OpenAI가 짚은 미국 921개 직업: 18%가 단기 AI 자동화 위험에 노출

미국 일자리의 18%가 단기 AI 자동화 위험이 높습니다. 그리고 그 명단에 누가 올라 있는지 보면 솔직히 좀 놀라실 거예요. [사실]

이건 어떤 싱크탱크 예측이나 기자 분석이 아닙니다. 다름 아닌 OpenAI가 2026년 4월에 직접 글로 발표한 내용이에요. 921개 직업, 미국 고용의 99.7%를 4차원 프레임워크로 매핑한 결과예요. 만약 당신이 계약서, 교실, 사무실 페이퍼워크를 다루는 일을 하고 있다면, 통계적으로 배관공이나 등록간호사, 유치원 교사보다 위험에 더 노출되어 있다는 뜻입니다. [사실]

이게 왜 중요하냐면 — AI 회사가 자기 모델로 인해 가장 큰 영향을 받는 직업이 어디인지 직접 발표한 거잖아요. 보통 이런 보고서는 외부 컨설팅 회사나 학계가 내요. AI를 만드는 회사가 "우리 모델 덕분에 이 직업들이 위험해요"라고 자기 입으로 말하는 건 흔한 일이 아닙니다. 그래서 한 번 짚고 넘어갈 만해요.

이 보고서가 실제로 뭐라고 했는지, 왜 그 선이 그어졌는지, 그리고 월요일 아침 출근하는 당신 직장에 이게 무슨 의미인지 정리해 봤습니다.

OpenAI 프레임워크가 다른 보고서와 다른 점

대부분의 AI-일자리 보고서는 태스크 리스트로 시작해요. 당신 일이 어떤 태스크로 구성되는지 보고, AI가 그 태스크를 할 수 있는지 묻고, 거기서 멈춰요. 그게 끝이에요. OpenAI Jobs Transition Framework는 다릅니다. 경제학자 Alex Martin Richmond가 작성하고 OpenAI 수석 경제학자 Ronnie Chatterji가 서문을 쓴 이 보고서는 그 위에 세 개 차원을 더 얹었어요. [사실]

첫 번째 차원은 뻔합니다. 기술적 역량이에요. 오늘날 AI가 그 직업이 요구하는 태스크를 실제로 수행할 수 있는가? 이건 모든 보고서가 묻는 질문이에요. [사실]

두 번째 차원이 대부분의 보고서가 빼먹는 부분입니다. 인간 필수성이에요. 어떤 일은 AI가 기술적으로 할 수 있어도 인간이 해야만 합니다. 프레임워크는 이걸 세 가지 이유로 나눠요. 규제(판사, 법정 변호사, 일부 의료 시술), 관계(교사, 치료사, 호스피스 간호사), 신체(배관공, 전기기사, 직접 돌봄). 어떤 태스크는 90% 자동화 가능해도 법적·사회적으로 인간이 필요해요. [주장]

이 구분이 왜 핵심이냐면 — AI가 할 수 있는 것과 사회가 AI에게 시킬 것 사이에는 큰 격차가 있어요. 예를 들어 AI가 대장 내시경 결과를 의사보다 정확히 판독한대도, 환자에게 "암입니다"라고 말하는 사람은 한국 의료법상 의사여야 해요. 기술적 가능성과 법적·사회적 허용은 별개의 문제예요. 보고서가 짚는 부분이 정확히 이 격차에요.

세 번째 차원은 수요 탄력성입니다. AI가 회계 비용을 10배 싸게 만들면, 기업은 회계사를 10배 더 고용해서 10배 많은 일을 시킬까요? 아니면 헤드카운트를 깎을까요? OpenAI는 이 차원이 가장 관찰하기 어렵다고 인정하면서 구조화된 근사치를 사용합니다. [추정]

수요 탄력성이 뭔지 한 줄로 풀면 — "더 싸졌을 때 더 많이 살 건지"의 문제예요. 자동차가 더 싸지면 가족당 차량 수가 늘어나니까 자동차 산업 일자리는 늘 수 있어요. 그런데 어떤 직업은 가격이 떨어져도 수요가 그만큼 안 늘어요. 이미 모두가 회계 처리를 받고 있으면 더 싸진다고 회계 처리량이 폭발적으로 늘진 않아요. 그러면 헤드카운트가 깎입니다. 이게 탄력성 게임이에요.

네 번째 차원이 이 보고서를 정말 독특하게 만듭니다. OpenAI는 분석을 익명화된 2025년 하반기 ChatGPT 사용 데이터에 통과시켰어요. 미국 CPS(현행인구조사) 실업 데이터와 GPT-5.4 직업 분류기를 교차 참조한 거예요. 그 결과 프레임워크가 고위험으로 표시한 직업의 ChatGPT 사용량이 저위험 직업보다 약 3배 높았습니다. 이론적 예측이 아니라 실제 행동 신호인 거죠. [사실]

숫자, 그대로 풀어쓰기

921개 직업 전체에서 프레임워크는 미국 노동력을 네 묶음으로 나눕니다. [사실]

• 18%는 단기 자동화 위험이 높습니다. 클러스터는 법무 보조 업무, 교실 행정 역할, 그리고 사무·행정 지원 전반이에요. [사실]
• 46%는 변화가 작을 가능성이 큽니다. 자동화하기 더 어렵거나 인간 필수성이 막아주는 일들이에요. [사실]
• 24%는 직무 안에서 태스크 구성이 바뀌면서 고용이 감소할 수 있어요. 직함은 살아남는데 헤드카운트가 줄어드는 시나리오입니다. [추정]
• 12%는 AI 덕분에 성장할 수 있어요. 보통은 더 싼 산출물이 더 많은 수요를 만들기 때문이에요. [추정]

18% + 46% + 24% + 12% = 100%지만, '고위험'과 '고용 감소'는 개념적으로 겹쳐요. 프레임워크는 승자와 패자를 상쇄하는 게 아니라, 압력의 유형으로 분류하고 있어요. 같은 직업도 두 묶음에 동시에 걸칠 수 있다는 뜻이에요.

고위험 명단에 실제로 누가 있나

세 직업 가족이 그 18%를 지배합니다. 법무 보조, 교육, 그리고 사무·행정이에요. [사실]

법무 보조에서는 패러리걸과 법무 비서가 어마어마한 양의 문서 검토, 인용 확인, 템플릿 초안 작성을 합니다. 정확히 대규모 언어 모델이 잘하는 일이에요. [추정] 만약 당신이 패러리걸이나 법무 비서로 일한다면, 보고서는 지금 가장 압력이 높은 카테고리에 있다고 말합니다. 솔직히 이 부분이 제일 직관적이에요. 미국 로펌이 Harvey AI나 Casetext 같은 도구를 도입한 지 이미 2-3년이 됐고, 그 도구들이 잡아먹는 일이 정확히 패러리걸 업무의 가장 큰 덩어리예요.

교육에서 영향받는 부분은 행정 업무예요. 가르치는 일 자체가 아닙니다. [주장] OpenAI는 초등교사, 유아교사, 유치원 교사를 명확히 보호 직업으로 짚어요. 관계적 차원이 AI가 대체할 수 없는 방식으로 이들을 필요하게 만들기 때문입니다. 노출은 일정 관리, 채점 페이퍼워크, 학부모 커뮤니케이션 초안, 수업 계획 보일러플레이트에 있어요. 한국 학교 현장으로 풀면 — 교사가 가르치는 시간 자체는 보호받지만, 매주 작성하는 수업 일지, 학부모 알림장, 행정 보고서 같은 부수적 페이퍼워크는 압력 아래에 있다는 거예요.

사무·행정에서는 행정 보조원, 임원 비서, 고객 서비스 담당자, 데이터 입력원, 부기 사무원, 사무원이 모두 고압력 밴드에 있습니다. 공통점은 대량의 구조화된 언어 작업이에요. 이제 쿼리 한 번에 약 ₩40원(약 $0.03)이 든 일이죠. [추정] 이 가격을 한국 인건비로 환산해보면 — 행정 보조원의 시간당 비용이 평균 ₩15,000~20,000원 수준이라고 할 때, AI 한 쿼리가 인간 1분치 작업량을 처리하면 약 400배 비용 차이가 나요. 이게 탄력성 차원에서 위험한 지점이에요.

보호받는 직업과, 그 이유가 중요한 이유

보고서에서 노동자에게 가장 명확한 발견은 어떤 역할이 완충되는가, 그리고 왜인가입니다.

변호사(자격증을 가진 법정형, 패러리걸과 구분), 판사, 등록간호사, 전문간호사, 그리고 일선 교사 모두 보호 직업으로 표시됐습니다. [사실] 이유는 같지 않아요. 그게 핵심이에요.

변호사는 규제로 보호받습니다. 변호사 시험 통과, 법정 출석 규정, 서명 책임이 의미하는 건 — 누군가의 이름이 서면에 들어가야 한다는 거예요. AI가 초안을 썼더라도요. 한국으로 풀면 변호사법이 그 보호막이에요. 미국 패러리걸 같은 무자격 보조원이 한국에는 사실상 없어서, 한국 변호사는 미국 변호사보다 보호 강도가 좀 더 강하다고 볼 수도 있어요.

간호사는 신체적·관계적 필수성으로 보호됩니다. 카테터 삽입, 침상 옆 돌봄, 겁먹은 환자를 진정시키는 인간의 존재감이에요. [주장] 이게 AI로 대체하기 가장 어려운 묶음이에요. 모델이 아무리 좋아도 손이 없잖아요. 휴머노이드 로봇이 뜬다 해도 의료 현장 도입까지는 — 솔직히 — 10년 단위 이야기예요.

교사는 관계적 수요로 보호받습니다. 학부모, 학교 이사회, 학생들 자신이 챗봇이 아닌 사람을 교실 앞에 기대하기 때문이에요. 한국 학부모가 자기 자녀 담임이 AI로 교체된다고 들었을 때 어떤 반응일지 상상해보면 — 이 관계적 보호막이 얼마나 단단한지 알 수 있어요.

당신의 커리어 계획에 이 뉘앙스가 왜 중요한지 솔직히 말씀드릴게요. 만약 당신 역할이 규제로 완충된다면, 그 완충은 법령 한 번 바뀌면 사라질 수 있어요. 신체적 필수성으로 완충된다면, 로봇 공학이 10년에 걸쳐 갉아먹을 수 있어요. 관계적 수요로 완충된다면 — 즉, 인간이 다른 인간에게 실제로 원하는 것에 의해 보호된다면 — 그게 가장 오래 버티는 경향이 있습니다. [주장]

ChatGPT 사용 데이터가 추가하는 것

이게 보고서에서 가장 무시하기 어려운 부분입니다. OpenAI는 그냥 예측한 게 아니라 측정했어요. 2025년 하반기 ChatGPT 사용량은 프레임워크가 고위험으로 표시한 직업에서 저위험 직업보다 약 3배 높았습니다. [사실]

이건 설문 응답이 아니라 행동 신호예요. 법무 보조, 사무 행정, 화이트칼라 조정 역할의 노동자들이 이미 직장에서 AI를 무겁게 사용하고 있다는 뜻입니다. 전환은 미래의 충격이 아니라 — 지금, 진행 중인 대체예요. [주장]

여기서 묘한 역설이 있어요. 가장 노출된 노동자가 가장 빠르게 AI를 채택하고 있다는 거예요. 처음엔 반항할 것 같지만, 실제로는 자기 일을 더 빠르게 끝내려고 가장 먼저 AI를 쓰고 있어요. 그래서 회사 입장에서는 — "이 사람이 AI 덕에 1.5배 빠르게 일하네? 그럼 같은 일을 1.5배 적은 인원으로 처리할 수 있겠네"라는 결론으로 넘어가기 쉬운 거예요. 노동자의 적응이 역설적으로 헤드카운트 감소의 정당화 자료가 되는 구조예요.

EdTech Innovation Hub의 독립 보도는 이걸 핵심 긴장으로 짚었어요. 18% 숫자도 인상적이지만, 더 중요한 사실은 채택이 정확히 가장 노출된 역할에 집중되어 있다는 거예요. 만약 당신이 그 역할에 있는데 _아직_ AI를 쓰고 있지 않다면, 이미 쓰고 있는 동료들에 비해 뒤처진 상태예요. [추정]

한국 직장에서 이 보고서를 어떻게 읽어야 할까

OpenAI 데이터는 미국 직업 분류와 미국 ChatGPT 사용 데이터에 기반합니다. 한국 직장에 그대로 옮겨오기 전에 몇 가지 보정이 필요해요. [주장]

첫째, 고용 보호 강도가 다릅니다. 미국은 At-will 고용이라 회사가 정리해고를 비교적 빠르게 결정할 수 있어요. 한국은 근로기준법상 정당한 사유와 절차가 필요해서, 같은 AI 압력이 와도 헤드카운트 감축이 더 느리게 일어납니다. 좋은 소식 같지만 — 그래서 채용 동결이라는 우회 경로가 더 자주 사용돼요. 보고서가 짚은 24% 시나리오, 즉 직함은 살아남지만 헤드카운트가 줄어드는 패턴이 한국에서는 _더 강하게_ 나타날 수 있어요. 새 사람을 안 뽑는 형태로 말이에요.

둘째, 법무 보조 직군 자체가 작아요. 한국 변호사법은 미국식 패러리걸 같은 무자격 법무 보조원을 사실상 허용하지 않아요. 그래서 18% 묶음의 법무 부분은 한국 직장에선 변호사 사무실의 사무직원, 법무법인 어시스턴트, 기업 법무팀 보조원 정도에 적용돼요. 미국보다 영향 인구가 적습니다. 다만 사내 법무팀이 외부 로펌 의존도를 줄이고 AI로 직접 처리하는 흐름이 시작되면, 그 충격은 외부 로펌의 어소시에이트 변호사 채용 감소로 옮겨가요.

셋째, 사무·행정 압력은 거의 동일합니다. 행정 보조원, 임원 비서, 고객 서비스 담당자, 부기 사무원 — 이 직군은 한국에서도 같은 압력 아래에 있어요. 오히려 한국 기업의 디지털 전환 속도가 미국보다 느렸기 때문에, 지금이 _처음_ 도입 시점이라 충격이 압축적으로 올 가능성이 있어요. 미국이 5년에 걸쳐 흡수한 변화를 한국 기업이 2-3년에 압축해서 겪을 수 있다는 뜻이에요. [추정]

넷째, 교육 행정 압력은 한국에서 더 클 수 있어요. 한국 교사가 작성하는 페이퍼워크의 양은 OECD 평균보다 많은 편이에요. 학생부 입력, 수업 일지, 학부모 알림장, 동료장학 보고서, 행정 공문 처리 — 이 모든 게 정확히 LLM이 잘하는 구조화된 언어 작업이에요. [주장] 다만 교육부와 학교 시스템의 도입 속도가 느려서 압력이 지연되어 도착할 가능성이 큽니다. 그게 좋은 소식인지 나쁜 소식인지는 교사 본인이 그 시간을 어떻게 쓰느냐에 달려 있어요.

다섯째, 간호사·돌봄 직군은 한국에서 더 강하게 보호받습니다. 고령화 속도가 OECD 최상위인 한국에서 돌봄 수요는 구조적으로 늘어나요. AI가 신체 돌봄을 못 한다는 점이 한국에서 더 큰 보호막이 돼요. 등록간호사, 요양보호사, 사회복지사가 보고서의 '관계+신체' 보호 카테고리에 그대로 들어맞아요. [주장]

이번 주, 당신의 일정에 의미하는 것

당신 직업이 18% 명단에 있다면 구체적으로 세 가지를 권합니다.

하나 — 이번 주 당신의 태스크 믹스를 측정하세요. 5일치를 잡고 시간별로 실제 뭘 했는지 적어보세요. OpenAI 프레임워크는 직업 단위인데, 당신의 구체적인 일은 태스크 단위예요. 만약 한 주의 70%가 구조화된 언어 작업(초안, 요약, 분류, 검색)이라면 프레임워크 압력이 당신에게 적용됩니다. 만약 70%가 판단 콜, 고객 관계, 또는 신체 노동이라면 적용이 덜해요. 이걸 안 하고 추측만 하면 — 자기 직업이 위험한지 안 위험한지 정확히 모르고 6개월이 또 흘러가요.

둘 — 강제되기 전에 도입하세요. ChatGPT 사용 데이터는 당신 카테고리에서 대체가 이미 진행 중임을 보여줍니다. 18% 묶음의 태스크를 더 빠르게 처리하기 위해 AI를 쓰는 노동자는, 프레임워크가 보호 영역이라고 부르는 일 — 관계적, 규제적, 판단 중심 — 을 추가로 맡을 여유 공간이 더 큽니다. 그 여유 공간이 당신의 커리어 보험이에요. AI를 거부하는 것과 AI를 활용해서 더 보호받는 일로 옮겨가는 것은 같은 결과를 가져오지 않아요. 후자가 살아남는 길이에요.

셋 — 24% 묶음을 주시하세요. 당신 역할이 '보호'라도, 24%의 조용한 감소 시나리오는 회사가 직함은 유지하면서 헤드카운트를 깎는 걸 의미해요. 채용 동결, 역할 통합, 그리고 "그건 나중에 빈자리 채울게요" 같은 말투를 팀에서 살피세요. 그게 당신 회사가 AI가 손실된 캐파를 흡수했다고 결정했다는 선행 지표예요. 한국 직장 문화로 풀면 — 동료가 퇴사했는데 1년 넘게 후임이 안 오면, 그 자리는 사실상 없어진 거예요. 그 신호를 무시하지 마세요.

이 프레임워크가 유용한 정확히 그 이유는 — 예측인 척하지 않기 때문이에요. 압력을 매핑할 뿐입니다. 그 압력으로 당신이 뭘 할지, 또는 당신 고용주가 뭘 할지가 보고서가 예측하려 하지 않는 부분이에요. 그 결정은 결국 당신과 당신 회사의 손에 달려 있어요.

출처

• The AI Jobs Transition Framework (OpenAI, 2026년 4월) — 1차 보고서 (PDF)
• EdTech Innovation Hub: OpenAI, ChatGPT 사용 급증 속 미국 일자리 18%가 AI 위험에 노출 — 독립 보도
• BCG: AI Will Reshape More Jobs Than It Replaces — 보강 분석

AI 활용 고지

이 글은 OpenAI가 2026년 4월 발표한 프레임워크를 1차 출처로 삼아 Claude(Anthropic)가 초안을 작성했습니다. 이번 세션에서는 PDF 본문 직접 접근이 파일 크기 제한으로 불가능해서, 수치와 발견은 독립 2차 보도(EdTech Innovation Hub, BCG 재게재)와 보고서 자체의 공개 요약에서 인용했어요. 인용된 모든 퍼센티지와 921개 직업 수치는 그 출처에서 나왔습니다. 편집적 판단 — 어떤 역할을 강조할지, 차원을 어떻게 짜맞출지, 액션 단계, 한국 맥락으로의 환산 — 은 본 사이트의 분석이에요. 1차 보고서와 출처 링크는 위에 있어 검증할 수 있어요.

갱신 이력

• 2026-04-28 — OpenAI Jobs Transition Framework(2026년 4월 발표) 요약 최초 발행.