

• Google Research. ATLAS: An Analysis of Large-Scale AI Usage. 2026-08-11 공개, 2026-08-20 확인. 보고서 원문 · 공식 설명
• Stanford Digital Economy Lab. Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. 2026-08-12, 2026-08-20 확인. 보고서 원문
• Anthropic. Labor market impacts of AI: A new measure and early evidence. 2026-03-05, 2026-08-20 확인. 자료 보기
• 한국은행. 「AI와 한국경제」 제3장: 우리나라 가계의 생성형 AI 사용 현황과 경제적 영향. 2025-11-10, 2026-08-20 확인. 자료 보기
• 한국노동연구원·OECD. 「AI 도입 사업체 근로자 실태조사 결과」. 2026, 2026-08-20 확인. 자료 보기
• 한국고용정보원. 「자동화와 인공지능이 고용에 미치는 영향 및 시사점」. 2026-08-03, 2026-08-20 확인. 자료 보기
• International Labour Organization. Generative AI and Jobs: A Refined Global Index of Occupational Exposure. 2025-05-20, 2026-08-20 확인. 자료 보기