AI가 1,000만 개 일자리를 없앤다? NBER 예측가들도 둘로 갈렸다

62%. 테틀록(Tetlock)의 슈퍼포어캐스터들과 학계 경제학자들이 만약 AI가 빠르게 발전한다면 2050년 미국 노동력 참여율이 떨어질 거라고 본 수치예요. 지금 62.7%니까 거의 그대로라는 얘기죠. 그런데 시나리오를 더 강하게 — "변혁적 AI"가 정말 온다고 — 가정하면, 같은 사람들이 둘로 갈라집니다: 일부는 참여율이 55%까지 무너지고 약 1,000만 개 일자리가 날아간다고 보는 반면, 다른 쪽은 거의 변화 없을 거라고 봐요.

이 격차는 "AI가 더 좋아질까?"에 대한 의견 차이가 아니에요. AI가 더 좋아진 _뒤에_ 경제에 무슨 일이 일어나느냐 — 거기서 갈리는 거예요. NBER에서 막 나온 워킹페이퍼를 보면, 전문가들은 답은커녕 질문 자체에도 합의를 못 하고 있습니다.

"이걸 평생 연구한 사람들이 내 직업이 안전한지 알려주겠지" 하고 기다리고 있었다면, 이 페이퍼가 가장 가까운 답이에요. 솔직히 좀 허무한데 — 정답은 없어요. 다만 의견 차이의 모양만 보면, 뭘 대비해야 하는지는 거의 다 보입니다.

이 페이퍼가 한 일

Forecasting the Economic Effects of AI(NBER Working Paper w35046, 2026년 4월)에서 Ezra Karger, Otto Kuusela, Philip Tetlock 외 12명의 공저자가 구조화된 예측 실험을 돌렸어요. 대상은 성격이 완전히 다른 5개 그룹: 학계 경제학자, 프론티어 AI 기업 직원, 정책 연구자, 정확도 트랙레코드가 검증된 "슈퍼포어캐스터", 그리고 미국 일반 시민 표본.

각 그룹에게 같은 거시변수 — 연간 GDP 성장률, 노동력 참여율, 그 변화 중 AI 기여분 — 를 두 가지 시나리오(베이스라인 vs "AI 급진 발전")로 2050년까지 예측하게 했어요.

방법론이 핵심이에요. Tetlock의 이전 연구(Superforecasting, 2015)는 보정된 예측가들이 지정학 같은 분야에서는 도메인 전문가를 일관되게 능가한다는 걸 입증했죠. 이번에 이 사람들을 경제학자랑 AI 내부자랑 _같은 질문_ 위에 올려놓은 게 이 페이퍼가 특이한 이유예요. 단순히 "전문가들 생각이 어떤가"가 아니라 "예측 실력이 가장 검증된 사람들이 도메인 지식이 가장 깊은 사람들과 같은 답을 내는가?"를 본 거죠.

[사실] 거의 안 맞아요.

핵심 수치

전체 그룹 통합으로, 2050년까지 미국 연간 GDP 성장률 중앙값 예측은 2.5%. 미국 정부 공식 베이스라인인 중기 2.0% / 장기 1.7%(CBO 2026 Long-Term Budget Outlook)보다 분명히 높아요. 다시 말해, 모든 예측 커뮤니티가 AI가 성장을 보태줄 거라고 보긴 합니다 — 다만 얼마나 보탤지에서 갈리는 거예요.

AI 급진 발전 시나리오로 가면 격차가 커집니다:

• 중앙값 GDP 성장률이 연 약 4%로 — 베이스라인의 거의 두 배.
• 노동력 참여율 중앙값이 현재 62.7% → 2050년 약 55%로 하락.
• 참여율 하락분의 약 절반은 AI가 직접 원인이라고 본 결과 — 미국 기준 약 1,000만 개 일자리가 AI 때문에 날아간다는 뜻 (나머지 절반은 인구 구조: 고령화·은퇴·이민).

근데 "중앙값"이 진짜 이야기를 가립니다. AI 귀속 일자리 손실의 사분위수 범위는 거의 0에서 2,000만 개 이상까지 펼쳐져 있어요. AI 기업 직원과 슈퍼포어캐스터는 높은 쪽에 몰렸고, 학계 경제학자와 일반 시민은 낮은 쪽에 몰렸어요. 정책 연구자는 어느 그룹보다도 가장 분산된 예측을 냈습니다.

경제학자와 AI 내부자가 갈리는 이유

이 페이퍼에서 가장 흥미로운 발견은 그룹들이 갈린다는 사실이 아니라 왜 갈리느냐예요.

[사실] 저자들이 분산을 분해해 봤더니, 의견 차이의 주된 원인은 "AI 능력이 얼마나 빨리 좋아질까"에 대한 예측이 아니었어요. "대부분의 인지 과제에서 인간 수준 성능"이 언제쯤 가능할지에 대해선 다들 비슷한 타임라인을 줬습니다. 진짜 격차는 "고능력 AI가 일단 존재하면 경제에 정확히 뭘 하느냐" 였어요.

학계 경제학자들은 역사적 비유 — 전기화, 컴퓨팅, 인터넷 — 에 기댔어요. 그쪽 사례에선 생산성 이득은 컸지만 노동시장 충격은 점진적이었고 새 직업군이 흡수해 줬죠. 반면 AI 기업 직원들은 이번엔 구조가 다르다고 봤습니다 — 인지 노동 대체율이 그 어떤 이전 기술보다도 넓고 빠르다는 거예요.

[주장] 어느 쪽도 깔끔한 실증 근거가 있는 건 아니에요. 페이퍼는 이게 바로 Tetlock 류 슈퍼포어캐스터들이 잘 맞히기로 유명한 종류의 질문 — 약한 신호로 업데이트하고 한쪽 세계관에 헌신하지 않는 — 이라고 짚는데, 정작 슈퍼포어캐스터들도 갈렸어요. 다만 중앙값은 경제학자 합의보다 AI 내부자 쪽에 더 가까웠습니다.

그래서 뭘 해야 하느냐 — 그룹마다 다릅니다

페이퍼는 정책 선호도 같이 조사했는데, 결과가 가장 정치적으로 무거워요:

• 전문가(경제학자, AI 직원, 정책 연구자)는 표적 재교육 프로그램과 이동 가능한 복지(portable benefits)를 주된 대응으로 압도적으로 선호.
• 일반 시민은 보편적 기본소득(UBI)과 연방 일자리 보장을 큰 차이로 선호.
• 슈퍼포어캐스터는 갈렸지만 UBI보다는 재교육과 임금 보험(wage insurance) 쪽으로 기울었어요.

[추정] 이 격차가 중요한 이유는 정치적 실현 가능성이 전문가가 아니라 시민을 통과하기 때문이에요. AI 대체가 예측의 높은 쪽으로 흘러가면 정책 대응은 경제학자들이 선호하는 표적 재교육보다 UBI/일자리 보장 논쟁처럼 보일 가능성이 더 큽니다. 정책·정부·노동시장 직군(관련 직업)에 있다면 이건 명확한 기획 신호예요.

당신의 커리어에 의미하는 것

이 페이퍼의 어떤 단일 숫자도 당신 개인에 대한 예측으로 받아들이면 안 됩니다. 연구의 핵심 메시지는 전문가들이 자릿수 단위로 갈라져 있다는 것, 그리고 그 차이가 구조적이라 데이터를 더 모은다고 금방 좁혀질 게 아니라는 거예요.

그래도 챙길 건 있어요:

1. 베이스 케이스는 여전히 "성장"이에요. 모든 그룹의 중앙값 GDP 예측이 정부 베이스라인보다 높았어요. AI는 중앙값 시나리오에서 경기 침체 스토리가 아니라 재분배 스토리입니다.
2. 노동력 참여율이 봐야 할 변수예요. 62.7% → 55%로 떨어지면 미국 평시 사상 최대 하락폭이에요. 2008년 이후 정책 논쟁 10년을 만든 그 하락폭보다도 큽니다. BLS 월간 참여율 차트에서 진짜 하락이 보이기 시작하면 급진 시나리오가 현실 시나리오로 넘어가는 중이라는 뜻이에요.
3. "인지노동 vs 육체노동" 이분법은 이전 서사보다 흐려졌어요. 이 연구에서 AI 내부자들은 예전 자동화 문헌처럼 육체노동을 안전지대로 따로 분리하지 않았어요. 인지노동이 _먼저_ 맞을 거라고 보긴 하지만 거기 한정되는 건 아니라는 거예요.
4. 두 시나리오 모두에 대비하되, 어느 한쪽에 베팅하지는 마세요. 중앙값 전문가들이 맞으면 약 25년의 시간이 있고 대응은 점진적 재교육. AI 내부자들이 맞으면 타임라인이 압축되고 대응은 복지 재구성. 두 세계 모두를 가로지르는 스킬 — 판단력, 고객 신뢰, 물리적 현장성, AI 시스템 감독 — 이 더 안전한 베팅이에요.

페이퍼가 드러낸 예측의 역설

방법론 섹션에 묻혀서 헤드라인 숫자는 안 됐지만, 사실 이게 더 큰 발견일 수 있어요.

[사실] 저자들이 각 그룹이 자기 예측에 얼마나 확신했는지 비교해 봤더니, AI 기업 직원이 가장 확신이 강했어요 — 분포가 좁고 의견이 단호. 반면 학계 경제학자가 가장 불확실했어요 — 분포가 가장 넓음. 슈퍼포어캐스터는 그 사이에 있었지만 표명한 불확실성에선 경제학자 쪽에 더 가까웠습니다.

이 패턴이 시사하는 게 있어요. Tetlock의 이전 연구에서, 시간이 지나 가장 정확한 걸로 판명된 사람들은 대체로 적절한 겸손함으로 의견을 가진 쪽 — 한 가지 거대 이론에 헌신하는 "고슴도치"가 아니라 "여우" — 이었습니다. AI의 경제 효과에서 가장 확신 강한 예측가는 기술과 가장 가까운 사람들이에요. 역사적으로 근접성은 종종 통찰력이 아니라 과신을 만들어냈고, 특히 그 근접 그룹이 결과의 크기에 재무적·커리어적 이해관계가 있을 때 그래요.

[주장] 그렇다고 AI 내부자가 틀렸다는 게 아니에요. 그들의 확신을 이 특정 질문에 대한 정확도 트랙레코드보다 더 무겁게 가중치를 주면 안 된다는 뜻이에요 — 그리고 그 트랙레코드는 아직 존재하지 않습니다. 질문이 새로워서요.

지금 주목해야 할 사람

노동시장 신호가 업무에 직접 닿는 역할 — HR, 인력 기획, 지역 경제 개발, 은퇴 설계 — 에 있다면 이 페이퍼는 현재 입수 가능한 가장 최신 전문가 의견 스냅샷이에요. 결론에 동의하지 않더라도 북마크할 가치 있어요. 특히 인사 관리자는 정책 선호 격차가 의미 있을 거예요. 직원들이 원하는 노동 정책과 회계팀 경제학자들이 모델링하는 정책이 완전히 다를 수 있다는 거니까요.

개인 노동자라면, 실용적인 조치는 좋은 커리어 어드바이저들이 10년 동안 해온 얘기 그대로예요: 선택지가 열린 스킬을 쌓고, 선행 지표(참여율, AI 자본투자 GDP 비중, BLS 직업 전망)를 보고, 어떤 단일 예측에도 — 이 페이퍼 포함 — 인생을 재구성하지 마세요.

출처

• Karger, E., Kuusela, O., Tetlock, P. et al. (2026). _Forecasting the Economic Effects of AI_. NBER Working Paper w35046. 2026년 4월 발행.
• CBO 2026 Long-Term Budget Outlook — 페이퍼가 베이스라인으로 사용.
• BLS 노동력 참여율 — 매월 봐야 할 지표.

---

_이 글은 위에 인용된 NBER 워킹페이퍼를 바탕으로 AI 보조 분석으로 작성되었습니다. 모든 수치는 페이퍼가 보고한 그대로이며, 해석은 저희의 것으로 저자들의 입장과 다를 수 있어요._