2026년 8월 18일, 한국은행 조사국 고용연구팀이 낸 이슈노트에 이런 문장이 있습니다.

“이는 AI 도입 그 자체보다 어떤 방식으로 활용(자동화 vs. 증강)되는지에 따라 향후 고용효과가 달라질 수 있음을 시사한다.”1

같은 해 8월, 스탠퍼드 디지털이코노미랩이 갱신한 논문의 여섯 가지 사실 중 다섯 번째는 이렇습니다.

“Declines are concentrated in occupations where AI usage primarily substitutes for human tasks; where usage primarily complements workers, employment is flat or rising.”2

그리고 앤트로픽은 2025년 초부터 Claude 대화를 자동화(automation)와 증강(augmentation)으로 분류해 그 비율을 분기마다 공표하고 있습니다3.

세 곳이 같은 변수를 가리킵니다. AI 를 도입했느냐가 아니라, 어떤 방식으로 쓰느냐.

그런데 이 글을 쓰면서 원문을 끝까지 따라가 보니, 이 합의에는 짚고 넘어가야 할 구조가 하나 있었습니다. 그 이야기부터 하겠습니다.

1. 세 기관이 각각 무엇을 봤나

먼저 셋이 서로 다른 데이터를 본 건 사실입니다. 이건 중요합니다.

한국은행 — 국민연금 가입자 자료

오삼일·오영식 두 저자가 국민연금 가입자수와 경제활동인구조사로 청년(15~29세) 고용을 추적했습니다1.

  • 지난 4년간 청년 일자리 28.5만개 감소. 이 중 26.8만개(기여율 94%)가 AI 고노출 업종.
  • 정보서비스업 −31.4%, 출판업 −27.4%, 컴퓨터 프로그래밍업 −16.6%, 전문서비스업 −11.6%.
  • 같은 업종에서 50대 고용은 증가. 전년 보고서(2025-30호)가 ‘연공편향(seniority-biased) 기술변화’라 이름 붙인 패턴이 계속되고 있습니다4.
  • 그리고 핵심: 자동화 비중이 높은 업종일수록 청년고용 감소 폭이 컸고, 증강 비중을 기준으로 나누면 그 패턴이 나타나지 않았습니다.
  • 임금에서는 뚜렷한 영향이 안 보였습니다. 임금 경직성 때문에 고용 조정이 먼저 온다는 해석입니다4.

스탠퍼드 — ADP 급여 대장

Brynjolfsson·Chandar·Chen 이 미국 최대 급여 처리 회사 ADP 의 행정 데이터(2,600만 명 규모)로 2026년 6월까지 추적했습니다2.

  • 사실 1: 경제 전반의 대량 실직은 없습니다. ADP 표본 전체 고용은 2022년 11월 이후 약 6% 증가, 최고 노출 5분위도 약 4% 증가. 저자들은 이 안정성 자체가 정보라고 씁니다.
  • 사실 2: 22~25세는 다릅니다. AI 노출 직업의 청년 고용은 덜 노출된 또래와 같은 속도로 갔다면 도달했을 수준보다 19% 아래입니다. 경력자에겐 대응하는 격차가 없습니다.
  • 사실 3: 벌어지는 중입니다. 2025년 7월 데이터로는 15%, 2026년 6월 데이터로는 19%.
  • 사실 4: 해고가 아니라 채용 축소를 통해 일어납니다.
  • 사실 6: 조정은 임금이 아니라 고용에서 나타납니다. (한은과 같은 결론입니다.)

그리고 논문이 “the paper’s most direct evidence on mechanism” 이라고 부른 표가 있습니다. 자동화 노출·보완 노출·전체 사용량을 한 회귀식에 같이 넣고 연령대별로 돌린 결과입니다2.

  • 22~25세: 자동화 계수만 음수이고 유의합니다. 표준편차당 약 −0.10. 나이가 올라갈수록 단조적으로 작아집니다.
  • 41~49세: 보완(증강) 계수가 양수이고 유의합니다. +0.024. 50세 이상도 마찬가지.

앤트로픽 — Claude 대화 로그와 사용자 설문

앤트로픽은 실제 사용 기록을 분류합니다. 이 수치가 흥미로운 건 자꾸 뒤집히기 때문입니다3.

시점 증강 자동화
2025년 1월 56% 41%
2025년 8월 47% 49%
2025년 11월 52% 45%

1년 안에 두 번 역전됐습니다. 앤트로픽 자신의 해석은 “8월 급등이 속도를 과장했을 뿐 저변의 추세는 여전히 자동화 쪽”이라는 것이고, 11월 반등은 파일 생성·메모리·Skills 같은 제품 변화 때문일 수 있다고 씁니다3.

2026년 6월 보고서에서는 사용자 약 9,700명의 설문을 사용 기록과 연결했습니다5.

  • 경력 15년 이상인 사람은 입사 1년차보다 “AI 가 지금 내 일의 몇 %를 혼자 할 수 있나”를 약 10%p 낮게 답했습니다.
  • 그 이유를 물었더니 가장 흔한 답이 AI 에게 없는 것으로 “judgment, contextual awareness, and situational reasoning” 을 꼽았고, 15년 이상 경력자는 특히 신뢰 구축·사람 관리 같은 관계적 차원을 들었습니다.

2. 그런데 셋의 눈금은 같은 자 하나에서 나왔다

여기가 이 글을 쓰게 만든 지점입니다.

한국은행 보고서 본문에는 이렇게 적혀 있습니다.

“Handa et al.(2025)은 Claude 실제 사용 기록을 분석하여 업무별로 자동화 및 증강 업무 활용 비중을 산출하였는데, 본고에서는 이를 업종별 수치로 변환하여 활용하였다.”1

스탠퍼드 논문도 같습니다.

“we use data on generative AI usage from the Anthropic Economic Index (Handa et al., 2025)… We use these classifications as estimates of whether the usage of AI in an occupation is primarily a substitute or complement for labor.”2

Handa et al. (2025) = 앤트로픽 이코노믹 인덱스의 원논문입니다6.

즉 구조는 이렇습니다.

층위 한국은행 스탠퍼드 앤트로픽
결과 변수 (고용이 어떻게 됐나) 국민연금 가입자수 ADP 급여 대장 사용자 설문
설명 변수 (자동화냐 증강이냐) Handa et al. 2025 Handa et al. 2025 본인들이 만든 것

결과 쪽 데이터 세 개는 진짜로 독립입니다. 한국 국민연금과 미국 급여 대장이 서로를 베낄 수는 없습니다. 하지만 설명 변수는 하나입니다. 셋이 “자동화 비중이 높은 쪽에서 청년 고용이 줄었다”고 말할 때, 그 “자동화 비중”은 전부 같은 곳에서 왔습니다. Claude 대화 기록에 앤트로픽의 분류기를 돌려 나온 숫자입니다.

이건 부정직해서가 아닙니다. 이 눈금을 만든 데가 거기밖에 없기 때문입니다. 실제 사용 로그 규모로 과업별 자동화/증강 비중을 공개한 곳이 달리 없습니다. 하지만 결과적으로 셋의 합의는 서로 다른 세 번의 측정이 아니라, 서로 다른 세 개의 결과를 하나의 자로 잰 것입니다. 그 자가 틀리면 셋이 같이 틀립니다.

그래서 그 자의 약점을 알아야 합니다. 세 가지가 걸립니다.

① 잰 사람이 전 국민이 아닙니다. 앤트로픽 설문 응답자의 약 30%가 컴퓨터·수학 직군입니다. 미국 고용에서 그 직군 비중은 4% 입니다. 앤트로픽 본인이 “The Economic Index Survey is not representative of the general population” 이라고 명시합니다5. 운송·음식서비스·건설은 설문에서도, 사용 기록에서도 과소 대표됩니다.

② 몇 달 만에 뒤집힙니다. 위 표에서 본 대로입니다. 2025년 3월 스냅샷으로 4년치 고용 데이터를 설명하는 게 정당한지는 따져야 할 문제입니다. 다만 스탠퍼드는 이걸 알고 있었고, 2025년 3월 릴리스(Panel A)와 이후 릴리스를 모은 것(Panel B) 양쪽으로 돌려 같은 결과가 나온다고 보고합니다2. 이건 공정하게 인정해야 합니다.

③ 기업이 무엇을 배치했는지가 아닙니다. 이건 대체로 개인이 채팅창에 무엇을 쳤는지의 기록입니다. 회사가 어떤 업무를 파이프라인에 넣어 사람 없이 돌리는지와는 다릅니다. 실제로 앤트로픽 자신이 API 트래픽은 완전히 다르다고 보고합니다 — 1P API 는 directive 가 64%(Claude.ai 는 32%), 자동화가 4분의 3입니다3. 업무가 채팅에서 API 로 넘어가는 순간, 같은 업무의 자동화 비중이 뛴다는 뜻입니다.

3. 그래도 남는 것 — 방향이 아니라 메커니즘

눈금을 공유한다는 걸 알고 나서도 버려지지 않는 게 하나 있습니다. 세 기관이 서로 다른 데이터로 같은 메커니즘을 말한다는 점입니다.

한국은행 본문:

“경력자는 기업과 산업에 특화된 경험과 암묵지, 고객 및 동료와의 관계, 예외적 상황에 대한 판단력을 보유하고 있다. AI가 생성한 결과를 검증하고 업무 목적에 맞게 수정해 실제 의사결정에 활용하는 데에도 이러한 경험이 필요하다. 따라서 AI는 주니어의 정형화된 업무를 일부 대체하는 동시에 시니어의 판단과 생산성을 보완한다.”1

스탠퍼드의 연령 기울기: 자동화 계수는 젊을수록 크게 음수, 보완 계수는 나이 들수록 양수.

앤트로픽 설문: 경력 15년 이상이 신입보다 “AI 가 내 일을 할 수 있다”고 10%p 낮게 답하고, 그 이유로 판단·맥락·상황 추론을 꼽음.

이건 같은 자를 공유해서 나온 결과가 아닙니다. 한국은행의 암묵지 논의는 국민연금 데이터와 문헌에서, 앤트로픽의 10%p 는 자체 설문에서 나왔습니다. 정형화된(codified) 지식은 넘어가고, 암묵적(tacit)·맥락적 지식은 안 넘어간다 — 이 메커니즘은 세 군데에서 독립적으로 지지됩니다.

그래서 제가 이 글에서 실제로 신뢰하는 건 “자동화 비중 4분위가 −X%p”라는 수치가 아니라, “정형화된 조각이 먼저 간다”는 방향입니다.

4. 불편한 반증 — 자동화를 많이 하는 사람은 더 낙관적이다

“자동화는 나쁘고 증강은 좋다”로 정리하면 편합니다. 그런데 앤트로픽 자신의 설문이 그걸 막습니다.

“Across all six dimensions, people with a higher share of automated sessions feel more optimistic about the effect of AI on their job outcomes next year compared to those who use Claude more augmentatively.”5

여섯 개 차원(급여·고용안정·재취업 가능성·의미·자율성·인간관계) 전부에서 그렇고, 효과가 가장 큰 건 미래 급여와 재취업 가능성이었습니다. 자기 기술의 시장가치가 오르고 있다고 답한 비율도 자동화 비중과 같이 올라갑니다.

그리고 같은 설문에 이런 항목이 있습니다.

응답자들은 자기보다 남의 실직을 더 걱정했고, 특히 후배(junior colleague) 를 걱정했습니다. 3분의 1 이상이 후배가 1년 안에 일자리를 잃을 확률을 60% 넘게 봤습니다. 본인 실직을 ‘가능성 높음’으로 본 비율은 10% 였습니다5.

이 두 줄을 나란히 놓으면 구조가 보입니다. 자동화를 결정하는 사람은 이득을 보고, 비용은 그 사람이 뽑지 않은 주니어가 치릅니다. 한국은행이 같은 것을 ‘인재 파이프라인 문제’라고 부릅니다 — “개별 기업에는 AI를 활용해 초급 인력 채용을 줄이는 것이 합리적일 수 있지만, 많은 기업이 같은 선택을 하면 장기적으로 숙련인력의 공급이 부족해지는” 문제1.

이건 도덕 얘기가 아니라 구성의 오류 얘기입니다. 개별적으로 옳은 선택이 합치면 틀리는 구조에서는, 개인에게 “증강을 선택하라”고 말해봐야 잘 안 먹힙니다.

한 가지 더. 자동화가 주니어에게 무조건 불리한 것도 아닙니다. 한국은행이 직접 인용하는 반대 증거가 있습니다 — 생성형 AI 의 생산성 향상 효과가 경험이 적은 근로자에게 더 크게 나타난 연구들입니다7. 한국은행 자신의 가계조사에서도 업무시간 단축 효과가 경력이 짧은 쪽에서 더 크게 나와 “평준화 효과(equalizing effect)”라고 부릅니다8. 그래서 한국은행은 지금의 연공편향을 “AI의 본질적이고 영구적인 효과라기보다, 기업이 기존 업무구조를 유지한 채 AI를 초급 업무의 비용 절감 수단으로 활용하는 도입 초기의 현상“으로 봅니다1.

5. 개발자에게 실제로 걸리는 지점 — 변수는 모델이 아니라 제품이다

여기서부터는 우리 얘기입니다. 위 글자들 중 컴퓨터 프로그래밍업 −16.6% 가 제 눈에는 제일 크게 보였습니다.

앤트로픽 2026년 6월 보고서에 아주 구체적인 수치가 있습니다5.

  • 같은 종류의 산출물을 만들 때, Claude Code 세션이 채팅/Cowork 보다 AI 자율성이 평균 0.37점 높습니다(1~5점 척도). 31개 산출물 유형 중 26개에서 그렇습니다.
  • 블로그 글 하나를 예로 들면: 채팅에서 만든 중앙값 대화는 13번의 주고받기, Claude Code 에서 만든 중앙값 세션은 사람 프롬프트 1개.
  • 모델 탓이 아닙니다. Claude Code 세션의 54%가 Opus 로 처리되고 채팅은 10%이지만, 같은 모델(Sonnet)끼리 비교해도 Claude Code 쪽이 0.26점 높습니다. 앤트로픽의 결론: “the product used is likely more important than the underlying model”.

이 줄을 세 기관의 합의 위에 얹으면 이렇게 읽힙니다.

내 팀이 AI 를 증강으로 쓰는지 대체로 쓰는지는 모델 선택이 아니라 워크플로 설계가 결정한다. 그리고 그건 내가 오늘 정한다.

같은 Sonnet 으로 같은 산출물을 만들어도, 13턴을 돌면 증강 쪽이고 프롬프트 하나 던지고 머지하면 자동화 쪽입니다. 세 기관이 지목한 그 변수는 추상적인 정책 변수가 아니라, PR 하나 단위로 셀 수 있는 값입니다.

6. 그래서 무엇을 다르게 할 것인가

① 전체 숫자만 보면 아무 일도 안 일어난 것처럼 보입니다. 스탠퍼드의 첫 번째 사실이 그겁니다 — 경제 전체로는 고용이 늘고 있습니다. 팀 헤드카운트 총계는 신호가 아닙니다. 연차별로 쪼개야 보입니다.

② 임금은 늦게 움직입니다. 한국은행과 스탠퍼드가 각각 독립적으로 같은 말을 합니다 — 조정은 임금이 아니라 고용에서 먼저 나타납니다. 연봉 테이블이 멀쩡하다는 건 아무것도 보증하지 않습니다.

③ 정형 업무를 넘길 때, 그게 누구의 학습 경로였는지 먼저 적어 두십시오. 주니어가 하던 반복 작업을 AI 에 넘기는 건 대부분 합리적입니다. 다만 그 작업이 생산만 하고 있던 게 아니라 암묵지 축적도 같이 하고 있었다면, 그 두 번째 기능을 다른 데서 복원해야 합니다. 한국은행의 정책 결론이 정확히 이겁니다 — “기존 초급 일자리를 보전하기보다, 청년이 AI와 함께 경험과 암묵지를 축적할 수 있도록 경력 사다리를 재설계하는 데 초점”1.

④ 내 팀의 자동화/증강 비율을 실제로 세십시오. 거창한 계측이 필요 없습니다. 최근 머지된 PR 중 “프롬프트 한 번에 나온 것”과 “여러 번 주고받으며 다듬은 것”의 비율이면 충분한 대리 지표입니다. 세 기관이 공유하는 그 눈금의 팀 버전입니다.

7. 이 글이 답하지 못하는 것

  • 인과가 아닙니다. 스탠퍼드가 명시합니다 — “We interpret these facts as early, descriptive indicators—canaries in the coal mine—rather than causal estimates”2. 게다가 이 격차는 생성형 AI 이전, 특히 코로나 시기에도 일부 벌어지고 있었고, 학력을 통제하면 약해집니다. 저자들이 직접 밝힌 한계입니다.
  • 한국은행도 같은 유보를 답니다. “최근의 청년고용 부진을 곧바로 AI의 영향으로 해석하는 데에는 신중할 필요가 있다… 팬데믹 이후 과잉채용의 정상화, 경력직 중심 채용, 기업 내부교육 약화, 재택근무 확산이 함께 작용했을 수 있다. 따라서 현재의 변화는 AI만의 직접적인 효과라기보다 기존의 채용·업무방식 변화를 AI가 가속화한 결과로 보는 것이 적절하다”1.
  • 앤트로픽 자료는 벤더 1차 자료입니다. 자기 제품 사용 로그를 자기 분류기로 분류하고 자기가 해석한 것입니다. 이 글에서 가장 이해충돌이 큰 출처이고, 그래서 여기서 온 숫자는 전부 “앤트로픽 측정”으로 적었습니다. 다만 2절에서 봤듯 이 자료가 학술·정책 연구의 설명 변수로 이미 들어가 있다는 사실 자체가, 벤더 자료라는 이유로 무시할 수 없는 이유이기도 합니다.
  • “증강을 선택하라”는 조언은 공짜가 아닙니다. 자동화가 싼 데는 이유가 있습니다. 13턴을 도는 건 1턴보다 비쌉니다. 이 글은 그 비용을 누가 어떤 근거로 부담해야 하는지에 답하지 못합니다.
  • 저는 이해당사자입니다. AI 코딩 도구를 매일 쓰고, 이 글도 그 도구를 쓰는 환경에서 정리했습니다. 5절의 낙관 쪽으로 기울 유인이 있습니다.

References

  1. 오삼일·오영식(한국은행 조사국 고용연구팀), “[제2026-19호] 청년고용 위축, AI탓인가? 변화하는 경력 사다리와 대응 과제”, BOK 이슈노트 제2026-19호, 2026년 8월 18일. 중앙은행 1차 자료. 청년 일자리 28.5만개 감소 중 26.8만개(94%)가 AI 고노출 업종, 업종별 감소율, 자동화/증강 비중별 청년고용 패턴, Handa et al.(2025) 사용 명시, 암묵지·인재 파이프라인 논의, AI 이외 대체 가설. 인용 시 “BOK 이슈노트 No.2026-19에서 인용” 표기가 요구됩니다. ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8

  2. Erik Brynjolfsson, Bharat Chandar, Ruyu Chen, “Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence” (2026년 8월판, PDF), Stanford Digital Economy Lab. ADP 행정 급여 데이터, 2026년 6월까지. 여섯 가지 사실, 22~25세 19% 격차(2025년 7월 시점 15%), 자동화 계수 −0.10/표준편차와 보완 계수 +0.024의 연령 기울기, Anthropic Economic Index 를 설명 변수로 사용한다는 명시, 2025년 3월 릴리스와 이후 릴리스 양쪽에서의 강건성, pre-trend 및 학력 통제 시 약화, “descriptive indicators… rather than causal estimates” 라는 저자들의 자기 제한. 라이브 갱신판은 Canaries Dashboard. ↩ ↩2 ↩3 ↩4 ↩5 ↩6

  3. Anthropic, “Anthropic Economic Index report: Economic primitives” (2026년 1월 15일, 2025년 11월 데이터). 증강/자동화 비중의 시계열(2025년 1월 56%/41% → 8월 47%/49% → 11월 52%/45%), directive 대화 비중 27%→39%→32%, 1P API 의 directive 64%와 자동화 4분의 3, 다섯 가지 상호작용 유형(directive·feedback loop / learning·task iteration·validation)의 정의. 벤더 1차 자료. ↩ ↩2 ↩3 ↩4

  4. 한진수·오삼일(한국은행), “[제2025-30호] AI 확산과 청년고용 위축: 연공편향(seniority-biased) 기술변화를 중심으로”, BOK 이슈노트, 2025년 10월 30일. ‘연공편향 기술변화’ 명명, 임금보다 고용이 먼저 조정된다는 해석, 정형화된(codified) 업무와 암묵지(tacit knowledge)의 구분. ↩ ↩2

  5. Anthropic, “Anthropic Economic Index report: Cadences” (2026년 6월 26일). 약 9,700명 연결 설문. 경력 15년 이상의 보고된 노출도가 1년차보다 약 10%p 낮음, AI 가 못 하는 것으로 지목된 “judgment, contextual awareness, and situational reasoning”, 자동화 비중이 높은 사용자가 여섯 차원 전부에서 더 낙관적, 후배 실직 우려(3분의 1 이상이 60% 초과로 응답)와 본인 실직 우려 10%, Claude Code 의 자율성 +0.37점(동일 모델 비교 시 +0.26점)과 “the product used is likely more important than the underlying model”, 블로그 산출물의 중앙값 13턴 대 1프롬프트, 표본 비대표성에 대한 자체 고지. 벤더 1차 자료. ↩ ↩2 ↩3 ↩4 ↩5

  6. Kunal Handa, Alex Tamkin, Miles McCain, Saffron Huang, Esin Durmus, Sarah Heck, Jared Mueller, Jerry Hong, Stuart Ritchie, Tim Belonax, Kevin K. Troy, Dario Amodei, Jared Kaplan, Jack Clark, Deep Ganguli, “Which Economic Tasks are Performed with AI? Evidence from Millions of Claude Conversations”, arXiv:2503.04761 (2025). 앤트로픽 이코노믹 인덱스의 원논문이자, 한국은행 2026-19호와 스탠퍼드 논문이 공통으로 자동화/증강 비중의 출처로 사용한 문헌. 벤더(앤트로픽) 자체 사용 로그 기반이라는 점을 감안해 읽어야 합니다. ↩

  7. Erik Brynjolfsson, Danielle Li, Lindsey R. Raymond, “Generative AI at Work”, Quarterly Journal of Economics 140(2), pp. 889–942 (2025). 동료심사 논문. 생성형 AI 의 생산성 향상 효과가 경험·숙련이 낮은 근로자에게 더 크게 나타난다는 결과로, 한국은행 2026-19호가 연공편향의 반대 증거로 직접 인용합니다. ↩

  8. 서동현·오삼일·김민정(한국은행), “[제2025-22호] AI의 빠른 확산과 생산성 효과: 가계조사를 바탕으로”, BOK 이슈노트. 국내 근로자 생성형 AI 활용률 63.5%(업무 한정 51.8%), 업무시간 3.8% 단축, 생산성 향상 1.0% 추정, 경력이 짧은 근로자에게 단축 효과가 더 크게 나타나는 평준화 효과. ↩