마지막 10%: 'AI 노출도'는 출발선일 뿐, 해고 예측이 아니다

AI와 당신의 일자리에 대해 모두가 엉뚱한 질문을 하고 있습니다. 헤드라인은 당신의 직무가 "90% 자동화 가능"하다고 말하고, 순간 속이 철렁 내려앉죠. 그런데 데이터가 실제로 시사하는 건 이겁니다. 기계가 당신 일의 90%를 대신한다면, 나머지 10%는 여전히 누군가가 해야 합니다. 그리고 그 마지막 조각이야말로 당신의 커리어 전체에서 가장 가치 있고, 가장 인간적이며, 가장 안전한 부분일 수 있습니다.

이것이 토론토대학교 로트먼 경영대학원의 경제학자 조슈아 갠스가 2026년 7월 이코노믹 이노베이션 그룹(EIG)을 통해 발표한 새 에세이의 핵심 논지입니다. [사실] 갠스는 이제는 유명해진 문장 — AI가 우리가 하는 일의 90%를 자동화할 수 있다 — 을 파멸의 헤드라인에서 답할 가치가 있는 경제학 질문으로 바꿔놓습니다.

기술은 태스크를 바꾸지, 직업 이름을 지우지 않는다

모든 것을 바꾸는 교정에서 시작합시다. [주장] 기술이 하나의 직업을 단번에 통째로 없애는 일은 드뭅니다. 기술은 그 직업 안에서 누가 — 또는 무엇이 — 특정 활동을 수행하는가를 바꿉니다. 당신의 일은 여러 태스크의 묶음이고, AI는 직업 이름 단위가 아니라 태스크 단위로 하나씩 들어옵니다.

그래서 "내 직업은 안전한가?"는 거의 잘못된 질문입니다. [사실] 갠스는 경제학자 대런 아세모글루와 파스칼 레스트레포의 태스크 기반 프레임워크를 토대로, 더 유용한 질문은 더 좁다고 말합니다. 어떤 태스크가 자동화되고, 남은 태스크에는 무슨 일이 벌어지는가? 같은 직업 이름을 가진 두 사람도 자동화 가능한 태스크가 일주일 업무에 어떻게 분포하느냐에 따라 완전히 다른 미래를 맞이할 수 있습니다.

회계사를 생각해봅시다. AI가 반복적인 장부 기입과 대사(對査) 작업을 흡수하면, 남는 것은 예외 처리, 판단이 필요한 결정, 그리고 고객과의 대화 — 즉 전문가의 10%입니다. 반대로 AI가 고객 관계 업무를 가져가고 데이터 입력을 남겨뒀다면 이야기는 정반대가 됩니다. 같은 직함, 정반대의 결과죠.

준법률가(패러리걸)의 하루도 같은 논리로 재편됩니다. 문서 검색과 인용 확인을 자동화하면 남는 것은 사건 전략, 고객 상담, 그리고 무엇이 실제로 중요한지에 대한 판단입니다 — 기계에 넘기기가 더 어려워지는 일이죠. 다시 말해, 높은 노출도 숫자는 당신이 이 두 미래 중 어느 쪽으로 걸어 들어가는지 아무것도 말해주지 않습니다.

90%가 사라지면, 마지막 10%는 누가 하는가

여기서 방향이 바뀝니다. [사실] 갠스는 90% 주장을 진짜 질문으로 재구성합니다. 어떤 조건에서 마지막 10%가 더 가치 있어지고, 어떤 조건에서 단지 더 적은 사람이 필요하다는 뜻이 되는가?

마지막 10%가 사라지지 않고 오히려 확장될 수 있는 이유는 최소 네 가지입니다.

집중 효과. [추정] 반복 업무가 사라지면 확보된 주의력이 어려운 부분으로 흘러갑니다. 일상적 분류 업무에서 벗어난 영상의학과 의사는 정말로 까다롭고 모호한 케이스 — 놓치면 한 사람의 생명이 바뀌는 그런 케이스 — 에 더 많은 시간을 쓸 수 있습니다. 남은 일은 살아남는 데 그치지 않고 더 좋아집니다.

전문성 재조정. [주장] 자동화가 반복 태스크를 없애느냐 전문 태스크를 없애느냐가 모든 것을 결정합니다. 반복을 걷어내면 전문성 기준이 올라갑니다 — 더 적은 인원이지만 더 높은 보수를 받고 대체하기 더 어렵습니다. 전문가 병목을 걷어내면 기준이 내려가 더 많은 사람에게 문이 열립니다. 방향은 미리 정해져 있지 않습니다.

조직 재설계. [추정] 기업은 태스크를 다시 묶습니다. 살아남은 태스크는 더 넓은 역할로 재결합되거나 새로운 전문 직책으로 분리됩니다 — 이전에는 직업으로 존재하지도 않았던 "AI 모델 거버넌스"가 임상과 법률 업무의 새로운 조각으로 떠오르는 것을 떠올려 보세요.

수요 탄력성. [사실] 서비스가 더 싸고 더 좋아지면 사람들은 그것을 더 많이 삽니다. 은행 창구 직원이 고전적 사례입니다. ATM이 반복적인 현금 취급을 자동화했지만 창구 직원 고용은 무너지지 않았습니다 — 은행은 지점을 더 열고 역할을 재편했죠. 낮아진 비용이 수요를 키웠고, 수요가 일을 키웠습니다.

하지만 갠스는 반대편 경로에 대해서도 정직합니다. [사실] 문서 검토가 90% 자동화된 변호사는 그저 처리할 법률 업무가 줄고, 그 일을 하는 데 더 적은 변호사가 필요해질 수도 있습니다. 마지막 10%는 수요와 재묶음과 전문성이 당신에게 유리하게 정렬될 때만 당신을 지켜줍니다. 결과는 정말로 불확실하며, 그 불확실성이 바로 핵심입니다.

노출도 점수는 출발선이지 예측이 아니다

이것이 자기 직업에 대한 무서운 통계를 읽는 모든 사람에게 이 에세이가 주는 가장 유용한 통찰입니다. [사실] AI "노출도" 또는 "적용 가능성" 점수는 기술이 어떤 직무를 어디서 건드릴 수 있는지 알려줍니다. 몇 명이, 얼마의 임금으로, 어떤 일을 하며 고용될지는 알려주지 않습니다.

[주장] 노출도 숫자를 실제 고용 결과로 바꾸려면 급여 데이터가 감추는 것들을 파헤쳐야 합니다.

• 노출된 태스크는 주변적인가, 전문적인가, 아니면 진짜 병목인가?
• 자동화가 진입 장벽을 높이는가 낮추는가?
• 확보된 주의력이 남은 일의 품질을 높일 것인가?
• 기업이 태스크를 넓은 역할로 묶을 것인가, 좁은 전문직으로 나눌 것인가?
• 더 싸고 좋아진 서비스가 고용을 유지할 만큼 수요를 키울 것인가?

[추정] 갠스는 평균 노출도가 직업의 구조를 감출 수 있다고 경고합니다. 노출도 점수가 똑같은 두 직업도 그 노출이 태스크 묶음의 서로 다른 곳에 자리하기 때문에 완전히 다른 운명을 맞을 수 있습니다. 그리고 급여 기록은 조용한 변화를 놓칩니다. AI 도우미가 문서 작성 시간을 줄여준 소프트웨어 개발자는 임금 변화가 전혀 없어 보일 수 있지만, 실제 업무의 질감과 강도, 구성은 완전히 바뀌어 있죠.

그의 결론은 모니터에 붙여둘 만합니다. "노출도 측정치는 이 질문들의 출발점이지 답이 아니다."

이것이 당신의 커리어에 의미하는 것

갠스에게서 하나만 얻는다면 이것을 얻으세요. 높은 노출도 점수는 받아들여야 할 선고가 아니라 조사해보라는 초대장입니다.

당신의 한 주를 태스크의 묶음으로 바라보세요. 어떤 부분이 AI가 가져갈 만큼 반복적인가요? 무엇이 남을까요? 남는 것이 반복이 사라질 때 더 가치 있어지는 전문가의 10% — 판단, 관계, 모호한 결정 — 인가요, 아니면 물량이 줄면 함께 줄어드는 일인가요? 그 정직한 점검이 어떤 헤드라인 퍼센트보다 더 많은 것을 말해줍니다.

그리고 이 모든 것에 숨어 있는 타이밍에 주목하세요. [주장] 재교육의 창은 해고의 창보다 먼저 열립니다. AI가 태스크 단위로 진행된다는 것은 변화가 점진적으로, 활동 하나씩 온다는 뜻입니다 — 그것이 바로 전문가의 10%가 아직 형성되는 동안 그쪽으로 움직일 수 있는 여유입니다. 우리 직업 페이지에서는 당신 분야의 어떤 구체적 태스크가 가장 높은 AI 노출도를 갖는지 볼 수 있고, 그 지도가 바로 마지막 10% 전략이 시작되는 지점입니다.

차트의 숫자는 당신의 운명이 아닙니다. 그것은 두려움이 아니라 용기로, 오직 당신만이 끝맺을 수 있는 질문의 첫 문장입니다.

출처

• Joshua Gans, "The Last Ten Per Cent: How task-level AI exposure fits into a jobs forecast," Economic Innovation Group, 2026년 7월. 워킹 페이퍼(PDF) · 분석: agglomerations.eig.org/p/the-last-ten-per-cent

업데이트 기록

• 2026-07-21 — 최초 발행. 조슈아 갠스의 태스크 기반 노출도 프레임워크와 "마지막 10%" 논지 요약·분석.

---

*AI 보조 분석. 이 글은 AI의 도움으로 작성되었고 사람 편집자가 검토했습니다. 90%/10% 프레이밍과 여섯 가지 조사 차원은 조슈아 갠스가 2026년 7월 EIG를 위해 쓴 에세이에서 가져왔으며, 노동자를 위한 해석은 저희의 것입니다.