당신의 직업은 25개의 과업이다. 이제 하나씩 값이 매겨졌다

어떤 기술을 도입할지 동료에게 조언하는 소프트웨어 엔지니어가, 시스템이 왜 멈췄는지 진단하는 엔지니어보다 더 많이 받습니다. 같은 직함, 같은 회사, 다른 임금입니다.

이제 그 격차가 측정됐습니다. ADP 리서치와 스탠퍼드 디지털 이코노미 랩은 ADP 고객사의 채용공고 500만 건 이상을 급여 기록상의 노동자 900만 명 이상과 연결한 뒤, 노동통계가 거의 답하지 않는 질문을 던졌습니다. 직업 안에 들어 있는 개별 과업 하나하나는 실제로 얼마짜리인가? [사실]

그 답은 지난 3년간 가장 많이 반복된 AI 시대 커리어 조언 하나를 깨뜨립니다.

이 연구가 실제로 한 일

2026년 7월 29일, ADP 리서치의 넬라 리처드슨과 스탠퍼드 디지털 이코노미 랩의 앤드루 왕이 발표했습니다. [사실] 분석 표본은 헤드라인 숫자보다 훨씬 좁습니다. 2019년부터 2025년까지 선별된 IT 직무의 노동자 약 7,000명, 600개 이상 고용주에 걸친 2만 건 이상의 '노동자-연도' 관측치입니다. [사실]

각 채용공고는 O*NET의 중간 수준 작업활동(Intermediate Work Activity) 정의 25개에 매핑됐고, 그 직무가 실제로 어떤 활동을 포함하는지를 설명변수로 노동자 임금을 회귀분석했습니다. 연령, 성별, 연도 고정효과, 회사별 특성을 통제했고요. [사실] 이 통제가 중요합니다. 통제하지 않으면 "돈 많은 회사의 고연차가 더 번다"는 사실을 재발견하는 데 그칩니다.

결과보다 설계가 더 중요한 이유

널리 인용되는 AI-일자리 숫자는 거의 전부 같은 방법에서 나옵니다. 전문가가 과업 설명을 읽고 얼마나 자동화 가능해 보이는지 평정하는 방식이죠. 2013년 프레이와 오스본이 했고, 이후 연구 대부분은 그 접근을 대체한 게 아니라 다듬었습니다. 약점은 구조적입니다. 이 방법이 재는 건 '식견 있는 사람들이 기술이 무엇을 할 수 있다고 믿는지'인데, AI에 대한 믿음은 2022년 이후 격렬하게 요동쳤습니다.

채용공고-급여 연결 데이터는 전혀 다른 일을 합니다. 어떤 직무가 특정 과업을 포함했을 때 고용주가 실제로 얼마를 지급했는지를, 기술 도래 전후로 관찰합니다. 아무에게도 예측을 요구하지 않습니다. 시스템 모니터링의 값이 떨어졌다면, 누가 그걸 예측했든 말든 급여 파일 안에서 떨어진 겁니다.

IT 노동자 7,000명짜리 연구가 표본 크기에 비해 과분한 주목을 받을 자격이 있는 이유가 여기 있습니다. 같은 종류 증거가 더 쌓인 게 아니라, 다른 종류의 증거입니다. [주장]

어떤 과업이 임금을 짊어지는가

검토된 25개 활동 중 8개는 더 높은 임금과, 6개는 더 낮은 임금과 연결됐습니다. [사실]

상단에는 기술의 설계나 활용에 대해 타인에게 조언하는 일, 그리고 데이터베이스를 설계하는 일이 있습니다. 하단에는 시스템·장비 문제를 진단하는 일, 컴퓨터·정보기술의 운영을 모니터링하는 일이 있습니다. [사실]

두 목록을 나란히 놓으면 난이도와는 아무 상관 없는 패턴이 드러납니다. 장애를 진단하는 일은 어렵습니다. 동시에 반응적이고, 경계가 있고, 검증 가능합니다. 누군가 고장 났다고 알려주면 왜 그런지 찾아내는 일이니까요. 아키텍처를 조언하는 일은 열려 있고, 그 결과는 몇 달 뒤에 떨어집니다. 시장이 값을 치르는 대상은 기술이 아니라 불확실성 속에서의 판단입니다.

그리고 그게 정확히 현재 AI 시스템이 걸터앉아 있는 경계입니다.

표준 조언을 깨뜨리는 발견

여기서 한 번 멈춰야 합니다.

5개 과업은 2019~2022년 대비 2023~2025년에 보상이 줄었습니다. 생성형 AI가 널리 쓰이기 전과 후의 비교죠. [사실] 그중 하나가 "시스템·프로세스·제품의 모델을 개발하는" 과업인데, 이건 전체적으로는 여전히 고가치 활동 축에 드는 과업입니다. [사실]

지난 3년간의 표준 조언은 이랬습니다. 실행에서 설계·모델링·아키텍처 쪽으로 올라가라, AI가 거기까지는 따라오지 못하니까. 이 데이터는 그 조언의 일부가 이미 낡았다고 말합니다. 모델링 작업은 여전히 프리미엄을 받습니다. 다만 그 프리미엄이 줄어들고 있습니다.

개수를 놓고 계산해보면 더 선명해집니다. 25개 활동 중 14개가 어느 방향으로든 뚜렷한 임금 신호를 냈다는 건, 11개 — 거의 절반 — 는 구분 가능한 임금 차이를 전혀 보이지 않았다는 뜻입니다. [추정 — 발표된 개수에서 저희가 직접 도출.] 그런 배경에서 5개 과업이 2022년 이후 함께 아래로 움직였다면, 그건 그냥 잡음으로 보기 어렵습니다.

이 발표가 주지 않는 것

한 가지 한계는 분명히 말해야 합니다. 위의 모든 내용에 실을 수 있는 무게가 달라지기 때문입니다.

공개된 글은 어떤 과업이 더 높거나 낮은 임금과 연결되는지는 알려줍니다. 그런데 '얼마나'는 알려주지 않습니다. [사실] 공개 버전에는 퍼센트 프리미엄도, 금액도, 표준오차도, 통계적 유의성에 대한 논의도 없습니다. "고가치"로 분류된 과업이 15%의 임금 프리미엄을 뜻할 수도, 1.5%를 뜻할 수도 있는데 이 발표만으로는 알 수 없습니다. [주장]

범위도 헤드라인 숫자가 시사하는 것보다 좁습니다. IT 노동자 약 7,000명은 IT에 대해서는 괜찮은 표본이지만 간호나 물류, 교육에 대해서는 아무것도 말해주지 않습니다. 게다가 급여 대행 업체 한 곳의 고객사 기반을 통과한 데이터이고, 그건 미국 고용주의 무작위 표본이 아닙니다.

그러니 이건 측정치가 아니라 방향으로 다루십시오. 방향은 잘 식별됐습니다. 크기는 공개되지 않았습니다.

IT 종사자라면 이걸 어떻게 쓸까

실용적 함의는 "아키텍처를 배워라"보다 훨씬 좁습니다.

자기 한 주를 꺼내서 두 목록으로 분류해 보세요. 시스템 모니터링과 장애 진단, 즉 이 데이터가 낮은 임금과 연결한 과업에 몇 시간을 쓰고 있습니까? 다른 사람이 책임지게 될 결정에 조언하거나, 다른 사람이 그 위에 쌓아 올릴 구조를 설계하는 데는 몇 시간을 쓰고 있습니까?

비중이 첫 번째 목록으로 크게 기울어 있다면, 위험은 당신의 일자리가 사라지는 게 아닙니다. 일자리는 남고 그 값이 떨어지는 겁니다. 이게 더 조용한 형태의 AI 대체이고, 실업률 통계에는 전혀 잡히지 않습니다.

같은 논리가 "AI가 개발자를 대체한다"는 논쟁의 틀도 바꿉니다. 과업마다 값이 따로 매겨지고 AI가 그중 일부의 값을 압축한다면, 어떤 직업은 인원수를 유지하면서 임금을 잃을 수 있습니다. ADP가 내놓은 결론은 "AI의 가장 크고 가장 즉각적인 영향은 직업 전체가 아니라 과업에 나타난다"는 것입니다. [사실] 이건 고용에 관한 주장인 만큼이나 임금 구조에 관한 주장입니다.

이 연구가 다루는 직무들의 과업 단위 노출도와 자동화 수치는 여기서 보실 수 있습니다. 소프트웨어 개발자, 컴퓨터 시스템 분석가, 데이터베이스 관리자, 컴퓨터 네트워크 지원 전문가.

마지막으로 눈여겨볼 게 하나 있습니다. 이 데이터에서 가장 높은 자리를 차지한 과업, 즉 기술의 설계·활용에 대해 타인에게 조언하는 일은 다른 인간이 그 조언을 받아들여야만 성립하는 일입니다. 그 조건이 아주 많은 일을 해내고 있습니다.

아무도 값을 매기지 않는 11개 과업

이 데이터에서 간과된 지점은 분포의 한가운데입니다.

25개 활동 중 11개는 어느 방향으로도 구분 가능한 임금 신호를 내지 않았습니다. 그 과업을 포함한 직무든 아니든 시장이 현재로선 다르게 지불하지 않는다는 뜻입니다. [추정 — 발표된 개수에서 도출.] 다음으로 들여다볼 곳이 바로 여기라고 생각합니다. 그리고 이 연구에서 아무도 기사로 쓰지 않을 부분이기도 하고요.

값이 매겨지지 않은 과업은 임금 결정 과정에서 그 가치가 보이지 않는 과업입니다. 보이지 않는 가치는 아무도 손실로 기록하지 않은 채 자동화로 사라지기 가장 쉬운 종류입니다. 사람들이 논쟁하는 과업들 — 코딩, 모델링, 조언 — 에는 값이 붙어 있고, 그래서 그것을 방어할 이해관계자가 있습니다. 나머지 11개에는 둘 다 없습니다. AI가 그것부터 가져간다면, 그 과업에 기대고 있던 일이 무너지기 시작할 때까지 급여 데이터에는 아무것도 나타나지 않습니다.

출처

• ADP Research · Stanford Digital Economy Lab (Nela Richardson, Andrew Wang), "Unbundling jobs: Measuring the value of tasks in an AI economy", 2026년 7월 29일 — https://www.adpresearch.com/research/unbundling-jobs-measuring-the-value-of-tasks-in-an-ai-economy

이 분석에 대하여

이 글은 AI의 도움을 받아 작성됐습니다. 과업 목록, 표본 크기, 값이 하락한 과업 수는 ADP가 공개한 글에서 그대로 가져왔습니다. 25개 중 14개·11개로 나눈 계산은 발표된 개수를 바탕으로 저희가 직접 도출한 것이며 [추정]으로 표시했습니다. 효과 크기 미공개에 대한 비판과 커리어 해석은 ADP가 아니라 저희의 것입니다.