AI가 데이터 과학자를 대체할까? 가장 빨리 성장하는 직업의 아이러니
자동화 위험도 40점, AI 노출도 64%인데 고용 성장률은 36%로 기술직 1위. AI를 만드는 사람들이 AI에 가장 많이 노출되면서도 가장 잘나가는 이 아이러니, 어떻게 설명할 수 있을까요?
AI를 만드는 사람이 AI에 대체된다고?
데이터 과학자의 상황은 솔직히 좀 아이러니해요. AI 도구를 직접 만드는 사람들이 자기 업무의 상당 부분을 AI에 자동화당하고 있으니까요. 그런데 더 아이러니한 건, 이 직업이 거의 모든 직종 중 가장 빠르게 성장하고 있다는 사실입니다.
숫자를 보면 이렇습니다. 앤트로픽 노동시장 보고서(2026)에 따르면 자동화 위험도는 100점 만점에 40점, 전체 AI 노출도는 64%입니다. 꽤 높죠? 그런데 미국 노동통계국(BLS)은 2034년까지 36% 고용 성장을 전망합니다. 기술직 중 가장 높은 수치입니다. 현재 미국에서 약 19만 2천 명이 연봉 중앙값 약 108,020달러(약 1억 4,907만 원)로 일하고 있습니다.
어떤 업무가 자동화되고 있나?
- 데이터셋 분석이 60% 자동화로 가장 앞서 있습니다. AI 도구가 탐색적 분석, 요약 통계 생성, 이상치 탐지, 시각화까지 사람 개입 없이 수행합니다. H2O.ai, DataRobot, Google AutoML 같은 AutoML 플랫폼은 알고리즘 선택, 하이퍼파라미터 튜닝, 피처 엔지니어링을 자동으로 처리합니다. 예전엔 깊은 전문성이 필요했던 일이에요.
- ML 모델 구축은 50% 자동화입니다. 대규모 언어 모델이 데이터 파이프라인 코드 작성, 디버깅은 물론 자연어 설명만으로 엔드투엔드 머신러닝 모델까지 만들어냅니다. GitHub Copilot이나 Claude가 프로덕션급 코드를 생성하는 시대가 됐어요.
이 자동화 수준은 빠르게 올라가고 있습니다. 이론적 노출도는 2028년까지 94%에 도달할 전망인데, 이는 데이터 과학자가 하는 거의 모든 기술적 업무를 AI가 수행할 수 있게 된다는 뜻입니다.
그런데 왜 36%나 성장하나요?
폭발적인 성장 전망이 자동화 데이터와 모순되는 것처럼 보이지만, 여러 요인이 있어요.
- 수요가 자동화 속도를 앞지릅니다. 의료, 금융, 제조, 유통, 정부 — 모든 산업이 데이터 기반 의사결정을 원합니다. 데이터 과학 업무의 총수요가 AI가 기존 직위를 자동화하는 속도보다 빠르게 늘고 있어요.
- AI가 더 많은 데이터 과학 일거리를 만듭니다. AI 시스템을 배포하고, 모니터링하고, 개선하려면 데이터 과학자가 필요합니다. AI가 많이 도입될수록 그걸 관리할 사람도 더 필요해지는 구조예요.
- 민주화가 바닥을 높입니다. AI 도구 덕분에 주니어 데이터 과학자도 빠르게 생산성을 낼 수 있지만, 동시에 복잡한 시스템을 설계하고 책임 있는 AI를 보장할 시니어 인력의 수요도 늘어납니다.
- "라스트 마일" 문제가 있어요. AutoML이 모델을 만들 수는 있지만, 비즈니스 문제를 데이터 문제로 변환하고, 도메인 맥락에서 결과를 검증하고, 프로덕션 환경에 배포하는 건 여전히 사람의 몫입니다.
- AI 거버넌스와 윤리 수요가 커지고 있어요. AI 편향, 투명성, 규제 준수에 대한 우려가 커지면서 책임 있는 AI를 전문으로 하는 데이터 과학자 수요가 생기고 있습니다.
2028년 데이터 과학자는 어떻게 달라질까?
2028년의 데이터 과학자는 보일러플레이트 코드 작성, 수동 피처 엔지니어링, 루틴한 모델 선택과 튜닝, 기본적인 데이터 클리닝에 쓰는 시간이 줄어들 것입니다.
대신 이런 일에 더 많은 시간을 쓰게 됩니다:
- 문제 프레이밍과 이해관계자 커뮤니케이션
- AI 시스템 아키텍처와 설계
- 모델 검증과 편향 탐지
- 프로덕션 배포와 모니터링
- 책임 있는 AI와 거버넌스
데이터 과학자라면 지금 뭘 해야 할까?
- 가치 사슬에서 위로 올라가세요. 루틴한 코딩과 모델링보다 문제 프레이밍, 시스템 설계, 이해관계자 소통에 집중하는 게 좋습니다.
- AI 안전과 거버넌스를 전문으로 삼아 보세요. 기술 역량에 윤리, 정책, 조직 이해를 결합하는 새로운 분야입니다.
- 도메인 전문성을 키우세요. 의료, 금융, 제조를 깊이 이해하는 데이터 과학자가 제너럴리스트보다 훨씬 가치가 높습니다.
- AI 도구를 계속 따라가세요. 성공하는 데이터 과학자는 AI와 경쟁하는 게 아니라 AI로 자기 생산성을 증폭시키는 사람이에요.
- 리더십 역량을 개발하세요. AI가 기술적 실행을 더 많이 맡게 되면, 팀을 이끌고 경영진과 소통하는 능력이 점점 더 중요해집니다.
데이터 과학자의 자동화 상세 데이터는 데이터 과학자 직업 페이지에서 확인하실 수 있습니다.
출처
- Anthropic. (2026). The Anthropic Labor Market Impact Report.
- U.S. Bureau of Labor Statistics. Data Scientists — Occupational Outlook Handbook.
- O*NET OnLine. Data Scientists.
- Eloundou, T., et al. (2023). GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models.
업데이트 이력
- 2026-03-21: KO 가이드라인에 따라 전면 재작성, 출처 섹션 추가
- 2026-03-15: 최초 발행
이 분석은 Anthropic 노동시장 보고서(2026), Eloundou et al.(2023), 미국 노동통계국 데이터를 기반으로 합니다. AI 보조 분석이 사용되었습니다.