여성 직종, AI 자동화 위험 2배 — ILO 138개국 데이터가 말하는 불편한 진실
ILO가 138개국에서 2,861개 업무를 분석했습니다. 여성 중심 직종의 생성형 AI 노출률은 29%로 남성 중심 직종(16%)의 거의 2배입니다. 자동화 위험은 더 벌어져요: 16% 대 3%.
대화의 방향을 바꿔야 할 숫자들
"AI가 일자리를 대체한다"는 이야기는 보통 추상적으로 머뭅니다. "어떤 건 자동화되고, 어떤 건 아닐 것이다" 정도로요. 하지만 국제노동기구(ILO)의 새로운 대규모 데이터가 불편할 만큼 구체적으로 현실을 보여줍니다. 138개국, 1,640명 전문가가 참여해 2,861개 업무를 분석한 결과, 생성형 AI가 누구에게 영향을 미치는지 가장 세밀한 그림이 완성됐습니다. [사실] ILO Working Paper 140
핵심 발견: 전 세계 노동자 4명 중 1명이 생성형 AI에 의미 있게 노출되어 있습니다. [사실] ILO Working Paper 140 미래 예측이 아닙니다. 현재 측정값이에요.
하지만 진짜 이야기는 평균이 아니라, 그 안에 누가 있느냐입니다.
아무도 의도하지 않은 성별 격차
ILO 2026년 3월 연구 브리프가 명확히 보여줍니다: 여성 중심 직종(경영 사무, 사무 지원, 고객 서비스)의 생성형 AI 노출률은 29%, 남성 중심 직종(건설, 제조, 운수)은 16%입니다. [사실] ILO 연구 브리프, 2026년 3월
거의 2배입니다. 자동화 위험 — AI가 업무를 보조가 아니라 완전히 대체할 수 있는 부분 — 만 보면 격차가 더 벌어져요.
여성 중심 직종의 자동화 위험 16%, 남성 중심 직종 3%. [사실] ILO 연구 브리프, 2026년 3월 순수 대체 위험에서 5배 이상 차이가 납니다.
곱씹어볼 필요가 있어요. 여성이 집중된 직종은 AI에 더 노출될 뿐 아니라, 증강이 아닌 완전 자동화 가능성이 5배 이상 높습니다.
근본 원인: 직업 분리(Occupational Segregation)
같은 날 발표된 ILO 동반 보고서가 84개국을 분석하며 이 숫자 뒤의 구조적 원인을 짚습니다: 바로 직업 분리입니다. [사실] ILO, "Gen AI, Occupational Segregation and Gender Equality"
분석 대상 국가 88%에서 여성이 남성보다 생성형 AI로 인한 직장 위험이 더 높은 것으로 나타났습니다. [사실] ILO 뉴스, 2026년 3월 특정 지역만의 현상이 아닙니다. 여성이 역사적으로 어떤 직종에 집중되어 왔는지에 의해 만들어진 거의 보편적인 패턴이에요.
지역별로 보면 더 뚜렷합니다. 스위스, 영국, 필리핀, 그리고 여러 카리브해·태평양 도서 개도국에서 여성 고용의 40% 이상이 생성형 AI에 노출되어 있습니다. [사실] ILO 뉴스, 2026년 3월 고소득 국가 전체적으로는 일자리의 41%가 노출된 반면, 저소득 국가는 11%에 불과합니다. [사실]
ILO 공동저자 아남 버트(Anam Butt)는 이렇게 말합니다: "차별적 사회 규범이 누가 어떤 직업에 들어가는지를 형성하며," 그 결과 여성이 자동화에 가장 취약한 역할에 집중되는 것이라고요. [사실 — 직접 인용] ILO 뉴스, 2026년 3월
이를 바로잡을 인력 파이프라인도 빈약합니다. 2022년 기준 AI 인력에서 여성이 차지하는 비율은 30%에 불과하며, 2016년 이후 4%포인트 증가에 그쳤습니다. [사실] ILO 뉴스, 2026년 3월 AI가 위협하는 직종에는 과다 대표되고, AI를 만드는 직종에는 과소 대표되는 구조예요.
조준선 위에 누가 있을까?
ILO Working Paper 140에 따르면 전 세계 고용의 3.3%가 최고 노출군에 해당합니다. [사실] ILO Working Paper 140 적어 보이지만 성별로 나누면 달라져요: 여성 4.7%, 남성 2.4%. [사실] ILO Working Paper 140
여성이 남성보다 최고 노출군에 속할 확률이 거의 2배입니다. 고소득 국가에서는 격차가 더 커요: 여성 9.6% 대 남성 3.5%. [사실] ILO Working Paper 140
이 패턴을 만드는 직종은 굳이 찾아보지 않아도 짐작이 가죠. 행정 보조원 — 일정 관리, 서신, 문서 관리. 교과서적인 생성형 AI 업무입니다. 커뮤니케이션과 문서를 관리하는 비서. 문의를 처리하는 접수원. 거래를 기록하고 장부를 맞추는 부기 사무원. 시스템 간 데이터를 옮기는 데이터 입력원.
생소한 직업이 아닙니다. 전 세계 수천만 명을 고용하고, 압도적으로 여성이 채우는 자리예요.
소득 수준별 격차가 상황을 악화시킵니다
ILO 데이터가 정말 우려스러운 지점이에요. 전체 노출률이 국가 소득에 따라 크게 갈립니다: 저소득 국가 11% 대 고소득 국가 34%. [사실] ILO Working Paper 140
얼핏 보면 개도국에 좋은 소식 같아요 — 노출이 적으니 혼란도 적겠다 싶죠. 하지만 ILO 동반 보고서 "혜택 없는 혼란(Disruption Without Dividend)"은 반대를 주장합니다. 저소득 환경의 노동자들이 AI 증강(대체가 아닌 생산성 향상)의 혜택을 받을 수 있지만, 도구에 접근할 디지털 인프라가 부족합니다. [사실] ILO "Disruption Without Dividend"
동시에, 같은 나라에서 자동화에 취약한 노동자는 고소득 국가가 배치하는 안전망(재교육, 실업보험, 사회 보호) 없이 대체에 직면해요. [주장 — ILO 분석] 생산성 향상은 놓치고 대체 비용만 흡수하는 이중 손실 구조입니다.
ILO 수석 이코노미스트 자닌 버그(Janine Berg)는 분명히 말합니다: "올바른 정책이 있다면, 기존 차별을 강화하는 것을 막을 수 있습니다." [사실 — 직접 인용] ILO 뉴스, 2026년 3월
개발도상국의 간호사에게 특히 중요한 역학이에요. 간호는 문서화, 돌봄 계획, 환자 소통 등 AI 증강이 실제로 성과를 높일 수 있는 업무가 섞여 있습니다. 다만 인프라가 있어야 가능하죠.
노출 직종에서 일한다면 알아야 할 세 가지
첫째, 노출이 곧 대체가 아닙니다. ILO는 노출(AI가 업무 일부를 수행 가능)과 자동화 위험(완전 대체 가능)을 의도적으로 구분합니다. 많은 노출 직종은 역할이 변하지, 사라지지 않을 거예요. 행정 보조원이 업무 시간의 60%를 일정·서신에 쓴다면, 그 부분은 자동화될 수 있어요. 하지만 판단, 조율, 관계 관리에 해당하는 나머지 40%는 오히려 더 가치 있어집니다.
둘째, 변화 속도는 나라마다 다릅니다. 고소득 국가에서는 인프라와 투자가 갖춰져 있어 변화가 빠르게 진행 중이에요. 저소득 환경에서는 같은 변화가 몇 년 더 걸릴 수 있지만, 오고 있습니다.
셋째, 성별 차원은 정책의 문제입니다. 자연재해가 아니에요. AI가 먼저 잘하게 된 업무가 우연히 여성 중심 사무·행정 직종과 크게 겹치면서 만들어진 패턴입니다. 텍스트 생성, 데이터 처리, 정보 종합 — 이 역량이 먼저 왔고, 건설이나 배관, 전기 설치가 AI에서 본질적으로 더 안전한 게 아닙니다. [주장 — 편집 분석] 현재 AI 역량 범위에 아직 들어오지 않았을 뿐이에요. 바뀔 수 있습니다.
직업별 AI 영향 확인하기: 행정 보조원, 비서, 접수원, 고객 서비스 담당자, 부기 사무원, 데이터 입력원, 간호사.
출처
- ILO Working Paper 140, "Generative AI and Jobs: A Refined Global Index of Occupational Exposure," 2025년 5월 (갱신 방법론). 링크
- ILO 연구 브리프, "GenAI와 성별 격차," 2026년 3월. 링크
- ILO, "혜택 없는 혼란: 디지털 격차와 업무 차이가 AI 영향을 어떻게 분열시키는가," 2026년 3월. 링크
- ILO, "Gen AI, Occupational Segregation and Gender Equality in the World of Work," 2026년 3월. 링크
- ILO 뉴스, "New ILO Data Confirm Women Face Higher Workplace Risks From Generative AI Than Men," 2026년 3월. 링크
업데이트 이력
- 2026-03-21: ILO 직업 분리 보고서 데이터 추가 — 88% 국가 발견, 스위스/영국/필리핀 40%+ 노출, AI 인력 여성 30%, ILO 관계자 인용, 비서·고객서비스 직종 링크 추가
- 2026-03-19: ILO Working Paper 140 및 2026년 3월 연구 브리프 기반 초판 발행
이 글은 Claude(Anthropic)의 AI 도움을 받아 작성되었습니다. 모든 통계는 ILO 발간물 출처입니다. 전문적 커리어·고용 조언이 아닙니다. 전체 방법론과 결과는 위에 링크된 원본 ILO 출처를 참조하세요.