노출은 대체가 아니다: ILO가 본 ASEAN 8,000만 노동자

동남아시아에서 약 8,000만 명이 생성형 AI가 기술적으로 일부를 대신할 수 있는 직업에 종사하고 있습니다. 그런데 바로 그 직업들의 고용은 2017년 이후 매년 늘었습니다. 6,600만 명에서 8,000만 명으로요. ILO는 이 두 숫자를 같은 보고서에 나란히 실었고, 사실 AI와 일자리 이야기의 정직한 버전은 그 사이 공간에 있습니다.

보고서는 ILO 아시아태평양 지역사무소가 2026년 7월 8일 발표한 『생성형 AI와 ASEAN 노동시장: 상당한 노출, 제한적 교란, 고르지 않은 준비도』입니다. 일본 JILPT가 같은 주에 일본 노동정책 커뮤니티에 이 보고서를 소개했습니다. 제목이 많은 일을 하고 있는데, 세 구절을 순서대로 곧이곧대로 읽을 필요가 있습니다.

22.9%가 실제로 세고 있는 것

[사실] ASEAN 전체 고용의 22.9%, 약 8,000만 명이 생성형 AI에 최소 수준 이상으로 노출될 가능성이 있는 직종에서 일하고 있습니다. 2025년 ILO 추정치 기준입니다.

여기서 꼭 짚어야 할 게 있습니다. 이 숫자가 돌아다니면서 가장 많이 잃어버리는 부분이거든요. 노출도는 직업 안의 과업을 자동화하거나 보조하는 것이 기술적으로 가능한가를 측정합니다. 예측이 아닙니다. 해고 통지도 아닙니다. 고용주가 실제로 그렇게 할지 아무도 모르는 상태에서, 기술이 건드릴 수 있는 범위를 말하는 것뿐입니다.

헤드라인보다 그 아래 구간별 분포가 더 중요합니다. [사실] 낮은 노출이 고용의 9.1%, 중간 8.2%, 상당 수준 2.2%, 그리고 ILO가 G4라고 부르는 최상위 구간은 3.3%, 1,170만 명입니다. 한편 ASEAN 고용의 약 67%는 노출이 확인되지 않은 직종에 있습니다.

이 숫자들을 서로 대보면 보고서에 인쇄되지 않은 값이 하나 나옵니다. 어떤 형태로든 노출된 22.9% 중에서 최상위 구간에 속하는 사람은 대략 7명 중 1명, 14.4%뿐입니다. 나머지 여섯은 AI가 대체재라기보다 도구에 가까운 구간에 있습니다.

9개국, 21배의 격차

국가별 노출도는 크게 갈립니다. [사실] 싱가포르는 최소 수준 이상 노출된 고용이 42.2%로 가장 높습니다. 전문직·관리직·임원·기술직이 취업자의 약 64%를 차지하는 직업 구조가 반영된 결과입니다. 필리핀이 28.1%로 뒤를 잇고, 인도네시아 21.7%, 베트남 20.8%, 태국 20.6% 순입니다.

최상위 구간에서는 격차가 더 벌어집니다. 동티모르 0.3%에서 싱가포르 6.3%까지. 하나의 지역 블록 안에서 21배 차이입니다.

솔직한 단서를 하나 달아야겠습니다. ILO가 먼저 밝힌 내용이기도 한데, 이 방법론은 국가 간 디지털 인프라 차이를 보정하지 않습니다. 방콕 사무실에서 기술적으로 자동화 가능한 과업과, 연결이 불안정한 지방에서 기술적으로 자동화 가능한 과업은 같은 사실이 아닙니다. 국가별 수치는 현재 상태가 아니라 상한선으로 읽는 게 맞습니다.

공포와 협조하기를 거부하는 8년치 데이터

생성형 AI가 이미 노출된 노동자를 대규모로 밀어내고 있다면, 노출된 직종의 고용은 줄어야 합니다. 그런데 줄지 않았습니다.

[사실] 낮음·중간·상당·높음 노출 직종의 고용은 2017년 약 6,600만 명(고용의 20.9%)에서 2022년 7,400만 명(22.2%), 2025년 8,000만 명(22.9%)으로 늘었습니다. 2017~2022년에는 최상위 노출 구간의 고용 증가율이 가장 높았습니다. 2022~2025년에는 그 증가세가 둔화된 대신 '상당 수준' 구간이 더 빠르게 늘었습니다. 노출이 없는 직종은 이 기간 내내 가장 느리게 성장했습니다.

반대 방향의 주장도 똑같이 근거가 없습니다. ILO도 분명히 못 박아 뒀습니다. 이 데이터는 AI가 그 일자리를 만들었다는 증거가 아닙니다. 서비스업 확대, 구조 전환, 노동력 증가 — ChatGPT가 나오기 한참 전부터 작동하던 힘들과도 똑같이 들어맞는 결과입니다.

역설: 노출은 가장 높은데, 실제 사용은 가장 적다

이 보고서에서 제가 가장 예상 못 한 발견이고, 표준 서사를 가장 크게 흔드는 대목입니다.

ILO는 2026년 2월 Anthropic의 Claude.ai 대화 데이터를 활용했는데, 사용이 컴퓨터·수학 직종에 가장 몰려 있고 그다음이 교육 관련 직종이었습니다. [사실] 그런데 고노출 직종 목록을 지배하는 사무·행정 지원 직군에서는 관찰된 사용량이 상대적으로 적었습니다. Claude.ai 사용 중 업무 목적 비중은 인도네시아 29.4%에서 베트남 52.0%까지 분포했습니다.

싱가포르의 기업 단위 데이터가 고용주 쪽에서 같은 이야기를 합니다. 인력부(MOM)가 2026년 1~3월에 민간 사업체 2,560곳, 노동자 486,600명을 대상으로 조사한 결과 [사실] 71.5%의 기업이 아직 AI 도입을 시작조차 하지 않았고, 핵심 업무 프로세스에 통합한 곳은 3.8%에 불과했습니다. 500인 초과 기업의 도입률은 76.4%였지만 25인 미만 기업은 23.9%였습니다. 업종별로는 정보통신 74.1%, 전문 서비스 57.5%, 금융·보험 56.4%, 그리고 행정·지원 서비스는 21.1%였습니다.

정리하면, 고노출 사무직 노동자를 가장 많이 고용한 업종이 AI를 가장 적게 도입하고 있습니다. 노출도와 도입률이 정반대를 가리키고 있고, 임금을 지급하는 쪽은 도입률입니다.

여성이 서 있는 자리

[사실] ASEAN 전역에서 취업 여성의 4.8%가 최상위 노출 구간에 있습니다. 남성은 2.3%입니다. 두 배가 넘습니다. 태국과 필리핀에서는 격차가 3~4배까지 벌어집니다.

원인은 기술이 아니라 직종 분리입니다. 여성은 사무·행정·일부 전문직에 몰려 있고, 남성은 노출도가 낮은 육체·현장 직종에 더 몰려 있습니다. 이 격차를 만드는 구체적인 직업군을 보고 싶다면, ILO의 고노출 사무직 목록은 데이터 입력원, 경리 사무원, 급여 담당 사무원, 워드프로세서 담당자, 인사 담당 사무원 같은 직업에 대응됩니다.

노출된 직업이 더 잘 번다는, 통념과 어긋나는 사실

여기서 이야기가 뒤집힙니다. ILO가 노출 수준별 임금을 살펴봤더니, '상당 수준' 노출 구간의 직종이 표본에서 일관되게 가장 높은 임금을 받고 있었습니다. 캄보디아·인도네시아·필리핀·베트남에서 평균 시간당 임금이 노출도가 높아질수록 올라갔고, 태국도 같은 방향이었지만 경계가 덜 뚜렷했습니다.

그 구간에 있는 직업이 회계사, 개인 재무 상담사, 소프트웨어 개발자, 경제학자입니다. ASEAN에서 노출도는 불안정한 일자리의 표식이 아닙니다. 오히려 지식경제의 표식에 가깝습니다. ILO의 정책적 우려가 분배에 쏠려 있는 이유가 여기 있습니다. 이익이 이미 잘 버는 사람들에게만 떨어질 수 있다는 것이죠.

지켜볼 만한 신호 하나

청년과 성인의 노출도는 지역 전체로는 대체로 비슷합니다. 다만 모든 곳에서 그런 건 아닙니다. [사실] 인도네시아에서는 청년 고용의 4.0%가 최상위 구간인데 성인은 3.2%입니다. 필리핀은 4.6% 대 3.9%입니다.

더 흥미로운 건 그다음에 일어난 일입니다. 필리핀과 태국에서 2022~2024년 사이 고노출 직종의 청년 고용이 전체 고용보다 빠르게 줄었고, 특히 고노출 사무직에서 감소가 두드러졌습니다. 노출 업종의 대졸 청년도 성인보다 성과가 나빴습니다. 학위가 이걸 상쇄해 주지 못했다는 뜻입니다.

그런데도 청년 총량 지표는 버텼습니다. [사실] 필리핀 청년 실업률은 2022~2023년 6.9%로 변동이 없었고 니트(NEET) 비율은 13%에서 12.4%로 내려갔습니다. 태국 청년 실업률은 2022년 5.1%에서 2024년 4.6%로, 니트 비율은 13.3%에서 12.8%로 하락했습니다.

[주장] ILO는 이를 광범위한 청년 전망 악화가 아니라 재배치 — 채용 패턴 변화, 교육 선택 변화, 진입 경로 변화 — 로 해석합니다. 그럴듯한 해석이고, 동시에 입증되지 않은 해석입니다. 총량 변화보다 초입 단계 변화가 먼저 나타나는 건 이른바 '탄광의 카나리아' 가설이 예측하는 바로 그 모습이고, 두 나라 2년치 데이터로는 결론을 낼 수 없습니다. 내년에 다시 확인해야 할 숫자입니다.

변수는 노출도가 아니라 준비도

[사실] IMF의 AI 준비도 지수에서 ASEAN-5 평균은 0.60, 선진 경제권은 0.68입니다. ILO는 역내를 세 층으로 나눕니다. 싱가포르가 홀로 최상위이고, 말레이시아와 태국, 이어서 브루나이·인도네시아·필리핀·베트남이 기반은 갖췄으나 고급 기술·연구 역량·컴퓨팅에서 실질적 공백을 안고 있으며, 캄보디아·라오스·미얀마·동티모르가 더 뒤에 있습니다.

노출도와 준비도는 함께 움직이지 않고, 위험이 몰리는 곳은 바로 그 어긋남입니다. 필리핀은 노출도 2위지만 준비도는 4위입니다. 미얀마는 표본에서 가장 낮은 축의 준비도를 가지고 있으면서 캄보디아·베트남·라오스보다 노출도가 높습니다. 싱가포르는 높은 노출과 높은 준비도를 동시에 갖춘 유일한 경제입니다. 노출되더라도 훨씬 나은 자리에서 노출된 셈이죠.

그 일을 실제로 하고 있는 사람에게

이 보고서에서 가장 쓸모 있는 건 숫자가 아니라 구분입니다. 노출도는 기술이 과업을 재배열할 수 있는 지점을 알려줍니다. 도입률은 실제로 누가 그렇게 하고 있는지를 알려줍니다. 준비도는 그렇게 됐을 때 당신에게 무슨 일이 생기는지를 알려줍니다. ASEAN에서 현재 큰 것은 첫 번째뿐입니다. 두 번째는 작고 지식 산업의 대기업 쪽으로 기울어 있으며, 세 번째는 각국이 지금 내리고 있는 정책 선택입니다.

행정 보조원이나 사무직에 계신 분이라면, 현실적인 해석은 이렇습니다. 당신은 가장 노출된 구간과 가장 도입이 느린 업종에 동시에 속해 있습니다. 그건 안전이 아니라 시간입니다. 그리고 싱가포르 데이터를 보면 먼저 움직일 가능성이 높은 곳은 정보·전문·금융 서비스의 대기업입니다. 도구가 조직 개편을 달고 도착하기 전에 그 도구를 익혀 두세요. ILO 자신의 표현대로 생성형 AI는 "모든 것의 해답이 아니라 숙달해야 할 도구"이고, 먼저 숙달한 노동자가 생산성 이익을 나눠 받는 쪽에 서게 됩니다.

출처

• ILO, 『Generative AI and labour markets in ASEAN: Significant exposure, limited disruption, uneven preparedness』, ILO Brief, 제네바, 2026년 7월 8일. DOI 10.54394/00034834. 집필: Christian Viegelahn, Phu Huynh, Makiko Matsumoto, Jong Eun Oh, Diego Rei, Felix Weidenkaff. CC BY 4.0.
• JILPT(일본 노동정책연구·연수기구), ASEAN地域の労働者8,000万人が生成AI技術の影響を受ける可能性（ILO：2026年7月）, 海外労働情報, 2026년 7월 8일.

이 글의 수치는 ILO 보고서 PDF 원문에서 부속서와 박스까지 직접 확인했으며, JILPT 요약은 교차 검증에 사용했습니다. 노출도 추정은 Gmyrek 외, ILO Working Paper No. 140(2025)의 방법론에 기반합니다. 싱가포르 기업 단위 수치의 원출처는 싱가포르 인력부 「Adoption of Artificial Intelligence Among Firms」(2026년 4월)이며, ILO 보고서에 인용된 형태로 사용했습니다.

AI 활용 분석: 이 글은 1차 자료를 바탕으로 AI의 도움을 받아 작성했고, 발행 전 검토를 거쳤습니다. ILO 보고서 자체도 유사한 공시를 담고 있습니다. 저자들이 편집 보조에 ChatGPT를 사용했고 최종 내용을 검증했다고 밝혔습니다.