노벨상급 경제학자 3인, "AI는 노동자를 위한 방향으로 가고 있지 않다"

대런 에이스모글루, 데이비드 오터, 사이먼 존슨이 함께 논문을 발표하면 경제학계 전체가 주목합니다. 이들은 변방의 목소리가 아닙니다. 에이스모글루는 2024년 노벨 경제학상 수상자입니다. [Fact] 오터는 기술과 노동시장의 관계를 재정립한 "태스크 프레임워크"의 원저자입니다. [Fact] 존슨은 전 IMF 수석 이코노미스트이자 MIT 슬론 경영대학원 교수로, 권력 집중이 경제적 결과를 어떻게 형성하는지에 관한 저서를 집필했습니다. [Fact]

2026년 2월 브루킹스 연구소 해밀턴 프로젝트를 통해 발표된 이들의 새 논문은 직설적인 메시지를 담고 있습니다. 지금 우리가 AI를 만드는 방식은 노동자를 돕도록 설계되어 있지 않다는 것입니다. [Claim] 의도적으로 방향을 바꾸지 않으면, 현대 노동 역사상 가장 강력한 역량 증폭기가 될 수 있는 기술이 오히려 또 다른 불평등의 엔진이 될 것이라고 경고합니다.

핵심 문제: AI는 증강이 아니라 자동화를 하고 있다

저자들은 대부분의 AI 담론이 간과하는 결정적인 구분을 제시합니다. 이들은 기술이 노동에 미치는 영향에 따라 다섯 가지로 분류합니다. 노동 증강(노동자를 더 효과적으로 만드는 것), 자본 증강(기계를 개선하는 것), 자동화(인간의 작업을 기계로 대체하는 것), 전문성 평준화(새로운 노동자가 전문 업무를 수행할 수 있게 하는 것), 그리고 새로운 업무 창출(완전히 새로운 종류의 인간 노동을 만들어내는 것)입니다. [Fact]

이 다섯 가지 중 "새로운 업무 창출" 기술만이 노동자에게 분명히 이로운 영향을 미칩니다. [Fact] 나머지는 모두 트레이드오프를 수반하며, 현재 AI 투자 지형은 자동화 쪽으로 크게 기울어져 있습니다.

저자들의 표현을 빌리면: "현재 AI의 초점 대부분은 태스크 자동화와 범용 인공지능(AGI) 수준의 고급 역량 개발에 맞춰져 있으며, 노동자 친화적 AI 개발에는 상대적으로 적은 에너지와 투자가 흐르고 있다." [Fact] 이유는 간단한 경제 논리입니다. 선도 기업들은 인간을 위한 새로운 업무를 만드는 것보다 전문 지식을 자동화하는 것에서 더 큰 수익을 기대합니다. [Claim]

이러한 프레이밍은 자신의 직업이 AI에 얼마나 노출되어 있는지 지켜보는 모든 사람에게 중요합니다. 소프트웨어 개발자의 AI 노출도가 높다고 보고할 때, 자연스러운 질문은 이것입니다: 정확히 무엇에 대한 노출인가? 업무를 대체하는 자동화인가, 아니면 역량을 증폭시키는 증강인가? 에이스모글루, 오터, 존슨은 그 답이 지금 우리가 내리는 정책적 선택에 달려 있다고 주장합니다.

"노동자 친화적 AI"는 실제로 어떤 모습인가

이 논문은 "노동자 친화적 기술"을 인간의 기술과 전문성을 덜 가치 있게 만드는 것이 아니라 더 가치 있게 만드는 기술로 정의합니다. [Fact] 간호사가 놓칠 수 있는 질환을 포착하도록 돕는 진단 AI 도구를 생각해 보세요. 간호사 자체를 불필요하게 만드는 AI 시스템이 아니라요. 소프트웨어 개발자가 더 빠르게 기능을 구현할 수 있게 해주는 코드 완성 도구를 생각해 보세요. 개발자를 완전히 대체하는 자율 코딩 에이전트가 아니라요.

이 구분은 특정 직업에 있어 매우 중요합니다. 고객 서비스 상담원에게 노동자 친화적 AI란 복잡한 통화 중 관련 정보를 즉시 표면화하여 상담원이 문제를 더 빠르게 해결할 수 있도록 돕는 도구입니다. 대안은 인간의 개입 없이 대부분의 문의를 처리하는 챗봇이며, 이것이 현재 투자 경쟁에서 이기고 있는 방향입니다.

회계사의 경우, 일상적인 컴플라이언스 점검을 자동화하여 회계사가 자문 업무에 집중할 수 있게 하는 AI와, 자문 업무까지 처리하여 직업의 가치 사슬 자체를 무너뜨리는 AI 사이의 차이입니다.

행정 보조원의 경우, AI 일정 관리와 이메일 도구가 그들을 복잡한 워크플로우의 핵심 조정자로 만드는지, 아니면 그런 도구들이 단순히 그 역할 자체를 불필요하게 만드는지가 관건입니다.

9가지 정책 제안

이 논문은 진단에서 그치지 않습니다. AI 개발을 노동자 친화적 방향으로 전환하기 위한 9가지 구체적인 정책 개입을 제안합니다. [Fact]

가장 눈에 띄는 제안은 미국 세법을 겨냥합니다. [Fact] 현행 세금 정책은 Section 168 보너스 감가상각과 같은 조항을 통해 기업이 직원을 채용하거나 교육하는 것보다 장비와 소프트웨어에 투자하는 것을 더 저렴하게 만듭니다. [Fact] 저자들은 이것이 자동화를 향한 체계적 편향을 만든다고 주장합니다. 노동자를 소프트웨어로 대체하는 것이 세금 혜택을 받지만 해당 노동자를 교육하는 것은 그렇지 않다면, 경제적 인센티브는 대체 방향으로 흐를 수밖에 없습니다.

다른 제안으로는 연방 보조금을 노동자 친화적 AI 연구로 유도하기, DARPA 방식의 경쟁 상금으로 노동자 친화적 혁신 촉진하기, 기술 경쟁을 보장하기 위한 반독점 집행 강화, 그리고 AI 시스템에 의한 노동자 전문 지식 추출을 방지하는 법적 프레임워크 마련이 있습니다. 저자들은 이를 "전문성 도용" 방지라고 부릅니다. [Fact]

두 가지 제안은 특정 분야에 초점을 맞춥니다: 의료와 교육입니다. [Fact] 저자들은 이 분야에서 노동자 친화적 AI가 특히 큰 긍정적 영향을 미칠 수 있다고 봅니다. AI로 증강된 전문가들이 단순히 비용을 절감하는 것이 아니라 서비스 접근성을 획기적으로 확대할 수 있는 분야이기 때문입니다.

마지막 제안들은 권력 역학을 다룹니다. AI 배치 결정에서 노동자의 목소리를 위한 메커니즘, 그리고 AI로 역량이 확장된 노동자들이 확장된 능력의 정점에서 활동할 수 있도록 면허 제한을 완화하는 것입니다. [Fact]

우리가 이미 알고 있는 것과의 연결

이 논문은 증가하는 증거들에 중요한 정책적 차원을 더합니다. 저희는 AI 노출 직업이 ChatGPT 출시 전부터 이미 감소하고 있었다는 연구, 기업들이 측정 가능하게 AI로 인력을 대체하고 있다는 연구, 그리고 브루킹스가 600만 미국 노동자가 높은 AI 위험과 낮은 적응 역량에 직면해 있다고 발견한 내용을 다뤘습니다.

에이스모글루, 오터, 존슨은 이러한 추세가 불가피하지 않은 이유에 대한 이론적 토대를 제공합니다. 대체가 일어나는 이유는 AI가 본질적으로 노동자에게 적대적이기 때문이 아니라, 인센티브 구조가 증강보다 자동화를 선호하기 때문입니다. [Claim] 인센티브를 바꾸면 기술의 방향도 바꿀 수 있습니다.

이것은 보기보다 낙관적인 프레이밍입니다. 결과가 미리 정해져 있지 않다는 뜻이니까요. 하지만 동시에 시장이 알아서 노동자 친화적 AI를 만들어줄 것이라고 가만히 기다리는 것은, 저자들의 시각에서 순진한 생각입니다. 사이먼 존슨은 직접적으로 이렇게 말했습니다: "우리는 현재 노동자 친화적 AI 경로에 있지 않다." [Fact]

당신의 커리어에 미치는 의미

소프트웨어 개발자, 회계사, 고객 서비스 상담원, 또는 행정 보조원이라면, 이 논문은 단순한 자동화 위험 점수를 넘어서는 미래를 생각하는 프레임워크를 제공합니다.

질문은 단지 "AI가 내 직업에 영향을 미칠 것인가?"가 아닙니다 — 거의 확실히 그럴 것입니다. 진짜 질문은 당신의 고용주, 산업, 정부가 당신을 더 가치 있게 만드는 AI에 투자하고 있는지, 아니면 당신을 대체 가능하게 만드는 AI에 투자하고 있는지입니다. [Claim]

실질적으로 이것은 세 가지를 의미합니다. 첫째, AI가 당신의 자리를 대체하는 것이 아니라 당신의 손에 쥐어진 도구로 활용되는 역할과 조직을 찾으세요. 둘째, 업무에서 판단 집약적인 부분 — AI가 자동화하기보다 증강하는 영역 — 에서 전문성을 개발하세요. 셋째, 정책 논의에 관심을 가지세요. 세법, 반독점 집행, 노동 규제가 AI가 당신의 부조종사가 될지 후임자가 될지를 결정할 것입니다.

전문은 브루킹스 해밀턴 프로젝트에서 확인할 수 있습니다.

---

이 분석은 Acemoglu, Autor, Johnson (2026)의 원본 연구를 기반으로 AI의 도움을 받아 작성되었습니다. 특정 직업의 상세 AI 노출 데이터는 직업 페이지에서 확인하세요.