AI가 당신이 일을 잘해서 받던 프리미엄을 조용히 지우고 있다

당신의 학위, 수년간의 경력, 힘들게 쌓아온 평판 — 한 대규모 연구는 이것들이 ChatGPT 이전보다 7.8% 덜 가치 있다고 말합니다. 예측이나 설문 의견이 아니에요. 생성형 AI가 등장한 뒤 실제 프리랜스 계약 226만 건이 보여주는 결과입니다. 그리고 이 패턴은 많은 노동자가 조용히 두려워했던 무언가를 가리킵니다. AI가 단지 업무를 자동화하는 데 그치지 않고, 당신이 일을 잘해서 받던 프리미엄을 조용히 지워버리고 있을지도 모른다는 것이죠.

Human Capital, AI, and Labor Commoditization라는 2026년 워킹페이퍼는 Upwork에서 일하는 노동자 49,610명을 21개 분기, 즉 2021년 1월부터 2026년 3월까지 추적했습니다. ChatGPT 출시 전후를 모두 걸치는 기간이죠. 연구진이 던진 질문은 의외로 단순합니다. AI 도구가 당신 일의 일부를 해낼 수 있을 때, 시장은 여전히 기술, 자격, 실적에 추가로 돈을 지불할까? 데이터의 답은 점점 더 "아니오"에 가까워지고 있습니다. 이것이 당신의 커리어에 무엇을 의미하는지 살펴보겠습니다.

당신의 생계를 책임지던 신호가 흐려지고 있다

정상적인 노동시장에서 고용주와 클라이언트는 당신이 얼마나 유능한지 직접 볼 수 없기 때문에 신호에 의존합니다. 당신의 학력, 경력, 리뷰와 평점 같은 것들이죠. 경제학자들은 이를 "인적 자본 신호(human capital signaling)"라 부르는데, 베테랑 전문가가 신참보다 높은 단가를 받는 이유가 바로 이것입니다.

연구는 AI에 크게 노출된 직종 카테고리에서 이런 인적 자본 신호의 중요도가 생성형 AI 보급 후 7.8% 떨어졌음을 발견했습니다. 쉽게 말해, 당신을 남들과 구별해주던 요소들이 고용하는 사람에게 덜 중요해지기 시작했다는 뜻이에요. [사실] 클라이언트가 AI 도구로 초보자와 베테랑의 격차를 메울 수 있다고 믿으면, 베테랑의 우위는 줄어들고, 그 우위가 요구할 수 있는 가격도 함께 줄어듭니다.

이것이 저자들이 "상품화(commoditization)"라고 부르는 현상의 작동 원리입니다. 상품(commodity)이란 한 단위가 다른 단위와 서로 바꿔도 똑같은 것을 말하고, 그래서 구매자는 거의 전적으로 가격만 보고 고르게 됩니다. 우려스러운 점은 AI가 숙련된 지식노동을 바로 그런 상태로 밀어붙이고 있다는 것이죠.

이 발견을 쉽게 무시할 수 없게 만드는 건 그 뒤에 있는 데이터입니다. 노동자들이 어떻게 느끼는지에 대한 설문도, 가정에 기반한 예측도 아니었어요. 연구진은 실제 계약 226만 건 — 실제 일에 실제 돈이 오간 사례 — 을 단일 대형 플랫폼에서 5년 넘게 관찰했습니다. 관찰 기간이 2022년 말 ChatGPT 출시를 가로지르기 때문에, 같은 종류의 일을 생성형 AI가 누구나 손댈 수 있는 도구가 되기 전과 후로 비교할 수 있었죠. 바로 이 전후 구조 덕분에, 이 변화가 무관한 시장 트렌드가 아니라 AI 때문이라고 주장할 수 있는 것입니다. [사실]

가격이 이기고 있고, 더 저렴한 노동자가 계약을 가져간다

자격이 덜 중요해진다면, 무엇이 더 중요해질까요? 가격입니다. 연구는 클라이언트가 결정 요인으로서 가격에 두는 가중치가 AI 노출 카테고리에서 1.1%에서 1.8%로 올랐음을 발견했습니다. 절대치로는 작은 숫자지만, 채용 결정이 내려지는 방식에서는 주목할 만한 변화죠.

그 결과는 일이 실제로 어디로 갔는지를 보면 알 수 있습니다. 수요는 더 저렴한 노동자 쪽으로 이동했고, 이들의 계약 점유율은 3.2%에서 7.9%로 뛰었습니다. 두 배가 넘게 늘어난 거예요. 동시에 인적 자본이 높은 노동자와 낮은 노동자 사이의 수요 격차는 10.3%에서 6.2%로 가파르게 좁혀졌습니다. 더 유능하고 경력 있는 선택지가 되는 데 따르는 프리미엄이 압축된 것이죠.

전체적으로, AI에 노출된 카테고리의 노동자들은 AI가 쉽게 건드릴 수 없는 카테고리의 노동자들에 비해 계약량이 약 7% 감소했습니다. [사실] 일이 사라진 건 아니에요. 하지만 재분배됐고, 자신의 전문성에 가장 많이 투자한 사람들로부터 멀어지는 쪽으로 재분배됐습니다.

모든 직업이 똑같이 노출된 건 아니다

여기서부터가 공포를 다시 짚어볼 대목입니다. AI 노출도는 직업마다 극심하게 들쭉날쭉하고, 연구는 이를 12개 카테고리로 묶인 102개 하위 카테고리에 걸쳐 측정했습니다. 평균 노출 점수는 0에서 1 척도에서 0.252였습니다.

가장 높은 쪽에서는 법률 번역(Legal Translation)이 0.80을 기록했습니다. 대규모 언어모델이 핵심 업무에 진짜로 강한 분야죠. 회계(Accounting)는 약 0.20으로, 노출되긴 했지만 압도당하는 것과는 거리가 멉니다. 가장 낮은 쪽에서는 사진(Photography)이 고작 0.02로, 거의 건드려지지 않았습니다. 물리적 존재감, 안목, 그리고 텍스트 모델이 결코 만들어낼 수 없는 인간적인 순간에 의존하는 일이기 때문이죠.

교훈은 "AI가 모두에게 똑같이 다가온다"가 아닙니다. 당신의 가치가 언어 기반이고, 쉽게 명세할 수 있고, 텍스트로 납품되는 결과물에 더 가까울수록 단가에 받는 압박이 더 커진다는 것이죠. 당신의 가치가 물리적 숙련, 어수선한 현실에서의 판단, 신뢰, 관계에 더 가까울수록 당신의 인적 자본은 여전히 프리미엄을 누립니다. [추정]

이것이 당신의 일에 의미하는 바

만약 당신이 노출도가 높은 분야에서 일하고 있다면, 전략은 상품화된 부분에서 AI와 경쟁하는 것이 아닙니다 — 가격에서 지게 되니까요. 전략은 상품 논리가 무너지는 곳으로 당신의 가치를 옮기는 것입니다.

그건 이 연구가 보여주듯 AI가 대체하기 가장 어려운 것들에 기대는 것을 뜻합니다. 결과에 대한 책임, 관계와 신뢰, 모호함 속에서의 판단, 그리고 클라이언트 스스로는 조립할 수 없는 무언가로 AI 결과물을 통합하는 능력 말이죠. 특정 관할권에서 번역이 법적으로 빈틈없음을 보증하는 사람이 되는 법률 번역가는, 모델이 팔 수 없는 무언가를 팔고 있는 것입니다. 데이터 처리자가 아니라 전략 자문가가 되는 회계사도 마찬가지죠.

그건 또한 가격 책정에 솔직해진다는 뜻입니다. 시장이 당신 일의 루틴한 층위에 대해 가격 중심으로 옮겨가고 있다면, 답은 그 루틴한 층위를 당신의 대표 상품으로 파는 것을 그만두는 것입니다. AI가 보조한 결과물을 그것을 신뢰할 수 있게 만드는 인간의 판단과 묶고, 그 판단에 값을 매기세요.

더 미묘한 수도 있습니다. 연구는 수요가 더 저렴한 노동자 쪽으로 흘러가는 것을 보여주는데, 이는 많은 클라이언트가 이제 납품물의 초안을 값싸고 일회용처럼 취급한다는 뜻입니다. 당신의 평판이 바로 그 초안을 만들어내는 데 기대고 있었다면, 발밑의 땅이 흔들리고 있는 거예요. 하지만 같은 역학이 새롭고 더 가치 있는 역할을 만들어냅니다. AI가 생성한 자료를 가져다가 그것이 실제로 옳은지, 규정에 맞는지, 브랜드에 부합하는지, 목적에 적합한지를 책임지는 사람 말이죠. 그 역할은 5년 전에는 거의 존재하지 않았습니다. 그것은 바로 이 논문이 기록한 상품화에 의해 만들어지고 있으며, 어떤 모델도 스스로는 보증할 수 없는 판단에 보상을 줍니다. [추정]

사진, 숙련 기능직, 현장 서비스처럼 노출도가 낮은 분야의 노동자들에게 이 연구는 조용한 안심을 줍니다. 당신의 일을 확장하기 어렵게 만들었던 바로 그 요소들이, 동시에 그 일을 상품화하기 어렵게 만들기 때문이죠.

결론

인적 자본의 약속 — 기술, 교육, 경력에 투자하면 보상받는다는 — 은 죽지 않았습니다. 하지만 노동시장의 AI 노출 영역에서는 그 투자의 수익률이 짓눌리고 있고, 데이터는 이제 그것을 추측이 아니라 단단한 숫자로 보여줍니다. 번창할 노동자는 자신의 전문성을 AI가 복제할 수 있는 것에서 증명 가능하게 복제할 수 없는 것으로 옮기는 사람들일 것입니다.

이건 절망할 이유가 아닙니다. 지도예요. 그 압박을 측정한 바로 그 연구가, 그 압박이 닿지 않는 곳이 정확히 어디인지도 보여줍니다 — 그리고 그곳이 당신의 다음 행보가 향해야 할 곳입니다.

출처

• Human Capital, AI, and Labor Commoditization (2026), arXiv: https://arxiv.org/abs/2606.21880

AI 지원 분석 고지

이 글은 AI의 지원을 받아 작성되었습니다. AI 모델이 인용된 연구의 발견을 종합하고 분석 초안을 작성했으며, 이 분석은 특정 개인의 의견이 아니라 원본 데이터를 반영합니다. 모든 수치는 인용된 워킹페이퍼에서 직접 가져왔습니다. 독자께서는 전체 방법론을 위해 원자료를 참고하시기 바랍니다.